Don’t Call It a Failure: A Business-Agility Reading of the “95% of AI Pilots” Story

If you have ever worked in PR or social, you know the feeling. We spent years debating ROI for activities that clearly mattered but did not fit neatly into last-click spreadsheets. Now we have a once-in-a-generation capability, and some are ready to declare defeat because the P&L did not move in six months. That is not how transformation is measured. It is how halftime is misread.

To be clear: the State of AI in Business 2025 report from MIT’s Project NANDA is worth your time. It’s made waves with a striking figure—95% of enterprise GenAI pilots haven’t delivered measurable P&L impact. The authors also label this work as an early snapshot (January–June 2025), which is important context. Early data, transparent limitations, and a conversation worth having. From a business-agility perspective, the conversation is not “Is AI failing?” The conversation is “Are we running the work in a way that creates measurable flow, safe learning, and compounding value?”

Below is the same storyline, retold with business-agility lenses.

What an Agile Organization Asks First

1. Who is the customer of this pilot, and what problem are we solving for them today? Define the user, the job to be done, and the pain you are trying to remove this quarter.
2. What is our hypothesis and what would disprove it? Write it down. Choose the smallest slice that can test it in production-like conditions.
3. What evidence will we accept before P&L shows up? Flow and quality are the leading indicators. Finance is the lagging proof.

When those three questions are explicit, pilots stop being demos and start being experiments.

Six Months Is Not a Verdict, It Is a Cadence

Six months equals a handful of sprints with room for two or three inspect-and-adapt cycles. That is enough time to learn about permissions, routing, data quality, latency, handoffs, exception paths, and human-in-the-loop. It is not enough time to rewire multiple core workflows, retrain large teams, harden guardrails, and push improvements all the way to audited P&L. In agility we timebox to learn, then decide to scale or stop based on evidence, not on optimism.

Measure Flow First, Finance Next

Direct profit is the destination. Flow tells you whether you are moving toward that destination. Treat these as agility leading indicators that should move in months 1 to 6:

• Lead time from request to result
• 처리량 per week for the target workflow
• Rework rate 그리고 exception rate
• Escaped error rate 그리고 defect containment
• Adoption: assisted tasks per user per day, active minutes in the workflow
• Risk posture: flagged issues reduced, review time reduced
• Customer outcomes: response time, first-contact resolution, CSAT or NPS deltas

If these signals improve and remain stable, the P&L generally moves between months 9 and 18, which is when scale begins and setup ends.

From Demo Theater to Workflow Reality

Agility favors working solutions in real paths over polished demos. Three practical shifts turn pilots into value delivery:

1. Value slicing: release a narrow, end-to-end slice that touches the system of record and the approval path.
2. Definition of Ready and Definition of Done: no work enters a sprint unless data access, privacy constraints, and success metrics are clear; no work is done until telemetry, audit trails, and rollback are live.
3. Guardrails, not gates: security, risk, legal, and compliance sit in weekly reviews with product and operations. The objective is to design safe defaults that enable flow, not to pause work until the quarter ends.

Organize for Learning, Not Heroics

• One owner, one workflow, one data source for the first slice. Reduce coordination drag.
• Cross-functional team: product, operations, data, engineering, risk, and finance see the same board and the same metrics.
• Limit WIP: stop starting and start finishing. Too many pilots create false positives and thin learning.
• Weekly retros: surface blockers early, adjust scope, and rotate one small improvement per week into the Definition of Done.

The Right Scoreboard for Month Six

Executives should expect a two-line scorecard at the six-month mark:

1. Flow and quality: the leading metrics listed above with before-and-after deltas and stability bands.
2. Finance translation: hours avoided, error costs avoided, cycle time value released, revenue capture unlocked, risk reduction quantified. These are not GAAP yet. They are the audited trail that justifies scale.

If the flow line is up and stable, and the finance translation is credible, scale. If not, stop or rescope. Either outcome is success because you learned at low cost.

Why the “95%” Headline Can Be True and Misleading

It can be true that most pilots did not show direct P&L in six months. It can also be misleading if those pilots were not designed as agile experiments with explicit leading indicators, working slices, and weekly inspection. Agility does not promise instant profit. It promises faster truth. That is exactly what leaders need.

