AI가 급진적인 변화를 의미하는 이유

ALISON BEARD: 저는 Alison Beard입니다. HBR입니다. 아이디어캐스트.

하버드 비즈니스 리뷰는 최근 HBR 전략 서밋 2026을 개최했으며, 이 행사는 경영진과 학계의 전문가 조언과 지침으로 가득 찬 하루였습니다. 이 특별한 아이디어캐스트 시리즈에서 행사의 하이라이트를 공유합니다.

오늘은 HBS 교수인 체달 닐리가 조직이 성공적인 AI 전환을 추진할 수 있는 방법에 대한 마스터클래스, 즉 대화형 강의를 듣게 됩니다. 그녀가 30% 규칙, 즉 실제 결과를 도출하는 데 필요한 최소한의 조직 변화와 AI 기술에 대한 기본 이해에 대해 설명하는 것을 듣게 됩니다. 그녀는 모더나, 도미노 피자, 라쿠텐의 사례를 살펴보고, HBR 편집장 에이미 번스타인이 진행하는 청중 질문에 답변할 것입니다. 에피소드를 즐기시기 바랍니다.

체달 닐리: 안녕하세요, 여러분. 오늘 AI가 급진적인 변화를 의미하는 이유에 대해 이야기하게 되어 기쁩니다. 함께하는 시간 동안 여러분, 여러분의 조직, 그리고 여러분의 산업에 적합한 속도로 AI를 도입하는 데 필요한 것이 무엇인지 이야기하고자 합니다.

AI는 어디에나 있습니다. 사람들은 AI, AI, AI, 심지어 에이전틱 AI, 에이전틱 AI, 에이전틱 AI에 대해 이야기하고 있습니다. 그중 일부는 과장이고, 일부는 현실입니다. 우리 모든 조직의 임무는 과장을 넘어 우리에게 적합한 속도로 움직이기 시작하는 방법을 찾는 것입니다.

자, 먼저 30% 규칙에 대해 이야기하고자 합니다. 이는 AI에 대해 어떻게 생각해야 하는지, 그리고 개인, 리더, 그리고 전체 인력으로서 AI 발전을 위해 얼마나 이해해야 하는지 방향을 잡기 위함입니다.

30% 규칙은 실제로 비례 원칙으로, 데이터, 알고리즘, AI가 포함된 미래에 기여하기 위해 모든 사람이 최소한의 기술 및 변화 역량 임계값이 필요하다고 말합니다. 그리고 30% 규칙은 프로그래머가 될 필요도, 데이터 과학자가 될 필요도, 그런 것들이 전혀 필요하지 않지만, 영어가 모국어가 아닌 대부분의 글로벌 직원이 숙달해야 하는 영어의 30%와 같은 기본적인 이해가 필요하다고 말합니다.

따라서 과장을 넘어서는 한 가지 방법은 AI가 무엇이고 무엇이 아닌지에 대한 기본적인 이해를 갖는 것입니다. 현실은 AI가 새로운 것이 아니라는 것입니다. AI는 아주 오랫동안 존재해 왔습니다. 실제로 Flagship Pioneering은 AI의 네 가지 혁신 또는 네 가지 혁신 물결을 포착했습니다. 첫 번째는 실제로 1950년대에 시작되었습니다. 이를 사이버네틱스 시대라고 합니다. 사이버네틱 시대는 스탠포드, MIT, 군대의 과학자들이 생물학이나 공학을 사용하여 기계가 인간적 요소를 가진 방식으로 행동할 수 있는지, 그리고 기계가 규칙 기반이고 피드백 기반으로 기계처럼 행동할 수 있는지 시도하던 시기입니다. 이는 실제로 로봇 공학의 초기 시기입니다.

그리고 1980년대, 1990년대로 넘어갑니다. 이 시대는 훈련된 전문가 시대라고 불리며, 기계가 의학, 공학과 같은 특정 영역에서 인간의 의사 결정을 복제하려고 시도했고, 해당 분야의 전문성을 시뮬레이션하기 위해 규칙 기반 프로그래밍과 데이터베이스에 크게 의존했습니다. 이는 효과적인 시기였지만, 광범위한 채택은 아니었으며, AI 혁신에서 큰 도약을 보았습니다.

