View this page in English (US).Continue

AI 성공을 이끄는 운영 모델 의사결정

자동차 기업 전반에서 AI 도입이 빠르게 진행되고 있지만, 지속 가능한 가치는 단순히 개별 사용 사례를 넘어섭니다. 이 보고서는 선도 기업들이 소유권, 거버넌스, 측정, 협업, 도입 역량을 강화하는 데 기여하는 5가지 운영 모델 행동 방식을 분석하고, 보다 체계적이고 확장 가능하며 책임 있는 AI 도입을 위한 조건을 만드는 방법을 탐구합니다.

들어가는 글

자동차 제조사에게 현재 AI가 어디에 활용되는지 물어보면, 마케팅, 고객 경험, 리테일, 서비스, 제품, 데이터, 기술 등 일곱 가지 답변이 돌아올 것입니다. 많은 조직이 여러 분야에 동시에 투자하지만, 이러한 노력들은 좀처럼 연계되지 않습니다. 이를 조율하는 것이 바로 운영 모델의 역할입니다. 즉, 이러한 이니셔티브 전반에 걸쳐 소유권, 거버넌스, 측정, 협업 방식을 수립하는 것입니다.

이 보고서의 기반이 된 리서치는 보다 단순한 질문에서 출발합니다. 운영 모델이 AI 발전 속도를 따라잡고 있는가? 대부분의 응답자에게 그 답은 '아니오'입니다. AI에는 담당자가 지정되기 전에 예산이 먼저 책정되는 경우가 많습니다.

이 격차는 익숙한 형태로 드러납니다. 각 부서는 별도의 시스템에서 독자적인 데이터, 파트너, 성공 기준을 바탕으로 AI 이니셔티브를 운영합니다. 가시성이 가장 먼저 저하되고, 이어서 어떤 사용 사례를 확장할 가치가 있는지, 누가 책임을 지는지, 성과를 어떻게 측정해야 하는지 판단하기가 점점 어려워집니다.

모델 연도 단위로 계획을 세우는 산업에서 주 단위로 진화하는 기술을 처음 맞닥뜨린 상황이니, 이는 전혀 놀라운 일이 아닙니다. 비즈니스 팀을 데이터, 기술, 개인 정보 보호, 사이버 보안, 법무, 거버넌스, 리스크 파트너와 연결하는 워크플로는 느린 사이클과 각자의 영역에 머물던 기능들에 맞춰 구축된 것이었습니다.

AI는 계속해서 조직 구조를 앞질러 나갑니다. AI는 빠른 반복, 명확한 의사결정 권한, 공유 데이터 접근, 그리고 사후 검토가 아닌 실시간으로 보조를 맞추는 감독 체계를 요구합니다. 이러한 토대 없이는 개별 AI 도입이 고립된 이니셔티브에 머물 수밖에 없습니다. 이러한 성과는 재현하기도 어렵고, 확장은 더욱 어렵습니다.

이 보고서는 글로벌 크로스 인더스트리 리더 코호트에서 더 보편적으로 나타나는 5가지 운영 모델 행동을 분석합니다. 자동차 산업 임원들에게 소유권, 측정, 협업, 학습, 도입 역량을 평가하기 위한 실질적인 프레임워크를 제공하며, 고객, 차주, 딜러, 서비스, 개인정보 보호, 보안, 안전, 거버넌스, 파트너 등 이 산업 고유의 현실도 함께 반영합니다.

Jon Beebe
Adobe 자동차 산업 전략 디렉터

리서치 요약

이 보고서는 Adobe의 의뢰로 Incisiv가 수행한 글로벌 리서치를 기반으로 합니다.

5633

12개 산업 및 11개 글로벌 시장에 걸쳐 임원들이 참여했습니다.

513

명의 응답자가 자동차 산업을 대표했으며, 이 중 482명은 탐색, 파일럿, 배포, 확장 및 전환 단계에 걸친 활성 분석에 포함되었습니다.

51% 자동차 산업 응답자 중 부사장급 이상의 직책을 보유했습니다.
65% 자동차 산업 응답자 중 연간 매출이 미화 10억 달러를 초과하는 조직에서 근무했습니다.

조사 대상 시장

호주 및 뉴질랜드, 중앙 유럽, 인도, 일본, 라틴 아메리카, 중동, 북미, 동남아시아, 대한민국, 영국 및 아일랜드, 서유럽.

