AI 사용 사례 파악 및 규모 확장

불과 2년 만에 미국 성인의 39%가 이미 AI를 사용했습니다.⁠(새 창에서 열기) 같은 기간 동안 인터넷의 보급률은 20%에 불과했습니다. AI의 확산은 산업을 재편할 뿐만 아니라 개인 직원에게도 새로운 기회를 창출하고 있습니다. AI는 사람들이 더 높은 가치의 업무에 집중하고 역량을 확장하며 경력을 발전시킬 수 있도록 합니다.



한 연구에서 BCG는 ⁠(새 창에서 열기)지난 3년 동안 AI 선도 기업이 후발 기업 대비 매출 성장률 1.5배, 주주 수익률 1.6배, 투자 자본 수익률 1.4배 더 높은 성과를 보였음을 확인했습니다.

McKinsey⁠(새 창에서 열기)에 따르면 92%의 기업이 AI 투자를 확대할 계획입니다. 그러나 많은 조직은 여전히 실질적인 가치를 창출하는 방법에 대한 가이드를 필요로 하며, AI 투자가 완전히 성숙했다고 보는 기업은 1%에 불과합니다.

OpenAI는 성공적인 AI 프로젝트를 구분 짓는 요소를 직접 확인해 왔습니다. 이러한 인사이트는 300건 이상의 성공적인 구축 사례, 4,000건 이상의 도입 설문, 200만 명 이상의 비즈니스 사용자 데이터를 기반으로 도출되었습니다.

이 가이드는 조직이 명확한 가치를 창출하는 AI 활용 사례를 찾고 확장할 수 있도록 설계되었습니다. 이 과정은 세 단계로 구성되어 있습니다.

전체적으로 고객 사례, 실용적인 체크리스트, 부서별 맞춤 활용 사례가 포함되어 있어 팀의 실행을 지원합니다.

AI 도입은 단순히 적절한 활용 사례를 찾는 것 이상의 의미를 가진다는 점을 인식하는 것이 중요합니다. 이 가이드의 범위를 넘어서는 주제로는 AI 중심 문화를 구축하는 방법, 더 높은 가치의 활용 사례를 찾는 방법, 조직 전반에서 도입을 촉진하는 방법 등이 있습니다. 이러한 주제는 다른 가이드에서 다룰 예정이며, 여기에서는 조직에 적합한 활용 사례를 찾는 과정에 집중합니다.

다음 세 가지 원칙을 염두에 두세요. 이 원칙들은 이후에 제시되는 모든 실무 가이드의 기반이 됩니다.

첫 번째 단계는 AI로 즉시 개선할 수 있는 비즈니스 영역을 찾는 것입니다.

이를 위한 한 가지 방법은 AI를 조직의 업무를 지원하는 ‘슈퍼 어시스턴트’를 만드는 수단으로 보는 것입니다. AI 슈퍼 어시스턴트는 지치거나 집중력을 잃지 않습니다. 필요할 때 언제든지 사용할 수 있습니다. 또한 거의 모든 업무에 유연하게 적용되어 직원들의 역량을 보완할 수 있습니다. 

경쟁사를 따라잡기 위해서든, 진화하는 고객 기대에 부응하기 위해서든, 성장을 유지하기 위해서든, 회사의 미래를 위해 AI 도입이 필요한 이유를 구체적으로 설명하세요. 직원들이 설득력 있는 ‘이유’를 이해하면 신뢰와 명확성이 형성되고, 이러한 변화가 자신의 업무와 목표에 어떻게 연결되는지 인식할 수 있습니다.

경쟁사를 따라잡기 위해서든, 진화하는 고객 기대에 부응하기 위해서든, 성장을 유지하기 위해서든, 회사의 미래를 위해 AI 도입이 필요한 이유를 구체적으로 설명하세요. 직원들이 설득력 있는 ‘이유’를 이해하면 신뢰와 명확성이 형성되고, 이러한 변화가 자신의 업무와 목표에 어떻게 연결되는지 인식할 수 있습니다.

지식 기반 업무는 종종 불확실성과 열린 형태의 과제를 포함합니다. 직원들은 작업을 시작하는 데 어려움을 겪거나 중간에 막혀 프로젝트가 지연될 수 있습니다. 이러한 상황에서 AI는 촉매 역할을 하며, 방향이 불분명할 때 아이디어를 생성하고 데이터를 분석하며 다음 단계를 제안하는 데 도움을 줍니다. 

