2025학년도 1학기 경영컨설팅학과 종합시험이 성공적으로 실시되었습니다!

이번 종합시험은 학과 교육과정을 이수한 학우분들이 졸업을 위한 중요한 관문을 통과하는 과정으로, 그동안의 학업 성과를 확인할 수 있는 의미 있는 시간이었습니다. 이번 종합시험에는 석사과정 3명, 석박통합과정 3명, 박사과정 1명, 총 7명이 시험에 임했습니다.

시험을 위해 오랜 시간 준비해온 학우분들의 진지한 모습이 인상적이었으며, 시험 종료 후에는 서로를 격려하는 따뜻한 분위기가 이어졌습니다.

종합시험을 치른 모든 학우 여러분, 그동안 정말 고생 많으셨습니다! 👏
앞으로의 걸음도 언제나 응원하겠습니다. 💪✨

최근 AI의 발전 속도는 그야말로 눈부시다. 기업들은 업무 효율성과 경쟁력 강화를 위해 AI 기술을 적극적으로 도입하고 있으며, AI는 의료, 금융, 유통, 제조 등 다양한 분야에서 빠르게 활용되고 있다. 하지만 기술의 진보와는 달리 이를 실제로 수용하고 활용하는 사람들의 태도는 여전히 신중하고 때로는 냉소적이기까지 하다. 많은 기업들이 막대한 투자를 통해 AI 인프라를 구축하고 있지만, 현장에서는 여전히 활용률이 저조하고, 직원들과 고객의 거부감이 장애물로 작용하는 사례도 적지 않다. 왜 사람들은 AI를 거부하는가? 단순히 기술적인 문제를 넘어, 사람들의 심리적 저항이 AI 수용을 가로막는 중요한 요인으로 작용하고 있다. 본 글에서는 사람들이 AI를 받아들이는 데 있어 어떤 심리적 장벽이 존재하는지 다섯 가지로 나눠 살펴보고, 이를 극복하기 위한 조직의 접근법에 대해 논의하고자 한다.

첫째, 사람들은 AI가 지나치게 불투명하다고 느낀다. 

많은 AI 시스템은 내부 작동 원리를 쉽게 설명할 수 없는 복잡한 알고리즘에 기반하고 있어, 사용자 입장에서는 결과가 어떻게 도출되었는지 이해하기 어렵다. 특히 결과가 예측하기 어렵거나 납득되지 않을 경우, 인간은 기본적으로 이유를 알고 싶어 하는 성향이 있기 때문에 불신이 커진다. 따라서 조직은 AI 시스템이 단순히 무엇을 했는지 설명하는 것에서 나아가, 왜 그런 결정을 내렸는지, 다른 대안은 왜 배제했는지를 설명하는 방식의 커뮤니케이션이 필요하다. 또한 초기에는 단순하고 설명 가능한 모델을 도입해 사용자 신뢰를 확보한 후, 점차 복잡한 시스템으로 전환하는 단계적 접근이 바람직하다.

둘째, AI는 감정을 느끼지 못하기 때문에 사람들은 감정이 중요한 상황에서 AI의 판단을 신뢰하지 않는 경향이 있다.

인간은 본능적으로 감정을 가진 존재와 더 잘 소통하고 공감할 수 있다고 믿기 때문에, 주관적 판단이 필요한 영역에서는 AI보다는 사람을 선호하는 경향이 뚜렷하다. 그러나 AI를 인간처럼 느끼게 만들기 위한 ‘의인화 전략’?예를 들어 AI에게 이름이나 성별, 목소리를 부여하는 방식?은 이러한 거리감을 줄이는 데 도움이 될 수 있다. 다만, 성적 문제나 건강 등 민감한 상황에서는 비인간적인 중립성이 오히려 신뢰를 높일 수 있어, 상황에 따른 유연한 대응이 필요하다.

셋째, 많은 사람들은 AI가 융통성이 부족하다고 생각한다.

