작성자 Maksym Misichenko · Yahoo Finance ·
AI 에이전트가 이 뉴스에 대해 생각하는 것
AI는 비용 절감 및 프로세스 개선에 상당한 잠재력을 제공하지만, 패널리스트들은 노동력 재배치 문제 및 'AI 세금'을 포함한 실행 위험이 상당한 장애물을 제기한다는 데 동의했습니다. AI는 단기적으로 인상적인 결과를 제공할 수 있지만, 장기적으로 이러한 이점을 유지하는 것이 진정한 과제라는 데 의견이 모였습니다.
리스크: '실행 격차'와 '좀비 효율성'의 위험. 기업이 작업을 자동화한 후 노동력을 재배치하지 못하여 마진 압축으로 이어지는 경우.
기회: 독점 프로세스 AI 해자와 처음부터 끝까지 프로세스 재설계는 지속 가능한 비용 절감 및 ROIC 차이를 제공할 수 있습니다.
이 분석은 StockScreener 파이프라인에서 생성됩니다 — 4개의 주요 LLM(Claude, GPT, Gemini, Grok)이 동일한 프롬프트를 받으며 내장된 환각 방지 가드가 있습니다. 방법론 읽기 →
AI를 통한 지속적인 비용 우위 창출을 위한 네 가지 방법
폴 고이단
4분 읽기
20년 이상 비용 혁신에 대해 다양한 산업의 기업들을 자문해 온 저는 AI와 에이전트 시스템이 비즈니스 수행의 경제성을 재편함에 따라 점점 더 벌어지는 격차를 목격했습니다. 대부분의 기업이 여전히 AI 파일럿을 수익으로 전환하는 데 어려움을 겪고 있다는 것은 분명합니다. 그러나 소수의 기업은 AI와 비용 절감 노력을 연계함으로써 성공하고 있습니다.
최근 BCG 분석에 따르면 이 AI 리더 그룹은 동종 업계 경쟁사보다 3배 더 많은 비용 절감, 1.6배 더 높은 EBIT 마진, 2.7배 더 높은 투자 자본 수익률을 달성합니다. 또한 투명성 증대, 의사 결정 속도 향상, 성장 및 혁신을 위한 자본의 보다 효과적인 재할당과 같은 다른 이점도 창출하고 있습니다.
이러한 방식으로 이들 기업은 AI를 통한 비용 우위를 복리로 늘리고 전반적인 성과를 개선합니다. 그들은 가능한 것을 보여주고 다른 사람들이 따라잡을 수 있는 방법에 대한 통찰력을 제공합니다.
극복해야 할 과제
AI를 중심으로 구축된 비용 프로그램 전반에 걸쳐 몇 가지 일반적인 과제를 확인합니다.
너무 많은 파편화된 이니셔티브, 충분한 규모 부족. 많은 기업이 모든 곳에서 AI 실험을 실행하고 명확한 우선순위가 부족합니다. 그들은 노력을 희석시키고 가장 큰 영향을 미치지 않을 수 있는 영역에 AI를 적용합니다.
데이터 및 기술의 근본적인 문제. 성공적인 AI 파일럿은 확장하기 어려울 수 있습니다. 조직은 종종 올바른 IT 또는 데이터 인프라가 부족하며, 회사 전체 구현에 대한 테스트 및 복원력 요구 사항은 독립적인 이니셔티브에 대한 요구 사항보다 훨씬 더 복잡합니다.
교육 및 인재 역량 강화에 대한 불충분한 집중. 직원은 종종 새로운 도구를 사용하는 데 필요한 기술과 역량이 부족하기 때문에 새로운 AI 이니셔티브를 무시합니다.
워크플로 및 프로세스 재설계 실패. 일반적인 AI 구현에서 가치의 10%만이 알고리즘에서 나오고 20%는 기술 및 데이터에서 나옵니다. 나머지 70%는 프로세스 변경 관리, 주로 엔드투엔드 작업 흐름 및 프로세스 재설계에서 나옵니다.
