더 정확한 AI를 가진 팀이 이긴다는 통념을 맥라렌 F1(McLaren F1)이 뒤집었다. 글로벌 컨설팅 기업 딜로이트(Deloitte)가 발표한 사례 보고서 '데이터로 가속하고 전략으로 승리하다(McLaren F1's Data-Driven Strategy)'에 따르면, 맥라렌의 핵심 무기는 알고리즘 성능이 아니라 '팀 전체가 같은 순간 같은 판단을 내리게 하는' 맥라렌 F1 AI 전략이었다. 2021년부터 도입된 비용 상한제(Cost Cap, 한 시즌 동안 차량 개발과 운영에 쓸 수 있는 예산의 상한선) 속에서도 맥라렌은 2024년과 2025년 연속 컨스트럭터 챔피언십을 차지했고, 이 원리는 물류·투자·공급망 등 일반 비즈니스 영역에도 그대로 옮길 수 있다.
더 정확한 AI 대신 같은 판단을 동시에 내리는 거버넌스의 승리
맥라렌의 성공 공식은 'AI가 더 똑똑해지는 것'이 아니라 'AI의 추천을 팀 전체가 같은 기준으로 받아들이는 구조'였다. AI 거버넌스(AI Governance)란 AI가 내놓은 분석 결과를 사람과 조직이 어떻게 해석하고 실행할지 결정하는 운영 체계를 말한다.
1966년 F1에 진출한 맥라렌은 200회 이상의 그랑프리 우승을 거뒀지만, 2010년대 들어 정상권에서 멀어졌다. 그러던 맥라렌은 2021년 10년 만에 그랑프리 정상에 복귀했고, 2024년과 2025년 연속 컨스트럭터 챔피언십을 차지하며 2008년 이후 처음으로 드라이버 월드 챔피언까지 배출했다. 같은 트랙, 같은 규정, 같은 밀리초 단위 변수 속에서 우위를 만든 것은 'AI가 추천한 전략을 피트월(Pit Wall)의 전략가, 본부의 분석가, 트랙의 드라이버가 같은 순간에 같은 의미로 받아들이는 것'이었다. 일반 기업에서 AI 도입 후 가장 흔히 발생하는 문제, 즉 '부서마다 AI 결과 해석이 달라 실행이 늦어진다'는 현상을 정반대로 풀어낸 셈이다.
차량 1대당 센서 300개와 초당 3만 회 시뮬레이션이 만드는 의사결정 속도
맥라렌은 차량 1대당 약 300개의 센서로 초당 수만 개의 텔레메트리(Telemetry, 차량 상태를 멀리 떨어진 곳에서 실시간으로 받아 보는 기술) 데이터를 모은다. 보고서에 따르면 전 세계 어느 그랑프리 현장에서든 차량 데이터는 52~290밀리초 안에 영국 워킹(Woking) 지역의 맥라렌 테크놀로지 센터(MTC)로 전송된다. 사람이 눈을 한 번 깜빡이는 시간이 약 100~150밀리초임을 감안하면, 데이터가 지구 반대편 본부에 도착하는 시간은 눈 깜빡임 한 번 안팎이다. 딜로이트는 디지털 트윈(Digital Twin) 기반 시뮬레이션을 고도화해 초당 3만 회의 시뮬레이션을 수행한다.
디지털 트윈이란 실제 차량과 트랙, 날씨, 경쟁자 동선을 가상 공간에 그대로 복제해 미리 시험해 보는 가상 모형을 말한다. 피트스톱(Pit Stop, 정비를 위해 트랙을 잠시 벗어나는 정차)을 몇 번 할지, 경쟁사와 동시에 들어갈지 먼저 들어갈지, 타이어를 언제 어떤 종류로 갈지 같은 핵심 질문에 절대적인 정답은 없다. 다만 이 시뮬레이션은 매 순간 '확률적으로 가장 유리한 답(Best Answer)'을 도출한다. 공식 규정으로 실제 트랙 테스트가 엄격히 제한되고 비용 상한제까지 더해진 환경에서, 가상 시뮬레이션은 사실상 유일한 시험장이 됐다.
그림1. F1 팀의 시즌별 차량 개발·운영 예산 상한선을 규정한 FIA(국제자동차연맹)의 비용 상한제
Human-in-the-loop과 설명 가능한 AI가 판단 기준을 통일하는 방식
맥라렌의 AI 시스템은 '자동화'가 아니라 '인간 판단 강화'를 목표로 설계됐다. Human-in-the-loop(휴먼 인 더 루프)란 AI가 모든 결정을 자동으로 내리는 것이 아니라, 가장 적절한 시점에 가장 전문성 있는 사람에게 최종 판단을 맡기는 구조를 말한다. 보고서는 맥라렌이 '보기 좋은 대시보드'가 아니라 '실제 의사결정에 기여하는 데이터 활용'에 집중했다고 설명한다. 이를 위해 도입된 핵심 도구가 설명 가능한 AI(XAI, Explainable AI)다.
