성과지표 설정과 목표 정렬에 AI가 필수적인 이유

이제 격주로 보내드리는 Lemonbase Camp Biweekly(LbC Biweekly), 하이커 여러분께 어떻게 다가가고 있나요? 궁금하던 차에 "바이위클리로 변경되면서 더욱 심층적인 내용을 다루는 것 같아 만족스럽습니다"라는 피드백을 받아 크게 용기를 얻었습니다. 변화를 긍정적으로 지지해주시는 하이커 여러분 덕분에 '더 깊이 있는 분석과 해결책'을 다뤄나가겠다는 당초의 다짐을 다시 떠올려봅니다 🙌

지난호 LbC Biweekly에서는 기성 KPI(핵심성과지표)의 문제로 (1) 결과물에 미치는 영향이 아닌 업무량 측정에 그친다 (2) 주로 조직 내부에서 측정된 지표에 집중함으로써 '일을 늘리는 일'이 되고 만다 (3) 미리 정해진 지표를 추적하기 때문에 과거지향적이라는 세 가지 한계를 지적하고, 이러한 문제를 해결하기 위해 AI 활용 시도가 어떻게 이뤄지는지 사례를 통해 살펴보았습니다. 이번 LbC Biweekly에서는 개별 성과지표의 측정에만 매몰되지 않고 지표 간의 관계를 이해하고 정렬을 맞추는 것이 왜 중요한지, 이러한 과정에서 AI가 어떻게 활용되고 있는지를 함께 들여다보겠습니다.

AI를 통해 목표 정렬을 이루는 방법

성과와 관련된 정보와 지표의 공유는 기업의 데이터 분석 역량과 기술, 데이터 접근성에 따라 달라집니다.(링크) 기업의 규모가 크면 클수록 성과동인(drivers)과 지표의 수가 엄청나게 많아지기 때문에 AI를 통한 모델링과 분석 없이는 최적화가 불가능하고요.(링크) 언스트앤영(EY)은 "AI는 앞으로 KPI의 생성과 측정, 기업의 장기적인 가치 창출 방식을 더욱 효과적으로 입증할 수 있도록 지원하는 필수적인 도구가 될 것"(링크)이라고 내다봤습니다. MIT슬론매니지먼트리뷰는 "AI를 기반으로 미래지향적이고 상호 연결된 KPI를 통합하는 시스템을 구축해야 한다"고 강조합니다. 조사 결과, AI를 통해 KPI 공유가 활발해지면 기능 간 정렬이 개선될 가능성이 그렇지 않은 경우보다 5배 더 커지고, 민첩성(agility), 대응력은 3배 더 커지는 것으로 나타났습니다. AI를 통해서 눈에 보이는 것은 물론 보이지 않는 숨은 패턴까지도 찾아서 성과지표를 다루는 새로운 관점을 제시하고 성과동인 간의 상호의존성을 파악할 수 있게 되기 때문입니다.(링크)

다만 이렇게 KPI가 공유된 상태에서 KPI 간 관계를 통합적인 프로세스와 시스템 안에서 이해하지 못하고 개별 KPI의 측정과 평가에만 집중하게 되면, 해당 지표의 극대화에만 골몰하다 조직의 더 큰 목적에 상충하는 부작용이 발생할 수 있습니다. 책 <성과지표의 배신>에 따르면, 중대 범죄율이나 수술 성공률을 KPI로 설정해 이를 기준으로 평가할 경우 범죄의 경중을 왜곡하거나 실패할 가능성이 보이는 수술은 피하는 행동을 유발하는 등의 목적전치가 빈번하게 일어납니다. 가구, 인테리어 소품 등을 판매하는 독일 온라인 쇼핑몰 웨이페어의 예시를 더 들어보면, 특정 제품 및 서비스의 수익성을 KPI로 설정하고 이를 극대화하는 목표를 따라 수익성 개선을 위해 품질보증 비용을 축소한 경우 이것이 고객의 충성도와 장기적인 고객 가치에 악영향을 미치는 결과를 초래하기도 했습니다.(링크)

개별 KPI의 극대화에만 집중하는 또다른 부작용은 단기적이고 예측가능한, 즉각적인 결과로 시야가 좁아져 장기적인 투자는 뒷전이 되기 쉽다는 점입니다. 그 대표적인 희생양이 연구개발(R&D), 구성원의 학습개발(L&D) 등이지요.(링크) 이러한 부작용을 피하기 위해 '정렬(얼라인)'의 관점에서 KPI를 상호 일치, 연결, 조정하는 데 AI가 활용된 예시를 모아봤습니다.