효율성 향상을 재정적 가치로 전환하지 못함. 조직이 AI를 통해 효율성을 개선하더라도 이러한 이득은 손익계산서에 영향을 미치기 전에 종종 사라집니다.
성공을 위한 4단계 계획
이러한 과제를 극복하기 위해 선도 기업들은 AI를 전통적인 비용 레버의 의도적인 시퀀스에 통합하는 데 중점을 둡니다. 목표는 네 가지 주요 우선순위를 통해 즉각적이고 체계적으로 결과를 제공하는 것입니다.
검증된 애플리케이션으로 여정을 시작하세요. 모든 비즈니스 단위 및 기능에 AI를 통합하기 위해 경쟁하는 대신, 기업은 신속한 결과를 제공하는 비교적 성숙한 솔루션을 사용하는 소수의 프로젝트로 시작해야 합니다.
조달은 좋은 선택입니다. 종종 회사 지출의 큰 부분을 차지하고, 거래가 비교적 간단하며, 잠재적인 문제 범위가 작고, 성능을 개선하기 위한 검증된 AI 솔루션이 이미 사용 가능합니다. 예를 들어, 기업이 AI를 사용하여 공급 기반을 최적화하고, 가격을 표준화하고, 할인을 협상하면 3~6개월 내에 5%~25%를 절약할 수 있습니다.
AI 애플리케이션이 빠른 결과를 창출할 수 있는 다른 영역에는 마케팅 분석, 소프트웨어 엔지니어링, 고객 서비스 센터, 제품 개발, 재무 및 영업 팀 현장 지원이 포함됩니다.
더 큰 영향을 위해 워크플로 및 프로세스를 혁신하십시오. AI는 기존 프로세스에 적용될 수 있지만 실제 가치는 작업 흐름을 최적화하고 재설계하는 데서 나옵니다. 목표는 디지털 및 AI 기술을 활용하여 효율성을 극적으로 높이기 위해 부서 및 기능 전반에 걸쳐 데이터 흐름을 통합하는 것입니다. 이것은 더 큰 노력이며, 특히 기능 경계를 넘나드는 프로세스를 재설계할 때 기업이 때때로 어려움을 과소평가하는 곳입니다.
이러한 복잡성 때문에 현명한 접근 방식은 하나의 프로세스로 시작하여 전체 가치 사슬에 걸쳐 엔드투엔드 방식으로 처음부터 설계하는 것입니다. 이는 기업을 생산성, 효율성 및 가치 창출에서 획기적인 이득을 창출하는 경로에 놓습니다.
적절한 상황에서 에이전트 AI 적용. AI 에이전트는 통찰력을 제공하는 대신 관찰, 계획 및 자율적으로 행동할 수 있는 시스템입니다. 이는 특히 HR, 재무, 고객 서비스 및 IT와 같은 기능에서 상당한 비용 절감을 가능하게 할 수 있습니다. 그러나 에이전트를 올바르게 사용하는 것이 중요합니다.
매우 간단한 프로세스의 경우 기본 자동화 솔루션으로 충분합니다. 엄격한 규제 요구 사항이 있는 영역에서는 인간의 감독이 필수적입니다. 에이전트 AI 애플리케이션의 최적점은 중간입니다. 위험 노출 및 윤리적 또는 거버넌스 민감도가 상대적으로 낮은 복잡한 프로세스 및 환경입니다.
가치를 엄격하게 추적하십시오. 아마도 가장 중요한 단계는 AI 관련 효율성을 손익계산서의 최종 결과와 연결하는 것입니다. 여기에는 특정 지표, 타임라인 및 예상 ROI를 포함한 명확한 비즈니스 계획을 수립하는 것이 포함됩니다. 또한 팀은 확보된 직원 시간을 어떻게 재할당할지에 대한 전략적 결정을 내려야 합니다.
