14 read min
오늘날 글로벌 기업들은 기업 운영 방식 자체를 근본적으로 변화시키는 두 가지 도전 과제에 직면해 있습니다. 지난 6월 4일, 네덜란드 암스테르담에서 개최된 o9 Solutions의 EMEA 지역 대표 경영진 대상 행사인 'aim10x Europe'에서 o9은 이러한 과제에 대응하기 위해 설계된 차세대 '10x 혁신' 비전과 기술을 사전 공개했습니다.
첫 번째 과제는 VUCA가 상시환경이 되었다는 점입니다. 즉, 모든 기업이 과거보다 훨씬 높은 수준의 변동성 (Volatility), 불확실성 (Uncertainty), 복잡성 (Complexity), 모호성(Ambiguity)에 지속적으로 대응해야 하는 상황입니다. 변동성이 극심한 환경에서는 부서 간 단절된(Siloed) 계획과 의사결정은 막대한 가치 누수(Value Leakage)를 유발합니다. 급격한 수요 변화, 공급 차질, 투입 원가 변동 등 운영 환경이 조직이 하나의 팀으로 감지·분석·대응하는 속도보다 더 빠르게 변할 때, 부서 간의 단절은 수요 예측 실패, 과잉 재고, 서비스 수준 하락, 성장 기회 상실, 그리고 마진(수익성) 잠식으로 직결됩니다.
동시에, 이러한 가치 누수를 막기 위해 조직, 프로세스, 시스템 역량을 아우르는 기업 운영 모델 전반의 변화와 혁신을 추진하는 것은 그 어느 때보다 까다로워졌습니다. 대기업의 모든 구성원이 가치 누수를 목격하고 있지만, 기존의 방식대로 이를 해결하려면 오랜 기간이 소요되는 대규모 혁신 프로그램이 필요하며, 이는 조직 내 정렬, 변화 관리, 시스템 채택 등 가중되는 리스크를 동반하기 때문입니다. 이러한 과제를 더욱 가중시키는 것은 모든 경영진의 책상에 놓인 새로운 당면 과제, 바로 'AI를 통한 비즈니스 가치 창출'입니다. 하지만 AI를 기반으로 한 미래의 운영 모델이 구체적으로 어떤 모습인지, 그리고 이를 위한 올바른 접근법이 무엇인지에 대해서는 여전히 상당한 모호함이 존재합니다.
유기적으로 연결된 세 번의 기조연설을 통해, 공동 창립자이자 회장 겸 CEO인 차크리 고테무칼라(Chakri Gottemukkala)를 필두로 한 o9의 경영진은 올해 9월 출시 예정인 한 단계 도약한 혁신 모델을 사전 공개했습니다. 바로 기업 운영 모델의 차세대 '10x 혁신'을 이끌 APEX 운영 모델입니다. APEX는 애자일(Agile), 적응형(Adaptive), 자율형(Autonomous) 계획 및 실행(Planning & Execution) 체계를 의미하며, 기업의 모든 기능 조직, 프로세스, 의사결정이 전사적 가치 최적화라는 하나의 목표를 중심으로 정렬되도록 설계되었습니다.
이러한 운영 모델의 10x 혁신을 가능하게 한 원동력은 바로 o9이 정의한 'Neuro-Symbolic AI' 기술입니다. 이는 분야의 전문가이자 차세대 AI 및 기술 부문 EVP인 아쉬윈 라오(Dr. Ashwin Rao) 박사의 기조연설을 통해 자세히 소개되었습니다.
Ashwin 박사는 Neuro-Symbolic AI가 LLM(대형 언어 모델)의 기반이 되는 최신 Neural AI의 강점과, o9의 기존 Enterprise Digital Brain을 뒷받침해 온 Symbolic AI의 역량을 어떻게 결합했는지 설명했습니다. 이 혁신적인 결합은 대기업의 복잡한 전사적 의사결정 문제를 대규모로 해결하는 동시에, 혁신 과정에서 수반되는 변화 관리의 난제들을 극복할 수 있는 APEX 모델만의 핵심 열쇠입니다.
