[6시그마 경영혁명] (중) 고객 '니즈'부터 파악하라

입력1999.06.23 00:00 수정1999.06.23 00:00

1백만개의 제품과 서비스중 불량을 단 3.4개 이내로 줄이는 6시그마 경영
혁명은 어떻게 달성할 것인가.

6시그마는 완벽한 품질을 위해 제조부문은 물론 자재설비 개발 영업구매
회계 마케팅 연구개발 등 회사의 전부문에서 추진되는 것이 특징이다.

제조부문에 한정됐던 기존 품질경영과는 차이가 있다.

제조 부문에서 아무리 노력해도 조달된 자재가 나쁘고 지원 부문에서
효율성이 떨어지면 고객에게 전달되는 최종 제품의 불량은 피할 수 없다.

연구개발 부문은 근본적으로 불량을 없앨 수 있는 제품설계로, 자재 부문은
가장 좋은 품질의 자재를 들여오도록 하는 활동이 동시에 이뤄져야 하는
것이다.

이런 각 부문의 노력이 결합돼 나타나는 결과가 6시그마 수준의 품질
달성이다.

마치 다양한 악기가 모여 절묘한 화음을 이루는 오케스트라처럼 6시그마는
일종의 오케스트라 경영이다.

6시그마 프로젝트는 일반적으로 해결해야 할 문제의 정의(D)-측정(M)-
분석(A)-개선(I)-통제(C)라는 5단계 프로세스를 거친다.

프로젝트의 선정기준은 "고객의 요구(Needs)"다.

고객이 불편해하는 점에서부터 프로젝트는 출발한다.

모든 단계는 통계적으로 계량화되고 매뉴얼화되며 과학적 분석기법에 의해
검증된다.

6시그마가 과학적이라고 불리는 이유가 여기에 있다.

삼성전관의 인트라넷(인터넷을 활용한 사내통신망)분야 6시그마 프로젝트를
예로 5단계 프로세스를 구체적으로 살펴보자.

먼저 "정의(Define)"는 문제점을 찾아내는 첫 단계다.

고객(인트라넷 사용자)의 요구가 무엇이고 내부 프로세스(인트라넷 시스템
구성)는 어떻게 돼 있는가 등 문제점을 알아내는 처녀 출발단계다.

인트라넷 관리부서는 "네트워크의 접속이 불량하다"는 해외 현지법인과
각 사업장의 불만사항을 파악하게 된다.

여기서 "인트라넷 접속불량 해결"이라는 6시그마 프로젝트 목표가 도출된다.

"측정(Measure)"은 불량한 수준을 알아보는 단계다.

불량이 어느 수준인지, 개선에 드는 돈은 얼마나 될지, 이로 인해 생기는
불편이 어느 정도인지 등에 대한 데이터를 모으고 통계화한다.

관리부서는 실제 조사를 통해 국내 브라질 중국공장 등 각 지역 사업장들의
접속불량 수준이 각 나라별 통신망 사정이 들쭉날쭉한 까닭에 서로 다르다는
사실을 알아낸다.

이 단계에서는 경쟁회사나 세계 최고 회사들의 인트라넷 품질수준도
벤치마킹한다.

그 다음 이런 전 과정을 지도로 그린다(매핑).

매핑은 고객 요구수준과 관리부서의 관리수준을 비교해 보기 위한 절차다.

"분석(Analyze)"은 언제 어디서 이런 불량이 생겼는지, 불량 형태는 어떤
것인지, 원인은 무엇인지를 알아내는 단계다.

보다 구체적인 원인을 밝혀내게 된다.

관리부서는 첨단 분석수단을 이용해 정밀한 원인분석 작업에 나선다.

중국으로 데이터를 보낼때 유럽으로 우회하는 통신망을 이용하고 있다는
사실이 새로 드러난다.

중국을 직접 연결하는 통신망을 쓰면 접속불량을 줄이고 낭비도 없앨 수
있다는 분석이 나온다.

또 통신망을 비싸게 빌려쓰고 있다는 사실도 알아낸다.

"개선(Improve)"은 드러난 문제점들을 해결하는 단계다.

