생성형 AI가 폭발적으로 확산되면서, 기업마다 AI 도입을 선언하고 있다. 글로벌 컨설팅 기업들의 보고서에는 "AI를 도입하지 않으면 도태된다"는 경고가 넘쳐난다. 그런데 정작 현장의 이야기를 들어보면, AI로 실질적인 성과를 만들어낸 기업은 놀라울 만큼 적다. 왜 그런 것일까. 이 칼럼에서는 인공지능을 둘러싼 다섯 가지 '불편한 진실'을 솔직하게 짚어본다. 기술의 화려함 뒤에 숨겨진 현실을 직시하는 것, 그것이 AI를 제대로 활용하는 첫걸음이다.
|
진실 |
|
전 세계 기업이 다 쓴다, 성과를 내는 곳은 극소수다
AI를 도입했다고 발표하는 기업은 수없이 많다. 하지만 AI로 매출을 늘리거나 비용을 줄이거나, 의미 있는 업무 혁신을 이뤄낸 곳은 얼마나 될까. 현실은 냉정하다. 대다수 기업의 AI 프로젝트는 PoC(개념 증명) 단계에서 멈추거나, 도입 후에도 기존 업무 방식과 충돌하며 조용히 사라진다.
|
많은 사람들이 전동드릴을 사고 나서 어디에 구멍을 뚫을까를 고민한다. 이것이 인공지능을 도입하는 대부분의 기업이 보여주는 모습이다. 도구를 먼저 사고, 용도는 나중에 찾는 것이다. |
AI 도입 실패의 원인을 분석하면, 기술 자체의 한계 때문에 실패하는 경우는 오히려 드물다. 진짜 원인은 세 가지로 수렴한다.
|
전략 부재 AI로 무엇을 해결할지 명확하지 않음 |
조직 저항 기존 조직 문화와 업무 방식이 |
데이터 부실 AI가 학습할 수 있는 양질의 |
기술이 아무리 뛰어나도, 이 세 가지가 해결되지 않으면 AI 도입은 결국 비용만 남기는 실험에 그치고 만다. AI를 도입하기 전에 "우리 조직에 구멍을 뚫어야 할 벽이 어디인가"부터 정의하는 것이 순서다.
|
진실 |
|
AI가 사람을 대체하는 것이 아니다, AI를 쓰는 사람이 안 쓰는 사람을 대체한다
"AI가 내 일자리를 빼앗을 것인가?" 이 질문은 이제 잘못된 프레임이 되어가고 있다. 현실에서 일어나는 일은 훨씬 더 구체적이고 날카롭다. AI가 직접 사람을 밀어내는 것이 아니라, AI를 능숙하게 활용하는 사람이 그렇지 않은 사람과의 생산성 격차를 벌리고 있는 것이다.
|
같은 직무, 같은 경력, 같은 조직에서 일하더라도, AI를 자신의 업무에 통합하는 사람과 그렇지 않은 사람 사이의 성과 차이는 이미 벌어지기 시작했다. 위협의 주체는 AI가 아니라, AI를 무기로 장착한 동료이자 경쟁자다. |
이것은 과거의 기술 혁신에서도 반복된 패턴이다. 엑셀이 등장했을 때 회계사가 사라지지 않았다. 엑셀을 쓰는 회계사가 주판을 놓지 않은 회계사를 대체했을 뿐이다. AI 시대에도 동일한 논리가 적용된다. 핵심은 기술 자체가 아니라, 그 기술을 자기 업무에 녹여낼 수 있느냐의 문제다.
|
진실 |
|
개발자가 최고가 아니다, 현장을 아는 사람이 최고의 AI 인재다
AI 하면 개발자, 데이터 사이언티스트가 떠오른다. 코딩을 하고, 모델을 학습시키고, 알고리즘을 설계하는 사람이 AI 시대의 핵심 인재라는 인식이 널리 퍼져 있다. 하지만 이것은 절반만 맞는 이야기다.
AI를 진짜 잘 쓰려면, 현장을 이해하는 사람이 필요하다. 도메인 지식, 즉 해당 업무와 산업에 대한 깊은 이해를 가진 사람이야말로 AI를 가장 효과적으로 활용할 수 있는 인재다. 이유는 명확하다. AI에게 올바른 질문을 던지려면, 그 분야의 문제가 무엇인지 정확히 알아야 하기 때문이다.
|
AI는 답을 내놓는 도구다. 하지만 어떤 질문을 던져야 하는지는 현장을 깊이 아는 사람만이 알 수 있다. 제조 현장의 불량률을 낮추는 AI를 만들려면, 코드보다 먼저 불량이 왜 발생하는지를 이해하는 사람이 필요하다. |
개발자는 AI를 '만드는' 사람이지만, AI를 '쓰는' 사람에게는 도메인 전문성이 훨씬 중요하다. 그리고 현재 AI 기술의 발전 방향은, AI를 '만드는' 일보다 '쓰는' 일의 비중을 급격히 키우고 있다. 코딩 없이도 AI를 활용할 수 있는 도구들이 쏟아지는 지금, 진짜 경쟁력은 기술 스킬이 아니라 업무에 대한 깊이에서 나온다.