이어 진행된 o9 프로덕트 매니저들의 라이브 데모에서는 APEX 사후 성과 기반 의사결정 개선 분석(Post-Game Performance Analyzers, PGA) 및 비즈니스 시뮬레이터(Business Simulators) 등 Agentic AI 기반의 핵심 역량이 소개되었습니다. 이를 통해 기업들은 현재 상태에서 기업이 지향하는 목표 상태, 즉 North Star(지향점)로 전환하는 과정을 더 쉽고 빠르게 추진할 수 있도록 지원합니다.
최초의 10x 혁신: 부서 간 단절(Silo) 없는 계획 및 실행을 지원하는 Enterprise Digital Brain
Chakri는 o9의 설립 이념, 즉 변동성과 복잡성이 심화되는 환경에서 느리고, 단절되며 파편화된 의사결정으로 인해 발생하는 기업의 가치 누수(Value Leakage) 문제를 해결하는 데 있다고 강조했습니다.
기업의 규모가 커지고 복잡성이 심화됨에 따라, 운영 모델 내의 의사결정은 자연스럽게 공급망, 영업/마케팅, 제품, 재무, 인사, IT 등의 기능적 영역으로 분산되었습니다. 또한 장기, 전술, 운영, 실행 단위의 계획 및 의사결정 프로세스 전반으로도 파편화되었습니다.
그러나 급증하는 변동성은 가치 사슬 전반에서 매일 발생하는 계획 대비 실행 편차, 새로운 수요 신호, 공급 리스크 및 기회 등 '더 빠르고, 더 스마트하며, 부서 간 단절을 허문 하나의 팀(One-team)으로서의 의사결정'을 요구하는 상황들을 만들어냈습니다. 규모를 관리하기 위해 진화해 온 이러한 기능 중심의 운영 모델로는 변동성과 복잡성이 결합된 운영 환경에 대응하는 데 필요한 One-team 민첩성을 발휘할 수 없다는 증거가 점점 더 명확해졌고, 이 과정에서 막대한 가치가 유출되고 있었습니다.
부서 간 단절이 없는 기업의 모습이 어떠할지 시각화하기 위해, 차크리 CEO는 o9 설립 당시 Digital Brain 개발에 영감이 되었던 한 가지 일화를 소개했습니다. 바로 오늘날의 Lay’s 감자칩의 모태가 된 초기 패키지 감자칩 비즈니스를 시작한 Mr. Lay의 이야기입니다.
Mr. Lay가 감자칩 사업을 처음 시작했을 때, 그는 사실상 혼자서 모든 경영 의사결정을 수행하는 1인 경영 체계였습니다. 그의 가족들이 집에서 감자칩을 만들고 포장하는 것을 도왔고, 그는 평소 알고 지내던 소매점 주인을 설득해 매대 공간을 확보했습니다. 그런 다음 직접 트럭을 몰고 다니며 제품을 보충하고, 재고 수준을 확인하고, 소비자와 직접 소통하며 어떤 제품이 잘 팔리는지 관찰했습니다. 그리고 그 정보를 바탕으로 무엇을 구매하고, 만들고, 배송하고, 가격을 책정하고, 변경할지를 스스로 결정했습니다.
운영 규모가 작았기 때문에 모든 의사결정은 자연스럽게 하나로 연결되어 있었습니다. 그는 소비자가 무엇을 좋아하고 싫어하는지 즉각적으로 파악할 수 있었고, 그 피드백을 레시피 변경으로 즉시 연결했습니다. 판매량을 예측해 그에 맞춰 감자를 구매하고, 생산량을 조정하며, 제품의 신선도를 확인하고, 가격을 조정하는 한편, 소매점과의 협상을 통해 제품이 계속 회전하고 자금이 원활하게 흐르도록 만들었습니다.
가장 중요한 점은, Mr. Lay가 '계획 대비 실행 편차(실제 일어난 일과 예상했던 일의 차이 및 그 원인)'를 분석함으로써 실시간으로 끊임없이 학습했고, 그 결과 사업 운영에 대한 지식과 판단력이 지속적으로 축적되었습니다. 요약하자면, Mr. Lay는 엔드투엔드(End-to-End) 가치 사슬 가시성, 연결된 계획과 신속한 실행을 통한 최적의 의사결정, 실시간 학습 및 지속적인 개선이라는 세 가지 역량이 유기적으로 맞물려 작동하는 '1인 가동형, 단절 없는 원팀(One-team), 단일 계획(One-plan)' 경영 시스템을 운영했던 것입니다.
