AI 시대, 인간끼리의 지식 나눔으로는 생존할 수 없다

AI와 함께 지식 관리에서 가치 창출까지-AI 지식관리시스템

[월간 AI와 경영_2025.2.]

“AI 시대, 인간끼리의 지식 나눔으로는 생존할 수 없다.”

: AI와 함께 지식 관리에서 가치 창출까지-AI 지식관리시스템

 

1980년대 후반까지 대한민국의 경제는 대체로 10%대 성장을 기록했었습니다. 

산업화와 수출, 그리고 이른바 '3저 호황(저유가, 저금리, 저달러)' 덕이 큽니다. 내외부에 다양한 요인이 있지만, 기저에는 한국인의 근면함과 뜨거운 교육열이 큰 몫을 했었습니다.

이후 여러 경제적 도전에 최선을 다해 대응했음에도, 성장률은 꾸준히 떨어지고 있습니다. 이는 경제 성숙 단계의 특징으로 볼 수도 있으나, 지식경영 관점에서는 다르게 볼 수도 있습니다.

우리는 그동안 열심히 공부하고 지식을 쌓아 성장해 왔습니다. 하지만 기업 혁신 부족, 창의적 산업 전환 미흡 등 지식을 지혜로 만들지 못한 우리의 한계가 있었음을 인정하지 않을 수 없습니다. 어쩌면 정보를 지식으로 만들지 못했을 수도 있습니다.

AI 시대, 우리는 어떻게 지식을 학습하고 가치를 만들어 지속 성장할 수 있을까요?

---

지식의 생성, 그리고 진화: DIKW

새로운 플랫폼의 자동차가 출시될 때마다 재미있는 경험을 했었습니다. 가스차가 나왔을 때는 “담배 피우다 차 터진다.”, 수소차가 나왔을 때는 “사고 나면 핵폭발 일어난다.”, 전기차가 나왔을 때는 “비 오면 감전된다.”는 식의 유머인지 괴담인지 모를 시시껄렁한 이야기가 한 때 술안주였습니다.

새로움을 넘어 혁신적인 무엇인가가 나오면, 항상 찬반 여론이 있습니다. AI가 본격적으로 등장한 최근 몇 년에도 같은 현상은 반복되고 있습니다. 새로운 기술에 대한 거부감을 느끼는 사람들이 있는 반면, 편리함과 혁신성에 주목하여 적극적으로 수용하는 사람들도 있기 때문입니다. 이는 새로운 기술이 사회 전체로 확산되고 이용자에게 수용되는 과정에서 자연스럽게 나타나는 현상입니다. 

‘인공지능(AI)’ 키워드를 *소셜 빅데이터에서 분석했을 때도 같은 현상이 나타납니다. ‘효율’과 ‘혁신’이라는 긍정 감성어가 상반된 ‘위협’과 ‘우려’라는 부정 감성어와 함께 다양한 언급들에서 발견됩니다. AI의 효율성과 혁신성에 너무나 놀란 나머지, 이것이 만들어 낼 일자리 위협과 실업의 우려에 대한 의견으로 해석됩니다.

*소셜 빅데이터 분석(Social Bigdata Analysis)은 온라인상의 기사나 SNS 콘텐츠 및 그에 대한 댓글과 같은 다양한 반응을 분석하여, 연관성과 관심사를 해석하는 방법론입니다.   

이러한 새로운 현상에 대한 두려움은 극히 자연스러운 것입니다. AI를 조금이라도 써 봤다면 느꼈겠지만, AI가 인간의 많은 부분을 대체하고 있으며 그 속도가 더해가고 있다는 것은 이미 누구나 경험했죠. 그래서 AI로 인해 없어지는 일자리만큼 새로운 일자리가 만들어진다는 말에도 여전히 두려운 것은, 아마도 <생겨나는 양>이 아니라 <없어지는 속도>라고 생각하기 때문일 것입니다.

인류의 역사는 혁명적인 변화 속에서 발전해 왔습니다. 그리고 AI라는 거대한 변화에 대한 두려움 속에서도 우리는 방법을 찾아 나갈 수 있을 것입니다. 그 과정에서 여러 중요한 요인들이 있겠지만, 특히 지식은 중요합니다.

