마이크로소프트의 영업 조직 전반에 걸친 AI 도입 및 확장 경로

브라이언 케니: 수만 명의 직원이 근무 방식을 근본적으로 바꾸게 하려면 무엇이 필요할까요? 오늘의 사례는 강력한 AI 어시스턴트를 일상적인 도구에 원활하게 통합하여 도입하는 글로벌 영업 조직을 다룹니다. 초기에는 기대감이 높았지만, 직원들이 실제로 도구를 어떻게 사용해야 할지 모르면서 좌절감이 쌓이고 도입이 정체됩니다. 조직은 집중 교육, 동료 챔피언, 습관 형성 등 새로운 방식을 실험하며 도입을 촉진하고, 결국 영업팀의 운영 방식과 가치 창출 방식을 변화시킵니다. 그러나 진전이 자리 잡는 순간, 새로운 도전이 등장합니다. 차세대 AI는 단순히 지원하는 것을 넘어 스스로 행동합니다. 자율 에이전트가 고객 상호작용을 처리하기 시작하면서 신뢰, 통제, 그리고 일의 미래에 대한 더 깊은 질문이 제기됩니다. 이는 AI를 확장하고 이를 지속 가능하게 만드는 데 필요한 인간 시스템에 관한 이야기입니다.

오늘 Cold Call에서는 이아브 보지노프 교수와 장순위안 교수와 함께 '마이크로소프트 고객 및 파트너 솔루션, 코파일럿 배포' 사례에 대해 논의합니다. 진행자 브라이언 케니입니다. 지금부터 HBR 팟캐스트 네트워크의 Cold Call을 시작합니다.

브라이언 케니: 이아브 보지노프의 연구는 AI 제품이 개발되어 실제 세계에 통합되는 과정을 살펴봅니다. 당신은 단골 고객이시군요. 다시 오신 것을 환영합니다, 이아브.

IAV BOJINOV: 감사합니다. 다시 돌아오게 되어 정말 기쁩니다.

브라이언 케니: 다시 프로그램에 나와주셔서 정말 반갑습니다. Shunyuan Zhang은 머신러닝을 활용하여 초기 단계의 공유 경제 내에서 발생한 마케팅 문제를 해결하고 있습니다. 대화를 나누면서 그 내용에 대해 설명해 주시기 바랍니다. 참여해 주셔서 감사합니다.

장순원: 네, 감사합니다, 브라이언. 여기 오게 되어 정말 기쁩니다.

브라이언 케니: 두 분을 모시게 되어 정말 반갑습니다. 우리는 항상 AI에 대해 이야기하고 있습니다. 모든 사람이, 그리고 청취자분들도 AI 이것저것과 그것이 가져올 영향에 대해 이야기하고 있을 거라 확신합니다. 이번 사례는 AI가 실제 세계에서 매우 구체적인 방식으로 어떻게 적용되고 있는지에 관한 것입니다. 그래서 사례를 작성해 주셔서 감사합니다. 그리고 공동 저자이신 라파엘라 사둔도 언급해야겠네요. 오늘 함께하지는 못했지만, 청취자분들이 이 사례가 전설적인 기업인 마이크로소프트의 글로벌 영업 조직에 어떻게 적용되고 있는지 듣는 데 큰 관심을 가질 거라고 생각합니다. 이는 결코 작은 규모의 작업이 아닙니다. 그러니 바로 본론으로 들어가죠. 슈위안, 먼저 당신께 묻겠습니다. 이 사례의 핵심 쟁점은 무엇인가요? 그리고 왜 당신과 라파엘라, 이아브가 이 사례를 작성하는 것이 흥미롭다고 생각했는지 궁금합니다.

장순위안: 이 사례에 주목하게 된 이유는 일반적인 AI 논의를 완전히 뒤집는 내용이었기 때문입니다. 현재 AI 논쟁을 들어보면 대부분 기술이 제대로 작동하는지에 초점이 맞춰져 있습니다. 그런데 이 사례에서는 정교한 인력과 함께 AI를 구축하는 기업에서 기술 자체는 문제없이 작동했습니다. 그럼에도 불구하고 초기 기대감 이후 도입률이 22%에서 5%로 급락했고, 한 달 만에 빠르게 하락했습니다. 우리가 발견한 더 깊은 문제는 기술이 아니라 그 아래에 있는 인간의 조직적, 행동적 측면이었습니다. 즉, 사람들에게 무엇을 바꾸라고 요구하는지, 무엇을 장려하고 배우게 하는지, 그들의 역할이 무엇을 의미하는지, 그리고 AI 도입 설계를 어떻게 계획하는지가 핵심이었습니다. 흥미로운 점은 마이크로소프트가 특별한 조치를 취하지 않았다는 것입니다. 그들은 표준적인 방식을 그대로 따랐고, 이것이 이번 실패를 더욱 흥미롭게 만듭니다.

