나는 한국 대기업에서 AX를 하고 있다. 요즘 거의 모든 대기업에서 AX는 핵심 경영 과제가 되었다. 경영진의 메시지가 내려오고, 조직마다 과제가 생기고, PoC와 사내 교육과 솔루션 도입이 이어진다. 겉으로는 회사 전체가 빠르게 AI 중심으로 변하는 것처럼 보인다.
그런데 현장에서는 다른 이야기도 반복해서 들린다. PoC는 많지만 실제로 쓰는 것은 없고, 현업 반응은 약하며, 생산성이 얼마나 좋아졌는지 설명하기 어렵다. 데모는 훌륭했지만 업무에 넣는 순간 쓸 수 없다는 말도 나온다.
많은 조직이 AX라는 단어에서 AI에 방점을 찍는다. 하지만 실제로 더 중요한 단어는 뒤에 붙어 있다. 전환(Transformation). AX의 방점은 AI가 아니라 전환에 있다.
작은 문제에서 먼저 효용을 증명해야 한다
처음부터 전사 지식 플랫폼을 만들고 모든 시스템을 연결하려는 청사진은 매력적이다. 그러나 현업이 성공 경험을 갖지 못한 상태에서 큰 그림부터 시작하면, 기술과 업무 사이의 거리가 오히려 커진다.
AX는 작고 좁고 날카로운 문제에서 출발하는 편이 좋다. 세 시간이 걸리던 보고서가 30분으로 줄어들고, 수십 개의 문서를 찾던 일이 몇 분 안에 끝나고, 사람이 분류하던 비정형 문서를 Agent가 먼저 처리해 사람이 예외만 확인하는 경험이 필요하다.
AX의 시작점은 “우리 모델 정확도가 92%다”가 아니라 “이걸 쓰고 나니 내 업무 방식이 실제로 바뀌었다”여야 한다. 이걸 경험한 사람이 다시 이전 방식으로 돌아가고 싶어 하는가가 더 좋은 질문이다.
현업에게 AX가 ‘추가 업무’가 되는 순간
대기업의 AX는 대개 하향식으로 시작된다. 본사나 그룹의 방향이 내려오고, 각 조직은 과제를 제출하며, 경영진은 가시적인 성과를 요구한다. 문제는 본업과 KPI와 일정은 그대로인데 AX만 하나 더 생기는 순간이다.
이때 현업은 쉬운 과제를 고르고, 기존 자동화를 AI로 재포장하고, 보여주기 좋은 데모를 만든다. 유지보수되지 않는 PoC가 쌓이는 이유를 현업의 의지 부족으로만 설명하기는 어렵다. 이것은 유인 설계의 문제이기도 하다. AX가 정말 중요하다면 기존 업무 중 무엇을 없앨지도 함께 결정해야 한다.
사람들은 AI를 도깨비 방망이처럼 기대한다
상용 SaaS에 익숙한 조직은 새 도구도 구매하고, 설치하고, 로그인하고, 버튼을 누르면 생산성이 오를 것이라 기대한다. 하지만 AI가 업무 안으로 들어오면 AI가 어디까지 판단할지, 인간 승인은 어디서 할지, 실패의 책임은 누구에게 있는지, 어떤 데이터가 허용되는지, 언제 사람에게 넘길지를 다시 정해야 한다.
전환은 본질적으로 불편하다. 많은 조직은 이 불편한 부분은 건너뛰고 AI가 주는 편리함만 얻고 싶어 한다. 그러나 변화의 비용을 지불하지 않고 변화의 결과만 얻을 수는 없다.
AI를 사용하는 것과 AX를 하는 것은 다르다
ChatGPT로 이메일을 요약하고, Claude로 보고서 초안을 만들고, Copilot으로 코드를 작성하는 일은 훌륭한 AI 활용이다. 다만 그것만으로 AX가 되지는 않는다. AI 활용은 기존 업무를 더 빠르게 하는 것이고, AX는 AI가 존재한다는 전제에서 업무 자체를 다시 설계하는 일이다.
기존에는 사람이 데이터를 모으고 분석하고 보고서를 작성한 뒤 검토와 승인을 거쳤다. AI 보조 업무 흐름에서는 그 단계 일부를 AI가 돕는다. AX에서는 Agent가 지속적으로 데이터를 모니터링하고, 이상징후만 사람에게 전달하며, 사람의 판단과 승인 결과가 다시 다음 행동에 반영된다. 단계 하나가 빨라지는 것이 아니라 역할과 순서가 바뀐다.
현업이 AI에게 원하는 것은 크게 두 가지였다
여러 현업과 긴 시간 이야기를 나누며 반복해서 들은 니즈는 두 방향으로 나뉘었다. 하나는 내가 할 수 있는 일을 훨씬 빠르고 싸게 해주는 것, 다른 하나는 내가 생각하지 못한 것까지 함께 생각해주는 것이다.