지식이란 경험, 학습, 사고를 통해 얻은 정보와 이해의 총체입니다. 지식은 단순한 데이터의 집합을 넘어 맥락과 경험, 학습을 통해 축적되며 시대에 따라 새롭게 생겨나고, 기존 지식이 변화하고 발전하고 사라지기도 합니다. 또한 개인적인 지식이든, 집단의 지식이든, 문서, 교육, 구전 등을 통해 전달 및 공유가 가능합니다.

이러한 지식이 중요한 이유는 상황을 해석하고 문제를 해결하는 능력까지 포함하고 있기 때문이며, 이를 통해 의미 있는 통찰(Insight)과 의사결정(Decision-Making)을 할 수 있기 때문입니다. 인간 생존에 필요한 환경에 대한 적응, 문제 해결 및 혁신, 협력과 커뮤니케이션, 기술의 발전, 위험과 위기에 대한 대응 등 인간의 진보는 곧 지식의 전수를 통해 가능했던 것입니다.

지식은 데이터(Data)에서 시작하여 정보(Information), 지식(Knowledge), 지혜(Wisdom)로 피라미드 형태(DIKW 피라미드)로 발전합니다. 데이터는 개별적인 사실과 숫자이며, 정보는 데이터를 맥락에 맞게 정리하고 패턴을 분석해 의미를 부여한 것을 의미합니다. 지식은 정보를 해석하고, 경험과 결합하여 실질적인 행동을 유도하며, 결국 통찰력이라 불리는 지혜의 단계에 이릅니다.

[DIKW 피라미드 모델]

기업 활동에 DIKW를 적용한다면 다음과 같이 설명할 수 있을 것 같습니다.

• 어떤 회사의 영업 사원이 고객을 만나면서 기록한 '오늘 A고객사 방문, 구매 의향 있음'이라는 것이 데이터입니다. 

• 이런 데이터들이 모여 '이번 달 영업 활동 중 37%가 구매 의향이 있다'라는 정보가 됩니다. 여기에 '작년 같은 기간 대비 12% 상승했으며, 신제품 출시 후 구매 의향이 증가하는 추세'라는 맥락이 더해지면 지식이 됩니다.

• 그리고 '제품 업그레이드와 마케팅 강화로 고객 구매 의향이 상승했으니, 이달 중 집중적인 영업 활동이 필요하다'는 실천적 판단으로 이어지면 이는 지혜가 되는 것입니다.

이렇듯, 기업의 생존에 있어 지식 관리는 특히 중요하다고 할 수 있습니다. 기업의 생존은 지식을 통해 경쟁 우위를 확보하고, 얼마나 많은 가치를 창출하여 지속적인 성장을 하는가에 달려있기 때문입니다.

---

기업의 생존을 좌우하는 지식경영

사실 기업의 지식 관리(Knowledge Management, KM)는 오랜 역사를 가지고 있는데 1990년대에 이르러 본격적으로 논의되었습니다. 비즈니스 구루이자 지식경영)의 권위자인 일본의 경영학자 노나카 이쿠지로(Ikujiro Nonaka)의 <지식 창출 이론> 덕분입니다.

그는 지식 창조의 과정을 ‘암묵지’와 ‘형식지’의 상호작용으로 설명했습니다. 암묵지(Tacit Knowledge)는 자전거 타는 법이나 장인의 기술과 같이, 개인의 경험과 직관에 기반한 표현하기 어려운 지식입니다. 형식지(Explicit Knowledge)는 수학 공식, 법률 조항과 같이, 문서, 책, 데이터의 형태로 정형화되어 전달 가능한 지식입니다.

또한, 암묵지와 형식지는 사회화-외재화-결합-내재화 과정에서 상호 변환되며, 이를 통해 조직의 혁신과 가치가 창출되며 지속적인 학습이 이루어진다(*SECI 모델)고 하였습니다.

