AI 교육기관에서 AX와 에이전트 설계 방법론 교육자료로 활용하기 위해 만든 교재인데, 개인적으로 AX 관련 업무를 수행하고 있는 현직 컨설턴트의 입장에서 이해하기 쉽고 적용하기에도 쉬운 프레임워크를 제시해주고 있는 점이 인상적이었다. 이 책은 자신의 직무를 잘게 분해하여 병목과 페인포인트를 찾고, 흩어진 업무를 데이터로 바꾸고, 우선순위를 가려 Task 단위로 쪼갠 뒤 실무에 바로 붙일 AI 에이전트를 직접 만들기까지 필요한 절차와 템플릿들을 제시하고 있다. AX는 AI를 도입하는 것이 아니라, AI를 중심으로 일하는 방식을 다시 설계하는 전략적 전환이라면서 워크플로우 재설계가 중심이 되어야 한다고 말한다. AX는 어떤 일을 사람이 하고, 어떤 일을 AI가 하는가를 새롭게 설계하는 것이라면서 말이다. 반복적이고 규칙이 명확한 업무, 데이터에 기반한 처리, 패턴이 일정한 판단의 경우 AI에게 맡겨야 하며, 맥락에 따른 유연한 판단, 감성이 개입되는 소통, 책임이 따르는 의사결정은 사람의 영역이라는 것이다. 이를테면 데이터 수집과 초안 생성은 AI가 먼저 하고, 사람은 그 결과를 검토하고 결정하는 흐름이 효율적이라면서, AI가 가장 잘하는 것을 업무의 앞단에서 작동하도록 순서를 재배치해야 한다고 말한다. 특히 오류의 파급력이 큰 단계, 외부로 내보내기 전 최종 확인이 필요한 단계, 예외 상황 처리가 필요한 단계에는 사람이 반드시 개입해야 한다고 언급한다. 우선적으로 AI에게 완전히 넘길 수 있는 단순 반복 업무, 내 판단력에 AI의 속도를 더해 더 큰 성과를 낼 일, 확보된 시간에 새롭게 도전할 핵심 고부가가치 과업을 구분한 다음, "나는 AI를 통해 [현재의 비효율, 반복 업무]를 해결하고, 남은 시간에 [내가 창출하고 싶은 가치]에 집중함으로써, 나만의 AX를 완성하겠다"고 나만의 AX를 정의하는 일을 해야 한다고 말한다. 그 다음에 자신의 업무를 상세히 들여다보기 위해 여정지도를 그린 후 고통의 강도(I), 발생 빈도(F), 전략적 중요도(V)를 가지고 상세 평가를 해야 한다고 말한다.

고통의 강도, 발생 빈도, 전략적 중요도 측면에서 세 항목의 점수를 합산했을 때 총점이 가장 높은 페인포인트가 1순위 AX 과제로 선정될 수 있다면서, 총점이 높더라도 현재 시점에서 기술적으로 해결하기 어렵거나, 필요한 데이터가 없거나, 보안 이슈가 큰 과제는 1순위서 제외해야 한다고 말한다. 총점이 비슷한 과제들이 여러 개일 경우, 지금 당장 파일럿을 시작할 수 있는가, 성과를 4~8주 안에 확인할 수 있는가, 팀 안에 이 과제를 실행할 역량이 있는가를 추가로 평가해야 한다면서 말이다. 특히 데이터 준비 수준을 진단할 때, 이 과제에 필요한 데이터가 디지털 형태로 존재하는가, 그 데이터가 어디에 저장되어 있는지 알 수 있는가, 팀이 그 데이터에 접근할 수 있는 권한이 있는가, 데이터의 형식이 일관되어 있는가, 데이터의 업데이트 주기가 적절한가(최신성)를 따져야 한다고 조언한다. 이를 바탕으로 데이터 확보(데이터 수집 경로 확보, 아날로그 자료의 디지털 전환 등), 품질 및 정제(데이터 노이즈 제거, 표준화, 비정형 데이터 구조화 등), 보안 및 권한(개인정보 보안 처리, 내부 보안 승인 및 권한 획득 등) 관점의 결함 요소와 대응 전략을 수립해야 한다면서 말이다. 본격적으로 업무를 재설계 하기 위해 우선 본인의 업무를 Work, Activity, Task로 분해해야 한다고 말한다. 이 때 Task를 구체적으로 기술하고, 각 Task에 소요되는 시간을 함께 기입해야 한다고 언급한다. 시간이 가장 많이 소요되는 Task가 AI 전환 1순위가 될 수 있으며, 수동 작업이 많은 Task, 여러 시스템을 오가는 Task, 동일한 내용을 여러 곳에 중복 입력하는 Task에서는 오류가 집중되기 때문에, 이 지점들을 AI로 자동화하면 품질 향상과 시간 절약을 동시에 달성할 수 있다고 말한다. 해당 Task가 규칙/패턴이 명확하고, 필요한 데이터가 있으며, 사람의 직관 및 감성 판단이 핵심이 아니면 우선적으로 AI 전환이 가능하다고 말한다.

규칙/패턴이 명확하고, 필요한 데이터가 있지만, 사람의 검토 및 판단이 함께 필요한 Task는 AI와 인간이 협업해야 하며, 규칙/패턴이 명확하지 않거나 필요한 데이터가 존재하지 않고 사람의 직관, 감성, 맥락 판단이 결정적인 곳은 인간이 담당해야 한다고 언급한다. 업무 재설계는 AI의 강점이 가장 앞단에서 작동하게 만드는 것이 중요하며, 순서 변경이 가져오는 다른 영향을 확인하면서 사람이 검토하는 지점을 함께 재설계해야 한다고 말한다. 가장 효과가 크고 리스크가 낮은 단계부터 먼저 재배치하고 검증한 뒤에 다음 단계로 확장하는 것이 좋다면서 말이다. 한편 매번 같은 방식, 패턴으로 수행되는가, 시간이 많이 걸리거나 다음 단계를 지연시키는가, 입력 데이터가 바뀌면 출력도 예측 가능하게 바뀌는가의 세 항목을 평가하여 평균 점수를 매겨 AI 전환효과(Impact)를 진단할 수 있고, 오랜 경험에서 나오는 직관이 있어야 하는가, 케이스마다 다른 대응이 자주 필요한가, 보안 등급, 개인정보보호법, 산업 규제가 적용되는가의 세 항목을 평가하여 평균 점수를 매겨 AI 전환 난이도(Effort)를 진단할 수 있다고 말한다. 이 두 평균 점수를 2x2 매트릭스에 배치하여, 둘 다 높은 쪽이라면 전략적으로 추진하고, 둘 다 낮은 쪽이라면 여유가 있을 때 추진하며, 전환효과가 높고 난이도가 낮은 쪽이라면 즉시 도입하고, 전환효과가 낮고 난이도가 높다면 보류하거나 제외하면 된다고 말한다. 이를 바탕으로 AI 협업 워크플로우를 설계하게 되는데, 즉시 도입으로 분류된 Task를 워크플로우 앞부분에 두고, 효과는 크지만 난이도가 높은 Task는 AI가 초안, 분석 결과를 먼저 제시하고 인간이 검토, 결정하는 협업 구조를 만들며, 사람의 판단이 결정적인 Task는 AI 처리 단계 직후, 다음 단계로 넘어가기 직전에 배치하는 것이 좋다고 말한다. 그 다음으로 AX ROI를 계산하는 방법에 대해 알려주고 있다.