A Friendly Challenge to Colleagues

Before we declare the technology a failure, let us adopt an agility scoreboard and cadence. Write the hypothesis. Slice the value. Measure the flow. Invite Finance and Risk into the retro. Decide based on evidence. Then repeat.

Your turn: What is one flow metric you trust and one cadence habit that kept your pilot honest? Please comment on our LinkedIn Article!

#StateofAI2025 #BusinessAgility #ContinuousImprovement #AIROI #ChangeManagement

성적을 넘어선 교육과 학습의 여정: 애자일, AI, 게임화를 통한 교육의 재구상

프로도가 둠 마운트로 향하는 여정 등 모든 장대한 여정은 반지의 제왕에서 제다이가 되기 위한 루크 스카이워커의 여정을 따라가 보세요. 스타워즈의 항해 또는 엔터프라이즈 in 스타트렉에서 이 여정은 성적과 함께 시작되지 않습니다. 어떤 영웅도 A, B, 낙제 점수를 받고 모험을 시작하지 않습니다. 대신, 그들은 극복해야 할 도전이라는 강력한 미션을 가지고 시작합니다. 그들의 여정은 이정표, 장애물, 의심의 순간, 그리고 승리로 가득 차 있습니다. 결코 백분율 점수로 환원되지 않습니다.

하지만 교육 현장에서 우리는 종종 학생들이 방대한 지식의 지평을 탐색하는 탐험가가 아니라 단순히 저울의 한 점인 것처럼 학습을 대하는 경우가 많습니다.

Daniel Pink(2025)가 다음과 같이 설명합니다. 워싱턴 포스트의 오피니언 기사에서 성적을 없애지 않는 이유에서 성적 인플레이션의 영향은 이러한 접근 방식의 의도하지 않은 결과를 강조하며 왜 우리는 성적을 역동적인 체크포인트가 아닌 장벽으로 간주하는지에 대한 비판적 성찰을 촉구합니다.

대신 교육을 게임화하여 평가를 게임이나 비즈니스 시뮬레이션의 체크포인트처럼 학생들이 앞으로 나아가기 전에 필수 기술의 숙달 여부를 확인할 수 있는 이정표로 삼는 것은 어떨까요?

예측할 수 없는 현실 세계에 대비하는 것이 목표인 비즈니스 교육에서는 단순히 시험에서 높은 점수를 받는 것에서 숙달, 적응력, 실무 역량에 중점을 두어야 합니다. 이 글에서는 인간과 AI의 상호보완성, 비즈니스 민첩성 원칙, 게임화 모델에서 영감을 받아 기존의 채점 시스템을 뛰어넘어 매력적이고 반복적이며 기술 중심의 학습 환경을 구축할 수 있는 가능성을 살펴봅니다. 이러한 아이디어는 다음과 밀접하게 연계되어 있습니다. 교육 및 학습을 위한 선언문규범적 교수법보다 적응력, 개인 성취보다 협업, 학생 시험보다 학습 결과의 성취, 교실 강의보다 학생 주도 탐구, 정보 축적보다 시연과 적용, 현재 관행의 유지보다 지속적인 개선을 강조합니다(Krehbiel et al., 2017).

1. 인간과 인공지능의 상호보완성: 학습에 대한 더 스마트한 접근 방식

적응형 학습 도우미로서의 AI

AI 기반 플랫폼은 각 학생의 고유한 속도와 학습 스타일에 맞게 교육 콘텐츠를 맞춤화하여 엄격한 채점 구조의 필요성을 완화할 수 있습니다. 모든 학생에게 동일한 속도로 동일한 커리큘럼을 강요하는 대신 AI를 활용할 수 있습니다:

• 학습 경로 개인화: 코세라, 듀오링고, 칸 아카데미에서 사용하는 것과 같은 적응형 AI 시스템은 실시간 피드백과 맞춤형 연습을 제공하여 취약한 부분을 강화합니다(Deci & Ryan, 1985).
• 시간 경과에 따른 역량 성장 추적: AI는 일회성 성적에 의존하는 대신 주요 기술 영역의 진행 상황을 추적하고 학생의 발달에 대한 데이터 기반 인사이트를 제공할 수 있습니다.
• 평가 시 주관적 편견 줄이기: 교수자에 따라 달라지는 기존 채점과 달리, AI 기반 평가 도구(예: AI 기반 에세이 채점 및 자동화된 기술 평가)는 일관성과 공정성이 뛰어납니다(Dweck, 2006).