그리고 2000년대로 빠르게 넘어갑니다. 이 시기는 머신 러닝이 등장한 시기입니다. 우리는 풍부하게 들어오는 데이터와 컴퓨팅 성능으로부터 학습할 수 있게 되었고, 기계는 학습하고 적응하기 시작했습니다. 이는 컴퓨터 비전, 자연어 처리 등 오늘날에 이르게 한 모든 것의 초기 시기였습니다.

2020년대는 물론 2022년 ChatGPT의 출시와 함께 생성형 AI와 점점 더 에이전틱 시스템이 등장했습니다. 이는 트랜스포머라는 새로운 기술이 새로운 콘텐츠, 텍스트, 언어, 비디오, 오디오를 생성할 수 있게 하여 AI 개발 속도를 극적으로 변화시킨 큰 물결입니다. 하지만 AI는 새로운 것이 아닙니다. 이것을 이해하는 것이 정말 중요합니다.

자, 우리가 생각해야 할 AI의 두 가지 정의를 제시합니다. 그중 하나는 아직 존재하지 않습니다. 하나는 우리 세계에 매우 존재합니다. 존재하는 것은 특정 AI입니다. 일반 AI는 아직 완전히 존재하지 않지만, 컴퓨터 과학자와 AI 철학자들이 실제로 항상 이 두 요소에 대해 이야기하기 때문에 정의해 드리겠습니다.

아직 존재하지 않는 일반 인공지능은 터미네이터처럼 인간과 유사한 시스템을 떠올리면 됩니다. 인간처럼 행동하고, 인간처럼 결정을 내리지만, 아직 존재하지 않죠. 개인적으로는 영원히 존재하지 않길 바라는 마음도 있습니다. 실제로 존재하는 것은 특정 인공지능 또는 협의의 인공지능입니다. 이는 대규모 언어 모델, 얼굴 인식, 음성 인식처럼 특정 작업을 수행하는 인공지능을 말합니다.

자, 우리가 알고 있는 것은 무엇일까요? 2000년대의 많은 기업들, 예를 들어 메타(전 페이스북), 애플, 아마존, 구글, 넷플릭스 등은 지난 15~20년 동안 특정 AI를 대규모로 도입해 왔습니다. 그래서 우리는 이미 이 특정 AI가 우리 세계에서 작동하는 모습에 상당히 노출되어 있었습니다. 오늘날 AI는 규모를 가능하게 합니다. 수백만, 심지어 수십억 명의 사람들에게 매우 빠르게 서비스를 제공할 수 있고, 의사 결정과 운영, 범위에서 속도를 높일 수 있습니다. 데이터를 활용할 수 있게 되면서 해결책을 찾는 방식에 창의성을 발휘해 훨씬 더 많은 일을 할 수 있게 되었습니다. 이에 대한 몇 가지 예시를 곧 들어드리겠습니다.

제가 방금 규모, 속도, 범위 측면에서 설명한 내용에 대해 약간의 기초 작업을 먼저 하겠습니다. 이것들이 어떤 방식으로 작동하고 있을까요? 세 가지 P, 즉 예측, 패턴 인식(제가 앞서 말씀드린 얼굴 인식 예시가 여기에 해당합니다), 그리고 자동화가 있습니다. 이제 점점 더 자리 잡고 있는 네 번째 P는 에이전트를 활용한 생산이며, 이에 대해서는 잠시 후에 정의하겠습니다.

