[HR 수다] AI Transformation을 위한 지도를 찾았습니다!

모두가 만나게 되는 진퇴양난의 순간

지난 주에는 경쟁사에서 AI Transformation을 열심히 하고 있는 입사동기를 만났습니다. 첫 문장을 보시고 “응? 뭔가 이상한데?”하고 고개를 갸웃하실 수 있겠습니다. 저와 제 동기는 인생의 첫 커리어를 다른 회사에서 함께 시작했었고 서로 다른 여러 경력을 돌고 돌아 다시 같은 산업, 같은 직무에서 만나게 된 것이지요. 동기는 무대에서 발표자로 그리고, 저는 객석에서 청중으로 마주했습니다. 경쟁사라는 민감함, 그리고 오랜 만에 만남이라 서로 반가움을 표하는 정도로만 인사를 나눴지만 참 재미있는 것은 둘 다 각자의 회사에서 AI Transformation 작업에 참여하고 있다는 점이었습니다. 한창 발표를 듣고 있는데 옆에 함께 온 동료가 종이에 뭔가를 슥슥 적어서 제 앞에 슬며시 밀어 놓습니다.

“에이, 역시나 똑같네요. 우리도 저거 다 했는데…”

“그 다음에 뭘 할지 듣고 싶은데 그런 이야기는 없네요?”

저도 메모를 써 준 동료를 향해 씨익 웃으면서 고개를 끄덕였습니다. 그랬습니다. 1년 동안 열심히 AI Transformation을 위해 동분서주하면서 생성형AI 사용법 교육(관련기사)도 하고 AI 에이전트 개발 대회 Krompthon(관련기사)도 열었고 심지어 MWC2025에 MS부스에 전시(관련기사)까지 되었는데도 사내에 도입한 생성형 AI인 MS Copilot의 사용이나 AI 에이전트의 사용은 기대한 만큼 확산되지 않는 느낌입니다.

답답한 마음에 연말에 진행되었던 ‘AI Transformation 확산사례’을 주제로 한 여러 세미나에 참석해 이야기를 들어보니 다들 같은 사정인가 봅니다. 교육, 대회개최, 파일럿 프로젝트 등 고심에 고심을 거듭하여 기획한 다양한 활동들은 나노바나나로 이미지를 이렇게 저렇게 변형한 것처럼 어느 회사나 비슷하고 그 이후 “이제 뭘 해야할까?” 고민하고 있는 것조차도 서로 비슷한데다 “아! 정말 막막하다.”하고 느끼는 것마저도 같은 듯 합니다.

혹시 지도가 필요한 것은 아닐까?

세미나가 끝나고 집으로 돌아오는 길에 문득 이런 생각이 떠올랐습니다.

“AI Transformation을 하기 위한 지도 같은게 있으면 좋겠다.”

“아! 혹시 진짜 그런게 있지 않을까?”

그러다 문득 짐작가는 지점이 생겼습니다. 집에 도착하자마자 옷을 갈아입고 PC 앞에 앉아서 논문을 뒤지기 시작했습니다. 아, 미리 말씀드리지 못했습니다만, 제 박사전공은 Information Systems(IS)입니다. IS분야에서 관심을 두고 있는 저널은 Management Information Systems Quarterly(MISQ), Decision Support Systems(DSS), Journal of Information Systems(JIS) 등이 있습니다. 이런 저널들이 발간하는 다양한 논문 중에서도 오랜 시간 동안 중요하게 다뤄온 주제는 ‘IS Adoption’에 대한 대한 주제입니다. 잠시 훑어보는 방식으로 살펴볼까요? 만약 너무 골치아프다 싶으시면 다음 단락은 건너 뛰셔도 좋습니다. IS Adoption 분야는 주로 아래와 같은 내용을 핵심 연구문제로 정의합니다.

“새로운 Information System이 조직 내 도입되었을 때 어떤 양상으로 이를 받아들이는가?(Adoption)”

“그리고 이 양상은 도입 시점(Pre-Adoption)과 도입 이후(Post-Adoption)에 어떻게 다른가?”

