[목 차]
프롤로그: "일단 지난달 기준으로 가죠"
1부 시장은 이미 말하고 있었다: 예측 AI가 왜 의사결정의 중심이 되는가
1장 석유 선물 가격이 떨어지다: 시장의 흐름을 보지 못한 이유
2장 매일 쓰레기통에 버려지는 돈: 감으로 낭비되는 손실
3장 공급보다 공포가 먼저 움직일 때: 사재기 대란이 벌어진 이유
4장 기업은 왜 항상 늦는가: 세 가지 착각
5장 예측은 행동을 바꾸는 힘이다: 예측 AI를 도입해야 하는 이유
6장 어떻게 신호를 미리 읽을 것인가: 예측 AI로 바꾸는 회의실의 언어
7장 예측을 성과로 전환하는 방법: 예측에서 에이전트로
* 마무리: 이미 이긴 게임 진영
2부 이미 이긴 게임을 하는 사람들: 예측 AI가 결정의 시점을 앞당긴 일곱 가지 현장
1장 데이터에 없는 사건을 알아챈다: 블랙스완의 전조
2장 신제품 출시 전에 판매량을 파악하다: AI 기반 수요예측 시스템
3장 아무도 맞힐 수 없는 가격을 읽는다: 위기를 기회로 바꾼 기업들
4장 팔리는 순간을 설계하다: 프로모션의 변화
5장 보이지 않는 자기잠식을 보다: 카니발라이제이션
6장 예측이 깨져도 무너지지 않는다: 예측 시나리오 설정
7장 예측을 시스템으로 만든다: 불량에서 공급망까지
* 마무리: "결정의 시점이 앞당겨졌다"는 의미
3부 예측 AI는 어떻게 작동하는가: 불가능을 가능으로 바꾸는 다섯 가지 엔진
1장 AI는 미래를 예언하지 않는다: AI 모델이 일하는 방법
2장 데이터가 없으면 생성한다: 세 가지 접근법
3장 숫자에 숨은 이유를 설명한다: 예측 가능성을 높이는 설명
4장 시장을 통째로 시뮬레이션한다: 에이전트 기반 시뮬레이션
5장 예측에서 행동으로 전환한다: 에이전트 AI의 구조
* 마무리: 다섯 가지 엔진을 작동하려면
4부 예측 AI는 조직 안에서 완성된다: 현실에서 작동하게 하는 다섯 가지 조건
1장 저항의 구조를 이해한다: 정확한 예측을 거부하는 이유
2장 심리적 안전을 먼저 설계한다: AI를 두려워하는 요소
3장 도입하지 않고 스며들게 한다: 업무 흐름을 바꿔야 하는 이유
4장 의사결정을 강화한다: 회의 시스템의 변화
5장 베네핏을 명확하게 측정하고 공유한다: 조직의 행동과 문화를 만드는 힘
* 마무리: 11%의 승자가 되라
에필로그: AI 시대, 엔진이 아니라 나침반이 되라
주
[본 문]
같은 보드 위에 같은 말을 가지고 앉았는데, 한쪽은 상대가 다음에 무엇을 둘지 모른 채 두고, 다른 한쪽은 상대의 다음 두 수, 세 수를 예상하면서 둔다. 시간이 흐를수록 두 사람의 위치는 기하급수적으로 벌어진다. 후자가 어느 시점부터는 거의 모든 수를 자기에게 유리한 방향으로 기울여놓고, 상대는 그 안에서만 움직이게 된다. 나는 이것을 ‘이미 이긴 게임’이라고 부른다. 이미 이긴 게임은 예언이 아니다. 운도 아니다. 남들보다 먼저 흐름을 읽고, 그 흐름 위에 판을 깔아둔 사람만이 할 수 있는 게임이다. 그리고 그 판을 깔아주는 가장 강력한 도구가 지금 우리 앞에 와 있다. 그것이 이 책에서 다루는 예측 AI다.
