성과지표도 'AI 혁신(AX)'이 필요한 이유
5월초 연휴를 지나 오랜만입니다. 혹시 변화를 눈치채셨나요? 레몬베이스가 보내드리는 뉴스레터 Lemonbase Camp Weekly가 발행된 지 3년여 만에, 121호부터는 Biweekly로 새롭게 선보입니다. 매주 수요일 아침이 아닌 격주에 한 번 찾아뵙게 되는 만큼, 실제로 일터에서 겪는 문제를 중심으로 보다 더 깊이 있는 분석과 해결책을 다뤄보겠다는 다짐을 전하며 오늘의 레터를 시작해보겠습니다.
LbC Biweekly에서 처음으로 다루게 될 문제는 '성과지표'입니다. 기성의 KPI(핵심성과지표)가 진행상황 추적, 인력 및 프로세스 조정, 자원 배분의 우선순위 결정, 책임 강화 등의 본래 목적 달성에 실패하고 있다는 문제 의식은 꽤 오래, 널리 퍼져 있는데요. 최근 들어 "현재의 KPI 설정・검토 관행이 시대에 뒤떨어져 있기 때문"이라는 진단과 함께 이를 개선하기 위해 AI 알고리즘을 활용하는 사례가 늘고 있습니다.(링크) 미국 매사추세츠공과대(MIT) 슬론경영대학원이 발행하는 MIT슬론매니지먼트리뷰와 BCG가 공동으로 진행한 3,000명 이상의 관리자 대상 설문조사 결과, 응답자의 60%가 'KPI 개선이 필요하다'고 밝혔습니다. 또다른 조사에서는 AI의 영향력이 커짐에 따라 업무 완료율, 근무시간 등 전통적인 생산성 지표 대신 구성원의 성과를 측정할 새로운 지표를 모색하는 것이 조직의 성공에 중요하다고 응답한 비율이 75%에 달했습니다.(링크) 이에 따라 이번 LbC Biweekly는 KPI와 관련해 개선이 필요한 문제는 구체적으로 무엇이며, 문제 해결을 위해 AI를 활용한 시도는 어떻게 이뤄지고 있는지를 함께 살펴보겠습니다.
AI를 통해 개선할 수 있는 성과지표의 문제
성과지표를 설정하고 검토하는 다양한 방법론의 중심에는 숫자 자체가 아닌 질문이 있습니다. '우리는 문제를 해결하고 있는가?' '상황을 개선하고 있는가?' '가치를 창출하고 있는가?'와 같은 질문을 던지면서(링크) 목표에 얼마나 가까이 다가가고 있는지 진행상황을 추적하는 데 그 목적이 있는 것인데, 최근 지적되는 KPI의 효용과 개선 필요성은 곧 KPI를 달성하기 위한 실제 업무가 이러한 질문에 대한 답으로 연결되지 못하는 상황에 기인하는 것이지요. 이에 대한 의문을 구체화하는 과정에서 언급되는 '업무에서 측정되지 않는 중요한 부분이 남아 있지는 않은가?' '일부 지표가 잘못된 행동을 조장하고 있지는 않은가?'와 같은 질문 역시 KPI가 실제 의도한 대로 작동하고 있는지를 점검하는 목적을 띄고 있습니다.(링크) 이 질문들에 답을 찾아가는 과정에 AI를 활용한 사례를 살펴보면서 경영진의 경험과 직관에만 의존하는 것이 아니라 데이터를 기반으로 KPI를 설정하고 추적함으로써 성과지표의 본래 목적을 회복하고 궁극적으로 성과를 개선하는 방법에 대한 힌트를 얻을 수 있을 것입니다.