일단 현재 낭비 비용의 경우, "투입 인원(명) x 업무 빈도(월 횟수) x 1회 소요 시간(시간)"으로 연간 총 투입 시간을 구한 뒤, "연간 총 투입 시간 x 시간당 인건비"로 연간 낭비 비용을 구할 수 있다고 말한다. 여기서 시간당 인건비의 경우 "연봉/연간 근무 시간(약 2000시간)"으로 추정하고, 복리후생비, 간접비를 감안해 그 값의 1.3~1.5배를 실질 비용으로 추산할 수 있다고 언급한다. 오류 비용 산출의 경우, 이 업무에서 현재 발생하는 오류 및 리스크를 적고, 한 달에 몇 번이나 수습이 필요한 상황이 생기는지 적어보라고 말한다. 오류 1건을 수습하는 데 추가로 걸리는 시간과 담당자의 시간당 인건비도 같이 계산하고, "월 오류 발생 빈도 x 재작업 시간 x 시간당 인건비 x 12개월"로 한 해 동안 오류 수습 비용을 추산할 수 있다고 말한다. 결국 AX 적용 후 도달하려는 목표 값과 시점을 산정한 뒤, "[AX 과제명]의 [개선 지표]를 [현재 기준 값]에서 [목표 값]으로 [목표 시점]까지 개선한다"고 선언한 후에 목표 값을 비용으로 환산해 절감 효과를 확정할 수 있다고 말한다. 이어서 에이전트를 만드는 프롬프트에 대해 자세히 설명하고 있는데, 우선 프롬프트의 4가지 핵심 요소로 역할, 맥락, 제약, 출력을 언급하고 있다. 역할은 전문 분야(어떤 도메인의 전문가인가), 경험 수준(얼마나 숙련된 전문가인가), 핵심 역량(이 역할에서 가장 중요한 능력은 무엇인가)에 대한 것이고, 맥락은 조직 맥락(어떤 회사, 어떤 팀, 어떤 업종인가), 업무 맥락(이 에이전트가 처리하는 업무가 전체 워크플로우에서 어떤 위치인가), 사용자 맥락(이 에이전트를 사용하는 담당자의 역할과 수준은 어떤가), 데이터 맥락(에이전트가 처리하는 데이터의 특성과 한계는 무엇인가)이며, 제약은 데이터 제약(고객 개인정보를 출력에 포함하지 마라, 확인되지 않은 외부 데이터를 사실처럼 제시하지 마라), 형식 제약(지정된 템플릿 형식을 벗어나지 마라, 500자를 초과하지 마라), 판단 제약(법적 판단이나 의료적 판단을 직접 내리지 말고 전문가 확인을 권고하라), 투명성 제약(확실하지 않은 정보는 [확인 필요]로 표시하라, 추정에 기반한 내용은 추정임을 명시하라) 이라고 말한다.

출력의 경우 형식(표, 불릿 포인트, 번호 목록, 이메일 형식, 보고서 형식), 길이(최대 500자, A4 1페이지 분량, 3줄 요약 등), 필수 포함 항목(항상 포함해야 하는 섹션이나 정보), 언어 톤(공식적/비공식적, 한국어/영어), HITL 지점 표시(사람의 검토가 필요한 부분을 [검토 필요] 태그로 표시 등) 등이라고 말한다. 이러한 프롬프트를 염두에 두고 에이전트 명세서를 작성해야 하는데, 이름과 역할, KPI와 연결되는 구체적 목표, 입력/처리/출력의 3~5단계 핵심 작동 흐름, 담당자가 제공해야 하는 최소 정보인 주요 입력 값, 결과물의 형식과 포함 내용인 기대 결과물, 사람이 검토 및 승인해야 하는 HITL 지점 등을 명기해야 한다고 말한다. 이러한 에이전트 명세서를 프롬프트로 전환하기 위해서는, AI가 어떤 전문가의 관점에서 일해야 하는가(직함, 경험, 특기, 사고방식, 접근원칙), 어떤 상황에서, 어떤 자료를 바탕으로, 무엇을 위해 수행하는 업무인가(에이전트가 모르면 안 되는 우리 조직의 정보, 산업/규모/주요 고객 특성/핵심 비즈니스 모델, 에이전트가 처리하는 데이터 특성, 데이터의 출처, 신뢰도, 형식적 특성, 업데이트 주기), 이 에이전트를 사용하는 담당자는 누구인가(담당자의 역할, 경험 수준, AI 활용 능숙도), 이 에이전트의 결과물이 어디에 쓰이는가(내부 보고용, 고객에게 발송되는 것, 의사 결정의 근거로 사용되는 것), 제약 조건(반드시 지켜야 할 판단 기준, 금지 사항, 보안 및 품질 기준은 무엇인가), 출력형식(결과물을 어떤 형식, 항목, 분량, 톤으로 작성해야 하는가), HITL(사람이 최종 확인해야 할 항목은 무엇인가) 형식으로 만들어야 한다고 말한다. 이렇게 한 후 에이전트를 만들게 되면 에이전트 매뉴얼을 작성해야 하는데, 무엇을 하는지 에이전트를 소개하고, 단계별 사용 방법, 어떤 형태로 정보를 넣는지 입력 예시, 결과물 사용 시 반드시 확인해야 할 주의 사항을 적어 넣어야 한다고 언급한다.

이렇게 파일럿을 잘 구축하게 되면 경영진에게 보고하는 리포트를 작성해야 하는데, "과제명+핵심개선효과+대표수치"로 한 줄 요약 정리하고, "IFV 총점+선정 이유+페인포인트"로 문제 배경을 설명하고, "시간/오류율/처리 건수" 변화의 비교를 통해 기존 워크플로우 대비 인간+AI 협업 워크플로우의 개선점을 언급하며, 낭비나 오류 비용과 예상 절감 비용을 제시하며 ROI 수치를 적고, "확산대상 부서+적용 업무+목표시점"을 통해 다음 단계를 제안해야 한다고 말한다. 다음 단계의 경우 파일럿 성공 과제와 유사한 성과를 낼 수 있는 부서부터 전개하기 시작해야 하는데, 업무 유형의 유사성(같은 종류의 반복 업무가 있는가), 데이터 환경의 유사성(유사한 종류의 데이터를 다루는가), 페인포인트의 유사성(비슷한 고통을 겪고 있는가)으로 판단할 수 있다고 말한다. 또한 팀별 파일럿이 안정화된 이후에는 전방, 후방 작업자 간 업무 흐름을 검색, 검증하여 통합하거나 전환하는 작업이 필요하다고 말한다. 즉, 중복 입력 구간을 식별하고, 한쪽의 산출물이 다른 쪽의 입력으로 자동 연계되도록 에이전트를 재설계해야 한다면서 말이다. 그 밖에도 이 책에서는 토큰 효율화 전략으로 불필요한 맥락 제거(배경 설명, 중복된 지시문, 이미 학습된 일반 상식 수준 정보 제거), 출력 범위 제한(출력 길이와 형식을 명확히 지정), 시스템 프롬프트 분리(매번 반복되는 역할 정의와 규칙 분리) 등을 언급하고 있으며, 소수 예시 기반 프롬프트의 경우 실제 업무에서 나온 예시를 2~3개 정도 제공하는데, 예시와 입력 데이터 패턴이 달라도 괜찮다고 말한다. 마지막으로 답을 바로 내지 말고 먼저 고려해야 할 요소들을 단계별로 분석한 뒤 결론을 내리라는 연쇄적 사고 형식의 프롬프트 예시도 보여주고 있다.

Ⅰ. 들어가며

오늘날 많은 기업과 조직이 인공지능을 도입하고 있지만, 단순히 챗GPT와 같은 도구를 사용하는 것만으로 조직의 경쟁력이 높아지는 것은 아니다. AI를 도입하고도 기존의 업무방식이 그대로 유지된다면 일시적으로 업무시간을 줄일 수는 있어도 조직 전체의 혁신으로 이어지기는 어렵다. 따라서 중요한 것은 “어떤 AI를 사용할 것인가”보다 “어떤 일을 AI에게 맡기고, 사람은 무엇에 집중해야 하는가”를 결정하는 것이다.