_ p.10 「프롤로그」 중에서
생성형 AI가 잘하는 일과, 잘하지 못하는 일은 분명히 다르다. 생성형 AI는 답을 만든다. 초안을 쓰고, 이미지를 그리고, 코드를 짠다. 하지만 “다음 달 수요가 늘어날 것인가”, “이 재고를 지금 발주해야 하는가” 같은 질문 앞에서는 이 기술이 답을 주지 못한다. 그것은 새로운 콘텐츠를 만드는 문제가 아니라, 아직 일어나지 않은 결과를 정량적으로 읽어내는 문제이기 때문이다. 바로 그 빈자리를 채우는 것이 예측 AI다. 새로운 콘텐츠를 생성하는 AI가 아니라, 결과가 일어나기 전을 읽는 AI, 기업의 의사결정을 정조준하는 AI다.
_ p.51 「1부 6장 어떻게 신호를 미리 읽을 것인가」 중에서
예를 들어 신제품 전략을 수립할 때 모델은 여러 조건을 동시에 분석했다. 기본 기능만 포함한 경우, 혁신 기능을 추가한 경우, 광고와 프로모션을 진행한 경우, 출시 시점을 조정한 경우 등 다양한 전략을 시뮬레이션했다. 분석 결과 특정 기능 조합이 포함된 제품이 더 높은 판매 성과를 낼 가능성이 확인되었고, 출시 시점에 따라 초기 시장 반응이 크게 달라질 수 있다는 사실도 발견되었다. (중략) 기업은 더 이상 제품을 만든 뒤 시장 반응을 기다리는 것이 아니라, 시장 반응을 미리 읽고 ‘성공 확률을 계산하는’ 단계로 넘어갈 수 있게 된다. 의사결정의 출발점이 ‘의견 합의’에서 ‘데이터 검토’로 바뀐 것, 그것이 예측 기술이 가져다주는 가장 큰 변화다.
_ p.92 「2부 2장 신제품 출시 전에 판매량을 파악하다」 중에서
방대한 데이터가 정교한 알고리즘을 만나게 되면 인간이 범접할 수 없는 영역의 뛰어난 성능을 만들어내기 시작한다. 물론 데이터의 양이 전부는 아니다. 시장 구조가 바뀌면 오래된 데이터는 오히려 최근 흐름을 흐리는 잡음이 되고, 조건을 지나치게 잘게 나눠 학습하면 표본이 부족해져 우연한 패턴까지 학습하게 된다. 그래서 ‘얼마나 많은가’만큼이나 ‘지금 상황과 얼마나 닮은 데이터인가’ 역시 중요하다. 또한 최적의 변수를 선택하고 데이터를 정제하는 등의 퀄리티를 높이는 작업은 필요하다. 데이터를 풍부하게 확보한 다음에는 핵심 변수를 골라내야 한다. 이것이 함수의 품질을 결정하는 중요한 요건이다.
_ p.176 「3부 1장 AI는 미래를 예언하지 않는다」 중에서
예측 AI가 회의에서 제공하는 것은 더 많은 숫자가 아니라 모든 부서가 출발점으로 삼을 수 있는 하나의 기준이다. 그리고 그 기준이 회의의 성격 자체를 바꾼다. 머신러닝 기반 예측은 판매 이력뿐 아니라 가격 변화, 프로모션, 계절성, 경제 지표, 날씨까지 수십, 수백 개의 변수를 동시에 고려한다. 영업, 생산, 재무가 동일한 예측 기준을 공유하는 순간, 회의의 질문이 달라진다. 즉, “누가 맞는가”가 아니라 “이 예측을 기준으로 우리는 어떻게 대응할 것인가”로 바뀐다. 회의의 질문이 “누가 맞는가”에서 “무엇을 할 것인가”로 바뀌는 순간, 그 회의는 타협 시스템에서 결정 시스템으로 전환된다.
