[성과관리] AI 시대, 효과적인 팀이 그 어느 때 보다 중요한 이유 '두 개 피자 팀' #한봉규

 

AI 시대가 도래하면서 비즈니스 운영, 경쟁 및 성장 방식에 지각 변동을 일으키고 있다. AI는 시장 트렌드를 예측하는 분석, 공급망 최적화를 위한 머신 러닝 알고리즘, 고객 상호작용을 개선하는 자연어 처리 등 전례 없는 역량을 제공하고 있기 때문이다. 하지만 가장 진보된 AI 도구와 기술도 궁극적으로 이를 배포, 관리, 혁신하는 팀에 의존한다. 이 명제가 중요하다. 다시 말해, 효과적인 팀은 AI의 잠재력을 최대한 활용하는 역량이 탁월한 팀이다. 

 

 

 복잡성과 불확실성 탐색

AI는 산업을 혁신하고 있다. 하지만, 그 과정에서 복잡성을 초래한다. 더 이상 인간의 직관에만 의존하지 않는 데이터 기반의 통찰력에 점점 더 집중하는 경향을 말한다. 이러한 맥락에서 데이터 과학자와 도메인 전문가, 기술 전문가와 비즈니스 전략가가 융합된 팀이 만들어진다. 매우 중요하기 때문이다. 이들은 복잡한 데이터를 해석하고 그 의미를 이해하며 전략적 결정을 내리는 크로스펑셔널 팀이라고 할 수 있다. 이 팀은 기존 팀이 혹은 사람이 접근하지 못했던 '복잡한 데이터'에 접근하여 의미 있는 패턴을 찾아낸다. 이 패턴을 읽는 능력은 팀이 보유한 고유 역량이다. 즉, '복잡한 데이터에서 의미 있는 패턴을 찾는 일이 AI이고, 그 결과를 통해 성과를 내는 것은 팀의 기능이고 역할이다. 

 

 

복잡한 데이터에서 의미 있는 패턴을 찾아 성과를 낸 사례: 의미 있는 패턴을 찾는 것의 힘

 

스탠포드 대학 연구원들은 수천 장의 흉부 X-레이를 훈련한 AI 알고리즘을 개발하여 방사선 전문의 보다 더 정확하게 폐렴을 발견할 수 있었다. AI는 엑스레이 이미지 패턴을 분석함으로써 증상이 아직 심각하지 않은 경우에도 건강한 조직과 폐렴에 걸린 부위 사이 미묘한 차이를 식별할 수 있었기 때문이다.

 

이 접근 방식을 사용하면 더 빠르고 정확한 진단이 가능하고, 치료를 서둘러 잠재적으로 생명을 구할 수 있다. 효과적인 팀의 성공은 이처럼 데이터 과학자, 의료 전문가와 방사선 전문의 간 협업에 달려 있다. 그 협업 이라는 것은 수천 장의 엑스레이 사진 패턴은 AI가 분석하고, 그 분석 내용이 임상적으로 관련성이 있는 지 여부에 대한 판단은 협업 팀이 하는 것을 말한다. 

 

 

소매 부문에서는 고객 행동 데이터에서 의미 있는 패턴을 찾는다. 쇼핑 경험을 개인화하고, 재고 관리를 개선하고, 가격 전략을 최적화하는 것을 말한다. 소매업체는 판매 거래, 로열티 프로그램, 웹사이트 방문, 소셜 미디어 상호 작용을 통해 엄청난 규모의 데이터를 수집할 수 있기 때문이다. 효과적인 팀은 AI가 분석한 데이터 결과물을 토대로 고객 행동을 예측하는 데이터 기반 의사결정을 내리는 팀을 말한다. 

 

예를 들어, 미국 주요 소매업체인 Target에서는 데이터 과학자들이 구매 데이터를 분석하여 고객이 출산을 발표하기 전부터 아기를 낳을 가능성이 있는 고객을 탐색했다. 무향 로션, 비타민, 다량의 면봉 구매 등 구매 내역 등에서 의미 있는 패턴 즉, 임신한 고객을 정확하게 타겟하는 예측 모델을 개발했다. 이를 통해 Target은 개인화된 제안과 쿠폰을 보내 매출과 고객 충성도를 높일 수 있었다. 이 예측 모델 성과는 데이터 과학자는 알고리즘을 구축하고, 마케팅 담당자는 타겟팅 전략을, 컴플라이언스 팀은 이 마케팅 실행이 개인 정보 보호 표준에 부합하는지를 실시간 협업한 결과였다. 

