AX 이야기가 나오면 질문은 대개 비슷하다.
- 어떤 AI 모델을 써야 하는지
- 어떤 툴이 좋은지
- 어디부터 붙여야 하는지
물론 다 필요한 질문이다. 다만 거기서 바로 도구 얘기로 들어가면 글이 자꾸 옆으로 샌다. AX의 핵심은 무엇을 도입할지가 아니라, 업무를 어떻게 다시 짤지에 있기 때문이다.
AI를 붙이는 일 자체는 어렵지 않다. 진짜 어려운 건, 붙인 다음에도 일이 예전보다 덜 꼬이게 만드는 일이다. 그래서 AX는 기술 프로젝트처럼 보이지만, 실제로는 운영 방식과 의사결정 구조를 손보는 작업에 더 가깝다.
!Flux/Essay/images/essay-14-ax-ops-02.webp
1. AX를 오해하면 겉만 바뀐다
많은 조직이 AX를 시작하면서 먼저 하는 일은 기능을 추가하는 것이다.
예를 들면 이런 식이다.
- 문서 요약 기능을 넣는다
- 챗봇을 만든다
- 자동 보고서를 생성한다
- 회의록을 정리하는 도구를 붙인다
이런 변화는 분명 도움이 된다. 하지만 이것만으로는 AX라고 부르기 어렵다. 왜냐하면 기존 업무 흐름의 구조는 그대로이기 때문이다.
즉, 사람은 여전히 같은 방식으로 일하고, AI는 그 옆에서 몇 가지 작업만 대신해 주는 수준에 머문다.
이 경우 개선은 “조금 편해졌다” 정도에서 끝난다. 업무의 병목은 사라지지 않고, 책임 구조도 바뀌지 않으며, 운영 효율도 기대만큼 오르지 않는다.
AX가 실패하는 가장 흔한 이유는 AI를 업무 구조의 변화가 아니라 편의 기능의 추가로 보기 때문이다.
2. AX의 핵심은 업무를 다시 정의하는 데 있다
좋은 AX는 일을 더 빨리 끝내는 데서 멈추지 않는다. 일을 어디서 끊고, 누가 이어 받고, 어떤 기준으로 판단할지까지 다시 정리한다.
이때 먼저 봐야 할 건 거창한 기능 목록이 아니다. 그 일은 누가 처음 받는지, 중간에 어디서 멈춰 생각해야 하는지, 반복되는 부분과 예외 처리를 어디서 나눌지, 틀렸을 때 누가 어떻게 손댈지 같은 아주 기본적인 질문들이다.
이런 질문에 하나씩 답하다 보면, 어떤 일은 애초에 AI가 맡기 어렵고, 어떤 일은 오히려 AI와 함께 다시 짜는 편이 낫다는 게 보인다.
결국 AX는 “AI로 뭘 할 수 있나”보다 “이 업무를 사람과 AI가 어떻게 나눠 맡아야 덜 어색한가”를 정하는 일이다.
!Flux/Essay/images/essay-14-ax-ops-01.webp
3. 기술보다 먼저 봐야 하는 세 가지 층위
여기서부터는 기술보다 구조를 먼저 봐야 한다. 보통은 세 층위로 나눠 보면 정리가 된다.
첫째, 업무 흐름
업무가 실제로 어떻게 흘러가는지 보는 단계다. 입력이 어디서 들어오고, 누가 처리하고, 어디서 검토와 승인, 배포가 이어지는지부터 봐야 한다.
이 흐름을 모르고 AI를 붙이면, 보통은 제일 애매한 자리에 얹게 된다. 그래서 실패도 그 지점에서 시작된다.
둘째, 의사결정 기준
AI가 업무를 맡으려면 결과만 내는 것으로는 부족하다. 무엇을 좋은 결과로 볼지 기준이 있어야 한다.
고객 응대, 문서 분류, 보고서 초안, 리스크 검토는 겉보기엔 비슷해도 판단 기준은 다르다. 기준이 흐리면 AI는 애매한 답을 내놓고, 사람은 그걸 다시 고치느라 더 바빠진다.
셋째, 책임 구조
AI가 틀렸을 때 누가 붙잡고 고칠지, 그 질문이 생각보다 중요하다.
