Every Employee an Intrapreneur: AI로 늘어난 실험을 조직의 결정으로 잇는 법
AI로 누구나 실험할 수 있게 됐지만 병목은 판단과 결정으로 옮겨 갔습니다. 자원자 네트워크, 결정 게이트, 공유 가정으로 탐색을 실행으로 잇는 설계를 정리했습니다.
Next Big Delivery Is Data: FedEx가 소포 1,700만 개의 데이터를 대출 심사·경기 지수로 파는 법
FedEx Dataworks는 하루 약 1,700만 개 소포 데이터를 ML에 넣어 배송 예측 산출 시간을 몇 달 만에 절반으로 줄였고, 같은 데이터를 Stripe의 소상공인 대출 심사와 정부 통계보다 4~6주 빠른 D&B 소매 지수로 밖에 팝니다. 지금까지 절감액은 연 약 1,000만 달러이고, 다음 단계는 새 매출입니다.
Customer-triggered AI Agents: TPG Telecom이 상담원용 망 진단 에이전트를 고객이 직접 부르게 하려는 계획
TPG Telecom은 망 성능·장애·변경 이력·민원을 엮어 고객 문제를 실시간으로 찾는 에이전트를 상담원 뒤에 붙였고 해당 고객군 해지율이 약 40% 줄었다고 밝혔습니다. 다음은 고객이 자기 서비스 화면에서 이 진단을 직접 부르게 하는 것이며 보안과 토큰 비용을 지켜보며 천천히 넓힐 계획입니다.
Digital Twins for Key Decisions: 공급망 큰 결정을 1주 안에 평가하는 기업 18%, 무엇이 갈랐나
Supply Chain Media와 Optilogic이 공급망 실무자 144명을 조사했더니 큰 결정을 1주 안에 평가하는 곳은 18%였고 67%가 아직 스프레드시트로 모델링했습니다. 가장 큰 걸림돌은 예산(22%)이 아니라 데이터 품질(70%)이었고 설계 소프트웨어를 쓰는 기업은 1주 안에 결정할 가능성이 2배, AI 도구를 쓸 가능성이 4배였습니다. 기준 모델 데이터 객체와 6주 시범 계획을 붙였습니다.
Unvarnished Truth: Databricks CEO가 1만 2천 명 회사의 나쁜 소식을 Genie 에이전트로 듣는 법
Databricks CEO 알리 고스디는 직원이 1만 2천 명으로 늘자 실패 소식이 위로 올라오지 않는다고 보고, 사내 에이전트 Genie에게 만족도 조사 약점 분석, 임원 개선안 평가, 실패한 영업 피치 요약을 맡깁니다. 경영진용 나쁜 소식 브리프에 필요한 데이터, 출력 형식, 4주 계획을 붙였습니다.
AI Chief Investment Officer: Blackstone 투자위원회에 투표권 없이 올라가는 AI 평가 메모
Blackstone은 월요일 투자위원회에 올라가는 거의 모든 투자 건에 딜팀 메모와 별도로 AI가 쓴 평가 메모를 붙입니다. 이 AI는 14년 넘는 내부 투자 메모와 위원회 토론을 바탕으로 하며, 승인·거절 권한은 없고 결정은 경영진이 내립니다.
Human at the End of the Loop: 레드불 레이싱, 경주 중 규정 조회는 LLM이 하고 판단은 엔지니어가
Oracle Red Bull Racing은 경주 중 엔지니어가 경기 규정과 과거 경주 결정을 묻는 LLM 비서를 Oracle과 수개월에 걸쳐 만들었고 출력 확인과 최종 결정은 엔지니어가 합니다. 경주 전에는 몬테카를로 시뮬레이션 80억 회를 돌리며 파트너십 뒤 전략 시뮬레이션이 25% 늘었다고 팀은 밝혔습니다.
PLM.AI: Mercedes-Benz가 개발·구매·생산 데이터를 한 줄기로 이어 개발 기간을 최대 30% 줄이려는 계획
Mercedes-Benz CTO가 중국 업체의 개발 속도를 높이 평가한 가운데, 회사는 개발·구매·생산·판매·애프터세일즈를 표준 데이터 모델로 잇는 PLM.AI로 개발 기간을 최대 30% 줄이겠다고 밝혔습니다. 단계마다 따로 쓰던 AI 에이전트를 한 데이터 기반 위에서 연결하는 것이 핵심이며 투자 규모는 약 5억 유로입니다.