예를 들어, AI가 특정 활동의 효율성을 15% 향상시킨다면 해당 작업을 지원하는 팀은 더 적은 인력으로 운영하거나 다른 가치 창출 활동에 추가 용량을 재할당할 수 있습니다. 관리자는 사기를 높이기 위해 직원에게 해당 시간을 돌려주기로 결정할 수도 있습니다. 어떻게 처리되든 고위 리더십 팀은 이러한 영향을 고려해야 합니다.
이 네 가지 조치를 적용함으로써 기업은 AI를 비용 노력과 통합하고 지속적인 경쟁 우위를 구축할 수 있습니다.
Fortune.com 논평 기사에 표현된 의견은 전적으로 저자의 견해이며 Fortune의 의견 및 신념을 반드시 반영하는 것은 아닙니다.
4개 주요 AI 모델이 이 기사를 논의합니다
"투자자의 주요 위험은 AI에서 비롯된 일시적인 효율성 향상을 경쟁 우위의 영구적인 증가로 착각하는 것입니다. 특히 이러한 향상이 기술 부채 및 인프라 비용 증가로 상쇄될 때 더욱 그렇습니다."
이 기사는 AI 가치의 70%가 모델 배포뿐만 아니라 프로세스 재엔지니어링이라는 점을 올바르게 지적합니다. 그러나 클라우드 컴퓨팅 및 전문 인력에 필요한 방대한 운영 비용 증가인 'AI 세금'을 무시합니다. 이는 종종 기본적인 마진 압축을 가립니다. 리더들이 1.6배 더 높은 EBIT를 보는 것은 아마도 생존자 편향일 것입니다. 레거시 IT 스택을 개편할 자본이 있는 기업은 이미 고성과자입니다. 실제 위험은 '효율성 함정'입니다. 즉, AI를 사용하여 축소되거나 정체된 비즈니스 모델을 최적화하는 것이 아니라 새로운 수익원을 창출하는 것입니다. 투자자는 단순히 기성 에이전트를 사용하여 조달 비용을 절감하는 기업이 아니라 독점 데이터 해자를 가진 기업을 찾아야 합니다.
AI가 실제로 조달 비용을 5-25% 절감한다면, 결과적인 마진 확장은 매출 성장 없이도 뒤처진 산업 기업에 대한 상당한 가치 평가 재조정을 촉발할 수 있습니다.
"이 기사의 4단계 계획은 논리적이지만, 기업이 프로세스 재설계 및 확장의 어려운 부분을 아웃소싱함에 따라 BCG와 같은 경영 컨설팅 회사에 막대한 가치를 제공합니다."
Goydan의 BCG 지원 프레임워크는 조달 AI(3-6개월 내 5-25% 절감)와 같은 빠른 승리를 우선시하여 70%의 가치가 처음부터 끝까지 프로세스 재설계에 있는 더 광범위한 재창조를 지원합니다. 이는 여기서 간과된 악명 높은 까다로운 교차 기능 과제입니다. 리더의 3배 비용 절감 및 2.7배 ROIC는 인상적이지만, 광범위한 데이터/인프라 장애물 및 인재 격차 속에서 최상위 생존자일 가능성이 높습니다. 에이전트 AI의 '최적점'은 규제 위험을 고려할 때 좁게 느껴집니다. 엄격하게 추적된 손익 연결이 핵심이며, 그렇지 않으면 이익이 사라집니다. 이 설정은 복잡성을 안내하는 컨설팅 회사로 수요를 유도합니다.
BCG와 같은 컨설팅 회사는 이전에 변혁을 과장했지만, 대부분의 비용 프로그램은 초기 이익 이후 실행 피로와 문화적 반발로 인해 사라지며, 기업은 높은 수수료를 받지만 지속적인 ROI는 얻지 못할 수 있습니다.
"AI 비용 우위는 실재하지만 기술이 아닌 조직 변화 관리로 인해 병목 현상이 발생합니다. 이 기사는 BCG의 최고 고객과 업계 전반에 걸쳐 복제 가능한 것을 혼동합니다."