IAV BOJINOV: 그리고 이에 덧붙이자면, 이 사건이 흥미로운 점은 도구를 만든 마이크로소프트에 관한 이야기라는 것입니다.

브라이언 케니: 그렇죠.

IAV 보지노프: 그리고 이것이 실제로 이 도구를 판매하는 영업팀입니다. 만약 이들이 여러분에게 Copilot을 구매하도록 설득하려는 사람들이면서도 정작 자신들은 사용하지 않고 있다면, 여기에는 흥미로운 상황이 벌어지고 있는 겁니다. 그래서 우리는 깊이 파고들어 여기서 무슨 일이 일어나고 있는지, 어떤 어려움이 있는지, 그리고 실제로 어떻게 극복할 수 있는지 이해하려고 노력해야 했습니다. 솔직히 말해서, 이들조차 극복하지 못한다면 다른 조직이 무슨 희망을 가질 수 있겠습니까?

브라이언 케니: 네. 맞아요. 제가 마이크로소프트가 클리피를 처음 선보였을 때를 기억할 정도로 나이가 꽤 들었거든요. 그게 초기 AI 관련 시도 중 하나였다고 생각해요. 그래서 코파일럿이 나왔을 때 그게 떠오르지 않을 수 없었어요. 하지만 저처럼 AI 학습 곡선 상에 있는 청취자들을 위해 말씀드리자면, 정말 많은 일이 일어나고 있어요. 너무 빠르게 발전하고 있고, '바이브 코딩'이나 '인 더 플로우' 같은 새로운 용어도 많이 등장하고 있죠. 이번 사례는 특히 업무 흐름 속의 AI에 관한 것입니다. Iav, 이 맥락에서 그것이 무엇을 의미하는지 우리에게 기본 설명을 해주실 수 있나요?

IAV 보지노프: 네, 맞아요. 그리고 좀 더 설명하자면, AI는 기하급수적으로 성장해 왔다고 생각해요. 모델들은 점점 더 지능적이 되고 있죠. 제 MBA 필수 과정인 '리더를 위한 데이터 과학과 AI'가 시작된 1월 말, 2월 초부터 약 2주 전인 4월에 끝날 때까지 재미있는 계산을 해봤어요. 시작부터 끝까지 모델의 지능이 얼마나 더 향상되었는지 볼 수 있거든요. 다양한 벤치마크를 기준으로 계산해보면, 지능이 주당 약 2%씩 복리로 개선되고 있었어요.

IAV 보지노프: 상황이 정말 빠르게 진행되고 있습니다. 한 가지 유형의 모델에 국한된 것이 아닙니다. 우리는 다음 단어를 예측하는 대규모 언어 모델에서 실제로 생각한 후 말하는 추론 모델로 발전했습니다. 이제는 생각할 뿐만 아니라 실제로 행동하고 목표를 달성할 수 있는 에이전트 시스템 단계에 와 있습니다. 이 사례는 A, B, C 단계로 구성되며, 초기 Copilot 시절부터 시작됩니다. 당시 Copilot은 Teams, Outlook, Microsoft, Docs, Excel 등을 통해 접근할 수 있는 단순한 어시스턴트였습니다. 여기서 기대한 것은 사람들이 이를 사용하기 시작하고 업무에 통합하는 것이었습니다. 브라이언, 당신이 말한 대로, 흐름 속에서 작동한다는 개념은 Clippy처럼 옆에 머무르는 것이 아니라 실제로 업무에 통합된다는 것입니다. 출시 당시에는 생산성과 작업 품질이 빠르고 급격히 향상될 것으로 기대했지만, 실제로는 그렇지 않았습니다.

브라이언 케니: 네. 슈위안이 전에 그 점을 언급했었죠. 마이크로소프트는 수년간 이런 것들을 여러 번 출시해 왔을 겁니다. 그들은 이에 능숙한데, 왠지 전통적인 모델을 사용했을 때는 이번 것이 성공하지 못했습니다. 왜 이것이 전통적인 모델을 깨뜨렸다고 생각하시나요?

