[카테고리:] AI 전략

AI 솔루션 도입을 검토하는 회사들은 대체로 같은 순서로 움직입니다. 데모를 봅니다. 화면이 좋습니다. 한 달 파일럿을 돌립니다. 나쁘지 않습니다. 그리고 여섯 달 뒤, 결제는 매달 나가는데 실제로 그 화면을 여는 사람은 두세 명입니다.

반대쪽 경로도 결말이 비슷합니다. “우리 업무에 맞는 걸 직접 만들자”고 결정하고 개발사 세 곳에서 견적을 받습니다. 금액이 열 배 차이 납니다. 어느 쪽 설명이 맞는지 판단할 사람이 사내에 없습니다. 그래서 가장 싼 곳을 고르고, 여섯 달 뒤 처음부터 다시 시작합니다.

두 실패는 원인이 같습니다. 사서 쓸 것인지 만들 것인지를 정하지 않은 채 제품부터 봤다는 것입니다. 이 판단을 먼저 끝내면 뒤따르는 결정 대부분은 자동으로 정리됩니다. 반대로 이 판단을 건너뛰면, 어떤 제품을 고르든 어떤 개발사를 쓰든 같은 자리로 돌아옵니다.

디비컨설팅은 100건 이상의 웹·앱·플랫폼 구축 프로젝트를 수행해 왔습니다. 삼성물산 홈닉(주거 플랫폼 앱), GS건설 엘리시안 리조트(리조트 웹·앱 통합 구축), 하나투어 하나오픈챗(여행 상담 채팅 서비스), LS일렉트릭 테크스퀘어(산업 B2B 거래 플랫폼), 가천대학교 학사관리 시스템처럼 실사용자가 매일 쓰는 시스템을 만들어 왔고, 50개 이상의 글로벌 파트너사와 함께 일합니다. 아래 기준은 일반론이 아니라 그 과정에서 반복적으로 확인한 판단 지점입니다.

도입이 실패하는 두 가지 경로

산 경우 — 데모에서는 보이지 않던 것

구독형 솔루션의 데모는 그 제품이 가장 잘하는 시나리오를 보여줍니다. 문제는 우리 회사의 실제 업무가 그 시나리오와 얼마나 겹치느냐입니다. 겹치는 부분이 크면 훌륭한 선택입니다. 겹치는 부분이 절반이면, 나머지 절반은 결국 사람이 손으로 메웁니다.

실무에서 이탈이 생기는 지점은 대체로 세 곳입니다. 첫째, 우리 데이터를 넣는 순간 답변 품질이 떨어집니다. 데모 데이터는 정리되어 있었고 우리 데이터는 그렇지 않기 때문입니다. 둘째, 사내 시스템과 연결되지 않아 결국 두 화면을 번갈아 보게 됩니다. 셋째, 쓰는 사람이 늘수록 계정 요금이 같이 늘어나서, 전사 확대 시점에 비용이 다시 안건으로 올라옵니다.

이미 구독형을 사기로 방향을 잡았다면, 계약 전에 확인할 항목은 해외 AI 제품 도입, 계약 전에 벤더에게 물어야 할 12가지에 따로 정리해 두었습니다.

만든 경우 — 견적서에서는 보이지 않던 것

자체 구축은 반대의 함정이 있습니다. 개발 자체는 대체로 끝납니다. 멈추는 곳은 그 앞과 뒤입니다.

앞에서는 데이터가 발목을 잡습니다. “사내 문서를 학습시켜 답하게 하자”는 요구는 한 문장이지만, 실제로는 문서가 어디에 흩어져 있는지, 어떤 버전이 최신인지, 누가 무엇을 볼 권한이 있는지를 먼저 정리해야 합니다. 이 정리는 개발사가 대신해 줄 수 없습니다. 회사 내부를 아는 사람이 결정해야 하는 일이기 때문입니다.