압축
압축은 자료 취합, 문서 비교, 반복 조사, 보고서 초안, 계약서의 특정 조항 확인처럼 사람이 할 수 있지만 시간이 많이 드는 일을 줄이는 것이다. RPA가 구조화된 반복 업무에 강하다면, Agent 기반 AI는 비정형 문서와 맥락을 읽고 다음 행동을 정하는 경계까지 넓힌다. 사람의 역량 → 기계의 속도라는 변화다.
확장
확장은 여러 내부 보고서를 연결하고, 과거 프로젝트와 현재 이슈를 비교하고, 반론과 예상 밖의 위험과 새로운 가설을 제안하는 일이다. 범용 도구에 질문하는 것보다 한 단계 더 나아가, 회사 내부의 자료와 기억을 바탕으로 사고를 확장한다. 사람의 사고 → 확장된 사고라는 변화다.
Compression
Human capability → Machine speed
- 자료 취합과 문서 비교
- 반복 리서치와 초안 작성
- 여러 시스템의 정보 정리
Expansion
Human cognition → Augmented cognition
- 과거 결정과 현재 이슈 연결
- 반론·리스크·시나리오 제안
- 새로운 가설과 질문 생성
기업 AI의 핵심은 보안보다 맥락에 있다
기업 AI를 말할 때 보안을 먼저 떠올리게 된다. 물론 권한과 보호는 전제다. 그러나 기업 AI의 차이를 만드는 더 어려운 자산은 조직의 맥락이다.
범용 모델은 과거 프로젝트가 왜 실패했는지, 특정 고객이 실제로 무엇을 중요하게 생각하는지, 같은 숫자를 두고 부서마다 왜 다르게 해석하는지 알지 못한다. 공식 문서에 남지 않은 판단과 공급업체에 대한 암묵지도 모른다. 범용 모델은 세상의 많은 것을 알고 있다. 하지만 우리 회사가 왜 지난 10년 동안 이런 결정을 해왔는지는 알지 못한다.
따라서 내부 AX의 과제는 문서를 벡터 데이터베이스에 넣는 것으로 끝나지 않는다. 데이터 연결, 권한 설계, 정보의 신뢰도, 업무 프로세스와 AI의 연결, 인간 피드백의 축적이 함께 필요하다. 회사의 기억을 얼마나 잘 시스템에 연결하느냐가 핵심이다.
어떤 업무가 AI에 더 빨리 흡수될까
필요한 정보가 디지털화되어 있고, 프로세스가 표준화되어 있으며, 입력과 출력과 좋은 결과의 기준이 명확한 업무는 AI가 맡기 쉽다. 반대로 정보가 사람의 머릿속에 있고, 관계와 암묵지와 직감이 중요하고, 이해관계 조정과 책임이 필요한 업무는 어렵다.
예를 들어 공급업체 선택은 가격과 품질과 납기만으로 결정되지 않는다. 과거의 신뢰 관계, 공급망 위험, 장기 전략, 협상 가능성, 고객 반응, 지정학적 위험, 경영진의 우선순위가 함께 작동한다. 이런 업무는 완전 자동화보다 오랫동안 보조 구조로 남을 가능성이 크다.
AX의 종착점은 사람이 없는 조직이 아닐 수도 있다
AI는 검색, 요약, 문서 작성, 분석, 모니터링, 가설 생성, 시나리오 분석과 반복 실행을 잘한다. 사람에게는 목표 설정, 맥락 제공, 가치 판단, 이해관계 조정, 책임과 최종 의사결정이 남는다.
결국 질문은 “AI가 사람을 대체하는가”보다 사람과 AI 사이의 일을 어떻게 다시 나눌 것인가에 가깝다. AX는 새로운 역할 분담을 설계하는 일이다. 어떤 업무는 AI가 맡고, 어떤 판단은 사람이 하며, 양쪽의 결과가 어떻게 다음 행동으로 이어지는지 정해야 한다.
결국 중요한 것은 AI를 얼마나 많이 썼는지가 아니다
사용자 수, PoC 수, Agent 수, API 호출 수는 활동량을 보여줄 수 있지만 전환을 증명하지는 못한다. 더 중요한 질문은 따로 있다.
- AI 때문에 업무 프로세스가 달라졌는가
- 사람이 하던 일이 실제로 줄었는가
- 사람이 더 가치 있는 판단에 시간을 쓰게 되었는가
- 과거에는 불가능했던 의사결정을 할 수 있게 되었는가
- 현업이 스스로 다시 AI를 쓰고 싶어 하는가
나는 AX를 진행할수록 이 질문으로 돌아오게 된다. AI를 얼마나 많이 도입했는지가 아니라, AI 때문에 조직의 일하는 방식이 얼마나 달라졌는지가 중요하다.
AX의 방점은 AI가 아니라 Transformation에 있다.
Discussion
토론
질문, 정정, 반례, 다른 해석이 있다면 남겨 주세요.