디자인DB_트렌드_4차산업혁명

[기고] AI 시대의 착시, 왜 우리 회사의 성과는 그대로일까?

Wed, 30 Sep 2026 23:25:04 GMT

진짜 AX의 조건: 기업의 체급을 바꾸는 리더의 AX 설계도

(자료=클로드 제작)

※ 해당 콘텐츠는 이주민 이트라이브 대표의 기고를 기반으로 작성됐습니다.

요즘 기업들을 만나면 거의 빠지지 않고 듣는 말이 있다. “우리도 AI 많이 씁니다.” 직원들은 챗GPT로 메일을 쓰고, 회의록을 정리하고, 기획서의 초안을 만든다. 개발자는 코드를 짜고, 디자이너는 이미지를 만들고, 마케터는 카피를 뽑는다. 예전에는 두세 시간이 걸리던 일이 한 시간 안에 끝나는 장면도 이제 낯설지 않다.

필자(이주민 이트라이브 대표) 역시 디지털 기업 이트라이브(Etribe)를 운영하면서 매일 이런 변화를 목격했었다. 그리고 이즈음에서 최고경영자를 포함한 C레벨들은 묘한 질문이 생길 것이다. AI로 직원들은 빨라졌는데, 회사도 정말 빨라졌을까?

매출은 얼마나 늘었고, 비용은 얼마나 줄었는가. 고객 대응은 얼마나 빨라졌는가. 의사결정에 걸리는 시간은 얼마나 짧아졌는가. 같은 인원으로 우리가 감당할 수 있는 사업의 크기는 얼마나 커졌는가. 이상하게도 재무제표상의 매출은 제자리걸음이고 영업이익률은 전혀 개선되지 않는다. 오히려 AI 솔루션 구독료와 초기 도입 인프라 비용 때문에 IT 관련 지출 예산만 늘어난다. 우리는 분명 남들보다 빠르게 AI를 도입했는데, 왜 기업의 성과는 그대로인 것일까? 이 질문 앞에서는 AI 사용률이나 부서별로 직원들이 정성스레 만든 스킬셋, 에이전트들의 개수가 초라해진다. 나는 이것을 ‘AI 시대의 착시’라고 부른다.

이트라이브도 AI를 적극적으로 쓰는 직원들의 조사와 정리, 초안 작성 그리고 개발 산출물에 도달하는 속도가 눈에 띄게 빨라졌다. 처음에는 그것을 회사의 AX가 진전되고 있다는 신호로 받아들였다. 그러나 프로젝트 전체를 놓고 보면 이야기가 달랐다. 앞 단계가 빨라져도 중간 산출물에 시간을 쏟고, 결재를 기다리고, 고객의 회신을 기다리는 구조는 그대로라 조직 전체의 속도는 생각만큼 움직이지 않았다. 개인이 AI로 생산성을 높인 것과 기업이 AX를 이룬 것은 서로 다른 문제였던 것이다. 그때부터 ‘직원의 AI 활용 능력’과 ‘회사의 AX 역량’을 구분해서 보기 시작했다.

가짜 AX의 함정

글로벌 컨설팅 기업 PwC가 전 세계 95개국 4454명의 CEO를 대상으로 진행한 ‘2026 CEO Survey’에서, AI를 도입하여 ‘매출 증가와 비용 절감을 동시에 달성했다’고 답한 기업은 단 12%에 불과했다. 절반이 넘는 56%의 기업은 뚜렷한 재정적 이점을 보지 못했으며, 심지어 22%의 기업은 AI 도입 비용보다 유지보수 지출이 더 커져 오히려 ‘비용이 늘어났다’고 답했다.

국내 상황도 다르지 않다. CIO 코리아가 2026년 국내 IT 담당자 884명을 대상으로 조사한 결과, 41.7%가 AI 성과가 기대만큼 나오지 않았다고 평가했다. 특히 주목할 점은 조사 응답자의 80%가 차·부장급 이상의 의사결정권자였다는 사실이다. 이들이 꼽은 AI 도입의 1위 장벽(33%)은 ‘경영진의 기대와 현실 간의 격차’였다. 이는 ‘실무진의 역량 부족’보다 약 1.7배 높은 수치다.

왜 이런 격차가 발생할까? 시장에 쏟아지는 AI 도입 제안서와 광고 카피들을 유심히 살펴보자. “AI가 관련 업무를 대신 처리해 준다” “수십 개의 자동화 툴로 생산성을 극대화한다” “자동화 에이전트가 인력를 대체한다”며 화려한 수식어로 경영진을 유혹한다. 문제는 이런 제안들이 무엇을 말하느냐보다, 무엇을 말하지 않느냐에 숨어 있다. 시장에 많은 플레이어들이 AI 도입을 통한 도구의 변화는 이야기하지만, 조직의 변화는 거의 이야기하지 않는다. 이것이 바로 기업의 눈을 멀게 하는 ‘가짜 AX’다.

AI 도구를 도입하고 개인 생산성을 높이는 것은 분명 필요한 출발이지만 이를 AX의 종착지로 착각해선 안 된다. 가짜 AX란 업무와 조직은 바꾸지 않고 도구만 얹어놓은 채 그것을 전환이라 부르는 것이다. 경영자는 단순한 IT 툴 도입과 진정한 비즈니스 구조 혁신을 판별할 수 있어야 한다.

