뒤로가기
기술 인사이트AX

AX는 ChatGPT를 쓰는 일이 아닙니다

많은 기업이 생성형 AI를 도입한 뒤 "우리도 AX를 시작했다"고 말합니다. 하지만 도구를 하나 더 얹는 것과 조직이 일하는 방식이 바뀌는 것은 다른 일입니다. 무엇을 기준으로 둘을 가르는지, 그리고 그 기준을 넘기 위해 무엇이 먼저 준비되어야 하는지를 짚어봅니다.

7 min read
AX는 ChatGPT를 쓰는 일이 아닙니다

"우리도 AI 씁니다"와 "우리는 AX했습니다" 사이

제조, 국방, 금융, 의료 어느 현장을 가도 요즘 같은 대화가 오갑니다. "우리도 AX 하고 있습니다. 직원들이 다 ChatGPT 씁니다." 실제로 보고서 초안 작성 시간이 줄고, 번역 품질이 좋아지고, 회의록이 자동으로 정리됩니다. 분명한 개선입니다.

그런데 한 가지를 물어보면 대화가 멈춥니다. "그래서 작년 대비 무엇이 바뀌었습니까?" 리드타임이 줄었는지, 불량률이 내려갔는지, 의사결정이 빨라졌는지 물으면 대부분 답이 없습니다. 개인은 빨라졌는데 조직은 그대로이기 때문입니다.

이유는 단순합니다. 도구를 바꾼 것과 일하는 방식을 바꾼 것은 서로 다른 층위의 사건입니다. 엑셀 대신 더 똑똑한 엑셀을 쓴다고 회사가 전환되지는 않습니다. 조직도, 결재선, 리드타임이 그대로라면 그것은 도입(Adoption)이지 전환(Transformation)이 아닙니다.

도구를 하나 더 얹는 일과 판단의 주체를 바꾸는 일은 서로 다른 층위의 변화입니다. 앞의 것은 개인의 시간을 줄이고, 뒤의 것은 조직이 굴러가는 방식을 바꿉니다.

AX의 정의 — 업무가 아니라 판단을 옮기는 일

AX를 한 문장으로 정의하면 이렇습니다.

AX는 업무를 자동화하는 것이 아니라, 판단을 이관하는 것입니다.

도구 도입과 전환을 가르는 단 하나의 기준

이 기준으로 보면 지금 시장에서 'AI 도입'이라 불리는 것들이 세 단계로 깔끔하게 나뉩니다. 구분의 잣대는 도입한 솔루션의 이름이 아니라, 사람에게서 무엇이 떠났는가입니다.

사람에게서 무엇이 떠났는가로 구분하면 AI 도입은 세 단계로 나뉩니다. 앞의 두 단계는 시간을 줄이고, 마지막 단계에서만 조직이 바뀝니다.
단계넘기는 것대표 사례사라지는 비용
1. 도구 사용아무것도 넘기지 않음보고서 초안, 번역, 회의록 정리개인의 작업 시간
2. 업무 자동화손과 시간문서 분류, 데이터 집계, 정기 리포트반복 업무 공수
3. 판단 이관기준과 결정설비 교체 판정, 위협 식별, 청구 심사의사결정 리드타임과 오판 비용

1단계와 2단계에서는 사람이 여전히 결정합니다. AI가 만든 결과물을 사람이 처음부터 다시 검토하고, 최종 판단은 숙련자의 머릿속에서 나옵니다. 3단계에 이르러야 비로소 AI가 조직의 기준을 학습해 판단을 대신 내리고, 사람은 예외 상황과 책임이라는 더 높은 층위의 일을 맡습니다.

그래서 AX는 전산실이나 IT 부서의 프로젝트가 아닙니다. 누가 무엇을 어디까지 위임할 것인지를 정하는 일, 즉 경영진의 의사결정 과제입니다. AX 로드맵을 "어떤 AI 솔루션을 도입할까"로 시작하면 대부분 1~2단계에서 멈춥니다. 대신 "우리 조직에서 가장 비싼 판단은 무엇인가"를 먼저 나열해 보십시오. 한 번 틀리면 손실이 크고, 숙련자 한 명에게 의존하고, 처리에 오래 걸리는 판단. 그 목록의 상위 세 개가 첫 AX 대상입니다.

판단을 넘기려면 무엇이 준비되어야 하는가

판단을 넘기고 싶다고 넘겨지지는 않습니다. 현장에서 AX 프로젝트가 좌초하는 지점은 거의 언제나 아래 세 가지 중 하나이고, 이 셋은 선택지가 아니라 동시에 서 있어야 하는 기둥입니다.