 

 

AI와 효과적인 팀 간 협업의 쾌거는 금융 산업의 '사기 탐지'에서 빛을 내고 있다. 페이팔 · PayPal의 결제 처리 회사는 기계 학습 모델을 사용하여 사기 거래를 실시간으로 모니터링 한다. 이 AI 시스템은 초당 수천 건 거래를 스캔하여 비정상적인 거래량 급증, 청구 주소와 배송 주소 간 불일치, 구매 습관의 급격한 변화 등 사기를 암시하는 패턴을 탐색한다. 이 일은 엔지니어, 데이터 과학자, 사이버 보안 전문가가 협력한 결과이다.

 

이 모델은 잠재적인 사기를 나타내는 패턴이 감지되면 시스템은 검토를 위해 거래에 플래그를 지정한다. 이러한 공동 노력으로 PayPal은 업계에서 가장 낮은 사기 손실률을 달성하고 매년 수백만 달러를 절약할 수 있었다. 

 

제조 과정 데이터에서 의미 있는 패턴을 찾는 것은 장비 유지 관리를 최적화하고 가동 중지 시간을 최소화하는 데 필수적이다. 특히 공장에서는 기계에 설치된 센서를 통해 온도, 진동, 압력, 에너지 소비 등의 변수를 추적하면서 데이터를 생성한다. 이 데이터를 분석함으로써 팀은 장비가 고장날 가능성이 있는 시기를 예측하고, 예방적 유지 관리를 가능하게 한다. 

글로벌 산업 제조 기업인 지멘스 ·  Siemens는 AI 기반 예측 유지 관리를 사용하여 가스 터빈을 모니터링하고 있었다. 터빈의 센서는 매일 테라바이트 규모의 데이터를 생성했고, 로터 속도부터 연소 온도까지 모든 정보를 수집했다. 지멘스의 협업 팀 즉, 기계 엔지니어, 데이터 과학자, 현장 기술자는 AI 예측 모델을 통해 터빈 구성 요소가 사소한 압력 변동이나 비정상적인 진동 패턴으로 인해 고장나기 전에 특정 경고 신호를 만든다는 것을 발견했다. 그 결과, 지멘스는 계획되지 않은 가동 중지 시간을 최대 50%까지 줄여 수리 비용을 수백만 달러 절약하고 고객에게는 안정적인 운영 서비스를 제공할 수 있었다. 

 

 

마지막 사례는 '스마트 시티'이다. 스마트 시티 핵심은 데이터에서 의미 있는 패턴을 찾아 교통 흐름을 최적화하고, 혼잡을 줄이고, 대중 교통 효율성을 높이는 데 있다. 교통 센서, GPS 신호, 일기 예보, 소셜 미디어 피드를 통해 생성한 방대한 양의 데이터를 분석하는 것이다. 도시 계획자, 데이터 과학자, 소프트웨어 엔지니어로 구성된 협업 팀이 이 교통 관리 솔루션을 개발하고 실행한다. 

싱가포르 정부는 데이터 분석 회사와 제휴하여 카메라, GPS 장치, 도로 인프라에 내장된 센서 등 다양한 소스의 교통 데이터를 분석했다. 교통 혼잡 패턴을 탐색함으로써 실시간으로 교통 상황을 예측하고 그에 따라 신호등 타이밍을 조정할 수 있는 AI 모델을 개발했다. 이 접근 방식은 피크 시간대 교통 혼잡을 최대 20%까지 줄여 출퇴근 시간을 단축하고 환경에 미치는 영향 즉, 탄소 배출량까지 줄일 수 있었다. 이 성공에는 교통 엔지니어, 데이터 과학자와 도시 계획가 간 긴밀한 협력의 성과였다. 

 

 

 

  변화에 빠르게 적응하기

AI 환경은 급격한 진화를 특징으로 한다. 거의 매일 새로운 도구, 기술 및 응용 프로그램이 등장하기 때문이다. 민첩하고 적응력이 있으며 변화를 수용할 준비가 되어 있는 팀이 '효과적인 팀'으로 성공한다. 이러한 민첩성은 팀원들이 업스킬 upskill과 리스킬 reskill을 권장하는 지속적인 학습 문화를 육성함으로써 길러진다.