이제 AI와 관련해 우리가 고려해야 할 세 가지 가치 축이 있습니다. 이것이 바로 AI가 변화와 급진적 변화를 의미한다고 말하는 이유입니다. 첫 번째는 오늘날의 세상에 적합한 기능과 특성을 갖춘, 사람들이 사용하고 싶어하는 제품을 확보하는 것입니다. 두 번째 가치 축은 네트워크 가치입니다. 가능한 많은 사람들이 우리의 제품과 서비스를 사용하도록 해, 우리가 제공하는 것의 가치를 누리는 대상을 확장할 뿐만 아니라 혁신을 이루기 위함입니다. 마지막 가치 축은 데이터, 데이터, 데이터입니다. 이는 조직 내부 데이터와 외부 데이터 모두를 포함합니다.

따라서 AI의 플라이휠 효과를 생각해보면, 우리가 고객과 이해관계자를 위해 활용할 수 있는 데이터가 많을수록, 또는 그들을 더욱 탁월하게 지원할수록 알고리즘이나 사용하는 모델이 더욱 개선되고 서비스도 향상됩니다. 그래서 우리는 맞춤화와 개인화를 잘할 수 있게 됩니다. 서비스가 좋아질수록 사람들이 더 많이 이용하게 되고, 이는 더 많은 데이터를 낳으며, 더 많은 데이터는 더 나은 알고리즘, 더 나은 서비스, 더 많은 사용, 더 많은 데이터로 이어집니다.

그것이 바로 플라이휠입니다. 그리고 이것이 진정한 혁신이 이루어지는 지점이며, 종종 이해관계자들에게 특화된 방식으로 그들을 최상으로 지원할 수 있는 방법입니다. 현재 AI의 영향은 상당히 양분되어 있습니다. 한편으로는 어떤 형태로든 AI를 선도하는 기업들이 있는 반면, 채택이 어려운 과제라는 점도 잘 알고 있으며, 이에 대해서도 다루겠습니다.

그래서 조직 내 AI의 영향력에 대해 말하자면, 오늘날 많은 데이터가 조직 내에서 AI, 특히 생성형 AI를 사용하는 사람들이 생산성 향상을 경험하고 있음을 보여줍니다. 하버드 경영대학원과 그 외 여러 곳에서 수행된 많은 연구들을 살펴보면, AI를 사용하면 한 시간이 걸리던 작업이 AI 없이는 세 시간에서 네 시간까지 걸리곤 했습니다. 따라서 AI는 사람들이 할 수 있는 일과 그 방법을 크게 가속화하고 있으며, 여기에는 전통적으로 수동으로 처리되던 도구들을 사용하는 것도 포함됩니다.

그래서 영업과 마케팅을 생각해보면, 마케팅은 AI의 영향으로 많은 압박을 받고 변화하는 분야입니다. 비디오, 오디오, 이미지, 콘텐츠 제작이 훨씬 더 빨라졌기 때문이죠. 금융이나 핀테크, 법률 환경, 인사, 엔지니어링, 고객 서비스 등 모든 영역에서 AI를 잘 활용하면 창의성이 크게 향상되고 경쟁의 본질이 재정의됩니다. 즉, AI를 사용하는 기업과 그렇지 않은 기업의 차이가 명확해진다는 뜻입니다.

외부적으로 보면 많은 예시가 있죠? 초기의 모더나 같은 회사가 그 예시 중 하나입니다. 그리고 우리에게 필요한 이러한 사고 전환은 모더나의 CEO 스테판 방셀의 다음 인용문에 잘 담겨 있습니다. "우리는 우연히 생물학을 다루는 기술 회사입니다." 코로나19 시절 초기 모더나는 직원이 800명에 불과했지만, 화이자는 10만 명의 직원을 보유하고 있었습니다. 두 회사 모두 2021년경 코로나19 백신 생산과 공급에 중요한 역할을 했습니다. 규모의 차이를 확인할 수 있습니다.

도미노피자는, 피자도 하지만 기술 회사입니다. 도미노피자는 수년간 뛰어난 성과를 거두며 화려한 역사를 써 내려왔는데, 그 이유는 기술, 그리고 이제는 AI를 모든 업무의 핵심에 두고 있기 때문입니다.