리더 선정 및 점수 산정 방식

이 보고서에서 언급된 342명의 AI 리더는 12개 산업의 임원 5,633명으로 구성된 연구 모집단에서 도출되었습니다. 이는 자동차 산업에 국한되지 않은 글로벌 크로스 인더스트리 코호트로, 자동차 산업 응답자의 비교 기준을 제공합니다.

성숙도 측정하기

각 조직은 6개의 운영 모델 핵심 축을 기준으로 평가되었으며, 각 축은 1~5점 척도로 채점되었습니다. 6개의 점수는 운영 모델 성숙도(OMM) 종합 지수로 통합되었습니다.

OMM 종합 지수를 위한 6개 운영 모델 핵심 축

전략
명확한 AI 비전과 소유권 및 투자 약속.

구조
예산 권한을 보유한 전담 AI 소유권입니다.

인력
AI 기반 환경에 맞게 역할과 문화가 진화하고 있습니다.

거버넌스
AI 속도에 맞게 조정된 리스크 프레임워크.

기술
파일럿을 넘어 규모 확장을 위한 인프라를 구축합니다.

워크플로
AI를 실제 업무 방식에 통합합니다.

리더 식별하기

리더로 인정받으려면 조직은 두 가지 기준을 충족해야 했습니다. 상위 사분위 임계값인 3.27을 초과하는 OMM 종합 점수를 달성하고, AI 배포의 확장 또는 전환 단계에서 운영되어야 했습니다. 두 기준을 모두 적용한 결과, 12개 산업에 걸쳐 342명의 리더가 식별되었으며, 이는 전체 응답자 5,633명의 6%에 해당합니다.

리더들은 반복 가능하고 지속 가능한 AI 배포와 연관된 소유권, 거버넌스, 측정, 업무 방식을 확립했습니다. 이 명칭은 자동차 산업별 순위가 아닌 운영 모델 성숙도와 배포 단계를 반영합니다.

개요

자동차 업계 응답자들은 다양한 기능과 워크플로 전반에 걸쳐 AI 활동을 전개하고 있다고 보고합니다. 그러나 AI 활동이 확대됨에 따라 이를 뒷받침하는 운영 모델이 속도를 따라가지 못하는 경우가 많습니다. AI 소유권은 여전히 불분명하고, 측정은 제한적이며, 비즈니스, 데이터, 기술, 거버넌스, 리스크 파트너 간의 조율도 일관성이 부족합니다. 본 보고서는 이러한 격차와 글로벌 전산업 리더 코호트에서 보다 공통적으로 나타나는 행동 방식을 살펴봅니다.

업계 현황
61퍼센트 의 자동차 업계 응답자가 프로즌 미들(Frozen Middle)에 해당합니다. AI는 개별 기능 내에서 도입되어 있지만, 성공적인 사용 사례를 확장하는 데 필요한 조율은 여전히 제한적입니다. AI 활동이 조직의 여러 부서에서 진행되더라도, 소유권, 시스템, 데이터, 우선순위의 차이로 인해 결과를 비교하고, 공동 책임을 확립하며, 추가 투자가 필요한 배포를 결정하기가 더 어려워질 수 있습니다.
17퍼센트 의 응답자만이 명확한 직함과 예산 권한을 갖춘 공식 AI 책임자를 두고 있다고 보고했습니다. 그 외의 경우, 책임은 파트타임으로 분산되거나 위원회가 공동으로 담당하거나, 프로젝트별로 관리되거나, 아예 존재하지 않는 경우도 있습니다. 명확한 책임자가 없으면 팀은 우선순위 설정, 자원 배분, 부서 간 의사결정, AI 투자와 측정 지표 연계에 어려움을 겪을 수 있습니다.

리더들의 차별화된 실행 방식

별도로 명시되지 않는 한, '리더(Leaders)'는 OMM 종합 점수가 3.27을 초과하며 확장 또는 변혁 단계에서 운영 중인 342명의 글로벌 전산업 응답자 코호트를 의미합니다. 이들은 전체 5,633명의 응답자 중 6%를 차지하며, 자동차 업계에 특화된 코호트가 아닙니다.

342명의 AI 리더는 배포 후기 단계에서 운영되는 조직에서 더욱 일반적으로 나타나는 소유권, 측정, 업무 관계, 문화적 관행을 확립하고 있습니다. 이 코호트는 5가지 운영 모델 행동 방식의 벤치마크를 제공합니다.

