윈중(允中), 아페이쓰(凹非寺) 발
양자위(量子位) | 공식 계정 QbitAI
AI가 산업을 재편하기 시작하면서 한 최고급 비즈니스 스쿨은 다시금 고민하고 있다. 미래에 정말 필요한 비즈니스 리더란 어떤 사람일까?
AI는 코드를 작성하고, 분석을 하고, 방안을 생성할 수 있으며, 심지어 복잡한 작업을 자율적으로 수행하기 시작했다.
그러나 한 가지 문제는 여전히 해결되지 않은 채 남아 있는 듯하다.
AI가 답을 내놓았을 때, 그 답이 실행할 가치가 있는지를 판단하는 사람은 누구인가?
예를 들어, 한 기업이 조달을 최적화해야 한다고 하자. AI는 공급업체 견적, 납기 주기, 재고 비용, 예상 수익을 동시에 계산해 수십 가지 조합 중 수학적 의미에서의 최적 방안을 찾아낼 수 있다.
하지만 비용이 가장 낮은 방안이 공급망 리스크 증가를 의미한다면, 특정 부서의 효율 향상이 오히려 기업 전체의 이익을 해친다면, 결국 어떻게 선택해야 할까?
지난 7월, 자오통대 안타이(交大安泰) MBA의 AI 전략 실전 워크숍은 바로 이런 조달 의사결정 문제를 교실로 가져왔다.
참가자들은 서로 다른 역할을 배정받고, 대형 모델과 최적화 알고리즘을 활용해 비용, 효율, 리스크, 수익 사이에서 세 차례의 의사결정을 진행했다.
흥미로운 점은, 기술 도구가 강력해질수록 경영 문제가 오히려 더 선명해진다는 것이다.
최적해를 계산해내는 것과 그것을 기업이 실제로 실행 가능한 의사결정으로 만드는 것은 완전히 별개의 일이다.。
이것이 바로 AI가 산업의 심수구(深水區)에 진입한 후 현재 진행형으로 일어나고 있는 인재 변혁일지도 모른다.
AI는 갈수록 강해지는데, 기업들은 오히려 또 다른 능력에 돈을 쓰기 시작했다
먼저 한 조의 데이터를 보자.
맥킨지의 2025년 글로벌 AI 조사에 따르면, 응답자의 88%가 자신이 속한 조직이 최소 한 개의 업무 기능에서 AI를 상시적으로 사용하고 있다고 답했다.
그러나 기업 전체의 전면적 규모화 배포를 실제로 실현한 비율은 단지 7%에 불과했다.
'AI를 쓰는 것'에서 'AI를 잘 쓰는 것'까지, 그 사이에는 아직 하나의 격차가 가로놓여 있는 듯하다.
과거 기업들이 AI를 논할 때는 모델 파라미터, 추론 능력, 연산 비용에 더 많은 관심을 기울였다.
이제는 점점 더 많은 질문이 비즈니스 그 자체를 향하고 있다.
하나의 에이전트(Agent)가 정말로 기존 워크플로에 융합될 수 있는가? 하나의 지능형 시스템이 업무 지표를 개선할 수 있는가? 겉보기에 매우 앞선 AI 방안이 과연 지속 가능한 비즈니스 수익을 가져다줄 수 있는가?
이러한 변화는 기술 인재의 가치도 다시 정의하고 있다.
매우 대표적인 현상이 바로 FDE의 인기다.
FDE, 즉 Forward Deployed Engineer, 최전선 배치 엔지니어다. 전통적으로 개발에 몰두하는 엔지니어와 달리, 이런 인재는 고객 현장에 깊이 들어가 실제 업무를 이해하고, 기술 배포와 응용 전달 사이의 고리를 연결해야 하는 경우가 많다.
이들은 모델과 엔지니어링을 이해해야 할 뿐만 아니라, 고객의 문제를 알아듣고 업무 프로세스 속 복잡한 제약 조건까지 이해할 수 있어야 한다.
다시 말해,기업이 필요로 하는 것은 이제 기술을 만들어내는 사람만이 아니라, 기술을 정말로 쓸 수 있게 만드는 사람이다。
하지만 FDE는 변화의 일부일 뿐이다.
조금 더 앞을 내다보면, AI가 보조 도구에서 비즈니스 시스템으로 나아갈 때 기술의 착지(落地)는 조직 구조 조정, 자원 배치, 전략 선택, 심지어 비즈니스 모델 재구축까지 수반하게 될 것이다.
