AI 도입 준비도 체크리스트: 우리 회사는 정말 준비되어 있습니까?

요즘 적어도 일주일에 한 번은 받는 질문이 있습니다. 대개 약간 긴장한 웃음과 함께 이렇게 시작됩니다. "그래서… 저희도 AI로 뭔가 해야 할까요?" 이것은 잘못된 질문이지만, 솔직한 질문이기도 합니다. 올바른 질문 — 거의 아무도 먼저 던지지 않는 질문 — 은 더 조용하고 훨씬 유용합니다. 이 회사는 정말로 AI에서 가치를 끌어낼 준비가 되어 있는가, 아니면 그저 현대적으로 보이려고 돈을 태우는 것인가, 하는 것입니다.

저는 이제 몇 년째 중견기업의 사주와 관리자들과 마주 앉아 왔습니다. 제조업체, 도매업체, 전문 사무소, 직원 50명에서 300명 규모의 지역 서비스 기업들이지요. AI로 성공하는 사람들은 거의 기술에서 시작하지 않습니다. 그들은 먼저 자기 집의 상태를 정직하게 들여다보는 데서 출발합니다. 데이터, 프로세스, 사람, 그리고 아무도 보지 않을 때 실제로 어떻게 의사결정이 이루어지는가입니다. 기술은 쉬운 부분입니다. 준비도야말로 성과를 얻을지 후회를 얻을지 결정하는 부분입니다.

그래서 이것은 제가 어떤 기업에 단 1유로라도 무언가에 쓰라고 권하기 전에 대체로 거치는 체크리스트입니다. 열두 개 차원과 화려한 레이더 차트를 갖춘 성숙도 모델이 아닙니다. 커피 한 잔 하면서 답할 수 있는 평이한 질문들의 모음으로, AI가 귀사에서 작동할지 — 아니면 여섯 달 뒤 운영 회의에서 조용히 망신을 안길지 — 를 진짜로 예측하는 다섯 가지를 중심으로 묶었습니다.

왜 '준비도'가 모델보다 더 중요한가

공급업체가 앞세우지 않을 불편한 진실이 있습니다. 프로젝트가 실패하는 원인이 AI 모델인 경우는 드뭅니다. 모델은 이제 놀랍도록 뛰어나고, 여러분이 무엇을 하든 안 하든 몇 달마다 더 좋아집니다. 프로젝트를 죽이는 것은 모델 주변의 모든 것입니다 — 모델에 먹이는 지저분한 데이터, 무리하게 붙여 놓은 프로세스, 한 번도 의견을 묻지 않은 사람들, 불분명한 책임자, 흐릿한 성공의 정의입니다.

데모에서는 아름답게 작동한 영리한 파일럿에 기업이 상당한 돈을 쏟았다가, 현실과 부딪히는 순간 죽어 버리는 것을 보아 왔습니다. 필요한 데이터가 서로 호환되지 않는 세 시스템과 한 사람의 머릿속에 흩어져 있었기 때문입니다. 파일럿이 틀린 것이 아닙니다. 회사가 그것을 받아들일 준비가 되어 있지 않았을 뿐입니다. 준비도는 AI에서 여러분을 막아 세우는 문이 아니라, 투자가 쌓일지 증발할지 결정하는 것입니다.

좋은 소식은 준비도는 고칠 수 있고, 그 대부분의 해법은 화려하지 않고 값싸다는 점입니다. 데이터 레이크도, 최고 AI 책임자도 필요 없습니다. 필요한 것은 다섯 전선에서 자신이 정직하게 어디에 서 있는지 아는 것, 그리고 그러지 않으면 첫 프로젝트를 가라앉힐 한두 개의 틈을 메우는 것입니다. 하나씩 살펴봅시다.

기둥 1: 데이터 — 그 위에 쌓을 만큼 좋은가?

AI는 먹이는 것만큼만 좋습니다. 그리고 중견기업이 가장 자주 놀라는 지점이 여기입니다. 데이터가 형편없어서가 아니라 — 대개 사업을 굴리기에는 충분합니다 — '사람에게 충분함'과 '기계에게 충분함'이 다른 기준이기 때문입니다. 사람은 약간 들쭉날쭉한 고객 레코드를 읽고도 "Müller GmbH"와 "Mueller G.m.b.H."가 같은 회사임을 압니다. 시스템은 여러분이 그것을 이미 결정해 두기를 요구합니다.

완벽한 데이터는 필요 없습니다. 완벽한 데이터를 가진 사람은 없고, 그것을 기다리는 것은 정장을 입은 미루기일 뿐입니다. 필요한 것은 접근할 수 있고, 어느 정도 일관되며, 개선하려는 프로세스와 연결된 데이터입니다. 평이한 질문을 스스로에게 던져 보십시오.