뒤에서는 운영이 발목을 잡습니다. AI 기능은 출시하고 끝나는 기능이 아닙니다. 오답이 나왔을 때 누가 고치는지, 모델을 바꿀 때 기존 답변 품질이 유지되는지, 사용량이 늘 때 호출 비용이 어떻게 변하는지가 계속 따라옵니다. 견적서에 이 항목이 없으면 그 금액은 완성 금액이 아니라 착수 금액입니다. 견적이 갈리는 구조는 AI Agent 개발 비용, 왜 견적이 열 배씩 차이 나는가에서 항목별로 다뤘습니다.

공통 원인 — 기준 없이 제품부터 봤다

두 경우 모두, 비교를 시작한 시점에 이미 답이 정해져 있었습니다. 어떤 팀이 데모를 먼저 봤으면 사는 쪽으로, 어떤 팀이 개발사를 먼저 만났으면 만드는 쪽으로 기울었습니다. 제품은 판단의 결과여야 하는데 판단의 출발점이 된 것입니다. 순서를 되돌리는 기준이 아래 다섯 가지입니다.

사야 하는가, 만들어야 하는가 — 다섯 가지 기준

기준 1. 그 업무가 우리의 차별점인가

경쟁사도 똑같이 하는 업무라면 사서 쓰는 편이 거의 항상 낫습니다. 회계 처리, 일정 조율, 일반 문서 요약, 회의록 정리 같은 것들이 여기 해당합니다. 이런 업무를 직접 만들면, 남들이 월 구독료로 해결한 것을 우리는 개발비와 운영 인력으로 해결하게 됩니다.

반대로, 그 업무 방식 자체가 우리 회사가 돈을 버는 이유라면 사는 순간 차별점이 사라집니다. 견적 산출 로직, 매칭 기준, 심사 기준, 고객 등급 판정 같은 것들입니다. 이런 판단 규칙은 시장에 나와 있는 제품이 알 수 없는 영역이고, 알게 되는 순간 경쟁사도 같은 것을 쓸 수 있게 됩니다.

기준 2. 데이터가 회사 밖으로 나가도 되는가

이 질문은 취향의 문제가 아니라 규정의 문제입니다. 개인정보, 고객사와 맺은 비밀유지 조항, 업권별 규제, 모회사 정책 중 하나라도 “외부 전송 불가”에 걸리면 구독형은 후보에서 빠집니다. 국내 리전 여부, 학습 데이터 사용 여부, 로그 보관 기간은 계약서에서 확인해야 하는 항목이지 영업 담당자의 구두 답변으로 넘어갈 항목이 아닙니다.

다만 “나가면 안 된다”는 답이 곧 “우리가 직접 개발해야 한다”는 뜻은 아닙니다. 통제해야 하는 것은 데이터의 위치와 접근 권한이지 개발 인력의 국적이 아닙니다. 이 구분은 외주 개발 보안, 소스코드는 어디까지 안전한가에서 접근 권한 설계 기준으로 다뤘습니다.

기준 3. 사내 시스템과 붙어야 하는가

AI가 답을 잘 만드는 것과, 그 답이 업무에 실제로 반영되는 것은 다른 문제입니다. 결과를 사람이 복사해서 ERP나 그룹웨어에 다시 입력해야 한다면, 그 도구는 업무를 줄인 것이 아니라 한 단계 추가한 것입니다. 실제 이탈의 상당수가 여기서 발생합니다.

기준은 단순합니다. 읽기만 하면 되는가, 쓰기까지 해야 하는가. 읽기만 필요하다면 구독형으로도 대부분 해결됩니다. 사내 시스템에 값을 쓰는 순간부터는 권한, 감사 로그, 실패 시 롤백까지 설계해야 하고, 그 지점부터 구축 영역으로 넘어갑니다.

기준 4. 쓰는 사람이 늘면 요금이 어떻게 되는가

구독형 대부분은 계정당 과금입니다. 10명이 쓸 때는 저렴하고, 전사 300명으로 확대하는 순간 계산이 달라집니다. 도입 검토 시점의 인원이 아니라 성공했을 때의 인원으로 3년 총액을 계산해 보는 것이 정확합니다.

