기업 업무 자동화 가이드라인

시작하며

DX와 업무 자동화는 어떤 사고방식과 프로세스로 진행해야 할까요? 많은 기업이 각각 다양한 방법으로 추진하고 있으며, 경영진과 담당자들도 이 방법이 맞는지 고민하고 있을 것 같습니다.

본 가이드라인에서는 기업의 목표인 기업가치 최대화가 어떤 요소에 의해 실현되는지를 바탕으로, 기업의 업무 분해와 자동화가 기업가치 개선에 어떤 효과를 미치는지를 수식·액션·케이스스터디(가상의 사례)로 나타냅니다.

마지막으로 실천의 절차를 간결하게 제시합니다.

1. 기업가치를 향상시키는 3가지 요소

기업이 최대화해야 할 목적함수는 기업가치(Value, $V$)입니다. 기업가치란 "회사가 앞으로 벌어들일 돈을 그 확실성으로 할인한 합계"이며, 다음과 같이 정의됩니다(DCF법). (Koller et al., 2020; Damodaran, 2012)

$V\mspace{6mu} = \mspace{6mu}\frac{E\left\lbrack \text{FCF}_{t} \right\rbrack}{(1 + r)^{t}}$

분자의 $E\lbrack\text{FCF}_{t}\rbrack$ 는$t$ 년차에 회사가 자유롭게 사용할 수 있는 돈(자유현금흐름: Free Cash Flow, FCF)의 예상액(기댓값: Expected value, E)입니다. 분모의 $r$ 는 할인율(미래의 돈을 현재 가치로 환산할 때의 이자율)이며, 실적의 변동이 크다는 것, 즉 리스크(Risk, $r$)가 높은 회사일수록 커집니다. (Sharpe, 1964)

이익(Profit, $P$)이 매년 일정한 성장률(Growth, $g$)로 계속 성장한다고 가정하면, 이 식은 다음의 간단한 형태가 됩니다(정률성장모델). (Gordon, 1959)

$V\mspace{6mu} = \mspace{6mu}\frac{P}{r - g}$

이 식이 본 문서 전체를 조감하는 수식이 됩니다. 이 수식에 따르면, 기업가치를 움직이는 레버는 다음 3가지뿐입니다.

• 이익 ($P$）를 늘린다 → 제2장: 업무를 분해하고 자동화로 프로세스의 수익성을 높입니다

• 위험($r$）를 억제합니다 → 제3장：비용 구조·오류·지속가능성을 보호합니다

• 성장($g$）를 높입니다 → 제4장: 확보된 자원을 성장에 배분합니다

그리고 이 3가지를 반영하여 "어디에 투자할 것인가"를 결정함으로써 기업가치를 향상시킵니다(제5장).

기업의 액션

• 시책이 이익($P$)을 얼마나 늘리는지를 업무 공정 단위로 추정합니다(→제2장)

• 시책이 리스크($r$)를 어떻게 변화시키는지를 병기하며, 이익은 증가하지만 리스크도 증가하는 시책은 기업가치 기준으로 재검토합니다(→제3장)

• 시책으로 절약된 자원이 성장($g$)에 어떻게 연결되는지까지 포함하여 평가합니다(→제4장)

케이스스터디(A사·호텔체인): 이익이 늘었는데 기업가치가 내린다

A사의 연간 이익은 10억 원,$r = 8\%$、$g = 3\%$ 이라 합시다. 기업가치는 $10 \div (0.08 - 0.03) = 200$ 억 원입니다. 여기서 프론트 직원과 청소 직원을 대폭 줄여 이익을 11억 원으로 늘렸는데, 고객 서비스 품질이 떨어져 평판과 가동률이 불안정해지면서$r$ 가 10%로 올라갔습니다. 그러면 $V = 11 \div (0.10 - 0.03) \approx 157$ 억 원입니다. 이익은 1억 원 증가했는데 기업가치는 약 43억 원 감소했습니다. 이익을 늘리는 것뿐만 아니라 리스크 증가를 야기하지 않는 시책을 실행하는 것이 중요합니다.

2. 이익($P$)을 늘린다: 업무 분해와 자동화

2.1 이익을 업무 공정까지 분해합니다

전사 이익은 사업 $i$ 별로, 나아가 사업 내 업무 공정 $j$(태스크)별로 "투자액(Investment, $I$) × 투자수익률(Return on Investment, ROI)"로 분해할 수 있습니다. (Porter, 1985; Autor, 2015)

$P\mspace{6mu} = \mspace{6mu}\text{ROI}_{i} \cdot I_{i}\mspace{6mu} = \mspace{6mu}\text{ROI}_{\text{ij}} \cdot I_{\text{ij}}$

업무의 자동화·효율화란 공정 수준의 수익률 $\text{ROI}_{\text{ij}}$ 을 높이는 투자입니다. 회사 전체나 사업부 단위에서는 자동화를 검토할 수 없습니다. 공정 단위까지 분해해야만 "어디에 인력과 비용이 집중되고, 어디가 가치를 창출하지 않는가"가 보입니다. (Acemoglu & Restrepo, 2019; Brynjolfsson, Mitchell, & Rock, 2018)

ROI가 낮은 공정은 다음 3단계로 찾을 수 있습니다.

(1) 비용의 실측: 공정별로 "연간 공수 × 시간 단가"로 비용을 실측합니다. (Kaplan & Cooper, 1998)

(2) 가치의 추정: 가치는 근사치로 충분합니다. 매출에 직결되는 공정은 매출과의 관계로, 간접 공정은 "품질이 떨어지면 무엇을 잃을까" 또는 외주가와의 비교로 추정합니다.

