AI 도입과 AX 전환

사실 국내 공공AI 시장에서는 AI 도입과 AX 전환을 동일어로 사용하고 있습니다. 이 두 표현은 아주 큰 차이가 있고, AX 전환은 거대한 사회적 갈등을 내포하고 있을 수도 있습니다. 그래서 두 표현을 비교하고 갈등없는 AX 전환 방안을 컨설턴트 관점에서 생각해 보았습니다.

AI 도입과 AX 전환

정의

AI 도입은 기존 업무 체계 안에서 특정 작업에 AI 기술을 적용하는 것입니다. 그에 반해, AX 전환은 AI를 전제로 업무의 목적은 유지하되 그것을 수행하는 구조 자체를 재설계하고 변경하는 것입니다.

변화의 대상

AI 도입은 개별 작업(task)을 바꿉니다. 기존 프로세스의 특정 단계가 자동화되거나 보조되지만, 업무 흐름과 의사결정 구조는 그대로 유지됩니다. AX 전환은 업무 프로세스와 의사결정 구조를 바꿉니다. "이 업무를 누가, 어떤 근거로, 어떤 절차로 수행하는가"가 재설계 대상입니다.

기존 시스템과의 관계

AI 도입에서 기존 시스템은 그대로 유지되고, AI는 기존 시스템에 종속된 보조 역할을 합니다. 시스템이 주(主)이고 AI가 종(從)이 되는 관계입니다. AX 전환에서는 이 관계가 역전되거나, 기존 시스템 자체가 재설계된 프로세스에 맞게 재구성됩니다.

데이터 활용

AI 도입에서 데이터는 기존 시스템이 이미 생성하고 저장하는 것을 AI가 읽어서 활용하는 구조입니다. 데이터의 생성 체계, 분류 기준, 저장 구조는 변하지 않습니다. AX 전환에서는 데이터 자체가 재설계 대상입니다. 재설계된 업무 프로세스가 요구하는 데이터가 기존 시스템에 없을 수 있고, 기존에 수집하던 데이터가 더 이상 필요 없을 수도 있습니다. 데이터가 업무의 부산물이 아니라 업무 구조를 결정하는 설계 요소가 됩니다.

조직과 역할

AI 도입은 담당자의 역할을 변화없이 유지되거나 일부 변경됩니다. 반복 작업이 줄어 시간이 절약되는 수준입니다. AX 전환은 역할 정의 자체가 달라질 수 있습니다. 업무의 중심이 실행에서 판단과 검증으로 이동하고, 역할 간 관계와 의사결정 권한의 재배치가 수반됩니다.

방법론

AI 도입은 기존 ISP/ISMP 방법론으로 수행할 수 있습니다. AX 전환은 목적 계층과 구조 계층의 분리, To-be 업무 재설계, 법적 제약 식별 등 기존 방법론에 없는 단계를 필요로 합기에 현재 AX전환에 어려움을 겪는 원인이기도 합니다.

성과지표

AI 도입의 성과는 효율 지표입니다. 처리시간 단축, 오류율 감소, 비용 절감처럼 기존 업무의 동일한 척도 위에서 개선을 측정합니다. AX 전환의 성과는 구조적 변화입니다. 이전에는 불가능했던 의사결정이 가능해지거나, 업무 단위와 역할 체계 자체가 재편되는 수준입니다.

한 문장으로 압축하면, AI 도입은 "기존 업무를 더 잘 하게" 만드는 것이고, AX 전환은 "업무가 작동하는 방식 자체를 다시 만드는" 것입니다.

AI 도입에서 AX 전환으로 (전환의 성숙도)

앞서 내용을 보면 AI 도입과 AX 전환은 전혀 다른 것이며, 일부 대립되는 개념으로 받아들여 집니다. 그리고 조직에서 일하는 이들에게 AX 전환은 법령의 수정과 변경 이전에 생존의 문제이기에 쉽게 다루고 결정할 수 없는 문제입니다.

그래서 AI 도입에서 AX 전환으로의 이행이 가능한지에 대해 얕게 고민한 내용을 정리해봤습니다. 우리는 이 전환을 “전환의 성숙도”라고 부르기로 했습니다.

다음에 이어지는 내용은 클로드와의 Q&A 내용입니다.

AI 도입과 AX 전환을 "완전히 다른 두 가지 프로젝트"로 보면, 공공기관 입장에서는 AX 전환이 너무 급진적으로 느껴져서 선택하기 어렵습니다. 그런데 현실에서는 어느 기관도 처음부터 업무 구조 전체를 재설계하는 AX 전환에 바로 들어가지 않습니다. 대부분 AI 도입부터 시작합니다. 챗봇을 붙여보고, RPA를 적용해보고, 데이터 분석을 시도합니다.