IAV 보지노프: 네. 제 생각에 대부분의 조직이 저지르는 가장 큰 실수는 생성형 AI를 다른 모든 기술 도입과 동일하게 취급한다는 점입니다. 이 기술이 다른 이유는 범용 인공지능 도구이기 때문입니다. 이 도구는 매우 많은 일을 할 수 있지만, 문제는 무엇을 해야 하는지 아무도 알려주지 않는다는 점입니다. 이전 기술 물결에서는 SAP를 도입할 때 무엇을 해야 하는지가 매우 명확했습니다. 또한 아날로그 시스템에서 디지털 시스템으로 전환할 때는 단순히 매핑만 하면 되었기 때문에 사람들은 자신이 무엇을 하고 있는지 알고 있었습니다. 하지만 이 기술에서는 사람들이 실제로 실험할 수 있는 공간을 만들어야 한다는 것을 배웠습니다. 따라서 사람들이 이 기술을 가지고 놀면서 조직에 실제로 가치를 창출할 수 있는 패턴이 무엇인지 파악할 수 있는 전체 실험 단계가 필요합니다. 그리고 모든 사람이 그런 실험에 능숙한 것은 아니라는 사실이 드러났습니다. 모든 사람이 그런 사고방식을 가진 것은 아닙니다. 많은 사람들은 그저 자신의 일을 하고 싶어 할 뿐입니다. 그래서 많은 사람들이 시도해보고 가치 있는 사용 사례를 찾지 못한 후 사용을 중단한 것이 그리 놀랍지 않았습니다. 하지만 소수의 사람들은 인내심을 가지고 계속 실험해야 합니다. 따라서 이제 도입의 첫 번째 단계는 사람들이 실험하고 높은 가치의 사용 사례를 찾을 수 있는 공간을 만드는 것입니다.

브라이언 케니: 하지만 말씀하신 점에서, 특히 영업사원들의 시간은 정말 소중하다는 흥미로운 질문이 제기된다고 생각합니다. 그들은 항상 업무에 집중해야 하고, 달성해야 할 목표가 있으며, 관리자들은 그 목표를 달성하도록 압박을 가합니다. 그래서 무언가를 가지고 시간을 내어 놀아보는 것은 아마 그들에게는 혐오스러운 일일 것입니다. 슈위안, 사람들이 이러한 AI 도구의 잠재력을 어떻게 인식하는지와 그것이 그들의 일상 현실에서 의미하는 바 사이에 존재하는 격차에 대해 조금 말씀해 주시겠습니까?

순위안 장: 분명 격차가 있습니다. 초기에는 도입률이 높았고, 사람들이 AI가 자신이 싫어하는 업무 부분을 대신해 줄 것이라는 기대가 진짜였기에 열광도 진짜였습니다. 하지만 이아브가 설명한 대로, 실험이 필요합니다. 할당량을 신경 쓰는 영업사원으로서 저는 앉아서 14개, 15개의 다른 프롬프트를 시도하며 쓸 만한 결과물을 얻을 시간이 없습니다. 이 격차는 훌륭한 데모와 실제 업무 환경 사이에 있다고 생각합니다. 데모나 실험실에서는 AI가 마법처럼 보이지만, 영업사원의 일상 업무에서는 "이게 지금 내 작업 흐름 중간에 도움이 되나?"라는 질문을 던질 뿐입니다. 대답이 "글쎄, 가끔은 상황에 따라 다르다" 정도라면 사람들은 빠르게 예전 습관으로 돌아갑니다. 이것이 우리가 본 하락세지만, 사람들이 AI를 거부한다고 말하고 싶지는 않습니다. 단지 초기 가치가 고르지 않고 사람들이 평가하기 매우 어렵다는 뜻일 뿐입니다.

브라이언 케니: 네. 그리고 일반적으로 변화는 어려운 일이잖아요, 그렇죠? 작업 흐름에서 무언가를 바꾸는 건 항상 힘들어요. 이아브, 무슨 말 하려는 거죠?

IAV 보지노프: 네, 덧붙이자면, 기술 도입에 관한 20년 연구에 따르면 새로운 기술이 나올 때, 에릭 브린욜프슨의 연구처럼 생산성 J-곡선이 나타납니다. 처음 사용할 때는 오히려 생산성이 떨어지죠. 코파일럿이나 모든 생성형 AI 도구를 생각해보면, 청취자 여러분도 공감하실 거예요. 처음 그 도구를 사용했을 때 분명히 더 생산적이지 않았을 겁니다. 사실 훨씬 느렸을 가능성이 높아요. 그리고 이틀 후에는 더 느려졌을 수도 있고, 몇 주간 작업한 후에야 겨우 원래 생산성 수준으로 돌아왔을 겁니다. 그러다 몇 주 더 지나면 실제로 더 나은 상태에 도달할 수도 있어요. 이 사례에서 우리가 배운 점은 실제로 세 가지가 동시에 일어난다는 겁니다. 첫째는 제품 자체가 있고요.