(3) "비용 대 × 가치 기여 낮음"의 공정을 후보로 합니다.

기업의 액션

• 사업을 업무 공정(태스크)으로 분해하고, 공정별 비용과 창출 가치를 시각화합니다

• 공정 ROI가 낮은 업무를 파악하여 자동화·효율화 후보 목록에 올립니다

케이스스터디(B사·식품수퍼마켓): 어느 공정을 겨남을까

B사는 DX를 통해 어떤 공정을 효율화해야 할지 검토하고 있습니다. ROI가 낮은 공정을 다음 3단계로 찾습니다.

(1) 비용의 실측 ――"그 일에 연간 얼마를 지출하는가"를 센다

할 일은 곱하기뿐입니다.

• 고객 응대·판매장 구성: 점당 1일 누적 30시간(영업 중 복수 직원의 고객 응대·상품 입고·진열의 합계) × 22개 점 × 365일 ≒ 연 24만 시간. 파트타임 중심의 시급 1,500원으로 연 약 3.6억 원

• 발주 업무: 점당 매일 1시간 × 22개 점 × 365일 ≒ 연 8,000시간. 시급 환산 3,000원이면 연 2,400만 원

• 전단·가격표 만들기: 본부와 각 점에서 연 12,000시간 × 3,000원 = 연 3,600만 원

• 비품 발주(복사용지·청소용품 등): 점당 월 1시간 × 22개 점 × 12개월 ≒ 연 260시간 × 3,000원 ≒ 연 80만 원

"발주에 2,400만 원을 지출하고 있다"는 표현으로 직결하는 것이 포인트입니다. 시간 단위로는 실감이 안 나지만, 금액으로 환산하면 비교가 가능해집니다.

(2) 가치의 근사 ――"그 일은 얼마만큼 역할을 하고 있는가"를 대략 추정한다

정확하게 측정할 수 없으므로, 공정의 타입별로 3가지 측정 방법을 구분하여 사용합니다.

• 매출에 직결되는 일: 고객 응대라면 "점원이 말을 건 고객과 그렇지 않은 고객의 구매율이 얼마나 다른가"를 비교합니다. 차이가 크면 가치가 높습니다

• 뒤처리 일은 "서툴면 무엇을 잃을까"로 측정합니다: 발주가 부실해지면 품절(매출 누락)과 폐기(버리는 손실)가 늘어납니다. 그 증가분이 연 500만 원이라면, 발주 업무의 가치는 "연 500만 원의 손실을 막고 있음"

• 외주가와 비교합니다: 전단 제작을 사내에서 연 3,600만 원을 들이고 있지만, 외주나 자동 생성 도구라면 연 1,200만 원으로 할 수 있다면, 차액 2,400만 원만큼 "과하게 하고 있다는 신호"

(3) 2축 스크리닝 ――"비용 대 × 가치 기여 낮음"의 일을 DX의 대상으로 한다

(1)과 (2)를 나열하여 비용과 가치 기여를 4사분면(대소·고저)으로 구분합니다.

• 고객 응대·판매장 구성

  • 비용: 특대(3.6억 원)

  • 가치 기여: 높음(매출에 직결)

  • DX 우선순위: 낮음(인력 충원)

• 전단 제작

  • 비용: 대(3,600만 원)

  • 가치 기여: 낮음(외주라면 1/3)

  • DX 우선순위: 높음(자동화 후보)

• 발주 업무

  • 비용: 대(2,400만 원)

  • 가치 기여: 낮음(규칙화 가능한 뒤처리)

  • DX 우선순위: 높음(자동화 후보)

• 비품 발주

  • 비용: 소(50만 원)

  • 가치 기여: 낮음

  • DX 우선순위: 미루기(효과가 작음)

노린 것은 왼쪽 위의 "돈이 들어가는데, 차이를 만드는 일이 아닌" 것뿐입니다. 고객 응대처럼 "비용은 크지만 가치도 높은" 일은 자동화 후보에 올리지 않습니다.

다만 "발주의 ROI가 낮다" = "발주가 불필요하다"는 아닙니다. 발주는 점에 필수인 일입니다. 필요한 일을 연 2,400만 원이라는 지나치게 높은 비용으로 하고 있지만, 자동 발주로 바꾸면 같은 일을 연 400만 원(시스템 비용 + 예외 대응 인건비)으로 할 수 있고, 가치는 그대로 유지하면서 비용만 내리는 것이 자동화입니다.

2.2 자동화 레벨을 결정합니다: 어디까지 맡기면 이익은 얼마나 변할까

자동화의 정도는 자율주행의 국제기준(SAE J3016)을 일반화한 6단계 레벨(Level, L)로 표현합니다. 통신네트워크 운영, 수술 로봇, 개발, BIM 심사 등 다양한 영역에서 유사한 프레임워크로 분류됩니다. (SAE International, 2021; Parasuraman, Sheridan, & Wickens, 2000; Sheridan & Verplank, 1978)

• L0(수동): 사람이 모든 공정을 수행합니다. AI는 사용하지 않습니다

• L1(지원): AI가 정보 제시·사전 조사·벽 부딪치기로 지원합니다. 판단과 실행은 사람이 합니다

• L2(부분 자동화): AI가 작업하지만, 사람이 전건을 확인하여 최종 승인합니다

• L3(조건부 자동화): 정해진 조건 내에서는 AI가 판단부터 실행까지 완결하며, 예외일 때만 사람이 개입합니다

• L4(고도 자동화): 제한된 영역에서는 사람의 개입 없이 완결합니다

• L5(완전 자동화): 모든 상황에서 사람이 불필요합니다(현 시점에서는 이상형이며, 거의 미실현 상태입니다)

어느 공정을 자동화 레벨(Level, $L$: L0 수동~L5 완전자동)로 높였을 때의 연간 이익 변화 $\Delta P(L)$ 는 3개 항으로 표현됩니다.