*SECI 모델
• 사회화(Socialization): 경험을 공유하여 암묵지를 암묵지로 전이 (예: 멘토링, 현장 실습)
• 외재화(Externalization): 암묵지를 형식지로 변환 (예: 회의록, 보고서, 매뉴얼 작성)
• 결합(Combination): 다양한 형식지를 조합하여 새로운 형식지 창출 (예: 데이터 분석, 전략 기획)
• 내재화(Internalization): 형식지를 다시 암묵지로 흡수 (예: 교육 및 실무 적용)

[SECI 모델 작동 개념]

이처럼 조직 내의 정보를 체계적으로 수집, 저장, 공유, 활용하여 경쟁력을 높이는 프로세스인 지식 관리를 통해, 기업은 경쟁력과 혁신을 유지할 수 있습니다. 지식 관리를 하면 필요한 정보를 쉽게 찾고 불필요한 반복 업무가 줄어들어 업무 효율성과 생산성이 향상되며, 내부 지식 공유 및 기존의 데이터 활용을 통해 더 나은 아이디어와 혁신을 만들 수도 있습니다.

물론 SECI 모델의 한계도 있습니다. 경험과 직관적 노하우인 암묵지를 형식지로 변환하는 외재화 과정이 복잡하고 비효율적인 부분이 있으며, 지식 공유의 수동성으로 지식 공유를 장려하는 조직 문화가 없는 기업에서는 효과적으로 작동하기 어렵기도 합니다. 시간이 지나면서 정보가 노후화되고 활용성이 낮아지는 정적인 지식 관리도 큰 문제였습니다.

이를 극복하기 위한 지식 관리시스템(KMS, Knowledge Management System)의 등장으로 지식이 문서화 및 매뉴얼화 되고, 데이터베이스로 관리되고, 공유 및 협업이 가능해졌습니다. IBM, Microsoft, SAP 등 1990~2000년대 초기 KMS를 통해 비즈니스 프로세스 개선이 이루어졌습니다.

그러나 전통적인 조직 환경을 기반으로 설계된 SECI 모델을 시스템화 한 초기 KMS는 문서 중심의 저장 및 검색, 정형 데이터 위주 관리, 수동적인 정보 입력 및 관리, 정적인 지식 공유 플랫폼으로 한계가 있었습니다.

이후, 2010년대에는 방대한 데이터를 실시간으로 분석하고 활용하는 기업 환경에 대응하기 위해 클라우드 및 빅데이터 기반 KMS가 등장하였습니다. 클라우드 기반 문서 저장 및 AI 검색 기능 도입한 Google, 자연어 처리(NLP)와 머신러닝을 활용한 AI 기반 KMS인 IBM Watson, CRM과 연계된 AI 기반 KMS로 지식 추천 및 자동화 기능을 제공하는 Salesforce 등 KMS는 더 정교하고 동적인 시스템을 갖추게 되었습니다.

---

인간끼리 지식 관리에서 AI와 함께하는 지식 관리로 

지금의 경영환경은 많은 것이 연결되어 극도로 복잡하고 예측이 불가한 지경입니다. 데이터는 인간의 능력만으로는 다룰 수 없을 정도로 많아졌습니다. 이러한 상황에 인간끼리의 한정적인 지식을 나누며 기업을 경영한다는 것은 매우 큰 리스크입니다. 이것이 AI 시대를 맞아 다시 지식 관리를 이야기해야 하는 이유입니다. 

2020년대의 KMS는 생성형 AI를 활용한 문서 요약, 자동 분류, Q&A 시스템을 제공하는 OpenAI, AI 기반 문서 검색과 업무 자동화를 지원하는 Microsoft Copilot, 머신러닝을 활용한 의료, 금융, 제조업 분야의 지식 관리 솔루션을 확장하는 Google DeepMind 등 AI 기반 지식 관리가 가속화되고 있습니다.

과거에는 지식 관리를 통한 가치 창출 과정이 순차적이고 느렸습니다. 하지만 AI의 등장으로 이제는 실시간으로 데이터가 수집되고, 즉각적으로 의미 있는 정보로 전환되며, 복잡한 맥락까지 분석된 지식으로 발전하고 있습니다. 더 나아가 AI는 수많은 사례를 학습하여 최적의 의사결정까지 제안하고 있습니다.

AI 기술은 DIKW 피라미드를 실현하는 방법도 바꾸었습니다.

데이터 단계에서는 비정형 데이터(텍스트, 이미지, 음성, 영상)와 정형 데이터(숫자, 구조화된 정보)를 포함하며, AI 기반의 데이터 마이닝 및 자연어 처리(NLP)를 통해 기업의 데이터 자산을 정리하고 활용할 수 있게 되었습니다. 이 과정조차 AI가 방대한 데이터를 자동으로 수집, 정리, 태깅하여 관리 부담을 줄여주었습니다.

