기업의 성공은 생산성에 달려 있습니다. 생산성이 높을수록 기업은 더 많은 성과를 달성할 수 있으며, 이를 통해 경쟁력을 강화할 수 있습니다. 그러나 기업이 생산성을 높이는 것은 생각만큼 간단하지 않습니다. 여러 가지 요소들이 얽혀 있고, 이를 효과적으로 관리하기 위해서는 정확한 측정이 필요합니다.
특히 최근 생성형 AI 기술의 발달로 인해 이를 활용하는 근로자가 늘고 있으며, 생산성의 차이는 인간 1명을 넘어 수백 명의 AI 비서를 거느리고 일하는 형태로 발전하고 있습니다.
생성 인공지능(AI)이 노동의 양은 줄이고 질은 높인다는 생산성 입증 연구 결과가 잇따라 등장했습니다. 월스트리트저널(WSJ)은 매사추세츠공과대학(MIT)과 마이크로소프트(MS), 골드만삭스 등의 연구 결과를 소개하며, 생성 AI를 이용해 업무 시간을 단축하고 우수한 결과를 거둔 사례를 보도했습니다.
MIT가 발표한 논문 '생성 AI의 생산성 효과에 대한 실험적 증거'에 따르면, 챗GPT를 사용하면 업무 시간을 단축하며 우수한 결과를 얻을 수 있다는 사실이 입증되었습니다.
그러나 소프트웨어의 도입과 활용이 기대만큼 효과를 발휘하지 못하는 경우도 많습니다. 소프트웨어와 AI의 도입이 단순히 최신 기술을 따라가는 것 이상의 의미를 가지려면, 그 활용도를 정확하게 측정하고 이를 바탕으로 개선해 나가는 노력이 필요합니다. 아래 5가지 방법을 통해 소프트웨어와 AI 활용을 극대화할 수 있습니다.
기업에서 사용하는 업무용 소프트웨어의 목적은 작업을 더 효율적이고 빠르게 처리하는 것입니다. 예를 들어, 프로젝트 관리 소프트웨어(PMS)는 팀이 작업을 보다 체계적으로 관리하고, 진행 상황을 실시간으로 파악할 수 있게 도와줍니다. 그러나 이러한 소프트웨어가 얼마나 자주, 그리고 어떻게 사용되는지 측정하지 않으면, 도입 효과를 제대로 알 수 없습니다.
최근 Jira와 같은 프로젝트 관리 도구를 도입하는 기업이 늘어나고 있습니다. Jira의 기능은 광범위하며, 제품 개발부터 IT 전반에 이르는 모든 프로세스에 적용할 수 있습니다. 조직 전반의 활용도와 사용 빈도를 측정하여 프로세스를 지속적으로 개선하고, 업무 생산성을 높일 수 있습니다.
AI는 단순 반복 작업을 자동화하는 데 매우 유용한 도구입니다. 그러나 모든 AI 자동화 도구가 생산성 향상에 기여하는 것은 아닙니다. 기업은 AI 도구가 실제로 얼마나 많은 작업을 자동화하고, 그 결과로 얼마나 많은 시간과 비용이 절감되는지를 정량적으로 측정해야 합니다. 이때 Tableau와 같은 도구를 활용할 수 있습니다.
소프트웨어와 AI 도구가 아무리 강력해도, 직원들이 이를 사용하기 어려워하거나 불편하게 느낀다면 그 효과는 제한적일 수밖에 없습니다. 따라서, 정기적으로 사용자 경험(UX)과 만족도 조사를 실시하여 실제 사용자들이 느끼는 불편함이나 개선점을 파악하는 것이 중요합니다.
얼마 전 한 기업의 임원분을 만났습니다. 해당 임원분은 10억 원 이상의 돈을 들여 투자한 CRM과 컨택센터 솔루션을 팀원들이 잘 사용하지 않는 것 같다고 말씀하셨습니다. 가끔 이유를 물어보면 "UI가 불편하다", "오류가 많다"는 대답만 돌아왔다고 합니다.
신규 도입한 시스템이 어떻게 활용되는지, 언제 이탈하는지 등 사용자 경험을 기반으로 만족도 조사를 실시하여 이러한 원인을 정확히 파악해야 합니다.
소프트웨어와 AI 도입의 중요한 목적 중 하나는 비용 절감입니다. 도입한 기술이 실제로 얼마나 비용을 절감했는지, 그리고 투자 대비 어떤 수익을 가져왔는지 분석하는 것이 중요합니다. 이를 통해 기업은 기술 투자에 대한 명확한 평가를 할 수 있고, 향후 투자 방향을 결정할 수 있습니다. 소프트웨어 ROI를 측정하는 도구는 다양하지만 대표적으로 아래 3가지가 있습니다.
오늘날의 비즈니스 환경에서는 AI와 전통적인 소프트웨어가 함께 사용되는 경우가 많습니다. AI는 데이터 분석과 예측을 통해 의사결정을 지원하고, 소프트웨어는 이러한 결과를 실질적인 업무 흐름에 통합합니다. 이 둘이 얼마나 잘 협력하여 업무 효율성을 향상시키는지 평가하는 것이 중요합니다.
그러나 AI와 소프트웨어 간의 원활한 협업을 위해서는 이들이 서로 잘 통합되고 협력해야 합니다. 여기서 중요한 기술이 바로 "펑션 콜링(Function Calling)"입니다.
Function Calling은 AI가 특정 소프트웨어의 기능을 직접 호출하고 실행할 수 있도록 하는 기술입니다. 이 기술을 사용하면 AI가 단순히 데이터를 분석하고 예측하는 것을 넘어, 필요할 때 특정 소프트웨어의 기능을 실행하여 직접적인 업무 처리를 할 수 있습니다. 예를 들어, AI가 재고 부족을 감지하면, 재고 관리 소프트웨어의 주문 기능을 자동으로 호출하여 추가 주문을 생성할 수 있습니다.
펑션 콜링을 통해 업무용 소프트웨어를 Zero UI로 설계하는 것도 가능해집니다. 업무용 에이전트가 챗봇 형태로 제공되고, 모든 업무는 백오피스에서 동작하게 되는 것입니다. 이러한 Function Calling 기술을 도입해 업무용 시스템을 개편한다면, 임직원은 새로운 시대의 업무환경을 경험하고 AI 기술을 보다 쉽게 사용함으로써 생산성을 향상시킬 수 있습니다.
기업의 생산성을 높이기 위해 소프트웨어와 AI를 도입하는 것은 이제 필수적인 전략이 되었습니다. 그러나 단순히 도입하는 것 만으로는 충분하지 않습니다. 각 기술의 활용도를 면밀히 측정하고, 이를 바탕으로 지속적인 개선을 추구해야 합니다. 이 과정에서 적절한 도구와 툴을 활용하는 것은 필수적입니다. 이를 통해 기업은 효율성을 극대화하고, 경쟁력을 강화할 수 있습니다.