$\Delta P_{\text{ij}}(L)\mspace{6mu} = w_{\text{ij}}\, H_{\text{ij}}\left\lbrack \, 1 - h_{\text{ij}}(L)\, \right\rbrack - \mspace{6mu} c_{\text{ij}}(L) - e_{\text{ij}}\, D_{\text{ij}}\left\lbrack \, 1 - d_{\text{ij}}(L)\, \right\rbrack$

우변의 항은 (인건비 절감) - (AI 운영비) - (에러의 기댓값 손실)을 의미합니다.

기호는 다음과 같습니다.

• 시간 단가(wage, $w$)와 연간 공수(Hours, $H$): 이 곱이 현 인건비입니다

• 사람의 관여율(human, $h$): 레벨 $L$ 일 때도 사람이 계속 관여하는 시간의 비율입니다

• AI의 운영비(cost, $c$）

• 에러율(error, $e$), 에러 1건의 손해액(Damage, $D$), 사람의 체크로 에러를 발견할 수 있는 비율인 검지율(detect, $d$）

핵심은 $h(L)$ 의 형태에 있습니다. L2(AI가 작업하고 사람이 전건 확인)까지는 $h$ 가 높게 유지되어 인건비가 크게 줄지 않습니다. L3(예외만 사람이 봄)로 올라가는 순간$h$ 는 예외의 비율까지 급락합니다. 즉, 효과의 주전장은 정형 업무를 L2에서 L3로 올리는 한 단계에 있습니다. (Endsley & Kaber, 1999; Parasuraman et al., 2000)

다만 레벨에는 상한 $L‾$ 이 있습니다. 오류를 취소할 수 없음(비가역), 인명·건강·다액의 금전에 관련됨($D$ 가 큼), 법률이 자격자의 판단을 요청함, 대인 판단을 포함함――이런 공정에서는 목표 레벨의 상한을 낮게 설정합니다. 따라서 재귀화되는$L_{\text{ij}}^{*}$는 다음과 같이 표현됩니다.

$L_{\text{ij}}^{*}\mspace{6mu} = \mspace{6mu} arg\max_{L}\mspace{6mu}\Delta P_{\text{ij}}(L)\quad\quad s.t.\quad L\mspace{6mu} \leq \mspace{6mu}{L‾}_{\text{ij}}$

즉, 공정의 성질에 따라 다음과 같은 자동화 레벨을 목표로 합니다.

• "정형 × 저리스크 × 가역 × 대량"의 공정: 목표 레벨은 L3~L4. 사람의 체크는 예외 시에만, 또는 모니터링만

• "반정형(최종 판단에 사람 필요)"의 공정: 목표 레벨은 L2. 사람이 전건 확인(AI는 초안)

• "비정형(무거운 판단·창의성)"의 공정: 목표 레벨은 L1. AI는 벽 부딪치기 역할, 결정은 사람

• "비가역·고손해·법령 요청"의 공정: 목표 레벨은 L2 이하. 사람이 전건 확인하며, 자격자·책임자가 승인

• "대인 협상·신체 작업"의 공정: 목표 레벨은 L0~L1. 사람이 실행하고, AI는 준비·기록 보조에만 한정(Physical AI에 의해 점차 자동화 대상이 될 예상) (Frohm, Lindström, Winroth, & Stahre, 2008)

기업의 액션

• "AI를 도입했는데 사람이 모두 남아있는" L2 수준의 공정이 없는지 점검합니다

• 정형·저리스크 공정은 예외만 사람이 보는 L3로의 전환을 목표로 설정합니다

• 비가역·고손해·법령 요청이 있는 공정은 무리해서 레벨을 올리지 않습니다

케이스스터디(C사·자동차부품공장): L2와 L3에서 효과는 3배 다르다

C사의 생산한 부품의 외관 검사에는 검사원 10명·연 20,000시간(인건비 6,000만 원)이 걸립니다. AI 검사 카메라를 도입해도 L2(사람이 전건 재확인,$h = 0.6$)에서는 효과는 $60,000,000 \times 0.4 - 10,000,000 - 2,000,000 = 12,000$ 만원/년에 그칩니다. L3(AI의 신뢰도가 낮은 15%만 사람이 확인,$h = 0.15$)로 올리면,$60,000,000 \times 0.85 - 12,000,000 - 4,000,000 = 35,000$ 만원/년. 같은 AI이어도 「사람이 전건 확인」을 그만둘 수 있는지 여부로 효과는 약 3배 달라집니다. 한편, 「출하 판정의 최종 승인」은 불량품 유출이 시장 회수로 직결되는 불가역적 처리이기 때문에 상한을 L2에 설정했습니다.

2.3 업무 흐름을 혁신하다: 기존 그대로 적용할 것인가, 다시 만들 것인가

2.2에서 목표 수준을 검토할 때, 업무 흐름을 혁신할 것인지 여부라는 2가지 선택지가 있습니다.

