기술 해설자 말고 자본 배분자가 되어라 — 예일대 소넨펠드 교수가 CEO에게 던진 AI 경고

기사 제공처 : 아이티인사이트 / 등록기자: 최시훈 [기자에게 문의하기] /

해당 기사에 관련하여 문의하기에 남겨주시면 "최시훈"기자에게 전송됩니다

이름

연락처

- -

이메일

기술 이해보다 사업 통합 판단이 수익률을 가른다

예일 경영대학원(Yale School of Management)의 제프리 소넨펠드(Jeffrey Sonnenfeld) 교수는 2026년 10월 19일 'CHIEF EXECUTIVE: Watch Out For AI Ed' 칼럼을 통해 최고경영자(CEO)가 인공지능(AI)의 세부 기술보다 '실용적인 통합 사용'을 우선해야 한다고 강조했다. 이 주장은 AI를 얼마나 잘 설명하느냐가 아니라, 매출·비용·위험 관리 체계에 얼마나 정확히 연결하느냐가 기업 경쟁력을 가른다는 경영 메시지다. 기업 회의실에서 AI를 논의하는 방식이 기술 세미나 수준에 머물러서는 안 된다는 경고이기도 하다.

소넨펠드 교수의 문제 제기는 한국 기업에도 곧바로 적용된다. AI 투자는 서버와 소프트웨어 구매로 끝나지 않는다.

고객 응대, 재고 예측, 연구개발, 내부 감사, 마케팅 집행 같은 일상 업무의 의사결정 경로를 바꾸는 작업이다. 최고정보책임자(CIO)나 최고기술책임자(CTO)에게만 맡긴 기업은 기술 도입에는 성공해도 손익계산서에 남는 변화는 만들기 어렵다.

소넨펠드 교수의 핵심 경고는 기술 지식 자체가 불필요하다는 뜻이 아니다. 그는 CEO가 알고리즘(algorithm)이나 코드의 세부 구조에 과도하게 매달리면 오히려 건전한 판단을 흐릴 수 있다고 봤다.

기업 리더의 역할은 모델 구조를 해설하는 데 있지 않다. 어떤 업무에 AI를 넣어야 비용을 줄이고, 어느 지점에서는 책임 소재와 평판 위험 때문에 사람의 판단을 남겨야 하는지를 결정하는 데 있다. 본지 분석으로는 이 관점이 특히 투자 우선순위 결정에서 의미를 갖는다.

2026년 현재 기업의 AI 예산은 실험용 챗봇, 업무 자동화 도구, 데이터 인프라, 보안 체계, 인력 재교육으로 빠르게 갈라지는 양상이다. 같은 돈을 쓰더라도 CEO가 사업 목표를 먼저 정한 뒤 기술을 붙이는 회사와, 기술 부서가 가능한 기능을 나열한 뒤 현업이 따라가는 회사의 결과는 다를 수밖에 없다.

전자는 수익성과 책임 구조를 함께 설계하지만, 후자는 사용률 낮은 도구와 중복 계약을 남길 위험이 크다. 기업 전략의 관점에서 '실용적 통합'은 세 가지 질문으로 좁혀진다.

첫째, AI가 직접 건드릴 핵심성과지표(KPI)가 무엇인지 명확해야 한다. 둘째, 해당 업무의 데이터 품질과 권한 체계를 CEO 수준에서 점검해야 한다.

셋째, 실패했을 때 누가 의사결정을 중단하고 수정할 권한을 갖는지 정해야 한다. 이 세 항목이 비어 있으면 AI 도입은 비용 항목으로만 남는다.

한국 기업의 현실을 보더라도 이 논점은 가볍지 않다. 제조사는 불량 예측과 설비 유지보수에 AI를 붙이려 하고, 금융사는 상담·심사·이상거래 탐지에 AI를 넣으려 한다.

플랫폼 기업은 추천과 광고 효율을 높이려 하고, 유통사는 수요 예측과 가격 조정을 자동화하려 한다. 본지 분석으로는 이 모든 영역에서 기술 성능보다 더 큰 변수는 부서 간 권한 조정과 현업 프로세스 재설계다.

