NFN은 자사 강병준 대표(AI공학·경영학박사, 서울대 EPM AI4PM단장)가 최근 콜롬비아 보고타 EAN 대학교에서 열린 '제14회 IPMA(국제프로젝트경영협회) 연구 콘퍼런스'에서 'PM(프로젝트 관리자)의 AI 역량 체계화 연구'를 발표했다고 21일 밝혔다.
이번 학술대회는 '혼란의 시대에서의 프로젝트 관리: 기술·혁신·지속가능성의 통합'을 주제로 프로젝트 관리의 방향을 논의하는 자리다.
강 대표는 PM에게 필요한 AI 역량을 △데이터 리터러시 △AI 협업 및 도구 활용 능력 △AI 윤리 및 거버넌스 등 세 축으로 정리했다. 측정 도구의 신뢰도는 △크론바흐 알파(Cronbach's α) 0.91 △CFI(비교 적합도 지수) 0.95 △구조방정식 모형의 적합도 지수(RMSEA) 0.051을 기록했다.
연구는 KPI(핵심성과지표) 설계 시 △수치로 측정 가능하게 하는 수준(Level) △성과 기여도를 반영한 가중치(Weight) △선행·중간·결과지표의 인과 흐름(Sequence)을 제시했다. 이에 대해 강 대표는 "KPI는 목록이 아닌 시스템"이라며 "보고용 숫자 묶음이 아니라 예측 시스템으로 봐야 한다"고 했다. 이어 "PM 관점에서 성과관리 체계가 보고·평가 중심에서 사전대응 중심으로 바뀌어야 한다는 의미"라고 덧붙였다.
연구 결과에 따르면 PM의 AI 역량을 기존 역량 모델에 추가했을 때 설명력(R²)은 0.41에서 0.58로 높아졌다. AI 역량과 구조화된 KPI를 포함한 예측 모델은 정확도 XGBoost 기준 86.3%, F1-score 0.857, AUC-ROC 0.912를 달성했다. 기존 변수만 활용한 모델(정확도 73.7%, F1-score 0.703, AUC-ROC 0.781) 대비 성능이 크게 향상됐다.
텍스트 마이닝 분석에서도 유의미한 차이가 확인됐다. 성공 프로젝트 보고서의 AI 관련 키워드 평균 빈도는 문서당 18.7회로, 실패 프로젝트(11.3회)를 웃돌았다. 반면 전통적 PM 용어(경험·직관·판단 등)는 성패 간 유의미한 차이를 보이지 않았다고 강 대표는 말했다.
강 대표는 "프로젝트의 성패를 가르는 요소는 단순 결과가 아닌 문제를 해석하고 판단하는 언어 체계가 될 수 있다"며 "이에 따라 PM 교육 과정과 KPI 설계 철학 및 PM 채용 평가 기준도 달라져야 한다"고 했다.
독자들의 PICK!
이번 연구는 315명 유효 응답 설문, 4개 알고리즘(Random Forest, XGBoost, Neural Networks, SVM) 비교, 그리고 112개 프로젝트 보고서 텍스트 마이닝을 결합한 혼합연구 방식으로 진행됐다.