김홍태 외 8인이 집필한 『DISCOVERY』는 이러한 문제의식에서 출발한다. 이 책은 AI 기능이나 프롬프트 작성법을 소개하는 단순한 기술 안내서가 아니라, AI를 활용하여 사람의 역할과 조직의 업무구조를 어떻게 새롭게 설계할 것인지를 다룬 실무 중심의 책이다. 특히 AX 전환 과정을 10개의 장과 캔버스로 구성하여 조직의 현재 상태를 진단하고, 문제를 발견하며, 실행과제를 선정하고, 성과를 관리하는 전 과정을 체계적으로 설명한다.

Ⅱ. 각 장의 주요 내용과 느낀 점

제1장. AX 전환의 본질: 단순 자동화를 넘어 가치 혁신으로

AX, 즉 AI 전환의 의미와 본질을 설명한다. AX는 기존 업무를 AI로 빠르게 처리하는 단순한 자동화가 아니다. 조직이 수행하는 업무의 목적과 절차를 다시 살펴보고, AI와 사람이 함께 더 높은 가치를 창출할 수 있도록 일하는 방식을 재설계하는 과정이다.

예를 들어 보고서 초안을 AI가 작성하여 두 시간을 절약했다고 하더라도, 남은 시간을 또 다른 단순업무에 사용한다면 진정한 혁신이라고 보기 어렵다. AI를 통해 확보한 시간을 고객과의 소통, 문제해결, 새로운 아이디어의 개발과 같은 고부가가치 업무에 사용해야 한다.

이 장을 읽으며 AI 전환에서 가장 먼저 해야 할 일은 프로그램을 구입하는 것이 아니라 조직이 추구하는 목적을 명확하게 정하는 것이라는 점을 깨달았다. AX의 출발점은 기술이 아니라 ‘우리는 왜 이 일을 하는가’라는 질문이다.

제2장. AX 전환에 보수적인 조직과 구성원을 설득하는 단 하나의 무기

AI 도입에 대한 조직 구성원의 불안과 저항을 어떻게 극복할 것인지를 다룬다. 새로운 기술이 도입되면 구성원은 자신의 업무가 사라지거나 기존의 경험과 능력이 무시될 수 있다는 불안감을 느낀다. 따라서 경영진이 일방적으로 AI 사용을 지시하는 방식으로는 자발적인 참여를 얻기 어렵다.

구성원을 설득할 수 있는 가장 효과적인 방법은 거창한 미래상을 제시하는 것이 아니라 작은 성공 사례를 직접 보여주는 것이다. 업무 부담이 크고 개선 효과를 빠르게 확인할 수 있는 과제를 선정하여 시범적으로 적용하고, 그 결과를 구성원과 공유해야 한다. 작은 성공은 AI에 대한 불안감을 낮추고 다음 단계의 변화에 필요한 신뢰를 만든다.

이 장에서 인상 깊었던 점은 AX 전환이 기술의 문제가 아니라 사람의 마음과 조직문화의 문제라는 사실이다. 성공적인 전환을 위해서는 경영진의 추진력과 실무자의 자발적인 참여가 함께 이루어져야 한다. 구성원을 변화의 대상이 아니라 변화의 주체로 참여시키는 것이 무엇보다 중요하다.

제3장. 페인포인트 발굴: 직무 밸류체인에서 찾는 진짜 문제

AI를 어디에 활용할 것인지 결정하기 위해 조직의 “페인포인트”, 즉 업무상 불편과 병목현상을 찾아야 한다고 설명한다. 많은 조직이 최신 AI 기술부터 도입하려 하지만, 정작 해결해야 할 문제가 무엇인지는 충분히 검토하지 않는다.

진짜 문제를 찾기 위해서는 업무를 결과 단위로만 보지 않고 시작부터 종료까지 세부 단계로 나누어 살펴봐야 한다. 책에서 제시하는 계층적 과업 분석(HTA)은 복잡한 업무를 작은 과업으로 분해하여 어느 단계에서 반복, 지연, 오류, 과도한 확인이 발생하는지를 파악하는 방법이다.

또한 업무의 강도·빈도·중요도를 함께 고려하면 AI를 우선 적용해야 할 지점을 객관적으로 판단할 수 있다. 자주 반복되고 시간이 많이 들지만 일정한 기준으로 처리할 수 있는 업무는 AI 활용 가능성이 높다. 이 장은 좋은 AI 과제는 기술에서 시작되는 것이 아니라 현장의 구체적인 불편에서 시작된다는 사실을 보여준다.

제4장. 데이터 전략: 비정형 데이터의 자산화

AI 전환의 기반이 되는 데이터의 중요성을 다룬다. 아무리 뛰어난 AI를 사용하더라도 조직 내부에 활용할 수 있는 데이터가 없거나 자료가 제대로 정리되어 있지 않다면 원하는 결과를 얻기 어렵다.

특히 조직에는 보고서, 회의록, 상담기록, 이메일, 업무매뉴얼, 담당자의 경험과 판단 기준 등 다양한 비정형 데이터가 존재한다. 이러한 자료는 형식이 일정하지 않아 방치되기 쉽지만, 체계적으로 수집하고 분류하면 조직만의 중요한 지식자산이 될 수 있다.

이 장을 통해 개인의 머릿속에만 존재하는 경험과 노하우를 조직의 데이터로 전환하는 것이 중요하다는 점을 알게 되었다. 다만 데이터의 양만 늘리는 것이 아니라 정확성, 최신성, 보안성, 활용 가능성을 함께 점검해야 한다. 필요한 데이터가 준비되지 않았다면 AX를 서두르기보다 먼저 디지털화와 데이터 정비를 추진해야 한다.

제5장. AX 전환 과제 발굴

조직의 여러 문제 중 어떤 과제를 AX 전환 대상으로 선정할 것인지를 설명한다. 모든 업무를 한꺼번에 AI로 바꾸려는 접근은 과다한 비용과 혼란을 초래할 수 있다. 따라서 기대효과와 실행 가능성을 기준으로 과제의 우선순위를 정해야 한다.

우선순위를 결정할 때에는 업무시간 절감, 오류 감소, 고객만족도 향상, 매출 증가 등 예상되는 효과를 살펴봐야 한다. 동시에 필요한 데이터의 확보 여부, 기술적 난이도, 비용, 보안 위험, 구성원의 수용 가능성도 검토해야 한다. 효과가 크더라도 데이터가 없거나 위험이 지나치게 높으면 초기 과제로 적절하지 않다.

이 장은 AX가 큰 구호에서 시작되는 것이 아니라 작고 구체적인 문제를 해결하는 것에서 시작된다는 점을 강조한다. 처음부터 완벽한 전사 혁신을 추진하기보다 짧은 기간 안에 성과를 확인할 수 있는 시범과제를 선택하는 것이 현실적인 전략이라고 생각한다.

제6장. AI 협업 워크플로우: 인간과 AI의 새로운 협업 모델

사람과 AI가 어떤 방식으로 역할을 나누어야 하는지를 다룬다. AI는 자료 검색, 요약, 분류, 초안 작성, 반복 계산 등 정형화된 업무에서 높은 효율을 보인다. 반면 사람은 목표 설정, 복잡한 상황의 판단, 윤리적 책임, 이해관계자와의 소통, 최종 의사결정과 같은 업무에 집중해야 한다.

중요한 것은 AI가 업무 전체를 수행하도록 맡기는 것이 아니라 업무 단계별로 AI와 사람의 역할을 구분하는 것이다. 특히 중요한 의사결정이나 오류 위험이 큰 단계에서는 사람이 검토하고 승인하는 HITL(Human-in-the-Loop) 원칙이 필요하다.

이 장을 통해 AI와 사람을 경쟁 관계로 보는 관점에서 벗어날 필요성을 느꼈다. AI는 사람을 완전히 대체하는 존재라기보다 사람의 능력을 확장하는 협업자이다. 사람은 단순업무를 줄이는 대신 AI의 결과를 검증하고 더 깊이 사고하며 관계를 형성하는 일에 집중해야 한다.