중국과의 통신망을 직선으로 새로이 설계해 통신망 우회로 생기는 접속불량
요소를 없애고 비용도 낮춘다.

빌려쓰는 해외통신망을 좀더 싼 회사로 바꿔 비용도 줄인다.

첨단 정보기술을 활용해 네트워크 성능도 좀더 개선시킨다.

이 모든 과정은 실험계획법 시뮬레이션등 첨단 기법으로 미리 검증을
거친다.

"통제(Control)"는 개선 사항을 계속 유지시키는 단계다.

인트라넷 관리부서는 개선 사항을 관리 통제하면서 접속불량이라는 문제점을
말끔히 해결하게 된다.

이렇게 개선된 모든 결과는 차트로 만들어지고 숫자로 기록돼 관리된다.

표준이나 절차로 제도화되는 것이다.

6시그마 프로젝트는 한가지만 진행되는 것은 아니다.

동시에 수십 수백가지가 수행된다.

비록 사소한 것처럼 보일지라도 작은 변화가 회사 전체적으론 큰 이익을
가져오고 회사의 체질은 어느덧 변화하게 된다.

제조 관리 연구개발등 회사 전 부문에서 진행되는 개선 프로젝트들이
하나로 모아져 전체의 품질수준이 6시그마에 도달하게 되는 것이다.

< 강현철 기자 hckang@ >

( 한 국 경 제 신 문 1999년 6월 24일자 ).

관련 뉴스

1

"역사 흐름 바꾼 YS 자취, 미래 세대가 기억해야죠"

1990년대 초, 옳은 길에 거칠 것이 없다는 뜻의 ‘대도무문(大道無門)’ 붓글씨 액자를 걸어두는 게 유행이었다. 하나회 군부세력을 척결하고 문민정부 시대를 연 업적은 이제 거의 잊혀진 기억이 됐다. 최근 YS시대를 다시 끄집어낸 다큐멘터리 영화가 공개돼 정치권의 관심을 모았다.지난달 28일 개봉한 다큐멘터리 영화 ‘잊혀진 대통령, 김영삼의 개혁시대’를 만든 이재진 감독(사진)에게 ‘왜 하필 지금 김영삼인가’를 물었다. 그는 “한국 현대사에 대한 관심 때문”며 “놀랍게도 김 전 대통령의 행보를 제대로 조명한 영상물이 단 한편도 없었다”고 설명했다.이 감독의 삶은 주류의 문법을 따르지 않았던 YS의 궤적과 닮았다. 한양대 체육학과를 졸업하고 ROTC로 임관, 육군 전방 사단에서 소대장으로 복무했다. 한 때 태권도 선수나 체육학 교수를 꿈꿨지만 영화에 푹 빠지면서 인생을 바꿨다. 전역 후 미국 로스앤젤레스(LA)로 넘어가 컬럼비아 칼리지에서 영화를 공부했다. 귀국해 시나리오 작가, 배급사 유로픽쳐스 대표 등 영화판에서 할 수 있는 다양한 일을 했다. 최근까지 숭의여대에서 영상제작과 겸임교수를 맡았다. 독서광인 그에게 역사는 콘텐츠 제작의 좋은 소재였다. ‘김영삼의 개혁시대’는 감독으로서 첫 입봉작이다.YS 서거 후 10년이 지난 시점에 자취를 더듬는 일은 쉽지 않았다. 영화 제작비 2억원은 전액 이 감독 사비로 댔다. 그는 “제작비를 사전에 모으는 펀딩이 어려웠다”며 “영화 산업의 논리로 따지면 YS 다큐는 돈 안되는 소재였다”고 했다. 김대중·노무현 전 대통령처럼 열혈 팬덤이 없다는 것이 흥행에 있어선 단점이
2

박경렬 KAIST 교수 "AI, 기술이 전부 아니야…신뢰·윤리도 경쟁력"