실질적인 소유권

리더는 직함과 예산 권한을 갖춘 공식 AI 책임자를 보유할 가능성이 5.3배 더 높습니다.

첫날부터 측정하기

리더는 배포 전에 투자 수익률(ROI) 프레임워크를 정의합니다. 리더 중 44%가 ROI를 종합적으로 측정하는 반면, 자동차 업계 응답자의 경우는 7%에 불과합니다.

진정한 파트너십

리더는 협력적 또는 통합적 수준에서 운영할 가능성이 훨씬 높습니다. 리더 중 81%가 이 수준에서 운영하는 반면, 자동차 산업 응답자는 17%에 불과합니다.

학습 문화

전체 응답자 중 35%는 실패를 반복하거나 책임을 전가하는 부정적인 패턴을 보이는 반면, 리더 중에서는 해당 비율이 1% 미만에 불과합니다.

역량을 갖춘 챔피언

리더의 42%는 내부 챔피언을 발굴하고 역량을 부여하는 것을 가장 효과적인 문화적 실천 과제로 꼽았으며, 이는 측정된 다른 모든 문화적 실천 과제를 앞서는 수치입니다.

이러한 행동들이 규모 확장을 위한 인과적 공식을 보장하지는 않지만, 반복 가능한 AI 배포를 위한 실질적인 프레임워크를 제공합니다. 이 보고서는 자동차 산업의 현황과 글로벌 리더 벤치마크를 살펴보고, 운영, 고객, 파트너, 거버넌스, 개인정보 보호, 보안, 리스크 등 다양한 맥락에서 경영진이 내릴 수 있는 의사결정 방향을 제시합니다.

제1부

업계 현황

정체 구간 — 자동차 산업 응답자 다수가 파일럿 및 배포 단계에 집중

자동차 산업에서는 조직의 61%가 '정체 구간'에 머물러 있으며, AI가 개별 기능 단위에서는 활발히 운영되고 있지만 규모 확장에 필요한 조율은 아직 미흡한 상태입니다.

각 도입 단계별 자동차 산업 응답자 비율을 나타낸 그래프입니다.
각 도입 단계별 자동차 산업 응답자 비율.

자동차 산업 응답자들은 마케팅 콘텐츠, 오디언스 참여, 리테일 및 쇼핑 여정, 고객 케어, 오너 커뮤니케이션, 서비스 참여, 그리고 이를 지원하는 데이터 및 기술 역량 등 다양한 영역에 걸쳐 AI를 활용하고 있을 수 있습니다. 이러한 사용 사례는 각기 다른 팀, 시스템, 파트너, 의사결정 프로세스를 수반할 수 있습니다. 이러한 사용 사례가 각각 독립적으로 개발될 경우, 어떤 접근 방식을 추가로 평가, 측정, 확장할 것인지에 대한 경영진의 가시성이 제한될 수 있습니다.

정체 구간은 파일럿 또는 배포 단계에서 운영 중인 응답자를 가리킵니다. 61%라는 수치는 이 단계에 응답자가 집중되어 있음을 나타내지만, 모든 응답자가 정체되었거나 진전이 멈췄음을 의미하지는 않습니다. 소유권, 데이터 접근, 학습, 성과가 팀이나 도구 내에 머물러 있을 경우, 활동을 비교하고 더 넓은 범위의 배포에 대한 통합적 의사결정을 내리기가 더 어려워질 수 있습니다.

이러한 패턴을 극복하려면 명확한 소유권, 합의된 의사결정 권한, 적절한 데이터 접근, 그리고 관련 팀 전반에 걸친 공통 측정 지표가 필요할 수 있습니다. 또한 개별 도구를 독립적인 배포로 취급하는 대신 AI를 크로스 기능적 업무에 통합하는 워크플로도 요구될 수 있습니다. 배포가 누적될수록 이러한 결정을 미루면 조율이 더욱 어려워질 수 있습니다.

AI 책임자 부재 — 자동차 업계 응답자 6명 중 1명만이 공식 AI 책임자를 지정

책임자가 지정된 경우에도 특정 기능, 팀 또는 개별 이니셔티브에 국한되는 경우가 많습니다.

자동차 업계의 AI 소유권 모델 분포를 나타낸 그래프입니다.
자동차 업계의 AI 소유권 모델 분포.

AI 책임은 마케팅, 고객 경험, 데이터, 기술, 거버넌스, 리스크 등 다양한 기능 영역에 분산될 수 있으며, 실행은 파트너에 따라 달라지기도 합니다. 명확한 위임 없이 책임이 분산되면 우선순위 조율, 자원 배분, 사용 사례 평가가 어려워집니다.