AI 도입은 IT 프로젝트가 아니라 운영 모델 재설계다

소넨펠드 교수가 윤리, 사회적 영향, 책임 있는 거버넌스(governance)를 함께 언급한 대목도 단순한 원칙론으로 넘기기 어렵다. AI가 채용, 신용평가, 고객 응대, 의료·법률 보조처럼 민감한 영역에 들어가면 잘못된 판단의 비용은 곧바로 기업 평판과 규제 부담으로 이어진다. 특히 생성형 인공지능(generative AI)은 그럴듯한 답을 내놓지만, 답의 근거와 책임 주체를 항상 명확히 드러내지는 않는다.

그래서 CEO의 과제는 'AI를 더 많이 쓰는 것'이 아니라 '어디까지 쓰고 어디서 멈출지'를 제도화하는 일이다. 시장 영향도 여기서 갈린다. AI 솔루션 공급사는 더 이상 기능 목록만으로 대기업 예산을 설득하기 어렵다.

고객사가 묻는 질문은 모델 크기나 기술 용어가 아니라 업무 시간 단축, 오류 감소, 고객 이탈 방지, 감사 대응 가능성으로 이동했다.

이 변화는 기업용 소프트웨어 시장의 영업 구조에도 영향을 미친다. 공급사는 데모 화면보다 산업별 업무 흐름과 내부통제 체계를 설명해야 계약 문턱을 넘을 수 있다. 투자자에게도 같은 원리가 적용된다.

AI라는 단어를 사업보고서에 넣은 기업보다, 어떤 비용 항목을 AI로 줄였고 어떤 매출 경로를 새로 열었는지 설명하는 기업이 더 높은 평가를 받을 가능성이 크다. 원천 자료는 특정 기업의 주가나 실적 수치를 제시하지 않았으므로, 개별 종목의 수익률을 단정할 근거는 현재까지 확인되지 않았다.

다만 본지 분석으로는 산업적 기준이 분명하다. AI 지출을 연구개발비로만 처리하는 기업보다, 운영 효율과 위험 관리 지표로 연결하는 기업이 자본시장에서 설득력을 갖는다. 반대 의견도 있다.

CEO가 기술을 충분히 모르면 과장된 벤더 제안에 끌려가거나, 내부 기술 조직의 경고를 제대로 해석하지 못할 수 있다는 지적이다. 이 우려는 타당하다.

그러나 소넨펠드 교수의 주장은 CEO가 기술을 몰라도 된다는 면허가 아니다. 기술 세부를 직접 수행하는 능력과 기술을 사업 판단으로 번역하는 능력은 다르며, 기업의 최고 의사결정자는 후자를 갖춰야 한다는 뜻에 가깝다.

오히려 CEO가 코딩 지식 경쟁에 들어가는 순간 더 큰 문제가 생긴다. 조직은 최고경영자의 관심을 맞추기 위해 실제 사업 효과보다 기술 과시형 프로젝트를 앞세울 수 있다. 데이터 정비, 법무 검토, 고객 응대 매뉴얼 수정처럼 지루하지만 필수적인 작업은 뒤로 밀린다.

이때 AI 프로젝트는 '미래 투자'라는 이름을 달고도 내부 비용을 키우는 구조가 된다.

거버넌스 없는 자동화는 투자 리스크로 돌아온다

이 논의는 한국 IT 산업 생태계에도 부담과 기회를 동시에 만든다. 시스템통합(SI) 기업, 클라우드(cloud) 사업자, 보안 업체, 컨설팅 회사는 고객사의 AI 전환을 돕겠다고 말하지만, 앞으로는 모델 공급만으로 충분하지 않다.

업종별 규제, 데이터 접근권, 내부 승인 절차, 성과 측정 방식을 함께 설계해야 한다. 본지 분석으로는 AI 시장의 다음 경쟁력은 모델 자체보다 '조직에 안착시키는 역량'에서 나올 가능성이 크다.