_ p.280 「4부 4장 의사결정을 강화한다」 중에서
한 가지 비유를 해보자. AI는 강력한 엔진이다. 이미 배를 빠르게 움직일 수 있고, 앞으로 더 빠르고 더 정교해질 것이다. 이 배 위에서 인간이 해야 할 일은 무엇일까. 엔진과 똑같은 일을 하려고 경쟁하는 것은 무의미하다. 그 경쟁에서 우리는 이길 수 없다. 더 강한 엔진이 되려고 애쓰는 것도 마찬가지다. 그러나 엔진이 아무리 강력해도 나침반이 없으면 어디로도 갈 수 없다. 아니, 더 정확히 말하면 강한 엔진일수록 잘못된 방향으로 간 대가가 더 크다. 인간이 해야 할 일은 엔진이 아니라 나침반이 되는 것이다. 배가 어디로 향해야 하는지를 결정하는 역할이 곧 인간이 할 일이다.
_ p.310~311 「에필로그」 중에서
“AI를 도입해도 왜 의사결정의 과정은 여전히 느린 것인가”
기업의 병목현상을 해결하는 혁신, 예측 AI를 주목하라
세계적인 경영컨설팅 회사인 맥킨지앤드컴퍼니에서 2025년 조사한 연차 보고서에 따르면, AI를 정기적으로 사용 중인 기업은 88%이지만 AI가 영업이익에 유의미한 영향을 미쳤다고 응답한 비율은 39%였다. 그마저도 대부분은 전체 영업이익의 5% 미만이 AI에서 비롯됐다고 답했다. 이처럼 AI를 도입해도, 실제 AI가 회사 안에서 제대로 작동해 의미 있는 결과로 이어지는 일은 드물다. 왜 이런 문제가 발생하는 것일까? 어떻게 기업의 병목현상을 AI로 해결할 수 있을까?
저자는 이 문제를 해결하기 위한 대안으로 예측 AI 시스템을 제안한다. 예측 AI는 미래의 흐름을 정량적으로 읽고, 그 결과를 바탕으로 행동의 시점을 앞당기는 AI다. 기상 캐스터가 날씨를 예보하거나 점쟁이가 사람의 운명을 점치는 것과 같은 영역이 아니라, 기업이 매일 마주하는 의사결정, 즉 제품을 얼마나 만들고, 언제 원자재를 사들이고, 누구를 우선할 것인지 고민하는 영역에서 정확도와 속도를 높이는 기술이다. 지금까지 모든 AI 담론은 챗GPT, 클로드, 제미나이와 같은 생성형 AI에 쏠려 있었다. 하지만 기업의 의사결정을 실제로 바꾸고 있는 것은 예측 AI다. 이제 예측을 잘하는 조직과 못 하는 조직 사이의 격차는 기하급수적으로 벌어질 것이다. 사전에 의사결정을 빨리 내리는 기업만이 시간차를 줄이고 시장 점유율에서 앞설 수 있다.
“불가능한 영역을 어떻게 예측하고 문제를 해결할 수 있는가”
예측 AI로 문제를 해결하고 성과를 얻은 기업들의 인사이트
저자는 예측 AI를 통해 결정의 시점을 앞당겨 의미 있는 성과를 거둔 기업의 사례와 실제로 예측 AI 시스템을 개발하며 겪은 경험을 토대로, 기업이 겪을 수 있는 여러 문제를 예측하고 해결할 수 있는지 상세하게 제시한다. 예를 들어 코로나19가 창궐하던 시기, 캐나다의 AI 스타트업 블루닷(BlueDot)은 세계보건기구보다 먼저 중국 우한에서 발생한 정체불명의 폐렴 사례에 대한 보고서를 발행했다. 이 기업은 우한 지역에서 출발하는 항공편 예약, 중국 의료 관련 SNS, 지역 신문 기사 등 수많은 비정형 데이터에서 정보를 수집하고 분석하는 AI 기술로 세계에서 가장 먼저 코로나19의 전조를 포착할 수 있었다. 저자의 연구팀은 2022년 러시아-우크라이나 전쟁 발발 이후 니켈 가격의 급등을 분석하고, LLM을 기반으로 비정형 데이터를 분석해 니켈 선물 지수를 예측하는 시스템을 만들었다. 이처럼 AI 시스템을 잘 활용하면 갑작스러운 ‘블랙스완’ 상황에서도 예측 가능한 영역으로 변화시킬 수 있다.