AI 기반 고객 또는 오너 참여 워크플로는 마케팅, 고객 경험, 데이터, 기술, 개인정보 보호, 사이버 보안, 법무, 거버넌스, 딜러 대응 팀의 기여를 필요로 할 수 있으며, 관련 파트너가 관여하는 경우도 있습니다. 이를 조율할 명확한 책임자가 없으면, 각 팀이 자체 프로세스를 통해 합의에 이르는 방식에 의존하게 되어 진행이 지연될 수 있습니다.

파트타임 책임자나 위원회 중심의 책임 구조에서는 개별 팀이 앞서 진행한 이후에야 문제가 해결되는 경우가 많습니다. 시니어 마케팅, 고객 경험 또는 혁신 리더는 명확한 위임 권한, 적절한 권한, 그리고 필요한 기능 및 파트너의 참여가 보장될 때 이 역할을 효과적으로 수행할 수 있습니다. 핵심은 모든 자동차 채널이나 참여자에 대한 암묵적 권한이 아닌, 부서 간 의사결정에 대한 명확한 책임입니다.

승인 장벽 — 자동차 업계에서 100건의 AI 사용 사례 요청 중 14건만이 프로덕션 단계에 도달

통합 평가는 첫 번째 측정 관문에서 가장 큰 절대적 감소를 초래하며, 비율적으로 가장 높은 이탈은 이후 단계에서 발생합니다.

자동차 업계에서 100개의 AI 이니셔티브 제안당 승인된 사용 사례 수를 보여주는 그래프입니다.
자동차 업계에서 100개의 AI 이니셔티브 제안당 평균 승인 건수. 글로벌 평균: 100건당 14건.

AI 사용 사례를 아이디어에서 프로덕션으로 전환하려면 비즈니스, 데이터, 기술, 개인정보 보호, 사이버 보안, 법무, 거버넌스, 리스크, 파트너 팀에 걸친 의사결정이 필요할 수 있습니다. 이 설문조사는 제안이 평가 단계를 거치는 과정을 추적합니다. 자동차 업계에서는 통합 평가가 첫 번째 측정 관문에서 가장 큰 절대적 감소를 차지합니다.

검토 시 통합 복잡성, 데이터 접근 및 거버넌스, 보안 및 개인 정보 보호, 비용 타당성, 벤더 승인, 일정 등 다양한 요건을 고려할 수 있습니다. 이러한 검토 항목은 특정 사용 사례의 실제 배포 가능성을 판단하는 데 도움이 됩니다. 또한 해당 업무가 해결하고자 하는 고객, 운영 또는 비즈니스 측면의 핵심 질문에 초점을 유지해야 합니다.

마케팅, 고객, 소유자 또는 서비스 사용 사례는 데이터 권리, 시스템 소유권, 여러 기능 부서 또는 파트너의 참여에 의존할 수 있습니다. 검토가 시작되기 전 아이디에이션 단계에서 요건을 정리해 두면, 팀이 실행 가능성과 가치를 함께 평가하는 데 더 명확한 기준이 생깁니다. 이것이 프로덕션 승인을 보장하지는 않지만, 프로세스 후반에 발생할 수 있는 불필요한 불확실성을 줄이는 데 도움이 됩니다.

비즈니스-IT 핸드오프 — 자동차 업계 응답자 대다수가 핸드오프 s 를 통해 비즈니스와 IT를 관리

자동차 업계 응답자 중 83%는 순차적인 요청, 검토, 의사결정에 의존하는 관계 모델을 운영하고 있습니다.

자동차 업계의 비즈니스-IT 운영 관계 분포.
자동차 업계의 비즈니스-IT 운영 관계 분포.

비즈니스, 고객, 데이터, 기술 팀은 비즈니스 환경과 파트너 약속이 변화함에 따라 계획을 조정해야 할 수 있습니다. AI는 적시에 이루어지는 테스트, 조정, 정보에 기반한 공동 의사결정을 필요로 할 수 있습니다. 그럼에도 많은 응답자들이 비즈니스와 IT를 핸드오프를 통해 관리하고 있습니다.

