AI를 도입하는 시대에서, AI와 함께 경영을 다시 설계하는 시대로.

AI로 경영을 재설계하라
이동권 외 지음 / 성안당 / 2026년 9월

※본 게시물은 출판사로부터 도서를 제공받아 주관적인 견해로 작성하였습니다.

_

AI가 일자리를 얼마나 대체할 것인지, 어떤 업무를 더 빠르게 처리할 수 있을 것인지에 관한 이야기는 이제 낯설지 않다. 글을 쓰고, 자료를 분석하고, 복잡한 정보를 정리하는 일까지 AI가 맡아 주는 시대다. 기업들은 앞다투어 새로운 기술을 도입하고, 개인 역시 뒤처지지 않기 위해 AI 활용법을 익힌다.

그런데 문득 이런 생각이 든다.
정말 새로운 시대에 맞게 일하는 방식을 바꾸고 있는 것일까? 아니면
익숙한 방식은 그대로 둔 채 그 위에 AI라는 편리한 도구만 얹고 있는 것은 아닐까?

《AI로 경영을 재설계하라》는 AI를 업무 효율을 높이는 기술로만 바라보는 시각에서 벗어나 기업의 전략과 조직, 운영 방식, 비즈니스 모델까지 근본적으로 다시 살펴보자고 제안한다. 기술이 얼마나 발전했는지를 설명하는 데 머무르지 않고, 그 기술을 받아들이는 인간과 조직은 무엇을 바꾸어야 하는지 묻는다는 점에서 흥미롭다.

특히 인상적인 것은 AI의 도입 자체를 성공의 기준으로 삼지 않는다는 점이다.
새로운 프로그램을 구매하고, 업무에 AI를 활용하고, 처리 시간을 단축하는 것만으로 기업의 경쟁력이 완성되는 것은 아니다. 기술이 바뀌었다면 그 기술을 사용하는 방식도 달라져야 하고, 일하는 방식이 달라졌다면 조직의 의사결정 구조 역시 달라져야 한다. 여기서 중요한 것은 AI를 통해 무엇을 새롭게 가능하게 만들 것인가에 있다.

이 책은 익숙한 업무의 틀을 유지한 채 효율만 높이려는 접근에서 한 걸음 더 나아가도록 이끈다. AI 시대의 변화는 새로운 도구를 배우는 문제가 아니라 우리가 일하고 판단하고 성장하는 방식 자체를 다시 생각하는 문제라는 사실을 일깨운다.


책에서 가장 기억에 남는 비유는 DX와 AX의 차이를 내비게이션과 자율주행에 빗댄 설명이다. 내비게이션은 목적지까지 가는 길을 안내하지만, 실제로 방향을 결정하고 운전대를 조작하는 것은 사람이다. 반면 자율주행은 주어진 목적을 향해 시스템이 주변 환경을 분석하고 판단하며 움직이는 단계로 나아간다.

이 비유를 따라가다 보면 AI를 활용한다는 말의 의미를 다시 생각하게 된다.
기존의 업무에 AI를 보조적으로 사용하는 것과 AI가 업무의 일부를 판단하고 실행하도록 설계하는 것은 분명 다른 차원의 이야기다. 전자가 기존 체계 안에서 효율을 높이는 일이라면, 후자는 그 체계 안에서 인간과 AI가 어떤 역할을 맡아야 하는지부터 다시 정하는 일이다.

물론 현실의 AI가 언제나 정확하게 판단하거나 인간의 개입 없이 모든 일을 안전하게 수행할 수 있는 것은 아니다. 자율적으로 실행하는 시스템일수록 오류와 예외 상황을 어떻게 처리할 것인지, 누가 결과를 검토하고 책임질 것인지에 관한 설계가 더욱 중요해진다. 그래서 자율주행이라는 비유는 기술의 발전 가능성뿐 아니라 그에 따르는 책임의 무게까지 생각하게 한다.

'어떤 AI를 도입할 것인가?'에서 멈추지 말고
'AI 시대에 맞게 무엇을 다시 설계해야 하는가?'를 물어야 한다는 것.