지금까지 등장한 다양한 지도들

이와 관련된 연구는 오랜 시간 상당히 진행되어 있습니다. 지금은 각각의 모델을 자세하게 설명하지는 않겠습니다. 만약 관심이 있으시다면 조금만 인터넷 검색을 해보시길 권해 드립니다. 다양한 모델의 출발점은 Theory of Reasoned Action/Theory of Planned Behavior(Ajzen et al., 1992)입니다. 두 이론 모두 기술에 대한 인간의 수용이 ‘태도’ → ‘의도’ → ‘행동’의 순서로 이루어진다고 설명합니다. 즉, ‘새로 등장한 기술에 대해서 어떻게 생각하느냐?’가 이후 '“쓸까? 말까?”를 결정하고 “쓰자!” 또는 “에잇! 안 쓸꺼야!”를 결정한다는 이론입니다.

이후, 등장한 가장 유명한 연구는 Technology Acceptance Model(Davis, 1989)입니다. 한국 서강대학교에서도 잠시 계셨던 Fred Davis 교수님이 제시했습니다. 아주 간결하지만 파괴력을 갖춘 연구입니다. 기술에 대한 인간의 수용이 ‘인지’ → ‘의도’ → ‘행동’의 순서로 이루어진다고 주장합니다. TRA/TPB에서 한 걸음 더 나아가 기술에 대한 인간의 태도가 무엇으로 인해 결정되는지를 좀 더 자세히 설명합니다. 많은 연구들이 이런 식으로 진행됩니다. 누군가 기본 개념(Construct)를 만들면 이후 다음 연구자가 그 개념을 파고 들어 구체화 시킵니다. 아무튼 이 개념은 점점 ‘인지’라는 개념을 측정하는 요소를 다양하게 늘려나가면서 The unified theory of acceptance and use of technology(Venkatesh, 2022)와 같은 복잡한 이론들이 나타납니다.

한 동안 학계는 Technology Acceptance Theory(TAM) 그늘을 벗어나지 못합니다. 모두가 ‘인지’를 구성하는 요소가 무엇인지? 어떤 요소로 측정할 것인지에 매달립니다. 다른 한 편으로는 TAM에 대한 한계들을 지적하면서 ‘인지’가 아니라 ‘동기’를 중요한 개념으로 내세운 Self-Determination Theory(Ryan & Deci, 2002)나 ‘인지’ 대신 ‘정서’를 중요한 개념으로 내세운 Affective Events Theory(Weiss, & Cropanzano, 1996)등의 이론을 사용하여 IS Adoption을 설명하기도 합니다.

드디어 찾았다! 지도!

설명이 다소 길었네요. 그래도 지도를 하나하나 찾아보시면서 내가 생각했을 때 가장 적절하다고 생각하는 지도를 찾아보시면 나름 재미있으실거라 믿(?)습니다. 요즘은 생성형 AI 덕분에 이런 이론들도 일목요연하게 이해하기 잘 설명주는데다 찾아낸 논문을 Notebook LM에 넣고 슬라이드나 보고서로 뽑으면 하… 그 동안 영어 논문들을 줄쳐가며 읽어내느라 고생했던 제 두뇌에 미안한 마음마저 듭니다.

아무튼, Texas A&M 대학의 Jon Jasperson 교수는 2005년 아주 흥미로운 논문을 MISQ 저널에 발표합니다.(Jasperson et al., 2005) 이 논문에는 Post-Adoption Behavior Model이 수록되어 있습니다. Jasperson은 기존의 연구들이 새로운 IS를 마주했을 때 이를 받아들이는 과정을 개인 수준에서만 살펴보았기 때문에 언제나 ‘IS Adoption’의 과정을 충분한 설명을 할 수 없는 아쉬운 Blind Spot이 존재한다고 주장했습니다. 다시 말해서 조직(Organization) 수준과 개인(Individual) 수준을 함께 바라보아야 한다고 설명합니다.