XAI란 AI가 왜 그런 추천을 했는지를 사람이 이해할 수 있는 언어와 근거로 보여주는 방식을 말한다. 피트월의 전략가와 본부 엔지니어가 같은 시나리오 맥락을 공유할 수 있도록 별도의 의사결정 중심 사용자 화면(Decision-centric UI/Workflow)이 설계됐다. 그 결과 드라이버, 피트월 엔지니어, 본부 분석가가 모두 동일한 추천 근거를 보고 같은 결론에 도달한다. AI의 역할이 '정확하게 예측하는 도구'에서 '모든 판단을 하나로 모으는 장치'로 바뀐 것이다. 회사 회의실에서 같은 데이터를 두고 마케팅팀과 재무팀이 다른 결론을 내리는 흔한 풍경을, 맥라렌은 '추천 근거를 동시에 보여주는 화면 한 장'으로 정리한 셈이다.
물류와 투자 결정까지 확장되는 비용 제약 시대의 AI 활용 방식
맥라렌이 풀어낸 문제는 일반 기업이 매일 마주하는 문제와 본질적으로 같다. 딜로이트는 디지털 트윈 기반 시뮬레이션과 Human-in-the-loop 구조가 물류 최적화, 투자 자본 수익률(ROI) 설정, 공급망 리스크 관리에 그대로 적용될 수 있다고 강조한다. 예산이 제한된 환경에서는 '더 많은 데이터를 모으는 것'보다 '모든 팀원이 같은 기준으로 판단하게 만드는 AI 설계'가 더 큰 성과를 만든다는 점이 핵심이다.
딜로이트는 이를 위해 공정성, 견고성, 프라이버시, 안전성과 보안성, 책임성, 투명성과 해석가능성이라는 6가지 원칙으로 구성된 신뢰할 수 있는 AI 프레임워크(Trustworthy AI framework)를 제시한다. 또한 AI 거버넌스는 한 번 만들고 끝나는 정적인 해결책이 아니라 '지속적으로 학습하고 적응하는 능력'을 조직에 부여하는 동적 체계라는 점도 강조한다. 매일 수백 번의 의사결정이 회사 전체의 분기 실적을 좌우하는 일반 기업에서, 맥라렌의 거버넌스 원리가 1밀리초의 트랙을 떠나 회의실로 옮겨질 가치는 충분하다.
FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)
Q1. AI 거버넌스가 정확히 무엇인가요?
A1. AI 거버넌스는 AI가 내놓은 결과를 어떤 사람이, 언제, 어떤 기준으로 받아들여 실행할지 정해두는 운영 규칙입니다. 알고리즘 성능을 높이는 것이 아니라, 같은 AI 결과를 보고도 부서마다 다르게 해석하지 않도록 만드는 데 목적이 있습니다.
Q2. Human-in-the-loop는 사람이 끼어들면 AI보다 느려지지 않나요?
A2. 완전 자동화 모델은 모든 결정을 AI가 내리지만, Human-in-the-loop는 AI가 여러 시나리오와 확률을 빠르게 제시하고 마지막 판단만 사람이 합니다. 맥라렌처럼 결과 책임이 큰 환경에서는 오히려 오작동 위험을 줄이면서 신뢰도 있는 의사결정을 빠르게 내리는 방법으로 쓰입니다.
Q3. 우리 회사처럼 작은 팀도 디지털 트윈을 적용할 수 있나요?
A3. 자동차 한 대를 통째로 가상화하는 수준이 아니라도, 핵심 의사결정 한두 가지(예를 들어 발주량, 배송 경로, 인력 배치)를 시뮬레이션해 보는 작은 단위부터 시작하면 됩니다. 딜로이트는 예산이 적을수록 '데이터의 양'보다 '같은 결과를 같은 기준으로 보는 구조' 설계가 더 중요하다고 설명합니다.
기사에 인용된 리포트 원문은 딜로이트 인사이트에서 확인할 수 있다.
리포트명: 데이터로 가속하고 전략으로 승리하다 (McLaren F1's Data-Driven Strategy)
해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.
■ 이 기사는 AI 전문 매체 ‘AI 매터스’와 제휴를 통해 제공됩니다. (☞ 기사 원문 바로가기)
AI 리포터 (Aireporter@etnews.com)