국내 기업 AX 소식: 고속철도 끊김 구간을 데이터로 찾아 기지국 전환을 앞당긴다 (11월 8일 묶음)
11월 5일 국내 기업 AX 소식 1건입니다. KT와 삼성전자는 경부선 고속철도 평택 고덕면~화성 매송면 구간의 신호 세기와 연결 장애 이력을 AI로 분석해 끊김이 되풀이되는 구간을 찾고 그 구간에서 기지국 전환 시점을 앞당겨 끊김 발생 비율을 약 29% 줄였습니다.
Peak Integration: Waters가 신약 품질검사 판독은 AI로 줄이고 IT는 늘리지 않는 법
Waters는 Empower에 AI Peak Integration을 붙여 크로마토그램 판독의 수작업 개입을 95% 줄였다고 밝혔고 상위 10위권 제약사와 1년 반을 들여 만들었습니다. BD 사업부 인수로 회사가 두 배 넘게 커졌지만 IT 인력 약 8,500명 중 20명가량만 넘어왔고 CIO는 IT 조직을 두 배로 늘리는 대신 AI로 바꾸겠다고 말합니다. 예외 판독 큐 설계와 인수 통합 12주 계획을 붙였습니다.
Decision Intelligence × Real-time Marketing Mix: Hershey가 데이터로 재고·폐기를 줄이고 광고 ROI를 8% 올린 방식
Hershey CFO는 3분기 콜에서 Decision Intelligence를 전사로 넓혀 운전자본과 폐기를 줄이고, 더 실시간에 가까운 마케팅 믹스 모델로 마케팅 ROI를 8% 올렸다고 밝혔습니다. 두 가지 모두 2027년 마진 회복 계획의 레버입니다. 따라 만들 때의 결정 기록 구조, MMM 운영 주기, 12주 시범안을 붙였습니다.
Signal to Lever: Heineken이 품절 같은 신호를 조치로 바꿔 거래 시스템에 심는 법
Heineken 미국 CIO Frank Iannella는 품절 같은 신호를 찾아 배송 앞당기기 같은 조치와 짝짓고 이를 거래 시스템에 넣은 뒤 결과로 다시 맞추는 틀을 2년 넘게 다듬었습니다. 설정 작업 대부분은 기계가 읽는 온톨로지 계층에 있습니다. 신호·조치 등록부 JSON, 데이터 최신성 점검, 12주 계획을 붙였습니다.
GXO IQ: 물류센터 데이터를 한곳에 모으고 인력관리 위에 AI 생산성을 얹는 순서
계약물류 기업 GXO는 3분기 콜에서 데이터 플랫폼 GXO IQ를 3개 지역에 가동했고 올해 약 50곳 이상의 사이트에 통합한다고 밝혔습니다. 통합 인력관리시스템(LMS)으로 운영별 인건비를 5~15% 낮추고, 그 위에 AI 도구로 한 자릿수 중반(%)의 생산성을 더하는 구조입니다. 이 순서를 국내 물류센터에서 따라 할 데이터 설계와 13주 파일럿 계획을 붙였습니다.
AI-Forward: 고객서비스 AI로 기대 ROI를 낸 곳은 4%, 앞선 조직은 데이터 기반에 1.8배 투자
Gartner가 고객서비스·지원 리더 275명을 조사한 결과, AI로 기대한 ROI를 낸 조직은 4%였습니다. 앞서가는 AI-forward 조직은 사용 사례 자체보다 데이터·지식 기반에 약 1.8배 더 투자했습니다. 사용 사례를 줄여 전략 목표에 묶고 대화 데이터로 고객을 배우는 방법을 8주 실행안과 함께 정리했습니다.
AI Strategy Miscalculation: AI 전략 오판이 기업 신흥 리스크 3위에 오른 Gartner 조사
Gartner가 리스크 리더 308명에게 물은 3분기 조사에서 AI 전략 오판이 신흥 리스크 3위로 처음 들어왔고, AI를 더 잘 쓰는 경쟁사에 밀리는 위험도 상위 5위에 들었습니다. AI를 사업 결정의 포트폴리오로 보고 네 기준으로 시험하는 방법과 6주 점검안을 붙였습니다.