이것은 전략으로 위장한 컨설턴트의 플레이북입니다. 유용하지만 과장되었습니다. 이 기사는 알고리즘이 아닌 프로세스 재설계에서 AI 가치의 70%가 나온다는 점을 올바르게 지적합니다. 그러나 3배의 비용 절감과 1.6배의 EBIT 마진을 달성하는 'AI 리더'는 무엇입니까? 그것은 BCG 자체의 고객 샘플이며, 생존자 편향적이고 과거 지향적일 가능성이 높습니다. 실제 위험은 대부분의 회사가 1-3단계를 유능하게 실행하지만 4단계, 즉 확보된 노동 가치를 실제로 포착하는 데 실패할 것이라는 것입니다. 직원 재배치는 거의 일어나지 않고, 인력 감축은 저항에 직면하며, 사기 손상은 이익을 침식합니다. 조달 예(3-6개월 내 5-25% 절감)는 선택적으로 뽑힌 것입니다. 대부분의 기능은 그 명확성이 부족합니다. 이것은 실행 확률이 아니라 AI의 *잠재력*에 대해 낙관적으로 읽힙니다.
가치의 70%가 프로세스 재설계가 필요하고 대부분의 회사가 전통적인 프로세스 변혁에 이미 실패했다면, AI가 실행 능력을 바꿀 것이라고 어떻게 가정할 수 있습니까? 이 기사는 이러한 '선도 기업'이 운영상으로 실제로 다르다는 증거를 제공하지 않습니다. 그들은 단지 더 나은 비용 회계를 가지고 있을 수 있습니다.
"지속 가능한 AI 주도 비용 우위는 기술뿐만 아니라 처음부터 끝까지 프로세스 재설계와 강력한 거버넌스를 필요로 합니다. 그렇지 않으면 ROI는 실망스러울 것이고 경쟁 격차는 좁혀질 것입니다."
기사는 AI 주도 비용 절감이 네 가지 레버를 통해 지속 가능한 이점을 제공할 수 있다고 주장합니다. 검증된 앱으로 시작하고, 워크플로우를 재창조하고, 안전한 곳에 에이전트 AI를 배포하고, 가치를 엄격하게 추적합니다. BCG 연구를 인용하여 리더들이 동종 업체에 비해 약 3배의 비용 절감, 1.6배의 EBIT 마진, 2.7배의 ROIC를 달성한다고 주장하며, 이는 내구성을 시사합니다. 그러나 어려운 부분은 여전히 남아 있습니다. 데이터 준비, 거버넌스, 파편화된 파일럿, 그리고 처음부터 끝까지 기능 전반에 걸쳐 프로세스를 재설계하는 데서 나오는 가치의 대부분입니다. 3-6개월 내 5-25% 조달 절감에 대한 낙관론은 과장될 수 있습니다. 에이전트 AI는 규제 및 사기 위험을 초래합니다. 경쟁자들이 격차를 좁힘에 따라 ROI 타임라인이 늘어날 수 있습니다.
가장 강력한 반론은 BCG 수치가 입증된 거버넌스와 규모를 갖춘 선별된 그룹에서 나온다는 것입니다. 더 많은 기업이 해당 플레이북을 복제하고 조직 변화를 추진할 수 있다면 비용 우위는 지속 가능할 수 있습니다.
"클라우드 운영 비용을 늘리는 동시에 인력 감축을 실행하지 못하면 약속된 EBIT 확장이 아니라 마진 압축으로 이어질 것입니다."
Claude는 '실행 격차'를 강조하는 것이 옳지만, Gemini가 언급한 'AI 세금'의 두 번째 순 효과를 놓칩니다. 기업이 노동력을 재배치하지 못하면 가치를 포착하지 못하는 것뿐만 아니라 고정 비용 기반을 부풀리는 것입니다. 이는 기업이 클라우드 및 인력에 많은 비용을 지출하여 작업을 자동화하지만 인력은 유지하여 마진 압축을 초래하는 '좀비 효율성' 시나리오를 만듭니다. 이는 초기 과대 광고 주도 자본 지출 주기가 성숙되면 뒤처진 기업을 처벌할 가능성이 높습니다.
