경상대학의 다양한 연구 성과를 공유하는 「2025 한양대학교 경상대학 통합학술대회」가 성황리에 개최되었습니다. 이번 행사는 지식서비스연구소 주관으로 진행되었으며, 포스터 발표와 구두 발표 세션으로 구성되었습니다.

 경영컨설팅학과에서는 총 7건의 발표가 진행되어 학술대회 참여 열기를 더했으며,

• 포스터 발표 5건

• 구두 발표 2건이 포함되었습니다.

 경영컨설팅학과에서는 YONO 소비 트렌드 분석, e스포츠의 특성과 재관람 간 관계, ERFM 기반 고객 이탈 예측 및 세분화, 인구감소 지역 관광 전략, 모빌리티 플랫폼 서비스 개선 등 경영 실무와 데이터 분석을 융합한 다양한 연구 주제가 주목을 받았습니다.

 전략경영학과에서도 총 5건의 발표가 이루어졌으며,

• 포스터 발표 3건

• 구두 발표 2건으로 구성되었습니다.

 전략경영학과에서는 서비스 실패 회복과 고객 용서, 중국 제조기업의 국제화와 기술혁신, ESG 성과와 기업가치 간의 관계 등 기업 전략과 지속가능 경영 이슈를 다룬 주제로 구성되어 전문성과 시의성을 더했습니다.

🗣️ 구두 발표 세션은 6월 11일(수) 오후 1시부터 3시까지 경상대학 108호에서 열렸으며, 다양한 주제를 중심으로 활발한 발표와 토론이 이어졌습니다.

🖼️ 포스터 발표 세션은 경상대학 1층 로비에서 전시되어 학부생들을 포함해 많은 학생들의 관심을 받았습니다.

앞으로도 경상대학 내 연구 교류가 더욱 활성화되기를 기대합니다!

 지식서비스연구소 소속 연구진의 논문이 『대한경영학회지』 2025년 5월호에 게재되었습니다 🎉

📌 논문 제목
「토픽모델링과 Q방법론을 활용한 신규 소비 트렌드 특성 분석: YONO 소비 트렌드를 중심으로」

👤 연구진

• 주저자: 이민용 (지식서비스연구소 연구원)

• 제2저자: 공윤서 (학부연구원)

• 교신저자: 김철민 (지식서비스연구소 책임연구원)

 이번 연구는 YONO(You Only Need One) 소비 트렌드를 주제로, 텍스트 기반의 토픽 모델링과 Q방법론을 함께 적용하여 소비자 인식 유형을 정리한 연구입니다.

 빠르게 변화하는 소비 트렌드를 분석하려는 시도 속에서, 데이터와 인식을 아우르는 접근법이 주목을 받았습니다.

아래에서 해당 논문을 확인하실 수 있습니다.

생성형 AI, 중간관리자의 역할을 재정의하다

 OpenAI의 ChatGPT가 등장한 지 3년도 채 되지 않았지만, 생성형 AI 기술은 이미 업무 현장을 크게 변화시키고 있다. 반복적이고 시간이 많이 소요되던 업무들이 빠르게 처리되거나 자동화되면서, 이제 연구자들의 관심은 한 단계 위, 즉 중간관리자(middle manager)의 역할 변화에 쏠리고 있다.

AI가 바꾼 협업 구조와 학습 방식

 하버드비즈니스스쿨(Harvard Business School)의 마누엘 호프만 교수는 GitHub Copilot이라는 생성형 AI를 활용하는 전 세계 5만여 명의 소프트웨어 개발자 데이터를 분석하였다. 이 중 절반은 Copilot을 사용했고, 나머지는 사용하지 않았다. 총 240만 개 이상의 행동 데이터를 통해 연구팀은 이들이 어떻게 업무를 수행했는지 정밀하게 추적할 수 있었다. 분석 결과, Copilot을 사용하는 개발자들은 코딩이라는 핵심 업무에 더 많은 시간을 투자하고, 프로젝트 관리와 같은 관리 업무는 줄이는 경향을 보였다. 구체적으로는 코딩 활동의 비율이 5% 증가한 반면, 프로젝트 관리 비중은 10% 감소했다.

 이러한 변화는 두 가지 메커니즘에 의해 설명된다. 첫째, 생성형 AI 덕분에 개발자들이 더 자율적으로 작업하게 되었고, 협업 필요성이 줄어들면서 관리자의 조정 역할도 감소했다. 둘째, AI가 코드 작성 속도를 높여주면서, 학습·탐색 활동에 투자할 수 있는 시간도 증가했다. 결과적으로 관리자 없이도 작업이 가능해지는 구조로의 이동이 나타난 것이다.

AI 시대의 조직 운영 전략: 구조 재설계와 수혜자 분석

 위의 사례는 기업의 조직 구조를 평탄화(flattening)할 수 있는 가능성을 보여준다. 중간관리자의 수는 줄어들고, 남은 관리자들은 실질적인 업무에 더 깊이 관여할 수 있는 여지가 생긴다. 예를 들어, 관리자도 코딩에 참여하거나, 제품 혁신을 위한 실험에 더 많은 시간을 투자할 수 있다.