인간은 실수를 통해 배우고, 맥락에 맞게 판단을 바꾸며, 예외를 수용할 수 있는 존재지만, AI는 정해진 규칙만을 따르는 경직된 존재로 인식되기 쉽다. 이러한 인식을 바꾸기 위해서는 AI가 데이터를 학습해 스스로 개선된다는 점을 강조하고, 사용자 경험에 따라 지속적으로 적응하는 모습을 보여주는 것이 중요하다. 예를 들어, 사용자 맞춤형 콘텐츠를 추천하는 시스템에서 ‘당신이 이것을 봤기 때문에 이 콘텐츠를 추천합니다’라는 문구는 AI의 학습 능력을 직관적으로 보여주는 좋은 사례다.

넷째, AI가 인간의 개입 없이 자율적으로 판단하고 실행한다는 점에서 많은 사람들이 위협을 느낀다.

인간은 기본적으로 환경을 통제하려는 욕구가 강하며, 통제할 수 없는 존재에 대해서는 불안감을 갖는다. 따라서 AI가 모든 것을 자동으로 처리하기보다는, 사용자가 일부 설정을 조정하거나 수동으로 개입할 수 있는 여지를 남기는 것이 신뢰 형성에 도움이 된다. 사용자가 직접 온도 조절이나 일정 설정을 할 수 있는 스마트홈 시스템처럼, 인간의 주체성이 반영될 수 있는 디자인은 AI의 수용성을 높일 수 있다. 다만 사용자 통제가 과도해지면 AI 시스템의 효율성과 정확성이 낮아질 수 있으므로 균형이 필요하다.

다섯째, 많은 사람들은 여전히 인간과의 상호작용을 선호한다. 

아무리 인간처럼 보이는 AI라도, 도덕적 판단이나 공감 능력에서는 인간과 동일할 수 없다고 느끼기 때문이다. 실제로 사람들은 로봇이 제공하는 서비스보다 인간이 제공하는 서비스를 더 편안하게 여기며, 고객 응대에서도 인간의 존재를 기대하는 경우가 많다. 이는 단순한 기술적 문제가 아니라, 인간 존재에 대한 본질적인 가치 인식에서 비롯된 결과다. 다만 문화적 배경에 따라 이러한 반응은 달라질 수 있으며, 일본처럼 무생물에도 혼이 깃들어 있다고 믿는 문화에서는 AI 수용도가 더 높은 경향이 나타나기도 한다.

이처럼 AI에 대한 심리적 저항은 단순한 기술적 한계를 넘어서는 인간 중심의 문제이며, 기술을 설계하고 도입하는 기업이나 조직은 이를 충분히 고려해야 한다. 아무리 성능이 뛰어난 AI 시스템이라도, 사용자와 직원이 이를 신뢰하고 받아들이지 않는다면 기대한 성과를 달성하기 어렵다. 따라서 경영진은 기술 도입에 앞서 사람들이 느끼는 불안과 거부감을 진지하게 받아들이고, 이를 완화할 수 있는 설계와 커뮤니케이션 전략을 마련해야 한다. 모든 AI 시스템은 특정한 상황과 맥락 속에서 작동하며, 그 속에서 나타나는 심리적 장벽들을 인식하고 극복할 수 있도록 돕는 것이 리더의 중요한 역할이 될 것이다.

출처: Harvard Business Review: Why People Resist AI – and What to Do About It by Julian De Freitas, 2025/1/22.

생성형 AI(Generative AI, 이하 Gen AI)는 마케팅 세계에 커다란 충격을 주고 있다. 블로그 글, 광고, 고객 맞춤형 제안, 고객 응대 메시지 등 다양한 콘텐츠를 자동으로 생산할 수 있다는 점에서, 마케터들은 이를 강력한 혁신 도구로 주목하고 있다. 실제로 Vanguard는 Gen AI를 통해 링크드인 광고 전환율을 15% 끌어올렸고, Unilever는 고객 응답 속도를 90% 단축시켰다. 그러나 Salesforce 설문에 따르면, 마케터의 96%가 Gen AI를 도입했거나 도입 예정이라고 응답했지만, 실제 완전한 구현을 마친 조직은 32%에 불과하다. 그 이유는 Gen AI 도입이 단순히 기술 문제를 넘어, 전략적 판단과 리스크 관리가 필요한 고차원적 과업이기 때문이다.