관계가 사일로화되어 있거나, 거래적이거나, 자문 형태이든 패턴은 비슷할 수 있습니다. 한 팀이 요청을 제출하면 다른 팀이 응답하는 방식입니다. 이는 기존의 납품 주기를 반영할 수 있으며, AI 업무가 데이터, 시스템, 감독 요건에 걸쳐 있을 때 테스트와 공동 의사결정을 어렵게 만들 수 있습니다.

협업적이고 통합된 관계는 업무가 정의될 때 파트너들을 한데 모읍니다. 공유된 목표 및 핵심 결과(OKR)는 참여 팀에게 납품과 성과에 대한 책임을 부여합니다. 마케팅, 고객 경험, 데이터, 기술 및 관련 파트너들이 함께 목표를 수립하면, 브리핑, 구축 결정, 측정, 학습, 검토가 하나의 방향으로 진행될 수 있습니다. 이를 통해 팀은 고립된 기능적 핸드오프 방식이 아닌 업무가 진행되는 과정에서 데이터 접근, 통합, 일정, 개인 정보 보호, 보안, 거버넌스 관련 문제를 해결할 수 있습니다.

측정 격차 — 자동차 업계 응답자 중 포괄적인 AI 측정을 수행하는 경우는 드물다

대부분의 응답자는 활동 지표를 추적합니다. 그러나 AI가 중요한 성과에 기여했는지 여부는 여전히 파악되지 않는 경우가 많습니다.

자동차 업계의 ROI 성숙도 분포를 보여주는 그래프.
자동차 산업의 ROI 성숙도 분포.

AI가 고객, 리테일, 서비스, 마케팅, 운영 업무 전반에 통합되면서 팀은 단순한 활동 지표를 넘어선 측정이 필요합니다. 생성된 콘텐츠, 도달한 오디언스, 처리된 상호 작용, 완료된 워크플로 등을 추적할 수 있지만, 이러한 지표는 활동과 효율성을 확인하는 데 그칠 뿐입니다. AI가 고객, 상업적, 운영 성과에 실질적으로 기여했는지는 일관되게 드러나지 않습니다.

효과적인 측정은 출시 이전부터 시작됩니다. 팀은 목표 성과를 정의하고, 기준선을 기록하며, 결과 평가 방식에 합의해야 합니다. 캠페인, 고객 상호 작용, 오퍼, 서비스 커뮤니케이션 등 어떤 이니셔티브든 시장에 출시된 후에는 수요 변화, 가격 변동, 미디어 활동, 운영 환경, 파트너 활동이 복잡하게 얽혀 AI의 기여도를 명확히 분리하기 어려워집니다.

사전 배포 측정은 경영진에게 기획 및 예산 논의의 명확한 근거를 제공합니다. 고객 여정과 의사결정 주기가 여러 접점과 팀에 걸쳐 이어지는 자동차 산업에서, 이러한 근거는 지속적인 투자, 더 넓은 배포 범위, 그리고 향후 이니셔티브 평가 지표에 관한 보다 현명한 의사결정을 뒷받침합니다.

파트 2

리더들의 차별화된 실행 방식

실질적인 소유권 확립 — 전담 리더의 책임이 AI 확장을 이끕니다

5.3배
실질적인 AI 소유권 — 리더 vs. 업계
리더 그룹은 공식 직함과 예산 권한을 갖춘 AI 책임자를 보유할 가능성이 5.3배 높습니다. 자동차 산업에서는 17%의 기업만이 해당 책임자를 지정한 상태입니다. 리더 그룹은 비즈니스-IT 협업을 추진할 가능성도 4.8배 높고, ROI를 종합적으로 측정할 가능성은 6.1배 더 높습니다.

AI는 마케팅, 고객 경험, 리테일, 서비스, 제품, 데이터, 기술, 거버넌스, 리스크 등 다양한 기능에 영향을 미칠 수 있습니다. 고유한 역할을 가진 파트너가 관여하는 경우도 있습니다. 업무가 여러 경계를 넘나들수록, 파트타임 책임자, 위원회, 임시 담당자들은 경합하는 우선순위를 조율할 권한이 부족해집니다.

리더 그룹은 공식 직함, 명확한 권한, 예산 결정권을 갖춘 AI 리더를 임명하는 방식으로 이를 해결합니다. 해당 리더는 우선순위가 충돌할 때 의사결정을 조율할 수 있습니다. 공식적인 소유권은 다른 행동 양식과도 연관됩니다. 예를 들어, 리더 그룹은 협력적이거나 통합된 비즈니스-IT 관계를 운영할 가능성이 4.8배 높고, ROI를 종합적으로 측정할 가능성은 6.1배 더 높습니다.