전략과 운영 간 일치

목표관리의 목적은 '전략과 운영 간 일치'에 있습니다. 전략을 구체적인 활동, 책임으로 전환하는 것이 정렬의 목표일 것이고요.(링크) 이를 위해서는 우선 조직의 전략적 방향과 목표를 명확히 전달하는 것(링크)이 전제돼야 합니다. 목표와 성과지표가 제대로 공유되지 않으면, 관점의 불일치로 지표 간 충돌이 일어날 수 있습니다. 어떤 지표를 올리면 다른 지표가 내려가거나, 혹은 전체 목표 달성 관점에서 비교적 덜 중요한 일에 집중하게 되는 비효율이 발생하는 식이지요. 조직 상위의 재무 중심 관점과 하위의 활동 중심 관점, 사고 방식의 불일치는 흔히 볼 수 있는 일이고요.

이를 해소하기 위해 참고할 만한 예시로, 프랑스 제약사 사노피가 AI를 이용해 KPI 관련 데이터를 공유하고 조정하기 위해 마련한 플랫폼 'Plai'를 들 수 있습니다.(링크) 사노피의 1만명 임직원들은 Plai 앱에 접속해 KPI를 확인할 수 있음은 물론이고, 내부 데이터를 개인화된 인사이트로 전환하고 매출, 품질 등의 예측까지 가능합니다. 이를 통해 "관리자들이 계획을 더 효과적으로 조율할 수 있게 됐다"고 사노피 관계자는 전합니다.(링크)

또, KPI 정렬에 있어 AI 모델링 기반의 접근을 거치면, 직원 생산성, 고객 참여, 이익률, 시장점유율, 자산수익률 등 다양한 변수의 연관성을 밝혀 전략적 성과(strategic outcome)에 영향을 미칠 수 있는 동인(operational drivers)을 찾을 수 있습니다.(링크) 예를 들어, 전략적 성과는 매출, 이익 등이고, 성과동인은 가격, 소비자 리뷰, 웹사이트 트래픽 등입니다. 제너럴일렉트릭(GE) 헬스케어는 측정할 KPI를 설정하는 것이 아니라, 마케팅 지출 효과에 대한 데이터 분석을 통해 KPI를 추출하는 방식으로 정렬을 이뤄나가고 있습니다.(링크)

후행지표에 연결된 선행지표 도출

앞서 설명한 전략적 성과는 후행지표(결과지표), 성과동인은 선행지표(과정지표)로 바꿔 부를 수 있습니다. AI는 예측력이 높은 선행지표를 도출하는 데 효과적인 도구입니다. 예를 들어, 신용평가회사 익스페리안은 AI를 통해 고객전환율이란 선행지표를, 신용보고서 열람 빈도, 활용 기능 등을 통합한 고객참여점수로 교체했습니다.(링크) 이에 따라 단순히 거래액이나 주문 수를 측정하는 것이 아니라, 참여점수에 담긴 고객의 의도를 이해하고 기능 개발 우선순위 결정에 활용할 수 있게 되었습니다. 또, GE는 파이프라인 전체에서 나오는 주문량, 생산량 등의 지표를 AI를 통해 종합 분석함으로써 주문과 생산의 연결성을 이전보다 더욱 강화했습니다.(링크)

부서 간 상충하는 KPI 조정

부서별 KPI를 조정하고 협업을 촉진하는 데도 AI 분석이 쓰입니다. 프랑스 주류기업 페르노리카는 재무부서 KPI인 수익과 영업・마케팅부서의 KPI인 시장점유율을 AI를 통해 유기적으로 관리할 수 있게 됐습니다. 미디어 광고 등 마케팅 지출의 변화가 시장점유율과 수익성에 미치는 영향을 AI로 동시에 평가할 수 있게 되면서, 각각의 KPI를 극대화하느라 이해관계자들이 서로 갈등 상황에 놓이거나 더 큰 목적이나 장기적인 가치를 희생하지 않고도 둘을 연계해 최적화하는 데 주력할 수 있는 것이지요. 즉 시장점유율과 수익성 목표 간 균형을 맞춰 자원을 배분하는 방식으로 혁신이 이뤄졌다는 평가입니다.(링크) 또, AI 모델링을 통해 변수 간 영향을 미치는 시차가 있는 경우(링크)나 가격 변동 등 다른 변수의 영향력을 제거하는 것도 보다 용이해졌습니다.(링크)

싱가포르 DBS 은행은 다른 방식으로 접근했습니다. DBS 은행은 고객 여정에 놓여 있는 여러 동인과 측정 지표를 AI를 통해 분석한 결과, 고객경험, 직원경험, 수익성, 위험성 등 네 가지 범주로 전략적 성과를 최적화하는 목표를 수립했습니다. 이에 따라 각각의 목표를 책임지는 목적 조직(스쿼드)을 구성해 지표를 도출하고, 이를 지속 검토하도록 하는 방향으로 목표관리에 AI를 활용하고 있습니다.(링크)

이처럼 전략과 일치하는지, 후행지표(결과지표)와 연결되는지, 부서 간 조정이 필요한지를 점검하다 보면, 측정할 수 있는 것을 측정하는 것이 아니라 측정해야 할 것, 즉 중요한 것을 측정할 수 있게 됩니다. 이제 AI를 통해 조직에서 관리해야 할 지표를 찾고 이를 측정하는 여정을 시작해야 할 때입니다.