어떤 AI 솔루션이 투자할 가치가 있을까? 새로운 시스템이 도입된 후 기존 직무는 어떻게 조정해야 할까? 사람과 에이전트는 어떻게 협업해야 할까? 효율성과 안전, 단기 이익과 장기 경쟁력 사이에서는 또 어떻게 균형을 잡아야 할까?
이러한 질문들은 단순히 더 강력한 모델만으로는 답할 수 없다. 이들은 또 다른 복합 능력을 가리킨다. 기술 논리를 이해하는 동시에 산업의 법칙을 꿰뚫어 보고, 비즈니스 판단을 내리며 조직 변화를 이끌어 낼 수 있는 능력이다.
이것이 바로 AI 시대의 인재 경쟁이 전통적인 기술 직무의 경계를 넘어서고 있는 이유다.
기술 역량을 얻기가 점점 쉬워질수록, 진짜 문제를 이해하고 복잡한 자원을 조직하며 비즈니스 가치를 창출하는 능력이 오히려 더욱 중요해진다。
문제가 생겼다. 이러한 인재는 어떻게 길러야 할까?
AI 시대, 비즈니스 스쿨도 자신을 다시 정의해야 할 때다
흥미로운 변화가 지오퉁 안타이(交大安泰) MBA의 인재 양성 체계에서 일어나고 있다.
2026년 7월 29일, 상하이교통대학교 안태경영관리학원은 'AI 시대 상경 인재 양성에 관한 안태 선언'을 발표하며 인공지능이 상경 교육에 가져온 도전에 체계적으로 답했다.
그중 주목할 만한 판단이 하나 있다.사람은 언제나 의사결정과 책임의 주체다。
이것은 단순한 인간-기계 관계 선언이 아니다.
AI가 방대한 정보를 빠르게 처리하고 전문적인 분석을 내놓을 수 있게 되면서, 지식 습득, 사례 분석, 표준화된 문제 해결 위주의 전통적인 비즈니스 스쿨 교육 방식 중 일부도 필연적으로 충격에 직면하게 된다.
과거에는 더 많은 경영 지식을 갖추는 것이 곧 더 강한 전문적 우위를 의미하는 경우가 많았다.
그러나 오늘날 AI는 짧은 시간 안에 일견 완벽해 보이는 전략 분석, 재무 모델 또는 시장 조사 보고서를 제공할 수 있다.
지식 자체가 더 이상 충분히 높은 장벽을 이루지 못한다면, 비즈니스 스쿨은 대체 무엇을 가르쳐야 할까?
지오퉁 안타이 MBA가 제시한 방향은,지식과 문제 풀이 방법을 전수하는 것에서 한 걸음 더 나아가, 문제를 정의하고 독립적으로 사고하며 분야를 넘나들며 통합하고 가치를 판단하는 능력을 길러 내는 것으로의 전환이다。
이는 상하이교통대학교 안태경영관리학원 원장 천팡루오(陈方若)가 추진해 온 상경 교육 개혁 사상과도 맥을 같이 한다. 교수를 단순히 지식과 해법의 전달자로만 위치시키지 않고, 학생들이 진짜 문제와 마주하며 복잡한 상황 속에서 판단력을 형성하도록 이끄는 데 더 무게를 두는 것이다.
사실 지오퉁 안타이 MBA가 AI에 주목하기 시작한 것은 이제 막이 아니다.
일찍이 2020년에 학원은 인공지능 MBA 과정을 개설하여 AI와 비즈니스 경영의 융합을 탐색해 왔다.
그러나 2026년에 이르러 개혁은 명백히 AI 과목 몇 개를 개설하는 수준을 넘어섰다.
8월 16일, 지오퉁 안타이 MBA는 '지능 시대 오쇤(五链) 인재' 양성 체계를 공식 발표했다.
이 체계는 본래 흩어져 있던 다섯 가지 자원과 역량을 연결하려 한다.
지능과의 연결, 과학기술 혁신과의 연결, 산업과의 연결, 세계와의 연결, 지오퉁과의 연결。
지능과의 연결은 경영자가 인공지능의 기술 논리와 적용 경계를 이해하게 하고, 과학기술 혁신과의 연결은 첨단 기술과 창업 혁신의 결합을 추진하며, 산업과의 연결은 비즈니스 학습이 실제 기업 현장에 깊이 들어가게 하고, 세계와의 연결은 글로벌 비즈니스 시야를 넓히며, 지오퉁과의 연결은 상하이교통대학교라는 종합 연구형 대학의 학제 간 우위를 한층 발휘하는 것이다.
