AI가 자동화 못하는 것?✋

AI 시대의 경쟁력

AI 시대, 성패를 가르는 것은 기술보다 ‘문제 정의’

(편집자주) 2025년 한해 교육의 키워드는 단연코 “생성AI”였습니다. 교육명에 AI단어가 들어가지 않으면 결제를 올릴 수 없다던 교육담당자의 말씀이 생각납니다. 이런 추세라면 AI를 업무에 활용하는 능력은 상향평준화 되겠지요? 그 다음에는 무엇이 찾아 올까요? AI시대 다시금 디자인 씽킹을 생각하게 되는 이유는 무엇일까요?  

---

AI가 모든 것을 해결해줄 것처럼 보이지만, 많은 기업의 현실은 다르게 나타나고 있습니다. 수조 원을 들여 디지털 트랜스포메이션(DT) 혹은 AI 전환에 뛰어들지만, 글로벌 컨설팅사 McKinsey & Company의 조사에 따르면 기업의 약 70%가 다양한 트렌스포메이션 프로젝트에 실패한다고 합니다. 이유는 단순한 기술의 문제가 아닙니다. 실패한 기업들은 공통적으로 명확한 문제 정의 없이 단순히 기술을 도입했거나, 조직 내 공감과 참여를 확보하지 못했기 때문입니다.

실제로, 최근 한 국내 리포트에서는 수많은 기업이 생성형 AI를 도입했지만 “기대보다 성과가 낮았다”고 평가한 비율이 높다는 지적이 나왔습니다. 이 보고서는 AI를 ‘도구’가 아닌 만능 해결사로 오해한 채, 구체적인 페인 포인트를 규정하지 않은 채 시작한 경우가 많았음을 실패 원인으로 지목합니다.

AI는 데이터를 분석하고, 패턴을 찾아내며, 콘텐츠를 자동 생성하는 데 탁월합니다. 하지만 사용자의 맥락을 읽고, 숨은 니즈를 발견하고, 아직 언어화되지 않은 문제를 정의하는 일은 잘하지 못합니다. 즉, AI는 이미 주어진 문제를 푸는 데는 강점을 가지지만, 어떤 문제를 풀어야 할지를 판단하는 능력은 인간의 영역에 남아 있습니다.

예를 들어, 많은 기업이 ‘AI 도입’이라는 기술 중심의 플랜을 세우지만, 실제 조직 변화, 프로세스 재설계, 사용자 경험 변화 같은 근본적 문제 정의 없이 프로젝트를 시작합니다. 이런 경우에는 아무리 좋은 AI라도 기대만큼 효과를 내지 못합니다.

반면, 과거 성공된 트렌스포메이션 프로젝트 사례들을 보면 공통점이 있습니다. 기업은 먼저 ‘고객이 겪는 실제 불편(Pain Points)에 집중’하고, 내부적으로 충분한 공감과 공론을 거친 후 AI를 도입했습니다. 즉, 문제 정의 → 조직 정렬 → 도구 도입의 순서를 지켰습니다. 이런 방식은 단순 자동화가 아니라 진정한 변화와 가치를 가져왔습니다.

AI 시대의 경쟁력은 단순히 기술을 얼마나 잘 활용하느냐가 아니라, 어떤 문제를 해결할 것인가를 얼마나 정교하게 정의하고 공감하며 설계하느냐에 달려 있습니다. AI는 강력한 도구이지만, 어떤 문제를 해결할지 선택하고 방향을 잡는 주도권은 여전히 인간에게 있습니다.

결국 지금이야말로, AI를 도구로 삼고 진짜 문제를 찾아가는 디자인 씽킹(Design Thinking)이 더욱 중요해지는 순간입니다.

"AI시대에도 좋은 질문을 하고, AI결과물에대한 선택과 판단을 하는 것은 사람이 몫이며, 오히려 디자인 씽킹을 잘 다루는 사람이 여전히 필요하다는 것을 다시한번 느끼에 된 세미나 였습니다." - DTxAI 세미나 참가자 소감

---

피플앤인사이트 디자인씽킹랩(Design Thinking Lab)은 다양한 산업에 경험과 전문성을 보유한 전문가 그룹과 함께 비즈니스 현장에 바로 쓸 만하고 수준 높고, Practical한 전문 프로그램을 선보입니다. 형태는 모방해도 컨텐츠와 경험은 모방 할 수 없습니다.

---

인하우스 상담문의

상담 문의를 남겨주시면, 담당자가 확인하여 2일 이내 회신드립니다. 👩