• A안(기존 흐름 활용): 지금의 워크플로우(공정의 구분과 체크의 흐름)는 그대로 두고 각 공정에 AI를 적용하기

• B안(흐름 혁신): AI를 전제로 하여 공정의 구분 방식과 사람의 체크 위치 자체를 다시 설계하기

A안은 투자가 작고 빨리 시작할 수 있지만 한계가 있습니다. 기존 흐름은 「사람이 작업하고 사람이 확인한다」는 전제로 짜여 있기 때문에, AI를 넣어도 사람의 확인이 그대로 남아 관여율 $h$ 이 내려가지 않습니다. 게다가 자동화의 효과를 가장 깎아내는 것은 공정 자체가 아니라 공정과 공정의 「이음매」(사람을 거친 인계·전사·재확인의 왕복)입니다. 이음매가 사람 손으로 남으면 거기서 작업이 멈추고,$h$ 이 내려가지 않으며 L2의 벽(사람이 전건 확인하는 상태)에서 효과가 정체됩니다. 효과가 급상승하는 것은 L3(예외만 사람이 보는)로의 한 단계 앞이지만, 거기로 나아가려면 흐름 자체를 다시 만들어야 합니다. (Davenport & Short, 1990; Davenport, 1993)

업무 흐름 혁신이란 AI를 전제로 「업무의 경계」를 다시 긋는 것입니다. 그 움직임에는 역방향으로 보이는 2가지 방향이 있습니다. (Hammer, 1990; Hammer & Champy, 1993)

• 통합(이음매를 없애기): 분산되어 있던 인접 공정을 묶어 일관되게 흐르게 하기. 사람을 거친 인계가 사라지고 흐름 전체에서 L3로 나아가기 쉬워집니다

• 분해(한 공정을 나누기): 한덩이의 공정을 규칙화할 수 있는 정형 부분(자동으로 흐르게 함)과 판단이 필요한 부분(사람이 담당)으로 나누어 정형 부분만 자동화하기

겉으로는 반대이지만 둘 다 「어디를 자동으로 흐르게 하고 어디에 사람의 판단과 책임을 남길 것인가」라는 책임의 재설계의 일부입니다. 구체적인 작업은 다음 3가지이며, 이들은 연속된 하나의 흐름이 됩니다.

1. 경계를 다시 긋기: 인접 공정을 통합하여 이음매를 없애거나, 한 공정을 정형 부분과 판단 부분으로 분해하기

2. 기준값으로 재배치하기: AI의 확신도·금액·신규성 등의 기준값(자동화 트리거)으로 「여기까지는 자동, 여기부터는 사람」의 선 긋기

3. 통제를 다시 짜기: 리뷰 방식을 전건 확인 → 표본 점검 → 예외 시에만 → 모니터링만, 이렇게 실적에 따라 단계적으로 가볍게 하기(빼면 안 되는 공정은 고정하기)

A안과 B안 중 어느 것을 선택할지도 각각의 이익 개선$\Delta P$의 크기에 따라 결정됩니다.

$\Delta P_{\text{ij}}(L_{A}) = wH\left\lbrack 1 - h(L_{A}) \right\rbrack - c(L_{A}) - eD\left\lbrack 1 - d(L_{A}) \right\rbrack\quad(기존 흐름)$

$\Delta P_{\text{ij}}(L_{B}) = wH\prime\left\lbrack 1 - h\prime(L_{B}) \right\rbrack - c\prime(L_{B}) - e\prime D\prime\left\lbrack 1 - d\prime(L_{B}) \right\rbrack\quad(혁신 후 흐름)$

통합의 효과는 전자($H$ 의 감소)에 크게 나타납니다. B안은 추가 투자 $\Delta I_{\text{ij}}$(프로세스 재편성·교육·데이터 정비)가 필요하므로, B안을 선택하는 것은 위의 차이의 현재가치가 추가 투자를 초과할 때입니다.

$\frac{\Delta P_{\text{ij}}(L_{B},\, t) - \Delta P_{\text{ij}}(L_{A},\, t)}{(1 + r)^{t}}\mspace{6mu} > \mspace{6mu}\Delta I_{\text{ij}}\quad \Rightarrow \quad B안(흐름 혁신)을 채택$

부등호가 역(추가 효과가 추가 투자에 미치지 못함)이면 A안 그대로 두었습니다. 실무에서는 먼저 A안으로 작게 시작하여 기술과 업무의 적합성을 확인하고, 효과가 L2의 벽에서 정체되는 공정――「AI를 넣었는데 사람이 전원 남아 있다」, 즉 $h(L_{A})$ 이 높은 채로 유지되는 공정부터 순서대로 B안에 투자하는 것이 안전합니다. (Trigeorgis & Reuer, 2017)

기업의 조치

• 먼저 기존 흐름 그대로 작게 자동화하고, 효과가 L2의 벽에서 정체되는 공정을 파악하기

• 정체되는 공정은 인접 공정의 「통합」 또는 한 공정의 「분해」로 업무의 경계를 다시 긋기

• 기준값과 통제(리뷰 방식)를 경계에 맞춰 설계하고 자동화 수준과 함께 운영 규칙으로 정하기

• 흐름 혁신은 추가 투자와 함께 견적을 내고 추가 효과와 비교하여 채택 여부를 정하기

• 공정별로 손해액 $D$ 을 추정하고,$D$ 이 큰 부분은 사람의 체크를 남기기

케이스 스터디(D사·손해보험회사): 통합과 분해를 조합하여 벽을 넘기

D사는 사고 대응에 AI를 도입했습니다. 처음에는 A안으로 기존 흐름 그대로 「접수·기록·감정·지급」의 각 공정에 AI를 적용하고 담당자가 전건을 확인하는 형태였지만, 공정 간 서류 인계가 사람 손으로 남아 효과가 미미했습니다. 전형적인 L2의 벽이었습니다.

그래서 B안으로 흐름을 다시 만들었습니다. 먼저 통합입니다. 종래 산산이 흩어져 있던 「사고 접수 → 기록 → 보험금 초기 계산」을 일관되게 연결하고 담당자 간 인계(이음매)를 없애 표준적인 사고는 자동으로 감정 계산까지 흐르도록 했습니다. 다음은 분해입니다. 「보험금 지급 감정」을 금액의 기계 계산(규칙화할 수 있는)과 지급 가부의 최종 판단(사람이 담당)으로 나누었습니다.