많은 기업은 여전히 Gen AI 도입 전략이 미비한 상태에서, 개별 실무자가 독자적으로 툴을 시험하고 있으며, 이는 비효율적이고 위험한 상황을 초래할 수 있다. 이 글은 마케팅 분야에서 Gen AI를 효과적으로 활용하기 위해, 기업이 세 가지 핵심 결정을 어떻게 내려야 하는지를 설명한다.

첫 번째는 해당 과제가 Gen AI에 적합한지, 아니면 분석형 AI(Analytical AI)가 더 적절한지를 판단하는 것이다. 분석형 AI는 구조화된 데이터를 바탕으로 예측과 분류에 강점을 보이는 반면, Gen AI는 비구조적 데이터를 학습해 새로운 콘텐츠를 생성하는 데 특화되어 있다. 예컨대, “다음으로 구매할 제품”을 예측하는 데는 분석형 AI가, 해당 제품을 매력적으로 소개하는 콘텐츠를 만드는 데는 Gen AI가 적합하다. 마케터는 이 둘을 함께 사용해 시너지 효과를 얻을 수 있다.

두 번째는 Gen AI 모델을 훈련할 때 일반 데이터로 충분한지, 아니면 기업 고유의 맞춤형 데이터가 필요한지를 결정하는 것이다. 일반 데이터(위키백과, 인터넷 등)를 사용하는 모델은 비용이 낮고 접근이 용이하지만, 정확성과 기업 특화성이 떨어질 수 있으며 ‘환각(hallucination)’ 같은 오류의 위험도 있다. 반면, 맞춤형 데이터를 활용하면 정교한 결과를 얻을 수 있지만, 학습과 유지 비용이 크고 사내 데이터 유출에 대한 우려도 동반된다. 최근에는 이 둘의 장점을 결합한 “RAG(Retrieval-Augmented Generation)” 방식이 대세다. 이 접근법은 기본 모델에 사내 데이터를 프롬프트 형태로 불러와 결과를 보정하는 방식이며, Colgate-Palmolive, Jasper AI 등 여러 기업이 채택하고 있다.

세 번째는 Gen AI의 결과물을 고객에게 전달하기 전에 어느 정도 수준의 ‘인간 개입(human augmentation)’이 필요한지를 판단하는 것이다. 예를 들어, 상품 리뷰 요약처럼 오류의 영향이 적은 콘텐츠는 바로 고객에게 전달해도 되지만, 법적 효력을 지닌 제안이나 의료 기기 설명과 같은 민감한 콘텐츠는 반드시 사전 검토가 필요하다. 실제로 Air Canada는 챗봇이 약속한 할인 혜택을 사후에 거부했지만, 법원은 이를 인정해 기업에 손해를 끼친 사례도 있다. 따라서 인간 개입의 정도는 정확성과 리스크의 수준에 따라 결정해야 한다.

이러한 의사결정을 체계화하기 위해 글에서는 ‘4분면 프레임워크’를 제시한다. 

(1) 일반 데이터 + 검토 없음: 단순한 내부 콘텐츠 처리에 적합, 

(2) 일반 데이터 + 검토 필요: 블로그나 광고처럼 외부 공개 콘텐츠에 적합, 

(3) 맞춤형 데이터 + 검토 없음: 내부용 고객 서비스나 챗봇에 적합, 

(4) 맞춤형 데이터 + 검토 필요: 법적, 규제 민감도가 높은 콘텐츠에 적합하다. 

기업은 각 상황에 맞는 조합을 전략적으로 선택해야 한다.

결론적으로, Gen AI는 마케팅에서 강력한 도구가 될 수 있지만, 만능은 아니다. 분석형 AI와 함께 조화를 이루며, 데이터 유형, 조직의 리스크 감수 성향, 정확성 요구 수준에 따라 맞춤형 전략을 수립해야 한다. 기술의 진보에만 의존하는 것이 아니라, 이를 어떤 방식으로 통합하고 관리할 것인가가 앞으로의 경쟁력을 좌우할 것이다.

출처: Harvard Business Review: How Should Gen Ai Fit into Your Marketing Strategy? by Dhruv Grewal, Cinthia B. Satorinpo, Thomas H. Davenport and Abhijit Guha, 2025/03/24