이때 중요한 구성개념이 두 가지 등장합니다. 하나는 개입(Intervention)이고 다른 하나는 사용경험(Use History)입니다. 예를 들어서 설명해 볼게요. 먼저, 조직 차원에서의 개입입니다. 개인 차원의 개입은 글의 뒷 부분에서 다시 다루겠습니다. 우리는 AI를 조직 내 도입할 때 다양한 활동을 펼칩니다. 먼저 인프라 관점에서 AI 활용이 원활하게 이루어지고 생산성이 향상되도록 하는 작업을 합니다. 방화벽의 수준을 조정하고, 데이터베이스를 연결하기도 합니다. 이어서 사용방법이 담긴 매뉴얼을 배포하거나 사내 시스템의 일부에 AI 에이전트를 도입하기도 합니다. 이러한 일련의 과정이 ‘Work System Interventions’에 해당합니다. ‘Work System Interventions’는 ‘Work System Outcomes’를 통해 결과를 확인하게 되고, 충분한 성과를 이뤄냈는지 판단하는 ‘Work System Sensemaking’ 과정을 통해 다시 ‘Work System Interventions’로 이어지는 루프를 반복합니다.

조직 차원에서의 개입(Work System Interventions) 결과는 개인 차원으로 흘러들어 갑니다. 이 과정에서 개인이 “회사의 개입을 어떻게 받아들이는가?”와 같은 개인의 인식(Individual Attention)이 관문역할을 합니다. 그리고 그 흐름은 사용의도와 사용행위(Post-Adoptive Behaviors)로 연결됩니다. 여기에서도 기본 구조는 ‘인지’ → ‘의도’ → ‘행동’(또는 ‘사용’)의 구조를 따라갑니다. 그런데 여기서 아주 흥미로운 행동의 샛길(Behavioral Branches)이 발생합니다. 사내 AI 확산을 위해 조직차원에서 해야할 것들을 다 해본 우리가 “앞으로 무엇을 해야 하는지?”와도 깊은 관련이 있습니다.

우리가 주목해야 할 갈림길

개인의 사용경험은 ‘Use History’를 발생시킵니다. 사용경험(Use History)라는 개념은 ‘Post-Adoption Behavior Model’에서 매우 중요한 역할을 합니다. 위에 제시해 드린 모델이미지(Figure 2)를 다시 보고 오시죠. 앞서 설명드린 ‘인지’ → ‘의도’ → ‘행동’(또는 ‘사용’)의 흐름 사이에 점선으로 표시된 샛길을 확인 하실 수 있습니다. 이 샛길은 사용경험(Use History)과 사용행동(Post-Adoptive Behavior)이 반복적으로 일어나는 샛길을 설명합니다. 즉, 사용하는 기능만 늘 반복해서 습관적으로 사용(Habitual Use)하게 되는거죠.

반면, 어떤 사람들은 조직 차원에서의 개입 결과가 개인 차원으로 흘러들어 왔을 때 ‘인지’ → ‘의도’ → ‘행동’(또는 ‘사용’)의 흐름을 충실히 받아들입니다. 이 과정에서 습관적인 사용(Habitual Use)로 빠지지 않고 사용한 기술이 기대만큼의 결과를 가져다 주었는지 평가(Technology Sensemaking)합니다. 만약, 사용 후 결과가 약한 긍정적 임팩트를 준다면 사용자 스스로가 확실하게 판단을 할 수 있을 때까지 ‘인지’ → ‘의도’ → ‘행동’(또는 ‘사용’)의 순환을 반복합니다.

그런데, 만약 평가 결과가 강한 긍정적 임팩트를 준다면 다른 여러가지 기능에도 호기심을 보이기 시작합니다. 그리고 다양한 기능을 이리저리 만져보면서 자신의 리터러시를 넓혀 나갑니다. 이를 기능확장(Feature Extension)이라고 부릅니다. 기능확장(Feature Extension)이 일어나기 시작하면 사용자 스스로 여러가지 기능의 사용법과 효과를 익히려는 마음이 생깁니다. 자연스럽게 자기주도적 학습(User-Initiated Learning)이 발생하게 됩니다. 이 상황에서 조직이 자기주도적 학습에 적합한 환경을 만들어 주는 것. 이것이 개인 차원에서의 개입입니다.