데이터 간의 관계를 분석하고 유의미한 패턴을 도출하는 정보 단계에서는, AI 기반의 분석 툴과 시각화 기술이 적용되어 챗봇, 자동 보고서 생성은 물론, 단순 키워드 검색이 아니라 사용자의 질문 의도를 파악해서 관련 지식을 추천해 주는 (의미 기반) 검색 최적화 등이 가능해졌습니다.

정보를 기반으로 실질적인 의사결정이 가능하도록 도출된 통찰-지식 단계에서는 AI 기반 데이터 분석을 기반으로 트렌드를 예측 및 추천 시스템, 업무 자동화(RPA) 등이 가능합니다. AI를 통해 업무 패턴을 지속적으로 학습하고 최적화하면서 점점 더 정교하게 맞춤형 정보와 지식을 제공하고 있습니다.

지혜 단계에서는 AI를 통해 조직의 전략적 의사결정과 혁신 지원, 최적의 경영 전략을 도출할 수 있습니다. 이제 실시간 분석 결과를 바탕으로 한 ‘AI 지혜 기반 의사결정’이 가능합니다.

이러한 방법론이 반영된 AI 기반 지식 관리는 오랜 시간 축적되어야 할 수 있었던 암묵지 전환의 어려움, 지식 공유의 수동성, 정적인 지식 관리, 지식의 낮은 활용 등 기존 지식 관리의 패러다임을 바꿔가고 있습니다.

결과적으로 AI 기반 KMS는 단순한 정보 저장 시스템이 아니라, 기업의 생산성과 혁신을 높이는 <지능형 의사결정 지원 시스템>으로 발전하며 기업 경쟁력을 넘어 생존에 필수적인 요소가 되고 있습니다.

“내부 지식이나 데이터가 없는데, 어떻게 AI 기반 지식 관리를 할 수 있는가?”라는 질문을 할 수도 있습니다. 그런데 AI는 *가상 데이터 생성으로 이러한 문제를 극복할 수 있습니다.

             

* 실제 데이터가 부족하거나 데이터를 얻는 데 비용이 많이 드는 경우, 실제 데이터의 통계 속성을 모방하는 인공 데이터를 만드는 가상 데이터 생성이 가능합니다. 이러한 데이터는 알고리즘과 기계 학습 기술을 통해 생성되며, 컴퓨터 시뮬레이션이나 실제 사건을 모델링하는 등 다양한 방법으로 데이터를 활용할 수 있습니다.

이러한 AI솔루션은 클라우드 제공업체의 인프라를 활용하는 클라우드(Cloud) 방식, 기업이 자체적으로 내부 AI 솔루션을 구축하고 운영하는 온프레미스(On-Premise) 방식으로 구현할 수 있습니다. 보안 이슈가 있는 클라우드와 비용 이슈가 있는 온프레미스의 중간 형태도 좋은 선택이 될 수 있습니다. 어플라이언스(Appliance)는 AI 솔루션에 필요한 하드웨어와 소프트웨어 패키지인데, 대표적으로 AI 전문기업 솔트룩스의 루시아온(LUXIA ON)이 있습니다.

[세계 최초 생성AI 어플라이언스 LUXIA-ON]

AI로 노나카의 지식경영이나 DIKW 피라미드를 적용하여 경쟁력을 만들어 내기 위해서는 LLM (Large Language Models)에서 RAG(Retrieval Augmented Generation), 그리고 AI에이전트(agent)의 단계까지 발전시켜야 하는데, 자체적으로 할루시네이션, 최근성, 보안, 비용 등을 극복하기 어려운 이유로 루시아온과 같은 어플라이언스가 큰 관심을 받고 있습니다.

최근 ‘딥시크(Deep Seek) 쇼크’가 전세계의 큰 이슈였습니다. AI 기술은 국가 경제와 안보에 막대한 영향을 미칠 수 있기에 나라별 AI 패권 경쟁이 치열하며, 국가별로 독립적이고 차별화된 AI를 확보해야 한다는 목소리도 큽니다. 이에 솔트룩스는 법률, 의료, 제조, 교육 등 각 도메인 특화로 우수한 성능을 보이고 있는 거대언어모델(LLM) 루시아2.5(LUXIA2.5)를 국내 소프트웨어 기업과 개발자에게 무상 제공할 것이라 하였습니다.

