[기고] AI ‘실험’을 넘어 ‘실질적 성과’로…기업이 던져야 할 세 가지 질문

조성현 데이터브릭스 코리아 기술 총괄은 AI 활용의 초점을 실험 단계에서 실질 성과로 전환해야 한다고 기고했다. 사진 출처는 데이터브릭스다. 그는 기업들이 AI의 비즈니스 기여 가능성을 구체화하고 있다고 전했다.

이 같은 흐름은 이코노미스트 엔터프라이즈가 발간하고 데이터브릭스가 후원한 2026년 'Making AI Deliver' 보고서에도 나타났다고 밝혔다. 글로벌 대기업을 조사한 결과 자율형 시스템을 실제 업무에 활용하는 기업 비중은 약 60%로 집계됐다. 또 CTO의 약 90%는 AI 도입 일정과 투자수익률이 당초 계획보다 선행하고 있다고 평가했다. AI 활용 확대를 반영해 직무기술서를 재설계한 기업 비중도 약 75%로 나타났다.

조 총괄은 기업의 과제가 AI 기대를 실질 성과로 연결하는 데 있다고 밝혔다. 이를 위해서는 단순 도입을 넘어 직원의 일상 업무 내 자연스러운 활용 환경을 구축해야 한다고 설명했다. 목표는 생산성과 효율성을 제고하고 AI를 실제 업무에 정착시키는 데 있다고 덧붙였다. 아울러 기업이 세 가지 질문을 지속적으로 점검해야 한다고 제언했다.

AI 에이전트가 확산하면서 비즈니스 인사이트를 도출하는 과정에서 SQL 전문 지식의 필수성은 약화되고 있다. 이에 따라 기술적 전문성이 자동화의 장벽으로 작용하던 정도도 줄어들고 있다. 기업 내에서는 다양한 직원이 고도 기술 지식 없이도 AI를 활용할 수 있는 여건이 넓어지고 있다.

이 같은 변화는 직원별 업무에 맞춘 AI 활용과 비즈니스 중요 영역 전반에 대한 AI 적용 가능성으로 이어지고 있다. 특히 비전문 인력도 각자의 업무 맥락에 맞게 AI를 활용할 수 있는 기반이 확대되고 있다.

무신사는 데이터브릭스 지니(Genie)를 활용해 지표 모니터링 자동화를 구축했다. 이를 통해 현업 사용자는 자연어로 데이터를 조회할 수 있고 필요한 지표도 확인할 수 있다. 이는 데이터 분석을 일상 업무 흐름과 더욱 긴밀하게 연계한 사례로 제시된다.

다만 AI 활용 범위를 확대하려면 안전한 실험 환경이 필요하다. 새로운 활용 사례를 발굴하려면 AI 도구를 활용해 성과를 창출하는 방법에 대한 이해도 필요하다. AI에 대한 기대와 실제 활용을 지원하는 환경 사이에는 여전히 간극이 존재한다.

보안·거버넌스가 확보된 플랫폼은 직원이 다양한 상황별 AI 에이전트를 안전하게 실험할 수 있도록 지원하며, 그 과정에서 간극을 축소하는 역할을 한다. 반대로 안전장치가 부재할 경우 기업은 보안 이유로 직원의 AI 활용 범위를 제한할 가능성이 있다. 이 경우 직원의 AI 활용 제한은 AI 도입·확산 속도를 저하시키고, AI의 비즈니스 효과도 제한하는 결과로 이어질 수 있다.

AI 활용이 확대되면서 관리·감독 체계의 공백을 해소할 필요성도 함께 제기된다. Making AI Deliver 조사 결과에 따르면 자율형 시스템용 공식 거버넌스 프레임워크를 전 관련 팀에 의무 적용하는 기업의 비중은 44%로 나타났다. 데이터브릭스의 '2026 AI 에이전트 현황(State of AI Agents)' 보고서도 거버넌스·평가의 중요성을 확인했다.

이 보고서에 따르면 평가 도구를 사용하는 기업은 미사용 기업 대비 프로덕션 전환 AI 프로젝트 수가 약 6배 많았다. 또한 AI 거버넌스를 적용한 기업에서는 프로덕션 전환 AI 프로젝트 수의 성과 격차가 12배 이상 확대된 것으로 나타났다. 이는 평가 도구와 거버넌스 도입이 프로덕션 전환 성과와 연결된다는 점을 보여준다.

AI 확산을 위해서는 활용 범위의 확대가 필요하지만, 단순한 도입 확대만으로는 충분하지 않다. 모든 AI 워크로드를 대상으로 공통 거버넌스 원칙을 적용할 필요가 있으며, 업무 위험 수준별로 통제·감독 강도를 차등할 필요도 있다. 이와 같은 운영이 이뤄질 때 AI 활용의 신뢰도를 높일 수 있다. 또 AI 확산의 조건으로 안전한 거버넌스 기반을 마련해야 한다.

이 같은 체계는 직원들이 필요한 AI 기능에 접근할 수 있도록 하면서도, AI 접근 확대와 비즈니스 보안 훼손 방지를 병행하는 데 의미가 있다. 아울러 직원들은 새로운 역량을 개발할 수 있다. 다만 별도 애플리케이션을 사용하거나 다른 탭으로 이동해야 할 경우 불필요한 번거로움이 발생하며, 이와 같은 사용 방식은 실제 AI 활용에 영향을 미칠 수 있다.

