[테크 리포트AI 그 다음 단계, 디지키가 디지털 팀원 활용 전문성 강화·확장하는 방법

필자는 여러 해 동안 기술 분야에 종사하면서 개인용 컴퓨터, 인터넷, 클라우드 컴퓨팅, 원격 근무가 기업 운영 방식을 재편하는 변화를 경험해 왔다고 밝혔다. 그는 이런 변화들에는 예측과 기대감, 상당한 관심이 공통적으로 수반됐다고 전했다.

필자는 AI도 많은 측면에서 과거의 주요 변화와 비슷하지만, 차이점은 변화 속도에 있다고 설명했다. 그는 대부분의 신기술은 발전에 수년이 걸리지만, AI는 체감상 매주 달라지는 수준이라고 전했다.

필자는 이런 빠른 속도가 5년 또는 10년 후 '직업'의 모습을 과감하게 예측하고 싶게 만든다고 밝혔다. 그러면서 더 단순한 질문은 지금 이 기술로 할 수 있는 일이 무엇인지이며, 디지키는 '복잡성'에서 그 질문의 해답을 모색하고 있다고 전했다.

디지키는 전자 상거래 플랫폼을 통해 1700만개 이상 제품을 판매하고 있으며, 디지키 팀들은 매일 대규모 정보를 처리하고 있다. 이들이 처리하는 정보의 범위에는 제품 사양과 가격 구조, 무역 규정 준수 요구 사항, 제조업체 데이터, 고객 문의가 포함된다.

이 같은 정보 처리 과정에서 전문성 부족으로 인한 어려움은 거의 없지만, 업무상의 병목은 다른 지점에 있다. 고숙련 인력이 정보 수집에 과도한 시간을 투입하고 있으며, 보유한 지식을 적용하는 데에는 상대적으로 적은 시간을 투입하고 있다.

AI는 이런 문제 지점에서 가장 큰 변화를 만들 수 있는 수단으로 제시된다. 발언자는 팀원들과 함께 이를 디지털 트윈 인턴에 비유해 사용하고 있으며, 이 개념은 항상 도움을 줄 의지가 있는 인턴 직원을 가리킨다. 이 디지털 트윈 인턴은 반복 업무를 기피하지 않고, 방대한 정보를 수초 내 분류할 수 있는 존재로 설명된다.

AI 에이전트는 의미 있는 작업을 수행할 가능성이 있지만, 이를 위해서는 가이드와 맥락의 제공이 필요하며 경험 많은 사람의 작업 검토가 필요하다고 설명한다. 또한 경험 많은 사람의 최종 결정이 필요하다고 본다. AI 에이전트에 대한 관점은 전문가에게 다른 출발점을 제공하는 데 있다는 내용이다.

이전에는 직원들이 여러 시스템의 데이터를 탐색하는 데 시간을 써 왔고, 정보를 대조하는 데에도 시간을 소모했으며, 일상적 관리 업무를 처리하는 데에도 시간을 들여 왔다. 이에 비해 AI 에이전트는 상당 부분 완료된 기초 작업을 기반으로 업무를 시작할 수 있도록 지원하는 방식으로 전문가의 일을 돕는다고 설명한다.

이 같은 지원은 절차 이행에 쓰이던 시간의 재배분으로 이어진다. 재배분된 시간은 상황 판단에 활용될 수 있고, 문제 해결에 활용될 수 있으며, 고객 소통에 활용될 수 있다.

중요한 과제는 AI가 사람들이 어렵게 느끼는 부분을 일부 제거할 때 인간이 할 수 있는 일에 대해 숙고하는 데 있다고 설명한다.

AI가 수행할 수 있는 작업은 저부가가치 작업으로 지칭되며, 이들 저부가가치 작업은 '디지털 트윈 인턴' 또는 AI 에이전트에 위임하는 방식이 제시된다. 이에 따라 숙련 직원들은 고난도 문제 해결에 더 집중할 수 있고, 고객 서비스 제공에도 집중할 수 있으며, 혁신 주도에도 집중할 수 있다.

디지키 AI 전략과 관련한 일반적 인식은 미래 가능성과 AI를 통한 유통 분야 변화에 초점을 두고 있다. 그러나 디지키의 실제 초점은 현재 시점의 실용적 비즈니스 문제 해결에 있으며, 이러한 문제 해결의 목적은 사람들의 시간을 절약하는 데 있다.

디지키는 지난 1년간 70-20-10 투자 모델을 적용했다. AI 관련 노력의 약 70%는 운영 역량 확장에 집중했고, 20%는 고객 경험 향상에 집중했으며, 나머지 10%는 실험 및 장기적 기회에 배정됐다.

