직원들이 AI로 이메일을 쓰고 회의록을 정리하기 시작했습니다. 예전보다 편해졌다는 이야기도 들립니다. 그런데 대표가 회사 상황을 파악하는 방식은 그대로입니다.
급한 주문을 받을 수 있는지 알려면 여러 사람에게 물어야 하고, 지난달에 무엇 때문에 비용이 늘었는지 확인하려면 자료가 모일 때까지 기다려야 합니다. 직원들은 AI를 쓰는데 회사 운영은 크게 달라지지 않은 셈입니다.
이때 생각해볼 개념이 AX입니다. AX는 AI 전환을 뜻하며, 기업이 AI를 실제 업무에 연결하고 그에 맞게 일하는 방식과 의사결정 과정을 바꾸는 활동입니다. AI로 만든 결과가 다음 업무에서 쓰이고, 그 변화가 회사의 성과로 이어지도록 설계하는 데 초점을 둡니다.
IBM도 AI 전환을 기업의 운영과 제품, 서비스에 AI를 도입하고 통합하는 활동으로 설명합니다. IBM의 AI 전환 설명
대표가 AX 도입을 검토할 때는 이 정의를 회사 업무에 대입해봐야 합니다. 직원이 매번 찾아보는 자료는 무엇인지, 어떤 보고가 늦어 대표의 결정도 늦어지는지 살펴보세요. 그래야 도입할 도구와 준비할 자료, 투자할 범위를 정할 수 있습니다.
AI 도구 활용과 기업 AX는 무엇이 다를까
AI 도구를 활용하는 일은 충분히 좋은 출발점입니다. 직원이 초안을 빨리 작성하거나 낯선 자료를 이해하는 데 도움을 받으면 개인의 업무 부담이 줄어들 수 있습니다. 회사 전체를 바꾸는 계획이 없더라도 그런 활용의 가치는 있습니다. 다만 개인에게 생긴 편리함이 조직 전체에 어떻게 이어지는지는 따로 살펴봐야 합니다.
예를 들어 여러 현장을 관리하는 시설 관리 회사를 생각해보겠습니다. 현장 담당자는 매일 점검한 내용을 사진과 메모로 남깁니다. 본사 직원은 이를 읽고 고객에게 보낼 보고서를 작성합니다. AI를 이용해 보고서 문장을 다듬으면 작성 시간을 줄이는 데 도움이 될 수 있습니다. 하지만 같은 설비에서 문제가 반복되는지 확인하고, 후속 작업을 배정하는 일은 여전히 직원이 따로 해야 할 수 있습니다.
이 회사가 보고서 작성뿐 아니라 후속 점검까지 개선하려면 어떻게 해야 할까요? 먼저 현장 기록을 설비별로 모으고, AI가 메모에서 증상과 조치 내용을 추려내도록 할 수 있습니다. 담당자는 그 내용이 맞는지 확인하고, 추가 점검이 필요한 건을 작업 목록으로 넘깁니다. 다음 방문 때는 이전 기록과 미완료 작업을 함께 볼 수 있게 합니다. AI의 결과가 보고서 한 장으로 끝나지 않고 다음 업무에 사용되는 구조입니다.
이 예시에서 시스템은 설비 번호와 기록, 작업 상태를 연결합니다. 담당자는 AI가 추린 내용을 확인하고 후속 작업을 맡습니다. 기록을 저장할 장소와 완료 상태를 표시하는 방식까지 갖춰야 이 흐름이 이어집니다.
AI가 메모를 잘 정리하더라도 누가 조치해야 하는지 정해져 있지 않으면 회사의 대응은 빨라지지 않습니다. AI를 도입할 때 작업 배정과 완료 확인 절차까지 함께 정해야 하는 이유입니다.
DX와 AX는 무엇이 다를까
DX는 디지털 전환을 가리킵니다. 디지털 기술을 이용해 업무와 서비스를 바꾸는 넓은 개념입니다. AX는 그 가운데 AI가 맡을 역할에 초점을 둡니다. 두 개념을 서로 경쟁하는 선택지나 모든 회사가 차례대로 통과해야 하는 단계로 볼 필요는 없습니다.
앞의 시설 관리 회사에서 종이 점검표를 전자 양식으로 바꾸는 일은 업무 기록을 디지털화하는 작업입니다. 본사가 현장 기록을 바로 보고 작업을 배정할 수 있도록 운영을 바꾼다면 디지털 전환의 범위가 더 넓어집니다. 여기에 AI를 연결해 자유롭게 작성된 메모를 분류하거나 이전 기록과 비교하도록 만들 수 있습니다. 하나의 개선 과정 안에 여러 기술과 업무 변화가 함께 들어갑니다.