따라서 AI 에이전트는 실제 업무 수행 환경 내에 자연스럽게 통합될 필요가 있다. 이는 사무직 직원부터 매장 현장 직원까지 포괄하는 방향이어야 한다. 또한 업무 환경과 무관하게 필요한 순간 AI를 활용할 수 있어야 한다.

하나의 채팅 인터페이스를 통해 CRM, 구글 독스, 기업 주요 데이터에 접근하면 직원들은 시스템 간 이동을 최소화할 수 있고, 실시간 인사이트를 확보하면서 업무 연속성도 유지할 수 있다. 이 같은 방식은 여러 기업 데이터와 시스템을 하나로 연결해 중간 전환 없이 즉시 필요한 정보를 얻고 후속 업무를 이어갈 수 있게 한다.

이러한 활용 사례로는 AI 에이전트를 마케팅팀용 인텔리전스 대시보드에 직접 통합한 경우가 제시된다. 마케팅팀은 운영 현황을 파악한 뒤 특정 영역을 심층 분석하고, 이어 필요한 조치를 수행하거나 새로운 기회를 모색하는 순서로 이를 활용할 수 있다. 예를 들어 트래픽 급증 원인을 확인한 이후에는 그 현상을 어떻게 재현할지 탐색하는 방향으로 질문이 확장될 수 있다.

이 같은 AI 기능의 확장 대상은 기업에서 널리 쓰는 다양한 애플리케이션이다. 다만 원활한 접근을 구현하려면 반복 인증 없는 안전한 접근 지원이 필요하다. 이를 위해서는 자동화된 ID 관리 기능과 모든 상호작용에 일관 적용되는 거버넌스, 모든 상호작용에 일관 적용되는 비즈니스 로직이 함께 필요하다.

직원들이 AI를 제대로 활용할 수 있으려면 사내 제공 AI 도구의 제한성이 과도하지 않아야 한다. 사내 제공 AI 도구의 과도한 제한성은 직원들의 내부 안전장치 우회 가능성으로 이어질 수 있다. 또 내부 안전장치 우회와 '섀도 IT(Shadow IT)' 확산은 새로운 거버넌스 문제 발생 가능성을 키울 수 있다.

직원들의 AI 기대 수준은 단순 인사이트 획득 이상이다. 직원들은 인사이트 기반 직접 행동 가능성을 요구한다. 또 직원들은 AI 에이전트가 기존 사고에 대한 새로운 관점을 제시하고, 다음 단계 업무를 안내하며, 필요 시 사용자를 대리해 행동하기를 기대한다.

궁극적으로 지향하는 바는 AI 시스템과의 상호작용이 숙련된 동료와의 협업 수준의 자연스러움을 갖추는 것이다. 이에 따라 AI 에이전트의 역할은 질문 응답을 넘어서는 수준으로 제시된다. AI 에이전트는 기업 보유 데이터 전반을 활용해 맥락에 적합한 정확한 인사이트를 제공하고, 실행 가능한 정보를 제공하며, 분석에서 실행까지 업무 중단·지연 방지를 지원하는 역할을 맡는다.

이 같은 AI 에이전트의 발전 방향은 사용자를 대신한 실제 업무 수행이다. 이러한 발전된 AI 형태의 명칭은 'AI 워커(AI worker)'다.

AI 활용 확대에 따라 직원에게는 AI 도구 사용법을 이해하는 역량과 결과를 비판적으로 검증하는 역량, 검증 결과를 판단과 행동으로 연결하는 역량이 요구된다. 이에 따라 기업에는 직원 교육에 적극적으로 투자할 필요가 있으며, AI 자율 수행 환경을 마련할 필요도 있다. AI 자율 수행의 조건은 허용 범위 내에서 다음 단계 업무를 수행하는 것이다. 아울러 기술 인프라와 사람 역량의 조화가 필요하며, 이 같은 조화가 이뤄질 때 AI 가치는 일부 기술 조직을 넘어 기업 전반으로 확산할 수 있다.

하지만 Making AI Deliver 조사 결과에서는 직원 AI 역량 강화를 주요 지속 비용으로 지목한 응답자 비중이 4%에 그쳤다. 직원 역량 강화의 필요성이 커지고 있음에도 실제 비용 우선순위에서는 낮게 다뤄지고 있음을 보여준다.

AI의 성패를 좌우하는 요소는 실험 수가 아니라 활용 기반이다. 또한 준비도·접근성·역량은 일회성 점검 대상이 아니며, AI 도입의 기업 전반 확대에 따라 경영진의 지속 점검과 고도화가 필요하다. 준비도·접근성·역량은 경영진이 지속적으로 관리해야 할 필수 조건이다.

AI 경쟁 선도 기업의 기준은 파일럿 수가 아니며, 경쟁 선도의 조건은 전 직원이 필요 시 AI에 접근할 수 있도록 하고 AI의 안전·효과적 활용을 뒷받침하는 거버넌스 기반과 환경 기반, 역량 기반을 갖추는 데 있다. 또한 AI는 일부 기술팀 전용 도구에 머물러서는 안 되며, AI가 일상 업무와 의사결정 과정에 정착해야 한다. 이처럼 AI가 업무·의사결정에 정착하는 시점에 기존의 수많은 실험은 지속 가능한 비즈니스 성과로 연결된다.

출처: 아이티데일리 (IT DAILY) · 조성현
원문: https://www.itdaily.kr/news/articleView.html?idxno=241532

참고자료

• https://www.itdaily.kr/news/articleView.html?idxno=241532