회사에 AI가 도입되면 무슨 일이 일어날까?

잔업과 보고서의 종말? 그리고 시작될 새로운 변화들

비생산적 업무의 발견과 혁신

기업의 디지털 전환이 가속화되면서, 우리는 불편하지만 피할 수 없는 현실과 마주하게 되었다. 바로 기업 내 비생산적 업무의 존재다. 최근 한국일보의 조사 결과는 이러한 현실을 적나라하게 보여준다. 직장인들은 평균적으로 하루 근무 시간의 약 30%를 비생산적 업무에 사용하고 있다. 이는 단순한 시간 낭비를 넘어, 기업의 혁신과 성장을 저해하는 중대한 문제로 인식되고 있다.

기업 내 비생산적 업무의 실체는 다양한 형태로 나타난다. 가장 대표적인 것이 형식적인 보고 문화다. 상급자의 보고 형식에 맞추기 위해 동일한 내용의 문서를 반복적으로 수정하거나, 이미 결정된 사안에 대해 불필요한 문서화 작업을 하는 경우가 많다. 특히 주목할 만한 것은 부서별로 다른 형식에 맞춰 동일한 내용을 재작성하는 관행이다.

또 다른 형태는 비효율적인 대기 시간이다. 결재나 승인을 기다리는 시간, 형식적인 대면 보고를 위한 대기 시간, 회의 준비와 대기에 소요되는 과도한 시간 등이 여기에 해당한다. 한 중간 관리자는 "대면보고를 기다리며 보내는 시간이 하루 평균 1시간을 넘는다"고 토로했다. 

중복 작업의 반복도 심각한 문제다. 여러 시스템에 동일한 데이터를 중복 입력하거나, 부서 간 소통 부재로 인해 동일한 작업을 여러 번 반복하는 경우가 빈번하다. 표준화되지 않은 프로세스로 인해 발생하는 반복 작업도 여기에 포함된다.

이러한 비생산적 업무의 실체는 디지털 트윈 구현 과정에서 더욱 명확하게 드러난다. 업무 프로세스를 디지털화하고 자동화하는 과정에서, 기존에는 당연하게 여겨졌던 많은 업무들이 사실상 불필요했다는 것이 밝혀지는 것이다. 이는 불편한 진실이지만, 동시에 기업 혁신의 중요한 출발점이 된다.

AI 도입의 진정한 의미는 바로 여기에 있다. 단순히 기존 업무를 자동화하는 것이 아니라, 업무 프로세스 자체를 재정의하고 최적화하는 것이다. 이 과정에서 비생산적 업무들이 자연스럽게 걸러지게 되며, 진정으로 가치를 창출하는 핵심 업무가 무엇인지 명확해진다.

이러한 변화는 생산성의 재발견으로 이어진다. 단순한 업무 자동화를 넘어, 조직의 본질적인 생산성이 향상되고, 인적 자원을 보다 가치 있는 업무에 재배치할 수 있게 된다. 또한 조직 문화도 형식적 업무 중심에서 실질적 성과 중심으로 전환되며, 의사결정 과정의 투명성과 효율성이 크게 증대된다.

물론 이러한 변화 과정에는 도전 과제도 존재한다. 기존의 업무 방식에 익숙한 조직 구성원들의 저항은 자연스러운 현상이다. 이는 단순한 거부감이 아닌, 변화에 대한 불안감의 표현으로 이해하고 적절히 관리되어야 한다. 따라서 급진적인 변화보다는 단계적 전환이 중요하며, 구성원들의 적응을 위한 충분한 시간을 확보하는 것이 필요하다.

결국 AI 도입은 단순한 기술 도입이 아닌, 기업의 본질적인 변화를 위한 기회다. 비생산적 업무의 발견과 제거는 이러한 변화의 시작점이 된다. 이는 조직의 생산성 향상뿐만 아니라, 구성원들이 더 가치 있는 업무에 집중할 수 있는 환경을 조성하는 계기가 된다. 진정한 디지털 전환은 이러한 근본적인 변화에서 시작된다.

전사적 디지털 전환과 AI 인프라의 중요성

기업의 디지털 전환은 더 이상 선택이 아닌 필수가 되었다. 특히 AI 시대를 맞아 기업들은 전사적 차원의 디지털 전환과 AI 인프라 구축의 중요성을 절감하고 있다. 그러나 많은 기업들이 AI 도입을 서두르면서 가장 중요한 것을 놓치고 있다. 바로 기업 전체를 아우르는 디지털 인프라의 구축이다.