• 필요한 데이터에 실제로 닿을 수 있습니까, 아니면 한 공급업체만 내보낼 수 있는 시스템에 갇혀 있습니까?
• 같은 것이 대체로 같은 방식으로 기록됩니까 — 고객, 제품, 상태, 날짜.
• 핵심 시스템들이 서로의 존재를 압니까, 아니면 누군가 매일 그 사이를 다시 입력합니까?
• 과제가 이력을 필요로 하는 경우, 학습할 만큼의 이력이 있습니까?
• 규제 기관이 어떤 숫자가 어디서 나왔는지 물어도 마음이 편하겠습니까?

사람들이 과소평가하는 것이 하나 더 있습니다. 데이터 소유권입니다. 모델에 먹일 핵심 일부가, 계약상 내보내기를 금지한 외부 도구 안에 있다면, 그것은 공학으로 우회할 기술 문제가 아니라 먼저 풀어야 할 상업적 문제입니다. 개발 시작 석 달 뒤가 아니라 지금, 종이 위에서 알아내는 편이 낫습니다.

기둥 2: 프로세스 — 자동화할 만큼 안정적인가?

우리 업계에는 오래된 말이 있습니다. 혼란을 자동화하면 더 빠른 혼란을 얻는다는 것입니다. 이것이 상투어인 까닭은 가차 없이 사실이기 때문입니다. 혼란스러운 프로세스 위에 던져진 AI는 혼란을 고치지 않습니다. 그것을 키우고, 이제 여러분은 빠른 속도로 헷갈리게 됩니다. 프로세스 위에 지능을 얹기 전에, 프로세스는 신입 직원에게 첫날에 설명할 수 있을 만큼 안정적이어야 합니다.

그것이 우아하거나 완전히 문서화되어야 한다는 뜻은 아닙니다. 실재하고 반복 가능해야 한다는 뜻입니다. 시험은 간단합니다. 그것을 그릴 수 있습니까? 그 일을 하는 세 사람을 한 방에 앉히고 단계를 스케치하라고 하면, 대체로 같은 그림을 그릴까요 — 아니면 각자 자기 방식이 "진짜" 방식이라고 우기는 세 개의 다른 그림을 그릴까요?

규칙이냐, 판단이냐

어떤 종류의 프로세스를 보고 있는지 아는 것도 도움이 됩니다. 고정된 규칙을 따른다면 — 이 데이터를 저기로 옮긴다, 저 알림을 보낸다, 기준치를 넘는 것에 표시한다 — AI가 아예 필요 없을 수도 있습니다. 평범한 자동화가 더 싸고 더 믿을 만합니다. AI가 제값을 하는 곳은 일이 진정으로 지저분하고 언어나 판단에 좌우되는 자리입니다. 자유 서술 이메일을 읽어 주문을 뽑아내기, 초안 답신 작성, 아무도 철하고 싶어 하지 않는 문서 분류 같은 것이지요. 어느 쪽을 안고 있는지 정직하면, 압정을 박으려고 큰 망치를 사는 일을 면합니다.

기둥 3: 사람 — 정말로 쓸 것인가?

이것은 가장 주목받지 못하면서 가장 많은 프로젝트를 무너뜨리는 기둥입니다. 깨끗한 데이터와 정돈된 프로세스가 있어도, 결국 아무도 손대지 않는 도구로 끝날 수 있습니다. 그 일을 바뀐 당사자들이 뒷전으로 취급되었기 때문입니다. 무시되는 모델의 ROI는 정확히 영입니다. 제안 자리에서 아무리 인상적으로 보였더라도 말입니다.

여기서 준비도는 일부는 역량에 관한 것이지만, 대부분은 신뢰와 참여에 관한 것입니다. 일을 하는 사람들에게 무엇이 그들을 더디게 하는지 물었습니까, 아니면 그들이 자기 것이라 동의하지 않는 문제의 해법을 건네받았습니까? 사내 누군가가 이것을 성공시키는 데 주인의식을 느낍니까, 아니면 "컨설턴트의 프로젝트"입니까? 팀에, 조용히 우회하지 않고 깃발을 들 호기심 많은 사람이 적어도 한 명은 있습니까?

사내에 데이터 과학자가 필요하지는 않습니다. 대부분의 중견기업에서 기술적 깊이는 적합한 파트너가 가져옵니다. 외주를 줄 수 없는 것은, 몇 가지 일상 업무가 처리되는 방식을 바꾸려는 의지입니다. 그리고 그 의지는 사람을 일찍 참여시켜 길러지는 것이지, 이미 사들인 새 시스템을 전체 회의에서 발표한다고 길러지는 것이 아닙니다.

기둥 4: 전략과 예산 — 진짜 책임자와 진짜 숫자가 있는가?

명확한 책임자도, 정의된 성공도 없이 사업에서 떨어져 떠도는 AI 시도는, 누군가 조용히 예산을 끊을 때까지 표류하기 십상입니다. 이 전선의 준비도는 화려하지 않지만 결정적입니다. 성과를 책임지는 이름이 있는 한 사람, 풀 가치가 있는 구체적 문제, 그리고 야심에 걸맞은 예산 — 모두가 잊는 부분, 즉 출시 후에 그것을 계속 돌리는 비용까지 포함해서 말입니다.