증발해 버린 주 8시간

가짜 AX의 함정을 가장 적나라하게 보여주는 것이 바로 ‘시간의 증발’ 현상이다. 보스턴컨설팅그룹(BCG)이 2026년 6월, 14개 시장의 화이트칼라 근로자 1만명 이상을 대상으로 조사한 ‘AI at Work’ 보고서에 따르면, 현장 직원 가운데 42%는 AI를 통해 주당 평균 ‘8시간(하루 근무 시간)’을 절약하는 것으로 나타났다. 경영자 입장에서는 꽤 놀라운 숫자다. 한 사람에게 일주일에 하루라는 시간이 새로 생긴 셈이다. 그러나 이 중 절반 이상의 직원이 이렇게 번 시간을 더 중요한 일(핵심 전략 기획, 신규 고객 발굴 등)에 재투자하지 못하고 있다고 답했다. 또한 66%의 직원은 아낀 시간을 어떻게 써야 할지에 대해 회사로부터 제한적인 지침만 받았거나, 아예 지침을 받지 못했다고 응답했다.

이 현상은 BCG가 이야기한 “AI is reshaping jobs faster than companies are reshaping work(AI는 회사가 업무를 재설계하는 속도보다 더 빠르게 일자리를 재편하고 있다)”와 맞닿아 있다. 기술과 도구는 최첨단으로 도입되었지만, 회사가 지시하고 평가하는 ‘일하는 방식’은 과거의 관성 그대로 멈춰있기 때문이다. AI로 시간은 생겼지만 이는 성과로 전환되지 않은 채 기존 업무의 여백으로 흩어질 뿐이다.

여기서 개인 생산성과 기업 생산성의 경계가 갈린다. 기업의 성과는 한 사람의 작업 속도가 아니라, 일이 시작되어 고객 가치나 매출, 비용 절감이라는 결과로 끝날 때까지의 전체 흐름에서 만들어진다. 나는 모든 직원들이 AI를 최대한으로 사용해야 한다고 생각한다. AI 토큰을 많이 쓰는 사람이 반드시 고성과자라고 단정할 수는 없으나, AI 토큰을 적게 쓰는 사람이 AI 시대에 고성과자가 될 가능성은 거의 희박하다고 믿기 때문이다.

그렇기에 이트라이브가 세운 AX 원칙 중 하나는 직원들에게 양질의 AI 자원을 맥시멈으로 제공하는 동시에, 경영 성과로도 맥시멈으로 연결시키는 것이다. 그리고 경영자는 그렇게 확보된 생산성과 역량이 조직의 성과로 이어지도록 일하는 방식과 목표, 업무 구조를 다시 설계해야 한다. 즉 AI 시대의 관리는 ‘사용 감독’이 아니라 ‘성과 있는 최대 활용’이어야 한다.

AX는 리더십 이슈다

조직, 문화, 제도가 모두 바뀌어야 하지만 AI 시대에 지금 당장 바뀌어야 할 것은 일하는 방식이다. 맥킨지(McKinsey)의 ‘State 2025 AI of’ 보고서는 “성과에 영향을 주는 수십 개 요인 중 ‘업무 방식의 재설계’가 영업 이익과 가장 강하게 연결된다”고 밝혔다. AI를 IT나 디지털 부서에 맡기는 것만으로는 충분하지 않고, 실질적인 변화를 만들려면 C레벨의 관여가 필수적이라는 설명도 덧붙였다. 고성과를 낸 기업들을 분석해 보니, 일을 근본적으로 다시 짠 곳이 3배나 더 많았다.

BCG의 2026년 매출 5억 달러 이상 기업 CEO 대상 조사에서는 그 차이가 약 7배까지 벌어졌다. 더 좋은 도구를 주면 성과는 5% 오르는 데 그치지만, 업무 방식을 재설계하면 25%가 뛰어오른다. 이토록 확실하고 훌륭한 성과 창출 방법이 있는데, 왜 대부분의 기업이 쉽게 시도하지 못하고 있을까? 그 이유는 명백하다. 일하는 방식의 변화는 실무 직원이 바꿀 수 없기 때문이다.

직원이 바꿀 수 있는 것은 주로 도구다. 더 좋은 프롬프트를 만들고, 새로운 AI 서비스를 익히고, 자신의 업무 한두 단계를 자동화할 수 있다. 그러나 보고 체계를 없앨지, 승인 권한을 바꿀지, 부서 사이의 일을 다시 나눌지, AI에게 어디까지 권한을 줄지는 직원 개인이 결정할 수 있는 사안이 아니다. 그래서 AX는 IT 부서장이 책임지는 ‘기술 이슈’가 아니라 조직의 프로세스를 뒤엎고 새로 판을 짜야 하는, 최고경영진의 결단이 필요한 ‘리더십 이슈’다. 이트라이브가 실제 조직 내에서 AI를 적용하면서 체득한 교훈도 이 지점이었다. 기술이 좋아질수록 오히려 그것을 담아낼 조직과 프로세스의 중요성이 커진다.

가짜 AX와 진짜 AX를 가르는 기준

우리는 지금 꽤 흥미로운 경계에 서 있다. 사람과 AI의 경계이기도 하지만, 더 본질적으로는 ‘AI를 사용하는 회사’와 ‘AI가 실제로 일하는 회사’의 경계다. 후자는 아직 드물다. AX의 성과는 ‘AI 때문에 회사가 무엇을 더 할 수 있게 되었는가’로 판단해야 한다. 보고서를 빨리 만들고, 메일을 자동으로 쓰고, 검색 시간을 줄이는 것만으로도 분명 의미가 있지만 그것이 개인의 편의와 생산성 향상에 머문다면 기업의 변화는 제한적이다. AX가 기업의 성과로 이어지려면 그 효율이 다시 조직의 실행력으로 전환되어야 한다.