현재 대부분의 기업들은 부분적인 AI 도입에 그치고 있다. 특정 부서나 특정 업무에 한정된 AI 도입은 일시적인 효율성 향상은 가져올 수 있지만, 기업 전체의 혁신으로 이어지기는 어렵다. 실제로 많은 기업들이 AI를 도입했음에도 기대했던 만큼의 성과를 거두지 못하는 이유가 바로 여기에 있다.

전사적 디지털 전환의 핵심은 기업의 모든 업무 프로세스를 디지털화하는 것이다. 이는 단순히 문서를 전자화하거나 업무 시스템을 도입하는 수준을 넘어선다. 기업의 모든 의사결정과 업무 흐름이 디지털 환경에서 이루어질 수 있도록 하는 것이다. 예를 들어, 거래처로부터 발주량 증가 요청이 왔을 때, AI가 즉각적으로 생산 라인의 여유 상황을 파악하고, 대체 공장의 가용성을 확인하며, 최적의 생산 계획을 수립할 수 있어야 한다.

이를 위해서는 기업의 모든 데이터가 의미 있는 방식으로 연결되어 있어야 한다. 흔히 이야기하는 디지털 트윈의 구현이 바로 이것이다. 공장의 생산 능력, 재고 상황, 물류 현황, 인력 운영 상태 등 모든 정보가 실시간으로 파악되고 업데이트되어야 한다. 이런 환경이 갖춰졌을 때 비로소 AI는 진정한 의미의 의사결정 지원 도구가 될 수 있다.

AI 인프라 구축에서 가장 중요한 것은 기업만의 고유한 업무 로직을 AI가 이해하고 학습할 수 있도록 하는 것이다. 똑같은 AI 모델이라도 기업별로 다른 결과를 낼 수밖에 없는 이유가 여기에 있다. 기업마다 가지고 있는 고유한 업무 방식, 의사결정 기준, 프로세스의 특성이 모두 다르기 때문이다. 따라서 AI는 이러한 기업 고유의 특성을 학습하고 이해할 수 있어야 한다.

더 중요한 것은 이러한 AI 인프라가 정적인 것이 아니라 동적으로 발전해야 한다는 점이다. 기업은 시시각각 변화하고 발전한다. 새로운 비즈니스 모델이 도입되고, 업무 프로세스가 개선되며, 의사결정 기준이 변화한다. AI 인프라는 이러한 변화를 실시간으로 반영하고 학습할 수 있어야 한다. 이것이 바로 진정한 의미의 AI 인프라이다.

AI 인프라 구축의 또 다른 중요한 측면은 안전성의 확보다. 자동화가 진행될수록 오히려 안전성은 높아진다는 것이 실제 사례들을 통해 입증되고 있다. 인간의 단순 실수나 피로로 인한 오류가 줄어들고, 일관된 기준에 따른 의사결정이 이루어지기 때문이다.

이러한 전사적 디지털 전환과 AI 인프라 구축은 단기간에 이루어질 수 없다. 점진적이고 체계적인 접근이 필요하다. 현재 많은 기업들이 성급한 AI 도입으로 실패를 경험하고 있는 것도 이 때문이다. 기초적인 디지털 인프라 구축부터 시작하여, 단계적으로 AI의 적용 범위를 넓혀가는 것이 바람직하다.

결국 AI 시대의 기업 경쟁력은 얼마나 견고한 디지털 인프라를 갖추고 있느냐에 달려 있다. 이는 단순한 기술의 문제가 아닌, 기업의 근본적인 체질 변화와 관련된 문제다. 전사적 디지털 전환과 AI 인프라 구축은 이러한 변화의 핵심이며, 미래 기업의 성패를 가르는 결정적 요소가 될 것이다.

AI 도입의 5단계 진화와 조직의 변화

기업의 AI 도입은 하루 아침에 이루어질 수 없다. 마치 자율주행차가 차선 유지부터 시작해 점차 복잡한 주행 환경을 이해하고 대응하게 되는 것처럼, 기업의 AI 도입도 단계적으로 진화하게 된다. 이러한 진화 과정은 크게 5단계로 구분할 수 있으며, 각 단계마다 조직은 새로운 변화와 도전에 직면하게 된다.