이와 같이 질문의 방향이 달라지면 해결책도 달라진다. 업무를 빠르게 처리하는 방법을 찾는 데서 끝나는 것이 아니라, 지금까지 당연하게 여겼던 업무 절차가 정말 필요한지, 사람이 직접 판단해야 할 부분은 무엇인지, AI에 맡겨도 되는 일은 어디까지인지 살펴보게 된다.

이 대목은 기업 경영에만 해당하는 이야기가 아니라고 느꼈다. 사람 역시 새로운 도구를 배울 때 기존의 습관을 그대로 유지한 채 편리함만 더하려는 경우가 많기 때문이다. 시간을 절약하기 위해 기술을 사용하면서도 정작 절약한 시간을 어디에 쓸 것인지는 고민하지 않는다. 효율은 높아졌는데 삶의 방향은 그대로라면, 과연 무엇이 달라졌다고 할 수 있을까?


기술의 발전이 곧바로 삶의 발전을 의미하지는 않는다는 사실.
이 책의 경영 재설계라는 개념은 그런 점에서도 생각할 거리를 남긴다.


책에서 특히 주목하게 되는 부분은 AI를 생산성 도구가 아닌 판단 구조의 문제로 바라보는 관점이다.

반복 업무를 자동화하면 시간과 비용을 줄일 수 있다. 그러나 업무의 속도가 빨라졌다고 해서 의사결정의 질까지 반드시 좋아지는 것은 아니다. 잘못된 기준으로 내린 판단을 자동화하면 잘못된 결과가 더 빠르게 반복될 수 있고, 부정확한 데이터를 바탕으로 한 분석은 그럴듯한 결론을 내놓더라도 실제 상황과 어긋날 수 있다.

따라서 AI를 활용할 때는 무엇을 자동화할 것인지에 앞서 어떤 판단이 필요한지부터 살펴야 한다. 데이터가 제공하는 정보와 인간이 현장에서 쌓아 온 경험을 어떻게 결합할 것인지, AI의 제안을 어떤 기준으로 검증할 것인지, 문제가 발생했을 때 누가 개입할 것인지가 함께 설계되어야 한다.

이러한 관점은 AI가 발전할수록 인간의 역할이 사라질 것이라는 전망과도 거리를 둔다. 인간이 직접 처리하던 모든 일을 붙잡고 있는 대신, AI가 맡을 일과 인간이 책임져야 할 일을 구분하는 능력이 중요해질 수 있다.

예를 들어 마케팅 부서에서 AI가 고객 데이터를 분석하고 개인별 추천을 제안한다고 생각해 보자. 분석 속도와 처리량은 크게 개선될 수 있지만, 어떤 고객 경험을 제공해야 하는지, 고객의 개인정보를 어디까지 활용할 수 있는지, 매출과 고객 신뢰가 충돌할 때 무엇을 우선해야 하는지는 별개의 문제다. AI가 분석을 수행하더라도 기업이 지켜야 할 원칙까지 저절로 정해지는 것은 아니다.

재무와 인사, 개발, 생산 등 다른 업무에서도 마찬가지다.
기술은 선택지를 넓히고 판단을 보조하거나 일부 실행을 맡을 수 있지만,
조직이 무엇을 중요하게 여기는지에 대한 기준까지 대신 정해 주지는 않는다.

그래서 AI 시대에 필요한 역량은 기술을 다루는 능력만으로 설명하기 어렵다.
문제를 정확하게 정의하고, 결과를 비판적으로 검토하며, 예외 상황에서 적절한 결정을 내리는 능력 역시 중요하다.

AI를 잘 사용하는 조직은 AI를 많이 사용하는 조직이 아니라, AI가 내놓은 결과를 어떤 원칙으로 받아들이고 활용할 것인지 알고 있는 조직일 것이다.


이 책은 경영 재설계의 대상을 고객 경험, 운영 체계, 조직 구조, 비즈니스 모델이라는 네 가지 축으로 구분한다. 이 구성은 AI 전환이라는 다소 추상적인 개념을 구체적인 경영 과제로 연결한다는 점에서 의미가 있다.

