[PwC, AI 활용 초점 생산성에서 매출 성장으로 이동…기업 데이터가 핵심 경쟁력]
*AI 활용 목적, 생산성 향상에서 신규 매출 창출로 이동
-PwC US의 데이터·분석·AI 책임자 Rima Safari는 기업의 AI 관심이 생산성 향상에서 성장과 신규 매출원 확보로 이동하고 있다고 평가
-기업들은 기존 데이터를 활용해 새로운 제품과 서비스를 만들고 기존 사업모델 자체를 재설계하는 방안을 검토
-AI 도입 여부보다 AI를 활용해 어떤 새로운 수익원을 만들 수 있는지가 핵심 과제로 부상
*기업 내부 데이터를 외부 판매 가능한 상품으로 전환
-PwC의 한 항공우주·방산 고객사는 30년 이상 축적된 항공기 유지보수 기록과 수백만건의 수기 문서를 AI로 분석
-분석 결과를 바탕으로 다른 항공사가 재고와 정비를 효율적으로 관리할 수 있는 외부 판매용 서비스 기회를 발견
-기업 내부에 축적된 운영 데이터가 새로운 소프트웨어·서비스 매출원으로 전환될 수 있다는 사례
*프런티어 모델보다 독점 데이터의 가치 확대
-기업들이 유사한 수준의 프런티어 모델을 사용할 수 있게 되면서 모델 자체의 차별화는 축소
-기업이 보유한 고유 데이터와 이를 적절한 시점에 의사결정으로 연결하는 능력이 더 중요한 경쟁우위로 부상
-Safari는 실시간 교통정보를 활용해 최적 경로를 제시하는 GPS처럼 상황에 맞는 정보를 즉시 제공하는 능력이 에이전틱 AI 시대의 핵심이라고 설명
*AI 전환, 기존 업무 자동화보다 전체 프로세스 재설계 필요
-기존 대기업들은 AI를 기존 업무의 일부를 자동화하는 도구로 접근하는 경우가 많음
-Safari는 핵심 질문이 “어디를 자동화할 것인가”가 아니라 “AI를 활용하면 전체 프로세스를 어떻게 다시 설계할 수 있는가”가 돼야 한다고 강조
-AI 전환은 기존 업무방식을 유지한 채 효율을 높이는 것이 아니라 업무 구조 자체를 다시 만드는 과정이라는 판단
*AI 에이전트 확대에 보안체계도 재설계 필요
-AI 에이전트가 실제 기업 시스템에서 독립적으로 행동하기 시작하면서 보안 위험도 확대
-과거처럼 제품을 먼저 개발한 뒤 보안과 거버넌스를 추가하는 방식에서 벗어나 설계 단계부터 보안을 포함해야 한다고 강조
-기존 보안체계는 인간 사용자를 기준으로 설계돼 있어 AI 에이전트의 신뢰, 접근권한, 행동 범위를 관리하는 새로운 체계가 필요
*Tokenomics, 기업 AI 도입의 핵심 비용 변수
-기업들은 과거 AI 사용량 확대 자체를 성과로 평가했지만 최근에는 토큰 사용비용을 더욱 엄격하게 관리하기 시작
-단순 문서 요약에 최고 성능 모델을 사용하는 방식은 비용 측면에서 비효율적일 수 있음
-프런티어 모델과 오픈웨이트·오픈소스 모델을 업무별로 조합해 성능, 비용, 통제 수준을 최적화하는 Fit-for-Purpose 전략이 확대될 전망
*인력 전략은 감원보다 재교육과 AI 오케스트레이션
-Safari는 AI 도입이 단순히 적은 인력으로 더 많은 일을 하는 방향보다 업스킬링과 리스킬링을 촉진할 것으로 전망
-AI 에이전트가 더 많은 업무를 수행할수록 직원은 인간과 AI가 함께 참여하는 워크플로우를 설계하고 조정하는 역할을 맡게 될 가능성
-기술적 이해력은 실무자뿐 아니라 경영진에게도 필수 역량이 되며 경영진도 아이디어를 실제 솔루션으로 구현할 수 있는 ‘builder’ 역량이 필요하다고 강조
https://www.theinformation.com/articles/pwc-ai-can-help-drive-revenue