1단계는 가장 기초적인 수준으로, AI가 단순한 정보 요약과 기본적인 데이터 처리를 수행하는 단계다. 예를 들어, 거래처로부터 받은 이메일의 내용을 요약하거나, 간단한 문서 분류 작업을 수행하는 정도다. 이 단계에서 조직은 AI를 단순한 보조 도구로 인식하며, 대부분의 의사결정은 여전히 인간의 영역으로 남아있다.

2단계에서는 AI가 데이터를 검색하고 분석하는 수준으로 발전한다. 단순한 요약을 넘어 데이터베이스에서 관련 정보를 찾아내고, 이를 의미 있는 형태로 분석할 수 있게 된다. 예를 들어, 특정 제품의 과거 판매 데이터를 분석하여 트렌드를 파악하거나, 고객 피드백을 분석하여 주요 이슈를 도출하는 등의 작업이 가능해진다.

3단계는 AI가 데이터와 애플리케이션을 연계하여 실제 액션을 취할 수 있는 단계다. 현재 대부분의 선도적인 기업들이 이 단계에 도달해 있다. 예를 들어, 재고가 특정 수준 이하로 떨어지면 자동으로 발주를 하거나, 고객 문의에 대해 적절한 답변을 자동으로 생성하고 전송하는 등의 작업이 가능하다. 이 단계에서는 조직 구성원들이 AI를 실질적인 업무 파트너로 인식하기 시작한다.

4단계는 AI가 기업 고유의 업무 로직을 이해하고 학습하는 단계다. 이는 단순한 자동화를 넘어서는 수준이다. 기업만의 특수한 상황과 맥락을 이해하고, 그에 맞는 의사결정을 내릴 수 있게 된다. 예를 들어, 특정 거래처의 발주량 증가 요청에 대해, 기존 생산라인의 상황, 대체 공장의 가용성, 운송 비용 등을 종합적으로 고려하여 최적의 대안을 제시할 수 있다.

마지막 5단계는 완전 자동화 단계다. AI가 대부분의 일상적인 의사결정을 자동으로 처리하며, 인간은 주로 최종 승인이나 예외적인 상황에 대한 판단만을 담당하게 된다. 이 단계에서는 조직의 모습이 근본적으로 변화한다. 단순 반복적인 업무는 대부분 사라지고, 인간은 창의적이고 전략적인 업무에 집중하게 된다.

이러한 단계적 진화 과정에서 가장 중요한 것은 조직의 적응과 변화다. 각 단계로의 진입은 단순한 기술적 진보를 넘어, 조직 구성원들의 업무 방식과 사고방식의 변화를 수반한다. 예를 들어, 3단계에서 4단계로 넘어갈 때는 업무 프로세스의 전면적인 재구성이 필요하며, 이는 필연적으로 조직 구조의 변화를 동반한다.

특히 주목할 점은 상위 단계로 갈수록 비생산적 업무가 자연스럽게 제거된다는 것이다. AI가 기업의 업무 프로세스를 더 깊이 이해하고 자동화할수록, 불필요한 문서 작업이나 형식적인 보고 절차는 사라지게 된다. 이는 조직의 효율성 향상으로 이어지지만, 동시에 구성원들에게는 새로운 도전이 된다.

이러한 변화 속에서 인간의 역할도 진화한다. 단순 업무의 수행자에서 AI 시스템의 감독자이자 전략적 의사결정자로 변모하게 되는 것이다. 이는 구성원들에게 새로운 역량을 요구한다. AI 시스템을 이해하고 활용할 수 있는 능력, 예외 상황을 판단하고 처리할 수 있는 능력, 더 나아가 AI 시스템의 한계를 보완하고 새로운 가능성을 모색할 수 있는 창의적 사고력이 필요하게 된다.

결국 AI 도입의 5단계 진화는 기술의 발전만이 아닌, 조직과 인간의 동반 성장을 요구한다. 이는 도전적인 과제이지만, 동시에 기업과 구성원 모두에게 새로운 가치를 창출할 수 있는 기회이기도 하다. 성공적인 AI 도입을 위해서는 이러한 진화의 각 단계를 이해하고, 조직과 구성원이 함께 준비하고 적응해 나가는 것이 필수적이다.