그러면 우리는 이제 무엇을 해야하는가?

Jon Jasperson은 왜 이렇게 복잡해 보이는 지도를 그렸을까요?

첫째, 기술의 도입을 조직수준 또는 개인수준과 같이 어느 한 가지의 수준으로 바라보는 것은 한계가 있기 때문입니다. 기술 수용의 과정에서는 다양한 이해관계가 충돌합니다. 조직차원에서는 생산성 향상, 가성비 확보, 기술수준, 보안 등 다양한 고려사항들이 존재하고 이를 수용하는 개인 차원에서도 흥미, 관심여부, 개인성향, 경쟁구도 등 다양한 요소들이 영향을 미칩니다.

이러한 조직 차원의 고려사항과 개인 차원의 영향요소들은 끊임없이 순환하면서 기술수용 과정 전반에 구성원 개인별로 차별적인 결과를 가져옵니다. 이를 하나의 수준(혹은 차원)에서 바라본다면, AI의 조직내 확산을 책임져야 하는 기술부서나 HR부서의 활동은 기대했던 결과를 가져오지 못하게 될 공산이 큽니다. 나아가서 왜 이런 현상이 생기는지 명확하게 이해하기도 어렵습니다.

둘째, 그 동안 많은 사람들이 기술의 도입을 기술 그 자체만으로 바라보는 것에 대해서 문제의식을 가졌기 때문입니다. 도입한 기술을 “수용(혹은 사용)하느냐? 하지 않느냐?”로 바라보는 것보다 기술의 기능을 어느 정도 수준으로 사용하는지가 더 중요하다는 관점입니다.

이미 조직차원에서 전체 구성원을 대상으로 한 교육, 대회개최, 파일럿 프로젝트와 같은 개입(Interventions)이 진행되었다면, 이후 개인차원에서 적합한 대상에게 적절한 개입(Interventions)가 필요하다는 이야기입니다. 즉, 행동의 샛길(Behavioral Branches)로 빠져서 습관적 사용패턴(Habitual Use)을 보여주는 사용자들에게는 사용자의 업무를 기반으로 툴과 기능의 사용경험을 넓혀주는 활동과 같이 새로운 정보나 자극을 주는 개입이 필요합니다. 지식전달이나 실습교육일 수도 있고, 사례공유일 수도 있습니다. 또는 AI 도구를 활용한 업무 프로세스 개선과 같은 워크숍일 수도 있고, 잘 사용하고 있는 사람과의 멘토링이나 코칭일수도 있습니다.

이러한 개입을 통해 개인의 인지(Individual Cognition)로 설명되는 ‘새로운 기술에 대한 기대’를 업데이트하도록 만들고, 이 과정이 새로운 의도(Intention)를 형성하여 습관적 사용패턴(Habitual Use)이라는 샛길로 빠지지 않도록 막아주어야 합니다. 즉, 개입은 사용경험(Use History)이라는 변수 자체를 바꾸는 것이 아니라, 사용경험(Use History)이 행동(Behavior)으로 이어지는 '자동 연결 고리'를 끊어버리는 역할을 합니다.

반면 기능확장의 사용패턴(Feature Extension)을 보여주는 사용자들에게는 사용자별 관심사를 잘 포착하고 적합한 기능, 실습, 사례와 관련된 자기주도학습 콘텐츠를 제공해 주는 것이 중요합니다. 경우에 따라서는 새로 업데이트 되는 기능에 대해서 별도로 알람을 제공하여 ‘Early Adoptor’로서 사용해보고 사용경험을 공유할 수 있도록 ‘퍼스트 펭귄’으로 양성하는 방법도 있습니다. 그리고 챔피온, 전문가, 탐험가 같은 상징적인 역할(Role)을 부여하여 조직 내에서 자신만의 정체성을 부각시켜 주는 방법도 좋은 접근방법입니다.

