Applying Artificial Intelligence and Big Data Analytics in Forecasting the Effectiveness of Managerial Strategic Decision Making

현대 비즈니스 세계에서 리더들은 한 개인이 추적할 수 있는 속도보다 더 빠르게 변화하는 환경 속에서 중대한 결정을 내려야 하는 지속적인 도전에 직면해 있습니다. 이를 헤쳐 나가기 위해 많은 조직이 인공지능과 빅데이터 분석으로 눈을 돌리고 있습니다. 이것들은 단순히 파일을 분류하기 위한 도구가 아닙니다. 이들은 인간의 정신이 감당할 수 없는 방대한 양의 정보 속에서 패턴을 찾아내도록 설계된 시스템입니다. 그러나 결정적인 질문이 남아 있습니다. 이러한 디지털 시스템이 영리할 뿐만 아니라 법적으로 타당하고 전략적으로 효과적인 결정을 내릴 수 있는가 하는 점입니다. 답은 간단하지 않습니다. 어떤 결정은 효율적이지만 규칙을 위반할 수 있고, 혹은 법을 준수하지만 비즈니스 목표 달성에는 실패할 수도 있습니다. 현재 연구자들은 데이터 분석의 가공할 만한 힘과 법적 준수의 엄격한 경계 사이에 다리를 놓기 위해 노력하며, 컴퓨터가 비즈니스 목표의 중요성과 법적 처벌의 위험 사이에서 무게를 다는 법을 배울 수 있는지 묻고 있습니다.

베트남 타이도 대학교(Tay Do University)의 한 연구자는 관리자가 전략적 선택을 내리는 방식을 시뮬레이션하도록 설계된 디지털 시스템을 구축하여 이 아이디어를 테스트하고자 했습니다. 그들은 인공지능 에이전트가 정보 기술 법률에 기반한 복잡한 규칙들을 탐색해야 하는 가상 환경을 조성했습니다. 목표는 시스템이 핵심 성과 지표(KPI)로 알려진 표준 비즈니스 점수를 기준으로 결정이 얼마나 잘 수행될지를 예측할 수 있는지 확인하는 것이었습니다. 이를 위해 연구자는 컴퓨터에 단순히 가공되지 않은 숫자만을 입력한 것이 아닙니다. 대신, 연구자는 시스템이 인간의 정신이 정보를 처리하는 다섯 가지 구체적인 방식을 모방하도록 설계했습니다. 즉, 자원 관리 능력, 자신의 사고를 고찰하는 능력(메타인지), 중요한 것에 집중하는 기술, 새로운 규칙을 배우는 속도, 그리고 사회적 및 조직적 규범을 이해하는 능력입니다. 이 다섯 가지 인지 능력은 컴퓨터의 의사결정 과정을 구성하는 빌딩 블록으로 취급되었습니다.

연구자는 자신의 아이디어를 테스트하기 위해 거대한 디지털 파이프라인을 구축했습니다. 먼저, 시스템은 법률 보고서나 정책 문서와 같은 다양한 문서에서 텍스트를 수집하고, 컴퓨터가 읽을 수 있도록 정제했습니다. 그다음, 시스템은 이러한 서면 규칙들을 기계가 이해할 수 있는 형식으로 변환하여 데이터 프라이버시나 경영진과의 정렬과 같은 요구사항들에 가중치를 부여했습니다. 이어서, 시스템은 1,500개의 서로 다른 의사결정 시나리오로 구성된 시뮬레이션 데이터셋을 생성했습니다. 각 시나리오에서 컴퓨터는 다섯 가지 인지 능력을 법적 규칙과 균형을 맞추어 최종 점수를 산출해야 했습니다. 이 점수는 결정의 성공 여부를 나타내며 0에서 100까지의 범위를 가집니다. 연구자는 이후 이 데이터를 바탕으로 머신러닝 모델을 학습시켜, 다섯 가지 인지 능력을 보고 최종 점수를 예측하도록 가르쳤습니다. 연구자는 수많은 작은 결정 트리(decision trees)를 구축하는 방법을 사용하여 패턴을 찾아냈으며, 이를 통해 컴퓨터가 사고 방식과 성과 사이의 숨겨진 연결 고리를 학습할 수 있기를 기대했습니다.

연구자가 모델을 테스트했을 때, 결과는 이 기술의 현재 상태에 대한 어려운 진실을 드러냈습니다. 시스템은 문서를 읽는 것부터 최종 예측 점수 목록을 생성하는 것까지 전체 과정을 원활하게 실행할 수 있었습니다. 그러나 연구자가 예측의 정확도를 확인했을 때, 모델이 문제의 진정한 복잡성을 포착하는 데 어려움을 겪고 있다는 것을 발견했습니다. 컴퓨터의 추측은 종종 상당한 오차를 보였으며, 일부 통계적 척도에서 모델은 모든 상황에 대해 단순히 평균 점수를 추측하는 것보다 성능이 떨어지는 모습을 보였습니다. 데이터에 따르면 실제 결과는 매우 낮은 점수를 받은 결정과 매우 높은 점수를 받은 결정이라는 두 개의 뚜렷한 그룹으로 나뉘었지만, 컴퓨터의 예측은 중간 부분에 밀집되어 극단적인 경우를 전혀 포착하지 못했습니다. 이는 시스템이 정보를 처리할 수는 있지만, 안전하고 평균적인 선택과 고위험-고수익 전략 사이를 구분하는 데 필요한 깊은 맥락이 부족함을 시사합니다.

본 연구는 인공지능과 법적 거버넌스를 결합하는 프레임워크는 실현 가능하지만, 기술이 이러한 복잡한 영역에서 인간의 판단을 대체하기에는 아직 준비가 되지 않았다고 결론짓습니다. 연구자는 현재의 모델이 결정을 '고위험' 또는 '고수익' 범주로 몰아넣는 숨겨진 변수들을 완전히 설명하지 못한다는 것을 발견했습니다. 연구자는 시스템이 극단적인 결과를 피하고 중간 지대에 머물러 있을 때 가장 잘 작동한다는 점을 언급했는데, 이는 전략적 기획을 위한 안전하지만 제한적인 접근 방식입니다. 연구자는 향후 연구가 각 결정의 구체적인 법적 맥을 측정하는 더 나은 방법과 같이 시스템에 더 상세한 정보를 추가하고, 자신의 추론 과정을 더 명확하게 설명할 수 있는 모델을 개발하는 데 집중해야 한다고 제안합니다. 현재로서 이 연구는 법적 규칙을 디지털 데이터로 변환하는 것이 가능하다는 것을 보여주는 개념 증명(proof of concept) 역할을 하는 동시에, 진정으로 자율적이고 규정을 준수하는 전략적 의사결정으로 가는 길에는 단순한 처리 능력 이상의 것이 필요하다는 점을 강조하고 있습니다.