Agentic Analytics: 분석 에이전트 인사이트의 48%만 행동으로 이어지는 이유와 대응
Snowflake 후원 MIT Technology Review Insights 조사에서 분석 에이전트 인사이트가 개선 행동으로 이어진 비율은 48%(1년 전 37%)였습니다. 경영진 55%는 비즈니스 맥락 부족을 원인으로 꼽았고 기업들은 거버넌스(60%)와 시맨틱 레이어(45%)로 대응합니다. 전환율을 재는 기록 방식과 8주 시범안을 붙였습니다.
OpenAI Frontier: ADNOC가 유전 개발 계획과 원유 한 배럴의 가치 판단을 에이전트로 잇는다
ADNOC가 에너지 기업으로는 처음 OpenAI Frontier를 도입합니다. 첫 활용처는 유정·저장층·지상 설비 데이터를 묶은 필드 마스터플랜과, 생산부터 트레이딩까지 잇는 에이전트의 원유 수급·가격·마진 예측입니다. 따라 할 때 필요한 데이터 구성, 승인 등급, 12주 시범안을 붙였습니다.
Seeking Value: 스프레드시트 75개로 돌던 Toyota 북미 공급 계획을 공용 데이터 기반으로 바꾼 방식
Toyota 북미(TMNA) 디지털 혁신 VP Jason Ballard는 스프레드시트 75개 넘게 쓰던 월간 공급 계획을 데이터 기반, 공용 서비스, 지능 계층, 공통 직원 화면으로 다시 짰다고 밝혔습니다. 반도체 부족 때는 ML 디지털 트윈으로 조립 가능한 차종을 가렸으며 5~6년 동안 투자 1달러당 약 3달러(ML 포함 합계)를 거뒀다고 말했습니다.
Proactive Call Prevention: T-Mobile이 AI로 고객센터 전화 75% 감축을 노리는 방식
T-Mobile CEO는 3분기 콜에서 3년 전 내건 고객센터 전화 75% 감축 목표가 순항 중이라고 밝혔습니다. AI 음성 비서는 걸려 온 전화를 돌리는 데서 문제를 먼저 푸는 단계로 넘어가고, 업그레이드의 80% 이상이 앱에서 처리됩니다. 전화 사유 분류부터 선제 조치까지 따라 만드는 방법과 12주 시범안을 붙였습니다.
Store-Item Level Visibility: Kroger가 RFID·컴퓨터 비전 데이터로 매장 품목별 재고 위험을 먼저 잡는 방식
Kroger는 data pipeline 20개를 묶은 AI 도구로 매장 품목 단위의 재고 위험을 일찍 잡고, 베이커리 RFID 파일럿 약 1,500개 매장에서 재고 조사를 약 70% 빠르게, 폐기를 50% 줄였다고 밝혔습니다. 컴퓨터 비전 데이터는 공급사와 나눕니다. 데이터 신뢰 규칙, 위험 점수 필드, 8주 시범안을 붙였습니다.
Smart Radios: International Paper가 공장 무전 대화를 받아 적어 현장 기록으로 쌓는 방식
International Paper는 공장에서 쓰던 아날로그 무전기를 대화를 받아 적고 번역하는 Relay 스마트 무전기로 바꾸고 있고 Relay의 3,600만 달러 투자 라운드도 주도했습니다. Tampa 공장에서 하루 4,000건 넘는 무전으로 시험한 뒤 20곳 넘는 사업장으로 넓혔습니다. 따라 할 때의 전사 품질 시험, 기록 정책, 12주 시범안을 붙였습니다.
Advanced Facilities Control Centre: GlobalFoundries가 팹 관제실 5곳을 AI 관제센터 하나로 합친 방식
GlobalFoundries가 Siemens와 만든 AI 관제센터 AFCC를 싱가포르에 열고, 팹별 관제실 5곳을 하나로 합쳤습니다. 예지정비와 24시간 설비 감시, 다중 센서 순찰 로봇을 묶었고 전사로 넓히면 시설 설비 데이터 포인트 100만 개 이상을 한곳에서 봅니다. 따라 할 때 필요한 태그 표준, 우선순위 규칙, 16주 이관안을 붙였습니다.