기업 솔루션의 진화

기업이 직원을 채용하는 근본적인 이유는 문제 해결을 위해서다. 직원들이 모여 팀을 이루고, 이 팀은 기업의 관점에서 하나의 솔루션이 된다. 우리가 흔히 솔루션이라고 하면 소프트웨어나 시스템을 떠올리지만, 사실 인력으로 구성된 팀 역시 기업의 중요한 문제 해결 솔루션이다. 그러나 이러한 인력 기반 솔루션은 현대 기업 환경에서 점차 한계를 드러내고 있다.

가장 큰 한계는 기업의 성장 속도를 따라가지 못한다는 점이다. 많은 CEO들이 공통적으로 토로하는 고민이 있다. "회사는 성장하고 있는데 직원들의 능력이 받쳐주지 못할 때 어떻게 해야 하는가?" 더구나 그 직원과의 관계가 좋은 경우라면 이 문제는 더욱 해결하기 어려워진다. 이는 단순히 개인의 역량 문제가 아닌, 인력 기반 솔루션이 가진 태생적 한계에서 비롯된다.

이러한 한계가 발생하는 근본적인 이유는 사람은 본질적으로 쉽게 변하지 않기 때문이다. 이는 냉정하지만 부정할 수 없는 사실이다. 설령 개인이 성장한다 하더라도 그 성장은 결국 인간 능력의 한계에 수렴할 수밖에 없다. 반면 기업이 직면하는 문제는 끊임없이 변화하고 복잡해진다. 결국 시간이 갈수록 솔루션과 문제 사이의 간극은 점점 더 벌어지게 된다.

이러한 상황에서 기업들은 흔히 두 가지 선택에 직면한다. 하나는 커진 문제를 기존 솔루션에 맞춰 축소하거나 단순화하는 것이고, 다른 하나는 문제 해결을 위해 계속해서 새로운 인력을 충원하는 것이다. 전자는 기업의 성장을 저해하고, 후자는 비효율과 비용 증가를 초래한다.

과거의 성공적인 기업들은 이 문제를 어떻게 해결했을까? 투자가이자 기업인 레이 달리오는 그의 저서에서 이에 대한 솔직한 답을 제시한다. 그는 "능력은 없지만 호감이 가는 직원들을 해고하는 일은 매우 어렵다"고 말하며, 이는 "충성스러운 반려견을 총으로 쏘는 것과 같은 심정"이라고 표현했다. 하지만 기업의 발전을 위해서는 이러한 어려운 결정이 필요하다고 강조했다.

그러나 이러한 해결방식은 현대 사회에서 점점 더 적용하기 어려워지고 있다. 인간적인 유대관계와 기업의 사회적 책임이 더욱 중요해지는 현대 사회에서, 단순히 성과가 낮다는 이유로 직원을 해고하는 것은 쉽지 않은 선택이다. 바로 이 지점에서 AI 기반 솔루션의 필요성이 대두된다.

AI는 인력 기반 솔루션이 가진 한계를 극복할 수 있는 대안을 제시한다. AI는 감정의 영향을 받지 않으며, 학습을 통해 지속적으로 발전할 수 있다. 더 중요한 것은 기업의 성장과 함께 진화할 수 있다는 점이다. AI는 기업의 온톨로지와 결합하여 그 기업만의 고유한 문제 해결 방식을 학습하고 발전시킬 수 있다.

최근 기업들의 AI 도입 사례를 보면, AI가 적용된 영역의 의사결정이 더 정확하고 일관되며, 처리 속도도 훨씬 빠르다는 것이 입증되고 있다. 특히 주목할 만한 점은 AI의 도입이 진행될수록 오히려 안전성이 높아진다는 사실이다. 인간의 피로나 감정적 판단으로 인한 실수가 줄어들기 때문이다.

그러나 이는 모든 인력을 AI로 대체해야 한다는 의미가 아니다. 오히려 AI 도입의 진정한 의미는 인간과 AI의 최적의 협력 관계를 구축하는 것이다. AI는 반복적이고 정형화된 업무를 처리하면서, 인간은 보다 창의적이고 전략적인 의사결정에 집중할 수 있게 된다. 이는 기업의 문제 해결 능력을 전반적으로 향상시키는 결과로 이어진다.