라쿠텐은 또 다른 기업의 사례입니다. 저는 우연히 라쿠텐 이사회에 속해 있는데, 말씀드리자면 라쿠텐이 'AI화(AInization)'라는 AI 전략을 발표했을 때, 이 용어가 가장 발음하기 쉬운 용어는 아니지만 그 의미를 상상할 수 있을 것입니다.

이를 더 구체적으로 설명하자면, 라쿠텐의 AI 도입 전략은 트리플 20 비즈니스 성장을 달성하는 것이었습니다. 즉, 마케팅 생산성 20% 증가, 운영 생산성 20% 증가, 고객 생산성 또는 수익 20% 증가를 의미했습니다. 이는 조직 전체가 각 사업 부문의 서비스에 맞게 적절히 해석하고 추구해야 할 지침이었습니다. 라쿠텐은 생태계를 갖추고 있었죠. 그리고 몇 달 만에 결과는 놀라웠습니다. 특히 이는 조직 차원의 지침이었고, 모든 직원에게 적용된 30% 규칙이 더해졌기 때문입니다. 회사가 목격한 몇 가지 성과는 다음과 같습니다.

약 4개월 만에 마케팅 비용이 77% 감소했습니다. 모바일폰, 즉 라쿠텐 모바일폰을 보유한 고객의 경우 전자상거래 부문에서 50% 증가를 보였습니다. AI 도입은 상당히 광범위하게 이루어졌습니다. 특히 이러한 의무화와 30% 규칙 덕분에 회사 내에서 25,000개 이상의 맞춤형 봇이 매우 분산된 방식으로 내부적으로 생성되어, 사람들에게 권한을 부여하고 도구를 제공한 후 그들이 워크플로를 관리하기 시작했습니다. 또한 800개의 추가 에이전트도 도입되었습니다.

또 다른 예로는 AI 의미 검색이라는 기능이 구현된 것을 들 수 있습니다. 예를 들어 어떤 전자상거래 사이트에서든 구매를 해야 할 때, 보통 아마존을 떠올리죠. 대화 상자에 들어가서 "어, 운동화, 여성용 운동화"라고 입력합니다. 사이즈를 추가할 수도 있고 안 할 수도 있고, 색상을 추가할 수도 있고 안 할 수도 있습니다. 엔터를 누르면 결과가 나옵니다.

AI를 임베딩할 때, 특히 라쿠텐처럼 AI 의미 검색을 적용하면 "음악 축제에 가는데, 업무 행사야, 가족 행사야, 데이트야, 어떤 상황이든 상관없어. 비 오는 날일 수도 있고, 내가 빨간색을 좋아한다는 걸 알지? 뭘 추천해?"라고 입력하면 시스템이 전체 의상을 추천해 줍니다. 이 간단한 혁신으로 총 상품 판매액이 6.5% 증가했습니다. 총 상품 판매액이 수십억 달러라면, 이 수치가 얼마나 큰 영향을 미칠지 상상해 보세요.

그래서 이런 것들이 우리가 말하는 변화의 본질이며, 경쟁의 성격을 재정의하는 것입니다. 미국 뷰티 업계를 놀라게 하고 강타한 또 다른 큰 예를 들어보겠습니다. 미국에서 뷰티 제품 판매량 3위 플랫폼은 틱톡이며, 그 방식은 이렇습니다. 틱톡에는 300만 명이 넘는 인플루언서가 있으며, 이것이 상황이 어떻게 전개되고 실제로 전개되는지 보여주는 사례입니다.

이 특정 알고리즘 AI 프로세스의 예시로, 제가 소개할 인플루언서는 리자치입니다. 그는 '립스틱 왕'으로 불리며, 전 로레알 직원이었고 현재는 여러 플랫폼에서 1억 명이 넘는 팔로워를 보유한 인플루언서입니다. 그가 제품을 보여주고 있는 모습을 볼 수 있습니다. 그가 제품을 보여주는 동안, 배후에서는 두 가지 알고리즘이 작동하고 있습니다. 바로 참여도 히트맵과 제품 히트맵입니다. 여러분도 직접 이렇게 할 수 있다고 상상해보세요. 이 알고리즘들은 사람들이 얼마나 몰입하고 있는지, 그리고 이 제품이 판매될지 여부를 결정합니다.

