AX 시대, 기업이 가장 먼저 바뀌는 부서

안녕하세요, 트레져러입니다.

최근 생성형 AI는 기업 경영의 핵심 화두로 자리 잡았습니다. 많은 기업이 AI를 도입하며 업무 혁신을 추진하고 있지만, 이제 관심은 단순한 'AI 도입'을 넘어 AI를 실제 업무에 어떻게 정착시키고 성과로 연결할 것인가에 집중되고 있습니다.

실제로 많은 기업이 AI PoC(Proof of Concept)를 진행했지만, 모든 프로젝트가 성공으로 이어진 것은 아닙니다. AI를 시범 적용하는 것과 조직 전체의 업무 방식을 바꾸는 것은 전혀 다른 문제이기 때문입니다.

이러한 배경에서 최근 주목받는 개념이 바로 AX(AI Transformation)입니다.

AX는 단순히 AI를 사용하는 것이 아니라, AI를 중심으로 업무 프로세스와 의사결정 방식을 재설계하는 것을 의미합니다. 즉, AI를 하나의 도구로 활용하는 수준을 넘어 기업이 일하는 방식 자체를 변화시키는 전략입니다.

​

그렇다면 AX는 기업의 어떤 부서에서 가장 먼저 시작되고 있을까요? 그리고 왜 많은 글로벌 기업들은 'AI 리서치'와 '의사결정 지원' 영역에 가장 먼저 투자하고 있을까요?

이번 글에서는 AX 시대에 가장 빠르게 변화하고 있는 업무와 그 중심에서 AlphaLenz와 같은 AI 기반 금융 리서치 플랫폼이 어떤 역할을하는지 함께 살펴보겠습니다.

AI가 가장 먼저 바꾸는 것은 개발팀이 아니다

출처: 프리진뉴스

많은 사람들은 AI 도입이라고 하면 개발 조직이나 데이터 사이언스 팀을 먼저 떠올립니다.

하지만 실제 기업들이 가장 먼저 AI를 적용하는 곳은 조금 다릅니다.

바로 '정보를 읽고, 분석하고, 판단하는 조직'입니다.

대표적인 예가 다음과 같습니다.

​

• 전략기획
• 리서치
• 재무
• 투자
• 법무
• 마케팅
• 고객지원

이들 조직의 공통점은 하나입니다.

매일 엄청난 양의 정보를 읽고, 정리하고, 비교한 뒤 의사결정을 내려야 한다는 점입니다.

기업의 진짜 문제는 데이터 부족이 아니다

많은 사람들이 기업에는 데이터가 부족하다고 생각합니다.

하지만 현실은 정반대입니다.

기업은 이미 너무 많은 데이터를 가지고 있습니다.

​

뉴스

공시

실적 발표

컨퍼런스콜

산업 보고서

시장 데이터

정부 정책

SNS

고객 데이터

.

.

.

출처: FineReport

문제는 데이터를 모으는 것이 아니라 필요한 정보를 제때 찾아 연결하고 해석하는 것입니다.

예를 들어 반도체 기업 하나를 분석한다고 가정해 보겠습니다.

애널리스트는 하루에도 수십 개의 뉴스를 확인하고, 기업 공시를 읽고, 경쟁사 실적을 비교하며, 산업 보고서를 검토합니다.

거기에 환율, 금리, 메모리 가격, 공급망 이슈까지 함께 살펴봐야 합니다.

기업 하나를 제대로 분석하기 위해서는 수백 페이지의 자료를 읽는 일이 결코 드물지 않습니다.

AI가 가장 큰 가치를 만드는 지점도 바로 여기입니다.

AI는 방대한 정보를 빠르게 검색하고, 핵심 내용을 요약하고, 서로 다른 자료를 연결해 사람이 더 빠르게 판단할 수 있도록 돕습니다.

AX의 핵심은 '업무 자동화'가 아니라 '판단 속도'

출처: Britannica

많은 사람들이 AI를 자동화 도구로만 생각합니다.

하지만 기업이 원하는 것은 AI 자체가 아닙니다.

기업이 원하는 것은

• 더 빠른 보고서 작성
• 더 정확한 시장 분석
• 더 신속한 리스크 파악
• 더 효율적인 의사결정

입니다.

​

AI는 이러한 목표를 달성하기 위한 수단일 뿐입니다.

즉,

기업은 AI를 구매하는 것이 아니라 의사결정 속도를 구매하는 것​에 가깝습니다.

이것이 DX와 AX의 가장 큰 차이입니다.

DX가 업무를 디지털화했다면,

AX는 AI가 반복적인 정보 처리를 담당하고, 사람은 해석과 전략에 집중하도록 업무를 재설계하는 것입니다.