나는 이를 ‘기업의 체급을 키우는 일’이라고 표현한다. 사람 수를 늘리는 것만이 체급을 키우는 것은 아니다. 같은 조직이 더 많은 고객을 감당하고, 더 빠르게 의사결정하고, 더 높은 품질을 유지하는 것. 이전에는 인력 부족 때문에 시도하지 못했던 새로운 사업까지 수행할 수 있게 되는 것이 AI가 기업에 만들어야 할 변화다. AX를 비용 절감의 관점에서만 바라보는 순간, 그 AX는 가짜에 가까워진다.

이 관점에서 보면 AX의 질문도 달라진다. “이 업무를 AI로 자동화할 수 있는가?”보다 “AI를 활용하면 우리 회사가 이전보다 얼마나 더 큰 일을 할 수 있는가?”라고 질문할 때, AX는 기업의 체급을 바꾸는 경영 도구가 된다. 나는 향후 기업 경쟁력도 여기에서 갈릴 것이라고 본다. AI를 기존 업무의 효율화 도구로 사용하는 회사와, AI를 통해 조직의 실행 범위 자체를 확장하는 회사 사이의 격차는 시간이 갈수록 커질 것이다.

그래서 앞으로 이 연재 칼럼에서는 단순히 AI 도구를 소개하지 않을 것이다. 이트라이브의 AX 과정에서 시행착오를 겪으며 얻은 질문과 생각을 바탕으로, AI가 기업의 생산성, 인력 레버리지, 지식자산, 의사결정, 고객경험, 성장의 공식을 어떻게 바꾸는지 하나씩 살펴보려 한다. 당신의 회사를 한 체급 더 키워줄 진짜 다이아몬드를 찾는 여정에 동참하길 바란다.

이주민 대표 / 이트라이브

2006년 디지털 기업 이트라이브(ETRIBE)를 설립해 20년 간 웹과 모바일, UX·UI, 디지털 플랫폼, 온라인 서비스의 구축·운영 현장에서 기업의 디지털 전환과 고객경험 설계를 담당했다.

최근에는 이트라이브가 개발한 자체 AI ‘데우스엑스 AI(DeusEx AI)’를 중심으로 엔터프라이즈 LLM, RAG, AI Agent, AI 인프라 등 기업용 AI 기술을 실제 업무와 조직 운영에 적용 중이며, 이를 바탕으로 AX 방법론을 연구·실행하고 있다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/ai-%ec%8b%9c%eb%8c%80%ec%9d%98-%ec%b0%a9%ec%8b%9c-%ec%99%9c-%ec%9a%b0%eb%a6%ac-%ed%9a%8c%ec%82%ac%ec%9d%98-%ec%84%b1%ea%b3%bc%eb%8a%94-%ea%b7%b8%eb%8c%80%eb%a1%9c%ec%9d%bc%ea%b9%8c/

삼성전자가 18일(현지시간) 미국 실리콘밸리에서 기술 인재들을 초청해 주요 사업 방향과 연구 분야를 소개하고 최신 기술 트렌드를 논의하는 ‘2026 테크 포럼’을 개최했다.

Mon, 21 Sep 2026 00:12:50 GMT

삼성전자가 18일(현지시간) 미국 실리콘밸리에서 기술 인재들을 초청해 주요 사업 방향과 연구 분야를 소개하고 최신 기술 트렌드를 논의하는 ‘2026 테크 포럼’을 개최했다.

18일(현지시간) 미국 실리콘밸리에서 열린 ‘2026 테크 포럼’에서 노태문 삼성전자 DX부문 대표이사 사장이 환영사를 하고 있다

올해로 8회째를 맞이하는 이번 행사는 실리콘밸리 마운틴뷰에 위치한 삼성 리서치 아메리카(Samsung Research America, SRA)에서 진행됐으며, 글로벌 IT 기업의 리더급 개발자와 삼성전자 주요 경영진 등 총 80여 명이 참석했다.

이날 행사에는 삼성전자 DX부문 △노태문 대표이사 사장 △이원진 영상디스플레이사업부장 사장 △윤장현 최고기술책임자(CTO) 사장 △최원준 MX사업부 최고운영책임자(COO) 사장 등이 참석했다.

이번 포럼은 올해 초 CES 2026에서 제시된 ‘당신의 AI 일상 동반자(Your Companion to AI Living)’ 비전과 연계해 진행됐다.

삼성전자 경영진은 기존 스마트 기기를 넘어 일상 속 AI와 로봇으로 확장되는 중장기 AI 비전과 사업 전략을 공유하고 행사에 참여한 글로벌 인재들과 이에 대해 의견을 나누는 시간을 가졌다.

윤장현 DX부문 최고기술책임자(CTO) 사장은 ‘미래를 선도하는 삼성전자의 AI’ 주제의 기조연설을 통해 차세대 AI 기술과 로보틱스의 융합이 만들어갈 새로운 패러다임을 제시했다.

노태문 DX부문 대표이사 사장은 “AI는 누구도 거스를 수 없는 대세이며, 소비자의 일상이 이루어지는 모든 공간에서 지능화, 초개인화된 경험을 구현하고 물리적 제약을 넘어선 혁신을 이끄는 원동력”이라며 “고객에게 최고의 AI 경험을 제공하는 동반자가 됨으로써 AX 전환기를 리드하는 선도기업으로 도약하겠다”고 말했다.

포럼에 참석한 글로벌 기업의 AI 개발자는 삼성전자 경영진과 직접 소통하며 제품과 서비스를 넘어 일하는 방식까지 혁신하고자 하는 삼성전자의 AI와 로보틱스 비전을 느낄 수 있었다고 소감을 전했다.

삼성전자는 앞으로도 글로벌 우수 인재들과의 네트워킹과 기술 교류를 강화하기 위한 다양한 행사를 지속적으로 진행할 계획이다.