그 이면에는 중요한 인재 양성 논리의 변화가 있다.
미래의 비즈니스 리더는 비즈니스 스쿨 안에서만 길러질 수 없다。
현실 세계의 복잡한 문제에는 대개 명확한 학문적 경계가 없기 때문이다.。
지능형 제조로의 전환은 공학 기술, 공급망, 조직 관리를 동시에 이해해야 하고, AI 창업은 제품 개발, 비즈니스 모델, 자본 자원과 시장 수요를 연결해야 하며, 기업의 해외 진출은 글로벌 시장, 기술 경쟁, 문화 간 조직과 경영 의사결정에 걸쳐 있다.
인재 양성의 목표가 이러한 문제들을 해결하는 것이라면, 비즈니스 스쿨은 스스로의 경계를 능동적으로 허물어야 한다.
그리고 상하이교통대학교가 공과, 인공지능 등 분야에서 쌓아 온 학문적 기반과, 안태가 오랜 기간 형성해 온 산업 연구, 테크놀로지 파이낸스, 동문 생태계가 바로 지오퉁 안타이 MBA의 이러한 학제 간 양성에 토대를 제공하고 있다.
10년간 1000개 AI 시나리오 공동 창출: 단순히 AI를 교실로 데려오는 것이 아니다
이념만으로는 부족하다. 개혁은 구체적인 착지점을 찾아야 한다.
자오퉁대 안타이 MBA가 2026년에 발표한 한 가지 계획은 AI 업계의 분위기가 물씬 풍긴다:
백업천기업 10×100 AI 시나리오 공동창출 계획。
계획에 따르면, 향후 10년 동안 교통대 안태 MBA는 각 업계 기업들과 협력하여 1000개의 AI 실전 현장 과제를 구축하고 착수할 예정이다.
이는 전통적인 의미의 1000개 교실 연습 문제가 아니다.
그 핵심 구상은 기업의 실제 비즈니스 난제를 인재 양성의 출발점으로 삼는 것이다.
전통적인 비즈니스 스쿨에서 사례 교육은 보통 이미 발생한 비즈니스 사건에 기반하며, 학생들은 기업이 당시 왜 성공했는지, 왜 실패했는지를 분석해야 한다.
그러나 AI가 빠르게 발전하는 환경에서는 많은 문제에 아직 성숙한 답이 존재하지 않는다.
한 제조 기업은 AI 기반 생산 프로세스를 어떻게 재설계할 것인가? 서비스업의 에이전트(Agent)는 어떤 업무를 인수해야 하는가? 한 테크 스타트업은 기술 프로토타입에서 어떻게 상업화로 나아갈 것인가?
기업들은 아마 이러한 문제에 대한 해결 경로를 찾고 있을 것이다.
아직 해결되지 않은 이러한 실제 문제들을 교실에 도입한다면, 학생들은 더 이상 사후 분석자에 머물지 않고 문제 해결 과정의 참여자가 될 기회를 갖게 된다.
이 모델을 지원하기 위해 상하이교통대학은 관련 업계 조직, 연구기관 및 학원들과 공동으로 AI 시대 비즈니스 인재 양성 연합을 발기·설립하여, 커리큘럼, 시나리오, 산업 자원과 인재 양성 메커니즘의 협력을 추진한다.
그리고 계획에서 실천으로 나아가며, 교통대 안태 MBA는 이미 새로운 진전을 이루었다.
올해 9월 6일, 교통대 안태 MBA는 백업천기(百業千企) 첫 번째 AI 시나리오 목록과 공동 생태 파트너를 발표하고, AI 오픈소스 학습 커뮤니티 Datawhale와 전략적 협력을 체결했으며, 동시에 FDE 인재 전문 육성 프로그램을 시작하고 'AI+X' 실습 과정과 FDE 선별 과정을 발표했다.
이러한 조치들은 기업의 수요, 기술 역량, 실전 사례를 교통대 안태 MBA 커리큘럼과 더욱 긴밀히 연결할 것이다.