이 제품은 이 기술을 통해 실제로 얼마나 뛰어난 성과를 낼 수 있는지 알려줍니다. 생산성을 얼마나 높일 수 있을까요? 두 번째는 과정입니다. 즉, 초급에서 고급까지 얼마나 빠르게 배울 수 있느냐는 것입니다. 다시 말해, 교육 프로그램이나 플레이북이 마련되어 있어 높은 가치의 사용 사례를 실제로 찾을 수 있느냐는 것이죠. 이는 생산성 정체 상태에서 얼마나 빨리 벗어날 수 있는지를 결정합니다. 세 번째는 사람입니다. 순위안이 말했듯이, 모든 사람이 같은 노력을 기울이지는 않습니다. 실제로 우리가 관찰한 바에 따르면, 약간의 노력만 기울이는 사람들은 생산성 하락을 겪지 않지만, 그 혜택도 얻지 못합니다. 반면 많은 노력을 기울이는 사람들은 큰 하락을 겪지만, 결국에는 이를 극복합니다. 하지만 덜 언급되는 것은 역량 함정입니다. 즉, 매우 뛰어난 사람들은 이 도구를 사용함으로써 오히려 더 나은 결과를 얻지 못할 수도 있다는 점입니다.

브라이언 케니: 흥미롭네요.

IAV 보지노프: 그들은 모든 단축키를 알고, 모든 시스템을 완벽하게 사용하는 방법을 알고 있을 수 있습니다. 그런데 강력하지만 당시에는 초기 단계였던 코파일럿 같은 새 시스템을 주면, 아직 매우 새롭고 실험적인 상태였기 때문에 오히려 이 도구를 사용하는 데 있어 더 나쁜 결과를 초래할 수도 있습니다. 따라서 사람들이 시도해보고, 가치를 느끼지 못하며, 생산성 하락을 목격한 후, 과거에 하던 방식으로 빠르게 돌아간 것은 놀라운 일이 아닙니다.

브라이언 케니: 네. 저는 AI를 연구하는 분들이 우리가 이미 수년간 AI를 사용해왔다고 말하는 것을 잘 알고 있습니다. 여러분은 몰랐을지 모르지만, 이것저것 다양한 일에 AI를 활용해왔죠. 그 말이 모두 사실이라고 확신합니다. 아마도 그것이 AI를 더 쉽게 사용할 수 있게 만든 이유일 겁니다. 마치 단일 목적의 도구처럼 특정 작업을 위해 설계되었기 때문이죠. 그런데 지금의 AI는 범용 도구입니다. 맞죠? 이 도구로 무엇이든 할 수 있습니다. 아니면 모든 것은 아니더라도 많은 일을 할 수 있죠. 특정 목적을 위해 설계된 도구와 범용 도구를 배치할 때, 어떻게 다르게 생각해야 할까요?

IAV 보지노프: 네, 그건 결국 실험으로 돌아가는 것 같아요. 실험을 마친 후에는 실제로 이를 어떻게 확장하고 사람들과 공유할지 알아내야 합니다. 이 사례 연구에서 정말 흥미로웠던 점은 실험에 능숙한 사람들이 다른 사람들이 도구를 사용하도록 유도하는 데 능숙하지 않다는 점이었어요. 일반적으로 실험자들을 설명하자면, 그들은 훨씬 젊고 기술에 정통한 경향이 있지만, 다른 사람들이 도구를 채택하도록 설득하는 사람들은 아닙니다. 오히려 다른 사람들이 이를 사용하도록 유도할 가능성이 훨씬 높은 사람들은 20~30년 동안 그 자리에 있었던 사람들이에요.

이 사례 연구에서 흥미로웠던 점 중 하나는, 여러 리더들과 대화를 나누던 중 한 분이 말씀하셨는데, 가장 고참이면서 경험이 많고 AI와 기술에 가장 반대하는 사람을 도입 챔피언으로 삼고, 실험을 즐기고 새로운 시도를 하는 젊은 인재와 짝을 지어주었다는 것입니다. 그 이유는, 한 사람이 실험하며 새로운 것을 발견하면, 그가 15~20년 동안 회사에 몸담으며 조직과 비즈니스 모델을 잘 아는 이 사람을 설득해 가치를 증명할 수 있다면, 그 사람이 마음을 바꾸는 순간 나머지 모두가 따라오기 때문입니다.

브라이언 케니: 네. 그렇게 하면 즉각적인 신뢰도가 생기니까요.

IAV BOJINOV: 정확히.