대기업이 Mr. Lay의 '단절 없는 의사결정 시스템'에 최대한 가까워지도록 돕는 것이 바로 o9이 해결하고자 한 과제였으며, 이는 o9의 최초 10x 혁신인 Digital Brain의 개발로 이어졌습니다. 특허받은 '엔터프라이즈 지식 그래프(Enterprise Knowledge Graph, EKG)' 기술을 기반으로 하며 이른바 'Symbolic AI'에 뿌리를 둔 이 플랫폼은, 글로벌 기업들이 부서 간 단절 없는 애자일한 계획 및 의사결정을 내리는 데 있어 비약적인 발전을 이룩하도록 기여했습니다. 디지털 브레인을 도입한 기업들은 리스크와 기회를 더 먼저 감지하고, 시장 수요를 예측하며, 매출/프로모션·공급망·제품·재무 부문의 예측, 계획 및 의사결정을 하나로 연결할 수 있게 되었습니다. 또한 상충 관계(Trade-offs)를 더 빠르게 평가하고, 통합된 단일 계획을 중심으로 팀원들을 정렬시키는 역량이 크게 향상되었습니다.
이러한 도약은 막대한 비즈니스 가치 창출로 입증되었습니다. 전 세계 다양한 산업군에 걸쳐 o9의 고객들은 수억 달러에 달하는 추가 EBITDA(영업이익) 확보, 재고 절감, 현금 흐름 개선, 서비스 수준 향상 및 생산성 증대 효과를 보고하고 있습니다. 수많은 고객사가 이를 통해 10억 달러 규모의 가치를 창출하고 있습니다.
APEX: 애자일(Agile), 적응형(Adaptive), 자율형(Autonomous) 계획 및 실행 - o9의 차세대 10x 혁신
기업들이 과거보다 더 나은 공급망 가시성을 확보하고, 계획을 개선하며, 유기적으로 연결된 의사결정을 내릴 수 있게 되었음에도, '운영 모델 자체를 변혁하고 변화시키는 속도와 효과성'은 여전히 거대한 과제로 남아 있습니다.
이것이 바로 차세대 혁신인 APEX가 해결하고자 하는 그다음 단계의 문제입니다. 즉, 기업이 계획과 실행을 더 잘하도록 돕는 것에 그치지 않고, 빠르게 변화하는 세상에 적응할 수 있도록 '더 빨리 학습하고, 개선하며, 변화하는 역량'을 내재화하는 것입니다. 비즈니스 혁신은 단발성 이벤트가 아니라 지속적인 과정이기 때문입니다.
Chakri는 "APEX는 애자일(Agile), 적응형(Adaptive), 자율형(Autonomous) 계획 및 실행을 의미합니다"라고 설명했습니다.
APEX는 기존 Digital Brain의 강력한 기반 위에 구축되었지만, 그 목적은 단순히 가시성을 높이고 엔드투엔드 계획을 연결해 기업의 민첩성을 높이는 것보다 훨씬 광범위합니다. APEX는 지속적인 학습과 개선, 그리고 점진적인 자동화(progressive automation)를 운영 모델 자체에 내재화하도록 설계되었습니다. 이를 통해 기업들은 다음 위기나 수년이 걸리는 대규모 혁신 프로그램이 도래할 때까지 기다리지 않고도 상시적으로 체질을 개선할 수 있습니다.
Chakri는 APEX가 단순한 기술 업그레이드나 새로운 AI 모델의 도입 그 이상이라고 강조했습니다. APEX는 기업의 의사결정 구조에 대한 깊은 통찰, 즉 조직 구조, 프로세스, 데이터, 지식, 성과 지표 및 보상 체계가 어떻게 유기적으로 결합되어야 운영 모델이 전사적 가치를 최적화할 수 있는지에 대한 심도 있는 이해를 바탕으로 탄생한 혁신입니다.
APEX의 궁극적인 목적은 기업들이 현재의 전통적인 운영 모델에서 벗어나, Agentic AI를 통해 더욱 민첩하고(Agile), 고도로 적응하며(Adaptive), 점진적으로 자율화되는(Autonomous) '더 높은 수준의 APEX 운영 상태'로 진화하도록 돕는 것입니다.