먼저 고객 경험의 변화다. 과거에는 고객을 연령이나 성별, 구매 이력과 같은 비교적 고정된 기준으로 분류하고 그에 맞는 서비스를 제공하는 방식이 널리 활용되었다. 하지만 같은 사람이라도 상황과 필요에 따라 원하는 경험은 달라질 수 있다. 고객을 하나의 고정된 유형으로 이해하는 데서 벗어나 그 순간의 맥락을 고려해야 한다는 설명은 개인화의 의미를 다시 생각하게 한다.

다만 고객의 상황을 세밀하게 파악할 수 있다는 것이 언제나 더 좋은 경험으로 이어지는 것은 아니다. 지나친 정보 수집이나 불투명한 추천은 고객에게 불편함과 불신을 줄 수 있다. 기술적으로 가능한 것과 고객에게 바람직한 것은 구분되어야 한다. 고객 경험의 재설계에는 편리함뿐 아니라 개인정보 보호와 선택권에 대한 고려도 필요하다.

두 번째는 운영 체계다. 책은 정해진 절차를 반복하는 자동화에서 벗어나 예측과 조정, 최적화가 이어지는 지능형 운영을 강조한다. 이는 문제가 발생한 뒤 대응하는 방식에서 벗어나 변화의 징후를 파악하고 적절한 조치를 준비하는 방식으로 나아가려는 시도라고 이해할 수 있다.

기업의 운영은 수많은 변수와 연결되어 있다. 수요 변화, 재고 부족, 생산 일정의 지연, 고객 문의의 증가 등 한 영역의 변화가 다른 영역에 영향을 미칠 수 있다. 이러한 연결을 파악하고 적절한 시점에 대응하는 데 AI가 도움을 줄 수 있다면, 운영은 비용을 줄이는 활동을 넘어 기업의 대응 능력을 높이는 기반이 될 것이다.

세 번째는 조직 구조다. 책은 조직을 사람의 수나 직급의 배열로만 바라보지 않고, 누가 어떤 판단을 맡고 어떤 책임을 지는지를 중심으로 다시 생각하도록 제안한다.

AI가 일부 업무를 수행하게 되면 관리자의 역할도 달라질 수 있다. 모든 작업을 직접 확인하고 지시하는 데 시간을 쓰기보다 업무의 기준을 설정하고, 결과를 검토하며, 구성원이 더 중요한 문제에 집중할 수 있도록 환경을 만드는 역할이 중요해질 수 있다.

하지만 인간의 경험과 전문성을 알고리즘으로 대체할 수 있다고 생각해서는 안 된다. 오랜 시간 현장에서 쌓인 지식에는 데이터로 쉽게 표현하기 어려운 맥락과 판단이 포함되어 있을 수 있다. AI 전환이 사람이 가진 역량을 다른 방식으로 활용하는 방향으로 이루어지려면 교육과 역할 재설계, 책임에 대한 합의가 함께 이루어져야 한다.

마지막은 비즈니스 모델이다. 제품을 판매하는 것으로 관계가 끝나는 구조에서 벗어나, 제품 사용 과정에서 생성되는 데이터와 고객의 피드백을 바탕으로 서비스를 개선하고 지속적인 가치를 만들어 내는 방향을 다룬다.

이러한 변화는 기업이 고객에게 무엇을 판매하는지뿐 아니라 어떤 관계를 형성하고 어떤 가치를 장기적으로 제공할 것인지 묻게 한다. 다만 모든 기업이 데이터 기반 생태계로 전환해야 한다는 의미로 받아들일 필요는 없다. 사업의 특성과 고객의 요구, 보유한 역량에 따라 적합한 모델은 달라질 수 있다.

네 가지 축을 살펴보면서 느낀 것은 경영 재설계에 정해진 만능 공식은 없다는 점이다. 중요한 것은 유행하는 기술을 무조건 따라가는 것이 아니라 조직이 해결해야 할 문제를 정확하게 파악하고, 가장 의미 있는 변화부터 시작하는 일이다.