중소기업에는 더 현실적인 문제가 남는다. 대기업처럼 전담 AI 조직과 법무·보안 인력을 갖추기 어렵기 때문이다. 그렇다고 CEO가 AI를 외면하면 공급망, 고객 서비스, 문서 처리, 영업 분석에서 경쟁사와의 생산성 격차가 벌어질 수 있다.

중소기업 CEO가 먼저 해야 할 일은 거창한 자체 모델 개발이 아니라 반복 업무 1개를 골라 데이터 흐름과 책임자를 정하는 것이다. 작게 시작하되, 처음부터 통제 장치를 포함해야 한다. 소넨펠드 교수의 메시지는 AI 시대 경영자의 역할을 다시 정의한다.

CEO는 기술 해설자가 아니라 자본 배분자이며, 조직 설계자이고, 위험의 최종 관리자다. AI가 기업의 성장 도구가 되려면 최고경영자가 현업 목표와 기술 투자를 같은 문장 안에서 다뤄야 한다. 기술을 아는 CEO보다 더 필요한 인물은 기술을 사업 성과와 책임 구조로 묶어내는 CEO다.

한국 기업은 AI를 전산실의 과제로 남겨둘 것인가, 아니면 이사회와 최고경영진의 투자 언어로 바꿀 것인가. ※ 이 기사는 예일 경영대학원(Yale School of Management) 제프리 소넨펠드(Jeffrey Sonnenfeld) 교수가 Chief Executive Leadership Institute를 통해 2026년 10월 19일 발행한 칼럼 'CHIEF EXECUTIVE: Watch Out For AI Ed'를 참조해 작성했다.

원천 자료에 없는 산업적 해석과 한국 기업 적용 부분은 본지 분석으로 구분해 서술했다.

FAQ

Q. CEO가 AI 기술을 어느 수준까지 이해해야 하는가

A. CEO는 인공지능(AI)의 수학적 구조나 코드를 직접 다룰 수준까지 익힐 필요는 없다. 다만 AI가 어떤 데이터를 쓰고, 어떤 업무 결정을 자동화하며, 오류가 발생했을 때 어떤 피해가 생기는지는 파악해야 한다. 소넨펠드 교수도 기술 지식보다 실용적 통합 판단을 강조했으며, 이는 모델 원리 강의보다 사업 사례·위험 관리·성과 측정 훈련에 더 많은 시간을 배정하는 방향이 합리적임을 시사한다. 기술 세부를 직접 수행하는 능력과 기술을 사업 판단으로 번역하는 능력은 구별되어야 하며, 최고경영자에게 필요한 것은 후자다.

Q. 기업이 AI 투자를 시작할 때 가장 먼저 정해야 할 기준은 무엇인가

A. 첫 기준은 도입 목적이다. 비용 절감, 매출 확대, 품질 개선, 내부통제 강화 가운데 무엇을 달성할지 정하지 않으면 AI 프로젝트는 기능 실험으로 흐르기 쉽다. 두 번째 기준은 데이터 책임이다. 어떤 부서가 데이터를 제공하고, 누가 결과를 검토하며, 오류를 발견했을 때 어느 단계에서 중단할지를 사전에 문서화해야 한다. 이 기준을 공급사와의 계약 이전에 확립해야 투자 효과를 검증할 수 있다.

Q. 한국 기업의 AI 전략에서 가장 큰 위험은 무엇인가

A. 가장 큰 위험은 AI를 기술 구매로만 보는 관성이다. 솔루션을 도입해도 업무 절차와 권한 구조를 바꾸지 않으면 직원들은 기존 방식으로 돌아가고, 비용은 구독료와 유지비로만 남는다. 윤리와 거버넌스(governance)를 뒤로 미루는 태도도 위험하다. 고객 정보, 채용 판단, 금융 심사처럼 민감한 영역에서는 초기 설계가 늦을수록 규제와 평판 비용이 커지며, 이는 소넨펠드 교수가 책임 있는 거버넌스 프레임워크 구축의 중요성을 강조한 이유와 직결된다.

▶ 법률 고민이 있다면 → 김연순법률노트 무료상담 바로가기