1. 첫 번째 핵심 축은 애자일(Agile)입니다. Digital Brain은 이미 수많은 기업이 계획 및 실행의 민첩성을 비약적으로 높이는 데 기여해 왔습니다. APEX는 이 강력한 기반 위에 구축되어 민첩성의 역량을 더 확장합니다. 리스크와 기회를 훨씬 더 먼저 감지하고, 분석과 의사결정을 비즈니스의 시장과 현장에서 더 가까운 곳(Edge)에서 수행할 수 있도록 하며, 현업과 경영진 사이의 의사결정 지연(Latency)을 줄여줍니다. 이를 통해 전사 조직이 하나의 팀(One-team)으로서 더 빠르고 예측 가능하게 대응할 수 있도록 지원합니다.
2. 두 번째 핵심 축은 적응형(Adaptive)입니다. '적응형'은 전통적인 기업들이 직면한 가장 까다로운 난제인 '변화의 여정'을 해결하기 위해 설계된 APEX의 핵심 기둥입니다. 기업이 현재 상태에서 더 높은 단계의 민첩성으로 진화할 수 있도록, 변화 관리를 더 빠르고, 더 쉽고, 더 지속적이며, 더 신뢰할 수 있게 해줍니다.
APEX 모델의 적응형 역량 중 하나인 '사후 성과 기반 의사결정 개선 분석(PGA, Post-Game Analyzers)'은 각 팀이 가치 사슬 전반의 세부(Granular) 수준에서 '실행이 계획과 어긋나는 지점'이 어디인지, 그리고 무엇보다 '왜 가치가 유출되고 있는지' 그 원인을 정확히 학습할 수 있도록 돕습니다. 그리고 이러한 학습 결과를 직원 역량, 데이터, 프로세스, 정책, 의사결정 권한, 사용자 채택 및 시스템 역량 등 필요한 영역의 구체적인 개선 과제로 전환합니다.
그 결과, 단발성 혁신 프로그램에 의존하는 대신 '지속적인 개선 루프' 자체가 운영 모델의 일부로 내재화됩니다. 이것이 바로 적응형(Adaptive)의 핵심 모토입니다. 즉, 속도감 있게 감지하고 학습하며 개선하는 역량을 자체 구축함으로써 막대한 비용과 시간, 높은 리스크가 수반되는 기존의 혁신 주기(Transformation cycles)에서 벗어나는 것입니다.
3. 세 번째 핵심 축은 자율형(Autonomous)입니다. 여기서 자율화란 인간의 판단을 배제한다는 의미가 아닙니다. 명확한 비즈니스 가이드라인(Guardrails) 안에서 Neuro-symbolic AI 에이전트가 계획, 실행, 학습 및 지속적인 개선 프로세스의 자동화 비중을 점진적으로 높여가는 것을 뜻합니다. 이 과정에서 인간은 제어권을 유지하며 전략, 정책, 감독, 예외 관리, 그리고 전사적 가치 간의 트레이드오프(Trade-offs) 조율 등 고부가가치 업무에 집중하게 됩니다.
기업의 데이터, 지식, 프로세스, 의사결정의 기반이 고도화될수록 자율화 수준도 단계적으로 높아집니다.
APEX가 보장하는 핵심 가치는 비즈니스 혁신이 '지속적인 일상'이 된다는 점입니다. 변화는 더 쉬워지고, 가치 창출은 더욱 확실해집니다. 기업은 주기적으로 시스템을 통째로 재발명할 필요 없이, 매 분기, 주기마다 더 많은 의사결정을 거치며 스스로 발전하는 '학습형 운영 모델'을 통해 Mr. Lay가 보여준 최종 지향점(North Star)에 자연스럽게 다가서게 됩니다.
Chakri는 VUCA 환경이 가치 누수의 주범이 되도록 방치하는 대신, APEX는 변동성과 복잡성을 관리하는 능력을 기업의 차별화된 경쟁력, 즉 엔터프라이즈 가치 최적화 기능(Enterprise Value Optimizer)으로 전환해 준다고 말하며 "이것이 바로 AI 시대를 맞이한 모든 기업에 필요한 운영 모델의 혁신"이라고 강조했습니다.