브라이언 케니: 두 분 모두 이번에 도입되는 대상이 기술에 능숙한 인력이라고 말씀하셨습니다. 또한 영업 조직으로서 모든 프로세스가 이미 정립되어 있고, 프로세스 측면에서 매우 체계적으로 운영되고 있을 것입니다. 그리고 이는 기존 프로세스에서 벗어나는 변화이기 때문에 어려운 일입니다. 우리는 변화가 어렵다는 점에 대해 이야기했습니다. 슈위안 씨, 사람들을 변화시키기 위해 그들이 활성화한 가장 중요한 수단은 무엇이라고 생각하시나요?

장순원: 이 사례와 마이크로소프트가 최종적으로 취한 조치를 통해 배운 점은 여러 가지 레버가 있다는 것입니다. Iav 님이 대부분을 다루셨지만, 먼저 교육 레버가 있습니다. 기본적인 기술 습득이 필요하며, 사람들이 AI가 무엇을 할 수 있고 어떻게 요청해야 하는지 이해해야 합니다. 그리고 관리 레버가 있습니다. J-커브 현상, 즉 하락 구간을 겪을 때 사람들은 어려움을 겪습니다. 그들은 불확실한 미래의 보상을 위해 오늘 추가 업무를 떠맡고 있습니다. 만약 이번 달 할당량을 달성하지 못한다면, 그것이 그들에게 어떤 의미일까요? 누가 책임을 질까요? 경영진은 나서서 "이것은 학습 과정입니다. 학습 곡선 때문에 불이익을 받지 않을 것입니다."라고 말해야 합니다.

브라이언 케니: 그들이 그렇게 했나요? 그렇게 적극적으로 나섰나요?

순위안 장: 글쎄요, 회사 내에서 분명 몇몇 대화가 오갔을 거예요. 그렇지 않으면 사람들이 실험을 편안하게 받아들이고 학습 곡선의 하강 구간을 견딜 수 없을 테니까요. 또 동료나 사회적 레버리지가 있는데, 이를 '쿨 키즈 찾기'라고 부르더군요. 즉, 이미 AI를 사용하고 있는 존경받는 사람들을 발굴해 그들이 AI로 성과를 내는 모습을 가시화해 다른 사람들이 그 성과를 보게 하는 겁니다. 교육과 사회적 관리 레버리지 중에서도 사회적 요소가 가장 중요하면서도 가장 덜 obvious할 수 있어요. 왜냐하면 이렇게 새로운 것을 마주할 때, 특정 업무와 워크플로우에 내재화되어야 하는 범용 AI를 도입하는 상황에서 사람들에게 불확실한 미래를 위해 학습 비용을 감수하라고 요구하기 때문입니다. 그들은 위를 보기 전에 옆을 먼저 살피며 동료들이 어떻게 사용하고 어떤 결과를 얻는지 확인하려 하죠. 이것이 그들을 설득하는 가장 확실한 방법일 겁니다.

브라이언 케니: 하버드 비즈니스 스쿨에서의 경험을 바탕으로 말씀드리자면, Iav, 당신은 우리가 AI 아카데미라고 부르는 프로그램에 참여했었죠. 이 프로그램은 현재 학교 전체로 확대 시행 중이며 정말 훌륭합니다. 우리는 2,000명의 교직원을 이 프로그램에 참여시켜 최소한 AI를 활용할 수 있는 방법을 인지하도록 하고 있습니다. 이것이 제가 이 주제에 대해 갖고 있는 기준점이지만, 당신이 우리에게 몇 가지 과제를 수행하게 했을 때 마치 게임처럼 느껴지면서 경쟁하는 듯한 경험을 하면서 이 개념이 현실로 다가왔습니다. 그래서 이 사례에서도 등장하는 게임화(gamification)라는 개념은 아마도 그들이 시도한 또 다른 수단일 것입니다.

IAV 보지노프: 네, 맞아요. 그리고 이것이 또 다른 실패 지점이라고 생각합니다. 많은 조직들이, 그리고 마이크로소프트도 처음 시작했을 때 그랬듯이, 사람들이 가치에 집중하길 원했죠. 하지만 실험과 학습을 고려한다면, AI 아카데미에서처럼 업무에서 잠시 벗어나 안전한 환경에서 이를 수행해야 합니다. 사실 저는 이번 주 월요일과 화요일에 이 주제로 두 세션을 가르치고 있었는데, 이를 통해 직원들을 업무에서 분리할 수 있었습니다. 그리고 교수진도 이와 유사한 과정을 경험하고 있습니다. 이는 그들을 분리해 AI가 무엇인지 설명하고, 안전한 공간에서 능력을 배우고 탐구할 기회를 제공합니다. 그래서 마지막에는 "좋아, 우리는 AI의 아홉 가지 다른 사용 사례를 봤는데, 이 중 어떤 것이 내 일상 업무에 적용될까? 그리고 내일과 다음 주에 어떻게 이 능력을 내 업무에서 사용하기 시작할 수 있을까?"를 파악할 수 있습니다. 우리는 다른 회사들의 사례도 작성했습니다. 모더나에 대한 사례가 있는데, 학생들이 항상 그 사례에서 주목하는 것 중 하나는 누군가 CatGPT라는 것을 만들었다는 점입니다. 기본적으로 고양이 이미지를 생성하는 것이죠. MBA 학생들은 모두 "여기 생산성이 전혀 없는데, 왜 그런 걸 하죠? 정말 바보 같아요."라고 말합니다. 하지만 조금만 파고들면, 실제로 공간을 창출했다는 것을 알 수 있습니다.

