기업 AI 기회는 대체가 아니라 보강이다

생성형 인공지능은 몇 초 만에 설득력 있는 미래 비전을 제시할 수 있습니다. 하지만 그렇다고 기업이 이를 기반으로 전략을 수립해야 한다는 뜻은 아닙니다.

AI가 생성한 인력 시나리오와 전문가 주도 예측을 비교한 최근 연구에서 강점이 명확히 구분되는 것을 발견했습니다.¹ ChatGPT 4.5, Gemini Advanced 2.5 Pro, DeepSeek R1은 구조화된 시나리오를 빠르고 효율적으로, 다양한 주제에 걸쳐 생성했습니다. 그러나 인간 전문가들은 더 높은 맥락 깊이, 윤리적 민감성, 전략적 유용성을 갖춘 미래를 제시했습니다.

이 연구는 관광 및 숙박 분야의 인재 관리에 초점을 맞췄지만, 그 시사점은 호텔과 여행을 훨씬 넘어섭니다. 이제 AI를 계획, 채용, 위험 분석 또는 경영 의사결정 지원에 활용하려는 모든 기업은 동일한 질문에 직면합니다: 시스템이 통찰을 제공하고 있는가, 아니면 익숙한 아이디어를 설득력 있는 서사로 재배열하고 있는가?

답은 AI가 가치가 없다는 것이 아니라, 경험이 풍부한 사람들이 무엇을 진지하게 고려할지 결정하기 전에 AI가 가능성의 영역을 넓혀줄 때 그 가치가 가장 크게 발휘된다는 것입니다.

연구진이 GenAI를 전략적 예측 도구로 테스트한 방법

연구진은 세 AI 플랫폼에 Dator의 Four Futures 프레임워크를 활용해 2035년 인력 시나리오를 개발하도록 요청했습니다. 이 방법은 연속, 붕괴, 규율, 변혁이라는 네 가지 광범위한 방향을 탐색합니다.

각 모델은 직장 환경, 인사 분야 AI 활용, 직원 인식, 신흥 기술, 윤리, 정책, 교육 등을 포괄하는 표준화된 프롬프트를 받았습니다. 그 결과물은 매니저, HR 전문가, 기술 전문가, 학자를 포함한 30명의 국제 관광·숙박 분야 전문가와의 인터뷰를 통해 사전에 개발된 시나리오와 비교되었습니다.

네 가지 시나리오는 자동화가 채용 및 교육을 개선한 AI 주도 작업환경부터 감시, 비인격화, 직원 불만이 특징인 과도한 자동화 미래까지 다양했습니다. 모델은 또한 인간과 AI가 균형을 이루는 작업환경과, 개인 맞춤 서비스를 유지하기 위해 산업이 의도적으로 자동화를 제한하는 미래도 고려했습니다.

이 실험은 의도적으로 제한되었습니다. 모델들은 후속 질문, 외부 검증, 이해관계자 피드백, 혹은 반복적인 개선 없이 한 번의 프롬프트만 받았습니다. 그 결과, 논문은 정교한 인간‑AI 협업 흐름에서 얻을 수 있는 최상의 결과가 아니라 기본적인 AI 생성 미래만을 평가하고 있습니다.

AI가 우수한 영역과 전문가가 우위를 유지한 영역

연구의 비교 결과는 생성형 AI가 기업에 매력적인 이유를 보여줍니다. AI는 가능한 역할, 위험, 정책, 조직 대응 등을 빈 페이지에 신속히 채워 넣을 수 있습니다. 이러한 속도는 모든 전략적 질문에 대해 대규모 컨설팅 팀을 고용할 수 없는 중소기업에도 정형화된 시나리오 계획을 가능하게 할 수 있습니다.

폭넓은 범위가 판단으로 전환되어야 할 때 약점이 드러났습니다. 모델들은 편향, 프라이버시, 대체, 감시와 같은 문제들을 인식했지만, 일반적으로 이를 언급할 범주로만 다루었습니다. 전문가들은 이러한 문제가 사기, 서비스 문화, 직원 의견, 조직적 제약, 그리고 환대 산업의 핵심인 감정 노동에 어떻게 영향을 미칠지 탐구했습니다.