튜터와 멘토로서의 AI

• 대화형 AI 도구(예: ChatGPT, Claude 또는 DeepSeek)는 교수 한 명이 관리할 수 있는 범위를 넘어 질문에 답하고, 개념을 설명하고, 개인화된 피드백을 제공하는 온디맨드 튜터 역할을 할 수 있습니다.
• AI 기반 시뮬레이션과 VR 도구를 통해 학생들은 실제 비즈니스 시나리오를 연습하며 위험 부담 없는 환경에서 비판적 사고와 문제 해결 능력을 키울 수 있습니다.

이러한 변화는 기존의 성적에 대한 권위를 분산하고 대신 기술 숙련도를 입증하는 데 초점을 맞추는 것으로, 보다 의미 있고 개인화된 평가 시스템에 대한 Pink(2025)의 요구와 잘 부합합니다.

2. 비즈니스 민첩성 교육: 성적이 아닌 반복을 통한 학습

교육에 애자일 원칙 적용하기

비즈니스 민첩성은 반복, 피드백 루프, 적응력, 지속적인 학습을 강조하며, 이는 성적 없이도 자연스럽게 교육을 지원하는 자질입니다. 전통적인 채점 대신 역량 기반 진행 상황, 실제 프로젝트, 반복적인 피드백 주기를 기반으로 학생을 평가할 수 있습니다(Goodhart, 1975). 그리고 교육 및 학습을 위한 선언문 는 이러한 필요성을 더욱 강화하여 수동적인 강의실 강의와 암기식 정보 축적보다 학생 주도적 탐구와 시연을 옹호합니다(Krehbiel et al., 2017).

• 학습을 위한 스크럼: 스크럼 스프린트처럼 짧은 반복 주기로 실제 프로젝트를 수행하는 방식으로 코스를 구성할 수 있습니다. 교수진과 AI 튜터가 피드백을 제공하여 일회성 성적이 아닌 지속적인 개선을 보장합니다.
• 자기 주도적 숙달을 위한 칸반: 고정된 15주 과정 대신 칸반 스타일의 학습 보드를 통해 학생들은 기초 지식부터 전문가 수준의 응용까지 자신의 속도에 맞춰 진행합니다.
• 문자 성적에 대한 OKR(목표 및 주요 결과): 학생들은 현대 기업에서 성공을 측정하는 것처럼 스스로 학습 목표를 설정하고 주요 결과를 통해 진행 상황을 추적합니다.

마일스톤으로 게임화 평가

시험, 시험, 연습 문제를 없애는 대신 게임과 같은 마일스톤으로 재정의할 수 있습니다. 학생들은 할 수 있습니다:

• 비즈니스 시뮬레이션이나 인증 시험처럼 숙달할 때까지 여러 번 도전하세요.
• 문자 등급이 아닌 스킬 배지를 획득하여 전문 마이크로 자격 증명과 유사한 가시적인 성취 마커를 만들 수 있습니다(Kohn, 1999).
• 기업 환경의 구조화된 온보딩 프로세스와 마찬가지로 역량 레벨을 통해 진행합니다.
• AI 기반 과제를 사용하여 실제 비즈니스 역량을 검증하고, 학생들이 시뮬레이션된 비즈니스 문제에서 기술을 적용할 수 있도록 합니다.

이 모델에서 실패는 최종적인 것이 아니라 반복의 기회이므로 학생들은 합격만을 목표로 하는 것이 아니라 자료를 깊이 있게 흡수할 수 있습니다.

3. 비즈니스 교육의 미래: 기술 기반, AI 지원 및 애자일 교육

미래 인력의 시뮬레이션으로서의 교육

AI를 보조 도구로 활용하고 애자일 방법론을 교육에 통합하면 학생들은 실제 업무에 필요한 인력에 더 잘 대비할 수 있습니다. 미래의 업무는 점점 더 프로젝트 기반, 다학제적, 적응형으로 변화하고 있으므로 교육 시스템도 이를 반영해야 합니다.

