AI 의 가장 큰 수혜자는 엔지니어가 가장 많은 회사, 데이터 팀이 가장 큰 회사, 또는 소프트웨어 예산이 가장 높은 회사가 아닐 수도 있습니다.
바로 마진이 가장 낮은 회사들일 수 있습니다. 수십 년 동안 한 자릿수대의 얇은 마진으로 운영되어 온 제조업체, 트럭 운송 회사, 유통업체, 인력 공급 업체, 현장 서비스 운영 업체 – 그 누구도 AI 기업이라고 부르지 않을 그러한 비즈니스들 말입니다.
AI 혁신은 수익, 비용, 리스크 세 가지 수단을 통해 가치를 창출합니다. 더 나은 제품, 더 빠른 판매, 더 생산적인 직원을 통한 수익 증대에 대부분의 관심이 쏠려 왔습니다. 그러나 마진이 낮은 비즈니스의 경우 가장 중요한 레버는 비용입니다. 이윤 폭이 이미 얇을 때는 운영 비용의 작은 감소만으로도 이익이 엄청나게 증가할 수 있기 때문입니다.
30% 마진으로 운영되는 소프트웨어 회사는 AI를 사용하여 효율성을 높일 수 있지만, 이러한 효율성 향상이 일반적으로 비즈니스의 궤적을 바꾸지는 않습니다. 3% 마진으로 운영되는 비즈니스는 다릅니다. 1% 미만의 비용 절감이 25% 이상의 이익 증가로 이어질 수 있습니다.
저마진 산업은 역사적으로 구조적이고 낮은 마진 환경에 갇혀 있었습니다. 제대로 구현된 AI는 그 방정식을 바꿉니다. 저마진 비즈니스가 이전에는 영구적인 것으로 간주되었던 비용을 공격할 수 있는 방법을 제공하며, 먼저 움직이는 기업은 경쟁사들이 가격을 다시 낮추기 전에 그 이득을 마진으로 확보할 수 있습니다. 효율성은 결국 상품화된 시장 전반에 퍼져 나가지만, 조기 진입자가 이익 상승분을 확보하고 업계 선두에서 비용 포지션을 재설정하는 주체입니다.
이 글을 마치면, 가장 낮은 마진의 비즈니스가 어떻게 수십 년 동안 구조적으로 저마진 상태에 묶어 두었던 조정 비용을 마침내 공격할 수 있는지, 그리고 먼저 움직이는 기업이 왜 업계의 다른 기업들을 따돌릴 수 있는지 이해하게 될 것입니다.
이 문제를 해결하는 제공자는 억 단위의 가치를 지닌 회사를 구축할 것이며, 그들이 변화시키는 비즈니스는 마진 함정에서 가장 먼저 벗어나는 기업이 될 것입니다.
저마진 기업이 직면한 구조적 장벽
대부분의 저마진 비즈니스에는 이 위치에 머물게 한 구조적 장벽이 있었습니다. 이들은 일반적으로 상품화된 시장에서 경쟁하고, 가격 결정력이 제한적이며, 서비스 품질을 저하시키지 않고는 이전에는 줄이는 것이 불가능했던 대규모 운영 비용 기반을 가지고 있습니다. 시장 가격을 움직일 수 없기 때문에 – 가격은 개별 회사가 아니라 시장이 결정합니다 – 비용은 사실상 그들이 통제할 수 있는 유일한 레버입니다.
그 비용 기반의 상당 부분은 인건비이며, 물리적 작업 자체 외에도 이러한 기업은 작업을 조정하는 비용도 부담합니다.
시간이 지남에 따라 이러한 기업의 마진을 잠식하는 수많은 조정 작업이 있습니다. 예를 들어, 일정 관리, 파견, 승인, 예외 처리, 그리고 수많은 행정 루프는 노동 집약적인 기업에서 발생하며, 따라서 회사의 수익성을 갉아먹습니다. 이러한 조정 작업이 바로 AI가 노동 집약적이고 저마진인 비즈니스에 가장 분명한 기회를 제공하는 영역입니다.
이러한 유형의 기업에서 인건비는 일반적으로 매출의 거의 25%를 차지합니다. 이 인건비의 약 4분의 1은 작업 관리, 조정 및 관리에 사용되며, 이는 매출의 약 6%에 해당합니다. 3% 마진으로 운영되는 회사의 경우, 조정 부담을 10% 완화하면 수익이 약 20% 증가하여 비즈니스의 전체 수익 프로필을 변화시킬 수 있습니다.