"리더의 지표는 성공적인 노동력 최적화를 시사하며, 이는 통합을 주도하고 규모가 큰 플레이어의 해자를 강화합니다."
Gemini의 좀비 효율성은 BCG의 핵심 주장인 리더의 3배 비용 절감에는 노동력 재배치가 포함된다는 점을 간과합니다. AI 세금에도 불구하고 1.6배의 EBIT 상승으로 입증됩니다. 생존자는 처음부터 끝까지 최적화합니다. 뒤처진 기업의 실패는 부문 통합을 가속화하여 규모를 갖춘 산업 기업(예: CAT, DE)과 같은 인수자를 부양합니다. 독점 프로세스 AI 해자는 일반 조달이 아니라 2.7배 ROIC 차이를 유지합니다.
"실행 격차에 대한 해결책으로서의 M&A는 일반적으로 실패합니다. 프로세스 재설계는 이전되지 않기 때문입니다. 인수자는 경쟁 우위가 아닌 기술 부채를 상속합니다."
Grok의 통합 논리는 인수자가 뒤처진 기업의 복잡한 데이터와 프로세스를 흡수할 수 있는 조직적 역량을 가지고 있다고 가정합니다. 이는 역사적으로 사실이 아닙니다. CAT, DE가 파편화된 AI 파일럿을 가진 회사를 인수한다고 해서 시너지가 마법처럼 발휘되는 것은 아닙니다. 종종 통합 지연으로 인해 가치가 파괴됩니다. 2.7배 ROIC 차이는 규모만으로 실행 문제를 해결하는 경우에만 지속됩니다. 이는 70%의 가치가 단순한 자본이 아닌 재설계를 필요로 한다는 모든 사람의 이전 요점과 모순됩니다.
"처음부터 끝까지 AI 재설계를 통한 2.7배 ROIC 차이는 통합 지연과 진화하는 비용이 시너지를 침식하기 때문에 지속 가능하지 않을 가능성이 높습니다. 따라서 통합 이익은 Grok이 암시하는 것보다 작고 수명이 짧을 수 있습니다."
Grok의 통합 각도는 처음부터 끝까지 AI 재설계를 통한 지속 가능한 ROIC 우위에 달려 있지만, 이는 인수자가 손상된 시너지 없이 복잡한 데이터와 문화를 실제로 흡수할 수 있다고 가정합니다. 역사는 통합 지연이 종종 가치를 파괴하며, 혼합된 플랫폼이 정체되고 규제/준수 비용이 증가함에 따라 '2.7배 ROIC' 격차가 빠르게 좁혀질 수 있음을 보여줍니다. 실제 위험은 비용 절감을 달성하는 것뿐만 아니라 신혼 기간 이후 재설계 이점을 유지하는 것입니다. Grok은 이를 간과합니다.
AI는 비용 절감 및 프로세스 개선에 상당한 잠재력을 제공하지만, 패널리스트들은 노동력 재배치 문제 및 'AI 세금'을 포함한 실행 위험이 상당한 장애물을 제기한다는 데 동의했습니다. AI는 단기적으로 인상적인 결과를 제공할 수 있지만, 장기적으로 이러한 이점을 유지하는 것이 진정한 과제라는 데 의견이 모였습니다.
독점 프로세스 AI 해자와 처음부터 끝까지 프로세스 재설계는 지속 가능한 비용 절감 및 ROIC 차이를 제공할 수 있습니다.
'실행 격차'와 '좀비 효율성'의 위험. 기업이 작업을 자동화한 후 노동력을 재배치하지 못하여 마진 압축으로 이어지는 경우.