AI는 Analytics와 결합할 때 성과를 낸다
주요 내용 미리보기
AI는 단독으로는 ‘그럴듯한 생성·자동화 도구’에 머물기 쉽지만, Analytics와 결합될 때 실제 성과로 전환됩니다. 그 이유는 Analytics가 문제 정의, 데이터 근거, 계산 검증, 성과 측정, 의사결정 연결을 제공하고, AI가 탐색·해석·자동화·개인화·실행 속도를 높이기 때문입니다.
즉, AI가 분석을 대체하는 것이 아니라, AI는 Analytics의 사용성과 속도와 범위를 확장하고, Analytics는 AI의 신뢰성과 성과 측정과 실행 가능성을 보장하는 방식으로 시너지를 낼 수 있습니다.
1. 왜 ‘AI 단독’으로는 성과로 잘 이어지지 않는가?
최근 실무적 논의에서 가장 반복적으로 나오는 메시지는 ‘AI 도입률은 높지만, 조직 성과로 전환되는 비율은 낮다’는 것입니다. McKinsey의 2025 Global Survey는 AI 사용이 광범위해졌고 agentic AI도 확산되고 있지만, 대부분 조직은 아직 기업 수준의 가치 실현과 스케일링 초기 단계에 있다고 정리합니다. [mckinsey.com] BCG도 2025년 보고서에서 AI가 여전히 경영진의 우선순위이지만, 투자 대비 ‘체감할 수 있는 결과(tangible result)’는 부족하고, 실제 재무·업무 성과를 만드는 방향으로 관심의 초점이 옮겨가고 있다고 봅니다. [bcg.com (2025)]
이 격차가 생기는 이유는 AI 모델 자체가 부족해서만은 아닙니다. Gartner는 2025년 “Agentic Analytics”를 데이터-인사이트 워크플로우 전반에 AI 에이전트를 적용해 목표 지향적으로 인사이트를 지원·증강·자동화하는 흐름으로 설명합니다. [gartner.com] 동시에 2025년 Reuters가 보도한 Gartner 전망은 agentic AI 프로젝트의 40% 이상이 2027년까지 비용 증가와 불명확한 비즈니스 가치 때문에 중단될 수 있다고 경고합니다. [reuters.com (2027)]
이는 곧 ‘AI의 성과는 모델 성능이 아니라, 데이터·분석·업무 프로세스·의사결정 체계와 얼마나 결합되는가에 달려 있다’는 의미로 해석할 수 있습니다.