자체 구축은 반대 곡선입니다. 초기 투입이 크고, 인원이 늘어도 비용이 비례해서 늘지는 않습니다. 두 곡선이 만나는 지점이 우리 회사의 예상 사용 규모보다 앞에 있으면 구축이, 뒤에 있으면 구독이 유리합니다. 여기서 흔한 실수는 구축 쪽 계산에 운영·유지보수를 빼놓는 것입니다. 그 항목을 빼면 어떤 계산이든 구축이 이깁니다.

기준 5. 3년 뒤에도 우리가 통제할 수 있어야 하는가

업무에 깊이 들어간 도구일수록 벗어나기 어렵습니다. 벤더가 가격 정책을 바꾸거나, 제품 방향을 틀거나, 서비스를 종료할 때 우리에게 무엇이 남는지를 도입 전에 확인해야 합니다. 축적한 데이터를 표준 형식으로 내보낼 수 있는지, 그 데이터에 우리가 만든 판단 규칙이 함께 담기는지가 핵심입니다.

자체 구축의 실질적인 가치는 여기 있습니다. 소스코드와 데이터가 발주사에 귀속되면, 3년 뒤 방향을 바꿀 때 다시 처음부터 시작하지 않아도 됩니다.

판단 항목	구독형 솔루션	자체 구축
초기 투입	낮음	높음
시작까지 걸리는 시간	짧음	김
우리 업무에 맞는 정도	제한적	맞출 수 있음
사내 시스템 연동	벤더 정책에 종속	설계 가능
인원이 늘 때 비용	계정 수에 비례	인원과 무관
데이터 위치 통제	제한적	가능
중단 시 남는 것	없음에 가까움	코드와 데이터가 자산으로 남음
소스코드 소유권	없음	발주사 귀속

다섯 기준 중 세 개 이상이 구축 쪽을 가리키면 만드는 것이 맞습니다. 두 개 이하라면 사는 편이 낫고, 그 예산은 도입 후 정착과 교육에 쓰는 편이 회수가 빠릅니다. 어느 업무부터 손댈지가 아직 정리되지 않았다면 AI를 도입해도 달라지지 않는 이유 — 업무 진단에서 출발하는 이유를 먼저 보시는 편을 권합니다.

만들기로 했다면, 발주 방식이 결과를 가릅니다

구축으로 결론이 났다면 다음 질문은 “어디에 맡길 것인가”입니다. 여기서 많은 회사가 국내 개발사와 해외 개발사의 단가만 비교합니다. 하지만 실제로 비용을 가르는 변수는 단가가 아니라 요구사항을 누가 정의하고 누가 책임지는가입니다.

	국내 개발사	해외 직접 발주	한국 PM + 글로벌 개발팀
개발 단가	높음	낮음	낮음
요구사항 정의 책임	개발사	발주사 본인	한국 PM
커뮤니케이션 언어	한국어	영어	한국어
발주사 담당자 투입 시간	보통	매우 많음	적음
재작업 리스크	낮음	높음	낮음
총비용 관점	비쌈	기대만큼 안 싸다	실질 절감

해외 직접 발주가 기대만큼 저렴하지 않은 이유는 단가가 아니라 가운데 열에 있습니다. 요구사항 정의 책임이 발주사에게 넘어오기 때문입니다. AI 프로젝트에서는 이 부담이 일반 개발보다 더 큽니다. “무엇을 만들지”뿐 아니라 “어디까지 자동으로 판단하게 할지”, “틀렸을 때 어떻게 처리할지”까지 정의해야 하기 때문입니다.

사내에 그 정의를 해 줄 기술 담당자가 있다면 해외 직접 발주도 가능한 선택입니다. 없다면 단가가 아무리 낮아도 총비용은 올라갑니다. 정의되지 않은 요구사항은 반드시 재작업으로 돌아오기 때문입니다. IT 아웃소싱에서 세 번째 열이 존재하는 이유가 이것입니다. 한국인 PM이 한국어로 요구사항을 정의하고 일정을 책임지며, 개발은 검증된 글로벌 팀이 맡습니다.

