Your AI Pilots Won't Move the P&L. Here's What Will - Adam Nahari, Apollo

한 줄 핵심

AI 도입 자체는 널리 퍼졌지만 P&L에 의미 있는 영향을 내려면 단일 툴 배포가 아니라 CEO 정렬, 업무 재설계, 채택 관리, 사전 중단 기준까지 포함한 조직적 변화가 필요하다.

시간별 요약

1. 0:00
   항공사 승무원 스케줄링 데스크 화물 항공사의 수동 승무원 재배치 사례를 통해, 복잡한 제약 속에서 빠르게 해법을 찾아야 하지만 실제로는 종종 가장 비싼 해법에 의존하게 되는 구조를 보여준다. 이 문제는 단순 자동화가 아니라 운항 네트워크 전반의 비용과 운영을 좌우하는 핵심 지점이다.
2. 1:22
   AI 채택과 실제 EBIT 효과의 차이 생성형 AI 사용률과 기업 도입률은 매우 높지만, 실제로 의미 있는 EBIT 개선을 보고하는 비율은 극히 낮다. 시간 절감은 분명 존재하지만 그 이익이 대부분 P&L에 반영되지 않는 이유가 핵심 질문으로 제기된다.
3. 2:42
   엔지니어링보다 더 큰 변화관리 AI 전환의 성패는 기술 구현보다 문제 선정, 이해관계자 동의, 채택 유도, 영향 측정 같은 변화관리에서 갈린다. 모델이 좋아질수록 엔지니어링 비중은 더 줄고, 실패는 주로 실행과 조직 운영에서 발생한다.
4. 3:42
   AI 가치의 세 가지 층위 AI 가치는 일반 생산성 도구, 업무 도메인 특화 도구, 핵심 운영 프로세스에 내장된 시스템의 세 층위로 나뉜다. 대부분의 기업은 첫 번째 층에 머무르지만, EBIT에 큰 변화를 만드는 곳은 전체 워크플로를 재설계하는 세 번째 층에 집중한다.
5. 5:45
   P&L에서 거꾸로 출발하기 항공사 사례에서는 EBITDA를 기준으로 routes, tails, maintenance, crew라는 드라이버를 분해하고, 그중 가장 큰 비용 요인인 crew에 집중한다. 좋은 유스케이스는 CFO가 인식할 수 있는 지표를 움직이고, 사전 합의된 기준으로 측정 가능하며, 데이터와 인프라가 준비되어 있고, 명확한 오너와 CEO 우선순위를 갖춰야 한다.
6. 7:21
   10% 개선과 10배 개선의 차이 기존 프로세스를 조금 더 빠르게 만드는 자동화는 대체로 점진적 효과에 그치지만, 새로운 기술에 맞게 프로세스 전체를 다시 설계하면 변혁적 성과가 나온다. 항공사에서는 제약을 모두 반영해 가능한 해법을 계산하고 비용 순으로 정렬하는 optimization agent engine과 이를 지원하는 새로운 워크플로가 그 예다.
7. 9:02
   사용되게 만드는 오너십과 정렬 성공 가능성이 높은 전환은 CEO의 공개적 우선순위 선언에서 시작되며, P&L 오너, CFO, CTO의 정렬이 지속적으로 유지되어야 한다. 또한 VP of crew scheduling, 현업 AI champion, 기술·도메인 역량을 함께 가진 신규 리더십이 함께 설계에 참여해야 현업이 실제로 받아들인다.
8. 11:42
   모두의 손에 도구를 쥐여주기 AI를 한 번도 써보지 않은 상태에서는 AI로 업무를 다시 설계하는 것이 불가능하다. 핵심 이해관계자가 직접 도구를 시험해 보고 어디에 가치가 생기는지 체감하는 경험이 최소 요건이며, 이것이 전환의 출발점이 된다.
9. 12:40
   중단 기준을 먼저 정하기 파일럿을 시작하기 전에 시간, 성과 지표, 채택률의 세 가지 게이트를 미리 정하고, CFO와 함께 단위경제성이 스케일 시 수익 효과보다 충분히 낮은지 검증해야 한다. 이렇게 하지 않으면 많은 실험이 비용 대비 효과를 통과하지 못한 채 중단된다.
10. 14:07
    여섯 가지 핵심 실행 원칙 정리 문제는 적게 고르고, 프로세스는 끝까지 다시 설계하고, CEO부터 오너를 세우며, 현업이 직접 써보게 만들고, 중단 기준을 선행 정의하고, CFO와 확장성을 검증해야 한다. 결국 경쟁력은 모델 자체보다 그 모델을 조직이 흡수해 실제 운영 변화로 바꾸는 능력에서 나온다.

실무 인사이트

• AI 파일럿의 성과를 보려면 '무엇을 자동화할까'보다 '어떤 P&L 라인을 얼마나 바꿀까'를 먼저 정의해야 한다.
• 현업 채택은 배포 이후의 홍보가 아니라 설계 단계부터 참여시키는 구조에서 나온다.
• 중단 기준과 단위경제성을 처음부터 넣어야 AI 프로젝트가 실험으로 끝나지 않고 사업 성과로 이어진다.