웹사이트: http://www.samsung.com/sec

원문기사링크 : https://www.newswire.co.kr/newsRead.php?no=1043012

오픈AI는 왜 첫 하드웨어로 키보드를 선택했을까?

Fri, 11 Sep 2026 00:09:23 GMT

손끝으로 제어하는 AI 에이전트

생성형 AI(인공지능)의 시대를 연 오픈AI가 소프트웨어 스크린을 넘어 우리 손끝이 닿는 물리 세계로 발을 들였다. 가상 공간에서 대화형 인터페이스로 전 세계를 뒤흔든 그들이 처음으로 선보인 자체 하드웨어는 놀랍게도 키보드 형태의 기기다.

스마트폰이나 스마트 안경처럼 대중적인 소비재가 아니라, 컴퓨터 입력 장치의 기본인 키보드를 첫 번째 하드웨어로 선택한 점은 시사하는 바가 크다. 이는 단순히 컴퓨터 주변기기 시장에 진출하겠다는 선언이 아니다. 인간이 AI와 소통하는 가장 근본적인 방식인 ‘타이핑’이라는 행위를 AI 중심의 인터페이스로 재정의하겠다는 의지의 표현이다.

오픈AI는 소프트웨어 개발을 가속화하는 과정에서 사용자가 화면 속 프롬프트 창에 갇혀 있는 한계에 주목했고, 이를 깨기 위해 손으로 직접 누르고 돌리는 물리적 도구를 세상에 내놓았다.

오픈AI는 커스텀 하드웨어 전문 브랜드인 ‘워크라우더’와 협업해 키보드 형태의 기기인 코덱스 마이크로를 제작했다(자료=워크라우더)

코덱스 마이크로란 무엇인가:

키보드보다 AI 매크로 패드에 가까운 기기

오픈AI가 지난 7월 공개한 이번 기기의 이름은 ‘코덱스 마이크로’다. 우리가 흔히 생각하는 자판이 가득한 풀사이즈 키보드와는 완전히 다른 모습을 하고 있다. 글자를 입력하는 용도가 아니라, 특정 기능을 빠르게 실행하도록 돕는 단축 키패드, 즉 ‘매크로 패드’의 형태에 훨씬 가깝다.

과거 오픈AI가 선보였던 AI 기반 코딩 보조 모델인 ‘코덱스’의 이름을 그대로 이어받은 만큼, 해당 기기는 처음부터 AI와의 유기적인 협업을 목적으로 설계됐다. 복잡한 키보드 레이아웃을 과감히 덜어내고 오직 AI 에이전트를 제어하는 데 꼭 필요한 요소만 남겨둔 컴팩트한 구조다. 사용자는 기존의 메인 키보드 옆에 이 작은 패드를 두고, AI에게 복잡한 명령을 내리거나 그 결과를 제어할 때 보조 장치로 활용하게 된다.

코덱스 마이크로. 문자를 입력하는 일반적인 키보드와 다르게 특정 기능을 빠르게 실행하도록 돕는 매크로 패드에 가까운 기기다(자료=워크라우더)

13개 기계식 스위치와 조이스틱:

반복적인 코딩 명령을 물리적 버튼으로 바꾸다

코덱스 마이크로의 전면에는 13개의 기계식 스위치와 하나의 작은 조이스틱이 자리 잡고 있다. 이 하드웨어의 핵심은 개발자나 디자이너가 반복적으로 활용하는 AI 관련 명령을 단 하나의 물리적 버튼으로 전환해 준다는 점이다.

기존에는 AI에게 코드를 검수받거나 오류를 수정하게 하려면 화면을 복사해 붙여넣고 프롬프트를 입력하는 번거로운 과정을 거쳐야 했다. 코덱스 마이크로 환경에서는 각각의 기계식 스위치에 ‘코드 리팩토링’ ‘단위 테스트 생성’ ‘주석 달기’ 같은 복잡한 프롬프트 명령을 미리 할당해 두고 손가락으로 누르기만 하면 된다.

여기에 장착된 미니 조이스틱은 화면 속 수많은 코드 줄 사이를 빠르게 이동하거나 AI가 제안한 여러 가지 코드 선택지 사이를 직관적으로 탐색하는 용도로 쓰인다. 기계식 스위치 특유의 명확한 타건감은 가상의 명령이 현실에서 확실하게 실행되었다는 물리적 피드백을 사용자에게 전달한다.

코덱스 마이크로는 반복적 코딩 명령을 물리적 버튼을 사용해 간편하고 빠르게 지시하는 데 특화됐다(자료=워크라우더)

AI의 추론 강도를 조절하는 새로운 사용 방식

이번 기기에서 가장 독창적인 제어 장치는 상단에 위치한 아날로그 회전 다이얼이다. 볼륨을 조절하듯 돌리는 이 다이얼은 AI의 ‘추론 강도’나 ‘창의성 파라미터’를 실시간으로 제어하는 독특한 역할을 수행한다. AI 모델은 설정에 따라 빠르고 가벼운 답변을 내놓을 수도 있고, 시간이 걸리더라도 깊고 정밀한 추론을 수행할 수도 있다.

사용자는 작업을 하면서 더 깊은 수준의 논리적 분석이 필요할 때는 다이얼을 오른쪽으로 돌려 AI의 생각 시간을 늘리고, 반대로 빠르고 단순한 아이디어 조각들이 필요할 때는 다이얼을 왼쪽으로 돌려 가벼운 모드로 전환할 수 있다. 슬라이더나 마우스 클릭으로 수치값을 조절하던 기존 소프트웨어 방식과 달리, AI의 생각 깊이를 손의 압력과 회전 반경으로 제어하는 새로운 감각적 경험을 제공한다.