“인공지능(AI) 기술 패권 경쟁이 심해질수록 협력을 통해 높은 기술력과 신뢰를 확보해야 합니다.”박경렬 KAIST 과학기술정책대학원 교수(사진)는 1일 “한국을 비롯해 유럽 각국, 캐나다, 인도 등 브리지파워 국가들이 뭉쳐 실용적이면서 동시에 신뢰에 기반한 AI 연대를 이어가야 한다”며 이렇게 말했다. 박 교수는 지난달 요슈아 벤지오 몬트리올대 교수 등 전 세계 석학 29명이 공동 발간한 보고서 ‘AI 개발에 관한 다국적 협력의 청사진’ 집필에 한국인으로는 유일하게 참여했다.보고서는 AI 컴퓨팅 역량과 인프라 투자가 미·중에 집중되면서 그 외 국가는 최첨단 AI를 단독으로 개발하기 어려워졌고, 결국 종속과 열세라는 선택지 중 하나를 택해야 하는 상황에 몰리고 있다고 경고했다. 브리지 국가들이 데이터센터 등 AI 인프라 역량을 모으고, 데이터까지 공동으로 운용하며 비용을 나누고 이익을 공유하자는 것이 보고서의 핵심 제안이다. 박 교수는 “이런 문제의식이 학자들 사이에서 계속 누적돼왔다”며 “참여 연구진도 초기 10여 명에서 30명 가까이로 늘었다”고 했다. 이어 “보고서 주장과 비슷한 논의가 최근 유럽 정상들 사이에서도 오간다”고 전했다.연구진은 신뢰에 기반한 연대도 강조했다. 박 교수는 “기술적 우위만이 전부가 아니다”며 “윤리·신뢰에 대한 국제적 공감대가 크고, 이것 또한 결국 경쟁력이 될 것”이라고 말했다. ‘브리지파워’라는 표현을 택한 것도, 중견국들이 신뢰 가능한 기술과 규범을 만들어 전 세계로 확산시키는 ‘다리’가 돼야 한다는 취지다.여기에는 박 교수의 경험도 녹아 있다.
3

[한경에세이] AI라는 구호가 사라질 때

2015년, 정보기술(IT) 업계의 모든 회의실을 지배한 단어는 ‘빅데이터’였다. ‘데이터가 미래의 석유’라는 말이 금언처럼 돌았고, 기업들은 경쟁적으로 데이터 분석가를 영입했다. 어피닛 역시 그 흐름의 한복판에 있었다. 매일 수십만 명의 사용자가 남기는 방대한 디지털 흔적을 모으고, 그 안에서 유의미한 패턴을 찾아내는 것이 지상 과제였다.그런데 지금, 회의실이나 투자 미팅에서 빅데이터를 전면에 내세우는 경우는 극히 드물다. 그렇다면 빅데이터는 한때의 유행이었을까? 전혀 아니다. 오히려 정반대다. 빅데이터는 이제 서비스의 바닥 깊숙이 녹아들어, 굳이 이름을 부를 필요조차 없는 필수 인프라가 됐다. 오늘날 우리는 “빅데이터를 활용해 서비스를 만든다”라고 말하지 않는다. 그저 “서비스를 운영한다”라고 말할 뿐이다. 데이터 분석 로직이 자동화된 형태로 의사결정의 모세혈관까지 스며들었기 때문이다.2017년 무렵, 우리의 화두는 ‘머신러닝’으로 옮겨갔다. 사람이 일일이 규칙을 입력하던 시대를 지나, 알고리즘이 데이터에서 패턴을 학습하고 판단 기준을 세우는 시기였다. 우리는 이 기술을 신용평가와 위험 관리에 집요하게 적용했다. 결과는 놀라웠다. 인간의 직관이나 단순한 통계로는 보지 못한 영역을 머신러닝 모델이 잡아내기 시작했다.그토록 혁신적이던 머신러닝이라는 단어조차 최근에는 사용 빈도가 눈에 띄게 줄었다. 실패해서가 아니다. 과거 특정 예측 모델에 국한되었던 머신러닝은 이제 딥러닝과 생성형 인공지능(AI)이라는 더 거대하고 범용적인 ‘AI’ 체계 안으로 흡수되어 우리 시스템을 지탱하는 핵심 축이 되었다.많