언어 모델(LLM) 단독으로는 '왜'에 답할 수 없는 이유
'왜'라는 질문에 답하는 것이 지속적인 학습의 핵심이라면, 다음으로 던져야 할 질문은 "과연 어떤 AI가 이를 완벽히 해낼 수 있는가"입니다. o9의 차세대 AI 및 기술 부문 수석 부사장인 아쉬윈 라오(Dr. Ashwin Rao) 박사는 바로 이 지점에서 발표를 이어받으며, 진정으로 애자일하고 적응력이 뛰어나며 자율적인 기업을 구축하기 위해 Neural AI와 심볼릭 AI (Symbolic AI)의 융합이 필수적인 이유를 설명했습니다.
Ashwin 박사의 통찰력은 그의 매우 다방면에 걸친 커리어에서 비롯되었습니다. 그는 모델의 오류가 막대한 금전적 손실로 직결되는 월스트리트에서 수년간 일했으며, Target Corporation에서 AI 부문을 총괄했고, 현재는 스탠퍼드 대학교 응용수학과 겸임 교수로 AI 연구를 이어가고 있습니다.
트레이딩 플로어의 냉혹한 책임감, 리테일 현장의 실용주의, 그리고 수학적 엄밀함이 그의 프레젠테이션 전반에 깊이 녹아 있었습니다. 그는 LLM의 혁신적인 파급력을 인정하면서도, 언어만으로는 충분치 않은 이유를 명확하게 짚어냈습니다.
"언어가 인지 능력 전부는 아닙니다." 그가 강조했습니다. "LLM은 강력하지만, 기업에는 언어의 AI를 훨씬 뛰어넘는 새로운 AI, 즉 수학, 구조, 그리고 도메인 지식에 깊이 기반한 AI가 필요합니다."
이러한 한계는 왜 수많은 엔터프라이즈 AI 에이전트들이 실망스러운 결과를 낳는지 잘 설명해 줍니다. 근본적인 문제는 '신뢰성'입니다. LLM은 본질적으로 근사 방식(Approximation)을 통해 작동합니다. 이는 규모를 확장하는 데는 미덕이 될 수 있지만, 정교한 공급망 플래닝 영역에서는 치명적인 리스크입니다. 공급망에서는 규칙과 제약 조건을 한 치의 오차 없이 준수해야 하며, 조직 내 실무자들의 의사결정 권한을 존중해야 하기 때문입니다. 아무리 역량이 뛰어난 언어 모델이라도 이러한 정밀한 작업에는 적합한 도구가 아닙니다.
Neuro-Symbolic AI: 기업의 지속적인 학습을 가능하게 하는 메커니즘
이를 완벽히 보완하는 것이 바로 o9이 지난 15년 동안 구축해 온 Symbolic AI입니다. Symbolic AI는 엔터프라이즈 지식 그래프, 수학적 로직, 그리고 재고 및 가격 책정 등을 위한 의사결정 모델을 내재화합니다. Neural Network 대비 Symbolic AI가 갖는 결정적인 강점은 바로 도출 과정을 명확히 보여줄 수 있다는 점입니다. Ashwin 박사는 "추적 가능하고, 감사(Audit)할 수 있으며, 시스템이 왜 그런 결정을 내렸는지 매우 명확한 비즈니스 용어로 설명해 줍니다"라고 말했습니다. 결국 어느 한쪽 만으로는 충분하지 않습니다. "왼쪽 Neural 영역의 강점은 오른쪽 Symbolic 영역의 약점이며, 그 반대도 마찬가지입니다. 이 두 가지 AI의 결합을 우리는 'Neuro-Symbolic AI'라고 부릅니다."
Ashwin 박사는 이 아키텍처를 앞서 Chakri가 언급한 '왜(Why)'라는 질문, 그리고 Mr.Lay의 '지속적인 학습'과 직접적으로 연결했습니다. 엔터프라이즈 지식 그래프는 단순히 비즈니스 데이터를 저장하는 데 그치지 않습니다. '의사결정 컨텍스트 그래프 (Context Graph)'는 누가, 언제, 어떤 사실과 가정에 기반해 결정을 내렸는지 상세히 기록하고, '학습 레이어'는 이러한 결정들을 실제 결과와 연결하여 성공적인 방식을 기업의 운영 규칙으로 체계화합니다.