제7장. 성과 정량화: 경영진이 승인할 수밖에 없는 ROI 설계

AX 전환의 효과를 구체적인 수치로 증명하는 방법을 설명한다. 단순히 “업무가 편해졌다”거나 “AI 활용도가 높아졌다”고 말하는 것만으로는 경영진의 지속적인 투자와 지원을 얻기 어렵다.

따라서 AX 도입 전후의 업무시간, 인건비, 처리 건수, 오류율, 고객 응답시간, 매출액 등을 비교하여 성과를 측정해야 한다. 투자수익률은 AI 도입으로 얻은 금전적·비금전적 편익과 도입 및 운영비용을 비교하여 산출할 수 있다. 또한 성과측정 기준은 사업을 시작하기 전에 정해야 객관적인 비교가 가능하다.

이 장에서 가장 중요하게 느낀 점은 AX가 막연한 기대가 아니라 경영성과로 연결되어야 한다는 것이다. 측정할 수 없는 변화는 일회성 행사에 그칠 가능성이 높다. 정량적 성과와 함께 구성원의 만족도, 고객 경험, 업무의 질과 같은 정성적 변화도 평가해야 한다.

제8장. 프로토타입 에이전트: 최소 기능 에이전트로 시작하는 가설 검증

처음부터 완성된 AI 시스템을 만들기보다 최소 기능을 갖춘 프로토타입을 통해 가능성을 검증해야 한다고 강조한다. 많은 조직이 모든 기능을 갖춘 거대한 시스템을 계획하다가 비용과 기술적 부담으로 인해 중단된다.

이에 대한 해결책은 가장 좁고 분명한 업무범위를 선택하여 실제로 작동하는 AI 에이전트를 만드는 것이다. 예를 들어 고객상담 전체를 자동화하기보다 반복 문의를 분류하고 답변 초안을 작성하는 기능부터 시험할 수 있다. 이후 사용자의 평가와 오류 사례를 수집하여 기능을 단계적으로 개선하면 된다.

이 장은 완벽한 계획보다 작은 실행이 더 강력한 설득력을 가진다는 점을 보여준다. 실제로 작동하는 프로토타입은 문제점을 조기에 발견하게 하고, 경영진과 구성원이 AX의 효과를 직접 경험하도록 한다. 실패하더라도 적은 비용으로 학습할 수 있다는 점에서 유용한 접근이라고 생각한다.

제9장. 보고와 확산 : 실무 성과를 조직의 자산으로 브랜딩하기

특정 부서나 담당자의 성공 경험을 조직 전체로 확산시키는 방법을 다룬다. 좋은 성과가 발생하더라도 담당자 개인의 경험으로만 남으면 조직의 AX 역량으로 발전하기 어렵다.

따라서 과제의 배경, 기존 문제, AI 적용 과정, 사용 데이터, 사람의 개입 지점, 시행착오, 성과와 개선사항을 표준화하여 기록해야 한다. 이러한 자료를 사례보고서나 업무매뉴얼로 작성하고 다른 부서가 쉽게 활용할 수 있도록 공유해야 한다.

나는 이 장에서 “성과의 공유”도 중요한 혁신 활동이라는 점을 알게 되었다. 성공 사례를 단순한 자랑으로 소개하는 데 그치지 않고 다른 구성원이 재현할 수 있는 지식으로 만들어야 한다. 실무자의 작은 성공이 공식적으로 인정될 때 구성원의 참여 의지도 높아지고 조직 전체의 변화로 확산할 수 있다.

제10장 : 사후 관리와 피드백: 3개월 후의 진짜 성과를 위한 전략

AI 시스템을 도입한 이후의 관리가 더욱 중요하다는 점을 설명한다. AI를 처음 적용했을 때 좋은 결과가 나타나더라도 데이터와 업무환경이 변하면 정확성이 낮아질 수 있다. 또한 구성원이 시스템을 사용하지 않거나 기존 방식으로 되돌아가면 AX 전환은 실패하게 된다.

따라서 일정 기간 후 활용률, 정확도, 시간 절감, 사용자 만족도, 오류 사례 등을 다시 점검해야 한다. 현장의 의견을 지속적으로 수집하고, 프롬프트와 데이터, 업무절차, 사람의 검토 기준을 개선해야 한다. 예상하지 못한 개인정보 유출, 편향, 잘못된 의사결정 등의 위험도 함께 관리할 필요가 있다.

이 장은 AX가 한 번의 교육이나 시스템 구축으로 완성되지 않는다는 점을 보여준다. 진정한 성과는 도입 직후가 아니라 3개월, 6개월 이후에도 구성원이 AI를 활용하고 업무방식이 실제로 변화했을 때 확인할 수 있다. 결국 AX는 기술 도입사업이 아니라 지속적인 학습과 개선의 과정이다.

Ⅲ. 책을 읽고 느낀 점

『AX DISCOVERY』에서 가장 인상 깊었던 점은 AI를 기술의 관점이 아니라 “일과 사람의 관점”에서 설명한다는 것이다. 지금까지 AI 활용이라고 하면 좋은 프롬프트를 작성하거나 새로운 프로그램을 배우는 것을 먼저 생각했다. 그러나 이 책은 도구를 배우기 전에 조직의 목적과 업무과정을 분석하고, 해결해야 할 문제를 정확히 찾아야 한다고 강조한다.

책의 10개 장은 서로 분리된 내용이 아니라 하나의 AX 실행과정으로 연결된다. 먼저 AX의 목적을 정하고 구성원의 공감을 얻은 후, 현장의 문제와 데이터를 분석한다. 이어서 실행과제를 선정하고 AI와 사람의 협업절차를 설계하며, 성과를 수치로 측정한다. 그다음 작은 프로토타입으로 가능성을 검증하고 성공 경험을 조직에 확산한 뒤, 지속적인 피드백을 통해 개선한다.

다만 AI가 단순업무를 대신한 이후 사람이 고부가가치 업무를 실제로 수행할 수 있도록 어떤 역량을 개발해야 하는지에 대해서는 더 깊은 논의가 필요하다고 생각한다. AI가 확보해 준 시간을 다시 더 많은 업무로 채운다면 구성원의 피로만 증가할 수 있다. 사람에게 남겨진 판단, 소통, 창의성, 책임, 갈등 조정 등의 역량을 키우는 교육과 조직문화가 AX 전환과 함께 마련되어야 한다. 이러한 점은 이 책이 남긴 과제로 지적되고 있다.

Ⅳ. 맺음말

『DISCOVERY』는 AI시대에 조직과 사람이 어떤 방식으로 변화해야 하는지를 실무적으로 제시한 책이다. 이 책이 전달하는 핵심 메시지는 AI에게 많은 일을 맡기는 것 자체가 목적이 아니라는 것이다. 반복적이고 정형화된 업무는 AI에게 맡기되, 사람은 문제를 정의하고 결과를 판단하며 타인과 소통하고 새로운 가치를 창출하는 일에 집중해야 한다.

결국 AX의 성공 여부는 가장 뛰어난 AI를 보유했는가가 아니라, 조직이 자신의 업무를 얼마나 정확하게 이해하고 사람과 AI의 역할을 적절하게 설계했는가에 달려 있다. 이 책은 AI 도입을 고민하는 기업의 경영자뿐만 아니라 현장에서 실제 업무를 수행하는 실무자에게도 유용한 안내서라고 평가할 수 있다.

책을 읽고 나는 “AI가 내 일을 빼앗을 것인가?”라는 질문보다 “내가 반복적으로 수행하는 일 중 무엇을 AI에게 맡기고, 그 시간을 활용하여 어떤 더 가치 있는 일을 할 것인가?”라고 질문해야 한다는 생각을 갖게 되었다. AI시대의 진정한 경쟁력은 AI를 사용하는 능력만이 아니라, AI와 함께 일하는 방식을 설계하고 인간만이 할 수 있는 역할에 집중하는 능력에서 만들어질 것이다.

