[황승진의 AI칼럼] AI는 속도전 무기···프로세스 병목 해결
캘리포니아에 있는 한 종이 제품 제조업체는 고객 주문 응답 시간이 지나치게 길다는 것을 발견했다. 이로 인해 고객 서비스 질이 떨어지고 주문에서 현금화까지 시간이 길어지니 회사에 악영향을 미친다. 어떻게 응답 시간을 단축할 수 있을까? 그 답은 '병목 분석(Bottleneck Analysis)'에서 시작한다. 이는 전체 비즈니스 프로세스 가운데 어느 단계에서 가장 시간이 소요되는가를 찾아서 집중적으로 개선하는 방법이다. 이 제조업체도 분석을 해보니 병목을 발견했다. 주문 처리 초기의 정보 처리 단계가 문제였다. 주문이 도착하면 고객과 주문을 체크하는 과정이다. 이 과정을 통과해야 본사 공장으로 주문이 들어간다. 주문 승인에는 재무 팀이 참여했다. 재무 팀은 고객의 신용 정보를 확인했다. 미납액이 있는지, 지불 거절과 같은 악의적인 선례가 있는지, 재무적 어려움의 부정적인 신호가 있는지 확인했다. 재무 팀은 인력 부족과 많은 요청으로 과부하 상태였기 때문에 주문을 승인하고 공장이 작업을 시작하는 데 보통 일주일 이상 걸렸다. 이 이야기는 몇 년 전, 지금의 AI 시대가 도래하기 전에 일어난 일이다. 이제 우리는 이 케이스를 되돌아보고, AI 기반 승인 시스템을 생각해 본다. AI를 활용해 대부분의 승인은 몇 초 만에 끝낼 수 있다. LLM이 RAG나 에이전트와 힘을 합쳐 가능해 진 일이다. AI가 나오기 이전 그 제조업체의 승인율은 98% 이상이었다. 나머지 2% 때문에, 100% 작업이 오랫동안 IT 시스템에 앉아서 기다리고 있었다. 이 사례의 메시지는 다음과 같다. AI의 기본 실력이 갖춰 지면, 조직은 병목 분석을 통해 병목을 찾아내고 여기에 AI를 활용해 자동화를 고려해야 한다. 즉, '병목-자동화-AI'가 기업의 비즈니스 프로세스 속도를 높이는 기본 공식이 되는 것이다. 이 메시지 전달은 나보다 다음 신경외과 의사가 더 효과적일 듯하다. 2019년 TEDMED에서 강력한 연설을 한 신경외과 의사 크리스 만시 박사의 연설문은 다음과 같이 시작한다. "불과 4시간 전, 제인(Jane)은 차에 치였습니다. 이제 수술실의 신경외과 의사인 저는 제인의 뇌를 구하는 것이었습니다. 저와 팀은 제인의 두개골에 구멍을 뚫고 혈전을 제거하여 압력을 완화했습니다. 수술은 완벽하게 성공했습니다. 우리는 젊은 여성의 생명을 구했습니다. 하지만 12시간 후 제인은 사망했습니다. 나중에 알게 된 것은 제인의 사망을 좌우한 결정적인 요소는 수술실에서 일어난 일이 아니었습니다. 바로 제인을 수술실에 데려오는 데 걸린 4시간이었습니다. 뇌혈전을 누군가가 확인하고, 해당 의사에게 알리고, 수술을 위한 조율을 하는 과정이 너무 늦었습니다. 제인의 뇌는 복구할 수 없는 수준으로 손상됐었습니다." 현대 의학이 뽐내는 첨단 의료시설과 유능한 의료진은 시간과의 경쟁에서 맥없이 나가떨어졌다. 반격을 위해, 만시 박사가 바라는 것은 AI의 방사선 사진 해독과 그때로부터 환자를 치료하고 돌보는 워크플로의 자동화다. 둘 다 오늘날의 AI 에이전트 워크플로로 가능하다. 결국, 인명구조 프로세스에서의 병목인 '검사와 분석' 단계를 AI로 자동화함으로써 반응시간 4시간을 몇 분으로 줄여 귀중한 생명을 구할 찬스를 높일 수 있다. 이를 위해 그는 스탠포드 MBA를 취득한 후 viz.ai라는 회사를 세웠다. 이 사례의 키포인트는, AI는 비용과 기능이나 품질 뿐 아니라 '프로세스 속도' 면에서 크게 기여할 수 있다는 것이다. 의료 분야 뿐이 아니다. 내 사업에서도 비슷한 시간과의 투쟁이 일어나고 있을지 모른다. 독일 의료 장비 제조 회사 지멘스는 자사의 '주문에서 자금회수 시간'이 너무 길다고 느꼈다. 이에 '프로세스 마이닝(Process Mining)'이란 분석을 통해 문제의 원인을 찾아냈다. 놀랍게도, 수많은 거래에서 정해진 비즈니스 프로세스에서 벗어난 변칙(non-compliance)이 일어나고 있었다. 이런 발견은 ERP, MES, CRM, 웹로그, 배달 추적시스템에서 기존 거래를 추적하고 분석함으로써 얻었다. 병목을 찾아낸 후, 회사는 그중 상당수를 자동화했다. 그 결과 프로세스가 24% 더 자동화되고, 매년 천만 건의 사람의 개입이 사라져 더 빠르고 더 정확한 프로세스를 성취했다. 여기에 AI가 힘을 보탤 수 있다. 명목을 자동화하는데 직접 활용될 뿐아니라, 그 자동화 프로그램을 코딩하는 속도도 늘린다. 게다가, 실제 프로세스 데이터를 읽어 도표로 만들고, 또한 시물레이션 힘을 빌려 더 좋은 비즈니스 프로세스를 개발하는 데 도움을 주든지 혹은 새로 제안할 수도 있다. 즉, 관찰, 분석, 개선, 실행의 품질 사이클 (Plan-Do-Check-Act) 전체 과정을 가속화하는데 AI가 적극 개입, 개선할 수 있다. 기업에게 속도는 경쟁력이다. AI는 여기에 큰 역할을 할 수 있다. 다른 예로는 구글 딥마인드가 개발한 '알파폴드'다. 이는 신약 개발 속도를 올린다. 단백질 구조를 이해함으로써 병의 원인과 치료약, 그리고 약과 조직의 상호반응을 신속히 파악하기 때문이다. 암, 치매나 파킨슨병 같은 인간의 생명과 삶의 질에 결정정인 영향을 주는 병 들의 치료약이 하루라도 빨리 나오길 우리는 기다리고 있다. 게다가, 이 시장에서는 빠른 자가 독식한다. 구글도 자기가 개발한 이점을 남 주기 아까운지 신약개발에 뛰어 들었다. 이제는 빠르지 않고는 시장에서 살아 남기 힘들다. 그런데 AI 없인 빠르기가 불가능하다. 그런 시대가 왔다.