브라이언 케니: 말장난 의도는 없었어요.

네, 사람들이 자유롭게 시도해볼 여지를 만들어주고, 안전하고 재미있게 만들었으며, 두려움을 없애고 새로운 작업 방식을 보여주었죠. 제게 이것은 정말 중요한 부분인데, 많은 사람들이 간과하고 생산성, 생산성, 생산성에만 집중하다 보니 그게 오히려 두려움과 불안을 조장한다는 걸 깨닫지 못합니다. 이 새로운 기술에서 우리가 원해야 할 것은 바로 이런 설렘이에요. 정말 놀랍고 많은 일을 할 수 있지만, 생산성에만 집착하면 첫 번째 장애물에서부터 넘어질 거라고 생각합니다.

브라이언 케니: 네. 그리고 이 사례에서 드러난 또 다른 이점은, 특히 영업 조직에서 하는 일 중 많은 부분이 형식적이고 컨설턴트처럼 느껴지지 않으며, 오히려 사람들과 거래를 하는 것에 가깝다는 점과 관련이 있습니다. 그렇죠? 그래서 이 사례에서 나타난 이점 중 하나는 영업사원들이 더 컨설턴트처럼 행동하고 거래 중심적인 업무에서 벗어날 수 있게 해준다는 것입니다. 그분들과 이야기할 때 이런 점을 보셨나요?

장순위안: 네, 맞습니다. 그리고 이는 마이크로소프트뿐만 아니라 제가 함께 일했던 다른 회사들, 예를 들어 터키의 B2B 판매 회사에서 대형 기계를 판매하는 경우에도 마찬가지입니다. 영업 직원의 시간 중 70%가 행정 업무에 소비되어 고객과의 접촉이 부족한데, 영업 직원은 본래 고객과 직접 소통해야 합니다. AI가 그들의 시간을 확보해주고, 고객이 무엇을 필요로 하고 원하는지에 대한 데이터 기반 인사이트를 제공하면, 영업 직원이 고객의 선호도를 암기하는 데 의존하지 않아도 됩니다. 이는 역할을 재정의하는 것, 즉 거래 중심의 판매에서 관계 구축과 컨설팅 역할로 업그레이드하는 것입니다. 고객이 진정으로 원하는 것과 아직 접하지 못했지만 큰 혜택을 볼 수 있는 제품을 도와주는 것입니다.

브라이언 케니: 네. 그렇게 하면 잠시 물러서서 자신이 맺고 있는 관계에 대해 다르게 생각해볼 기회를 얻을 수 있죠. Iav, 당신은 앞서 저와 Pernod가 조직 내에서 AI를 도입한 사례에 대해 논의한 적이 있습니다. 그리고 우리는 영업사원들의 사고방식에 대해 많이 이야기했죠, 그렇죠? 영업사원들은 관계 중심적입니다. 그들은 그 관계를 소중히 여기고, 매우 가까이 그리고 단단히 붙잡고 있습니다. 저는 마이크로소프트에서 일어나고 있는 에이전틱 AI로의 전환과 이것이 영업사원의 영역으로 들어오면서 그들이 가질 수 있는 두려움과 우려에 대해 조금 이야기해보고 싶습니다.

IAV 보지노프: 네, 맞아요. 그리고 한 가지 덧붙이자면, 우리는 도입 과정을 마무리하지 않았어요. 그들이 접근 방식을 재정의하고 실험을 위한 공간을 만든 후, 조직의 일일 활성 사용자 비율을 80~90%까지 끌어올릴 수 있었죠. 시간이 좀 걸렸지만요. 이 과정에서 큰 의문이 생겼는데, 바로 2년 후 후발 주자들을 어떻게 처리할 것인가 하는 점이었어요. 이건 정말 흥미로운 논의 주제입니다. 동시에 C 사례에서 우리가 다루지 못한 부분은 자율 영업 에이전트 개념이었어요. 이는 AI 시스템이 고객과의 첫 대화부터 추천, 잠재적 협상, 거래 실행, 그리고 판매 후 모니터링까지 영업 파이프라인 전체를 처리할 수 있는 시스템입니다. 사례에서는 이 영업 에이전트를 중소기업(SMB) 시장에 배치한 실험에 대해 다루고 있어요. 마이크로소프트는 주로 대기업과 협력하는 엔터프라이즈 우선 사고방식을 가지고 있기 때문에, 2~3인 규모의 회사는 영업 담당자와 직접 대화하지 않는다는 점을 알아야 합니다.