• 채용을 위한 AI 기반 기술 평가: 구글이나 테슬라 같은 고용주들은 GPA 기반 채용에서 벗어나 기술 기반 평가를 선호하고 있습니다. AI는 AI 기반 인터뷰, 코딩 과제 또는 사례 연구 평가를 통해 역량 검증을 용이하게 하여 오래된 성적표와 GPA를 대체할 수 있습니다.
• AI 및 소프트 스킬 개발: 기술 학습 외에도 VR 공감 훈련 및 대화형 AI 역할극과 같은 AI 기반 도구는 학생들이 비즈니스 성공에 필수적인 감성 지능, 리더십 및 협상 기술을 개발하는 데 도움이 됩니다.

경직된 타임라인을 지속적인 성장으로 대체하기

학생들은 고정된 3년 또는 4년제 학위 대신 유연하게 학위를 취득할 수 있어야 합니다:

• 학습 모듈을 통해 자신의 속도에 맞춰 학습하고, 그 과정에서 스킬 배지를 획득하세요.
• 여러 부서로 구성된 팀에서 마케팅, 영업, 재무, AI 기반 분석 등 다양한 분야의 문제를 해결하며 여러 부서 간 프로젝트에서 학습합니다.
• 애자일 비즈니스가 연말 성과 검토를 기다리지 않고 지속적인 피드백과 반복을 실행하는 것처럼, 학습한 내용을 실제 환경에 즉시 적용하세요.

성적부터 성장까지, AI 지원 및 민첩성 확보

성적을 없애자는 Daniel Pink(2025)의 주장은 교육 개혁에 대한 강력한 요구이며, 이는 AI 기반 개인화 및 비즈니스 민첩성 원칙과 자연스럽게 맞닿아 있습니다.

경직된 채점 시스템에서 벗어나면 다음과 같이 할 수 있습니다:

• 성과 목표(A 획득)에서 학습 목표(실제 숙달 달성)로 전환합니다.
• 오래된 성적표를 AI 기반 기술 추적 및 내러티브 피드백으로 강화된 역량 기반 평가로 대체하세요.
• 정적이고 시간 제한이 있는 학위 모델에서 민첩한 프로젝트 기반의 AI 지원 학습 에코시스템으로 전환하세요.

이러한 접근 방식은 단순히 교육을 개선하는 데 그치지 않고 적응력, 비판적 사고, AI 유창성이 성공을 좌우하게 될 미래의 비즈니스 세계에 대비할 수 있도록 학생들을 준비시킵니다.

참조

Deci, E. L., & Ryan, R. M. (1985). 인간 행동의 내재적 동기와 자기 결정. 플레넘 프레스.

Dweck, C. S. (2006). 마인드셋: 성공의 새로운 심리학. 랜덤 하우스.

Goodhart, C. A. E. (1975). "통화 관리의 문제: 영국 경험." 통화 경제학 논문, vol. I, 호주 중앙은행.

Kohn, A. (1999). 우리 아이들이 마땅히 누려야 할 학교: 전통적인 교실과 '더 엄격한 기준'을 넘어서기. 휴튼 미플린.

크레히비엘, T. C., 외. (2017). 교육 및 학습을 위한 애자일 선언문. 효과적인 교육 저널, 17(2), 90-111.

Pink, D. (2025). 왜 성적을 없애지 않나요? 워싱턴 포스트. https://www.washingtonpost.com/opinions/2025/03/03/grade-inflation-why-not/

사진 제공 Element5 디지털

AI와 비즈니스 민첩성 시대의 영업 및 마케팅 협업

영업 대 마케팅의 긴장감의 현실

비즈니스 세계에서 가장 큰 오해 중 하나는 영업과 마케팅이 완벽하게 동기화되어야 하고, 긴장감 없이 원활하게 협력해야 하며, 모든 것에 완전히 동의해야 한다는 것입니다. 하지만 이는 현실적으로 불가능합니다. 이 두 팀은 서로 다른 목표, 인센티브, 운영 방식을 가지고 있습니다. 하지만 그렇다고 해서 효과적으로 협업할 수 없다는 뜻은 아닙니다.