现在，当李佳琦说出他的口头禅“哦买噶，姐妹，买它”时，人们会疯狂抢购。你能看到的销售额类型是，比如一天30亿美元。

이제 미용 산업을 생각해보세요. 그들은 이런 상황을 전혀 예상하지 못했습니다. 이제 이런 판매량이 나오면, 그에 부응해야 합니다. 그래서 변화가 정말 중요해지는 거죠. 어떻게 부응할 수 있을까요? 이런 판매량이 발생하면, 올바르게 구조화되어 있을 때만 그에 부응할 수 있습니다.

첫째, 데이터 통합입니다. 모든 시스템이 하나의 플랫폼, 즉 단일 진실 공급원으로 통합되어 마케팅과 공급망이 인플루언서 캠페인과 정렬될 수 있습니다. 이것이 첫 번째입니다. 두 번째는 재고 관리입니다. 인플루언서 캠페인이 효과적이어서 수요가 급증할 때 시스템이 자동으로 재고와 공급망 운영을 업데이트하도록 보장하는 통합 플랫폼이 필요합니다. 그리고 소비자 행동입니다. 제가 보여드린 것처럼, 참여도와 제품 히트맵, 예를 들어 히트맵은 비디오, 좋아요, 스와이프 등 모든 것을 분석하여 참여 수준을 결정하는 기하학적 알고리즘입니다. 그리고 제품 참여도는 실제로 과거 데이터와 현재 데이터를 사용하여 이 제품이 판매될지, 잘 판매될지 예측하는 머신러닝 모델입니다.

이 모든 것이 합쳐져서 인플루언서가 판매를 할 뿐만 아니라, 이러한 판매를 이행해야 하며, 이를 위해 특정 방식으로 체계화되어야 함을 보장합니다. 그리고 그 방법을 보여드리겠습니다. 하지만 그 전에, AI 에이전트에 대해 이야기하겠습니다. 이 주제로 넘어가기 전에 AI 에이전트에 대해 언급하지 않을 수 없습니다. 분명히 AI 에이전트는 부상하고 있으며, 아직 초기 단계에 있고, 앞으로 몇 년 동안 점점 더 많이 보고 듣게 될 것입니다.

본질적으로, AI 에이전트란 무엇일까요? 마이크로소프트의 정의를 들어보면, 저는 이 정의를 매우 좋아합니다. 다른 매그니피센트 7 기업들도 각자의 정의를 가지고 있지만, 이 정의가 명확하고 간결하다고 생각합니다. 마이크로소프트는 AI 에이전트를 "인간의 주요 감독 하에 작업이나 전체 워크플로우를 자율적으로 계획하고 실행할 수 있는 시스템"이라고 정의합니다.

마이크로소프트가 지난 4월에 출시했으며, '프런티어 기업이 탄생한 해'라고 부르는 이 제품은 매우 쉽게 접할 수 있습니다. 그들은 인간이 보조를 받는 방식, 인간이 디지털 동료와 협업하는 방식, 나아가 인간이 주도하는 에이전트 방식 등 세 가지 작업 패턴을 포부적으로 정의했습니다. 이 모든 것은 이것이 우리와 우리의 업무 흐름에 어떤 의미인지, 그리고 인간의 감독 아래 에이전트와 자율적 업무 흐름을 개발한다는 것이 무엇을 의미하는지 이해하기 위한 흥미로운 관점입니다.

제가 좋아하는 사이트 중 하나인 n8n.io에서 이 내용이 어떻게 전개되는지 확인할 수 있습니다. 한번 살펴보세요. 이 사이트에서 30분만 시간을 보내면 이 모든 것이 무엇을 의미하는지 명확해질 거예요. 하지만 이 이야기를 꺼낸 이유는, 이제 우리가 어떻게 조직되어야 하는지, 우리의 다음 단계는 무엇인지, 그리고 이것이 왜 급진적인 변화인지 파악해야 할 중요한 이유가 있기 때문입니다.