그 위에 기준값과 통제를 손해액 $D$ 에 따라 설계하고 있습니다. 「사고 접수·기록」은 틀려도 나중에 전화로 보정할 수 있고 $D$ 이 작아 전건 확인을 폐지했습니다(체크를 그만두었을 때 증가하는 손실은 100만 건 × 1% × 2,000원 = 연 200만원, 반면 전건 확인 비용은 연 2,500만원으로 맞지 않음). 반대로 「지급 가부의 최종 판단」은 오류가 고객의 생활과 회사의 신용에 직결되고 $D$ 이 크다(체크를 그만두었을 때 손실은 2만 건 × 1% × 100만원 = 연 2억원, 전건 확인 비용 연 3,000만원을 크게 웃돈다)고 해서 감정사의 확인을 남겼습니다. 이음매는 통합하여 없애고 판단은 분해하여 사람에게 남기는 식으로 책임을 다시 설계하고 있습니다.

2.4 투자할 가치가 있는가: NPV로 판단하기

2.2~2.3의 설계로 이익 개선 $\Delta P(t)$ 이 결정됩니다. 투자의 채택 여부는 생애 효과를 현재 가치로 할인한 후 투자액을 뺀 순현재가치(Net Present Value, NPV)로 판단합니다. (Brealey, Myers, & Allen, 2020)

$\text{NPV}_{\text{ij}}\mspace{6mu} = \mspace{6mu}\frac{\Delta P_{\text{ij}}(t)}{(1 + r)^{t}}\mspace{6mu} - \mspace{6mu} I_{\text{ij}},\quad\quad\text{PI}_{\text{ij}}\mspace{6mu} = \mspace{6mu}\frac{\text{NPV}_{\text{ij}}}{I_{\text{ij}}}$

NPV가 플러스이면 그 투자는 기업가치를 늘립니다. 여러 안건을 비교할 때는 투자 1원당 벌이인 수익성 지수(Profitability Index, PI)로 정렬합니다. 주의점은 2가지입니다. 첫째, 투자액 $I$ 에는 시스템 비용뿐만 아니라 업무 재편성·교육·데이터 정비 비용도 포함해야 합니다. 둘째, 효과는 도입 초기에 학습 비용이 선행하여 일시적으로 마이너스가 되고 1~2년 늦게 회복됩니다(생산성의 J커브라고 불림). 초년도 적자로 「실패」라고 판정하지 말고 계속 여부는 중간 KPI(데이터 정비율·정확도·자동화율)로 판단하세요. (Brynjolfsson, Rock, & Syverson, 2021)

기업의 조치

• 각 안건은 NPV가 플러스인지 여부로, 여러 안건 비교는 PI로 판단하기

• 투자의 평가 기간은 상각 기간이 아니라 효과의 지속 기간에 맞추기

• 초년도 적자로 철수하지 말고 계속 여부는 중간 KPI로 판단하기

케이스 스터디(E사·화물 운송회사): 평가 기간으로 결론이 달라지기

E사는 배차 계획의 AI화에 1억 2,000만원(시스템 8,000만원 + 데이터 정비·교육 4,000만원)을 투자합니다. 효과는 1년차 −1,000만원(학습이 선행), 2년차 +2,000만원, 3년차 이후 +3,500만원/년($r = 8\%$)입니다. 5년으로 끊으면 NPV는 약 −3,500만원이지만 시스템은 10년 쓸 수 있어 10년으로 평가하면 NPV는 약 +6,000만원(PI = 0.5)으로 전환됩니다. 평가 기간과 초기 적자 취급이 투자 판단의 결론을 나눕니다.

3. 위험($r$)을 억제하기: 비용 구조를 안정시키기

제2의 레버가 할인율 $r$ 입니다.$V = P/(r - g)$ 의 분모에 해당하고, 실적의 변동성(이익의 오르내림)이 클수록 $r$ 은 커집니다. 따라서 자동화를 진행할 때는 「이익을 얼마나 늘릴 것인가」뿐만 아니라 「실적의 변동성 =$r$ 을 어떻게 바꿀 것인가」도 봐야 합니다. (Sharpe, 1964; Mandelker & Rhee, 1984)

자동화로 $r$ 이 움직이는 주된 경로는 비용 구조의 변화입니다. 인건비(매출에 따라 줄일 수 있는 변동비)를 시스템 비용(매출이 떨어져도 줄일 수 없는 고정비)으로 바꾸면 불황 시에 비용이 내려가지 않아 이익의 변동성이 커져 $r$ 이 올라갑니다.$r$ 을 억제하려면 비용을 가능한 한 변동비로 유지하는 것이 효과적입니다. (Mandelker & Rhee, 1984)

기업의 조치

• 종량 과금·리스 등 매출에 연동하여 비용을 줄일 수 있는 계약을 우선하기

• 대규모 고정 투자는 불황 시나리오(매출 -20% 등)에서의 내성을 확인한 후 실행하기

• 시책의 평가에서는 연간 비용의 대소뿐 아니라 비용의 고정비화에 따른 $r$ 의 변화도 함께 보기

케이스 스터디(F사·SaaS 기업): 싼 쪽을 고르다 보니 기업가치가 내려가기

F사는 AI에 의한 문의 응답을 동작시키기 위해 컴퓨터 사용 방식을 2안으로 비교했습니다.