기업은 화합을 강요하는 대신 두 팀이 적대적인 관계가 아닌 상호 보완적인 관계로 기능할 수 있는 체계적인 시스템을 구축해야 합니다. 이를 위한 핵심은 팀 빌딩 연습이나 인위적인 협력이 아니라 AI를 활용하고 비즈니스 민첩성 원칙을 채택하며 데이터 기반 문화를 조성하여 측정 가능한 결과를 달성하는 것입니다.

영업과 마케팅이 자연스럽게 상충되는 이유

- 영업은 단기 수익에 집중 → 즉각적인 성과를 원하고, 빠르게 성사되는 고품질 리드를 원하며, 예측할 수 없는 고객 행동을 자주 처리합니다.
- 장기적인 브랜드 성장에 초점을 맞춘 마케팅 → 시장 포지셔닝, 인지도, 수요 창출, 수익 창출에 수개월이 걸릴 수 있는 전략에 집중합니다.
- 마케팅이 현실과 동떨어져 있다고 생각하는 영업팀 → 영업 담당자는 마케팅의 노력이 저품질 리드를 생성하거나 실제 구매자의 고충보다는 추상적인 브랜드 메시지에 지나치게 집중한다고 불평하는 경우가 많습니다.
- 마케팅이 영업을 전술적이고 근시안적으로 보는 경우 → 마케팅 담당자는 영업이 리드를 충분히 빠르게 후속 조치를 취하지 않거나 육성하지 않고 너무 빨리 해고하는 것에 좌절감을 느끼는 경우가 많습니다.

AI와 비즈니스 민첩성이 이 문제를 해결하는 방법

1. 리드 스코어링 및 예측 분석을 위한 AI → AI 기반 리드 스코어링은 어떤 리드를 추적할 가치가 있는지 정의하여 영업과 마케팅 간의 마찰을 줄이는 데 도움이 될 수 있습니다.
2. 영업 및 마케팅을 위한 애자일 프레임워크 → 비즈니스 애자일 원칙은 반복적인 협업, 빈번한 피드백 루프, 책임 공유를 장려합니다.
3. 콘텐츠 개인화 및 타겟팅을 위한 AI → AI는 고객 행동에 대한 실시간 인사이트를 제공하여 마케팅이 보다 관련성 높은 메시지와 세일즈 피치를 만들 수 있도록 지원합니다.
4. AI 기반 영업 지원 → 자동화된 코칭 도구, 챗봇, 가상 비서가 영업 담당자가 마케팅에만 의존하지 않고 실시간으로 리드와 소통할 수 있도록 도와줍니다.

영업과 마케팅 간의 역기능적 관계의 함정

1. 열악한 리드 관리 및 전환율
- AI 솔루션: 예측 분석을 통해 구매 의향이 가장 높은 리드만 영업팀으로 전달할 수 있습니다.
- 애자일 솔루션: 영업과 마케팅 간의 일일 스탠드업을 통해 리드 품질을 지속적으로 개선할 수 있습니다.
2. 혼재된 메시지 및 고객 혼란
- AI 솔루션: AI 기반 CRM 도구는 모든 고객 상호 작용을 추적하여 일관된 메시지를 전달합니다.
- 애자일 솔루션: 마케팅과 영업 간의 정기적인 스프린트 검토를 통해 메시지와 전략을 조율합니다.
3. 예산 및 리소스 낭비
- AI 솔루션: AI는 실시간으로 캠페인 ROI를 분석하여 마케팅을 빠르게 전환할 수 있습니다.
- 애자일 솔루션: 회고를 통해 낭비되는 노력을 파악하여 향후 마케팅 투자를 개선합니다.
4. 책임감 부족 및 손가락질
- AI 솔루션: AI 기반 성과 대시보드는 퍼널에서 리드가 이탈하는 지점을 강조하여 책임 소재를 투명하게 파악합니다.
- 애자일 솔루션: 영업 및 마케팅을 위한 공유된 OKR(목표 및 주요 결과)로 사일로를 방지합니다.

