“AI가 다 해준다”는 착각…기업 인공지능 전환이 더딘 이유 작성일 07-05 36 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="Fi4mZdhDmG"> <figure class="figure_frm origin_fig" contents-hash="e10d858f65d3fc04aa82e5909d299ff6ede7b9fe1779a6e943133f507d5bfcce" dmcf-pid="3n8s5JlwOY" dmcf-ptype="figure"> <p class="link_figure"><img alt="게티이미지뱅크" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/05/hani/20260705134203173kgif.jpg" data-org-width="800" dmcf-mid="tq9EYxsAsH" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/05/hani/20260705134203173kgif.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 게티이미지뱅크 </figcaption> </figure> <p contents-hash="4ef0cd1d8c1f23ff902314c37fe39427986c62cdf44628a5fc69ae25af4309c6" dmcf-pid="0L6O1iSrwW" dmcf-ptype="general"> 인공지능(AI)이 산업의 새 표준으로 떠오르면서 기업들이 앞다퉈 ‘인공지능 전환’(AX) 대열에 올라서고 있다. 비용을 들여 인공지능 모델을 도입하고 전담 조직을 꾸려 구성원의 사용을 독려하지만, 정작 일터의 풍경은 기존과 별반 다르지 않다. 앞서 매사추세츠공과대학(MIT) 산하 연구조직 난다(NANDA)는 지난해 발간한 보고서에서 기업들이 생성형 인공지능에 막대한 돈을 쏟아붓고도 조직의 95%가 손익계산서상 측정 가능한 효과를 얻지 못했다고 짚은 바 있다. 회사 밖 일상에서는 인공지능 활용도가 높아지는데, 유독 기업 안에서는 효용이 더딘 이유는 무엇일까. 5일 회사의 인공지능 전환을 돕는 서비스 기업 실무자들에게 현장의 병목과 해법을 들어봤다.</p> <p contents-hash="831067230e79cad546aac3a91a468aab9f24f33c37ee9088e7511361ff86054b" dmcf-pid="poPItnvmsy" dmcf-ptype="general">■AI가 읽을 맥락 데이터가 없다</p> <p contents-hash="2a7c40fa10fab8070974859672120fe11a6a512d854a7b3df36a87041145fa96" dmcf-pid="UgQCFLTssT" dmcf-ptype="general">전문가들이 공통으로 꼽은 기업 현장에서의 인공지능 전환 첫 걸림돌은 ‘데이터’다. 김동민 케이티(KT) 에이엑스 사업부문 소속 팀장은 “회사 고유의 도메인 지식, 업무 매뉴얼, 프로젝트 이력 등이 인공지능이 이해할 수 있는 형태로 정비돼 있지 않으면 (인공지능의 반응은) 일반론적인 답변에 머물거나 환각을 일으킬 수 있다”고 설명했다. 인공지능이 기존에 학습된 일반 지식을 바탕으로 그럴듯한 답을 내놓을 수 있지만, 업무와 관련한 지식과 맥락을 모르면 아무리 똑똑한 모델이라도 무용한 답을 내놓는다는 것이다.</p> <p contents-hash="213def1a9ca63b58cbf3696b47b295ce16da54e7916ce230c9bbf53a9fe74d48" dmcf-pid="ujRSpaYCEv" dmcf-ptype="general">문제는 이런 데이터가 사내 시스템 안에 흩뿌려져 있거나 인공지능이 활용할 수 있도록 정돈되지 않은 경우가 많다는 점이다. 국내 대기업에서 에이엑스 실무를 이끄는 ㄱ팀장은 “기업 내에서 인공지능에 입력하는 데이터는 피디에프(PDF), 워드 문서 같은 비정형 데이터가 대부분”이라며 “이런 데이터는 정제가 필수적인데 많은 기업이 충분히 수집·정제하지 않는다”고 말했다. 인공지능이 활용할 수 있도록 데이터를 수집·정제·전환 과정에서 ‘인적 병목’도 발생한다. 문서 양식이나 표기를 바꿔달라는 요청을 현업에서는 “번거로운 일”로 받아들이는 경우가 적지 않다고 실무자들은 입을 모은다.</p> <p contents-hash="e5a020b8fdb2105d20d736f4c119761d3ec997c648cde0abf292654c0838272b" dmcf-pid="7AevUNGhOS" dmcf-ptype="general">■“AI가 다 해주는 거 아니냐?” 