AI·AX 도입 기업은 어떻게 변하는가?
하용호님의 「AI시대 나의 전문성을 재설계하는 법」 중 AI·AX 도입 조직이 겪는 변화 단계를 10장의 인포그래픽으로 정리했습니다.
하용호님의 「AI시대 나의 전문성을 재설계하는 법」 중
AI·AX 도입 조직이 겪는 변화 단계를 10장의 인포그래픽으로 정리했습니다.
01. AI·AX 도입은 직선형 성과가 아니다

AI를 도입하면 바로 성과가 날 것 같지만, 실제 조직은 비슷한 시행착오를 겪습니다.
환호 → 정체 → 신남 → 의구심 → 마지막 고비
중요한 것은 “우리 조직이 지금 어느 단계에 있는가”를 아는 것입니다.
단계를 알아야 다음에 무엇을 준비해야 하는지도 보입니다.
02. Stage 1 — 환호의 시기

처음에는 분위기가 뜨겁습니다.
회사 차원에서 AI 계정을 도입하고, 교육을 열고, AX 전담 조직도 만듭니다.
모두가 “이제 회사가 확 바뀌겠지?”라고 기대합니다.
하지만 이 단계의 핵심은 아직 가능성에 반응하는 시기라는 점입니다.
도입은 빠르지만, 실제 업무 연결은 아직 얕습니다.
03. Stage 2 — 정체의 시기

계정도 줬고 교육도 했는데, 생각보다 사람들이 잘 쓰지 않습니다.
이유는 단순합니다.
AI를 내 업무에 어떻게 넣어야 할지 잘 떠오르지 않기 때문입니다.
또 하나의 문제는 연결입니다.
AI가 좋은 답을 하려면 우리 팀의 맥락을 알아야 하고,
AI가 만든 결과는 다시 사내 시스템과 업무 흐름 안으로 들어와야 합니다.
즉, 이 단계의 핵심 미션은 AI와 업무 사이의 연결 만들기입니다.
04. Stage 3 — 신남의 시기

사내 시스템과 AI가 연결되기 시작하면 분위기가 다시 살아납니다.
대시보드, 소스 저장소, 슬랙, 지라, 컨플루언스, 이메일 같은 도구와 LLM이 연결됩니다.
해커톤이나 사례 공유를 통해 “아, AI를 이렇게 쓰는 거구나”라는 감각도 퍼집니다.
이때 토큰 사용량이 급증하고, 리더보드도 등장합니다.
다만 조심해야 합니다.
토큰 사용량은 Input 지표일 뿐입니다.
진짜 봐야 할 것은 Output, 즉 실제 업무 성과입니다.
05. Stage 4 — 의구심의 시기

어느 순간 이런 질문이 나옵니다.
“분명히 많이 쓰고 있는데, 정말 빨라진 건 맞나?”
AI 결과물이 많아질수록 검토 부담도 커집니다.
잘못 리뷰된 코드가 장애를 만들고, 충분히 검토하지 않은 보고서가 잘못된 의사결정으로 이어질 수도 있습니다.
여기서 등장하는 것이 Verification Tax입니다.
AI가 만든 결과를 믿기 위해서는
검증하고, 확인하고, 확신하는 비용을 반드시 치러야 합니다.
06. AI 시대의 3대 부채

AI 도입 이후 조직에는 세 가지 부채가 쌓이기 쉽습니다.
기술부채
AI가 만든 결과는 그럴싸하지만, 전체 구조를 고려하지 못할 수 있습니다.
인지부채
코드와 문서가 너무 많이 쏟아져 사람이 이해하지 못하는 결과물이 늘어납니다.
의도부채
왜 그렇게 만들었는지, 어떤 제약과 판단이 있었는지 맥락이 사라집니다.
이 세 부채는 따로 쌓이지 않습니다.
함께 누적되며 조직의 속도를 오히려 늦출 수 있습니다.
07. Stage 5 — 마지막 고비

AI를 단순히 기존 업무에 얹는 것만으로는 한계가 있습니다.
진짜 효과는 업무 파이프라인 자체를 바꿀 때 나옵니다.
자료, 회의, 결정, 실행 결과가 machine-readable하게 남아야 합니다.
회사 지식은 검색 가능하고, 재사용 가능하고, AI가 참조 가능해야 합니다.
AI-native 회사는 도구를 많이 쓰는 회사가 아닙니다.
일하는 구조가 AI와 함께 돌아가도록 재설계된 회사입니다.
08. 해결 원칙 — 검증 중심 조직

앞으로 사람의 역할은 생산 중심에서 검증 설계 중심으로 이동합니다.
AI가 더 많이 만들수록, 사람은 더 좋은 검증 기준을 만들어야 합니다.
좋은 검증에는 도메인 전문성이 필요합니다.
무엇이 맞고, 무엇이 위험하고, 어디까지 통과해야 신뢰할 수 있는지 정의해야 하기 때문입니다.
핵심은 이것입니다.
AI를 믿는 것이 아니라, 검증 체계를 믿는 것.
09. Loop — 기준 통과까지 반복

AI 자동화의 핵심은 “무한히 시키기”가 아닙니다.
핵심은 다음 구조입니다.
목표 설정 → 시도 실행 → 검증 → 학습/수정 → 재시도
검증 기준에 도달할 때까지 AI가 반복하게 만드는 것입니다.
사람은 AI가 뛰어놀 경계와 기준을 설계하고,
AI는 그 안에서 계속 시도하고 학습합니다.
자동화의 본질은 반복이 아니라 검증 가능한 반복입니다.
10. 암묵지와 메모리 체계

AI에게 좋은 답을 얻으려면, 내 머릿속에만 있는 암묵지를 밖으로 꺼내야 합니다.
좋은 질문, 반복된 대화, 의사결정의 이유, 실패와 배움이 문서와 메모리로 남아야 합니다.
개인도, 팀도, 회사도 마찬가지입니다.
같은 시행착오를 반복하지 않으려면
AI와 함께 쌓은 경험이 메모리로 축적되어야 합니다.
결국 필요한 것은 이것입니다.
AI의 평범한 답이 아니라,
내 경험과 판단이 녹아든 답을 만들기 위한 메모리 체계.
이 글은 위키독스 블로그에 처음 실었습니다.
댓글 0
첫 댓글을 남겨 주세요.
Google로 로그인하고 댓글 남기기