이 구분은 중요합니다. 언어 모델은 자동화가 인간 접촉을 감소시킬 수 있음을 식별할 수 있습니다. 그러나 경험이 풍부한 운영자는 고객이 가치 있게 여기는 상호작용, 직원이 저항할 결정, 그리고 겉보기에 효율적인 프로세스가 신뢰나 유지율에 해를 끼칠 수 있는 지점을 더 잘 파악합니다.

실제 기업 기회는 더 빠른 전략 탐색에 있다

가장 유용한 해석은 인간이 AI를 이겼다는 것이 아니라, 양측이 문제의 서로 다른 층위에서 작동했다는 점입니다.

GenAI는 가능성 창출에 효과적이었습니다. 전문가들은 가능성 평가에 더 뛰어났습니다. 이 두 기능을 결합하면 어느 하나에만 전적으로 의존하는 것보다 더 강력한 프로세스를 만들 수 있습니다.

조직은 AI를 활용해 수십 개의 기본 시나리오를 만들고, 핵심 가정을 다양화하며, 약한 신호를 식별하고, 모순을 드러낼 수 있습니다. 인간 참여자는 그런 다음 일반적인 서술을 거부하고, 지역 증거를 추가하며, 이해관계자의 관점을 도입하고, 어떤 발전이 투자 또는 비상 계획이 필요할지 결정할 수 있습니다.

이 접근 방식은 독립형 모델에서 완전한 기업 시스템으로의 전환과 유사합니다. Securities.io가 이전에 조사했듯이, 대부분의 에이전시 배포는 기본 인텔리전스 주변에 필수적인 레이어가 누락되어 있습니다. 유능한 모델은 하나의 구성 요소에 불과합니다. 데이터 접근, 오케스트레이션, 거버넌스, 보안, 책임 및 통합이 지속 가능한 가치를 창출할지 여부를 결정합니다.

실제 활용을 위해 기업은 AI가 생성한 시나리오를 여러 검증을 통과해야 하는 가설로 간주해야 합니다:

• 어떤 가정이 뒷받침되지 않거나 지나치게 일반적인가?
• 누구의 이해관계와 경험이 누락되어 있나요?
• 어떤 증거가 시나리오를 확인하거나 약화시킬 수 있나요?
• 예측이 틀렸을 경우 어떤 결정이 되돌릴 수 있습니까?

이는 AI를 권위에서 지적 파트너로 전환합니다. AI의 목적은 논의를 확대하는 것이지, 토론을 종결하는 것이 아닙니다.

인간 감독이 경제적 필수 요건이 되는 이유

인간 검토는 종종 AI 시스템 구축 후 추가되는 윤리적 안전장치로 제시됩니다. 그러나 전략적 적용에서는 이것이 제품 자체의 일부가 됩니다.

규제, 인력 저항, 또는 고객 행동을 간과한 예측은 자본을 잘못된 프로젝트에 투입하게 할 수 있습니다. 측정 가능한 효율성을 최적화하면서 신뢰를 약화시키는 채용 시스템은 이직률과 법적 위험을 높일 수 있습니다. 지배적인 가정을 반복하는 시나리오 계획 도구는 경영진을 더 자신감 있게 만들지만, 실제로 정보를 더 풍부하게 제공하지는 못합니다.

규제는 이러한 필요성을 강화하고 있습니다. European Union’s AI Act는 특정 고용 및 노동자 관리 애플리케이션을 고위험으로 분류하고 문서화, 추적성, 정확성 및 인간 감독을 포함한 조치를 요구합니다. 이러한 요구사항은 거버넌스 역량을 단순히 평판이 아니라 상업적으로도 중요하게 만듭니다.

따라서 떠오르는 경쟁 우위는 상황적 지능일 수 있습니다: 모델 출력과 자체 데이터, 산업 지식, 규제, 조직 역사, 그리고 영향을 받는 사람들의 실제 경험을 연결하는 능력입니다. 기본 모델은 계속 개선될 것이지만, 유능한 모델에 대한 접근성은 점점 차별화되지 않게 됩니다. 복제하기 어려운 자산은 그 주변 시스템입니다.

이는 또한 인텔리전스가 점점 인프라로 취급되는 이유를 설명하는 데 도움이 됩니다. 인프라는 신뢰할 수 있고, 관리되며, 실제 운영과 연결될 때 경제적으로 유용해집니다. 원시 생성은 그 가치 사슬의 시작에 불과합니다.