문제는 이 과정이 방향 없이 진행되면 AI 도입 수준에서 멈춘다는 것입니다. 개별 작업이 자동화되지만 업무 구조는 그대로이고, 시간이 지나도 본질적 변화는 일어나지 않습니다. 여기에 머무는 것을 저는 "영원히 멈춘다"고 표현한 겁니다.

성숙도 단계라는 관점은, AI 도입이 AX 전환의 전(前) 단계가 될 수 있다는 뜻입니다. AI 도입을 통해 기관이 AI 기술을 경험하고, 데이터를 다루는 역량을 쌓고, 조직 내 수용성을 확보한 뒤에, 그 토대 위에서 업무 구조 재설계로 나아가는 것입니다. 단, 이것이 자연스럽게 일어나는 게 아닙니다. AI를 많이 도입한다고 자동으로 AX 전환이 되는 것이 아니라, 처음부터 AX 전환을 목표로 설정해두고 AI 도입 단계를 그 경로 위에 배치해야 가능합니다.

그런데 이 생각을 좀 더 따져보면, 주의할 점이 있습니다. 이것이 자칫 "AI 도입을 충분히 하면 AX 전환으로 진화한다"는 오해를 줄 수 있습니다. 앞서 우리가 정리한 것처럼 AI 도입과 AX 전환은 변화의 대상 자체가 다릅니다. 작업을 바꾸는 것과 구조를 바꾸는 것은 양(量)의 차이가 아니라 질(質)의 차이입니다. AI 도입을 아무리 많이 해도, 구조 재설계라는 질적 전환 없이는 AX 전환이 되지 않습니다.

그래서 정확히 표현하면 이렇습니다. AI 도입은 AX 전환의 필요조건이 될 수 있지만 충분조건은 아닙니다. 성숙도 단계라는 프레임이 유용하려면, 단순히 "도입 → 전환"이라는 자연적 진화가 아니라 "도입 단계에서 전환 단계로 넘어가기 위해 방법론적으로 무엇이 개입되어야 하는가"를 명시해야 합니다. 그 개입 지점이 바로 7단계 방법론이 들어가는 자리입니다.

그렇지만 모든 기관의 모든 업무에 대해 "AI 도입에서 AX 전환으로 넘어가는 정밀한 단계"를 사전에 설계해놓는 것은 불가능합니다. 기관마다 업무 특성이 다르고, 법적 제약이 다르고, 조직 문화가 다르고, AI 기술 자체도 계속 변하기 때문입니다.

그런데 여기서 방법론의 역할을 다시 생각해볼 필요가 있습니다. 방법론이 "정답을 제시하는 매뉴얼"이 되려 하면 불가능하지만, "올바른 질문을 던지는 프레임" 역할을 한다면 방법론에 의미와 가치를 부여할 수 있습니다.

예를 들어 방법론이 "AI 도입 후 18개월 뒤에 업무 구조를 재설계하라"고 말하는 것은 불가능하고 무의미합니다. 하지만 "AI를 도입한 업무에 대해 다음 질문을 주기적으로 점검하라"고 하는 것은 가능합니다. 이 AI가 기존 프로세스를 보조하고 있는가, 아니면 프로세스 자체를 바꿀 수 있는 지점이 보이는가. AI가 생성하는 데이터가 기존 시스템에 없던 의사결정 근거를 만들어내고 있는가. 담당자의 역할이 실질적으로 달라지고 있는가, 아니면 같은 일을 더 빠르게 할 뿐인가. 이런 질문에 대한 답이 바뀌는 순간이 질적 전환의 가능성이 열리는 시점입니다.

방법론이 제공할 수 있는 것은 전환의 정밀한 로드맵이 아니라, 전환의 가능성을 감지하고 판단할 수 있는 관점과 기준입니다. 양적 축적 과정에서 질적 전환의 징후를 알아볼 수 있는 눈을 갖추게 하는 것, 그리고 그 징후가 포착되었을 때 어떤 절차와 검토를 거쳐 구조적 재설계로 나아갈 수 있는지의 경로를 제시하는 것. 이 정도가 방법론이 현실적으로 담당할 수 있는 범위일 것 같습니다.

결국 이 방법론은 "이렇게 하면 AX 전환이 된다"가 아니라 "AX 전환이 가능한 조건을 어떻게 만들고, 그 조건이 갖춰졌을 때 어떻게 실행하는가"를 다루는 것이 되어야 할 것 같습니다. 이 방향이면 불가능하지 않다고 생각합니다.