 하지만 AI로 조직을 평탄화하려면 단순히 조직도를 바꾸는 것만으로는 부족하다. 기업은 반드시 “무엇을 자동화할 것인가”와 “누가 가장 큰 혜택을 받는가”를 명확히 해야 한다. GitHub 사례처럼 모든 업무를 ‘핵심 업무’와 ‘관리 업무’로 분류하여, 어떤 작업을 AI로 대체할 수 있을지 판단하는 것이 중요하다.

 연구팀은 또 하나 중요한 사실을 발견했다. 실력이 낮은 개발자들이 생성형 AI의 혜택을 더 많이 받는다는 점이다. 이들은 프로젝트 관리보다 코딩 작업 비중이 크고, AI에 대한 의존도도 높았다. 이는 관리자들이 저성과자에게 시간을 덜 쓰게 하고, 대신 전략적 업무에 집중할 수 있게 한다는 점에서 매우 큰 이점이다.

선택과 집중이 조직 혁신의 핵심

 결론적으로, 생성형 AI는 중간관리자의 업무 중 상당 부분을 대체하거나 보완할 수 있으며, 이는 기업의 생산성과 민첩성을 동시에 높이는 계기가 될 수 있다. 단, 무엇을 자동화하고 어떻게 도입할지를 신중하게 판단해야 진정한 조직 혁신으로 이어질 수 있다.

출처: https://hbr.org/2025/07/how-ai-is-redefining-managerial-roles

 AI 기술이 기업의 영업 및 마케팅 부문에서 중요한 역할을 하게 되면서, 많은 기업들이 이를 앞다투어 도입하고 있다. 하지만 기술에 대한 과도한 기대와 잘못된 전제는 오히려 실무를 방해하고 있는 실정이다. 이 글은 실제 기업 현장에서 자주 나타나는 다섯 가지 오해를 중심으로, AI 활용에 있어 주의해야 할 점들을 짚는다.

첫 번째 오해: 성능이 뛰어난 AI 모델만 있으면 모든 문제가 해결될 것이라는 믿음

 그러나 실제로 중요한 것은 알고리즘이 아니라 이를 둘러싼 인프라와 실행 환경이다. 고품질의 데이터를 일관되게 수집·관리할 수 있는 시스템, 현업의 수용성, 조직 간 협업 구조가 함께 갖춰져야 AI의 성능이 실제 성과로 이어질 수 있다.

두 번째 오해: AI가 고객 여정 전체를 최적화할 수 있다는 기대

 AI는 고객 유치나 광고 타겟팅처럼 명확한 목적과 정량화된 지표가 있는 단계에서는 유용하다. 하지만 고객 충성도 관리, 이탈 방지, 장기 관계 형성 등은 여전히 인간의 직관과 감정적 판단이 필요한 영역이다. 따라서 고객 여정 전체를 AI로 일괄 처리하려는 접근은 무리다.

세 번째 오해: AI 도입이 곧바로 매출 증가로 이어질 것이라는 착각

 많은 기업이 단기 수익성만을 기대하며 AI 프로젝트를 도입하지만, 실제로는 기술이 제대로 작동하기까지 시간이 걸리고, 반복적 테스트와 개선이 필요하다. 단기 지표에만 집착하면 오히려 도입 성과를 제대로 확인하지 못한 채 프로젝트를 중단하게 되는 위험이 있다.

네 번째 오해: 데이터가 많을수록 좋다는 생각

 AI는 양보다는 질에 민감하다. 고객 관련 데이터를 무작정 모으기보다, 의사결정에 필요한 정보가 무엇인지 선별하고 정제하는 과정이 필수적이다. 특히 고객의 니즈, 구매 패턴, 맥락 등을 설명할 수 있는 데이터가 중심이 되어야 효과적인 분석이 가능하다.

다섯 번 째 오해: AI가 인간보다 항상 더 나은 판단을 내린다는 믿음

 AI는 반복적인 업무에는 뛰어나지만, 맥락을 읽거나 상황의 복잡한 의미를 해석하는 데는 한계가 있다. 고객과의 커뮤니케이션, 브랜딩, 감정 기반 설득 등은 여전히 인간의 역할이 중요하다.

 결국 AI는 만능 해결책이 아니라, 잘 설계된 전략과 준비된 조직 안에서 비로소 효과를 발휘하는 도구다. 기업은 AI를 도입하기 전에 무엇을 기대할 것인지 명확히 하고, 기술만이 아닌 조직, 데이터, 실행 체계 전반을 함께 점검해야 한다. 그래야만 AI가 영업·마케팅을 방해하는 것이 아니라, 진정한 생산성 향상의 도구가 될 수 있다.

출처: https://www.hbrkorea.com/article/view/atype/di/category_id/3_1/article_no/1360/page/2