AI 없이도 설명 가능한 구조를 먼저 만들고 그 위에 AI를 얹는다(capability)
우리는 왜 기술부터 붙이려 하는가?
“이 업무에 AI를 적용할 수 있습니까?”
“자동으로 돌아가게 만들 수 있나요?”
“사람 손을 줄이고 싶습니다.”
이 질문은 자연스럽다.
기술은 분명히 생산성을 높일 수 있다.
나는 기술 도입을 반대하지 않는다.
문제는 순서다.
AI를 붙이기 전에
그 업무를 사람의 말로 설명할 수 있는가?
설명이 되지 않는 구조 위에
기술을 얹으면
결과는 예측하기 어렵다.
왜 나는 설계 능력을 먼저 말하는가?
설계는 구조를 정의하는 일이다.
입력, 처리, 판단, 출력이
어떻게 연결되는지를 명확히 하는 과정이다.
AI는 계산을 빠르게 하고
패턴을 찾고
추천을 제시할 수 있다.
그러나
무엇을 입력하고
어떤 기준으로 판단하며
어떤 결과를 출력할 것인지는
조직이 설계해야 한다.
설계 없이 기술을 도입하면
기술은 기능이 되고
기능은 의존으로 이어진다.
현장에서 있었던 사례
한 중견 서비스 기업이
고객 상담 자동화 시스템을 도입했다.
목표는 단순했다.
반복 문의를 줄이고
상담 시간을 단축하는 것.
AI 챗봇을 도입했고
FAQ를 학습시켰다.
초기 반응은 나쁘지 않았다.
그러나 한 달 뒤
고객 불만이 증가했다.
원인을 분석해보니
상담 흐름이 정의되지 않은 상태였다.
- 단순 문의와 복합 문의 구분 기준이 없었다.
- 상담 이관 조건이 모호했다.
- 응답 톤과 정책 기준이 문서화되지 않았다.
AI는 학습된 데이터를 기반으로
답변을 생성했다.
그러나 상담 정책이 정리되어 있지 않아
일관성이 떨어졌다.
우리는 기술을 중단하지 않았다.
대신 상담 구조를 먼저 설계했다.
- 문의 유형 5개로 분류
- 이관 기준 명확화 (고객 불만 등급 2 이상 시 인계)
- 응답 가이드 문서화
- 월 1회 품질 검토
그 후에야 AI를 다시 적용했다.
결과는 달랐다.
기술이 좋아진 것이 아니라
설계가 명확해졌기 때문이다.
문제는 기술 부족이 아니라 구조 불명확이다
많은 조직이
기술을 도입하면 문제가 해결될 것이라 생각한다.
그러나 기술은
정의된 구조를 가속화할 뿐이다.
구조가 모호하면
모호함을 더 빠르게 확산시킨다.
AI는 설계를 대신하지 않는다.
설계를 전제로 작동한다.
[조사 필요]
- AI 도입 실패 원인 중 프로세스 미정의 비율
- 디지털 전환 프로젝트에서 조직 설계 역량의 영향 연구
관련 통계 자료 확인이 필요하다.
사람들이 흔히 하는 착각
첫 번째 착각
“AI가 알아서 최적화해 줄 것이다.”
AI는 입력된 기준 안에서만 움직인다.
기준이 없다면 방향도 없다.
두 번째 착각
“일단 도입하고 나중에 정리하자.”
도입 후 수정 비용은
사전 설계 비용보다 높다.
세 번째 착각
“기술 역량이 곧 경쟁력이다.”
기술은 도구다.
설계 능력이 경쟁력이다.
설계 능력이란 무엇인가?
설계 능력은
다음 네 가지를 명확히 하는 힘이다.
- 문제 정의
- 무엇을 해결하려는가
- 해결 기준은 무엇인가
- 흐름 구조화
- 입력 → 처리 → 판단 → 출력 단계 구분
- 기준 명시
- KPI 3~5개 설정
- 임계값 정의
- 검증 및 개선 루틴
- 결과 점검
- 수정 기록
이 네 단계가 정리되어 있으면
AI는 단순한 가속 장치가 된다.
정리되어 있지 않으면
AI는 복잡성을 키운다.
기술을 빼고 설명해보는 연습
나는 종종 이렇게 묻는다.
“AI 없이 이 업무를 설명해보십시오.”
이 질문에 답할 수 없다면
설계가 부족한 상태다.
AI는 그 다음이다.
사람이 이해하지 못하는 구조를
기계가 안정적으로 처리하기는 어렵다.
지금 점검해야 할 것
현재 AI를 활용하고 있다면
다음 질문을 해보자.
- 이 업무의 흐름을 한 장에 그릴 수 있는가?
- 입력 데이터 정의가 문서화되어 있는가?
- 판단 기준이 숫자로 명확히 설정되어 있는가?
- AI를 제거해도 설명 가능한가?
이 질문에 명확히 답하지 못한다면
기술을 더 붙이기 전에
설계를 다시 점검하는 것이 좋다.
기술은 얹는 것이다
AI는 기반이 아니다.
구조 위에 얹는 층이다.
기반이 약하면
층은 불안정하다.
지금 우리가 키우고 있는 것은
기술 활용 능력인가,
아니면 설계 능력인가?
AI를 더 배우기 전에
업무 흐름을 먼저 설명해보는 것은 어떨까.
그 위에 기술을 얹는 것이
오히려 더 빠를지도 모른다.
AI현장감독 이동주는 AI 도입 과정에서 반복되는 구조 문제를 연구한다.
AI adoption failure를 기술 문제가 아닌 설계와 흐름의 문제로 바라본다.
Fieldbly에서 현장 사례를 기반으로 정리하고 있다.
(homepage) http://www.fieldbly.com