한 연구는 동료인 마르코 이안시티가 AI 분야의 선도 기업과 후발 기업을 분석한 것입니다. 그는 성공의 가장 큰 동인은 앞서 언급한 통합 플랫폼과 같은 기술 아키텍처를 도입할 때 프로세스도 함께 변경해야 한다는 점이라고 밝혔습니다. 프로세스 혁신이 필요합니다. 기존 프로세스를 새로운 플랫폼이나 접근 방식, 또는 지금까지 설명한 AI 기반 전략에 그대로 복사해서 붙여넣을 수는 없습니다.

두 번째로, AI 중심 기업들은 단순한 부서 단위가 아니라 데이터, 알고리즘, 통합 플랫폼을 기반으로 조직됩니다. AI 플랫폼이나 AI 조직은 이런 모습을 띱니다. 이것이 목표입니다. 여러 데이터 소스가 있으며, 각 사업 부서는 독립성을 유지하면서도 데이터를 공유할 수 있습니다. 중간에 'AI 팩토리'라고 표시된 부분이 보이시죠? 여기서는 데이터를 잠금 상자와 함께 공유합니다. 모든 데이터를 아무 시스템에나 던져 넣는 것이 아닙니다. 이러한 통제 장치를 마련해야 합니다. 하지만 이 AI 팩토리를 구축하면, 그 위에 있는 라쿠텐 같은 다양한 부서들이 아이폰의 앱처럼 이 데이터 플랫폼 위에 자리 잡게 됩니다.

비AI 선도 기업들, 즉 우리 회사들 대부분이 이렇게 생겼습니다. 분리되어 있고, 보시는 것처럼 스파게티처럼 얽힌 IT 프로젝트, 회의, 회의, 또 회의. "아, 안 돼요, 법무팀에 가야 해요. 아, 안 돼요, 여기로 가야 해요. 아, 모르겠어요. 아니, 그건 내 데이터야. 아니, 그건 네 데이터야. 아니, 내 데이터는 공유하지 않을 거야." 모든 것들이 그렇죠? 전부 조직적인 문제입니다. 하지만 이것이 우리가 극복해야 할 큰 변화의 일부입니다.

에이미, 마지막으로 한 가지 더 나누고 싶은 이야기가 있어요. 아마 우리 둘이 이 얘기를 해볼 수 있을 것 같아요. 마지막으로 전하고 싶은 것은 바로 '존재적 위협'에 관한 내용인데, 그 후에는 다른 주제로 넘어가도 좋겠네요. 그래서 이 다섯 가지 항목으로 된 존재적 위협 목록을 남기고 싶어요. 이 목록은 당신이 얼마나, 그리고 어떻게 변화해야 하는지를 결정하는 데 도움이 될 거예요. 첫째, AI가 당신의 핵심 역량을 무너뜨릴 것인가? 둘째, 당신의 투자자와 경쟁자들이 AI에 투자하고 발전시키고 있는가? 셋째, 고객의 기대치가 변화하고 있는가? 그리고 정말로, 그 변화는 엄청나게 빠르게 일어나고 있어요. 우리 업계에서도 확실히 목격되고 있죠. 넷째, 현재 기술이 혁신을 제약하고 있는가? 기술 부채를 생각해보세요. 마지막으로, 당신의 조직 문화가 회사를 구식 모델에 갇히게 하고 있는가?

그럼, 에이미, 이야기해 보자.

에이미 번스타인: 세상에, 체달, 그 질문들 때문에 가슴이 답답하네요. 고마워요.

틱톡의 립스틱 왕은 정말 놀랍습니다. 하지만 차달, 질문이 많으시군요. 키난이 올린 많은 추천을 받은 질문 하나를 공유하겠습니다. "AI가 가져온 효율성의 ROI는 어떻게 측정하나요?"