• 자사 보유안: 고성능 서버를 자체 구입. 구입하고 나면 단가는 싸지만 써도 안 써도 매년 비용은 거의 고정(= 고정비)

• 종량 과금안: 외부 AI 서비스를 쓴 만큼 지급. 단가는 다소 높지만 안 쓰면 비용도 줄어듦(= 변동비)

호황으로 문의가 많은 해는 단가가 싼 자사 보유안의 연간 비용이 더 작습니다. 여기만 보면 자사 보유안이 정답으로 보입니다.

그런데 불황이 와 문의가 3할 줄면 차이가 납니다. 종량 과금안은 사용량이 줄어드는 만큼 비용도 자동으로 3할 줄어들지만, 자사 보유안은 서버를 구입했으니 비용이 거의 줄어들지 않습니다. 매출이 떨어져도 비용이 안 떨어진다――즉, 이익의 변동성(오르내림)이 커집니다.

이익의 변동성이 클수록 할인율 $r$ 이 올라가고$V = P/(r - g)$ 의 분모가 커져 기업가치는 내려갑니다. 따라서 평상시 연간 비용은 자사 보유안이 싸도 불황 시 위험까지 포함한 기업가치로는 종량 과금안이 앞설 수 있습니다. 「가장 비용이 싼 안」과 「가장 기업가치가 높은 안」은 반드시 같지 않습니다.

4. 성장($g$)을 높이기: 남은 자원을 성장에 쏟아붓기

제3의 레버가 성장(Growth, $g$)입니다. 지속적인 성장률은 「이익 중 재투자에 돌리는 비율(재투자율, $b$)」과 「재투자의 수익률(Return on Invested Capital, ROIC)」의 곱으로 결정됩니다. (Damodaran, 2012; Koller et al., 2020)

$g\mspace{6mu} = \mspace{6mu} b \times \text{ROIC}$

자동화는 3가지 경로로 $g$ 을 높입니다.

• 첫째, 공정의 수익성 개선(제2장)은 ROIC 자체를 높입니다.

• 둘째, 남은 인시간과 현금을 성장 업무(상품 개발·신시장·고객 확보)에 재배분하면$b$ 이 높아집니다.

• 셋째, 자동화된 공정은 처리량을 늘려도 비용이 거의 증가하지 않기 때문에 "인력 부족으로 성장할 수 없다"는 병목이 해소됩니다.

$V = P/(r - g)$ 의 형태에서 알 수 있듯이,$g$ 의 1포인트 개선은,$r$ 의 1포인트 저하와 같은 크기로 기업가치에 영향을 미칩니다. 자동화를 "비용 절감"으로 끝낼 것인지, "성장의 원천"으로 전환할 것인지에 따라 기업가치에 미치는 영향이 크게 달라집니다.

기업의 액션

• 자동화로 절감된 공수를 인원 감축만으로 회수하지 말고, 성장 업무로의 재배치 계획과 함께 승인한다

• 한계비용이 낮아진 공정을 가진 사업은 판로 확대 등의 규모 확대 투자와 동시에 계획한다

• 자동화 과정에서 축적되는 데이터를 다음 개선과 신규 서비스를 만드는 자산으로 관리한다

케이스 스터디(G사·온라인 학습 서비스): 이익이 같아도 가치는 1.5배

I사는 AI 첨삭과 자동 응답(L3: 난제만 강사에게)으로 강사 시간의 6할을 확보했습니다. 연간 이익은 5억 원,$r = 10\%$ 입니다. 기존에는 $b = 40\%$, ROIC＝10%에서 $g = 0.4 \times 0.10 = 4\%$、$V = 5 \div (0.10 - 0.04) \approx 83$ 억 원이었습니다.

확보된 시간을 신규 강좌 개발에 배정하여 $b = 50\%$, ROIC＝12%가 되면,$g = 6\%$、$V = 5 \div (0.10 - 0.06) = 125$ 억 원입니다.

당기 이익은 5억 원으로 동일해도 성장성 개선만으로 기업가치는 약 1.5배가 됩니다. 자동화를 "비용 절감액"만으로 측정하면 이 효과를 완전히 놓치게 됩니다.

5. 어디에 투자할 것인가: 예산 배분의 전체 최적화

자동화의 투자 대상은 제2.1장에서 분해한 공정 $(i,j)$ 입니다($i$＝사업,$j$＝공정). 이익(제2장)·리스크(제3장)·성장성(제4장)을 반영한 각 공정의 NPV가 나왔으면, 마지막은 한정된 예산(Budget, $B$)을 어느 공정에 얼마나 배분할지라는 문제가 됩니다.

max_{xij} Σ NPV_ij(x_ij)   s.t.  Σ x_ij ≤ B

여기서 $x_{\text{ij}}$ 는 공정 $(i,j)$ 의 자동화에 배분하는 투자액(얼마를 투자할지라는 의사결정 변수)입니다.$\text{NPV}_{\text{ij}}(x_{\text{ij}})$ 는 그 투자가 만드는 순현가, 우측의 제약은 "전 공정에 대한 투자의 합이 예산 $B$ 을 초과하지 않는다"는 조건을 나타냅니다.

실무에서는 PI(투자 1원당 NPV)가 높은 순서대로 예산이 떨어질 때까지 채택하면 충분히 기능합니다. 가장 수익성이 높은 1개 공정에 전액을 투자하는 것이 아니라, 효율이 좋은 순서대로 여러 공정에 배분하는 것이 올바른 판단입니다. (Brealey, Myers, & Allen, 2020; Kundisch & Meier, 2011)

기업의 액션

• 안건을 개별 승인하지 말고, 전체 후보를 PI 순서로 나열하여 예산이 떨어질 때까지 위에서부터 채택한다

• NPV가 마이너스인 안건은 유행이나 다른 사업 사례를 이유로 채택하지 않는다

• 결재 서류에는 ①이익 개선(초기 적자 기간 포함), ②비용의 고정비화에 따른 할인율 r 의 변화, ③손해가 큰 공정의 오류 대책, ④투자액의 4가지 항목을 기재하도록 하고, 이 틀에서 승인 판단을 한다

케이스 스터디(H사·건설회사/건설업): 예산 1.5억 원을 어떻게 배분할 것인가

H사의 자동화 후보(공정)와 그 평가는 다음과 같이 정리됩니다.