신제품의 판매에 따라 기존 제품의 수요가 줄고 재고가 늘어나는 자기잠식효과, 즉 카니발라이제이션 상황에도 예측 AI를 효과적으로 적용할 수 있다. 리테일 기업 아마존(Amazon)은 수억 개 제품 중 고객의 장바구니에 담긴 상품을 분석해, 어떤 선택을 했는지 살펴보고, 이에 따라 추천 알고리즘과 재고 배치를 동시에 조정하는 시스템을 도입하고 있다. 대형 유통사인 타겟(Target)은 오프라인 매장과 온라인 매장을 통합해 ‘품절이 발생할 상품’을 사전에 예측하는 데 집중한다. 특정 상품이 품절될 가능성이 높아지면, 고객이 대체할 가능성이 높은 상품까지 고려해 진열과 재고를 판단한다. 이처럼 ‘일어나지 않을 일’의 흐름까지 예측하는 것은 기업의 이익을 극대화하는 구조를 만들고, 경쟁력을 높일 수 있다.
“불확실성이 지배하는 시대, 어떻게 미래를 선점하고 경쟁력을 강화할 것인가”
현실에서 제대로 작동하는 AI 시스템을 만들기 위한 필수 조건
저자는 예측 AI가 제대로 작동하기 위해서 다섯 가지 엔진이 필요하다고 말한다. 즉, 데이터 안의 패턴을 학습하고 반복되는 구조를 찾아내는 모델, 조직 내부와 외부의 학습을 통해 만들어내는 데이터, 숫자에 이유를 붙이는 설명, 일어나지 않은 미래의 가능성을 펼쳐보는 시뮬레이션, 예측을 행동으로 잇는 에이전트 등이 예측 AI를 구성하는 핵심 요소다. 이 다섯 가지 기술적 준비가 갖춰지면 의사결정의 시점이 당겨질 뿐만 아니라 결정의 깊이까지 함께 깊어진다. 그리고 그 결정이 시스템 안에서 자율적으로 실행될 수 있다.
드라마틱한 변화는 ‘기술이 얼마나 정교한가’가 아니라 ‘기술이 사용자의 현실에 얼마나 가깝게 닿는가’에 달려 있다. 기업의 AI 프로젝트가 실패하는 이유는 대부분 엔지니어 중심이기 때문이다. 사용자 가치에 대한 정의와 설계가 빠진 채 기술만 개발하면, 모델은 나오지만 현장에서 체감할 인사이트는 나오지 않는다. 저자는 AI가 조직 안에서 완성되려면 저항의 구조를 이해하고, 심리적 안전을 먼저 설계하며, 도입하지 않고 스며들게 만들어야 한다고 말한다. 또한 의사결정을 강화하고 베네핏을 명확하게 측정해 공유하는 조직의 문화를 만들어야 한다고 강조한다. 기술은 가능성을 열어주지만, 그 가능성을 조직의 성과로 바꾸는 것은 결국 사람의 결정에 달려 있다. AI가 내려주는 답을 맹목적으로 따르는 것보다, AI가 일하는 방향을 설계하는 것에 집중해야 한다. 불확실성이 지배하는 시대, 먼저 앞서가기 위한 AI 시스템을 고민하고 있다면 이 책에서 그 해답을 찾을 수 있을 것이다.