 

참고로 '업스킬 upskill'은 '기술 향상'을, '리스킬 resill'은 '재기술'을 말한다. 기술향상이란, 현재 기술보다 더 발전된 새로운 기술을 교육하여 기술 환경에 부합하는 새로운 업무를 맡을 수 있는 능력 향상을 말한다. AI 환경 맥락에서는 AI 도구, 프로그래밍 언어, 데이터 분석 기술 또는 고급 기계 학습 알고리즘 등을 말한다. 

 

반면에 '재교육'은 팀원이 조직 내에서 혹은 팀 내에서 다양한 역할을 수행할 수 있는 새로운 기술을 교육하는 것을 말한다. AI 자동화와 같은 기술 발전은 특정 역할이나 작업이 쓸모 없게 끔 하는 작용을 한다. 이 현상이 구체적으로 일어나기 전 조직이 또는 팀이 선제적으로 대응하는 방식이 바로 '재교육' 이다.

 

예를 들어, 고객 서비스 담당자는 AI 모델에 고객 문의 처리 방법을 가르치는 챗봇 트레이너가 되도록 재교육을 받을 수도 있고, 제조 작업자는 AI 기반 로봇 시스템을 유지 관리하고 모니터링하도록 재교육을 받을 수도 있다. 이처럼 '기술 향상' 과 '재교육'은 모두 팀 내 민첩성을 높이는 중요한 과제이다. 효과적인 팀의 리더는 이 시간을 놓치지 않는다. 

 

 

 

아마존 "두 개 피자 팀 Two Pizza Team"은 '팀은 작을 수록 관리하기 쉽다'라는 단순한 의미가 아니다. 이 말은 '팀은 규모보다 업무를 완수할 수 있는 기술과 경험을 갖춘 팀원과 리더가 있어야 한다'라는 말이다. 이 팀은 '제품 개발에 특화'된 팀이었다. 전통적으로 느려터진 '제품 개발'을 콕 집은 것이다. 이 팀이 성과를 내고 성공 사례가 될 수 있었던 결정적인 트리거는 '관료적 프로세스에 얽매이지 않았다'라는 점이다. 이 말인즉, 고객 경험에 '자율적'이고, 대응에 '신속'했기 때문이다. 이 두 동력으로 아마존에서 가장 수익성이 높고 성장성이 가장 가파른 AWS · Amazon Web Service 사업부를 바로 '두 개 피자 팀'이 만든 것이다.  

 

'두 개 피자 팀'은 더 빠르게 새로운 데이터 학습과 통찰력으로 시장 변화를 감지했다. 그 결과 음성 인식 비서 영역으로 비즈니스를 확장할 기회를 발견했다. Amazon Echo 및 Alexa 음성 서비스를 개발한 것이다. 이 팀의 민첩성 덕분에 아마존은 스마트 스피커 시장에서까지 경쟁우위를 확보할 수 있었고, 새로운 제품 카데고리까지 구축할 수 있었다. 이 음성인식이 곧 있을 'AI 인텔리전스' 핵심 경쟁력이다. 

 

또한 이 팀은 특정 고객 부문과 긴밀하게 협력했다. 고객 요구 사항과 문제점을 깊이 있게 고민했다. 예를 들어, 아마존 프라임 비디오 Amazon Prime Video에 중점을 둔 '두 개 피자 팀'은 고객 피드백을 신속하게 구현하고 스트리밍 서비스를 신속하게 개선하는 것이 고객 경험을 향상하는 것이라고 판단했고, 그 판단은 고객 만족도와 유지율을 높일 수 있었다. 

 

이 팀의 성과는 우연이 아니다. 아이디어를 지속적으로 실험하고, 반복하고, 개선하는 것을 두려워 하지 않았다. 이것이 가능했던 것은 '민첩성'이다. 요약하자면, 아마존 '두 개 피자 팀'의 민첩성은 강력한 고객 중심에 대한 열망에 부합하는 창의성을 권장하는 권한 부여와 교육이 있었다. 권한 부여를 위해서 교육이 전제 조건이라는 점은 시사하는 바가 매우 크다.

---

 

Reference 

 

▶ GPT4o https://han.gl/7mFSH

 

▶ 두 개 피자 팀 https://han.gl/QQmTr

Unlocking Team Efficiency: Jeff Bezos' "Two Pizza Team" Concept for Agile Collaboration