셋째, 기술을 도입하는 과정에서 기술도입과 확산 작업을 수행하는 부서의 활동이 적절한지 아니면 엉뚱한 방향으로 흐르고 있어서 수정이 필요한지 쉽게 확인하기 어렵다는 점입니다. 많은 기술부서 혹은 HR부서 담당자들이 AI Transformation 과정을 통해 도출된 성과를 측정하기 위해서 대시보드를 만듭니다. 이러한 대시보드에는 다양한 AI 도구 별 사용량, 시간 혹은 비용절감 효과, 부서별 사용량 차이 등을 보기 좋게 시각화하여 내 놓습니다. 시간 혹은 비용절감 효과의 경우 예측치가 정확한지 그렇지 않은지 논쟁이 발생하기도 합니다.

하지만, 이러한 대시보드는 도입한 기술에 초점이 맞춰져 있을 뿐 도입한 기술이 어떤 업무에 어떻게 영향을 미치는지 설명하기는 어렵다는 단점이 있습니다. 각 기술 혹은 도구들이 “사용되었는지? 사용되지 않았는지?”만 보여줄 뿐 “어떤 업무에 도입한 기술이 사용되는지? 특정 업무에 특정 기술의 사용자가 증가하는 추세인지? 그렇지 않은지?”와 같은 중요한 정보를 보여줄 수는 없습니다.

사용자의 사용패턴을 ‘Habitual Use’와 ‘Feature Extension’으로 구분하여 현재 분포를 확인하고, 이들의 기능(Feature) 사용패턴을 파악하면 어떤 업무에 어떤 기술을 어떻게 활용하고 있는지 기능 관점을 넘어 업무 관점에서도 설명할 수 있습니다. 그리고, 이를 시계열로 시각화하면 “도입한 기술의 활용이 어떤 업무에서 어떤 업무로 확장되어 나가는지?” 그리고 “특정 기술이나 기능 사용을 어떤 직무를 수행하는 구성원들이 선호하는지?”와 같은 엔트로피(entropy) 관점에서도 분석이 가능하여 변화의 상황과 성과를 효과적으로 보여줄 수 있습니다.

마무리하며…

자신의 기업에서 AI Transformation을 통해 의미있는 결과를 만들어 낸다는 것은 정말 어려운 일입니다. 충분히 이해하기 쉬운 사례도 드물고 의미있는 결과를 어떻게 증명해야 할지 막막하게 됩니다. 결국, 시중의 수 없이 많은 강의, 유튜브에 넘쳐나는 콘텐츠에 기대어 일회성 교육에 매달리게 될지 모르겠습니다. 물론 그러한 강의와 콘텐츠들의 품질이 나쁘다거나 효과가 떨어진다는 이야기는 아닙니다. 전문성을 갖추고 이해하기 쉽게 전달해 주시는 강사님들과 따라하기 쉽게 잘 구성된 콘텐츠들이 많습니다.

하지만, 우리는 조금은 긴 호흡으로 좀 더 체계적이고 정교하게 AI Transformation을 접근할 필요가 있습니다. 그러기 위해서는 우리 상황을 돌아보고 앞으로 펼쳐질 상황을 예측하면서 앞으로 차근차근 나아갈 지도가 필요할지 모르겠습니다. 어떤 분들은 학술적인 내용은 학술적일 뿐 실무에 적용할 수 없다고 생각하실지 모르겠습니다. 하지만, 학문적으로 엄밀하게 검증된 이론이 실무적인 경험이나 직관과 결합될 때 그 결과는 다른 어느 것 보다 강력함을 보여줍니다.

끝으로 제가 좋아하는 임마누엘 칸트의 ‘순수이성 비판’에 한 구절을 변형하여 남깁니다.

“이론 없는 경험은 맹목적이고 경험 없는 이론은 공허하다.”

[황지욱님의 다른 글을 보시려면 클릭!]