디비컨설팅이 통제하는 방식

1. 상담 및 요구 분석 — 비즈니스 목표와 기술 요구사항을 한국어로 문서화합니다. AI 프로젝트에서는 여기에 자동 판단 범위와 오답 처리 기준까지 포함됩니다. 뒤에서 생기는 재작업 대부분이 이 단계에서 제거됩니다.
2. 개발팀 구성 — 요구사항에 맞춰 전담팀을 2~4주 내에 구성합니다. 채용이 아니라 배정이므로 시작 시점이 예측 가능합니다.
3. 프로젝트 개발 — 애자일 방식으로 진행하고 진척을 투명하게 공유합니다. 발주사 담당자가 하루를 개발팀 조율에 쓰지 않아도 되는 구조입니다.
4. 테스트 및 배포 — QA 절차를 거쳐 배포합니다. AI 기능은 기능 통과 여부만이 아니라 답변 품질 기준까지 함께 확인합니다.
5. 운영 및 유지보수 — API 명세, DB 스키마, 배포 절차를 문서와 함께 인계하고 장기 지원을 이어갑니다. 다섯 번째 기준에서 말한 “3년 뒤에도 통제 가능한가”에 대한 답이 이 단계입니다.

발주 전에 정해야 할 항목을 문서 형태로 준비하고 싶다면 요구사항 정의서, 어디까지 써야 할까와 AI Agent 개발 외주, 발주 전에 반드시 정해야 하는 5가지를 함께 보시면 됩니다.

실제로 구축한 시스템들

AI 기능이 실제로 붙는 자리는 데모 화면이 아니라 이미 사용자가 매일 쓰고 있는 업무 시스템입니다. 디비컨설팅이 구축한 시스템의 일부입니다.

• 삼성물산 — 홈닉, 주거 플랫폼 앱
• GS건설 — 엘리시안 리조트, 리조트 웹·앱 통합 구축
• 하나투어 — 하나오픈챗, 여행 상담 채팅 서비스
• LS일렉트릭 — 테크스퀘어, 산업 B2B 거래 플랫폼
• 직방 — 호갱노노, 부동산 데이터 서비스
• 교보생명 — 사내벤처(글펍), 커뮤니티 서비스
• 가천대학교 — 학사관리 시스템
• 센터필드 · 센트로폴리스 · 그랑서울 — 프라임 오피스 빌딩 관리 시스템

교육, 금융·핀테크, 헬스케어, 제조·물류, 이커머스, 스마트빌딩·IoT 영역의 구축 경험이 있습니다. 더 많은 사례는 포트폴리오에서 보실 수 있고, B2B 플랫폼에 판단 로직을 얹는 방식은 B2B 플랫폼에서 매칭 담당자를 AI Agent로 바꾸면에서 다뤘습니다.

이런 기업에 적합합니다

• 자동화하려는 업무가 회사의 차별점이고, 시장 제품으로는 그 판단 규칙을 담을 수 없는 경우
• 규정이나 고객사 계약 때문에 데이터를 외부로 보낼 수 없는 경우
• ERP·그룹웨어·사내 DB에 값을 기록하는 데까지 자동화해야 하는 경우
• 전사 확대를 전제하고 있어 계정당 과금이 3년 총액에서 불리해지는 경우
• 기술 요구사항을 정의해 줄 담당자가 사내에 없어, 요구 정의부터 맡길 파트너가 필요한 경우

반대로, 권하지 않습니다

• 경쟁사와 똑같은 일반 업무를 자동화하려는 경우. 문서 요약, 회의록 정리, 일정 조율은 구독형이 훨씬 빠르고 쌉니다. 만들면 손해입니다.
• “일단 AI를 도입해 보자”에서 출발한 경우. 해결할 업무가 지정되지 않은 프로젝트는 무엇을 만들어도 성과를 증명할 수 없습니다. 업무 진단이 먼저입니다.
• 운영 예산 없이 구축 예산만 잡은 경우. AI 기능은 출시 시점이 아니라 운영 중에 품질이 결정됩니다. 유지보수 계획이 없으면 구축하지 않는 편이 낫습니다.
• 3개월 안에 전사 적용까지 끝내야 하는 경우. 범위를 좁히지 않는 한 이 일정은 지켜지지 않습니다. 그 경우 구독형으로 시작하고, 검증된 뒤에 구축을 검토하시는 편을 권합니다.

자주 묻는 질문

해외 개발팀이라면 의사소통은 어떻게 되나요?