☹️ 업무량 측정에 그친다
전략과 실행의 연계에 대한 깊은 고민 없이 개별 KPI 관리에만 매몰되면 자칫 정량화하기 쉬운 지표를 설정하고 추적하며 각자에게 할당된 업무량만을 측정하는 데 그치기 쉽습니다.(링크) 문제는 이 경우 의도하지 않은 행동을 조장할 가능성이 있다는 것입니다. 예를 들어, 부킹홀딩스가 운영하는 여행플랫폼 아고다는 고객이 여행 상품을 검색하고 구매하는 웹사이트 및 모바일 앱을 지속적으로 개선하기 위해 매분기마다 실행하는 실험(A/B테스트) 횟수를 KPI로 정했습니다.(링크) 각 실험의 결과가 유의미하더라도 실험 횟수가 너무 적으면 원하는 속도로 성장할 수 없다는 경험을 토대로 설정한 KPI입니다. 하지만 '웹사이트/앱 방문을 여행상품 구매로 전환하는 비율'이란 목표와의 연관성이 KPI 측정에 포함되지 않았기 때문에 단순히 실험 횟수를 늘리려는 시도가 부작용으로 나타났습니다. 고객 획득을 위한 아웃바운드 세일즈 콜도 마찬가지입니다. 단순히 전화 통화 횟수만을 측정해서는 무엇이 실제 고객 전환에 영향을 미치는 요소인지를 파악하기 어렵습니다.(링크)
이러한 고충을 해결하기 위해 전략적 목표로 삼은 결과물(strategic outcome)을 얻는 데 영향을 미치는 변수를 찾는 것에 AI를 활용할 수 있습니다.(링크) 주요 성과 매개변수를 AI로 검토해 성과를 좌우하는 요인을 더 깊이 이해하고, 조직에 가장 큰 가치를 제공하는 KPI를 파악해 우선순위 결정에 도움을 주는 방식입니다.(링크) 인도네시아 최대 전자상거래 기업인 토코피디아는 페타바이트에 달하는 빅데이터를 분석해 플랫폼 내 거래건수, 거래액 증가라는 회사의 목표를 달성하기 위해 가장 크게 영향을 미치는 요소로 '입주기업 품질'이라는 KPI를 도출했습니다. 토코피디아는 이 KPI를 추적하면서 각 입주기업의 주문이행률, 판매 상품 수 등을 통합한 신뢰도를 수치화해 구매자와 판매자의 연결을 강화하고, 각 가맹점에 운영 개선을 위한 인사이트를 제공하는 데 활용할 수 있게 됐습니다.
😓 고객에게 가치를 제공하는 외부 지표가 아닌 내부 지표에 집중한다
KPI의 또다른 약점 중 하나로, KPI가 주로 조직 내부에서 측정된 지표에 기반(링크)하기 때문에 고객에게 전달되는 가치(외부 지표)를 키우고 성과를 개선하는 것이 아니라 단지 '더 많은 일을 만들어내는 일'이 될 수 있다는 점이 지적됩니다.(링크) 글로벌 해운사 머스크가 AI를 통해 KPI를 개선한 사례를 살펴보겠습니다.(링크) 선박과 트럭에 물품을 적재하고 하역하는 속도를 KPI로 삼는 경우, 자칫 속도가 곧 평가 기준이 됨으로써 고객만족도(외부 지표)와는 무관하게 더 빠르게 많은 일을 하는 것만을 유도하는 결과를 초래할 수 있습니다. AI 분석 결과에서도 실제로는 속도보다 안정적인 배송을 위해 환적 지점과 운송수단 연결을 최적화하는 것이 고객만족도에 더 큰 영향을 미치는 중요한 변수로 드러났습니다. 적재 장비에 빠르게 화물을 싣고 내리는 데 집중하는 것보다 운송을 예정대로 시작할 수 있도록 장비를 덜 사용하면서 여러 운송수단 간 연결 지점에서 병목 현상을 사전에 방지할 수 있는 프로세스를 개선함으로써 고객만족도를 향상시킬 수 있기 때문입니다.
🤔 미리 정해진 지표를 추적하기 때문에 과거지향적이다
경영진이 미리 정한 지표를 추적하는 것(링크)만으로는 목표 달성에 필요한 행동의 변화를 촉진하기에 역부족일 수 있습니다. AI가 현재 KPI 생성 및 추적에 활용되고 있는 예시의 상당수가 머신러닝을 활용한 예측 분석에 있는 것(링크)도 이러한 기성 KPI의 한계를 보완하기 위한 노력으로 이해할 수 있습니다. AI를 활용해 조정된 KPI가 미래 성과 예측에 3.37배 더 효과적이라고 조사 결과 밝혀지기도 했습니다.(링크) 미국 CBS 방송은 50년간 활용된 KPI, 소비자 조사 데이터를 분석해 파일럿 프로그램의 성공을 예측하는 KPI를 찾았습니다.(링크) MIT슬론매니지먼트리뷰에 따르면 제너럴일렉트릭(GE), 제너럴모터스(GM), 월마트, 싱가포르 DBS 은행 등의 기업들도 이미 예측력이 높은 성과지표를 찾기 위해 AI를 활용하고 있습니다.
🍋 LbC Biweekly는 성과・몰입관리 서비스 레몬베이스의 지식과 노하우를 모아둔 '레몬베이스 캠프'에서 최신의 이슈와 트렌드만 선별하여 보내드립니다.