이 책을 읽을 수 있도록 제공해 주셔서 감사합니다. 

『Discovery AI에서 AX로 전환을 설계하다』 서평

이 책을 읽으며 가장 먼저 든 생각은 AI를 바라보는 관점이 많이 바뀌어야 한다는 점이었다. 그동안 AI는 업무를 편하게 해주는 도구, 혹은 새로운 기술 정도로만 생각하기 쉬웠다. 하지만 이 책은 AI의 도입 자체보다, AI를 통해 조직과 업무 방식이 어떻게 달라져야 하는지에 더 집중해야 한다. 제목에 담긴 AX 역시 단순히 AI를 붙이는 일이 아니라, 일하는 방식 전체를 다시 설계하는 과정이라는 점이 인상적이었다.(머리로는 어느 정도 떠올렸으나 구체화하기는 어려웠었다)

특히 기억에 남는 부분은 기술보다 현장의 문제를 먼저 봐야 한다는 메시지였다. 좋은 AI 솔루션을 도입해도 실제 업무 흐름과 맞지 않으면 결국 활용되지 못한다. 반대로 반복되는 불편, 시간이 오래 걸리는 과정, 고객과 내부 구성원이 자주 겪는 문제를 정확히 찾아낸다면 AI는 훨씬 현실적인 도움이 될 수 있다. AI를 위한 업무를 만드는 것이 아니라, 기존 업무를 더 잘하기 위해 AI를 활용해야 한다는 말로 이해됐다.

이 책은 AI 전환을 거창한 혁신 과제로만 설명하지 않는다. 작은 업무 단위에서 시작해 데이터를 쌓고, 구성원이 직접 변화를 경험하게 하며, 점차 조직 전체로 넓혀 가는 과정이 중요하다고 말한다. 그래서 AI를 고민하는 실무자나 조직이라면 부담 없이 읽어볼 만하다. 당장 모든 업무를 바꾸려 하기보다, 반복적으로 시간을 쓰는 일부터 살펴보라는 조언이 현실적으로 다가왔다.

또한 AI를 도입하는 과정에서 구성원의 공감과 참여가 중요하다는 점도 생각하게 했다. 아무리 좋은 시스템이라도 실제 사용하는 사람이 필요성을 느끼지 못하면 현장에 자리 잡기 어렵다. 변화에 대한 불안이나 거부감을 줄이고, 구성원이 직접 효과를 체감할 수 있도록 만드는 과정 역시 AX의 일부라는 생각이 들었다.

결국 AX의 핵심은 기술이 아니라 사람과 업무에 있다는 생각이 들었다. AI가 사람을 대체하는 방향이 아니라, 사람이 더 중요한 판단과 관계 형성에 집중할 수 있도록 돕는 방향으로 쓰여야 한다는 점에서 공감이 갔다. AI를 도입해야 한다는 압박을 받고 있는 조직이라면, 무엇을 먼저 바꿔야 하는지 생각해보게 만드는 책이다.

최근 산업계의 가장 큰 화두는 단연 'AX(AI Transformation)'다. 단순한 업무 자동화나 툴 도입을 넘어, 기업의 체질 자체를 AI 중심으로 재편해야 한다는 위기의식이 팽배하다.

'AX DISCOVERY'는 이러한 현장의 목적으로 가득 찬 질문에 명확하고 실용적인 해답을 제시하는 책이다.

책의 핵심은 제목에서 알 수 있듯 'Discovery(발견)' 과정에 있다. 대부분의 기업이 AI 기술 자체에 집중하다가 실패하지만, 이 책은 기술보다 '문제 정의'와 '유스케이스(Use Case) 발굴'이 우선되어야 함을 일깨운다.

• 어디에 AI를 적용해야 가장 큰 임팩트가 발생하는가?

• 우리가 보유한 데이터 중 AI가 학습할 수 있는 진짜 자산은 무엇인가?

• AI 도입으로 인한 ROI(투자 대비 효과)는 어떻게 측정할 것인가?

책은 이러한 질문에 답할 수 있는 워크북 형식으로 구성되어 있어, 독자가 직접 자신의 업무를 분석하고 AX전환 전략을 도출할 수 있도록 돕는다. 10개의 캔버스를 통해 조직은 반복적이고 규칙 기반의 업무를 AI에 맡기고, 사람은 판단·설득·협업·감정관리 같은 고차원적 역할에 집중할 수 있도록 재설계 과정을 밟을 수 있게 된다.

AI 시대를 맞이한 기업과 조직이 단순 자동화를 넘어 업무 재설계라는 본질적 변화의 관점에서, 실무자에게는 반복 업무를 AI에 위임하고 고부가가치 업무로 전환하는 방법을, 리더에게는 팀의 저항을 다루고 조직을 성공적으로 이끌 수 있는 전략적 시각을 제공하는 책으로 추천한다.

AI를 업무에 활용하는 일이 더 이상 특별하지 않은 시대가 되었다. 이제 중요한 것은 “AI를 사용할 것인가”가 아니라 “어떤 일을 AI에게 맡기고, 사람은 무엇에 집중해야 하는가”라는 질문이라고 생각한다. 『AX DISCOVERY』는 바로 이 질문에서 출발한다.

이 책을 읽으며 가장 인상 깊었던 점은 AI를 새로운 기술이나 편리한 도구의 관점에서 바라보지 않는다는 것이었다. AI 전환의 핵심을 단순한 업무 자동화나 시간 절감이 아니라 일하는 방식 자체를 다시 설계하는 것으로 설명한다.

실제로 조직에서 AI 활용을 이야기하다 보면 “어떤 AI 프로그램이 좋은가”, “어떤 프롬프트를 사용해야 하는가”와 같은 이야기에 관심이 집중되기 쉽다. 하지만 새로운 도구를 도입했다고 해서 조직의 생산성이 자연스럽게 높아지는 것은 아니다. 기존의 비효율적인 업무 프로세스를 그대로 둔 채 AI만 추가한다면 오히려 새로운 업무가 하나 더 생길 수도 있다.

결국 먼저 해야 할 일은 우리가 하고 있는 업무를 살펴보는 것이다.

이 업무는 왜 하고 있는가.
반드시 사람이 해야 하는가.
반복적으로 수행하지만 많은 시간이 소요되는 일은 무엇인가.
AI가 대신할 수 있는 일은 무엇인가.
그리고 그렇게 확보된 시간에 사람은 무엇을 해야 하는가.

이 질문들이 AX의 출발점이라는 점에 공감했다.

특히 HR 업무를 떠올리며 많은 생각을 하게 되었다. 인사 업무에는 자료 취합, 데이터 정리, 보고서 초안 작성, 일정 관리, 반복적인 문의 대응 등 AI를 활용해 효율화할 수 있는 업무가 상당히 많다. 반면 조직의 상황을 판단하는 일, 사람의 의도와 감정을 이해하는 일, 중요한 인사 의사결정을 하는 일, 갈등을 조정하고 구성원을 설득하는 일은 여전히 사람이 중심이 되어야 한다.

따라서 AI 시대의 HR 경쟁력은 AI를 많이 사용하는 것 자체가 아니라 사람이 해야 할 중요한 일에 더 많은 시간을 사용할 수 있도록 업무를 재설계하는 능력에 있다고 생각한다.

이 책에서 또 하나 의미 있게 느낀 부분은 처음부터 거창한 전사 혁신을 추진하기보다 작게 시작하고 성과를 확인하면서 확장해야 한다는 점이다.

기업에서는 새로운 변화가 시작되면 전사적인 제도나 시스템부터 만들려고 하는 경우가 많다. 하지만 조직 구성원 입장에서는 변화의 필요성을 충분히 체감하지 못한 상태에서 또 하나의 과제가 추가되는 것으로 느낄 수 있다.

따라서 AX 역시 “전 직원이 AI를 사용하자”라고 선언하는 것보다 실제 현업의 불편한 업무 하나를 선정해 개선해 보는 것이 더 효과적이라고 생각한다.