자원 투자 계획은 AI 발전 과정에서 확인된 핵심 가치를 반영하고 있다. 그 핵심 가치는 일상 업무의 마찰을 제거하는 데 있다.

디지키는 AI 에이전트를 활용하고 있다. 활용 부문은 회계·고객 운영·무역 규정 준수다.

이들 업무 환경에서는 정보 수집에 직원 시간이 다수 소요되고, 시스템 간 이동에도 직원 시간이 다수 소요된다. 업무 관련 복잡한 규정을 이해하는 데에도 직원 시간이 다수 소요된다. 많은 경우 업무 자체의 난도는 낮지만 업무량은 많고 주변 환경은 복잡하다. 무역 규정 준수는 이런 사례로 제시됐다. 관세 영향을 판단해야 하는 대상은 수백만개의 제품이며, 관세 영향 판단 시에는 제조업체·제조 시설·규정·고객 요구 사항 간 복잡한 관계를 고려해야 한다. 이로 인해 가능한 시나리오 수는 빠르게 증가한다.

AI는 방대한 정보의 신속한 검토가 가능하고, 가장 중요한 세부 사항을 식별할 수 있다. 이런 이유로 AI는 이러한 환경에 특히 적합하다.

디지키는 올해 초 회계 부서에 AI 에이전트를 도입해 실업무에 투입했다. 첫 성공 사례의 대상은 고객 송금 요청 처리 지원이었다.

이 AI 에이전트는 이메일을 검토하고 요청 작업을 식별하며 관련 정보를 수집했다. 이어 직원에게 적절한 결정을 권고하고 해당 작업의 승인을 유도하는 기능을 수행했으며, 현재 송금 요청의 약 3분의 2가 자동화됐다.

이 같은 도입 결과로 생산성이 향상됐고, 도입 과정의 성과로 추가 통찰력과 교훈도 확보됐다. 디지키는 AI 에이전트를 구축하기에 앞서 책임감 있는 운영용 인프라를 구축하고 거버넌스와 보안 제어, 운영 프로세스도 구축했다.

디지키는 이번 도입을 통해 기술의 강점 영역과 기술의 어려움 영역을 파악했다. 아울러 인간 감독이 필수인 영역도 확인했다.

초기 경험에서 얻은 앞선 교훈·통찰은 재활용 가능하며, 기회도 단일 사용 사례에 한정되지 않는다고 볼 수 있다. 디지키 전사는 70개 이상 활용 사례의 도입을 진행하고 있으며, 도입 수준은 사례별로 다양하다.

패턴을 이해한 이후에는 새로운 가능성이 확대된다. 이와 관련해 전사 관점의 반복 질문이 제시되며, 그 질문의 주제는 여러 시스템 간 정보 수집과 정해진 비즈니스 규정 기반 의사결정 업무의 식별이다.

이 같은 업무들은 AI 지원 워크플로에 적합한 경우가 많다. 이를 통해 조직 전반으로 적용 범위를 넓히는 흐름이 가능해진다.

다만 최초 운영 에이전트의 프로덕션 배포가 가장 어려운 부분이었다. 디지키는 현재까지 학습 내용의 확장에 집중할 수 있게 됐으며, 가장 어려운 과제는 기술이 아닌 적응이다.

AI 기술의 지속적·고속 발전이 이어지는 가운데, 1년 전에는 상상하기 어려웠던 일이 현재에는 유능한 에이전트와 함께 일상적으로 느껴질 가능성이 제기된다. 이에 따라 현재 최대 과제는 기술 자체보다 변화한 업무 방식에 대한 사람들의 적응을 지원하는 일로 옮겨가고 있다.

과거에는 업무 시간의 대부분이 행정 업무에 소모됐다. 그러나 행정 업무의 점진적 자동화가 진행되면서, 자동화에 따라 새로 생긴 시간을 어떻게 활용할 것인지라는 새로운 문제가 제기되고 있다.

이 질문에 대한 답변의 난도는 높다. 특히 여유 시간을 시스템 내 유휴 시간으로 오인하기 쉽지만, 실제 여유 시간은 유휴 시간이 아니다.

과거 오전 시간은 데이터 검색에 쓰였지만, 현재 그 시간은 보고서 누락분을 탐지하고 제조업체의 해결책 모색을 지원하며 고객 요청을 처리하고 고객과 소통하며 당면 문제에 대해 더 깊이 고민하는 방향으로 활용돼야 한다.

AI 도입에 따른 시간 사용 방식의 변화는 디지키만의 현상이 아니다. AI를 실험하는 조직 전반이 유사한 변화에 직면할 전망이다.

