AX 빨라질수록 조직 체계화는 숙제…"AI가 만든 오류·실수 부작용" 작성일 06-22 44 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">AI 환각, 조직 차원서 '지식 쇠퇴'로<br>AI 도입 확대보다 중요한건 관리 체계 마련</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="HFfBQchDgi"> <div contents-hash="7f09cc3561143d38fe1981dd19fb1392c6fd7e8977d584d72ae86cbb25fc209a" dmcf-pid="X34bxklwgJ" dmcf-ptype="general"> <p>기업의 인공지능 전환(AX)이 업무 생산성을 높이지만 의사결정 과정에서 오류와 실수를 일으킬 가능성이 있는 만큼 이를 바로잡을 수 있는 AX 조직의 체계화가 필요하다는 조언이 나왔다.</p> </div> <figure class="figure_frm origin_fig" contents-hash="ffa8276a11f089553b84e4165535adc5cad59162c246593aa4c097317e39fb7c" dmcf-pid="Z08KMESrad" dmcf-ptype="figure"> <p class="link_figure"><img alt="툰트-M의 한 개발자가 AI에이전트를 활용해 사용자 경험 반응성 테스트와 기능 테스트를 동시에 진행하고 있다. 김혜린 툰트-M 대표는 AI에이전트가 개발자 4명 정도의 업무 역량을 보여줘 타 프로젝트와 동시에 업무를 진행할수 있게 되었다고 말했다. 윤동주 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/22/akn/20260622101206627emib.jpg" data-org-width="745" dmcf-mid="GbdPoCXSkn" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/22/akn/20260622101206627emib.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 툰트-M의 한 개발자가 AI에이전트를 활용해 사용자 경험 반응성 테스트와 기능 테스트를 동시에 진행하고 있다. 김혜린 툰트-M 대표는 AI에이전트가 개발자 4명 정도의 업무 역량을 보여줘 타 프로젝트와 동시에 업무를 진행할수 있게 되었다고 말했다. 윤동주 기자 </figcaption> </figure> <div contents-hash="c22d059f0e60b40af19779cd1d1ecc0558a2994d9ba1ad85cbb6e9d68b3d1afb" dmcf-pid="5uQVdryOAe" dmcf-ptype="general"> <p>22일 하버드비즈니스리뷰(HBR)는 'AI가 만든 부실한 결과물이 조직을 망치게 두지 마라' 보고서에서 AI를 적극적으로 도입한 기업들이 '지식 쇠퇴(Knowledge decay)' 현상을 겪고 있다고 지적했다. 지식 쇠퇴란 AI가 생성한 낮은 품질의 결과물이 조직 내 쌓이면서 기업이 의사결정을 위해 활용하는 정보의 정확성과 신뢰성이 떨어지는 현상을 말한다. 개인이 생성형 AI를 활용할 때 환각을 경험하는 것처럼, 지식 쇠퇴는 부실한 결과물이 조직 전반에 누적되면서 발생하는 구조적 문제다. </p> </div> <p contents-hash="d14b8ea728d2ed47846a15b90b467b0f2cf64e4d77e91e63c57e61eac965b47f" dmcf-pid="17xfJmWIaR" dmcf-ptype="general">사람의 전문성이 필요한 보고서나 분석 자료 등을 AI가 손쉽게 비슷한 형식의 문서를 만들어내면서 사람의 검토와 판단이 얼마나 결과물에 반영됐는지 평가하기 어려워졌다. 원본 자료를 여러 AI가 재가공하면서 처음의 의미나 사실관계가 희미해진 채로 다시 활용되면 기업의 업무 과정뿐 아니라 AI 모델의 품질까지 떨어뜨릴 수 있다는 우려도 나온다. AI가 만든 결과물의 사실관계나 맥락을 확인하고 고치는 데 시간을 쓰지 않으면 AI 도입으로 기대한 생산성 효과가 줄어드는 셈이다.</p> <p contents-hash="4baee40790d41974b883ae51ece965fa01e15ca1af2e3e23e6478bad1b19a829" dmcf-pid="tzM4isYCjM" dmcf-ptype="general">국내 기업들이 AI 도입 후 효율성을 끌어올릴 수 있는 조직 시스템을 갖추고 있지 못하다는 점은 한계로 지적된다. 마이크로소프트(MS) '2026 업무동향지표'에 따르면 조직의 AI 활용이 보상으로 이어질 수 있다고 보는 한국 응답자의 비율은 7%로, 글로벌 평균의 절반 수준이었고, AI 전략의 방향성이 명확하다고 답한 비율도 글로벌 평균(26%)을 밑도는 16%였다.</p> <p contents-hash="7cad6855a929f992f3c39d3a6d15ab78d44491c87c4ecf05fafa8cd719f7d23b" dmcf-pid="FqR8nOGhgx" dmcf-ptype="general">이에 따라 AI 도입을 조직이 얼마나 체계적으로 검증할 수 있는지가 기업들의 핵심 과제로 떠오르고 있다. 전문가들은 AX가 본격화될수록 AI 도입 규모를 키우기 보다는 조직 관리 체계를 구축하는 것이 중요하다고 조언한다. AI 활용이 조직의 의사결정과 업무 프로세스의 품질을 높이고 있는지 검증하는 단계가 필요하다는 설명이다. 이재성 중앙대 AI학과 교수는 "AI에 과도하게 의존해 만든 결과물에서 발생한 오류가 의사결정 단계까지 이어지는 문제가 발생할 수 있다"며 "기업 내 업무 전문성을 높일 필요가 있다"고 제언했다. 이어 "업무 추진 가이드라인 마련이나 AI와 사람 업무 간의 분리 등이 정착하는 추세"라고 덧붙였다.</p> <p contents-hash="4cc77576c3cb9c2971a15c7ebdf16a3ca8cd8767599fff09a90360f91eb819e4" dmcf-pid="3Be6LIHlAQ" dmcf-ptype="general">김용진 서강대 경영학과 교수도 "AI의 환각은 피할 수 없어 결과물을 쉽게 믿고 활용할 수 없는 상황"이라며 "사람의 지식을 구조화한 온톨로지 데이터를 구축해 검증 부담을 줄이고, AI와 사람의 업무 분담 가이드라인과 책임을 명확히 해 모니터링할 수 있는 조직 구조를 만들어야 한다"고 설명했다.</p> <p contents-hash="cb28f0d36542d7597d10b19604dfbdb51eafb7bc800b8d8c001e65a52adfda36" dmcf-pid="0bdPoCXSoP" dmcf-ptype="general">이은서 기자 libro@asiae.co.kr</p> </section> </div> <p class="" data-translation="true">Copyright © 아시아경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 올해 '슈퍼 엘니뇨' 전망…“한국, 폭우·폭염 우려" 06-22 다음 "토큰 얼마나 썼나" 한눈에…깃허브, AI 사용량 관리 기능 확대 06-22 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