Demand Sensing × Capacity Planning: Ford가 AI로 수요 신호에 생산 계획을 맞춰 생산을 안정시키는 방식
Ford CFO는 3분기 콜에서 수요 감지(demand sensing)를 생산 능력 계획에 맞추는 AI 도구로 생산이 안정돼 실제 절감이 났다고 밝혔습니다. 차량·부품 재고·가격 모델도 새로 만들었고 AI 절감액은 공개하지 않았습니다. 자재·보증 원가 절감 15억 달러는 AI 효과가 아닌 원가 전체 수치입니다. 따라 만들 때의 데이터, 지표, 12주 시범안을 붙였습니다.
Live AI Use Cases: UBS가 운영 중 AI 608개와 직원 에이전트 1만 2,700개를 실적에 공시하는 방식
UBS는 3분기 실적 발표에 운영 중 AI 사용 사례 608개(전년 대비 81% 증가), 개발 중 1,090개 이상, 직원 개인 에이전트 1만 2,700개 이상을 함께 적었습니다. 시범 수 대신 운영 단계 숫자로 AI 포트폴리오를 보고하는 구조에 등록부 설계와 8주 구축안을 붙였습니다.
Ready Enough Data: 데이터 정비를 기다리지 말고 AI와 현대화를 두 트랙으로
Snowflake 글로벌 필드 CTO는 데이터 전환이 끝나기를 기다리는 쪽이 더 위험하다며, 90일 안에 증명할 AI 성과와 데이터 현대화를 두 트랙으로 병행하고 데이터는 제자리에서 하나의 정책 계층으로 통제하자고 제안합니다. '충분히 준비됨' 다섯 조건, 점검표, 90일 일정을 붙였습니다.
Measuring AI Returns: JPMorgan과 BofA로 본 은행의 AI 성과 측정법
JPMorgan CFO는 전사 AI 기여도 추정에 자원을 더 쓰는 것을 경계했고 BofA는 AI 프로젝트 약 130개 단위로 회수를 확인합니다. 은행·신협 200곳 조사에서는 AI 이전 성과와 비교해 재는 곳의 57%가 재무 효과를 계량했고 나머지는 14%에 그쳤습니다.
Decision Twin: Balluff가 SAP 데이터로 단종 영향을 미리 보고 제품 포트폴리오를 줄인 방법
센서 기업 Balluff는 SAP의 자재·판매·재고·BOM 데이터를 공급사, 부품, 제품, 고객의 관계 지도로 묶고 Decision Twin으로 단종 시나리오를 비교했습니다. 4개월 만에 도입했고 첫 분석에서 장기 미판매 품목 약 5%와 BOM에 안 쓰이는 활성 부품 약 17%를 찾았습니다.
국내 기업 AX 소식: AI가 예측에서 실행까지 맡고 사람은 목표와 경계를 정한다 (10월 29일 묶음)
배민·KT·신성이엔지·한화솔루션·카카오의 AX 소식 5건을 묶었습니다. 배민은 라이더 수급 예측을 10분 단위로 바꿔 운영팀 대응 시간을 90% 줄였고 KT는 5G 전력 절감을 AI가 정하고 적용 전 트래픽을 다시 확인하게 했습니다. 목표·예산·합격 같은 경계는 사람이 정합니다.
Taoyuan SafeSite · Youth Safety Net: 공사장 위험과 위기 청소년을 여러 기관이 한 기록으로 먼저 찾아낸 두 사례
대만 타오위안시는 건설·노동·환경 부서가 한 현장기록과 위험 순위를 함께 쓰는 SafeSite로 건설 사망자를 19명에서 13명으로 줄였다고 보고했습니다. 8개 기관 44개 지표를 묶은 Youth Safety Net으로는 위기청소년 첫 접촉을 117일에서 29일로 앞당겼습니다. 한국 제조 대기업이 협력사 공사 안전과 협력사 위기 조기경보에 옮기는 법을 붙였습니다.
