AX 시대 업무 재설계가 필요하다

지난 1편에선 AI 도입만으로는 업무 생산성이 자동으로 높아지지 않는다는 점과 AI 기능을 붙였는데도 직원의 일이 줄지 않고, 오히려 AI 결과를 확인하고 수정하고 검토하는 일이 늘어나는 이유를 살펴봤다. 

그 이유는 명확했다. AI가 들어왔지만 업무는 그대로이기 때문이다. 기존 업무 흐름 위에 AI 요약, AI 추천, AI 챗봇, AI 알림을 얹으면 겉으로는 AX처럼 보인다. 하지만 실제 업무는 크게 달라지지 않는다. 직원은 여전히 여러 시스템을 오가며 정보를 확인하고, AI가 만든 결과를 다시 검토하고, 최종 판단을 내려야 한다. 

이에 이번 글의 질문은 여기서 시작한다. AI 도입만으로 생산성이 높아지지 않고, 업무 재설계가 필요하다면, 인간과 AI는 무엇을 바꿔야 하는가? 

사람의 역할도 바꾸는 AI

(자료=클립아트코리아)

AX는 단순히 기존 업무 중 일부를 AI에게 넘기는 일이 아니다. AI가 업무에 들어오면 사람의 역할도 함께 바뀐다. 예전엔 사람이 정보를 찾고, 비교하고, 입력하고, 판단하고, 보고했다. 그러나 AI가 들어오면 이 흐름이 달라진다. 

AI가 먼저 요약하고, 후보를 추천하고, 이상 징후를 탐지하고, 우선순위를 제안한다. 그러면 사람은 더 이상 모든 정보를 처음부터 찾는 사람이 아니다. AI가 제시한 결과를 이해하고, 신뢰할지 판단하고, 필요하면 수정하거나 거절하며, 최종적으로 책임지는 사람이 된다. 

즉 AI는 사람의 일을 단순히 없애는 것이 아니라 사람의 역할을 바꾼다. 사람은 입력자에서 ‘검토자’로, 검색자에서 ‘판단자’로, 조작자에서 ‘감독자’로 이동한다. 이 변화가 설계되지 않으면 직원의 일은 줄어들지 않는다. 오히려 더 어려워진다. 이전에는 직접 하던 일에 더해, 이제는 AI가 한 일까지 확인해야 하기 때문이다. 

따라서 AX의 핵심 질문은 “어떤 업무를 자동화할 것인가”가 아니다. 다음 질문들이 AX 업무 재설계의 출발점이 되어야 한다. 무엇을 AI가 먼저 처리하고, 사람은 무엇을 계속 판단해야 하는가? 그리고 어떤 근거를 제시해야 사람이 AI를 신뢰할 수 있을까? 나아가 사람은 언제 AI의 결과를 받아들이거나, 거절해야 할까? 마지막으로 AI가 틀렸을 때 사람은 어떻게 개입하고 복구할 것인가?

자동화보다 중요한 것은 판단 지원

(자료=클립아트코리아)

많은 기업은 AX를 자동화 관점에서 이해한다. 반복 업무를 줄이고, 사람의 개입을 최소화하며, 시스템이 스스로 처리하게 만드는 것이 AX라고 생각한다. 물론 단순 반복 업무, 정형화된 확인 업무, 명확한 규칙에 따라 처리할 수 있는 업무는 AI와 자동화 기술을 통해 줄일 수 있다. 하지만 업무의 핵심은 자동화만으로 해결되지 않는다. 

특히 기업의 중요한 업무는 대부분 판단을 포함한다. 어떤 알림이 정말 중요한지, 어떤 고객 이슈를 먼저 처리해야 하는지, 어떤 품질 이상을 즉시 조치해야 하는지, 어떤 보고서 수치를 신뢰할 수 있는지, 어떤 추천안을 그대로 실행해도 되는지. 이 판단들을 위해 사람은 그 답을 ‘업무 맥락’ 안에서 해석해야 한다. 그래서 AX에서 자동화보다 중요한 것은 인간의 판단 지원이다. 

이 질문들은 AI가 답을 낸다고 끝나는 문제가 아니며, 사람이 답을 업무 맥락 안에서 해석해야 한다. 때문에 AX에서 자동화보다 중요한 것은 인간의 판단 지원이다. 

좋은 AX 시스템은 사람을 업무에서 완전히 밀어내는 시스템이 아니다. 사람이 더 적은 노력으로 더 중요한 것을 보고, 더 빠르게 상황을 이해하고, 더 정확하게 판단할 수 있도록 돕는 시스템이다. 결국 사람이 더 잘 판단할 수 있도록 업무 환경을 바꾸는 것이다. 

인간과 AI의 역할을 나누어야 한다

(자료=클립아트코리아)

그렇다면 업무 환경을 어떻게 더 좋게 바꿀 수 있을까? 이를 위해선 먼저 역할을 나누어야 한다. 이때 중요한 것은 “사람이 계속 해야 하는 일”을 함께 보는 것이다. AI는 많은 데이터를 빠르게 처리하고, 패턴을 찾고, 문서를 요약하고, 후보를 추천하는 데 강하다. 반복적으로 발생하는 신호를 감지하고, 여러 정보를 조합해 가능성을 제시하는 데도 유용하다. 

반면 사람은 맥락을 해석하고, 예외를 판단하고, 조직의 목표와 제약을 고려하며, 최종 책임을 진다. 같은 데이터라도 지금 상황에서 무엇이 중요한지, 어떤 조치가 현실적인지, 어떤 리스크를 감수할 수 있는지는 사람이 판단해야 한다. 