결국 기업 솔루션의 진화는 필연적이다. 인력 기반 솔루션에서 AI 기반 솔루션으로의 전환은 단순한 기술 도입의 차원을 넘어, 기업의 문제 해결 능력을 근본적으로 향상시키는 패러다임의 전환이다. 이러한 변화에 성공적으로 적응하는 기업만이 미래의 경쟁에서 살아남을 수 있을 것이다.

AI 기반 의사결정 체계

AI 기반 의사결정 체계로의 전환은 단순히 의사결정 속도를 높이는 것 이상의 의미를 갖는다. 이는 기업의 의사결정 패러다임 자체를 근본적으로 변화시키는 혁신이다. 주목할 점은 의사결정의 주체가 '인간 중심'에서 'AI 주도, 인간 승인' 방식으로 전환된다는 것이다.

현재의 기업 의사결정 구조를 살펴보면, 대부분의 일상적 의사결정조차 인간의 개입이 필수적이다. 예를 들어, 거래처로부터 발주량 증가 요청이 들어왔을 때를 생각해보자. 일반적인 기업에서는 이러한 요청을 처리하는 데만 최소 반나절, 큰 기업의 경우 3일 이상이 소요된다. 담당자는 생산라인의 여유 상황을 확인하고, 필요한 경우 대체 공장을 찾아보며, 각종 비용을 계산하고, 여러 부서와의 협의를 거쳐야 한다.

그러나 AI 기반 의사결정 체계에서는 이 모든 과정이 1분 내외로 단축될 수 있다. AI는 제품 주문번호를 확인하고, 연관된 공장을 찾아내며, 생산 능력을 계산하고, 필요한 경우 대체 공장을 검색하여 최적의 선택지를 도출한다. 인간 담당자는 AI가 제시한 최적안을 검토하고 최종 승인하는 역할만 수행하면 된다.

이러한 변화는 단순히 처리 속도의 향상만을 의미하지 않는다. 더 중요한 것은 의사결정의 품질이 전반적으로 향상된다는 점이다. AI는 감정이나 편견에 좌우되지 않으며, 모든 가능한 변수를 종합적으로 고려할 수 있다. 또한 과거의 의사결정 데이터를 학습하여 지속적으로 판단 능력을 개선해 나간다.

고객 서비스 영역에서도 이러한 변화는 뚜렷하게 나타난다. 기존에는 고객의 문의나 요청에 대해 담당자가 단계적으로 정보를 수집하고 확인하는 과정을 거쳐야 했다. 그러나 AI 기반 시스템에서는 고객의 요청이 들어오는 즉시 관련된 모든 정보를 통합적으로 분석하고, 최적의 해결책을 제시할 수 있다. 예를 들어, 차량 구매 고객의 충전기 설치 문의에 대해, AI는 즉각적으로 고객 정보, 주문 내역, 설치 가능 일정, 적합한 제품 등을 종합적으로 파악하여 맞춤형 솔루션을 제공한다.

이러한 AI 기반 의사결정 체계의 또 다른 중요한 특징은 지속적인 학습과 개선이 가능하다는 점이다. AI는 매 의사결정의 결과를 학습하여 판단 기준을 개선해 나간다. 이는 마치 자율주행 자동차가 주행 경험을 통해 지속적으로 성능을 개선하는 것과 같은 원리다. 시간이 갈수록 의사결정의 정확도와 효율성이 높아지게 된다.

특히 주목할 만한 점은 AI가 기업의 고유한 의사결정 패턴과 비즈니스 로직을 학습할 수 있다는 것이다. 이를 통해 각 기업의 특수성과 상황에 최적화된 의사결정이 가능해진다. 동일한 AI 시스템이라도 기업별로 다른 방식의 의사결정을 내리게 되는 것이다. 이는 기업의 고유한 경쟁력을 유지하면서도 의사결정의 효율성을 극대화할 수 있게 해준다.

더욱이 AI 기반 의사결정 체계는 기업의 변화와 함께 진화할 수 있다. 기업의 전략이 변화하고 새로운 비즈니스 모델이 도입되더라도, AI는 이러한 변화를 학습하여 의사결정 기준을 적응적으로 변화시킬 수 있다. 이는 정적인 인력 기반 의사결정 체계와 비교할 때 큰 장점이 된다.