우리가 인터뷰한 다양한 기업의 직원들은 사고를 시작하고 새로운 아이디어를 도출하기 위해 AI를 활용하고 있습니다. 이들은 캠페인 아이디어를 브레인스토밍하거나, 원시 데이터에서 빠르게 인사이트를 찾고, 트렌드를 분석하거나, 무엇을 해야 할지 확신이 없을 때 다음 단계를 정하는 데 AI를 활용합니다.

이러한 유형의 업무에 집중하면 높은 영향력을 가진 AI 활용 기회를 빠르게 식별할 수 있으며, 이를 통해 팀은 워크플로를 최적화하고 병목을 줄이며 조직 전반의 혁신 속도를 높일 수 있습니다.

팀이 새로운 AI 활용 기회를 식별할 수 있는 프레임워크를 갖추었다면, 다음 단계는 AI를 활용하는 기본적인 방법을 교육하는 것입니다. 이를 위해 우리는 고객으로부터 수집한 600개 이상의 활용 사례를 분석했습니다. 대부분의 활용 사례는 여섯 가지 ‘기본 유형’ 중 하나에 해당하며, 이는 모든 부서와 직무에 적용되는 기본적인 활용 방식입니다.

이러한 기본 유형은 직원들이 조직에 가장 적합한 활용 사례를 빠르게 찾을 수 있도록 도와줍니다. 각 기본 유형은 다양한 산업, 역할, 워크플로에서 확인된 수백 개의 활용 사례를 대표하며, 확장 가능한 가치를 빠르게 실현하는 지름길이 됩니다.

이제 콘텐츠 생성부터 각 기본 유형을 자세히 살펴보겠습니다.

AI는 영업 통화를 요약하거나 전략 문서, 블로그 글, 웹페이지, 이미지 및 시각화의 초안을 생성하는 등 모든 팀의 콘텐츠 생성을 지원할 수 있습니다. 팀들은 AI를 활용해 콘텐츠를 편집하고 다듬은 뒤, 최종 교정 단계에서도 활용하고 있습니다.



AI는 조직의 스타일과 톤 가이드를 반영해 글을 작성하고, 선호하는 문서 구조를 따르며, 글에 대한 피드백까지 제공할 수 있습니다. 또한 콘텐츠를 다양한 언어로 번역하거나, 다른 오디언스와 채널, 프로그램에 맞게 재활용할 수 있습니다.

작성 과정에서 AI는 전체 대화 컨텍스트나 업로드된 문서를 바탕으로 결과를 생성할 수 있습니다. 예를 들어 작성 가이드를 업로드하거나 가장 잘 작성된 블로그 글 다섯 개를 제공한 뒤, 이를 기반으로 상세한 작성 가이드를 생성하도록 요청할 수 있습니다.

AI는 다양한 산업에서 조사 목적으로 널리 활용되고 있습니다. AI 도입이나 디자인 사고와 같은 새로운 개념을 빠르게 학습하는 것부터, 관련 기사나 경쟁 데이터를 웹에서 검색하는 것, 나아가 웹 전반을 탐색해 기사, 데이터 포인트, 인사이트를 수집하는 보다 포괄적인 다단계 조사 프로젝트까지 활용됩니다. 또한 팀들은 긴 내부 문서를 업로드해 빠르게 인사이트를 도출하는 데에도 활용하고 있습니다. 

AI를 조사에 활용할 때의 가장 큰 장점 중 하나는 분석 결과가 제시되는 형식과 구조를 직접 지정할 수 있다는 점입니다. 표 형식, 불릿 포인트, 특정 섹션별 정리, 교차 참조 등 원하는 방식으로 구성할 수 있습니다.



세부 사항에 대한 높은 정확성과 지시를 따르는 능력 덕분에 AI는 뛰어난 조사 도구가 됩니다.

많은 소프트웨어 엔지니어가 AI를 적극적으로 활용하고 있습니다. 이들은 디버깅, 익숙하지 않은 언어로 코드 초안 생성, 언어 간 코드 변환, 러버덕 방식 코드 점검 등에 AI를 활용합니다. 지난 2년 동안 수학, 과학, 다양한 언어의 코딩 분야에서 AI의 성능은 크게 향상되었으며, 현재는 실시간 코드 미리보기 기능도 제공됩니다.

또한 비개발자들도 AI 도구를 활용해 코딩을 수행하는 사례가 증가하고 있습니다. 자연어만으로 마케터와 재무 팀도 Python 스크립트로 업무를 자동화하고, SQL로 데이터를 조회하며, 웹이나 내부 발표용 시각화까지 구현할 수 있습니다. 

AI는 다양한 데이터 소스를 통합하고 인사이트와 트렌드를 도출하며, 고급 Excel, SQL, Python 지식 없이도 복잡한 스프레드시트 데이터를 다룰 수 있도록 도와줍니다.