지정된 AI 리더는 업무 수행에 필요한 비즈니스, 데이터, 기술, 거버넌스, 리스크 파트너에 대한 접근 권한을 갖추어야 합니다. 시니어 마케팅, 고객 경험, 디지털 전환 또는 기타 리더는 단일 기능이나 이니셔티브를 초월하는 권한이 부여된다면 이 역할을 맡을 수 있습니다. 조직은 모든 채널, 파트너, 참여자를 직접 관할하지 않더라도 기존 구조 안에서 이 권한을 수립할 수 있습니다.

Day-One 측정 — 리더는 AI 사용 사례 출시 전에 성공 기준을 정의합니다

리더들은 측정을 배포의 선행 조건으로 삼아, 경영진이 투자 결정을 내릴 수 있는 명확한 근거를 제공합니다.

리더와 자동차 기업의 포괄적·고급 ROI 프레임워크 보유 비율을 비교한 그래프
포괄적 또는 고급 ROI 프레임워크 보유 비율. 리더 코호트: 12개 산업, 342개 기업.

비즈니스, 데이터, 기술 리더는 투자 결정을 이끌기 위한 근거를 조기에 확보해야 합니다. 리더들은 각 AI 사용 사례의 초기 설계 단계부터 측정을 반영합니다. 리더 그룹 중 44%가 포괄적인 ROI 프레임워크를 보유한 반면, 자동차 업계 응답자는 7%에 불과했습니다. 리더 그룹은 전원이 AI 성과를 측정하는 반면, 자동차 업계 응답자 중 9%는 아직 측정하지 않는 것으로 나타났습니다.

리더들은 고객, 마케팅, 오너십, 서비스 등 다양한 AI 업무를 시작하기 전에 목표 결과를 명확히 정의합니다. 측정 지표에는 참여도, 완료율, 응답률, 비용 효율, 가치 실현 시간, 그리고 적절한 고객·운영·상업적 성과가 포함될 수 있습니다. 참여자들은 출시 전에 공동 평가 방식에 합의함으로써 경영진이 계획 및 투자 결정을 내릴 수 있는 탄탄한 기반을 마련합니다.

변화하는 상황과 행동과 연결된 업무에서는 타이밍이 중요합니다. 캠페인, 인터랙션, 오퍼, 또는 서비스 커뮤니케이션이 기준선을 바꾸면, 초기 비교 기준을 복원하기 어려워집니다. 리더들은 출시 전에 현재 성과를 기록하고, 이후 동일한 측정 기준으로 평가합니다. 이를 통해 지속적인 투자와 향후 자금 지원 결정에 더욱 명확하고 확신 있는 근거를 확보할 수 있습니다.

진정한 파트너십 — 비즈니스와 기술 팀이 성과를 함께 공유할 때 진정한 파트너십이 시작됩니다

리더와 자동차 기업의 비즈니스-IT 공동 책임 비율을 비교한 그래프
공동 책임 = 협력적 + 통합적 | 인계 + 자문 = 사일로형 + 거래적 + 자문적

AI를 활용한 고객, 리테일, 오너, 서비스, 마케팅, 운영 업무는 데이터, 시스템, 거버넌스, 파트너 참여에 의존합니다. 데이터, 지원, 평가, 측정이 팀 간에 이동해야 할 때마다 순차적인 업무 인계 과정에서 마찰이 발생할 수 있습니다. 많은 응답자들은 사일로화되거나 거래적·자문적인 접근 방식을 따르고 있으며, 이는 기술 팀이 결과에 대한 책임 없이 비즈니스 팀에 실행 방향만 조언하는 구조를 의미합니다.

342명의 리더 중에서는 협업적이고 통합된 관계가 더 일반적입니다. 파트너는 브리프가 작성되는 단계부터 참여합니다. 마케팅, 고객 경험, 데이터, 기술, 거버넌스 부문은 완성된 요청을 전달하는 방식 대신, 함께 범위를 정의합니다.

공유 책임은 실행과 측정 전반에 걸쳐 지속됩니다. 참여하는 리더들이 성과 검토, 브리핑, 빌드 의사결정, 측정에서 동일한 결과에 대해 책임을 공유할 때, 하나의 합의된 방향을 따를 수 있습니다. 리더들은 기존 조직 구조 내에서 공유 목표와 핵심 결과를 통해 이러한 파트너십을 구축하며, 팀이 조직 개편이나 외부·독립 파트너에 대한 통제권 없이도 협력할 수 있는 환경을 만들어 갑니다.