결과적으로 AI는 단순히 효율성을 약간 높이는 것 이상을 수행합니다. AI를 조기에 도입하는 기업에게 경쟁사보다 구조적 비용 우위를 확보하고, 어쩌면 처음으로 진정으로 더 높은 마진의 비즈니스로 운영될 수 있는 기회를 제공합니다.
문제는 AI로 얻을 수 있는 것이 가장 많은 기업일수록 AI 도입 능력이 가장 떨어지는 경우가 많다는 점입니다
오늘날 엔터프라이즈 AI에서 판매되는 대부분의 솔루션은 직원이 새로운 도구를 채택하고, 올바르게 사용하며, 사용량을 점진적으로 P&L에 실현되는 가치로 전환할 것이라는 가정에 기반합니다. 이 가정이 기술에 진보적인 기업 내에서조차 유지되지 않는다는 점을 고려할 때, 제조 회사, 물류 비즈니스 또는 직원들이 새로운 소프트웨어 제품을 채택하는 데 익숙하지 않은 다른 노동 집약적 기업 내에서는 상황이 더욱 악화됩니다. 이러한 비즈니스는 종종 변화 관리에 가장 취약합니다.
진짜 질문은 직원 채택에 의존하지 않고, 또는 적어도 새로운 상호 작용 방식을 강요하지 않으면서 AI 기반 마진 확장을 달성하는 방법입니다. 이것이 과제이며, 그 해결책은 아마도 현재 AI 분야에서 가장 실현 가능한 수조 달러 규모의 기회일 수 있습니다.
저마진이라는 수조 달러 규모의 과제를 해결하는 세 단계
1) 숨겨진 조정 비용을 찾아라
대부분의 사람들은 AI 비용 절감에 대해 너무 좁게 생각합니다. 작업을 대체하고, 인력을 줄이고, 직원을 더 빠르게 만드는 것을 상상합니다. 이것은 중요할 수 있고 미래에 일어날 가능성이 높지만, 오늘날 AI 역량으로 볼 때 기회의 상당 부분은 작업 뒤의 작업, 즉 지저분한 인간 작업 흐름을 계속 움직이게 하는 데 필요한 간접 비용에 있습니다.
일선 직원은 작업을 수행하지만, 작업 실행 뒤에는 관리자, 감독자, 분석가, 재무 팀, 운영 팀, 백오피스 직원으로 구성된 시스템이 있어 작업이 완료되고 회사의 올바른 부서로 라우팅되도록 합니다.
이러한 조정 계층이 존재하는 이유는 인간의 작업이 AI보다 본질적으로 더 지저분하기 때문입니다. 인간은 자연스럽게 판단을 다르게 내리며, 각 개인은 회사와 당면한 작업에 대한 자신만의 맥락을 가지고 있습니다. 시간이 지남에 따라 이는 조직 내에서 조정하기 위한 막대한 운영 비용이 되며, 따라서 조정 계층이 등장합니다.
최근에 함께 작업한 물류 회사를 예로 들어 보겠습니다. 가시적인 인건비는 운전기사였지만, 회사는 그 주변의 조정 인프라(파견 팀, 경로 변경, 고객 업데이트, 클레임, 청구서, 예외 사항, 백오피스 조정)에 대한 비용도 지불하고 있었습니다. 이 추가적인 조정 비용은 매출의 거의 10%에 달했으며, 이것이 우리가 혁신 과정에서 공격할 수 있었던 지출 항목이 되었습니다.
저마진 비즈니스를 위한 몇 차례의 다른 혁신을 수행한 후, 우리는 이것이 예외적인 사례가 아님을 깨달았습니다. 물류, 제조, 시설 관리, 현장 서비스, 인력 공급, 의료 클리닉 및 서비스 차별화가 어렵고, 가격 결정력이 제한적이며, 운영이 지속적인 인간 조정에 의존하는 기타 노동 집약적 비즈니스에서 동일한 패턴이 나타납니다. 이러한 회사는 문제에서 벗어나기 위해 단순히 가격을 인상할 수 없습니다. 상대적으로 상품화된 서비스를 안정적으로 제공하기 위해 대규모 조정 계층이 필요하기 때문에 마진은 계속 압축된 상태로 유지됩니다.
2) 직원 채택을 병목 현상으로 만들지 마라
기술에 진보적인 기업조차 대규모 AI 채택에 어려움을 겪는다면, 기술에 익숙하지 않은 인력에게 다른 결과를 기대하는 것은 비현실적입니다. 대부분의 엔터프라이즈 AI 제품은 여전히 그러한 행동 변화에 의존합니다. 직원에게 새 인터페이스를 열고, 언제 사용해야 하는지 기억하고, 어떤 작업에 적용할지 결정하고, 출력 결과를 기존 워크플로에 다시 통합하도록 요구합니다. 실제로 이는 AI를 작업을 제거하는 시스템 대신 작업이 수행되어야 하는 또 다른 장소로 만듭니다.