자동화라는 말도 구분해서 이해하면 좋습니다. 날짜가 지나면 알림을 보내거나 승인된 내용을 다른 시스템에 등록하는 일은 정해진 규칙으로 처리할 수 있습니다.
AI는 표현이 제각각인 글을 읽거나 여러 자료의 내용을 정리하는 등, 고정된 규칙만으로 다루기 까다로운 부분에서 활용을 검토할 수 있습니다. 어떤 기술이 필요한지는 실제 자료와 업무 조건을 보며 판단해야 합니다.
따라서 AX를 추진한다고 해서 기존 프로그램을 모두 AI로 바꿀 이유는 없습니다. 정확한 합계는 계산 기능으로 구하고, 정해진 승인 절차는 시스템에 남겨두면 됩니다. AI가 적합한 부분을 찾아 연결하는 편이 업무를 설명하고 관리하기도 쉽습니다. 대표가 알아야 할 것은 기술 이름의 우열보다 각 기능이 회사에서 무엇을 맡는가입니다.
구분 | 초점 | 시설 관리 업무의 예 |
|---|---|---|
AI 도구 활용 | 개별 작업에 AI를 활용 | 점검 메모를 읽고 보고서 초안 작성 |
DX(디지털 전환) | 디지털 기술로 업무·서비스를 개선 | 현장 기록 공유와 작업 배정 방식 개선 |
AX(AI 전환) | AI를 업무·판단 과정에 연결 | 메모 분류 → 담당자 검토 → 후속 작업 연결 |
AX로 기업 운영에서 어떤 변화를 기대할 수 있을까
AX로 개선할 수 있는 일에는 문서 작성이나 자료 검색 외에도 여러 가지가 있습니다. 같은 정보를 여러 사람이 다시 확인하는 일을 줄이고, 문제가 생긴 뒤 뒤늦게 대응하던 일을 앞당기고, 특정 직원이 자리를 비워도 업무가 이어지게 만드는 변화까지 포함합니다. 어떤 문제에 시간과 비용이 많이 드는지에 따라 먼저 개선할 업무를 정할 수 있습니다.
여러 매장을 운영하는 회사라면 매장별 보고를 일일이 읽는 일이 부담일 수 있습니다. 이때 매출 숫자만 한 화면에 모아도 해결되지 않는 질문이 있습니다. 매출이 줄어든 날 어떤 문제가 있었는지, 인력 배치나 상품 공급에서 무엇이 달라졌는지를 함께 봐야 하기 때문입니다. 현장 기록을 비교할 수 있는 형태로 정리하고 필요한 수치와 연결하면 대표가 확인할 대상을 좁히는 데 도움이 될 수 있습니다.
전문 서비스를 제공하는 회사는 다른 어려움을 겪을 수 있습니다. 고객과 합의한 내용이 이메일에 남아 있고 실제 작업은 별도 도구에서 진행된다면, 담당자가 바뀔 때 약속한 범위를 다시 확인해야 합니다. AI로 관련 기록을 찾아 정리하더라도 최종 합의가 무엇인지 구별할 기준은 필요합니다. 이 기준까지 갖춰야 새 담당자가 이전 사람의 기억에 덜 의존하며 업무를 이어갈 수 있습니다.
이런 변화는 비용 절감의 출발점이 될 수 있습니다.
절약한 시간이 곧바로 비용 절감액이 되지는 않습니다.
야근이나 외주 작업이 줄었는지, 같은 인원으로 더 많은 고객을 지원하게 됐는지, 누락 때문에 반복하던 작업이 감소했는지를 확인해야 합니다.
예를 들어 보고서 작성이 빨라져도 월급과 외주비가 그대로라면, 그 시간을 다른 업무에 쓴 효과와 실제 지출이 줄어든 효과를 구분해야 합니다.
대표의 판단이 빨라지는 효과도 같은 방식으로 살펴볼 수 있습니다. 보고서를 빨리 받았다는 사실만으로 충분하지는 않습니다. 그 덕분에 추가 지출을 막았는지, 지연될 작업을 미리 조정했는지, 고객에게 더 일찍 답했는지가 중요합니다. 도입 전에 어떤 결정을 개선하려는지 정해두면 나중에 결과를 평가하기가 수월해집니다.