예를 들어 인사부서라면 채용 현황 취합, 교육 결과 정리, 반복 문의 대응, 회의자료 초안 작성과 같은 업무부터 시작할 수 있다. 작은 성공사례를 만들고 실제 절감된 시간과 개선된 결과를 보여준다면 구성원들도 AI를 막연한 변화가 아니라 자신의 업무를 도와주는 수단으로 받아들이게 될 것이다.

그러나 이 책을 읽으면서 동시에 경계해야 할 부분도 있다고 생각했다.

AI를 통한 효율화가 곧바로 인력 감축 논리로 연결되어서는 안 된다. 구성원들이 “AI를 도입하면 내 일이 없어지는 것 아닌가”라고 느끼는 순간 조직의 AX는 협업이 아니라 저항의 대상이 될 가능성이 높다.

그래서 경영진과 HR이 먼저 답해야 할 질문은 “얼마나 많은 일을 AI로 대체할 것인가”가 아니라 **“AI를 통해 확보된 사람의 시간을 어디에 다시 투자할 것인가”**라고 생각한다.

반복 업무에서 줄어든 시간을 고객, 현장, 기획, 문제 해결, 구성원 육성 등 더 높은 가치를 만드는 업무로 이동시켜야 한다. 그래야 AI 전환이 비용절감 프로젝트를 넘어 조직의 역량을 높이는 경영혁신으로 이어질 수 있다.

결국 『AX DISCOVERY』를 읽고 남은 가장 중요한 질문은 기술에 관한 것이 아니었다.

“나는 무엇을 계속 직접 하고 있고, 그중 무엇을 맡길 수 있는가?”
그리고
“그 일을 맡긴 후 나는 무엇에 더 집중할 것인가?”

이 질문은 개인에게도 필요하지만 조직의 리더에게 더욱 중요한 질문이라고 생각한다.

앞으로의 리더는 일을 많이 처리하는 사람이 아니라, 사람이 해야 할 일과 기술에 맡길 일을 구분하고 구성원의 시간과 역량을 더 가치 있는 곳에 배치할 수 있어야 한다.

그런 의미에서 AX는 AI 도입 프로젝트라기보다 일과 조직을 다시 설계하는 경영 과제에 가깝다.

이 책을 통해 AI를 잘 사용하는 방법보다 한 단계 더 중요한 것을 생각하게 되었다.

AI에게 무엇을 맡길 것인가를 결정하는 것보다 더 중요한 것은, 그렇게 확보된 시간에 우리가 무엇을 할 것인가를 결정하는 것이다.

결국 AX의 성패는 기술이 아니라 이 질문에 대한 조직의 답에서 결정될 것이라고 생각한다.

#인공지능이라는 거대한 해일이 산업 전반을 집어삼킬 듯 밀려오는 시대다. #더와이랩의 《#AX DISCOVERY》는 화려한 기술의 스펙을 선전하는 기술서가 아니라, 현장의 땀과 고통, 그리고 인간의 일하는 방식을 치열하게 탐색한 조직 혁신의 기록이자 실천적 #안내서라고 생각한다.

책장을 넘기며 가장 먼저 마주한 지적 통찰은 디지털 전환(#DX)과 인공지능 전환(#AX)의 본질적 경계선에 대한 명쾌한 구분이었다. 그동안 우리는 흔히 DX의 연장선상에서 AX를 바라보며, 단순히 더 진보된 소프트웨어를 하나 더 얹는 수준으로 착각하곤 했다. 그러나 저자가 짚어내듯 DX가 종이 서류를 파일로 바꾸고 정형화된 프로세스를 클라우드와 ERP에 올리는 '시스템의 효율화'였다면, AX는 흩어진 맥락을 읽어내고 인간의 인지적 판단을 돕는 '지능형 증강'의 영역이다. DX 시대의 시스템이 사전에 짜인 규칙대로 묵묵히 데이터를 저장하고 계산하는 수동적 도구였다면, AX는 불확실한 상황 속에서 최적의 대안을 모색하고 의사결정의 지평을 넓혀주는 유기적 파트너다. 이 결정적 차이를 간과한 채 과거 DX 시절의 방식대로 일부 부서 중심의 하향식 구축을 시도한다면, 실패는 이미 예견된 것이나 다름없다는 저자의 지적은 깊은 울림을 준다.

그렇다면 성공적인 AX는 어디서부터 시작되어야 하는가? 책은 기술 도입의 첫 단추로 기술이 아닌 #현장의 #페인포인트(Pain Point)를 집요하게 추적할 것을 요구한다. 기업에서 흔히 저지르는 치명적 실수는 "이 놀라운 AI로 무엇을 할 수 있을까?"라는 기술 중심의 질문에서 출발하는 것이다. 하지만 저자는 시선을 정반대로 돌려 "우리 직원들이 매일 어떤 반복 업무에 지쳐 영혼을 소진하고 있는가?", "현장의 숙련자가 은퇴하면 어떤 지식과 노하우가 허공으로 사라지는가?", "수많은 안전 규정과 점검 문서 속에서 정작 중요한 위험 신호는 왜 놓치는가?"를 물어야 한다고 강조한다. 비효율이 일상이 되어 고통에 무감각해진 침묵의 병목을 찾아내고 이를 명확한 언어로 정의하는 작업이야말로 혁신의 진정한 출발점이다. 문제가 정교하게 정의되면 도입해야 할 AI의 크기와 형태는 자연스럽게 제자리를 찾게 된다.

책 전체를 관통하는 방법론은 계층적 과업 분석(HTA)으로 업무를 최소 단위까지 분해하고, 강도·빈도·중요도 매트릭스(IFV)로 우선순위를 정한 뒤, HITL(Human-in-the-Loop) 원칙에 따라 AI 처리 영역과 사람 판단 영역을 구분하는 3단 구조다. 이는 개인정보보호 업무나 외부감사 대응, 계약서·NDA 검토처럼 '암묵지'로 존재하던 판단 기준을 형식지로 끌어내야 하는 업무에 특히 유효하다. 정보주체 열람·정정 요청 처리나 접근권한 검토처럼 규칙이 명확한 반복 업무는 AI가 1차 처리하되, 개인정보 유출 사고 여부 판단이나 감사 지적사항에 대한 책임 있는 소명은 담당자가 최종 판단한다는 원칙을 HTA로 도출된 세부 태스크마다 명시적으로 배정할 수 있다. ERP 구축이나 인허가·대관 업무처럼 절차가 여러 부서와 외부 기관에 걸쳐 있는 경우에도, HTA로 과업을 잘게 쪼개지 않으면 아무리 좋은 AI 모델을 붙여도 성과가 나지 않는다는 저자의 지적은 뼈아프게 다가온다.

현장의 리더들이 "우리 부서 일은 너무 복잡해서 AI가 대체할 수 없다"고 방어하거나, 반대로 "이제 사람은 필요 없고 AI가 다 알아서 할 것"이라는 허황된 기대를 품는 이유는 일의 덩어리를 쪼개어 보지 못하기 때문이다. HTA는 직무라는 거대한 바위를 과업으로, 과업을 다시 세부 단위 작업과 조작적 행동으로 외과수술을 하듯 세밀하게 해체한다. 이를 통해 업무의 전체가 아니라 '과거 데이터의 유사 패턴을 탐색하는 20%의 구간', '초기 안전 보고서의 개요를 잡는 30%의 구간'처럼 AI가 가장 탁월하게 역량을 발휘할 수 있는 마이크로 과업을 정확히 발라낼 수 있게 된다. 막연한 공포와 비현실적 환상이 걷히고, 실행 가능한 실체적 과업이 눈앞에 펼쳐지는 순간이다. 그러나 과업을 아무리 잘게 쪼개어 AI를 배치한다 한들, 최종적인 결과물의 신뢰성과 안전성은 어떻게 담보할 것인가. 특히 한 치의 오차가 치명적인 사고로 이어질 수 있는 안전보건이나 품질, 경영 관리의 영역에서 AI의 환각과 편향은 극도로 위험한 변수다. 저자는 이에 대한 확고한 안전장치이자 윤리적 보루로서 HITL(Human-in-the-Loop, 인간 참여형 시스템)의 철학을 일관되게 관철한다. AI는 결코 독단적인 심판관이나 최종 결정권자가 될 수 없다. 대량의 데이터를 걸러내고 초안을 제안하는 것은 지능형 보조자인 AI의 몫이지만, 현장의 숨은 맥락을 읽어내고 법적·윤리적 책임을 지며 마지막 방아쇠를 당기는 것은 여전히 숙련된 인간 전문가의 영역이어야 한다. 더 나아가 인간의 수정과 피드백이 다시 모델을 똑똑하게 만드는 선순환 구조를 구축할 때, 기술은 비로소 현장의 신뢰를 얻고 조직에 안전하게 안착할 수 있다.