• 청구서·지급 처리 자동화(경리): 투자액 2,000만 원, NPV＝3,600만 원, PI＝1.8(투자 1원당 1.8원의 가치 창출＝가장 효율이 높음)

• 드론 측량·준공 관리(현장): 투자액 1.2억 원, NPV＝6,000만 원, PI＝0.5(NPV의 절대액은 최대이지만 효율에서는 경리에 미치지 못함)

• 작업 일보의 자동 작성: 투자액 3,000만 원, NPV＝−300만 원, PI＝−0.1(NPV가 마이너스＝기업가치를 감소시키므로 채택하지 않음)

PI 순서대로 먼저 경리(2,000만 원), 다음으로 드론 측량(1.2억 원)에서 총 1.4억 원을 배분합니다. 작업 일보는 NPV가 마이너스이므로 예산이 남아도 채택하지 않습니다. "건설회사이니까 먼저 현장부터"라고 생각했다면, 가장 효율이 좋은 경리 안건(1원으로 1.8원을 버는)을 놓치게 될 것입니다.

6. 실천의 절차: 경영진·실무가가 취해야 할 단계

지금까지의 내용을 실제로 취해야 할 순서로 정리합니다. 다음 절차를 공정별로 회전하세요.

1. 목표를 기업가치에 둔다: 시책을 이익액만으로 측정하지 말고, 이익($P$)·리스크($r$)·성장성($g$)의 3가지에 미치는 영향으로 평가한다(제1장)

2. 업무를 공정으로 분해한다: 사업을 공정(태스크)으로 나누고, 공정별로 비용을 실측하여 가치를 추정한 후, "비용 많음 × 가치 기여 낮음"인 공정을 자동화 후보로 든다(2.1)

3. 목표 자동화 레벨을 정한다: 각 공정을 L0～L5 중 어디까지 올릴지를 효과($\Delta P$)와 상한(되돌릴 수 없음·손해의 크기·법령·대인성)의 양면에서 정한다. 정형·저위험 공정은 L3을 목표로 한다(2.2)

4. 흐름 혁신의 필요성을 판단한다: 먼저 기존 흐름 그대로 작게 시험해 보고, L2에서 한계에 도달하는 공정은 인접 공정의 "통합"이나 한 공정의 "분해"로 업무의 경계를 다시 그린다. 추가 투자와 추가 효과를 비교하여 정한다(2.3)

5. 투자의 가부를 NPV로 판단한다: 시스템 비용뿐만 아니라 교체·교육·데이터 정비 비용도 포함하여 추정하고, NPV가 플러스인지로 채택 여부를 정한다. 초년도 적자로 철회하지 말고 중간 KPI로 계속 여부를 판단한다(2.4)

6. 리스크와 성장성을 반영한다: 비용의 고정비화로 할인율 $r$ 이 올라가지 않는지, 확보된 자원을 성장($g$)에 돌릴 수 있는지를 확인한다(제3·4장)

7. 예산을 PI 순서로 배분한다: 후보 공정을 PI(투자 1원당 NPV)가 높은 순서대로 나열하고, 예산이 떨어질 때까지 채택한다. NPV 마이너스는 채택하지 않는다(제5장)

8. 실행·모니터링하여 순환시킨다: 도입 후 실적(공수·오류율·손해액)을 측정하고, 다음 순회에서 분해·레벨·경계를 재검토한다(IS Success Model 등 활용). 절차 1로 돌아간다 (DeLone & McLean, 2016; Schryen, 2013)

이 절차는 한 번으로 끝나지 않으며, 순회할수록 각 값의 추정 정확도가 높아지고, 자동화의 범위와 정확도가 향상됩니다.

맺으며

기업 업무의 자동화 가이드라인이라는 주제로, 기업가치 최대화를 위한 DX 시책의 검토와 실행에 관해 학술 연구와 실무가의 지식을 바탕으로 정리했습니다. 향후 어떤 새로운 기술이나 사회 변화가 찾아오더라도, 일관된 프로세스에 의해 기업 활동의 개선에 취り組むための 참고가 되기를 바랍니다.

참고 문헌

1. Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3–30.

개요: 자동화를 "태스크의 자본으로의 재배분"으로 捉え, 치환 효과와 신규 태스크에 의한 재창출 효과를 보인 틀.

2. Autor, D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. Journal of Economic Perspectives, 29(3), 3–30.

개요: 자동화는 직업이 아니라 태스크 단위로 진행되며, 보완되는 태스크의 가치가 높아짐을 논한 논문.

3. Brealey, R. A., Myers, S. C., & Allen, F. (2020). Principles of corporate finance (13th ed.). McGraw-Hill Education.

개요: NPV·수익성 지수(PI)·자본 제약 하의 투자 선택 등 기업 재무의 표준 교과서.

4. Brynjolfsson, E., Mitchell, T., & Rock, D. (2018). What can machines learn, and what does it mean for occupations and the economy? AEA Papers and Proceedings, 108, 43–47.

개요: 기계 학습의 적합도(SML)를 태스크 단위로 평가하고, 많은 직업이 일부 태스크만 자동화 가능하며 직무 재설계가 필요함을 보인 논문.

5. Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372.