이 책의 실무적인 강점으로는 AI 적용 수준을 L1부터 L5까지 구분하는 진단 모델을 들 수 있다. AI를 도구로 사용하는 단계에서 보조자, 운영자, 행위자, 자율적인 전략적 힘으로 나아가는 과정을 구분하고, 조직이 어느 단계에 있는지 점검하도록 안내한다.

이 모델을 읽으며 떠오른 생각은 AI 전환을 단순히 도입 여부로 판단해서는 안 된다는 것이다. 같은 AI 도구를 사용하더라도 조직에 따라 활용 수준은 다를 수 있다. 어떤 곳에서는 문서 작성이나 자료 요약에 활용하는 데 그치지만, 다른 곳에서는 여러 업무 시스템과 연결해 일정한 절차를 수행하거나 제한된 범위에서 판단과 실행을 맡길 수 있다.

그러나 더 높은 단계에 도달하는 것이 무조건 더 좋은 결과를 의미하지는 않는다. 자율성이 높아질수록 잘못된 판단이 미치는 영향도 커질 수 있기 때문이다. 업무의 위험도와 오류 발생 시의 피해, 결과를 되돌릴 수 있는지 여부, 인간이 개입할 수 있는지 등을 함께 고려해야 한다.

책에서 다루는 HITL(Human-in-the-Loop)과 HOTL(Human-on-the-Loop)의 구분도 이러한 문제와 연결된다.
인간이 각 단계의 판단 과정에 직접 참여하는 방식과 시스템을 감독하면서 필요한 경우 개입하는 방식은 서로 다른 책임 구조를 요구한다.

여기서 중요한 것은 인간의 개입을 무조건 늘리거나 줄이는 것이 아니다. 어떤 업무에서는 사람이 매번 확인해야 하지만, 다른 업무에서는 일정한 기준과 안전장치를 마련한 뒤 예외 상황에 집중하는 방식이 더 적합할 수 있다. 그 경계를 정하는 일이야말로 기술과 경영이 만나는 지점일 것이다.

또한 책은 12주 프로젝트 로드맵과 업무별 우선순위 선정 매트릭스 등 실행을 위한 도구도 소개한다. 이러한 구성은 AI 전환을 막연한 미래 전략으로만 남겨 두지 않고 실제 업무의 문제와 연결해 생각하도록 돕는다.

특히 모든 업무를 한꺼번에 바꾸기보다 영향도가 높고 실행 가능성이 있는 과제부터 시작하라는 방향은 현실적이다. 작은 범위에서 결과를 검증하고, 실패 원인을 파악하고, 개선한 뒤 확대하는 방식은 기술에 대한 기대와 실제 성과 사이의 간극을 줄이는 데 도움이 될 수 있다.

다만 진단표나 로드맵은 출발점이지 성공을 보장하는 공식은 아니다. 조직의 규모와 데이터 환경, 구성원의 역량, 규제와 보안 요구에 따라 실행 과정은 달라져야 한다. 도구를 적용하는 것만큼이나 그 도구가 우리 조직에 적합한지 검증하는 과정이 중요하다.


책을 읽으며 가장 깊이 생각하게 된 부분은 AI가 가져올 수 있는 위험에 관한 이야기였다.

AI는 방대한 정보를 빠르게 처리하고 사람이 놓칠 수 있는 패턴을 발견하는 데 도움을 줄 수 있다. 그러나 그 결과가 언제나 정확한 것은 아니다. 잘못된 정보가 입력되거나 데이터에 편향이 존재하거나, 질문 자체가 잘못 설정되면 결과 역시 왜곡될 수 있다. 그럴듯한 설명이 제시되었다는 이유만으로 그것을 사실이라고 받아들여서는 안 된다.

AI가 제시한 답변을 검토하지 않고 그대로 받아들이는 습관이 반복된다면 인간의 판단력과 비판적 사고가 약해질 가능성도 생각해 볼 필요가 있다. 편리함에 익숙해질수록 스스로 질문하고 근거를 확인하는 과정이 번거롭게 느껴질 수 있기 때문이다.