특히 주목할 만한 점은, 교통대 안태 MBA의 이 육성 체계가 세 가지 실전 역량을 핵심적으로 제시한다는 것이다.
AI4O, FDE, OPC。
AI4O, 즉 AI for Operations는 AI를 활용해 기업 운영을 이해하고 최적화하는 것을 강조하며, 기술이 실제로 운영 효율과 비즈니스 가치로 전환되도록 한다.
FDE는 엔지니어링 현장 적용에 초점을 맞추며, 산업 현장에 깊이 들어가 비즈니스 문제를 전달 가능하고 검증 가능한 AI 솔루션으로 전환할 수 있어야 한다.
OPC, 즉 One Person Company는 AI가 지원하는 새로운 창업과 경영 방식을 가리키며, 제품·시장·운영에 이르는 풀스택 경영 역량을 강조한다.
세 가지가 주목하는 시나리오는 다르지만, 하나의 공통된 질문을 가리킨다.
AI 기술은 어떻게 진정으로 가치를 창출할 수 있는가?
기업 운영에서 엔지니어링 배포, 그리고 창업 경영에 이르기까지, 새로운 비즈니스 인재가 직면해야 하는 것은 더 이상 전통적 직능 분업 속의 단일 업무가 아니다.
이는 교통대 안태 MBA의 개혁이 왜 교실을 산업 현장, 과학기술 혁신 단지, 연구개발 기지 및 실험실까지 확장하려는지도 설명해 준다.
어차피 하나의 모델의 작동 메커니즘을 이해하는 것과 하나의 AI 프로젝트를 실제 기업에 착지시키는 것은 서로 다른 두 가지 도전이기 때문이다.
진정한 역량의 형성은 산업 현장에서 검증받아야 한다.
양성 목표에서 커리큘럼 메커니즘까지의 체계적 업그레이드
물론 비즈니스 스쿨이 진정 AI 시대에 적응하려면 몇 가지 새로운 개념이나 몇 개의 신설 과목만으로는 턱없이 부족하다.
양성 방식 자체도 변화가 필요하다.
이번 개혁에서 교통대 안태 MBA는 2027학번을 대상으로 한 일련의 교육 조정을 동시에 내놓았다.
그중에는 다음이 포함된다.수업 연한을 2년으로 통일하고, 40~50학점의 유연한 학점제를 시행하며, 실습 과목 비중이 전체 수업 시간의 4분의 1 이상을 차지하도록 한다.。
교육 편성에서 교통대 안태 MBA 비전일제 프로젝트는 주말 수업 모델을 채택하고, 전일제 CLGO 프로젝트는 중국어 수업과 매월 4~5일 집중 수업 방식을 채택한다.
이러한 변화의 배후에는 커리어 발전의 리듬, 학습 수요와 산업 실천 사이의 관계에 대한 재고가 있다.
이미 산업 현장에 있는 관리자에게 가장 시급한 수요는, 비즈니스 현장을 잠시 떠나 상대적으로 고정된 지식 훈련을 집중적으로 받는 것이 아닐 수 있다.
그들은 더욱이 현재 겪고 있는 산업 문제를 수업에 가져가고, 다시 수업에서 얻은 새로운 방법을 업무와 실천 현장으로 가져가야 한다.
한편, 교통대 안태 MBA는 다양한 커리어 발전 수요에 맞춘 육성 방향을 계속 설정하고 있다.
인공지능 MBA는 AI와 비즈니스 경영의 융합에 더 주목하며, 테크핀테크 MBA는 과학기술 혁신과 금융 자원을 연결하고, CLGO는 공학과 운영 관리의 학제 간 육성을 강조하며, IMBA는 글로벌 비즈니스 시야와 국제화 관리 역량에 초점을 맞춘다.
각 방향 위에서 공유되는 것은 교통대 안태 MBA가 지속적으로 확장해 온 지능, 과학기술 혁신, 산업 및 글로벌 자원 생태계이다.
이러한 관점에서 보면, 수업 연한, 학점 및 커리큘럼 개혁은 단순한 교육 제도의 변화가 아니다.
더 깊은 차원의 변화는 다음과 같다.MBA 교육이 상대적으로 고정된 지식 전달에서 실제 산업 수요에 대응하는 지속적인 역량 구축으로 전환을 시도하고 있다는 점이다.。
그리고 이러한 개혁이 성공했는지를 판단하는 것은 결국 다시 산업 현장으로 돌아가야 한다.