여러 개의 스프레드시트나 대시보드 스크린샷을 제공해 빠른 분석을 수행할 수 있습니다. AI는 스프레드시트 데이터를 해석하고 시각적 차트를 이해하며, 보고용 결과 형식까지 정리해 줍니다. 차트 유형, 요약 형식, 비교 방식 등을 지정해 결과 구조를 직접 정의할 수도 있습니다.

아이디어 도출 및 전략 관련 활용 사례는 모든 팀에서 널리 사용되며, 블로그 글 아이디어 브레인스토밍부터 문서 구조 설계, 전략 문제 해결, 주요 목표나 이해관계자 선호를 반영한 피드백 제공까지 포함됩니다.

AI 모델이 점점 멀티모달화됨에 따라 팀들은 음성과 시각 정보를 활용해 동료와 소통하듯 AI와 상호작용하고 있습니다.

또한 모델이 복잡한 문제를 체계적으로 사고하는 능력이 향상됨에 따라, 많은 팀이 데이터, 목표, 컨텍스트, 제약 조건, 의존 관계를 반영해 AI와 함께 전략을 수립하고 있습니다.

많은 활용 사례는 작업의 일부를 자동화하는 데 초점을 둡니다. OpenAI는 고객들이 반복적이고 정형화된 작업을 식별하고 이를 AI에 맡길 수 있는 방식을 설계하는 사례를 확인해 왔습니다. 자동화는 주간 경쟁 동향 업데이트 생성과 같은 단순한 작업일 수도 있고, 사람의 검토를 전제로 한 주간 경영진 브리핑용 재무 보고서를 생성하는 것처럼 더 복잡한 작업일 수도 있습니다.

이러한 유형의 프로세스를 자동화하는 데에는 메모리와 사용자 지정 지침이 핵심 요소입니다. 이를 공유하는 방법으로 맞춤형 GPT가 활용됩니다. 표준화된 지침을 만들고 동일한 문서를 업로드하며 매번 동일한 출력 형식을 지정함으로써, 팀은 가치가 낮은 작업을 효과적으로 위임할 수 있습니다.

현재 이러한 자동화는 주로 개별 작업 단위에 머물러 있지만, 심층 리서치와 Operator와 같은 기능을 통해 AI가 다단계 작업을 독립적으로 그리고 일정에 맞춰 수행하는 방향으로 발전하고 있습니다.

Estée Lauder의 GPT Lab은 비즈니스 사용자, 주제 전문가, 기술 리드를 포함한 다학제 팀으로 시작해 높은 영향력을 가진 활용 사례를 식별하고 개발합니다. 이들의 프로세스는 간단하면서도 반복 가능합니다.

자세한 내용은 Estée Lauder GPT Lab⁠에서 확인하세요.

팀이 핵심 활용 사례를 이해하고 해결할 문제를 식별하기 시작하면, 활용 사례는 빠르게 증가하는 경향이 있습니다.

이후 과제는 발굴에서 우선순위 설정으로 이동합니다. 어떤 활용 사례를 전사적으로 확장해 모든 직원에게 영향을 줄 수 있을까요? 지금 당장 비용 효율성을 가장 크게 개선할 수 있는 것은 무엇일까요? 어떤 활용 사례가 새로운 제품이나 수익원으로 이어질 수 있을까요?

우리의 고객 성공 팀은 영향/노력 프레임워크를 활용해 기업 고객이 활용 사례의 우선순위를 정할 수 있도록 지원합니다. 이 프레임워크는 각 활용 사례를 기업에 대한 가치와 필요한 노력 수준을 기준으로 평가하는 간단한 사분면 구조입니다.

대부분의 팀은 블로그 글 편집, 캠페인 브리프 생성, 정책 초안 작성과 같은 개별 작업부터 AI를 활용하기 시작합니다. AI를 특정하고 개별적인 작업 단위로 생각하는 것이 더 쉽기 때문입니다.

그러나 고사용자들이 AI를 업무 전반에 통합하는 과정을 보면, 다단계 워크플로를 아우르는 활용 사례를 발견하는 경우가 많습니다.

AI는 기존의 소프트웨어나 클라우드 애플리케이션과는 다릅니다. 그 강점을 제대로 활용하려면 새로운 사고방식이 필요합니다. 그러나 고객과의 협업을 통해, 다양한 직무의 사람들이 이 사고방식을 빠르게 익히고 자신의 업무에서 높은 영향력을 가진 활용 사례를 발견할 수 있다는 점을 확인했습니다.