이것이 바로 과거 Mr.Lay가 본능적으로 해냈던 것처럼, 기업이 위기가 닥치기를 기다리지 않고 스스로 매일매일 학습하게 만드는 메커니즘의 실체입니다. 하지만 무대 위에서 구두로 설명된 아키텍처는 아직 하나의 확약에 불과합니다. 따라서 자연스럽게 이어지는 다음 질문은 이렇습니다. "Neuro-Symbolic AI가 Ashwin 박사가 설명한 완벽한 추적성을 바탕으로, 실제 비즈니스 현장의 문제에 대해 '왜'라는 질문에 진정으로 답할 수 있는가?" 이것이 바로 o9 팀이 데모를 통해 증명하고자 한 다음 단계였습니다.
의사결정 사후 분석(Post-Game Analysis, PGA): 6,000만 달러 규모의 과잉 재고 진단
이어진 데모는 앞서 설명한 모든 이론을 화면 위에 구현하는 기술인 '의사결정 사후 분석(Post-Game Analysis)'이었으며, 데모는 지금까지 논의된 모든 내용이 조명해 온 바로 그 간극(Gap)에서 출발했습니다. 시중에 나와 있는 모든 공급망 계획 시스템은 재고가 상승했다는 사실은 보여주지만, 그 '이유'를 설명할 수 있는 시스템은 전무합니다. o9 Solutions의 Solutions Consulting SVP인 피터 테일러(Peter Taylor)는 바로 이 맹점을 짚으며 데모를 시작했습니다. 기존의 플래닝 시스템은 미래를 예측하는 데는 뛰어나지만, 의사결정을 실제 결과와 연결하지 못하며, 대시보드나 컨설팅 보고서 형태에 머물러 있는 오늘날의 의사결정 사후 분석(PGA)은 근본 원인을 파악하는 데 미치지 못합니다. Peter는 "이것은 재고 문제라는 피어오르는 '연기'만 쫓아다닐 뿐, 조직 내 어디서 '불'이 시작되었는지는 진화하지 못하는 것과 같습니다"라고 지적했습니다. 그 결과는 사내 정치와 무대응(Inaction)으로 이어집니다. 원인을 진단하기에는 지나치게 복잡하고, 해결하기에는 이해관계의 대립이 너무 심하기 때문입니다.
Peter는 음료 고객사의 실제 과잉 재고 분석 사례를 통해, AI 에이전트가 경영진을 위한 내러티브를 즉각적으로 생성하는 과정을 시연했습니다. 이 내러티브는 무슨 일이(What), 어디서(Where), 왜(Why) 일어났으며, 무엇을 해야 하는지(What to do)라는 네 가지 핵심 질문에 명확히 답합니다. 가시성(Visibility) 자체만으로도 명확한 가치가 있습니다. 그는 여러 부서와 각기 다른 ERP에 흩어져 있던 재고 데이터를 단일 뷰로 통합한 것만으로 1억 달러의 재고 절감 효과를 거둔 사례를 언급했습니다. 하지만 가시성은 '실행 사일로' 문제를 해결하는 일회성 이득에 불과합니다. 진정한 혁신의 열쇠는 '왜(Why)'를 규명하는 데 있습니다. 시스템은 시스템 예측값, 계획 담당자의 수정(Override), 생산 주문 및 후속 수정안에 이르는 전체 의사결정의 이력을 집요하게 추적하여 정밀한 질문에 답을 내놓습니다. "이 특정 물류 노드에 재고가 쌓였을 때, 과연 어떤 의사결정과 정책이 이를 유발했는가? 물류센터(DC)의 수요 예측 실패 때문인지, 아니면 한 달 전 업스트림(Upstream) 공장의 생산 로트(Lot) 크기 설정 때문인지 규명하는 것입니다." 이어 에이전트는 예상 효과의 규모를 산출하며 이번 시연된 사례의 경우 수요 계획, 생산, 조달 전반에 걸쳐 6,000만 달러 규모의 과잉 재고를 찾아냈고, 즉각적인 정책 변경부터 장기적인 혁신 작업에 이르는 해결책을 제시했습니다.