이 문제는 기업의 의사결정에서도 중요하다. 경영자가 AI가 제시한 분석을 충분히 검토하지 않은 채 전략을 결정하거나, 구성원이 AI의 결과를 근거로 자신의 책임을 회피한다면 조직은 취약해질 수 있다.

따라서 AI를 활용하는 능력에는 결과를 의심하고 확인하는 능력도 포함되어야 한다. 어떤 데이터에 근거했는지, 다른 해석은 가능한지, 결과가 현실과 맞는지, 오류가 발생했을 때 누가 책임질 것인지 끊임없이 확인해야 한다.

특히 기업이 AI를 활용할 때는 개인정보와 기밀정보 보호, 데이터 접근 권한, 결과에 대한 감사 가능성도 중요하다. 편리함을 이유로 검증과 통제를 생략한다면 단기적인 효율이 장기적인 위험으로 돌아올 수 있다.

책에서 다루는 AI 기반 ESG 전략 역시 이러한 문제와 맞닿아 있다. AI를 활용해 환경 관련 데이터를 분석하거나 규제 대응을 지원할 수 있겠지만, 기술을 도입했다는 사실만으로 기업이 지속가능해지는 것은 아니다. 실제 성과를 측정하고, 그 결과를 검증하며, 외부에 제시하는 정보가 사실과 일치하는지 확인해야 한다.

AI 시대의 경쟁력은 무엇을 자동화할 수 있는지에만 달려 있지 않다.
무엇을 자동화해서는 안 되는지,
어떤 결정에는 인간의 책임이 반드시 필요한지 판단하는 능력도 중요하다.

AI가 답을 제안할 수는 있어도,
그 답을 어떤 기준으로 받아들일 것인지는 결국 사람이 결정해야 한다.


《AI로 경영을 재설계하라》를 읽고 나면 AI를 통해 무엇을 바꾸고 싶은지 먼저 생각하게 된다.

우리는 새로운 기술을 만날 때 그것을 활용하는 방법부터 찾는다. 어떤 기능이 있는지, 얼마나 편리한지, 다른 사람보다 더 빠르게 사용할 수 있는지에 관심을 기울인다. 하지만 익숙한 업무를 그대로 유지한 채 도구만 바꾼다면 기술이 가진 가능성을 충분히 활용하지 못할 수도 있다.

중요한 것은 변화의 목적이다. 업무를 줄이는 것이 목적이라면 무엇을 줄여야 하는지 살펴야 하고, 고객 경험을 개선하는 것이 목적이라면 고객에게 실제로 필요한 변화가 무엇인지 확인해야 한다. 조직의 경쟁력을 높이고 싶다면 지금까지 유지해 온 방식 가운데 무엇이 더 이상 적합하지 않은지 돌아봐야 한다.

그 과정에서 반드시 기억해야 할 것은 속도만이 능사가 아니라는 점이다.
AI를 빠르게 도입하는 것보다 제대로 이해하고 책임 있게 활용하는 것이 중요할 때도 있다. 자율성이 높아질수록 검증과 통제의 기준은 더욱 명확해야 하며, 새로운 시스템이 만들어 내는 결과를 지속적으로 점검할 수 있어야 한다.

반복적인 작업이 줄어든 자리에 더 깊은 사고와 창의적인 시도, 사람 사이의 소통과 책임 있는 의사결정이 자리 잡을 수 있다면 기술의 발전은 단순한 효율 개선 이상의 의미를 갖게 될 것이다.


경영을 재설계한다는 것은 무엇을 가치 있게 여기고, 어떤 방식으로 일하며, 누구와 어떤 책임을 나눌 것인지 다시 정하는 과정에 가깝다. AI가 변화의 속도를 높여 주더라도 변화의 방향까지 저절로 정해 주지는 않는다. 더 나은 방향을 선택하기 위해서는 기술을 이해하는 능력과 함께 인간과 조직을 이해하는 지혜가 필요하다.

기술이 발전할수록 중요한 것은
그 기술을 사용하는 인간이 얼마나 현명하게 판단하는가일 것이다.

_

#성안당 #A로경영을재설계하라 #AI경영 #AX
#경영전략 #신간 #신간소개 #도서리뷰 #책리뷰
#서평 #서평단