발주사는 한국인 PM하고만 한국어로 소통합니다. 요구사항 정의, 일정 관리, 검수는 PM의 책임입니다. 영어로 개발팀과 직접 조율하실 일은 없습니다. AI 프로젝트에서 특히 중요한 부분인데, 자동 판단 범위나 오답 처리 기준 같은 항목은 미묘한 뉘앙스가 결과를 바꾸기 때문입니다.

비용은 어떻게 산정되나요?

등급별 단가에 투입 기간을 곱하는 방식이며, 기획·디자인·개발·QA·배포·유지보수를 항목별로 구분해 제시합니다. AI가 포함된 프로젝트는 여기에 모델 호출 비용과 운영 항목이 별도로 표기됩니다. 한 덩어리 총액만 적힌 견적서는 어느 회사의 것이든 비교가 불가능하니 항목별 분리를 요청하시는 편이 좋습니다.

기획서가 없는데 견적을 받을 수 있나요?

가능합니다. 해결하려는 문제, 주요 사용자, 필수 기능 3~5개, 일정과 예산 범위만 있으면 개략 견적을 드립니다. 오히려 이 단계에서 상담하시는 편이 낫습니다. 사야 할 일인지 만들어야 할 일인지부터 같이 정리할 수 있기 때문입니다.

시작한 뒤에 팀 규모를 조정할 수 있나요?

가능합니다. 전담팀, 장기 협업, 인력 단위, 프로젝트 단위 중에서 선택하실 수 있고 진행 중 조정도 됩니다. AI 프로젝트는 초기 검증 단계와 확장 단계의 필요 인력이 다른 경우가 많아, 이 유연성이 실제 총비용에 영향을 줍니다.

완성된 결과물의 소스코드는 누구 것인가요?

발주사에 귀속됩니다. API 명세, DB 스키마, 배포 절차 문서까지 인계해 드립니다. 다섯 번째 판단 기준에서 자체 구축의 실질적 가치가 “3년 뒤에도 남는 자산”이라고 말씀드렸는데, 소유권과 문서가 함께 넘어가지 않으면 그 자산은 성립하지 않습니다. 계약서에서 반드시 확인하셔야 하는 항목입니다.

정리

AI 솔루션 도입의 성패는 어떤 제품을 고르느냐가 아니라 사서 쓸 일인지 만들 일인지를 먼저 구분했느냐에서 갈립니다. 차별점이 아니고, 데이터가 밖으로 나가도 되고, 읽기만 하면 되고, 사용 인원이 적고, 3년 뒤 바꿔도 상관없다면 사서 쓰십시오. 그중 셋 이상이 반대라면 만들어야 하고, 그때 총비용을 결정하는 것은 개발 단가가 아니라 요구사항을 한국어로 정의하고 책임질 사람이 있느냐입니다. 그 사람이 사내에 없다면, 그 역할까지 포함해서 발주하는 것이 가장 싸게 가는 길입니다. AI Agent 개발 상담은 아이디어 단계에서도 가능합니다.

사내 AI 교육을 진행하고 라이선스도 전사에 배포했는데, 석 달 뒤 실제로 매일 쓰는 사람은 팀에서 두세 명뿐인 경우가 있습니다. 교육에 문제가 있었던 것도 아니고, 직원들이 게을러서도 아닙니다. 도구를 보급하는 일과 업무 방식을 바꾸는 일은 서로 다른 작업인데, 대부분의 조직이 앞의 것만 하고 뒤의 것을 하지 않기 때문입니다.

이 글은 AI 도입을 결정하는 경영진이 아니라, 이미 도구를 받아 들고 무엇부터 해야 할지 막막한 상태에 놓인 실무 조직과 그 팀을 맡은 리더를 위한 글입니다. 조직 구조 관점의 논의는 AI를 도입해도 달라지지 않는 이유에서 이미 다뤘으므로, 여기서는 그 아래 단계인 개인의 실무 역량을 다룹니다.