AI 및 애자일 시대의 진정한 정렬의 모습

1. 성공에 대한 공유된 정의 및 명확한 기준
- AI 기반 리드 검증 → AI 점수 모델을 통해 전환 가능성이 높은 리드만 판매로 연결되도록 합니다.
- 애자일 부서 간 협업 → 마케팅 팀과 영업 팀이 공동 스프린트 계획 세션에 참여합니다.
2. 영업 및 마케팅 메시징 협업
- 감정 분석을 위한 인공지능 → 인공지능은 고객 피드백을 분석하여 영업 제안과 마케팅 캠페인을 개선할 수 있습니다.
- 애자일 메시징 워크숍 → 공동 워크숍을 통해 두 팀은 반복적인 피드백을 바탕으로 메시징을 개선할 수 있습니다.
3. 영업 피치 테스트 프레임워크
- AI 강화 테스트 → AI 기반 분석을 통해 어떤 영업 프레젠테이션이 잠재 고객의 공감을 가장 많이 얻는지 추적합니다.
- 애자일 피드백 루프 → 영업 담당자가 새로운 메시지를 실시간으로 테스트하고 즉각적인 피드백을 제공합니다.
4. 데이터 기반 의사 결정
- AI 예측 인사이트 → 어떤 마케팅 전략이 최고의 리드를 창출할 수 있는지 예측하는 AI 도구.
- 민첩한 반복 주기 → 지속적인 개선 주기를 통해 데이터 기반의 의사 결정을 보장합니다.
5. 임원급 책임
- AI 기반 성과 추적 → 대시보드를 통해 영업과 마케팅의 성과를 실시간으로 파악할 수 있습니다.
- 애자일 공유 KPI → 두 팀 모두 매출 성장과 고객 성공에 대한 책임을 공유합니다.

기능 장애에서 협업으로 전환하기

최고의 기업은 어느 한 팀이 다른 팀 없이 성공할 수 없도록 함으로써 연계성을 보장합니다. AI와 비즈니스 민첩성은 영업과 마케팅이 자연스럽게 연계되는 자기 강화 시스템을 구축합니다.

AI 기반의 민첩한 영업-마케팅 조율로 나아가기 위한 단계

1단계: 영업팀이 포지셔닝에 일찍 참여하게 하기
- AI는 과거 거래를 분석하여 가장 수익성이 높은 고객 세그먼트에 대한 인사이트를 제공합니다.
- 애자일 협업을 통해 두 팀의 실시간 의견을 반영하여 포지셔닝을 개선할 수 있습니다.

2단계: AI 인사이트를 활용한 영업 프레젠테이션 공동 제작
- AI 기반 콘텐츠 최적화 도구는 가장 효과적인 메시지를 구체화하는 데 도움이 됩니다.
- 애자일 반복을 통해 마케팅과 영업은 지속적으로 영업 프레젠테이션을 테스트하고 개선할 수 있습니다.

3단계: 지속적인 피드백 루프 구축하기
- AI는 CRM, 소셜 미디어, 고객 피드백을 통해 자동화된 성과 인사이트를 제공합니다.
- 애자일 피드백 주기를 통해 영업과 마케팅을 빠르게 반복하여 효과를 극대화할 수 있습니다.

4단계: AI 및 애자일 메트릭을 통해 두 팀 모두 책임감 있게 행동하기
- AI는 어떤 노력이 수익을 창출하는지 정확히 보여주는 어트리뷰션 모델을 제공합니다.
- 애자일 공유 KPI는 상호 책임과 성공을 보장합니다.

결론 결론: 영업 및 마케팅 협업의 미래

영업과 마케팅의 연계는 두 팀을 절친한 친구로 만드는 것이 아니라 두 팀이 상호 의존적으로 일하는 시스템을 만드는 것입니다. AI를 활용하고 비즈니스 민첩성을 통합하며 지속적인 협업 문화를 조성함으로써 기업은 사일로를 허물고 비효율을 제거하며 수익 잠재력을 극대화할 수 있습니다.

사진 제공 바르단 파피키안