브라이언 케니: 그렇죠.

IAV 보지노프: 셀프 서비스입니다. 그래서 아이디어는 이것이 기본적으로 그들이 다루지 않는 이 빈 공간, 즉 공백으로 들어갈 수 있다는 것이었습니다.

브라이언 케니: 그래서 위협적이지 않아요.

IAV BOJINOV: 그들은 그들을 위협하지 않습니다.

브라이언 케니: 네, 기업 영업 사원들 말이죠.

이아브 보지노프: 우리가 이 사례를 통해 남게 된 것은 매우 흥미로운 질문입니다. "초기 파일럿과 실험 단계에서 정말 성공적이었는데, 이제 이 에이전트들을 어떻게 할 것인가?"라는 것이죠. 이들의 범위와 폭을 확장하기 시작하여 실제 고객, 실제 기업 고객과 상호작용하도록 할 것인가요? 누가 이들을 관리할까요? 핵심 에이전트 관리 팀이 중앙에서 관리하도록 유지할까요? 아니면 영업 전문가들이 자신만의 개인 에이전트를 배치하여 자신의 개인 고객과 상호작용하도록 권한을 부여할까요?

브라이언 케니: 그거 무섭게 들리네요.

IAV 보지노프: 음, 무섭긴 하지만 그들에게는 큰 기회이기도 합니다. 고객을 잘 알고 있기 때문에, 어떤 고객이 빠른 질문이 있을 때 에이전트로부터 즉각적인 응답을 받아도 괜찮을지, 또 어떤 고객이 실제로 전화를 받아 실제 사람과 대화해야 하는지를 알 수 있기 때문입니다. 그래서 우리가 사례를 마무리했던 지점은 바로 에이전트가 등장했고, 그들이 놀라운 일을 할 수 있다는 점이었습니다. 그렇다면 어떻게 그들을 관리할 것인가? 누가 그들을 개발하는가? 그들이 제대로 일하고 있는지 어떻게 확인할 것인가? 그리고 어떻게 대규모로 배치할 것인가?

브라이언 케니: 그럼 그 부분들을 좀 더 파고들어 볼까요. 슈위안: 관계 중심적인 업무와 그 안에 담긴 미묘한 차이들을 자동화가 관리할 가능성과 한계에 대해 어떻게 생각하시나요? 영업사원으로서 저는 "이 고객을 정말 잘 알고 있어. 가족 같은 분이야. 이 사람에 대해 모든 걸 알고 있어"라고 생각하고 싶어요. 자동화된 에이전트가 같은 수준의 이해를 가질 수 있을까요? 지금 당신을 곤란하게 만드는 중이네요. 어쨌든 이건 Cold Call이니까요.

순위안 장: 하나쯤 있으면 좋겠네요. 잠시 뒤로 물러서서 생각해보면, 이 자율 에이전트는... 이안이 이야기했듯이, AI가 영업 사원을 더 강력하고 유연하게 만들어 영업 인력을 변화시키는 대화를 나눴었죠. 이제 자율 에이전트는 그 흐름을 더욱 가속화하는 셈이에요. 하지만 조심해야 합니다. 우리가 영업 사원을 이야기하고 있기 때문이죠. 고객과 직접 대면하고 관계를 구축하는 일입니다. 제 생각에 관계 구축 작업은 변동성이 큰 작업이라고 할 수 있어요. 미묘하고 숨겨져 있지만 중요한 인간의 판단이 많이 필요하기 때문입니다.