내부 업무가 바뀌면 고객에게 제공하는 서비스도 달라질 수 있습니다
AX를 비용 절감에만 한정할 필요는 없습니다. 내부에서 정보를 더 빨리 확인할 수 있게 되면 고객에게 제공하는 서비스의 범위도 검토할 수 있습니다. 예를 들어 장비 유지관리 회사가 점검 기록을 일관되게 관리한다면, 고객이 요청할 때마다 과거 이력을 찾아주는 방식에서 정기적으로 관리 현황을 설명하는 방식으로 바꿀 수 있습니다. 이때 AI는 여러 기록의 내용을 정리하는 데 활용하고, 담당자는 실제 상태와 맞는지 확인해 설명을 보완할 수 있습니다.
다만 고객이 그 서비스에 가치를 느끼는지는 별도의 문제입니다. 보고서를 더 자주 보내는 것보다 조치가 필요한 사항을 명확하게 알려주는 일을 원할 수도 있습니다. 기술적으로 만들 수 있다는 이유만으로 서비스를 늘리기보다, 고객이 어떤 결정을 내리는 데 도움이 되는지 확인해야 합니다. 기존 고객이 반복해서 요청했던 정보, 답변이 늦어 불편했던 상황을 살펴보면 방향을 잡는 데 도움이 됩니다.
대표 입장에서는 내부 업무 개선과 새로운 서비스 구상을 연결해서 볼 수 있습니다. 같은 기록을 활용하더라도 직원의 확인 시간을 줄이는 데 쓸지, 고객이 설비 관리 계획을 세우도록 돕는 데 쓸지에 따라 준비할 내용이 달라집니다. 어느 쪽이든 목적을 먼저 정해야 불필요한 기능을 만들지 않을 수 있습니다.
기업 AX에 필요한 데이터는 어떻게 준비할까
회사 자료가 많다는 것과 AI가 업무에 필요한 정보를 제대로 사용할 수 있다는 것은 다릅니다. 같은 고객이 서로 다른 이름으로 등록돼 있을 수 있고, 이미 변경된 가격표가 최신 자료와 함께 남아 있을 수도 있습니다. 사람이 경험으로 구분하던 내용을 AI도 알 것이라고 기대해서는 곤란합니다.
예를 들어 고객의 요청을 확인할 때 처음 보낸 문서와 이후 수정한 이메일 중 무엇을 따라야 하는지 명확해야 합니다. 자료를 한곳에 모으는 것만으로 이 관계가 정해지지는 않습니다. 최종 확인된 내용을 구별하고, 변경 전 기록과 연결하고, 관련 직원이 같은 내용을 보도록 해야 합니다. 그래야 AI가 찾아준 정보도 실제 업무에서 검토할 수 있습니다.
그렇다고 회사의 모든 데이터를 정리한 뒤에야 AI를 써야 하는 것은 아닙니다. 승인된 업무 안내문을 찾아 답하는 기능부터 시험한다면, 우선 그 안내문이 정확하고 최신인지 확인하면 됩니다. 적용할 업무를 좁히면 필요한 자료와 관리 범위도 함께 좁힐 수 있습니다. 전사적인 정리가 부담스럽다는 이유로 작은 검증까지 미룰 필요는 없습니다.
중소기업에서 데이터와 시스템 통합을 이야기할 때도 이 구별이 필요합니다. 모든 프로그램을 하나로 합치는 대규모 사업만을 뜻하지 않습니다. 특정 업무에 필요한 정보가 서로 연결되고, 직원이 같은 내용을 반복 입력하지 않아도 되는 상태를 만들 수도 있습니다. 현재 쓰는 프로그램을 유지할지 바꿀지는 연결 가능성과 비용, 실제 불편을 보고 결정할 문제입니다.
AI 도입 후 직원과 대표는 어떤 역할을 맡아야 할까
회사에서 AI를 쓰려면 결과를 누가 확인하고 다음 행동을 결정할지 정해야 합니다. 초안을 만드는 일과 고객에게 최종 답변을 보내는 일은 책임이 다릅니다. 자료를 읽는 권한과 발주 내용을 바꾸는 권한도 같지 않습니다. 이 차이를 무시하면 편리함을 얻는 대신 확인해야 할 일이 새로 생길 수 있습니다.
미국 국립표준기술연구소 NIST의 AI 위험관리 프레임워크도 AI를 사용할 때 사람의 역할과 감독 책임을 구분하도록 제시합니다. 중소기업에서는 이를 담당자가 이해할 수 있는 업무 기준으로 바꿔야 합니다. 누가 결과를 검토하는지, 어떤 경우에 처리를 멈추는지, 잘못된 결과를 어디에 알리는지가 분명해야 합니다. NIST AI RMF의 역할과 감독 기준
앞의 현장 점검 사례라면 AI는 조치가 필요한 메모를 추려낼 수 있지만, 실제로 작업을 중단할지 결정하는 책임은 별도로 정해야 합니다. 과거 기록이 빠졌거나 현장 상황이 달라졌을 때는 담당자가 판단해야 할 수 있습니다. 어떤 결과든 일단 승인하도록 만드는 절차는 검토의 의미가 약합니다. 판단에 필요한 원문과 관련 기록을 함께 볼 수 있어야 합니다.