코덱스 마이크로의 다이얼은 AI의 논리 추론 강도 변경을 감각적인 경험으로 제공한다(자료=워크라우더)

빛으로 확인하는 AI 에이전트의 상태:

실행·완료·오류를 보여주는 인터페이스

코덱스 마이크로는 모니터 화면을 보지 않고도 AI가 현재 어떤 상태에 있는지를 한눈에 파악할 수 있도록 내장형 LED 인터페이스를 적극적으로 활용한다. AI가 사용자의 명령을 받아 복잡한 백엔드 코드를 연산하고 있을 때는 은은하게 점멸하는 빛으로 ‘실행 중’임을 알린다.

연산이 성공적으로 끝나 결과물이 화면에 반영되면 명확하고 안정적인 빛깔로 ‘완료’ 상태를 시각화한다. 만약 코드에 오류가 있거나 AI 에이전트가 작업을 수행하는 과정에서 막힘이 발생하면 경고를 의미하는 붉은 계열의 빛으로 ‘오류’를 즉각 표시한다. 이 시스템 덕분에 사용자는 AI의 작업이 끝날 때까지 화면만 뚫어져라 쳐다볼 필요가 없으며, 다른 작업 중에도 주변 시야에 들어오는 패드의 빛의 색상 만으로도 AI의 진행 상황을 완벽하게 인지할 수 있다.

사용자는 기기의 빛 색상으로 AI의 작업 현황을 인지할 수 있다(자료=워크라우더)

230달러 한정판에 담긴 의미:

워크라우더와 함께 만든 개발자용 실험

코덱스 마이크로는 대량 생산을 목표로 기획된 일반적인 상용 제품이 아니다. 독창적인 키보드를 만드는 커스텀 하드웨어 전문 브랜드인 ‘워크라우더’와 협업해 소량만 제작된 230달러짜리 한정판 프로젝트다. 230달러라는 가격은 단순한 미니 패드 치고는 높은 편이지만, 고품질 기계식 부품과 한정판이라는 가치를 고려하면 실험적 장치에 가깝다.

오픈AI가 이러한 형태의 한정판을 출시한 이유는 시장에서의 판매 수익보다는 최전선에 있는 전문 개발자들과 파워 유저들의 피드백을 수집하기 위함이다. 하드웨어와 AI를 결합했을 때 사용자들이 실제로 어떤 방식으로 업무 생산성을 높이는지, 어떤 물리적 레이아웃이 AI 제어에 가장 적합한지 확인하려는 일종의 살아있는 실험실인 셈이다.

코덱스 마이크로는 일반적인 상용 제품 보다는 오픈AI의 실험적 장치에 가깝다(자료=워크라우더)

오픈AI의 코딩 에이전트 전략

소프트웨어 시장에서 오픈AI는 현재 깃허브 코파일럿이나 최근 급부상한 AI 코드 편집기 ‘커서’ 같은 강력한 경쟁자들과 치열하게 싸우고 있다. 이들은 모두 소프트웨어 안에서 완벽한 코딩 보조 환경을 제공하며 개발자들을 사로잡았다. 오픈AI가 코덱스 마이크로라는 물리적 하드웨어를 들고 나온 것은 이러한 소프트웨어 경쟁 구도의 판을 흔들려는 전략적 움직임이다.

모니터 안의 소프트웨어는 언제든 다른 프로그램으로 대체될 수 있지만, 책상 위에 실물로 존재하는 하드웨어는 사용자의 작업 공간 점유율을 고정시키는 강력한 무기가 된다. 오픈AI는 자사의 코딩 에이전트 생태계를 사용자의 실제 책상 위까지 확장함으로써, 경쟁사들이 쉽게 침범할 수 없는 독점적인 하드웨어 기반의 사용자 경험을 구축하겠다는 계산을 하고 있다.

코덱스 마이크로는 자사의 코딩 에이전트 생태계를 현실 속 사용자의 책상 위까지 확장하고자 하는 오픈AI의 전략이다(자료=워크라우더)

조니 아이브의 AI 기기까지:

오픈AI는 왜 소프트웨어를 넘어 하드웨어로 향하는가

오픈AI의 하드웨어 야심은 코덱스 마이크로라는 작은 패드 하나에 그치지 않는다. 그들은 이미 애플의 전설적인 디자이너 조니 아이브와 손을 잡고 완전히 새로운 형태의 차세대 AI 하드웨어를 개발 중이라는 사실을 숨기지 않고 있다. 오픈AI가 소프트웨어를 넘어 끊임없이 물리적 하드웨어로 향하는 이유는 명확하다.

스마트폰이 앱의 시대를 열었듯, AI 에이전트가 중심이 되는 시대에는 그에 걸맞은 완전히 새로운 폼팩터의 기기가 필요하기 때문이다. 기존의 스마트폰이나 PC는 AI가 없던 시절에 만들어진 인터페이스 체계를 따르고 있다. 오픈AI는 AI가 두뇌 역할을 하고 그 두뇌의 능력을 100% 이끌어낼 수 있는 전용 하드웨어 몸체를 직접 지배함으로써, AI 시대의 애플이나 마이크로소프트 같은 하드웨어와 소프트웨어 통합 권력을 쥐고자 한다.