아직 AI 솔루션 도입이 안 되어 있다면, 이미 다양하게 적용해서 검증된 솔루션들이 있으니 도입을 검토해 볼만합니다.

솔트룩스 루시아온 ▶ https://www.saltlux.com/kor/contents/view.do?mId=39

---

AI와 어떻게 지식을 나누고 성과를 낼 것인가?

AI는 데이터와 정보, 그리고 지식을 넘어 지혜의 영역까지도 우리에게 제공해 줍니다. 그러면 이제 우리는 무엇을 해야 할까요? 이것은 AI 시대에 생존을 위한 매우 중요한 과제입니다.

AI 솔루션도 일반적인 솔루션과 마찬가지로 도구입니다. 그러므로 나에게 맞게, 편하게 쓸 수 있도록 도구를 갈고 잘 관리해야 합니다. 하지만 보통의 경우, 좋은 의도로 도입한 솔루션을 충분히 활용하지 않아 효과를 보지 못하거나, 솔루션의 활용도를 높이기 위한 업무 비효율을 양산하는 경우가 종종 있습니다. AI 솔루션의 경우 더욱 그러할 것입니다. 왜냐하면, AI는 다른 도구와 달리 제대로 써먹기 위해서는 지속적인 학습을 통해 발전시켜야 하는 도구로, 사실 도구를 넘어 파트너의 개념에 가깝기 때문입니다.

그러므로 가장 먼저 할 일은 AI를 파트너로 인식하고 AI를 진정한 파트너로 만들기 위해서, 나의 학습과 실천과 더불어 AI를 학습하는 것에 집중해야 합니다. 가령, 숙련된 기술자의 작업 과정을 AI가 학습하여 패턴화 하면, 그동안 전수하기 어려웠던 암묵지가 보다 쉽게 형식지로 바뀌고, AI를 통해 새로운 통찰력을 얻는 선순환 구조를 만들어야 한다는 것입니다.

그리고 AI가 이처럼 뛰어난 분석과 처리 능력을 가졌다면, 우리는 직관, 감성 혹은 비판적 분석으로 판단하고, 가치를 선별적으로 수용하고 창의적으로 통합하는 것이 우리의 몫입니다. 인간만의 고유한 강점을 발전시키는 것은 AI와 협업하며 성과를 낼 수 있는 기본 조건이라고 할 수 있습니다.

마지막으로 가장 중요하게 강조하고 싶은 것은 기업가 정신입니다. AI시대 기업 환경은 이전과는 완전히 다르며, 완전히 새로운 비즈니스 모델이 필요합니다. 이를 위해 가장 중요한 것은 결국 도전과 위험을 감수하는 기업가 정신입니다. AI를 통한 지식경영을 "불확실한 투자"라는 생각으로 미룬다면, 잘 이해하지 못한 것보다 더 빨리 망하게 될 것입니다. 왜냐하면 충분히 이해하지 못했다고 하더라도 학습효과는 있기 때문입니다.

결론적으로, AI 시대의 지식 경영은 AI와의 협력을 통해 인간 고유의 강점을 극대화하고, 창의적인 아이디어를 바탕으로 새로운 비즈니스 모델을 구축하는 것을 의미합니다. 이러한 과정을 성공적으로 이끌어내기 위해서는 AI와의 학습과 실천, 그리고 불확실성에 도전하는 기업가 정신을 잊지 말아야 하겠습니다. 끝.

#인공지능 #AI #LLM #생성형AI #AI챗봇 #AI에이전트 #RAG #챗지피티 #챗GPT #제미나이 #코파일럿 #퍼플렉시티 #딥시크 #DT #디지털전환 #기업용AI #엔터프라이즈AI #AI어플라이언스 #AI보안 #솔트룩스루시아 #솔트룩스구버 #소셜빅데이터 #칼럼니스트 #칼럼 #작가 #외부필진 #마케팅컨설팅 #강의 #강연 #정호훈