학생들이 해결할 가치가 있는 비즈니스 문제를 식별할 수 있는가? 전문 분야를 넘는 팀이 효과적으로 협업하도록 만들 수 있는가? 기술적 해결책을 실제 비즈니스 성과로 전환할 수 있는가?
이러한 역량은 한 번의 수업을 들었다고 해서 저절로 형성되지 않는다.
그것들은 수많은 실천, 판단, 복기 속에서 단련되어야 한다.
이는 경영대학원이 최신 기술 변화를 이해해야 할 뿐만 아니라 산업으로부터의 피드백을 지속적으로 얻어야 한다는 것을 의미한다.
AI 시대, 진정으로 희소한 것은 '문제를 정의하는 사람'일지도 모른다.
처음의 질문으로 돌아가 보자.
AI가 점점 강해지는 가운데, 미래의 비즈니스 리더는 무엇을 해야 할까?
어쩌면 교통대 안태 MBA의 그 AI 전략 실전 워크숍에서 답의 일부를 찾을 수 있을 것이다.
모델이 이미 복잡한 데이터를 분석하고 수많은 방안을 비교할 수 있게 된 시점에서, 인간이 진정으로 해야 할 일은 비즈니스 목표를 식별하고, 서로 다른 의사결정의 대가를 이해하며, 불확실성 속에서 선택을 내리는 것이다.
더욱 중요한 것은, 이러한 선택이 조직에 수용되고 실행되며 최종적으로 결과를 만들어내도록 하는 것이다.
기술 역량이 기업이 무엇을 할 수 있는지를 결정한다면, 비즈니스 판단은 기업이 무엇을 해야 하는지를 결정한다.
오늘날 우리는 AI가 코드 개발, 콘텐츠 제작, 제품 디자인, 나아가 창업의 문턱을 낮추고 있음을 보고 있다.
그러나 낮은 문턱이 낮은 복잡도를 의미하지는 않는다.
점점 더 많은 사람들이 AI를 활용해 과거에는 팀 전체가 있어야 가능했던 생산 능력을 갖추게 될수록, 수요를 이해하고, 협업을 조직하고, 신뢰를 구축하고, 책임을 지는 것의 가치는 오히려 더욱 부각될 것이다.
기술 인재에게 미래의 커리어 성장은 단지 엔지니어에서 더 시니어한 엔지니어로 나아가는 것만이 아니라, 기술 문제 해결에서 비즈니스 문제 정의로, 하나의 프로젝트 관리에서 하나의 산업 시나리오 총괄로 나아가는 것을 포함할지도 모른다.
비즈니스 관리자에게 AI는 더 이상 기술 부서에 맡겨도 되는 선택 과목이 아니라, 미래 기업의 운영 방식을 이해하기 위한 기본 역량이 되어가고 있다.
이것이 바로 교통대 안태 MBA의 이번 육성 개혁이 응답하고자 하는 시대적 과제이다.
AI 선언에서 5개 체인 인재 육성 체계까지, 백업 천기업 시나리오 공동 창출에서 AI+X 실천 과정까지, 그리고 수업 연한, 학점 및 육성 메커니즘의 체계적 조정에 이르기까지, 교통대 안태 MBA는 더 먼 질문에 답하려 하고 있다.
기술이 끊임없이 진화할 때, 경영대학원은 미래를 위해 어떤 인재를 길러야 하는가?
답은 모든 관리자를 알고리즘 전문가로 만드는 것도, 모든 사람이 최신 AI 도구를 좇게 하는 것도 아니다.
과학기술 혁신을 이해하면서도 실제 산업에 뿌리내리고, 글로벌 시야를 갖추면서도 독립적인 판단을 내릴 수 있는 복합형 비즈니스 리더를 길러내는 것이다.
AI는 점점 더 많은 답을 제공할 수 있다.。
그러나 어떤 질문을 제기하고, 어떤 방향을 선택하며, 최종 결과에 책임을 질지를 결정하는 것은 여전히 인간이다.。
어쩌면 이것이야말로 AI 시대의 비즈니스 교육이 진정으로 지켜야 하고, 또 가장 재정의할 가치가 있는 핵심 가치일 것이다.
*본 글은 콴쯔웨이(量子位)가 승인받아 게재한 것으로, 견해는 원저자에게 귀속된다.