결국 모든 혁신의 마침표는 시스템이 아니라 그것을 움직이는 사람, 즉 조직 전환과 구성원 설득에서 찍힌다. 아무리 정교한 HTA와 HITL 체계를 설계했다 해도, "내가 만든 시스템이 결국 내 일자리를 위협할 것"이라는 구성원의 실존적 불안을 해소하지 못하면 조직은 침묵의 태업과 보이지 않는 저항으로 화답한다. 책은 이 지점에서 체인지 매니지먼트의 섬세한 접근을 제안한다. 리더는 AI가 인간을 대체하기 위함이 아니라, 반복적이고 소모적인 잡무로부터 인간을 해방하여 보다 가치 있는 고유의 판단과 안전 관리, 창의적 코칭에 집중하도록 돕는 도구임을 명확한 비전으로 소통해야 한다. 현장에서 가장 피로감을 느끼던 작은 과업 하나를 AI로 해결해 주는 '작은 성공(Quick-Win)'을 맛보게 하고, 실무자를 시스템 설계의 평가자로 참여시킴으로써 두려움을 주도적인 주인의식으로 전환하는 과정이야말로 이 책이 일러주는 사람 중심 전환의 정수다.

마지막으로 이 책은 경영진의 가장 큰 고뇌인 ROI(투자수익률)와 가치 창출의 관점을 근본적으로 재구성해 준다. 수많은 경영진이 AI 도입의 성공 여부를 오직 '인건비 절감 시간'이라는 편협한 잣대로만 평가하려 든다. 하지만 저자는 그러한 단편적 접근이 AX의 진정한 잠재력을 갉아먹는다고 지적한다. 진정한 ROI는 비단 문서 작성 시간을 몇 시간 줄였는가에 그치지 않는다. 잠재된 산업재해 요인을 선제적으로 발견하여 막대한 손실을 예방하는 리스크 감소 가치, 숙련자의 암묵지를 조직의 데이터 자산으로 내재화하는 지식 보존 가치, 그리고 급변 하는 대내외 규제와 시장 환경에 전례 없는 속도로 기민하게 대응하는 전략적 민첩성까지 종합적으로 포섭해야 한다. 투입된 비용 대비 예방된 비용과 창출된 기회의 크기를 입체적으로 계산할 수 있을 때, 비로소 조직은 소모적인 비용 논쟁에서 벗어나 미래를 향한 지속 가능한 경쟁력을 확보하게 된다.

《AX DISCOVERY》의 마지막 장을 덮으며 가슴에 남은 생각은, 이 책이 다루고 있는 궁극의 주제가 역설적이게도 '인공지능' 그 자체가 아니라 '인간과 일의 본질'이라는 점이었다. 우리는 AI라는 거울을 통해 비로소 우리가 매일 하고 있는 일이 무엇이며, 그 일에서 인간만이 지닌 고유한 책임과 가치가 어디에 있는지를 가장 적나라하게 들여다보게 되었다.

막연한 유행을 좇아 기술을 과시하려는 기업에게 이 책은 다소 불편할 만큼 날카로운 현실 인식을 던져주지만, 현장의 고단함을 덜어내고 조직의 체질을 실질적으로 지능화하려는 진지한 리더에게는 더없이 든든한 가이드가 되어준다.

AXDISCOVERY AI에서 AX로, 전환을 설계하다(조직을 바꾸는 10개의 캔버스)

AI 전환과 적용의 중요성을 모르는 기업과 조직, 구성원은 없을 것이다. 하지만, 성공적인 AI 적용과 성과창출을 위한 방법을 제시하고 기업과 조직, 구성원에게 적용하는 방법과 가이드의 필요성에 대해서 알고 있지만, 구체적으로 현장에 적용하기 위한 적용 계획과 교육계획을 정리한 가이드북은 없다. 저자는 이러한 기업과 조직, 구성원에게 필요하고 적용가능한 AI 전환을 위한 체계적인 단계와 준비를 위해 필요한 단계별 키워드와 다양한 적용방법을 이야기하고 있다.

AI 전환의 시대에 기업과 조직, 구성원에게 AI 교육과 적용 담당자에게 좋은 가이드를 제시하고 있으며, 현장에서 필요한 다양한 툴을 제공을 통해, 성공적인 AI 전환을 준비하도록 도와주고 있다.

1. AX 전환의 본질 : 단순 자동화를 넘어 가치 혁신으로

AX는 AI를 중심으로 조직의 워크플로우, 의사결정 방식, 운영 구조 전체를 다시 설계하는 전략적 전환을 의미하며, 이 전환은 1단계 위크플로우 재설계, 2단계 의사결정의 진화로 진행된다. 비즈니스 프로세스 재설계자는 도구 사용자가 아니라 워크플로우 설계자이어야 한다. 10% 효율화도 중요하지만, AX 시대에서는 10배 성장하는 일하는 구조로 바꾸는 것이다. 즉, AI는 경쟁자가 아닌 조직의 동료라는 관점에서 접근해야 한다.

2. AX 전환에 보수적인 조직과 구성원을 설득하는 단 하나의 무기

AX 도입 관련, 가장 중요한 것은 조직구성원이며, AI도입 장애요인으로 시간과 우선순위, 책임과 오류에 대한 두려움, 우리 업무에 대한 회의감을 이해가 필요하며, AX 운용간 보안이슈에 대해 저자는 보안 기준의 명확성의 중요성과 함께 테이터 분류와 출력, 이력관리의 중요성을 이야기하고 있다.

3. 페이포인트 발굴 : 직무 밸류체인에서 찾는 진짜 문제

성공적인 AX 도입과 운용을 위해, 서비스 디자인과 UX 분야에서 사용하는 여정지도 작성의 필요성과 활용을 강조하고 있다

4. 데이터 전략 : 비정형 데이터의 자산화

AI 데이터에 대한 정량화를 통해 현재 조직의 수준을 정의해야 한다고 한다. 또한, 정량화된 데이터 기반으로 실행 가능성 입증 과정을 통해 AX의 성공적인 운용을 해야 한다고 한다.

이러한 데이터 준비를 위해 필요한 데이터 준비도 진단과 데이터 준비 액션 플랜 작성가이드를 실제예로 제시하고 있다.

5. AX 전환 과제 발굴

업무 분석과 최소 단위 분해 과정을 통해 실제 AI 적용을 위한, WORK-＞ACTIVITY -＞ TASK 3계층 분해를 제시하고 있다. 특히, TASK 기술 원칙을 제시하고 이를 통해 HTA 품질과 성과를 높이는 방법을 위해, HTA 업무 분해도와 AI 전환 가능성 식별을 위한 실무예를 들고 있다.

6. AI 협업 워크플로우 : 인간과 AI의 새로운 협업 모델

AI 처리 과정의 핵심으로 사람의 검토와 증인을 삽입하는 설계 원칙인 HITL 설계의 원칙과 유형을 제시하고 있다. AI의 원활한 운용을 위해, 업무 순서 자체의 설계를 통한 효율을 강조하고 있다

이러한 AI 협업 워크플로우를 위해, AI 전환 난이도 진단과 우선순위 결정 가이드, AI 협업 워크플로우 설계 가이드를 제시하고 있다.