차달 닐리: 아. ROI 질문은 정말 큰 질문입니다. 우리는 항상 이 질문을 듣습니다. 이에 대해 두 가지 방식으로 생각해볼 수 있습니다. 얻지 못할 ROI가 있습니다. 예를 들어, 제 친애하는 친구이자 동료인 에이미, 카림 라카니는 "WiFi에 ROI가 있나요?"라고 말합니다. 우리가 해야 할 일 중에는 상상하는 직접적인 ROI를 얻지 못할 것들이 있습니다.

반면에, 생산성은 AI 사용으로 확실히 향상됩니다. 소프트웨어 개발이든, 데크와 슬라이드, 분석 등을 만드는 일이든 말이죠. 그래서 이 ROI를 측정하겠다고 말하기는 어렵습니다.

하지만 측정해야 할 것은 우리가 어떻게 혁신하고 있는지, 결과는 무엇인지입니다. 우리는 이 세상에서 결과 중심적이어야 합니다. 그리고 제가 아주 면밀히 살펴본 어떤 기술 혁명에서도, 우리가 필요한 결과가 무엇인지, 그리고 그 결과를 측정할 수 있는지 생각해야 합니다. 그곳이 바로 가야 할 곳, 결과입니다. 결과에 집착하세요.

에이미 번스타인: 네. 항상 그렇죠. 우리는 결과에 집착해야 합니다. 한 가지 질문을 더 드리겠습니다. 고르기 어렵지만, 이걸로 가겠습니다. 에마뉘엘로부터 온 질문입니다. "AI 과대광고는 실제로 조직 내에서 많은 불안을 불러일으키고 있습니다. 리더로서 AI 기술을 도입할 때 수용과 참여를 높일 수 있는 메시지는 무엇인가요?"

차달 닐리: 약 40년마다 AI 과대광고가 있습니다. 새로운 것이 아니며, 꽤 잘 40년 주기로 거슬러 올라갈 수 있습니다. 우리는 지금 그 시대에 있습니다. AI가 인류를 구할 것이다, AI가 인류를 파괴할 것이다, 등등.

최고의 접근 방식은 첫째, AI를 신비화에서 벗어나게 해야 한다는 것입니다. 모두에게 30%씩. 이것이 하버드 비즈니스 스쿨에서 우리가 하는 일의 일부입니다. 사람들이 AI를 이해하면 두려움과 긴장이 정말 줄어듭니다. 그래서 교육, 교육, 교육이 중요합니다.

두 번째는 경험적 증거입니다. 과대광고를 믿지 마세요. 증거를 믿으세요. 그래서 우리는 항상 증거, 경험적, 경험적, 경험적을 추구합니다.

셋째, 중요한 사용 사례를 매우 명확히 하고 조직 내에서 이를 시연하고 전시하여 사람들이 가장 관련성 높은 사용 사례에 집중할 수 있도록 하세요. 하지만 과대광고는 계속될 것이며, 거셀 것입니다.

앨리슨 비어드: 지금까지 차달 닐리가 최근 HBR 전략 서밋의 일환으로 AI에 대한 마스터클래스를 진행한 내용이었습니다. 닐리는 《디지털 마인드셋》이라는 책의 공동 저자입니다.

이 에피소드가 도움이 되셨다면 동료와 공유하고 Apple Podcasts, Spotify 또는 듣는 곳에서 IdeaCast를 구독하고 평가해 주세요. 리더들이 세상을 앞으로 나아가도록 돕고 싶다면 Harvard Business Review를 구독해 주시기 바랍니다. HBR 모바일 앱, 주간 독점 인사이더 뉴스레터, HBR 온라인 무제한 액세스를 이용하실 수 있습니다. hbr.org/subscribe로 이동하세요.

팀, 선임 프로듀서 메리 두, 오디오 제품 매니저 이안 폭스, 선임 제작 전문가 롭 에크하르트에게 감사드립니다. HBR IdeaCast를 들어주셔서 감사합니다. 화요일에 정규 에피소드로 돌아오겠습니다. 저는 앨리슨 비어드입니다.