중대한 제한점이 결과 해석 방식을 바꾼다

이 연구에는 중요한 비대칭이 존재합니다. AI 시나리오는 최초의 원시 출력이었으며, 인간 비교는 인터뷰를 종합·편집하고 동료 검토를 거쳐 발표된 것입니다. 전문가들의 우위는 인간과 기계 추론 사이의 본질적 차이보다 더 풍부한 제작 과정에서 비롯된 것일 수 있습니다.

선정된 모델 버전은 2025년 2월에서 3월 사이의 데이터 수집 기간을 반영합니다. AI 개발 속도를 고려할 때, 이 연구를 ChatGPT, Gemini, DeepSeek 또는 인간 전문가에 대한 영구적인 순위로 해석해서는 안 됩니다.

이러한 제한점이 핵심 발견을 무효화하는 것은 아닙니다. 오히려 다음 실험을 제시합니다: 전문가 팀을 AI를 활용한 전문가 팀과 비교하고, 양쪽 모두 증거, 반복 및 편집 정제에 동등하게 접근하도록 합니다. 이는 GenAI가 엄격한 프로세스에 내재될 때 상황적 격차를 메우는지를 측정할 수 있습니다.

인간‑AI 통합 레이어에 대한 투자

이 연구 결과는 Accenture에 대한 자연스러운 투자 근거를 제공합니다. 이 회사는 점점 더 강력해지는 기본 모델과, 해당 모델을 안전하고 산업별 워크플로우로 전환해야 하는 기업 사이에 위치합니다.

Accenture의 관련성은 선도적인 기본 모델을 보유하고 있기 때문이 아닙니다. 기술 구현과 프로세스 지식, 인력 전환, 거버넌스 및 분야 전문성을 결합함으로써 얻어집니다. 이러한 포지셔닝은 AI의 출력이 인간에 의해 해석되고 상황에 맞게 적용될 때 더 유용해진다는 연구 결론과 밀접하게 일치합니다.

회사는 최근 Google Cloud와 함께 Accenture Gemini Enterprise Business Group을 설립했습니다. 이 이니셔티브는 인증된 전문가, 산업 전문성, 구현 프레임워크 및 1,000명 규모의 전방 배치 엔지니어링 인력을 결합합니다. 명시된 목표는 고객을 제한된 AI 실험에서 측정 가능한 기업 성과로 전환시키는 것입니다.

그 전략에는 위험도 따릅니다. 컨설팅 주도 AI 프로젝트는 비용이 많이 들 수 있고, 이점은 정량화하기 어려우며, 급속히 개선되는 소프트웨어가 구현 작업의 일부를 자동화할 수도 있습니다. Accenture는 전문성이 장기적인 운영 개선을 가져오고 파일럿 프로그램을 연장하지 않는다는 것을 입증해야 합니다. 그럼에도 연구는 기업이 모델 접근만으로는 충분하지 않을 것이라는 기본 전제를 뒷받침합니다. 기업은 이를 중심으로 의사결정, 책임 및 업무 흐름을 재설계하는 데 도움이 필요합니다.

AI가 전략을 형성하지만 전략가가 되지는 않는다

생성 AI는 이미 전략 탐색을 더 빠르고 저렴하게 만들 수 있습니다. 대안을 제시하고, 불확실성을 정리하며, 의사결정자에게 구체적인 도전 과제를 제공합니다. 이는 의미 있는 장점입니다.

하지만 현재 AI가 스스로 제공할 수 없는 것은 그 서술 안에 담긴 가정에 대한 책임입니다. 일반적인 권고가 직장 문화, 규제 또는 인간 행동과 충돌할 때 비용을 감당하지 않습니다.

따라서 가장 강력한 기업 모델은 완전 자동화도 아니고 AI를 거부하는 것도 아닙니다. 이는 엄격한 역할 분담입니다: 기계는 가능성을 생성하고 변형시키고, 사람은 증거, 맥락, 윤리적 판단 및 책임을 제공합니다. 투자자에게는 모델 자체보다 AI를 실제 경제에서 활용 가능하게 만드는 통합, 거버넌스 및 전문성 계층을 구축하는 기업에 주목하게 됩니다.

참고문헌:

¹ El Hajal, G., & Ivanov, S. (2026). 기계, 마음, 그리고 일의 미래: GenAI와 미래 일 상상력. Futures, 184, 103934. https://doi.org/10.1016/j.futures.2026.103934