판단 이관을 떠받치는 세 개의 기둥. 대부분의 AX 프로젝트는 왼쪽 첫 번째 기둥에서 무너집니다.
  1. 현장 데이터가 AI가 읽을 수 있는 형태여야 합니다

    가장 흔한 좌초 지점입니다. 아무리 좋은 모델을 붙여도 판단의 근거가 되는 데이터가 스캔 PDF, 손으로 쓴 작업일지, 부서마다 이름이 다른 엑셀 시트에 흩어져 있으면 AI는 아무것도 판단할 수 없습니다. 모델을 고르는 일보다 데이터를 구조화하는 일이 먼저인 이유입니다.

  2. 도메인의 판단 기준이 명시화되어야 합니다

    "20년 된 반장이 소리만 듣고 아는" 기준은 그대로는 이관 대상이 아닙니다. 넘기려면 먼저 꺼내야 합니다. 어떤 신호가 어떤 상태와 연결되고, 어떤 조합일 때 어떤 조치가 나가는지를 개념과 관계로 정리하는 작업 — 온톨로지와 지식 그래프가 하는 일이 바로 이것입니다.

  3. 실행 권한과 책임 경계가 설계되어야 합니다

    AI가 "이 설비는 교체 대상입니다"라고 말해도 아무도 그 말로 발주를 내지 않는다면 판단은 이관된 것이 아닙니다. 어디까지 자동으로 실행하고 어디서 사람이 개입하며, 잘못됐을 때 책임을 누가 지는지가 정해져야 판단은 비로소 넘어갑니다.

그래서 AX는 데이터에서 시작할 수밖에 없습니다

세 조건 중 실무에서 가장 오래 걸리는 것은 첫 번째입니다. 현장 데이터는 그 자체로는 AI에게 의미가 없습니다. 센서값 하나, 도면 한 장, 정비 이력 한 줄은 서로 연결되지 않은 채로는 판단 근거가 되지 못합니다. 이 조각들을 개념과 관계로 엮어 기계가 해석할 수 있는 구조로 만들어야 비로소 AI가 "이 진동 패턴은 3번 베어링의 마모이고, 이 설비는 지난달에도 같은 이력이 있었다"는 맥락을 갖게 됩니다.

AX는 이 순서를 건너뛸 수 없습니다. 데이터가 구조화되지 않으면 그 뒤의 모든 단계가 성립하지 않습니다.

여기서 중요한 것은 이것이 선택의 문제가 아니라 순서의 문제라는 점입니다. 어떤 회사도 두 번째 단계(구조화된 지식)를 건너뛰고 네 번째 단계(자율 실행)로 갈 수 없습니다. 데이터를 정리하지 않은 채 에이전트를 붙이면, 아주 그럴듯한 말을 하지만 현장에서는 아무도 믿지 않는 시스템이 남습니다.

다만 데이터 구조화를 전사 과제로 크게 시작하면 대개 3년짜리 프로젝트가 되고 중간에 좌초합니다. 판단 하나를 정해서, 그 판단에 필요한 데이터만 구조화하는 편이 현실적입니다. 설비 교체 판정 하나를 이관하는 데 필요한 데이터는 전사 데이터의 5%도 되지 않습니다. 하나가 돌아가면 두 번째부터는 앞서 만든 구조를 재사용할 수 있어 훨씬 빨라집니다.

AX의 정의는 도메인마다 다릅니다

"산업 AX", "국방 AX" 같은 대분류는 제안서에서는 편하지만 현장에서는 큰 의미가 없습니다. 이관할 판단은 언제나 도메인 단위로 존재하기 때문입니다. 같은 제조라도 제철과 정유에서 넘겨야 할 판단이 완전히 다릅니다.

도메인이관 대상이 되는 핵심 판단판단의 근거가 되는 데이터
제철이 슬라브는 재처리 대상인가공정 온도 이력, 표면 검사 영상, 성분 분석
정유이 배관은 언제 정비해야 하는가부식 이력, 운전 압력 로그, 검사 리포트
건설이 작업 구역은 지금 안전한가현장 영상, 작업 허가서, 기상·공정 일정
금융이 거래는 승인해도 되는가거래 패턴, 고객 이력, 규제 기준
의료이 영상은 판독 우선순위가 높은가영상 데이터, 진료 기록, 판독 기준
육군 · 드론이 객체는 위협인가 아닌가다중 센서 영상, 지형 정보, 교전 규칙
국방 산업시설이 접근은 통제 대상인가출입 이력, 영상 감시, 시설 등급 체계

표를 보면 공통점이 드러납니다. 세 번째 열, 즉 판단의 근거가 되는 데이터를 확보하고 구조화하는 일이 모든 도메인의 출발점이라는 것입니다. 도메인이 달라도 순서는 같습니다.