학습 문화 — 리더들이 성과 부진을 공유 학습으로 전환하기

자동차 기업의 AI 실패 대응 방식과 리더들의 반응 방식을 비교한 그래프입니다.
각 점은 자동차 조직 100개 중 1개를 나타냅니다.
파괴적 = 비난 및 후퇴 + 실패 반복.

자동차 조직은 계획 수립 및 검토 주기를 통해 운영되며 여러 팀과 파트너가 참여합니다. AI 이니셔티브가 기대에 미치지 못할 때, 팀은 결과를 면밀히 검토하기보다 빠르게 다음 단계로 넘어가야 한다는 압박을 받을 수 있습니다. 기대치를 충족하지 못한 고객 참여 워크플로, 리테일 경험, 서비스 커뮤니케이션, 마케팅 모델은 다음 이니셔티브에 유용한 인사이트를 제공할 수 있습니다.

성과 부진이 제대로 검토되지 않으면, 다른 팀이 동일한 가정을 이후 업무에 그대로 가져갈 수 있습니다. 관련 부문 전반에 걸친 공유 학습 프로세스가 없으면 교훈은 특정 팀 내에만 머물게 되고, 다른 팀이 같은 실수를 반복할 수 있습니다. 이로 인해 프로세스, 데이터, 측정, 거버넌스, 감독 방식의 변화가 필요한지 판단하기가 더 어려워질 수 있습니다.

학습 문화는 정기적인 운영 검토를 통해 가시화됩니다. 리더들은 성찰적 토론을 위한 시간을 마련하여, 팀이 무엇이 부진했는지, 왜 그런 일이 발생했는지, 무엇을 바꿔야 하는지 점검할 수 있도록 합니다. 고위 리더들이 이 과정을 계획 수립 및 성과 검토의 일부로 정착시키면, 책임 소재를 따지지 않고도 팀 전반에 교훈을 공유하고 향후 업무에 적용할 수 있습니다.

역량 있는 챔피언 — 검증된 AI 실무자가 솔선수범할 수 있도록 지원하세요

AI 리더들이 꼽은 가장 영향력 있는 문화적 변화를 나타낸 그래프
리더들이 가장 많이 꼽은 문화적 동인. n = 12개 산업의 리더 342명.

동료가 익숙한 업무에 AI를 활용하는 모습을 보면 사람들은 AI 도입을 더 쉽게 고려하게 됩니다. 자동차 산업에서는 마케팅 담당자가 오디언스 브리프를 개선하거나, 서비스 담당자가 워크플로를 테스트하거나, 분석가가 프로세스를 평가하는 방식 등이 이에 해당할 수 있습니다.

리더들은 실무자를 발굴하여 인접 팀에 접근 방식을 확장할 수 있도록 지원하고 권한을 부여합니다. 익숙한 워크플로에서 나온 실제 사례는 중앙에서 전달하는 메시지보다 더 큰 설득력을 발휘할 수 있습니다. 챔피언은 테스트한 내용, 평가 방법, 팀이 검토하거나 적용할 수 있는 사항을 문서화하여 영향력을 키울 수 있습니다. 이를 통해 하나의 워크플로가 다른 곳에도 그대로 적용된다는 전제 없이 다른 팀들이 경험에서 배울 수 있도록 도울 수 있습니다.

확장 또는 전환 단계에 있는 자동차 산업 응답자 96명 중 66%가 사업 부문에 AI 담당자를 배치했습니다. AI 센터 설립은 64%에게 재사용 가능한 인프라를 구축하는 토대가 되었으며, 비즈니스와 IT 관계 재편은 52%에서 승인 절차의 마찰을 줄였습니다. 이러한 결과는 응답자들이 보고한 활동을 설명하는 것으로, 특정 활동이 배포나 성과로 직결된다는 증거는 아닙니다.

자동차 산업의 운영 모델을 구축하는 5가지 실행 방안

이러한 실행 방안들은 리더들의 행동 방식을 자동차 산업 경영진을 위한 실질적인 단계로 구체화합니다. 조직 전면 개편을 요구하는 대신, 기존의 고객, 마케팅, 리테일, 서비스, 데이터, 기술, 거버넌스, 리스크 역량을 기반으로 합니다. 또한 획일적인 자동차 운영 구조를 전제하지 않고, 고객, 오너, 리테일 업체, 서비스, 파트너 맥락 전반에 걸쳐 책임감 있는 협력을 지원합니다.