교육 역시 버튼을 누르는 방법만 알려주는 것으로 끝나서는 부족합니다. 직원은 언제 AI를 쓰는지, 결과가 틀렸을 때 무엇을 고치는지, 기존에 작성하던 자료 중 무엇을 더 이상 만들지 않아도 되는지를 알아야 합니다. 새 도구와 기존 절차를 모두 유지하면 업무가 오히려 늘 수 있습니다. 도입 계획에는 새로 할 일과 함께 없어질 일도 적혀 있어야 합니다.
이 과정에서 대표는 AI를 활용해 회사가 무엇을 달성할지, 어떤 기준으로 판단하고 어디까지 맡길지를 정해야 합니다. 비용을 줄이는 방안이라도 고객에게 약속한 품질이나 서비스를 해친다면 그대로 받아들이기 어렵습니다. 『비즈니스 코더』(저자: 안희창)에서 말하는 경영자의 역할도 여기에 있습니다. 데이터와 AI를 활용해 정보가 업무와 의사결정으로 이어지는 구조를 설계하면서, 기업이 지킬 가치와 결정의 책임을 분명히 하는 것입니다.
우리 회사의 AX, 무엇부터 시작하면 좋을까
처음부터 회사 전체의 AX 계획을 세우려 하면 검토할 업무와 자료가 너무 많아질 수 있습니다. 대표와 담당자가 최근 처리한 업무 하나를 함께 살펴보는 것부터 시작할 수 있습니다. 회사가 실제로 겪는 지연과 재확인을 따라가면, 막연히 AI를 쓰고 싶다는 생각을 구체적인 개선 과제로 바꿀 수 있습니다.
이 글에서 살펴본 연결 구조를 실제 업무에 대입해보면 됩니다. 어떤 정보가 들어오고, AI가 무엇을 정리하며, 누가 확인한 뒤 어떤 업무로 넘길지를 그려보세요. AI 도구를 구매하는 계획과 회사의 일하는 방식을 바꾸는 계획이 어디에서 달라지는지 확인할 수 있습니다.
첫 논의에서는 다음 세 가지를 적어보면 좋습니다.
현재 상황: 누가 어떤 자료를 받아 무엇을 처리하며, 어느 단계에서 자료나 승인을 기다리는가.
바꾸려는 상태: 직원과 대표가 무엇을 더 빨리 알거나, 어떤 확인을 덜 하게 되는가.
확인할 결과: 처리 시간, 누락, 재작업, 응답 지연 가운데 무엇을 비교할 것인가.
여기에 실제 업무 자료를 놓고 보면 계획이 더 명확해집니다. 성공적으로 끝난 건만 보지 말고 수정 요청이 많았던 건도 함께 보는 편이 좋습니다. 예외가 드러나야 AI에 맡길 부분과 사람이 직접 내려야 할 판단을 구분할 수 있기 때문입니다. 예를 들어 수정된 요청을 AI가 놓쳤다면, 최신 요청을 구별하는 기준부터 보완해야 한다는 것을 알 수 있습니다.
중소기업의 AX는 회사가 필요로 하는 운영 변화를 설명할 수 있을 때 방향이 잡힙니다. AI가 어떤 답을 만들었는지에 이어, 그 답을 누가 확인했고 어떤 업무에 사용했으며 무엇이 나아졌는지를 살펴보세요. 그 연결이 보이면 다음 투자를 어디에 해야 하는지도 판단하기 쉬워집니다.
정리한 내용은 실무 담당자와 함께 확인하세요. 대표는 급한 주문을 받을 수 있는지 알고 싶었는데 직원은 현재 재고만 보고했다면, 생산 일정과 납기까지 확인할 필요가 있습니다. 이렇게 필요한 답과 실제 보고 내용을 비교하면 어떤 정보를 추가로 연결해야 할지 알 수 있습니다.
우리 회사의 데이터와 업무를 AI에 어떻게 연결할지 검토하고 있다면, FlowOS의 도입 방식을 살펴보세요.
AX를 우리 회사 업무에 적용하려면
업무 진단부터 도입 범위·비용·검증까지, 대표가 확인할 기준을 가이드에 정리했습니다. 여섯 가지 점검표로 첫 도입 업무를 검토해보세요.