우리 조직은 어디쯤인가

고객사가, 혹은 우리 조직이 "AX를 하고 있다"고 말할 때 실제 위치를 확인하는 데는 세 가지 질문이면 충분합니다.

AI를 껐을 때 업무가 멈춥니까, 느려지기만 합니까

느려지기만 한다면 아직 도구 단계입니다. 판단이 넘어간 조직에서는 AI가 멈추면 업무 자체가 멈춥니다. 의존도는 성과가 아니라 위치를 알려주는 지표입니다.

AI가 내린 결론을 누가 결재합니까

사람이 처음부터 전부 다시 본다면 판단은 이관되지 않았습니다. 검토의 범위가 '전수'에서 '예외'로 좁혀졌을 때 비로소 위임이 일어난 것입니다.

그 판단의 근거 데이터는 어디에 있습니까

답이 바로 나오지 않는다면 AX 이전에 데이터 문제입니다. 경험상 세 번째 질문에서 막히는 조직이 압도적으로 많습니다. 그리고 그것은 나쁜 소식이 아닙니다. 무엇부터 해야 할지가 명확해졌다는 뜻이기 때문입니다.

정리하며

AX를 도구 도입으로 접근하면 매년 새로운 AI 솔루션을 사면서도 조직은 그대로인 상태가 반복됩니다. 판단 이관으로 접근하면 질문이 바뀝니다. 무엇을 넘길 것인가, 넘기려면 무엇이 준비돼야 하는가. 성패는 모델의 성능이 아니라 순서에서 갈립니다.

그리고 그 답은 대부분 같은 곳을 가리킵니다. 현장의 데이터가 AI가 읽을 수 있는 상태여야 한다는 것입니다. 인피닉이 데이터 구축과 구조화, 온톨로지 기반의 판단 체계를 사업의 출발점으로 삼는 이유가 여기에 있습니다. 저희가 그 일을 잘해서가 아니라, 그 순서가 아니면 AX가 성립하지 않기 때문입니다.

자주 묻는 질문

생성형 AI 도입만으로는 AX가 아니라면, 지금까지의 투자는 의미가 없는 건가요?

아닙니다. 1단계(도구 사용)와 2단계(업무 자동화)는 3단계(판단 이관)로 가는 데 필요한 조직 학습 과정입니다. 구성원이 AI의 한계와 가능성을 체감해야 "어떤 판단까지 넘길 수 있는가"에 대한 논의가 현실적으로 진행됩니다. 다만 그 단계에 오래 머물면 개인 생산성은 오르지만 회사의 경쟁력은 그대로라는 점을 인식하고 다음 단계를 설계해야 합니다.

판단을 AI에게 넘기면 책임은 누가 지나요?

책임은 넘어가지 않습니다. 이관되는 것은 판단의 실행이지 책임이 아닙니다. 그래서 AX 설계에서 가장 중요한 산출물은 모델이 아니라 개입 경계 정의서입니다. 어떤 조건에서 AI가 자동 처리하고, 어떤 조건에서 사람에게 넘기며, 판단 근거를 어떻게 기록으로 남길지를 사전에 정해야 합니다.

우리 회사 데이터는 정리가 전혀 안 돼 있습니다. 몇 년이 걸릴까요?

전사 데이터를 모두 정리하려 한다면 몇 년이 걸리고 대개 끝나지 않습니다. 반대로 판단 하나를 기준으로 범위를 자르면 이야기가 달라집니다. 특정 판단에 필요한 데이터만 수집·구조화하고 그 판단을 먼저 이관한 뒤 인접한 판단으로 확장하는 방식이 현실적입니다. 두 번째부터는 앞서 만든 구조를 재사용할 수 있어 속도가 붙습니다.

온톨로지와 지식 그래프가 꼭 필요한가요?

용어보다 중요한 것은 기능입니다. 흩어진 데이터 조각을 개념과 관계로 엮어, 기계가 "이 신호는 어떤 상태를 뜻하고 어떤 조치와 연결되는지"를 해석할 수 있게 만드는 일이 핵심입니다. 판단 근거를 사람에게 설명할 수 있어야 현장에서 채택되기 때문에, 결론만 내놓는 구조로는 이관이 끝까지 가지 않습니다.

관련 글

HQ
서울시 금천구 가산디지털1로 186, 제이플라츠 701호
AI LAB
서울 강남구 영동대로96길 20 대화빌딩 2층
USA
3003 NORTH 1ST STREET, #221, SAN JOSE, CA 95134
Vietnam
Tầng 4, FLC Landmark Tower, Ngõ 5 Lê Đức Thọ, phường Từ Liêm, quận Nam Từ Liêm, Hà Nội
Tel
(사업) 02-6085-0180~1
개인정보 처리 방침COPYRIGHT 2026 © INFINIQ. ALL RIGHTS RESERVED.