오픈AI는 조니 아이브 전 애플 제품 디자인 총괄의 협업 소식을 다룬 외신. 양측은 새로운 AI 기기를 개발 중에 있다(자료=파이낸셜 타임즈)

키보드 이후의 AI 인터페이스:

인간과 AI가 협업하는 방식은 어떻게 달라질까

코덱스 마이크로가 보여주는 미래는 인간과 AI의 협업 방식이 텍스트 기반의 지루한 대화에서 벗어나 훨씬 더 유기적이고 직관적인 형태로 진화할 것임을 예고한다. 미래의 작업 환경에서 인간은 더 이상 수십 줄의 문장으로 프롬프트를 타이핑하지 않을 것이다.

손가락 하나로 AI 에이전트 무리를 호출하고, 다이얼을 돌려 그들의 생각 깊이를 제어하며, 공간에 퍼지는 빛과 진동을 통해 AI의 상태를 실시간으로 교감하는 방식이 주를 이룰 것이다. 코덱스 마이크로는 키보드의 종말을 고하는 신호탄이자, 인간의 신체 감각과 AI의 인지 능력이 물리적 인터페이스를 통해 하나로 연결되는 새로운 인간-컴퓨터 상호작용 시대의 시작점이다.

코덱스 마이크로는 인간의 신체 감각과 AI의 인지 능력이 물리적인 인터페이스로 연결될 수 있음을 보여주는 증거다(자료=워크라우더)

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%98%a4%ed%94%88ai%eb%8a%94-%ec%99%9c-%ec%b2%ab-%ed%95%98%eb%93%9c%ec%9b%a8%ec%96%b4%eb%a1%9c-%ed%82%a4%eb%b3%b4%eb%93%9c%eb%a5%bc-%ec%84%a0%ed%83%9d%ed%96%88%ea%b9%8c/

오픈AI, 최신 모델 ‘GPT-6 아스트라’ 출시… AGI 진입 선언

Wed, 09 Sep 2026 23:17:47 GMT

자율형 에이전트 시장 경쟁 본격화

(자료=오픈AI)

오픈AI가 차세대 AI 모델 ‘GPT-6 아스트라(Astra)’를 출시했다. 컴퓨터 제어와 소프트웨어 엔지니어링, 전문 업무 영역에서 성능이 비약적으로 향상됐다. 그렉 브록먼 오픈AI 사장은 3일(현지 시간) 이번 모델을 발표하며 “우리는 AGI(인공일반지능) 시대에 진입했다”고 선언했다.

GPT-6 아스트라는 사전 학습과 강화 학습, 모델 정렬 분야의 연구를 집약해 개발된 모델로, 컴퓨터 사용, 웹 브라우징, 소프트웨어 엔지니어링, 사이버 보안 및 과학 연구 등 주요 벤치마크에서 최고 수준의 성능을 기록했다. 특히 수학 평가 벤치마크인 프런티어매스(FrontierMath) 티어 4에서 98%의 점수를 기록하는 등 고난도 과제를 성공적으로 수행했다.

컴퓨터 제어 및 에이전트 성능 면에서도 전작 대비 속도와 정확도를 크게 개선했다. 복잡한 온라인 양식 작성이나 고객 데이터 갱신, 캘린더 관리뿐만 아니라 에이전트 기반의 리서치와 문서 편집, 프론트엔드 품질 검증 등 다단계 작업 수행 능력이 대폭 강화됐다. 실제 지식 노동 태스크를 시뮬레이션한 결과, 이전 모델인 GPT-5.6 솔(Sol) 대비 작업 시간이 약 47% 단축된 것으로 나타났다.

강화된 안전성과 정렬 기능 역시 주요 특징이다. 사용자의 의도를 정밀하게 파악해 복잡한 지시를 더 높은 신뢰도로 수행하도록 모델을 설계했다. 특히 과거 발생했던 타사 시스템 침입 사건과 같은 상황을 방지하기 위해 고난도 과제 수행 시 허용 범위를 벗어나지 않도록 통제하는 내부 안전 장치를 적용했으며, 테스트 결과 의도치 않은 범위 이탈 비율이 0%를 기록했다는 설명이다.

이번 신제품은 기업용 고객과 자율형 에이전트 기능을 겨냥해 개발됐다. 개발자 및 기업 고객을 유치해 상장(IPO)을 앞두고 시장 경쟁력을 강화하려는 구상으로 풀이된다.

IT 전문매체 더버지(The Verge)는 “오픈AI가 대형 언어 모델의 자율 작동 역량을 높이고 코딩 성능을 대폭 강화함으로써, 기업용 서비스와 코딩 분야에서 강력한 입지를 구축해 온 앤트로픽(Anthropic)과의 주도권 경쟁을 한층 본격화했다”고 분석했다.

한편 이번 모델은 기업용 고객과 개발자를 위한 API 및 AWS 환경을 통해 우선 제공되며, 수일 내로 챗GPT 플러스, 프로, 비즈니스, 엔터프라이즈 요금제 사용자 전체로 확대 적용될 예정이다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%98%a4%ed%94%88ai-%ec%b5%9c%ec%8b%a0-%eb%aa%a8%eb%8d%b8-gpt-6-%ec%95%84%ec%8a%a4%ed%8a%b8%eb%9d%bc-%ec%b6%9c%ec%8b%9c-agi-%ec%a7%84%ec%9e%85-%ec%84%a0%ec%96%b8/

[인간 중심 AX ④] 기획자는 AX를 어떻게 기획해야 할까?

Tue, 08 Sep 2026 01:02:51 GMT

다시 던져야 할 인지공학적 질문

앞선 글들을 통해 AI 도입만으로 업무 생산성이 높아지지 않는다는 점, AX의 핵심은 자동화가 아니라 인간과 AI의 역할을 다시 나누는 일이라는 점, 그리고 DX와 AX는 바꾸려하는 대상부터 다르다는 점을 살펴보았다.