그러나 이러한 변화가 인간의 역할을 완전히 대체한다는 의미는 아니다. 오히려 인간의 역할이 더욱 중요해지는 측면도 있다. 최종적인 판단과 승인, 예외적 상황에 대한 대응, 전략적 의사결정 등에서 인간의 통찰력과 경험은 여전히 핵심적인 가치를 지닌다. AI는 이러한 인간의 판단을 보조하고 강화하는 도구로서의 역할을 수행하게 된다.

결국 AI 기반 의사결정 체계로의 전환은 기업의 운영 방식을 근본적으로 변화시키는 혁신이다. 이는 효율성과 정확성의 향상을 넘어, 기업의 의사결정 문화와 조직 구조에까지 영향을 미치는 포괄적인 변화를 의미한다. 이러한 변화에 성공적으로 적응하는 것이 미래 기업의 핵심 경쟁력이 될 것이다.

AI 시대의 진정한 기업 혁신

많은 기업들이 AI 도입을 서두르고 있지만, 진정한 혁신은 단순히 AI 기술을 도입하는 것에서 시작되지 않는다. 오히려 그 시작점은 기업 내부의 비생산적 업무들을 발견하고 제거하는 과정에 있다. 디지털 트윈 구현 과정에서 우리는 불편한 진실과 마주하게 된다. 그동안 당연하게 여겨졌던 많은 업무들이 실제로는 비생산적이었다는 사실을 발견하게 되는 것이다.

이는 단순히 불편한 진실의 발견으로 끝나지 않는다. AI 도입은 필연적으로 기업의 전반적인 디지털 전환을 요구한다. 기업의 모든 의사결정과 업무 흐름이 디지털 환경에서 이루어질 수 있도록 하는 전사적 디지털 인프라의 구축이 필요하다. 이는 단순한 시스템 도입이 아닌, 기업 전체의 운영 방식을 근본적으로 재구성하는 과정이다.

이러한 변화는 단계적으로 이루어진다. 초기의 단순 정보 처리에서 시작하여, 데이터 분석, 자동화된 액션 수행을 거쳐, 궁극적으로는 기업 고유의 의사결정 로직을 이해하고 실행하는 단계까지 발전하게 된다. 각 단계는 이전 단계의 성공적인 정착을 기반으로 하며, 조직의 점진적인 변화와 적응을 동반한다.

특히 주목할 만한 점은 이러한 변화 과정에서 기존의 인력 기반 솔루션이 가진 한계가 극복된다는 것이다. 인간은 본질적으로 쉽게 변하지 않지만, AI는 기업의 성장과 함께 지속적으로 진화할 수 있다. 이는 기업의 문제 해결 능력을 근본적으로 향상시키는 계기가 된다.

더 나아가 AI 기반 의사결정 체계는 기업의 운영 방식 자체를 변화시킨다. 감정이나 편견에 좌우되지 않는 객관적 판단, 모든 변수를 고려한 종합적 분석, 지속적인 학습과 개선이 가능해진다. 이는 단순한 효율성 향상을 넘어, 기업의 의사결정 문화를 근본적으로 변화시키는 혁신이다.

그러나 이러한 변화가 인간의 가치를 부정하는 것은 아니다. 오히려 AI의 도입은 인간이 더욱 가치 있는 일에 집중할 수 있는 환경을 만들어준다. 반복적이고 비생산적인 업무에서 벗어나, 창의적이고 전략적인 의사결정에 집중할 수 있게 되는 것이다. 이는 기업과 직원 모두에게 새로운 가치 창출의 기회를 제공한다.

결론적으로, AI 시대의 진정한 기업 혁신은 세 가지 핵심적인 변화를 수반한다.

첫째, 비생산적 업무의 제거를 통한 본질적 생산성 향상이다.

둘째, 전사적 디지털 인프라 구축을 통한 의사결정 체계의 혁신이다.

셋째, 인간과 AI의 최적화된 협력 관계 구축을 통한 새로운 가치 창출이다.

이러한 변화는 결코 쉽지 않은 도전이 될 것이다. 그러나 이는 피할 수 없는 시대적 과제이기도 하다. AI 시대의 진정한 승자는 이러한 변화를 두려워하지 않고, 오히려 이를 기회로 삼아 근본적인 혁신을 이뤄내는 기업이 될 것이다. 우리는 지금 그러한 변화의 시작점에 서 있다.