제 이론은 이것을 스펙트럼이나 사다리로 생각해볼 때, AI가 점점 더 자율화될수록 기술적 문제는 오히려 쉬워지지만, 더 어려운 부분은 인간적 요소가 될 것이라는 점입니다. 그리고 이는 바로 관계에 의해 정의되는 경계 때문입니다. 인간 전문가를 생각해보면, 그들은 분위기를 읽고 긴장된 순간에 언제 밀어붙이고 압박해야 하는지, 무엇을 말하지 말아야 하는지, 언제 멈추고 물러서야 하는지를 압니다. 하지만 그것이 바로 AI로 구현하기 가장 어려운 부분입니다. AI가 모든 이메일을 분석하게 하면 고객 이메일에서 모든 정보를 확실히 추출할 수 있지만, 인간 전문가는 이메일을 보고 특정 한 문장이 다른 모든 것보다 열 배 더 중요하다는 것을 압니다. 그래서 바로 이 관계, 즉 신뢰 구축과 브랜드 구축이 문제를 정말 까다롭게 만드는 것입니다. 우리는 매우 신중해야 합니다. 따라서 일반적으로 말하자면, AI는 작업의 더 구조화된 부분에서 가장 잘 작동한다는 한계가 있습니다. 그러나 고객, 관계, 브랜드 구축, 신뢰와 관련된 부분에서는 더 인간적이고 판단이 필요한 비구조화된 영역에 대해 더욱 주의를 기울여야 합니다.

브라이언 케니: 네. 그래서 저는 낙관적으로 느껴집니다. 사람들이 사라질 일자리에 대해 생각하면서 AI와 그것이 노동력에 미칠 영향에 대한 많은 경보음이 울리고 있기 때문입니다. 제가 일관되게 들어온 한 가지는 AI가 인간처럼 판단을 내리지 못한다는 점입니다. 정말 좋은 대화였습니다. 그럴 줄 알았어요. 시간이 얼마 남지 않았네요. 그래서 각자 한 가지 질문을 드리겠습니다. 사실 같은 질문입니다. 슈위안 씨부터 시작해서, 이 마이크로소프트 사건에서 사람들이 꼭 기억해야 할 한 가지가 있다면 무엇일까요?

순위안 장: AI 도입과 기술을 통한 비즈니스 혁신은 분명 가능하지만, 기술 자체는 쉬운 부분입니다. 더 어려운 부분은 그 주변의 모든 것, 즉 정체성, 인센티브, 관리, 그리고 인간의 행동입니다.

브라이언 케니: 네. 이아브, 당신은 그것에 동의한다고 말할 수 없고, 그게 당신의 답변이 될 수 없습니다. 거기에 덧붙여야 합니다.

IAV 보지노프: 좋습니다. 거기에 덧붙이자면, 이 사례에서 제가 얻은 큰 교훈 중 하나는 AI가 직업을 바꾸는 것이 아니라 직무 설명을 바꾼다는 점입니다. 즉, 사람들이 AI와 함께 수행하는 업무가 변화하기 시작한다는 뜻이죠. 더 이상 하지 않는 특정 작업이 생기지만, 그렇다고 해서 일자리를 잃는 것은 아닙니다. 오히려 사람들이 더 많은 일을 할 수 있게 된다는 의미입니다. 이 구체적인 사례에서 AI가 많은 행정 업무를 처리하면서 영업 담당자들은 진정으로 가치 있는 업무에 집중할 수 있었고, 과거에는 탐구할 시간도 없고 능력조차 없었던 훌륭한 수익 공유 아이디어를 조직과 함께 창출하는 놀라운 사례들이 있었습니다. 예전에는 내부 컨설팅 팀의 도움을 받아야 했지만, 이제는 AI 덕분에 스스로 할 수 있게 된 것입니다. 따라서 AI는 직무 설명을 바꾸지만, 저는 일자리 자체에 대해서는 덜 걱정합니다.

브라이언 케니: 네. 그러니까 두 분 모두 AI를 통한 미래에 대해 낙관적이시군요, 그렇죠?

이아브 보지노프: 아, 물론이죠.

브라이언 케니: 마이크로소프트에 관한 D 케이스가 나올까요?

이아브 보지노프: 아마도요, 네. 제 말은, 그 이후로 그들이 정말 많은 일을 해왔고, 우리는 다른 여러 프로젝트에서 그들과 매우 긴밀히 협력하고 있으며, 정말 매혹적인 분야라서 너무나 빠르게 변화하고 있습니다.

브라이언 케니: 네, 그들은 놀라운 회사예요. 그래서 그들이 이 문제로 어려움을 겪다가 해결책을 찾아낸 과정을 듣는 것이 정말 흥미롭고 고무적입니다. 슌위안, 이아브, 함께해 주셔서 감사합니다.

이아브 보지노프: 감사합니다.

슌위안 장: 감사합니다.

BRIAN KENNY: Cold Call을 좋아하신다면 다른 팟캐스트도 좋아하실 것입니다. 기후 상승, 진정한 리더 코칭, 아이디어 캐스트, 미래의 업무 관리, 스카이데크및 크게 생각하고 작게 구매하세요. 팟캐스트를 받을 수 있는 곳이면 어디에서나 찾아보세요.

제안 사항이 있거나 인사하고 싶은 사항이 있으시면 언제든지 연락 주시기 바랍니다. coldcall@hbs.edu.