따라서 이제 남은 인간 중심 AX의 핵심 질문은 단순히 “어떤 AI 기능을 넣을 것인가”가 아니다. AI가 들어온 업무에서 인간은 무엇을 계속 판단해야 하는가, AI는 그 판단을 어떻게 도와야 하는가, 그리고 인간이 AI의 결과를 이해하고 개입하고 책임질 수 있도록 업무 시스템을 어떻게 기획·설계해야 하는지가 더 중요한 것이다.

이 질문은 낯설어 보이지만, 완전히 새로운 질문은 아니다. 인간과 기계가 함께 일하는 복잡한 환경에서 ‘인간의 판단을 어떻게 지원할 것인가?’는 이미 특정 분야에서 오래전부터 연구가 이뤄지고 있던 주제이기 때문이다. 그 분야가 바로 ‘인지공학’이다.

인지공학은 어떻게 탄생했을까?

인지공학이 중요해진 배경에는 복잡한 시스템에서 발생한 대형 사고들이 있다. 그중 대표적인 사건이 1979년 미국에서 발생한 스리마일섬 원자력 발전소 사고다. 해당 사고는 방사능 유출이 발생한 아주 심각한 사고 중의 하나다.

스리마일섬 원자력 발전소 2호기의 역사와 수습 과정을 설명해주는 안내판(자료=로이터통신)

이 사고는 운전원의 실수로 인한 것이다. 그러나 사고 이후 진행된 조사와 분석은 더 중요한 사실을 발견했다. 단순히 운전원의 부주의나 비숙련의 문제가 아니라는 점이었다. 조사에 따르면 통제실의 계기와 경고, 표시 방식, 절차, 훈련, 시스템 상태를 이해할 수 있게 해주는 정보 구조가 모두 복잡하게 얽혀 있었다.

특히 압력 방출 밸브 표시등은 밸브가 실제로 닫혔는지를 보여준 것이 아니라, 밸브를 닫으라는 신호가 보내졌는지를 보여주고 있었다. 운전원은 표시를 보고 밸브가 닫혔다고 이해했지만, 실제 밸브는 열린 상태로 남아 있었다. 결국 운전원이 냉각수 유출을 정상 작동으로 오인하게 만들었고, 왜곡된 정보 전달 구조는 결국 운전원으로 하여금 비상 냉각장치를 수동으로 중단하는 결정적 착오를 범하게 만들었다.

이 지점이 중요하다. 당시 운전원들은 능력이 부족해서 실수한 것이 아니었다. 시스템이 실제 상태를 이해하기 어렵게 보여주었고, 경고와 계기 정보는 상황을 명확히 해석하기에 충분하지 않았다. 어떤 전문가라도 그런 정보 구조 안에서는 오판할 수 있었다.

해당 사고 이후 인지공학은 복잡한 시스템에서 인간이 왜 잘못 판단하는지, 그 실수가 개인의 부주의 때문인지 아니면 시스템이 만든 실수인지, 전문가도 실수할 수밖에 없는 상황을 만들지 않으려면 시스템이 어떻게 정보를 보여주고 판단을 도와야 하는지를 본격적으로 다루기 시작했다.

영화에서 비상 상황을 맞은 조종사가 두꺼운 항공기 매뉴얼이나 체크리스트를 꺼내 확인하는 장면을 본 적이 있을 것이다. 겉으로 보면 숙련된 조종사가 왜 매뉴얼을 보고 있는지 의아할 수 있다. 하지만 이것은 전문성 부족 문제가 아니다. 오히려 복잡하고 긴박한 상황에서 인간이 기억에만 의존하면 실수할 수 있기 때문에, 중요한 절차를 외부화한 것이다.

<설리: 허드슨강의 기적(2016)>에서 비행기 이륙 직후 버드 스트라이크로 인한 엔진 고장 이후 부조종사가 비상운전 매뉴얼을 보는 장면(자료=IMDB)

비상 매뉴얼과 체크리스트는 단순한 문서가 아니다. 인간의 의사결정을 돕는 인지적 장치다. 어떤 순서로 상황을 확인해야 하는지, 무엇을 먼저 차단해야 하는지, 어떤 조건에서 다음 조치로 넘어가야 하는지, 어떤 항목을 빠뜨리면 안 되는지를 구조화해준다. 숙련된 전문가라도 극도의 압박과 시간 제약 속에서는 중요한 단서를 놓칠 수 있기 때문에, 시스템은 인간의 기억과 주의력만 믿어서는 안 된다.

이 관점은 AX에도 그대로 적용할 수 있다. AI가 업무에 들어오면 시스템은 더 복잡해진다. AI가 예측하고, 추천하고, 요약하고, 우선순위를 바꾸고, 때로는 실행까지 한다. 인간은 그 결과를 보고 받아들일지, 의심할지, 수정할지, 중단할지 판단해야 한다.

따라서 AX 기획은 단순히 AI 결과를 보여주는 일이 아니다. 인간이 복잡한 상황에서 실수하지 않고 판단할 수 있도록 정보, 절차, 경고, 근거, 개입 지점을 설계하는 일이다. 바로 이 지점에서 오래된 인지공학의 질문이 다시 중요해진다.

인간-AI 역할 재설계를 위해 기획자가 던져야 할 질문들

(자료=클립아트코리아)

AX를 단순히 AI 기능 도입으로 보면 질문은 비교적 기술 중심으로 흐른다. 어떤 AI 모델을 쓸 것인지, 어떤 데이터를 학습시킬 것인지, 어떤 업무를 자동화할 것인지, 어떤 화면에 챗봇을 넣을 것인지가 중심이 된다.