|
진실 |
|
AI를 설계하는 사람이 될 것인가, AI가 설계한 곳에서 일하는 사람이 될 것인가
세 번째 진실의 연장선에서, 더 불편한 이야기를 해야 한다. 도메인 지식을 가진 사람이 AI를 활용하면, 그 사람은 자연스럽게 AI를 설계하고 감독하는 위치에 서게 된다. 업무의 흐름을 정의하고, AI에게 무엇을 시킬지 판단하며, AI의 결과물을 평가하는 역할이다.
반면, 그렇지 않은 사람은 어떻게 될까. 누군가가 AI로 설계한 프로세스 안에 들어가서, AI가 지시하는 대로 일하는 위치에 놓이게 된다. 이미 물류, 콜센터, 콘텐츠 제작 등 여러 영역에서 이런 구조가 현실화되고 있다.
우리는 과연 어떤 사람이 되어야 하는가?
|
AI를 설계하고 감독하는 사람 |
vs |
AI가 설계한 곳에서 일하는 사람 |
이 질문에 대한 답은 단순한 기술 학습이 아니다. 자신의 업무 영역에서 깊이를 쌓고, 그 위에 AI를 얹을 수 있는 역량을 키우는 것이다. AI 시대에 진짜 위험한 것은 AI를 모르는 것이 아니라, 자기 분야에서 대체 불가능한 전문성이 없는 것이다.
|
진실 |
|
복잡하게 생각하지 마라, 지금 당장 할 수 있는 세 가지가 있다
네 가지 불편한 진실을 읽고 나면 이런 생각이 들 수 있다. "그래서 뭘 어떻게 하라는 건가?" 사실 답은 의외로 단순하다. 거창한 AI 전략을 수립하거나, 대규모 예산을 투입하거나, AI 전문가를 채용할 필요가 없다. 지금 당장 실천할 수 있는 세 가지만 하면 된다.
|
— 지금 바로 시작하는 세 가지 1 데이터를 정리하라. AI는 정리된 데이터를 먹고 자란다. 종이 문서에 묻혀 있는 정보, 엑셀 파일 속 뒤죽박죽 비정형 데이터, 담당자 머릿속에만 있는 업무 노하우 — 이것들을 AI가 읽을 수 있는 형태로 구조화하는 것이 모든 것의 출발점이다. 데이터가 없으면 아무리 좋은 AI도 무용지물이다.
2 자기 업무를 AI에게 설명할 수 있어야 한다. 결국 AI를 잘 쓴다는 것은, 자기가 하는 일을 명확하고 구체적으로 설명할 수 있다는 뜻이다. "이런 상황에서, 이런 조건일 때, 이런 결과를 내야 한다"고 말할 수 있는 사람이 AI를 가장 잘 부린다. 프롬프트 엔지니어링이라는 거창한 이름이 붙었지만, 본질은 자기 업무를 얼마나 잘 구조화할 수 있느냐의 문제다.
3 이미 만들어진 최고의 AI를 그대로 써라. 직접 모델을 만들거나, 자체 시스템을 구축하려는 유혹을 버려라. 세계 최고의 기업들이 천문학적 비용을 들여 만든 AI 서비스가 이미 나와 있다. 그것을 내 데이터와 내 업무에 바로 연결하는 것이, 대부분의 조직에게 가장 현실적이고 효과적인 선택이다. |
이 세 가지의 공통점은, 기술이 아니라 '준비'에 관한 것이라는 점이다. AI를 잘 쓰기 위해 코딩을 배울 필요는 없다. 내 데이터를 정리하고, 내 업무를 명확히 정의하고, 검증된 도구를 선택하는 것. 이 기본에 충실한 사람과 조직이 AI의 혜택을 가장 먼저, 가장 크게 누리게 된다.
|
불편한 진실을 직시하는 것이 시작이다 다섯 가지 진실은 하나의 메시지로 수렴한다. AI는 마법이 아니라 도구다. 그리고 도구의 가치는 그것을 쥔 사람의 역량에 달려 있다. 전동드릴을 산다고 가구를 만들 수 있는 것이 아니듯, AI를 도입한다고 혁신이 일어나지 않는다. 중요한 것은 세 가지다. 자기 업무 영역에서 대체 불가능한 깊이를 갖추는 것. 그 위에 AI를 도구로서 능숙하게 활용하는 것. 그리고 데이터와 업무를 AI가 이해할 수 있도록 정리하는 것. 이 순서를 뒤집지 않는 사람과 조직이, AI 시대의 진짜 승자가 될 것이다. |
* 이 칼럼은 현장의 AI 도입 사례와 전문가 의견을 종합하여 작성되었습니다.