이에 따라 핵심 논의 주제는 기술보다 문화와 리더십, 그리고 단순 반복적인 업무를 할 필요가 없어진 후에 '업무를 잘하는 것'이 무엇을 의미하는지에 관한 것으로 바뀌고 있다. 반복적 업무가 불요한 상태가 된 이후에는 '업무를 잘하는 것'의 의미를 재정의할 필요가 있다.

이 해답을 찾는 조직은 도구만 구매한 조직보다 우위에 설 수 있다. 이런 변화는 기술 도입 자체보다 조직이 무엇을 성과로 볼 것인지에 대한 판단과 연결된다.

AI 시장에서는 더 주목할 트렌드 1순위로 오픈소스 AI 모델의 빠른 발전이 제시된다. 대다수는 AI를 떠올릴 때 몇몇 유명 기업을 연상하며, 이들 유명 기업의 플랫폼도 중요성을 지닌다.

다만 특정 분야에서 고성능을 내는 전문 모델들이 지속해서 등장하고 있다. 이들 전문 모델은 보통 비용이 훨씬 저렴하다.

AI를 둘러싼 논의 범위는 기술적 측면뿐 아니라 경제적 측면까지 포함하는 방향으로 확대되고 있다. 이에 따라 AI의 경제성 관련 문제의 중요성도 커지고 있다. 이런 맥락에서 적합한 모델을 선택하는 일은 적합한 도구를 선택하는 일과 유사한 문제로 제기된다.

일부 작업에는 범용 모델이 적합할 수 있다. 반면 다른 작업에는 더 작고 특정 기능에 특화된 모델이 적용될 수 있다. 이런 특화 소형 모델은 훨씬 저렴한 비용 우위를 지니면서도 다른 작업에서 유사한 결과를 낼 수 있다.

조직의 AI 도입 규모는 확대되고 있다. AI 도입 확대에 따라 어떤 모델을 선택할지에 대한 결정의 중요성도 함께 커지고 있다. AI로 가장 큰 가치를 만드는 기업은 문제별로 적합한 모델을 이해하고, 그런 결정을 일관되게 수행하는 기업이라는 점이 강조된다.

화자는 AI가 5년·10년 후 어떤 모습일지에 대한 질문을 자주 받는다고 설명한다. 이와 관련해 화자는 개인용 컴퓨터, 인터넷, 클라우드 컴퓨팅을 둘러싼 과거의 유사한 논의를 떠올린다고 말한다.

이 같은 연상은 기술 발전의 어느 시점 이후에는 기술 자체가 후경화된다는 점으로 이어진다. 결국 일정 단계가 지나면 AI에서도 기술 그 자체보다 활용이 더 전면에 놓이게 되는 흐름이 제시된다.

자기소개에서 업무용 인터넷 사용을 언급하는 일은 일반화되지 않았고, 랩톱을 혁신적 전략으로 규정하는 일도 일반화되지 않았다. 인터넷과 랩톱은 업무 방식 내 자연스러운 일부가 됐으며, AI도 동일한 방향으로 진행하고 있다는 인식이 제시된다.

이에 따라 미래의 독점 대상이 AI 접근 가능 조직만은 아닐 가능성이 제기된다. 그 이유는 AI 접근성이 점진적으로 보편화되고 있기 때문이다. 따라서 차별화 전략의 핵심은 도구를 신중하고 안전하며 책임감 있게 적용하는 방법을 이해하는 데 놓인다.

이와 함께 자동화가 가치를 창출하는 영역과 인간 판단이 필수적인 영역을 구분하는 일의 중요성도 확대되고 있다. 경쟁력은 AI 접근 자체보다 이를 어떻게 적용하느냐와 자동화와 인간 판단의 경계를 어떻게 설정하느냐에 달려 있다는 흐름이 제시된다.

이 과정에서도 기존 규칙은 지속적으로 적용된다. 조직이 검토해야 할 사항은 거버넌스·보안·지출·책임성이다. AI의 효과는 해당 책임의 소멸이 아니며, 오히려 해당 책임의 중요성을 증대시키는 것으로 정리된다.

화자는 AI와 관련한 다양한 논의가 존재한다고 보면서도, AI가 정보 처리를 지원하고 복잡한 상황 대응을 지원하는 등 여러 업무를 보조할 수 있다는 점은 인정했다. 그러나 가장 중요한 변수는 사람이라고 확신했으며, 인간의 전문성은 계속 핵심성을 유지하고 특히 노련한 직원들의 판단은 가장 중요한 부분으로 존속한다고 봤다.

출처: 테크월드뉴스 · 이광재 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=407741

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=407741