보급률과 사용률은 서로 다른 지표입니다

많은 조직이 AI 도입 성과를 계정 발급 수로 보고합니다. 전 직원에게 계정을 배포했다는 숫자는 보고서에 넣기 좋지만, 그 숫자는 도입의 성과가 아니라 구매의 완료를 뜻할 뿐입니다.

실제로 확인하셔야 할 지표는 따로 있습니다.

• 주 3회 이상 사용하는 인원의 비율 — 한 번 써 보고 덮은 사람과 업무에 편입시킨 사람을 가릅니다
• 어떤 업무에 쓰는지의 분포 — 전원이 번역과 요약에만 쓰고 있다면 역량이 한 층에 머물러 있다는 뜻입니다
• 결과물이 실제 산출물로 이어진 비율 — 초안을 만들었지만 결국 손으로 다시 쓴다면 시간은 오히려 늘어난 것입니다

이 세 가지를 측정하기 시작하면 대부분의 조직에서 같은 그림이 나옵니다. 소수의 인원이 도구를 깊게 쓰고 있고, 다수는 첫 주에 몇 번 써 본 뒤 원래 방식으로 돌아가 있습니다.

사내 AI 교육이 겉도는 4가지 이유

1. 도구 사용법을 가르치고 업무 적용은 가르치지 않습니다

대부분의 사내 AI 교육은 프롬프트 작성법을 설명하는 선에서 끝납니다. 그런데 실무자가 막히는 지점은 프롬프트 문법이 아니라 내 업무 중 어느 구간을 맡길 수 있는가입니다. 견적서 초안은 맡겨도 되는지, 고객사에 나가는 메일은 어디까지 맡겨도 되는지, 검토는 누가 하는지 — 이 판단 기준이 없으면 배운 내용을 꺼낼 자리가 없습니다.

2. 전 직원에게 같은 내용을 가르칩니다

영업, 재무, 개발, 인사가 한 강의실에서 같은 교육을 받습니다. 강사는 모두에게 통하는 예시를 들어야 하므로 예시가 일반적이 되고, 일반적인 예시는 누구의 업무와도 정확히 겹치지 않습니다. 결과적으로 모두가 유익했다고 느끼지만 아무도 월요일 아침에 적용하지 못합니다.

3. 실패해도 되는 공간이 없습니다

실무자가 AI를 처음 업무에 쓸 때 결과물의 품질은 기존 방식보다 낮습니다. 익숙해지기 전까지는 당연한 일입니다. 문제는 그 구간을 견딜 여유가 업무 일정에 없다는 점입니다. 마감이 걸린 일을 새로운 방식으로 시도하는 사람은 없습니다. 연습할 자리를 만들어 주지 않으면 학습은 시작되지 않습니다.

4. 교육이 일회성 행사로 끝납니다

두 시간짜리 특강을 한 번 열고 교육을 마쳤다고 기록합니다. 새로운 업무 방식이 몸에 붙는 데는 반복이 필요한데, 반복을 설계하지 않으면 특강은 역량이 아니라 기억으로만 남습니다.

역량을 만드는 것은 강의가 아니라 적용 경험입니다

위 네 가지를 한 문장으로 줄이면 이렇게 됩니다. 사람은 설명을 들어서가 아니라 직접 만들어 보면서 도구를 익힙니다. 이는 AI에만 해당하는 이야기가 아니라 엑셀도, 새 그룹웨어도 마찬가지였습니다. 다만 AI는 조작법이 정해진 도구가 아니라 매번 판단이 필요한 도구라서 이 차이가 훨씬 크게 벌어집니다.

그래서 교육 과정을 고르실 때의 기준도 하나로 정리됩니다. 강의를 듣는 시간보다 결과물을 만들어 보는 시간이 더 긴 과정이어야 합니다. 예를 들어 실무 프로젝트 중심의 AI 학습 과정처럼 수강 과정에서 직접 무언가를 완성해 보도록 설계된 프로그램은, 이론 강의만으로 구성된 과정보다 업무 적용까지의 거리가 짧습니다. 사내 교육을 자체적으로 설계하시든 외부 과정을 활용하시든, 확인하실 것은 커리큘럼의 분량이 아니라 수강생이 손으로 만들어 내는 산출물이 있는지 여부입니다.