글로벌 금융사들이 가장 먼저 움직인 이유

이러한 변화는 특히 금융 산업에서 빠르게 나타나고 있습니다.

금융은 대표적인 정보 집약 산업입니다.

기업 공시, 실적 발표, 거시경제 지표, 금리, 환율, 정책 변화, 산업 뉴스 등 방대한 정보를 가장 빠르게 이해하는 것이 경쟁력으로 이어지기 때문입니다.

실제로 글로벌 금융사들은 생성형 AI를 적극적으로 업무에 도입하고 있습니다.

​

출처: Reuters

Morgan Stanley​는 OpenAI 기반의 AskResearchGPT를 도입해 연간 7만 건이 넘는 자체 리서치 자료에서 필요한 정보를 빠르게 찾고 요약할 수 있도록 지원하고 있습니다.

또한 Wealth Management 부문에서는 AI가 고객 미팅 내용을 정리하고 후속 이메일 초안을 작성하는 기능까지 활용하고 있습니다.

출처: 데일리홍콩

JPMorgan 역시 내부 생성형 AI 도구를 활용해 문서 작성, 자료 조사, 아이디어 정리, 리서치 업무를 지원하며 AI 적용 범위를 확대하고 있습니다.

흥미로운 점은 이들 기업이 AI를 '애널리스트를 대체하기 위해' 도입한 것이 아니라는 사실입니다.

AI는 정보를 수집하고 정리하는 시간을 줄여주고,

애널리스트는 그 정보를 바탕으로 투자 판단과 전략 수립에 더 많은 시간을 사용할 수 있도록 역할을 바꾸고 있습니다.

많은 PoC가 끝내 실패하는 이유

출처: Xpert.Digital

생성형 AI 열풍 이후 수많은 기업이 AI PoC를 진행했습니다.

하지만 PoC가 성공했다고 해서 AX가 성공하는 것은 아닙니다.

많은 프로젝트가 실제 업무에 정착하지 못하는 이유는 비슷합니다.

​

• 기존 업무 프로세스를 그대로 둔 채 AI만 추가한 경우
• 데이터 품질과 관리 체계가 부족한 경우
• 보안과 규제 이슈를 충분히 고려하지 못한 경우
• 현업 구성원이 실제로 사용할 이유를 만들지 못한 경우

​

결국 AX는 새로운 AI 모델을 도입하는 프로젝트가 아니라, 조직의 일하는 방식을 바꾸는 프로젝트입니다.

McKinsey 역시 대부분의 기업이 AI에 투자하고 있지만, AI가 업무 전반에 통합되어 실질적인 성과를 내는 '성숙 단계'에 도달했다고 평가한 기업은 극히 일부에 불과하다고 분석했습니다.

기술보다 중요한 것은 조직의 변화라는 의미입니다.

AI가 대체하는 것은 직업이 아니라 업무

AI가 애널리스트를 대체할까?

AI가 마케터를 대체할까?

이 질문은 조금 잘못된 질문일 수 있습니다.

더 정확한 질문은 이것입니다.

AI는 어떤 업무를 대신하게 될까?

AI는 반복적인 자료 조사와 요약, 문서 정리, 초안 작성과 같은 업무를 크게 줄여줄 수 있습니다.

​

반면 사람은

시장 변화의 맥락을 읽고,

리스크를 판단하며,

전략을 수립하고,

최종 의사결정을 내리는 역할에 더욱 집중하게 됩니다.

즉, AI가 바꾸는 것은 직업이 아니라 업무의 비중입니다.

더 빠른 판단이 기업의 경쟁력이 되는 시대

AX는 AI를 많이 사용하는 것이 목표가 아닙니다.

기업이 더 빠르고 정확하게 판단할 수 있는 환경을 만드는 것이 목표입니다.

앞으로 기업의 경쟁력은 데이터를 얼마나 많이 보유했는지가 아니라, 데이터를 얼마나 빠르게 인사이트로 전환할 수 있는가에 달려 있습니다.

그리고 그 과정에서 AI 기반 금융 리서치 플랫폼인 AlphaLenz는 방대한 금융 데이터를 연결하고 핵심 인사이트를 도출해, 분석가와 투자자가 더 가치 있는 의사결정에 집중할 수 있도록 지원합니다.

AI는 사람을 대신하기 위해 존재하는 것이 아닙니다.

사람이 더 나은 판단을 내릴 수 있도록 돕기 위해 존재합니다.

AX 시대, 기업이 가장 먼저 바뀌는 부서는 개발팀이 아니라 의사결정이 이루어지는 곳입니다. 그리고 그 변화의 중심에는 AI와 사람이 함께 만드는 새로운 리서치 방식, AlphaLenz가 있습니다.