7. 성과 정량화 : 경영진이 승인할 수 밖에 없는 ROI 설계

AX의 성과 측정을 위해, 절감된 시간과 비용의 가치 환산을 하고 제시를 통해 경영진에게 AX 성과를 이해시키고, 이를 기반으로 새로운 신규 비즈니스 가치 창출을 통한 현업 주도 전산 확산 모델을 제시를 통해, 조직과 구성원의 KPI의 성과지표와 AX 성과지표 일치를 이야기하고 있다.

8. 프로토타입 에이전트 : 최소 기능 에이전트로 시작하는 가설 검증

AX 시률레이션용 프로토타입의 테스트를 위해 AI 협업 워크플로우 범위를 정하고 프로토타입 제작을 위한 5단계를 설명하고 있으며, 에이전트 컨셉 초안 작성 -＞ HITL 검토 -＞ 프롬프트 초안 작성 -＞ 파일럿 테스트 -＞ 매뉴얼화를 제시하고 있으며, 특히, 실무 밀착형 프롬프트 설계의 중요성을 강조하고 있다.

9. 보고와 확산 : 실무 성과를 조직의 자산으로 브랜딩하기

성공적인 AX 디스커버리 리포트를 통해, 성과의 정량화 리포트를 만들라고 한다. 또한, 성공적인 AX를 위한 팀, 부서 적용 가능성 검토와 표준 가이드 배포를 통한 성과의 전사 확산을 위한 계획수립을 강조한다.

10. 사후 관리와 피드백 : 3개월 후의 진짜 성과를 위한 전략

AX 교육과 워크숍을 통한 현장에서의 개선과 피드백을 강조하면서, 지속적인 현장 성공 사례발굴과 성과에 대한 보상 계획을 수립하고 적용을 통한, AX 사후 적용 및 피드백의 순환 구조를 만들고 원활하게 운용의 중요성을 이야기하고 있다

인공지능(AI) 기술이 전 산업군을 휩쓸고 있는 지금, 수많은 기업들이 "AI를 어떻게 적용할 것인가"를 고민한다. 하지만 기술을 도입하는 것과 이를 통해 실제 비즈니스 가치를 창출하는 것은 완전히 다른 차원의 문제다. 

이 책은 AI(인공지능)라는 기술적 개념을 넘어 AX라는 실전적 실행 프레임워크로 진화해야 하는 이유와 그 청사진을 명확하게 제시하는 책이다.

이 책이 던지는 핵심 메시지는 AI 전환의 본질이 ‘기술의 스펙’이 아닌 ‘경험과 프로세스의 재설계’에 있다는 점이다. 아무리 뛰어난 생성형 AI 모델이나 거대언어모델(LLM)을 도입하더라도, 그것이 현업 실무자의 일하는 방식을 바꾸지 못하고 고객 경험의 혁신으로 연결되지 않는다면 단순한 비용 지출에 그친다. 저자들은 각 분야의 전문성을 바탕으로, 단순한 AI 채택(Adoption)을 넘어 조직 생태계 전체에 AI를 이식하는 AX의 구체적인 방법론을 다각도로 파헤친다.

책에서 가장 인상 깊은 부분은 AX를 설계하는 구체적이고 체계적인 접근법이다. 비즈니스 모델 재설계부터 조직 문화의 변화관리, 데이터 거버넌스 구축, 그리고 실제 현장 적용 사례까지 단계별 가이드라인을 제공한다. 

특히 AI 기술 도입 과정에서 흔히 발생하는 현업의 거부감이나 "AI를 어디서부터 써야 할지 모르는" 막막함을 해소하기 위해, 사용자 관점에서의 경험(AX) 설계가 왜 성공의 핵심 열쇠인지를 명쾌하게 설명해 준다.

오늘날 많은 기업과 개인들이 AI 시대를 맞이하며 기술적 격차에 불안감을 느낀다. 하지만 이 책은 진정한 경쟁력이 기술을 직접 만드는 데 있는 것이 아니라, 존재하는 기술을 어떻게 조직의 맥락에 맞게 '전환(Transformation)'하고 '경험(Experience)'으로 구현해 내는지에 있음을 상기시켜 준다.

이 책은 단순한 기술 트렌드서를 넘어, AI 시대를 항해하는 리더와 실무자 모두에게 필수적인 전략 지침서다. AI 도입의 정체기를 겪고 있거나, 가시적인 비즈니스 성과를 창출하고 싶은 이들에게 매우 유용한 실전 이정표가 되어줄 것이다.

어느덧 기술의 발전 속도는 인간의 인지 범위를 아득히 넘어선 듯합니다. 매일 아침 눈을 뜨면 새로운 인공지능(AI) 서비스가 쏟아져 나오고, 세상은 '디지털 전환(DX)'을 넘어 'AI 전환(AX)'이라는 거대한 흐름 속으로 빠르게 진입하고 있습니다. 이러한 시기에 김홍태 외 8인의 저자가 엮어낸 『AX DISCOVERY』는 단순히 기술적인 지식을 전달하는 책을 넘어, 우리 조직과 개인이 이 변화의 파도를 어떻게 설계하고 헤쳐 나가야 할지 묵직한 화두를 던져줍니다.

책장을 넘기며 가장 먼저 든 생각은 '막연함'의 해소였습니다. 막연히 AI가 미래를 바꿀 것이라는 낙관론이나, 일자리를 앗아갈 것이라는 비관론 사이에서 길을 잃고 있었던 저에게, 이 책은 구체적인 로드맵을 제시해 주었습니다. AI는 더 이상 선택의 문제가 아니라, 생존과 성장을 위한 필수적인 비즈니스 언어라는 사실을 다시금 깨닫게 되었죠.

특히 인상 깊었던 점은 AX가 단순히 기술 도입에 그치는 것이 아니라, 조직의 '생각하는 방식'과 '일하는 문화' 자체를 근본적으로 바꾸는 과정이라는 통찰이었습니다. AI를 도구로만 보는 것이 아니라, 파트너로서 어떻게 내재화할 것인가에 대한 고민은 저로 하여금 현재 나의 업무 방식을 스스로 점검하게 만들었습니다. 내가 지금 하고 있는 이 업무는 과연 AI와 결합했을 때 더 큰 가치를 창출할 수 있는가, 혹은 인간만이 할 수 있는 영역에 집중하고 있는가에 대해 끊임없이 질문을 던지게 된 것입니다.

책은 AX를 향한 여정이 결코 순탄하지 않음을 인정합니다. 그럼에도 불구하고, 왜 우리가 이 불편하고 낯선 변화를 받아들여야 하는지에 대해 설득력 있게 이야기합니다. 변화를 거부하는 것은 도태를 의미하며, 이미 세상은 AI라는 새로운 엔진을 장착하고 더 높이 비상하고 있기 때문입니다.

『AX DISCOVERY』를 덮으며, 저는 막연한 두려움을 걷어내고 설레는 마음으로 그다음 장을 준비하게 되었습니다. AI는 인간을 대체하는 것이 아니라, 인간의 능력을 증폭시켜 더 넓은 세상으로 나아가게 하는 거대한 파도입니다. 이제 저는 그 파도에 올라타, 조직과 나의 미래를 어떻게 설계할지 조금 더 명확한 밑그림을 그려보려 합니다.

이 책은 비단 비즈니스 리더들에게만 필요한 지침서가 아닙니다. 급변하는 시대를 살아가는 우리 모두에게, 기술이라는 파도 위에서 어떻게 균형을 잡고 나아가야 할지 알려주는 소중한 나침반이 될 것입니다. 

#더와이랩 #AXDiscovery #AX디스커버리 #AX교육 #AX전환 #업무효율화