사내 AI 교육을 실제로 정착시키는 4단계

1단계 — 업무를 반복 구간과 판단 구간으로 나눕니다

팀별로 한 주 업무를 적어 보고, 매번 비슷한 형태로 반복되는 일과 매번 다른 판단이 필요한 일을 구분합니다. AI를 먼저 붙일 자리는 반복 구간입니다. 이 작업은 교육보다 먼저 이뤄져야 합니다. 대상이 정해지지 않은 교육에는 방향이 없습니다.

2단계 — 직무별로 과제를 하나씩 정합니다

영업팀은 제안서 초안, 인사팀은 채용 공고 초안, CS팀은 문의 분류처럼 직무마다 구체적인 과제를 하나씩 정합니다. 전 직원 공통 교육이 아니라 직무별 과제 중심으로 가야 배운 내용이 곧바로 쓸 자리를 갖습니다.

3단계 — 연습할 시간을 업무 시간 안에 배정합니다

주 1회 한 시간이라도 정규 일정으로 잡아야 합니다. 틈날 때 해 보라는 말은 하지 말라는 말과 같습니다. 이 시간에 만든 결과물은 품질을 평가하지 않는다는 점을 명확히 해 두시는 편이 좋습니다. 평가가 붙는 순간 아무도 새로운 방식을 시도하지 않습니다.

4단계 — 잘 쓰는 사람의 방식을 공유 자산으로 만듭니다

어느 조직에나 먼저 익숙해지는 사람이 있습니다. 그 사람이 쓰는 프롬프트와 작업 순서를 팀 문서로 남기면, 나머지 인원의 출발점이 백지에서 검증된 사례로 바뀝니다. 이것이 비용이 가장 적게 드는 사내 AI 교육입니다. 조직의 지식을 축적하는 구조에 대해서는 AI 지식 관리에서 더 자세히 다뤘습니다.

자주 나오는 질문

외부 강사와 내부 인력 중 어느 쪽이 낫나요?

도구의 기본 사용법은 외부에서 배우는 편이 빠르고, 업무 적용 기준은 내부에서만 만들 수 있습니다. 외부 과정으로 출발선을 맞추고, 우리 회사의 어떤 업무에 어디까지 쓸 것인지는 내부에서 정하는 조합이 현실적입니다.

보안 문제로 외부 AI 도구 사용이 막혀 있습니다

이 경우 교육보다 환경 정비가 먼저입니다. 사내망에서 쓸 수 있는 환경을 갖추거나, 외부 반출이 가능한 데이터의 범위를 문서로 명확히 해야 합니다. 기준이 모호한 상태에서 교육만 진행하면 배운 것을 쓸 수 없거나, 쓰면서도 규정 위반을 걱정하게 됩니다.

교육 효과는 어떻게 측정하나요?

만족도 설문은 교육의 인상을 측정할 뿐입니다. 앞서 말씀드린 세 가지 — 주 3회 이상 사용 비율, 사용 업무의 분포, 실제 산출물로 이어진 비율 — 을 교육 전후로 비교하시면 됩니다. 숫자가 움직이지 않았다면 강의 내용이 아니라 적용 환경을 점검하실 차례입니다.

교육을 해도 시스템이 받쳐주지 않으면 소용없지 않나요?

맞습니다. 개인 역량으로 해결되는 구간과 시스템으로 해결해야 하는 구간은 다릅니다. 반복 업무를 개인이 매번 AI에 물어보는 단계를 넘어서면, 그 과정을 자동화하는 AI Agent 개발 단계로 넘어가는 것이 자연스럽습니다. 교육은 그 지점을 팀이 스스로 발견하게 만드는 과정이기도 합니다.

정리

사내 AI 교육이 겉도는 이유는 강사가 부족해서도, 직원의 의지가 없어서도 아닙니다. 배운 것을 적용할 대상과 연습할 시간이 정해지지 않은 채 교육만 먼저 진행되기 때문입니다. 업무를 나누고, 직무별 과제를 정하고, 연습 시간을 일정에 넣고, 잘 쓰는 사람의 방식을 남기는 것 — 이 네 가지가 강의 자체보다 결과를 크게 좌우합니다.