AI를 도입해야 한다는 건 압니다.
그런데 사내에서 어디부터 시작해야 할지 막막한 분들이 많으십니다.
경영진은 AI를 선언했고, 현장은 뭔가를 해보려 하지만, 첫 발을 어디에 내딛어야 할지 방향이 잡히지 않는 상태입니다.
현장에서 AX가 막히는 지점은 딱 두 가지입니다.
막힘점 1 — 실무는 멀티에이전트 영역입니다
단순한 질문·답변은 챗봇으로 처리됩니다.
그런데 실제 업무는 챗봇으로 돌아가지 않습니다.
메일 분류, 견적서 작성, 내부 보고 요약, 계약 검토.
이런 업무들은 한 번의 판단으로 끝나지 않습니다.
정보를 가져오고, 맥락을 파악하고, 형식에 맞게 정리하고, 다음 담당자에게 넘기는 여러 단계가 이어집니다.
이를 처리하려면 멀티에이전트 구조가 필요합니다.
문제는 이 구조를 사내에서 직접 설계하고 구축하기가 쉽지 않다는 점입니다.
전담 엔지니어링 인력도 없고, 어디서부터 설계해야 할지도 감이 오지 않습니다.
막힘점 2 — AI에 제공할 데이터가 없습니다
AI가 실제 업무에 맞게 작동하려면 회사의 비즈니스 데이터가 입력되어야 합니다.
그런데 그 데이터를 어떻게 넣어야 할지 방법을 모르는 경우가 많습니다.
더 근본적인 문제도 있습니다.
애초에 정리된 데이터 자체가 없는 경우도 많습니다.
업무 기록은 메신저에 흩어져 있고, 보고서는 개인 폴더에 잠겨 있고, 고객 정보는 담당자 머릿속에만 있습니다.
두 가지 막힘이 동시에 존재하면 조직은 멈춥니다.
멀티에이전트도 어렵고, 데이터도 없으니 "우리는 아직 AI를 할 단계가 아니다"는 결론으로 이어집니다.
그래서 AX는 왜 시작이 안 될까요
AX를 거대한 로드맵으로 그리기 때문입니다.
데이터 인프라를 구축하고, AI 전략을 수립하고, 파일럿 팀을 꾸리고, 교육을 진행한 다음에 도입한다는 순서입니다.
이렇게 접근하면 1년이 지나도 실제로 시작되지 않습니다.
그 사이에 조직의 에너지는 회의와 계획 속에 소진됩니다.
가장 귀찮은 반복 업무 1개부터
현장에서 효과적인 접근은 단 하나입니다.
가장 귀찮은 반복 업무 1개를 먼저 AI에 연결하는 것입니다.
매주 누군가가 한숨을 쉬면서 처리하는 그 일.
복사·붙여넣기를 반복하는 그 루틴.
"이게 왜 아직도 사람이 하고 있지?"라는 생각이 드는 그 작업.
그 1개를 AI에 연결합니다.
완벽하지 않아도 됩니다.
규모가 작아도 됩니다.
순서는 이렇습니다.
1단계: 반복 업무 1개를 고릅니다. 범위는 최대한 좁게 잡습니다.
2단계: 그 업무의 입력과 출력을 정의합니다. 무엇이 들어오고 무엇이 나가야 하는지를 명확히 합니다.
3단계: AI를 그 흐름에 연결합니다. 처음부터 완전 자동화를 목표로 삼지 않습니다.
4단계: 실제로 사용해봅니다. 어디가 안 되는지 파악합니다.
왜 이 방법이 작동하나요
사람은 직접 경험해야 믿습니다.
AI가 실제로 내 반복 업무를 줄여주는 경험을 한 번 하고 나면, 태도가 달라집니다.
"이게 되네?"
그 순간부터 사람들은 스스로 더 많은 데이터를 넣으려 합니다.
더 잘 작동하게 하려고 더 많은 정보를 AI에 제공합니다.
데이터가 쌓일수록 다음 자동화는 수월해집니다.
멀티에이전트 구조는 그다음 단계의 문제입니다.
거창한 데이터 인프라 없이도 지금 당장 시작할 수 있습니다.
AX의 동력은 기술이 아니라, 체감된 작은 성공입니다.
조직이 한 번 효용을 경험하면, 그다음은 조직 스스로 움직입니다.
AX는 거창한 선언이 아닙니다. 가장 귀찮은 반복 업무 1개에서 시작됩니다.