이것이 채택이 실패하는 이유입니다. 직원은 작업을 수행하는 데 도움이 되는 또 다른 도구를 원하지 않습니다. 그들은 작업 자체가 완료되기를 원합니다. 이상적인 솔루션은 직원이 사용할 더 나은 인터페이스가 아니라, 기존 워크플로 내에서 실행되고 대부분의 상호 작용 필요성을 처음부터 제거하는 시스템입니다.
3) AI를 회사의 인프라 수준에 내장하라
이러한 배포 과정에서 우리가 발견한 것은 최고의 AI 배포는 에이전트를 회사의 운영 계층의 일부로 만든다는 것입니다. 이는 오늘날 작업이 이미 이루어지고 있는 기존 시스템, 받은 편지함, 파일, 승인 및 워크플로 위에 계층화됩니다.
지급 계정이 NetSuite, 이메일, PDF 및 스프레드시트를 통해 실행된다면, 에이전트는 NetSuite, 이메일, PDF 및 스프레드시트 전반에서 실행되어야 합니다. 송장을 추출하고, 구매 주문서와 일치시키고, 예외 사항에 플래그를 지정하고, 승인을 준비하고, 판단이 필요할 때만 해당 문제를 올바른 사람에게 라우팅해야 합니다. 그런 다음 시간이 지남에 따라 에이전트를 개선하기 위해 승인 피드백을 통해 학습하는 수준으로 나아가야 합니다. 가치는 직원이 새 시스템을 채택하고 사용하지 않고도 실현되어야 합니다. 즉, AI 배포에 가치가 설계되어야 합니다.
우리가 배운 백만 달러짜리 교훈은 AI로부터 비즈니스에 가치를 설계하려면 AI를 인프라로 판매해야 한다는 것입니다. 소프트웨어는 직원에게 도구를 채택하도록 요구하지만, 인프라는 직원 아래의 운영 계층을 변경합니다. 직원은 여전히 무슨 일이 일어났는지 알아야 하며, 프로세스 소유자는 필요할 때 워크플로를 일시 중지하고, 규칙을 변경하고, 예외를 승인하거나, 사람을 다시 투입할 수 있어야 합니다. 그러나 가치는 누군가가 매일 AI를 사용하는 것을 기억하는 것에 의존해서는 안 됩니다.
가장 큰 AI 기회는 가장 덜 obvious 한 곳에 숨어 있다
이것이 바로 저마진 비즈니스가 AI 분야에서 가장 큰 마진 확장 기회인 이유입니다.
작은 마진 개선이 막대한 이익 증가를 창출하기 때문에 가장 강력한 경제적 인센티브를 가지고 있습니다. AI가 고유하게 감소시키기에 적합한 대규모 인건비 및 조정 중심 비용 구조를 가지고 있습니다. 그리고 약간이라도 더 효율적이 되는 것이 회사의 경쟁적 위치를 바꿀 수 있는 산업에서 운영됩니다.
시장은 소프트웨어 회사, 기술 중심 기업 및 지식 근로자에 초점을 맞춰 왔습니다. 이러한 회사는 도구를 더 빨리 채택하고 실험할 예산이 있기 때문입니다. 그러나 가장 큰 이익 영향은 스스로를 AI 기업이라고 설명할 가능성이 가장 낮은 비즈니스에서 발생할 수 있습니다.
이들은 외부에서 볼 때 AI 기업처럼 보이지 않기 때문에 obvious 한 AI 수혜자가 아닙니다. 그러나 그것이 바로 기회가 그렇게 큰 이유입니다.
운영이 무겁기 때문에 마진이 얇습니다. 운영이 무거운 이유는 종종 인력을 조정해야 하기 때문입니다. 그리고 AI는 전체 인력이 작업 방식을 바꾸도록 요구하지 않으면서 상당량의 조정 작업을 제거할 수 있는 최초의 기술입니다.
AI 수혜자의 다음 물결은 저마진 비즈니스의 워크플로 뒤에 에이전트를 배치하고 절감액이 운영 모델에서 조용히 나타나도록 하는 데서 올 것입니다.
귀사도 8자리 마진 상승을 경험한 다른 제조 및 물류 고객사와 유사한 결과를 원하신다면, varickagents.com에서 저희를 찾아주십시오.