E.SUN Bank CALM · Smart Mortgage 360: 고액자산가 자문 준비와 주택담보대출 심사를 AI로 줄인 두 사례
대만 E.SUN Bank가 고액자산가의 지분·가족·자금흐름을 한 화면에 잇는 CALM으로 RM 준비시간을 66% 줄이고 상담부터 심사까지 AI를 넣은 Smart Mortgage 360으로 주담대 신청 70.2%를 자동 승인 흐름에 태웠습니다. 한국 제조 대기업이 거래처 360과 여신 심사에 옮기는 법을 붙였습니다.
Cathay United Bank RM AI Assistant: RM 통화를 니즈·위험 신호로 정리하고 고객 배정을 데이터로
대만 Cathay United Bank는 자산관리 RM의 고객 통화를 생성형 AI로 요약·니즈·위험·제안으로 정리해 RM과 관리자 화면에 넣고 고객과 RM의 라벨로 배정을 정하는 RM AI Assistant를 만들어 연간 100만 건 이상의 고객 상호작용을 지원한다고 밝혔습니다. 한국 제조 대기업이 B2B 영업 통화와 담당자 배정에 옮기는 법을 붙였습니다.
LTV:CAC Ratio: 광고비가 오를 때 고객 생애가치로 D2C 성장을 지키는 법
광고비가 해마다 오르면서 첫 구매만으로는 고객 획득비를 못 건지게 된 D2C 브랜드에게, 고객 생애가치(LTV)를 키워 LTV:CAC 비율을 지키라는 글입니다. 사내 역량, 채널 다변화, LTV 전담자, 두 팀 조직, 채널별 목표의 다섯 흐름에 데이터 계산법과 4주 착수 계획을 붙였습니다.
Why Light Buyers are Key: 브랜드 매출을 키우는 건 단골이 아니라 가끔 사는 다수
상위 20% 고객은 1년 매출의 80%가 아니라 약 50%를 내고 더 사게 만들기도 어렵습니다. 브랜드 성장은 1년에 한두 번 사는 light buyer가 늘 때 온다는 How Brands Grow의 주장을 정리했습니다. 여기에 내 거래 데이터로 분포·Pareto share·성장 분해를 뽑는 법과 4주 진단 계획을 더했습니다.
Business Equation: 사업을 곱셈식 하나로 써서 가장 큰 성장 레버를 찾는 법
Lenny Rachitsky와 Dan Hockenmaier가 SaaS, 소비자 앱, 마켓플레이스, DTC의 8가지 사업 모델에서 매출을 변수의 곱과 합으로 풀고 기여이익과 payback period를 덧붙였습니다. 우리 회사의 식을 데이터에 연결하고 AI 과제를 그 변수 위에서 고르는 방법을 붙였습니다.
Governed Self-Service Analytics: Brilliant Earth가 숫자는 코드로 계산하고 문장만 LLM에 맡긴 사내 분석
주얼리 기업 Brilliant Earth가 Snowflake 안에서 Posit을 돌려 권한은 Snowflake에 맡기고, 마케팅 믹스 모델을 시나리오 앱으로, 매장 대시보드를 자연어 질의로 바꿨습니다. 주간 보고는 코드가 지표를 계산·검증한 뒤 LLM이 문장만 쓰게 했습니다. 벤더 블로그 사례에 지표 페이로드 설계와 6주 실행안을 붙였습니다.
S&P 493: 빅테크 7곳을 빼면 AI 수익 효과는 아직 0이라는 Apollo 분석
Apollo의 Torsten Slok은 S&P 500에서 빅테크 7곳을 뺀 493곳의 1인당 매출과 이익률이 평평하고, 생산성 지표에도 AI 효과가 보이지 않는다고 분석했습니다. 우리 회사의 AI 성과를 사용 사례 수가 아니라 손익으로 재는 원장 구조와 4주 점검 일정을 붙였습니다.
Value Destruction: 나이키가 DTC·디지털 마케팅 전환으로 브랜드 가치를 잃은 과정
나이키에서 20년 넘게 마케팅을 맡았던 Massimo Giunco가 카테고리 조직 폐지, 도매 축소와 DTC 우선, 성과형 디지털 마케팅이라는 2020년의 세 결정이 재고 100억 달러, 총마진율 46%에서 43.5%로의 하락, 하루 시총 250억 달러 증발로 이어졌다고 분석한 글입니다. 데이터로 마케팅과 채널을 바꿀 때 둘 점검 장치를 덧붙였습니다.