2026년 7월 13일
How Retailers Adapt When Growth Slows성장이 둔화될 때 유통 기업은 어떻게 적응하는가
Knowledge at Wharton와튼스쿨 마샬 피셔 교수는 과거의 성장 전략이 더 이상 통하지 않을 때 성공적인 유통 기업이 어떻게 전략을 전환하는지를 연구했다. 코스트코, 월마트, 딜라드 등의 사례를 분석한 결과, 유통 기업은 신규 매장 출점, 온라인 채널 확장, 비용 절감이라는 단계적 성장 경로를 거친다는 점을 확인했다. 피셔 교수는 기업이 성장을 억지로 끌어올리려는 유혹을 경계해야 하며, 비용보다 매출을 빠르게 늘리는 데 집중하는 것이 핵심이라고 강조한다. 이는 HR 관점에서도 중요한 시사점을 제공한다. 조직 성장 국면에 따라 인력 운용 전략이 달라져야 하기 때문이다. 고성장기에는 채용과 역량 확장이 우선이지만, 성장이 정체되는 시기에는 인력 효율화와 비용 구조 재검토가 불가피해진다. 성장 단계를 명확히 진단하지 않은 채 채용·보상·조직 설계를 관성적으로 유지하면 경영 리스크가 커질 수 있으므로, HR 리더는 비즈니스 사이클 변화에 민감하게 반응하는 유연한 인력 전략을 갖추는 것이 중요하다.
Why the Next Wave of Enterprise Strategy is Industry Clouds기업 전략의 다음 물결, 인더스트리 클라우드
Harvard Business Review클라우드 전환은 2030년까지 최대 3조 달러의 가치를 창출할 것으로 전망되며, 그 핵심에는 AI를 결합한 인더스트리 클라우드(산업별 특화 클라우드 플랫폼)가 있다. 인더스트리 클라우드는 의료, 금융, 유틸리티 등 각 산업의 규제 요건과 고유 업무 프로세스를 기본으로 내장하여, 범용 클라우드와 달리 즉시 현장에 적용 가능한 수준의 특화 기능을 제공한다. 가트너에 따르면 산업별 클라우드 플랫폼을 도입한 기업 비율은 2023년 15%에서 2027년 70%까지 급증할 것으로 예상된다. 맥킨지 연구는 많은 기업이 여전히 AI를 조직 전반에 확산하는 초기 단계에 머물러 있다고 지적하며, 실험 수준의 AI 도입을 넘어 핵심 운영 프로세스에 AI를 내재화하는 방향으로 전환이 가속되고 있음을 강조한다. HR 실무자 입장에서 이 흐름은 단순한 IT 인프라 변화로 볼 수 없다. 채용, 인재 관리, 급여·복리후생 등 HR 고유 업무도 인더스트리 클라우드를 통해 AI 기반으로 재설계될 가능성이 높아지고 있으며, 측정 가능한 성과 중심의 도입 전략과 현업 전문가 의존도를 낮추는 프로세스 표준화가 향후 HR 디지털 전환의 핵심 과제로 부상할 것이다.
AI harmony is a design problem, not a technology oneAI 조화는 기술 문제가 아니라 설계 문제다
HRM Asia태국 인사관리협회(PMAT) 회장이자 Siam Commercial Bank 최고인사책임자인 Worawat Suvagondha는 조직이 AI 도입에서 범하는 가장 큰 실수는 이를 기술 프로젝트로 간주하는 것이라고 주장한다. 그는 진정한 의미의 인간과 AI의 조화란 둘 중 하나를 선택하는 문제가 아니라, 양쪽이 동시에 제 역할을 할 수 있도록 일 자체를 재설계하는 설계의 문제라고 강조한다. 구체적으로 AI는 대량 데이터 처리, 반복 업무 자동화, 신속한 인사이트 생성에 집중하고, 사람은 판단·공감·창의성·윤리적 의사결정·리더십·관계 구축에 집중하도록 역할을 구분해야 한다. AI 도입에 성공한 조직은 단순히 도구를 도입하는 데 그치지 않고 어떤 업무를 AI에 맡길지, 직무는 어떻게 진화할지, 직원에게 어떤 새로운 역량이 필요한지를 체계적으로 설계한다. 반면 플랫폼과 자동화에 과도하게 투자하면서 구성원을 뒷전으로 미루는 조직은 단기 생산성은 오를 수 있으나 신뢰·몰입·수용도가 저하되고 AI가 구성원에게 강요된 것처럼 느껴지는 부작용을 겪는다. 효율성 지표만으로 성공을 측정하면서 직원 경험, 학습, 문화를 간과하는 것도 또 다른 실패 패턴이다. 한국 HR 실무자 입장에서 이 관점은 시사하는 바가 크다. AI 전환의 성패는 시스템 고도화보다 구성원이 변화의 의미와 이유를 납득하도록 돕는 데 달려 있으며, "기술은 효율을 만들고 사람은 의미를 만든다"는 원칙을 조직 설계의 출발점으로 삼아야 한다.
The foundational elements of AI architecture that IT leaders need to scaleAI를 확장하기 위해 IT 리더가 알아야 할 AI 아키텍처의 핵심 요소
MIT Technology Review - AIAI 기술이 에이전틱 시스템(스스로 정보를 검색하고 의사결정·워크플로를 실행하는 AI)으로 빠르게 진화하는 가운데, 조직이 어떤 AI 투자가 6개월 후에도 유효할지 판단하기 어려운 상황이다. 이 글은 기술 변화에도 흔들리지 않는 AI 아키텍처의 네 가지 토대로 데이터 품질, 컨텍스트 엔지니어링(모델에 제공되는 정보 환경 설계), 거버넌스, 그리고 인간 전문성을 제시한다. Elastic의 CIO 아드난 아딜은 데이터 없이는 모델이 제대로 작동하지 않는다고 강조하며, 가트너는 AI에 적합한 데이터 기반이 갖춰지지 않으면 2026년까지 전체 AI 프로젝트의 60%가 중단될 것으로 예측한다. 컨텍스트 엔지니어링 측면에서는 모델에 지나치게 많은 정보를 제공하면 오히려 정확도가 낮아지고 비용과 응답 시간이 증가하므로, 최소한의 정확하고 최신의 정보를 구조화해 제공하는 것이 중요하다. HR 실무 관점에서도 이 원칙은 시사하는 바가 크다. 인재 분석, 채용 자동화, 직원 경험 플랫폼 등 HR 영역의 AI 도입이 확대될수록, 시스템이 참조하는 데이터의 품질과 거버넌스 수준이 AI 결과물의 신뢰도를 직접적으로 좌우하기 때문이다. AI 도구 도입 이전에 데이터 정합성과 접근 권한 체계를 먼저 점검하는 것이 성공적인 AI 활용의 전제 조건이 된다.
매일 아침, 텔레그램으로.
7개 트랙의 최신 HR 인사이트를 매일 KST 08:40에. @hrinsight4sk