업무에서 중요한 건 정답만이 아니다. 오답이 나왔을 때 얼마나 빨리 알아채고, 얼마나 무리 없이 되돌리느냐다.
그래서 AX는 실패를 없애는 일이 아니라, 실패가 나와도 감당할 수 있게 만드는 일에 가깝다.
4. 좋은 AX는 사람의 일을 없애는 것이 아니라 바꾸는 것이다
AI 도입을 말할 때 제일 먼저 나오는 불안은 늘 비슷하다. 사람이 밀려나는 것 아니냐는 걱정이다. 그런데 잘된 AX는 사람을 없애기보다, 사람이 하던 일을 조금 다른 자리로 옮긴다.
예를 들어 반복 작업이 줄어들면 이런 변화가 생긴다.
- 단순 입력보다 예외 처리에 집중하게 된다
- 개별 작업보다 품질 판단에 집중하게 된다
- 결과 작성보다 기준 설정에 집중하게 된다
- 수작업보다 운영 개선에 집중하게 된다
이건 단순한 자동화가 아니라 역할을 다시 나누는 일이다. 그 재배치가 일어나야 조직도 비로소 조금 덜 헛돌기 시작한다.
AX의 성패는 AI가 일을 얼마나 많이 대신했는지보다, 사람이 더 중요한 일에 시간을 쓸 수 있게 됐는지로 보는 편이 맞다.
5. AX에서 가장 중요한 것은 신뢰다
많은 사람이 AX를 말할 때 정확도를 먼저 꺼낸다. 물론 정확도도 중요하다. 하지만 실제 업무에서는 신뢰가 없으면 아예 못 쓴다.
신뢰는 단순히 “잘 맞는다”는 뜻이 아니다. 아래가 같이 붙어야 한다.
- 결과가 왜 나왔는지 설명할 수 있는가
- 출처나 근거를 확인할 수 있는가
- 수정과 재실행이 가능한가
- 사람의 검토가 필요한 지점이 분명한가
- 운영 중 문제가 생겼을 때 빠르게 복구할 수 있는가
정확도는 모델 성능으로도 꽤 설명된다. 신뢰는 다르다. 시스템이 어떻게 붙어 있느냐의 문제다.
그래서 모델이 아무리 좋아도 AX가 저절로 잘 되지는 않는다. 운영 흐름, 검토 절차, 예외 처리, 되돌리는 방식까지 같이 설계돼야 한다.
좋은 AX는 똑똑한 AI를 넣는 게 아니라, 믿고 돌릴 수 있는 구조를 만드는 데서 시작한다.
!Flux/Essay/images/essay-14-ax-ops-03.webp
6. AX는 한 번의 프로젝트가 아니라 지속적인 조정 과정이다
많은 조직은 AX를 프로젝트처럼 시작한다. 기획이 있고, 일정이 있고, 출시와 보고가 있다.
하지만 실제로는 프로젝트보다 운영 변화에 가깝다. 처음 설계가 끝났다고 끝나는 게 아니라, 그 뒤부터 더 자주 손봐야 한다.
왜냐하면 아래 것들이 계속 움직이기 때문이다.
- 사용자 요구
- 업무 규칙
- 예외 사례
- 데이터 품질
- 조직 내 책임 범위
즉 AX는 한 번 잘 만들어 두면 끝나는 시스템이 아니다. 쓰다 보면 더 자주 들여다보고, 더 자주 고쳐야 한다.
이 점에서 AX는 소프트웨어보다 조직 운영에 더 가깝다. 멈춰 있는 시스템이 아니라, 변할 때 같이 변하는 시스템이어야 한다.
결론
AX는 AI를 도입하는 일이 아니다. AI를 붙여서 업무와 운영을 다시 짜는 일이다.
그래서 AX를 잘하려면 기술부터 고르기보다 먼저 일을 이해해야 하고, 기능을 더 얹기보다 책임과 흐름을 먼저 정리해야 하며, 도구를 붙이기보다 사람과 시스템의 역할을 다시 맞춰야 한다.
결국 AX의 성패는 AI가 얼마나 화려한지보다, 조직이 자기 일을 얼마나 냉정하게 다시 볼 수 있는지에 달려 있다.
AX는 기술의 문제가 아니라 운영의 문제다. 운영이 바뀌는 순간, AI는 장식이 아니라 실제로 굴러가는 구조가 된다.