시작하기 전에 이 문장을 완성할 수 있어야 합니다. "이 프로젝트는 석 달 안에 [구체적이고 측정 가능한 것]이 일어나면 성공이다." "우리는 더 혁신적이 된다"는 결승선이 아니라 보도자료입니다. "우리 팀이 주문 다시 입력에 주당 여섯 시간을 더는 쓰지 않는다"는 결승선입니다. 좁고 측정 가능할수록 좋으며, 정말로 이겼는지 알기도 쉬워집니다.

특히 예산에 관해서. 구축은 대개 더 작은 절반입니다. 모델에는 모니터링, 이따금의 재조정, 그리고 현실이 학습 당시 전제에서 벗어났을 때 알아채는 책임자가 필요합니다. 구축에만 예산을 잡는 기업은, 한 분기는 훌륭히 돌다가 이후엔 돌볼 사람에게 임금이 지급되지 않아 천천히 썩는 도구를 마련하는 셈입니다. 프로젝트의 신나는 탄생만이 아니라 지루한 사후의 삶까지 계획하십시오.

기둥 5: 위험과 거버넌스 — 유럽에서는 건너뛸 수 없는 부분

유럽의 중견기업에게 이 기둥은 선택 사항이 아니며, 그렇지 않은 척하다가는 법적으로 배포할 수 없는 영리한 도구를 떠안게 됩니다. 컴플라이언스 부서는 필요 없지만, 기본 질문은 구축 후가 아니라 전에 던져 두어야 합니다. 결국은 시스템이 어떤 데이터에 닿고, 어디서 처리되며, 잘못했을 때 누가 책임지는지를 아는 것으로 귀결됩니다.

질문은 들리는 것만큼 무섭지 않습니다. 그 도구가 개인정보를 처리합니까, 그렇다면 누구의 서버에서 어떤 계약 아래 처리합니까? AI가 무언가 — 가격, 답신, 결정 — 를 제안할 때, 중요한 자리에서 사람이 그것을 검토합니까, 아니면 혼자 행동합니까? 고객이나 감사인이 물으면, 어떤 출력에 어떻게 이르렀는지 평이한 말로 설명할 수 있습니까? 그것이 자신만만하게 틀리는 날에 대해 생각해 보았습니까, 그날은 오고야 말 테니까요?

종합하기: 자신을 정직하게 채점하기

이를 위해 스프레드시트가 필요하지는 않지만, 만들어도 됩니다. 다섯 기둥을 훑으며 각각을 빨강, 노랑, 초록으로 평가하십시오 — 바람이 아니라 오늘의 실제 모습으로요. 목적은 전부 초록을 받는 것이 아닙니다. 거의 어떤 회사도 그러지 못하고, 그럴 필요도 없습니다. 목적은 첫 프로젝트를 가라앉힐 한두 개의 빨강을 찾아, 구축 전에 그것을 처리하는 것입니다.

1. 1
   각 기둥을 빨강·노랑·초록으로 평가한다

   데이터, 프로세스, 사람, 전략, 거버넌스. 정직하십시오 — 낙관적 자가 평가는 실망을 뒤로 미룰 뿐입니다.
2. 2
   발목 잡는 빨강을 찾는다

   첫 프로젝트가 의존하는 바로 그 기둥의 빨강은 정지 신호입니다. 무관한 곳의 빨강은 기다려도 됩니다. 합계보다 맥락이 더 중요합니다.
3. 3
   값싼 틈부터 메운다

   준비도의 틈 대부분은 화려하지 않고 저비용인 작업으로 메워집니다 — 데이터에 닿게 만들기, 프로세스를 적어 두기, 팀을 일찍 참여시키기.
4. 4
   가장 작은 진짜 프로젝트를 고른다

   이길 만큼 충분히 초록인, 안정적이고 잦으며 책임자가 분명한 프로세스를 하나 고르십시오. 작게 끝낸 승리가 다음을 — 돈만이 아니라 신뢰로 — 떠받칩니다.
5. 5
   그때, 오직 그때 구축한다

   중요한 기둥의 빨강이 정리되고 측정 가능한 목표가 적히면, 준비된 것입니다. 완벽한 것이 아니라 — 준비된 것이지요. 둘은 다르며, 출시되는 것은 그중 하나뿐입니다.

이 작업의 대부분이 AI와 무관하다는 점에 주목하십시오. 닿을 수 있는 데이터, 그릴 수 있는 프로세스, 동의하고 참여한 팀, 분명한 책임자, 고리 안의 사람 — 이것들은 모델을 하나도 배포하지 않아도 귀사를 더 낫게 만듭니다. 그것이 준비도를 진지하게 받아들이는 일의 조용한 보너스입니다. 준비 그 자체로 가치가 있다는 것. AI는 마침내 그것을 할 이유를 줄 뿐입니다.

자주 묻는 질문