AI는 탐색하고, 요약하고, 예측하고, 추천할 수 있다. 사람은 해석하고, 선택하고, 개입하고, 책임져야 한다. 이런 강점 하에 역할 분담이 명확하지 않으면 문제가 생긴다. AI는 결과를 내놓지만 사람은 그 결과를 얼마나 믿어야 할지 모른다. 

사람은 책임을 져야 하지만 판단 근거는 충분히 받지 못한다. 시스템은 자동화를 말하지만, 실제로는 사람에게 더 많은 확인 업무를 넘긴다. 이 문제가 이어진다면 AX는 생산성 향상이 아니라 새로운 업무 부담이 될 수 밖에 없다.

업무 흐름 안에서 작동해야 한다

(자료=클립아트코리아)

AI와 인간의 역할을 나눈 후엔 AI가 업무 흐름 안에서 작동하도록 설계해야 한다. AI가 화면 한쪽에서 답을 해주는 것만으로는 부족하다. AI가 만든 결과가 실제 업무의 다음 행동으로 이어져야 한다. 

대표적으로 요약은 검토로 이어져야 하고, 추천은 선택으로 이어져야 하며, 알림은 원인 파악과 조치로 이어져야 한다. 예측은 판단 근거와 함께 제공되어야 하고, 자동 처리는 개입과 복구 절차를 포함해야 한다. 

예를 들어 AI가 생산 현장의 이상 가능성을 알려준다고 해보자. 단순히 ‘이상 가능성 높음’이라고 보여주는 것 만으로는 충분하지 않다. 담당자는 왜 이상 가능성이 높다고 판단했는지, 관련 설비와 공정은 무엇인지, 과거 유사 사례는 있었는지, 지금 조치하지 않으면 어떤 영향이 있는지, 어떤 순서로 확인해야 하는지 알아야 한다. 

이 정보가 함께 제공될 때 비로소 AI가 업무에 들어올 수 있다. 그렇지 않으면 AI가 내놓은 결과는 또 하나의 알림과 의문에 머문다. 업무 흐름과 연결되지 않은 AI는 추가된 기능에 불과하며, 업무 흐름 안에서 다음 행동을 바꾸는 AI가 제대로 된 AX다. 

개입할 수 있어야 신뢰할 수 있다

(자료=클립아트코리아)

AI가 업무에 들어올수록 사람의 개입 권한은 더 중요해진다. AI가 추천하고, 우선순위를 바꾸고, 자동으로 처리한다면 사람은 언제든 그 과정을 이해하고 개입할 수 있어야 한다. 이는 사람이 AI를 신뢰할 수 있는 구조를 만들기 위함이다. 

신뢰는 단순히 AI의 정확도가 높다고 생기지 않는다. 사용자가 결과를 이해할 수 있고, 필요할 때 의심할 수 있으며, 잘못되었을 때 수정할 수 있을 때 신뢰가 생긴다. 이것이 AX 시스템에 있어서 사용자 중심의 설계가 필요한 이유이며, 필수적으로 체크해야 할 지점은 다음과 같다.

• AI가 왜 그런 결과를 냈는지 볼 수 있는가?
• 사용자가 그 결과를 받아들이거나 거절할 수 있는가?
• 사람이 개입해야 하는 상황이 명확한가?
• AI가 틀렸을 때 원래 상태로 되돌리거나 다른 조치를 할 수 있는가?

주의해야 할 지점은 이것이 단순한 UI 기능이 아니라는 점이다. 앞선 지점들은 인간과 AI가 함께 일하기 위한 기본 조건이다. 사람이 이해할 수 없는 AI는 신뢰하기 어렵다. 사람이 개입할 수 없는 AI는 책임지기 어렵다. 사람이 복구할 수 없는 AI는 현장에 적용하기 어렵다. 

AX 추진에 던져야 할 질문들 

정리하자면 AX는 자동화가 아닌 인간의 일을 다시 정의하는 프로젝트다. AI가 할 일과 사람이 할 일을 나누고, AI의 결과를 사람이 판단할 수 있게 만들고, 필요할 때 사람이 개입할 수 있게 하며, 문제가 생겼을 때 회복할 수 있도록 업무 시스템을 다시 설계해야 한다. 

AX를 추진하고 있다면 이제 질문을 바꾸어야 한다. 이 질문에 답할 수 있을 때 AX는 완전한 업무 재설계가 된다.

• AI가 들어온 뒤 사람의 일은 어떻게 바뀌어야 하는가?
• 어떤 판단을 사람이 더 잘할 수 있게 만들 것인가?
• 업무 흐름 안에서 AI가 언제, 어떤 방식으로 개입해야 하는가?

이전 1편에서 AI 도입만으로는 업무 생산성이 높아지지 않는다는 점을 확인하고, 이번 글에선 그 이유가 인간과 AI의 업무가 다시 설계되지 않았기 때문이라는 점을 살펴보았다. 그렇다면 다음 질문은 자연스럽다. 이전의 디지털 전환, 즉 DX와 지금의 AX는 무엇이 다른가? 

다음 글에서는 DX와 AX의 차이를 살펴보려 한다. AX를 제대로 이해하려면 먼저 DX와 AX가 바꾸는 대상이 서로 다르다는 점을 분명히 해야 하기 때문이다.

출처 :  ( https://ditoday.com/news/ )  

원문기사링크 : https://ditoday.com/%ec%9d%b8%ea%b0%84-%ec%a4%91%ec%8b%ac-ax%e2%91%a1-%ec%9d%b8%ea%b0%84%ea%b3%bc-ai%ec%9d%98-%ec%97%85%eb%ac%b4%eb%a5%bc-%ea%b5%ac%eb%b6%84%ed%95%98%eb%8a%94-%eb%b2%95/