개요: 범용 기술은 무형 자산으로의 보완 투자를 요하며, 초기의 생산성 저하와 후년의 비약(J커브)을 만드는 것을 실증.

6. Damodaran, A. (2012). Investment valuation: Tools and techniques for determining the value of any asset (3rd ed.). Wiley.

개요: DCF 평가와 성장률＝재투자율×ROIC 등 밸류에이션의 실무 수법을 체계화한 자료.

7. Davenport, T. H. (1993). Process innovation: Reengineering work through information technology. Harvard Business School Press.

개요: IT를 전제로 업무 프로세스를 혁신하는 방법론을 보인 프로세스 이노베이션의 기본서.

8. Davenport, T. H., & Short, J. E. (1990). The new industrial engineering: Information technology and business process redesign. Sloan Management Review, 31(4), 11–27.

개요: IT와 업무 프로세스 재설계는 본래 일체라고 하며, 프로세스 재설계의 관점을 제시한 선구적 논문.

9. DeLone, W. H., & McLean, E. R. (2016). Information systems success measurement. Foundations and Trends in Information Systems, 2(1), 1–116.

개요: 정보 시스템의 성공을 시스템/정보/서비스 품질·이용·만족·순편익의 다차원으로 측는 D&M 모델.

10. Endsley, M. R., & Kaber, D. B. (1999). Level of automation effects on performance, situation awareness and workload in a dynamic control task. Ergonomics, 42(3), 462–492.

개요: 자동화 레벨이 성과·상황 인식·작업 부하에 미치는 영향을 실험적으로 보인 인간공학 연구.

11. Frohm, J., Lindström, V., Winroth, M., & Stahre, J. (2008). Levels of automation in manufacturing. Ergonomia – International Journal of Ergonomics and Human Factors, 30(3).

개요: 제조업의 자동화를 물리적 측면과 인지적 측면으로 나누어 단계화한 틀(신체 태스크의 자동화 관점).

12. Gordon, M. J. (1959). Dividends, earnings, and stock prices. The Review of Economics and Statistics, 41(2), 99–105.

개요: 정률 성장 모델(배당 할인 모델)의 기초를 세운 고전적 논문.

13. Hammer, M. (1990). Reengineering work: Don’t automate, obliterate. Harvard Business Review, 68(4), 104–112.

개요: 기존 업무를 자동화하는 것이 아니라 프로세스 자체를 다시 만들어야 한다고 주장한 BPR의 원점.

14. Hammer, M., & Champy, J. (1993). Reengineering the corporation: A manifesto for business revolution. HarperBusiness.

개요: 업무 프로세스의 근본적 재설계(리엔지니어링)를 체계화한 경영서.

15. Kaplan, R. S., & Cooper, R. (1998). Cost & effect: Using integrated cost systems to drive profitability and performance. Harvard Business School Press.

개요: 활동 기준 원가 계산(ABC)으로 공정·활동 단위의 비용과 수익성을 가시화하는 수법.

16. Koller, T., Goedhart, M., & Wessels, D. (2020). Valuation: Measuring and managing the value of companies (7th ed.). Wiley.

개요: DCF에 기초한 기업가치 평가와 가치 창조 드라이버(ROIC·성장)의 실무 표준서(맥킨지).

17. Kundisch, D., & Meier, C. (2011). IT/IS project portfolio selection in the presence of project interactions. Wirtschaftsinformatik Proceedings 2011.

개요: IT 프로젝트 간의 상호 작용을 고려한 포트폴리오 선택에 관한 문헌 정리.

18. Mandelker, G. N., & Rhee, S. G. (1984). The impact of the degrees of operating and financial leverage on systematic risk of common stock. Journal of Financial and Quantitative Analysis, 19(1), 45–57.

개요: 영업 레버리지(고정비 비율)와 재무 레버리지가 주식의 시스템 리스크(β)를 높임을 실증.

19. Parasuraman, R., Sheridan, T. B., & Wickens, C. D. (2000). A model for types and levels of human interaction with automation. IEEE Transactions on Systems, Man, and Cybernetics – Part A, 30(3), 286–297.

개요: 정보의 취득·분석·판단·실행의 4가지 기능별로 자동화 레벨을 당긴는 틀.

20. Porter, M. E. (1985). Competitive advantage: Creating and sustaining superior performance. Free Press.

개요: 밸류 체인의 개념을 제시하고 가치 창출을 활동 단위로 분해하는 관점을 확립한 고전.

21. SAE International. (2021). J3016: Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles.

개요: 자동 운전의 L0～L5를 정의한 국제 기준. 본 가이드의 자동화 6단계의 기초가 되는 일반화 모델.

22. Schryen, G. (2013). Revisiting IS business value research: What we already know, what we still need to know, and how we can get there. European Journal of Information Systems, 22(2), 139–169.

개요: IT 투자의 가치 연구를 총정리하고, 무형 자산·지연 효과·조직 능력 등 평가상의 논점을 정리.

23. Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance, 19(3), 425–442.

개요: 리스크와 기대 수익의 관계를 보이는 CAPM을 제시하고, 할인율과 리스크의 관계의 기초를 세운 논문.

24. Sheridan, T. B., & Verplank, W. L. (1978). Human and computer control of undersea teleoperators. MIT Man-Machine Systems Laboratory.

개요: 자동화 10단계의 원형을 보인, 전 업계의 자동화 단계론의 원류가 되는 연구.

25. Trigeorgis, L., & Reuer, J. J. (2017). Real options theory in strategic management. Strategic Management Journal, 38(1), 42–63.

개요: 불확실성 하에서는 작게 시작하여 확대·철회할 수 있는 유연성(리얼 옵션)에 가치가 있다고 논한 리뷰.