막연한 목표와 과도한 기대</p> <p contents-hash="ef44fafd6adade5a4b2f884dfc5e1a1eff2f8d281fc41dd1ebe945ef9ad3069c" dmcf-pid="zcdTujHlDl" dmcf-ptype="general">과도한 기대 또한 실망감을 키운다. 데이터가 충분하고 반복적인 업무에서 주로 인공지능 도입의 효능을 체감할 수 있지만, 전환이 어려운 업무에도 도입을 시도하다 보면 비용만 들고 성과는 체감하기 어렵다는 것이다.</p> <p contents-hash="6602e1262e55007484023df7fbc77d7f31b90b6409df0b65c7fc12c1909154bd" dmcf-pid="qkJy7AXSmh" dmcf-ptype="general">예컨대 2~3년에 한 번꼴로 발생하는 고장 진단에 인공지능을 도입하는 경우, 부족한 데이터로 높은 검증 기준을 충족하려다 보니 너무 많은 시간과 비용을 허비하게 된다. 허영신 마키나락스 최고사업책임자(CBO)는 “기업들이 인공지능에 매우 큰 기대를 하지만, 실제 구현이 쉽지 않은 영역은 분명히 있다”며 “인공지능 도입 목적·효과가 구체적인 곳에서 전환 성공 가능성이 큰데, (그렇지 않은 영역은) 인공지능 도입의 비용 대비 효과에 대한 사내 공감대가 약해진다”고 지적했다. 김동민 팀장도 “매일·매월 비슷한 형태로 반복되고 처리 기준이 분명한 업무에서 효과가 크지만 예외 상황을 판단해야 하는 일은 난도가 급격히 올라간다”고 말했다.</p> <p contents-hash="96ede49587d8188b676585a0ff49770c4dfc7b332fe32ffcb47bb3b913d295d6" dmcf-pid="BEiWzcZvEC" dmcf-ptype="general">구체성이 떨어지는 목표도 인공지능 전환을 가로막는 요인으로 꼽힌다. “무역 업무 처리 신속화”와 같은 추상적인 목표로는 도입 과정이 난항을 겪을 수밖에 없다는 것이다. 에이엑스 서비스사 스타트업에서 일하는 ㄴ매니저는 “기업에서는 인공지능을 도입하면 마법처럼 모든 것을 할 수 있다고 막연하게 생각하는 경우가 많다”며 “인공지능을 왜 도입하고, 어떻게 적용할지에 대한 고민이 우선 필요하다”고 설명했다. 실무자들은 업무 전체를 한꺼번에 전환하려 하지 말고, 업무를 잘게 쪼갠 뒤 핵심 병목이 발생하는 곳에 인공지능을 우선 도입하라고 조언한다. 예컨대 무역 업무의 경우, 작업 시간이 오래 걸리는 ‘인보이스(송장) 확인’ 작업에 활용하는 식이다. </p> <p contents-hash="e8987fea4c5c15fbd7cb786c29f8ac3d37bde747de2213391322b3baf9998db4" dmcf-pid="bDnYqk5TwI" dmcf-ptype="general">■단순 기술 도입 아닌 업무 재설계해야</p> <p contents-hash="9e60e9393cc507c241eca6748b684a112093e931ff1d00ab36ee524588670114" dmcf-pid="KwLGBE1ysO" dmcf-ptype="general">전문가들은 성공적인 인공지능 전환을 위해 기술 도입을 넘어 업무 프로세스 점검 및 재설계가 필수라고 입을 모은다. 업무를 잘게 쪼개보고 데이터가 충분하고 활용이 용이한지, 비용 대비 편익은 충분한지 등을 꼼꼼히 따져야 성공적인 전환이 가능하다는 것이다. 허영신 최고사업책임자는 “혁신은 일하는 방식을 기존과 다르게 바꾸는 것을 전제로 한다”며 “인공지능을 어디에 사용할 것인지 등 인공지능 관점에서 업무를 재정의해야 한다”고 말했다. 김동민 팀장은 “에이엑스는 인공지능이란 도구를 활용해 일하는 방식을 다시 정의하는 과정”이라며 “업무 시간 절감, 비용 효율화 등 성과 측정 기준에 대한 회사 내 합의와 검증이 있어야 파일럿을 넘어 실제 성과로 이어질 수 있다”고 했다. ㄱ팀장은 “에이엑스를 조직의 일하는 방식 전체에 대한 전환으로 인식하고, 데이터·인프라·인력·문화 네 가지 구성 요소에 대해 균형 있게 접근해야 한다”고 말했다.</p> <p contents-hash="51c98a48141ade9473d0cb5adea8170f1456fc81a36f19b8ed2f8485a13bc470" dmcf-pid="9roHbDtWIs" dmcf-ptype="general">강재구 기자 j9@hani.co.kr</p> </section> </div> <p class="" data-translation="true">Copyright © 한겨레신문사 All Rights Reserved. 무단 전재, 재배포, AI 학습 및 활용 금지</p> 관련자료 이전 알고 봤더니 AI에이전트, ‘전력 먹는 하마’…생성형 AI보다 137배 더 소모 07-05 다음 옵시디언을 채굴하자-5 [두런두런 AI ⑮] 07-05 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