데모의 이면: AI 에이전트의 데이터 매핑과 완벽한 감사 가능성(Auditability) 유지
이어 o9의 Product Management EVP인 니틴 고얄(Nitin Goyal)은 이 분석이 내부적으로 어떻게 구성되는지, 그리고 앞서 Ashwin 박사가 설명한 'Neuro-symbolic AI'의 분업 구조, 즉 'Symbolic' 기반 위에 구축된 'Neural' 프런트엔드가 어떻게 작동하는지 보여주었습니다. 사용자가 Raw 데이터 파일을 업로드하면, AI 에이전트는 평소라면 수동으로 데이터 준비에만 몇 달이 걸릴 매핑 작업을 즉시 수행하여 o9의 데이터 모델과 연결해 냅니다. 데이터를 프로파일링하고, 외부 동인을 덧입히며, 산업 표준과 예측 품질을 벤치마킹합니다. 시연에서는 고객의 예측 오차율(30%)과 산업 벤치마크(22%) 사이의 틈을 식별한 뒤, 편향된 조정(Biased overrides)을 제거하는 것을 시작으로 세 가지 구체적인 개선 기회를 추천했습니다. 무엇보다 놀라운 점은 모든 단계를 직접 확인 및 검증이 가능한 점입니다. 니틴은 "사용자는 추적 경로(Traces)를 화면에서 직접 눈으로 확인할 수 있습니다. 따라서 AI가 정보를 환각(Hallucinate) 하는 현상 없이 실제 팩트를 정확히 활용하고 있다는 완벽한 확신을 가질 수 있습니다"라고 말했습니다. Ashwin 박사가 Symbolic AI의 가장 큰 장점이라 말했던 '감사 가능성(Auditability)'이 화면 위에서 생생하게 증명된 순간이었습니다.
이 데모는 통상 수개월이 걸리는 방대한 분석 작업을 단 몇 분 만의 단일 세션으로 압축해 냈습니다. 하지만 여기서 진정으로 주목해야 할 점은 단순한 '속도'가 아닙니다. Chakri가 서두에서 던졌던, 그리고 그동안 어떤 기업도 신뢰할 만한 수준으로 답하지 못했던 그 '왜(Why)'라는 질문에 대해 이제는 철저히 추적하고 설명할 수 있으며, 즉각적으로 실행 가능한 해답을 얻게 되었다는 사실 그 자체입니다. 이어 o9팀은 PGA 홈페이지(pga.o9solutions.com)를 공유하였으며 참석자들이 자체 데이터로 직접 분석을 실행해 볼 수 있도록 안내했습니다.
주기적인 위기 대응에서 일상적인 습관으로: 결코 학습을 멈추지 않는 기업
이날 행사가 던진 궁극적인 메시지는 명확합니다. 비즈니스 혁신은 더 이상 시장의 변동성 속 ‘주기적이고 수년이 걸리는 대규모 프로젝트’에 머물러서는 안 된다는 점입니다. 변동성 (Volatility), 불확실성 (Uncertainty), 복잡성 (Complexity), 모호성(Ambiguity)이 상시화된 글로벌 환경에서, 혁신은 기업이 지속적으로 수행해야 하는 핵심 역량으로 자리 잡아야 합니다.
APEX 모델은 기업이 가치 누수를 식별하고, 더 빠르게 학습하며, 지속적으로 개선할 수 있도록 지원함으로써, 민첩성, 적응성, 그리고 점진적 자율성이 혁신 프로젝트의 '일시적인 결과물’에 그치지 않고 기업 운영 모델 자체의 일부가 되도록 설계되었습니다.
이번 aim10x Europe은 그 비전의 Preview였습니다.
Chakri는 오는 9월 23일 시카고에서 열리는 aim10x Americas 행사에서 그 비전이 본격적으로 구체화되기 시작할 것이라고 강조하면서 기조연설을 마무리했습니다.
About the authors
The Editorial Team, o9
A multidisciplinary collective of editors, strategists, technologists, and former executives with experience across Fortune 500 companies and top consulting firms. Grounded in o9’s mission to help enterprises make faster, better decisions through the power of AI-driven planning and execution software, the team shares clear, practical insights on digital transformation, supply chain, and enterprise planning to support business leaders in navigating complexity and driving change.