  1. 범기능적 권한을 가진 AI 오너 한 명을 지정하세요.
    범위 내 AI 업무 전반에 걸쳐 명확한 권한과 적절한 예산 집행 권한을 가진 리더를 임명하세요. 마케팅, 고객 경험, 디지털 전환, 기술 또는 참여 기능을 조율할 수 있는 위치의 다른 시니어 리더가 이 역할을 맡을 수 있습니다. 기존 보고 체계는 그대로 유지할 수 있지만, 오너는 업무가 팀이나 파트너를 넘나들 때 우선순위와 의사결정을 조율할 권한이 필요합니다. 권한 범위에는 개별 팀이 독자적으로 결정할 사항과 공동 검토가 필요한 사항을 명시해야 합니다.
  2. 다음 AI 배포를 진행하기 전에 목표 성과에 합의하세요.
    AI 사용 사례를 진행하기 전에 고객, 운영 또는 비즈니스 관점의 목표 성과를 먼저 정의하세요. 현재 접근 방식을 기준선으로 설정하고 결과 평가 방법을 결정하세요. 참여자들은 출시 전에 평가 방법에 합의해야 합니다. 사용 사례에 따라 측정 지표에는 참여도, 완료율, 응답률, 비용 효율성, 가치 실현 시간 또는 기타 적절한 지표가 포함될 수 있습니다. 이를 통해 상황이 변화한 이후의 소급적 설명이 아닌, 사전에 계획된 평가로서 결과를 명확히 구분할 수 있습니다.
  3. 비즈니스, 데이터, 기술 파트너가 공동으로 책임을 지도록 하세요.
    시스템, 팀 또는 조직 전반에 걸친 업무에 참여하는 비즈니스, 데이터, 기술, 개인정보 보호, 사이버 보안, 법무, 거버넌스, 리스크 파트너에게 공동 목표와 핵심 결과를 부여하세요. 공동 목표를 설정하면 참여자들이 순차적인 업무 이관 방식에 의존하지 않고, 작업 주기 내에서 데이터 접근, 통합, 개인정보 보호, 보안, 거버넌스 관련 문제를 직접 해결하는 데 도움이 됩니다.
  4. AI 성과 부진을 공동 학습의 기회로 전환하세요.
    운영 검토를 진행할 때 시니어 리더들은 어떤 가정을 재검토해야 하는지, 무엇을 변경해야 하는지에 대한 평가를 반드시 포함해야 합니다. 일관된 학습 프로세스를 구축하면 팀이 책임 추궁 없이 적절한 감독 체계를 유지하면서 부서 전반에 걸쳐 실질적인 교훈을 공유할 수 있습니다.
  5. 이미 AI를 효과적으로 활용하고 있는 실무자를 지원하세요.
    익숙한 업무에 AI를 적용해 이미 유의미한 성과를 내고 있는 인재를 발굴하세요. 그들의 성과를 공식적으로 인정하고 지원하며, 인접 팀으로 접근 방식을 확장할 수 있도록 권한을 부여하세요. 테스트한 내용, 평가 방법, 다른 팀이 참고하거나 응용할 수 있는 내용을 실용적인 플레이북으로 문서화하세요.

결론

AI 활동을 반복 가능한 준비 태세로 전환하기

Adobe 정보

Adobe는 조직이 강력한 디지털 경험을 창출할 수 있도록 지원합니다. 고객 경험 중심의 제품과 서비스 포트폴리오를 통해 기업들은 모든 상호작용을 맥락에 맞게 파악하고, 각 고객이 지금 이 순간 필요로 하는 것을 이해하며, 고객 충성도를 높이고 성장을 이끄는 디지털 경험을 설계하고 제공할 수 있습니다. 자세한 내용은 adobe.com을 방문하세요.

Incisiv 소개

Incisiv는 10년에 가까운 업계 트렌드 데이터를 1차 연구, 메시지 아키텍처, 콘텐츠 개발과 결합하여 기업이 디지털 전환을 성공적으로 헤쳐나가고, 솔루션을 평가하며, 성장 기회를 발굴할 수 있도록 지원하는 업계 인사이트 및 전략 전문 기업입니다.

추천 리소스

Adobe를 통해 얻을 수 있는 이점을 확인해 보세요.

시작하기