물론 필요한 질문이다. 하지만 이 질문만으로는 부족하다. 인간 중심 AX를 기획하려면 인간이 이 업무에서 무엇을 판단하고 있는지, AI는 그 판단의 어느 부분을 도와야 하는지, AI 결과를 인간이 이해하고 신뢰하려면 무엇이 보여야 하는지, AI가 틀렸을 때 인간은 어떻게 알아차리고 개입할 수 있는지를 함께 보아야 한다.

이 질문들은 추상적인 철학이 아니다. 실제 AX 기획에서 반드시 답해야 하는 실무 질문이다. AI가 어디에 들어가야 하는지, 어떤 결과를 보여줘야 하는지, 인간이 언제 개입해야 하는지, 어떤 오류를 예방해야 하는지는 이 질문들에 답할 때 비로소 보이기 시작한다.

인지공학에는 이런 질문을 다루기 위해 오랫동안 발전해온 여러 모델이 있다. 이 글에서 모든 모델을 자세히 설명하지는 않겠다. 다만 인간 중심 AX를 기획할 때 참고할 만한 대표적인 모델 몇 가지는 살펴볼 필요가 있다.

추상화 체계: Abstraction Hierarchy

복잡한 업무시스템을 이해하려면 화면에 보이는 데이터만 봐서는 안 된다. 그 데이터가 어떤 업무 목표와 연결되는지, 어떤 제약 안에서 해석되어야 하는지 함께 보아야 한다.

인지공학에서 중요하게 다뤄지는 Abstraction Hierarchy는 복잡한 시스템을 여러 층위로 이해하는 모델이다. 말은 어렵지만 핵심은 간단하다. 인간은 단순히 부품이나 숫자만 보고 판단하지 않는다. 그 시스템이 왜 존재하는지, 무엇을 달성해야 하는지, 어떤 기능이 중요한지, 어떤 자원이 쓰이고 있는지, 실제 장비가 어떻게 움직이는지를 함께 이해해야 한다.

전력 송전 시스템의 최상위 운영 목적과 하위 물리 부품 간의 유기적 연관성을 나타낸 추상화 계층도(자료=Vicente, K. J. (2003). The Human Factor)

예를 들어 제조 현장을 생각해보자. 가장 아래에는 센서, 설비, 밸브, 로봇, 장비 같은 물리적 요소가 있다. 그 위에는 온도, 압력, 속도, 생산량, 불량률 같은 상태 정보가 있다. 그보다 위에는 생산 안정성, 품질 유지, 납기 준수 같은 기능적 목표가 있다. 더 위에는 비용 절감, 안전 확보, 고객 납기 대응 같은 사업적 목적이 있다.

현장 엔지니어가 좋은 판단을 하려면 이 여러 층위를 연결해서 봐야 한다. 단순히 “온도가 올라갔다”만 알아서는 부족하다. 그 온도 상승이 품질에 어떤 영향을 주는지, 생산량을 유지하는 데 문제가 되는지, 안전 리스크와 연결되는지, 지금 멈춰야 하는 상황인지까지 이해해야 한다.

AX에서도 마찬가지다. AI가 “이 설비는 이상 가능성이 높다”고 말하는 것만으로는 충분하지 않다. 사용자는 왜 이상 가능성이 높은지, 어떤 데이터가 영향을 주었는지, 이 이상이 품질·납기·안전·비용 중 무엇과 연결되는지, 지금 해야 할 조치가 무엇인지 이해해야 한다. 그래야 AI의 결과는 단순한 알림이 아니라 판단 가능한 정보가 된다.

의사결정 체계: Decision Ladder

Decision Ladder는 인간이 복잡한 상황에서 판단하고 행동하기까지의 과정을 설명하는 모델이다. 인간은 정보를 보자마자 곧바로 행동하지 않는다. 먼저 무언가 이상하다는 신호를 감지하고, 현재 상태가 무엇인지 확인한 뒤, 그 상태가 어떤 의미인지 해석한다. 이후 어떤 목표를 달성해야 하는지 정하고, 가능한 조치들을 떠올린 다음, 그중 하나를 선택하고 실행한다. 마지막으로 실행 결과를 확인한다.

인간의 인지적 의사결정 과정을 나타내는 의사 결정 모델 구조도(자료=Vicente, K. J. (2003). The Human Factor)

AX 기획에서 중요한 것은 AI가 이 판단 과정 중 어느 단계에 개입하는지를 명확히 하는 것이다. 이상 탐지 AI는 주로 감지를 돕는다. 원인 분석 AI는 상태 파악과 의미 해석을 돕는다. 추천 AI는 대안 생성과 선택을 돕는다. 자동 실행 AI는 실행 단계에 개입한다. 모니터링 AI는 결과 확인을 돕는다.

단계가 다르면 필요한 설계도 달라진다. AI가 감지만 돕는다면 사용자는 그 알림이 왜 중요한지 이해할 수 있어야 한다. AI가 해석을 돕는다면 어떤 데이터와 근거로 그렇게 판단했는지 보여주어야 한다. AI가 대안을 추천한다면 추천안 간 차이와 리스크가 보여야 한다. AI가 실행까지 한다면 사용자는 언제 중단하고 되돌릴 수 있는지 알아야 한다.

많은 AX 프로젝트는 이 구분을 하지 않는다. AI가 무엇인가를 “해준다”는 수준에서 멈춘다. 그러나 실제 업무에서는 AI가 어느 판단 단계에 들어오는지가 매우 중요하다. 감지를 돕는 AI를 최종 판단 도구처럼 쓰면 위험하고, 실행을 자동화하는 AI에 개입 장치가 없으면 책임지기 어렵다.

따라서 AX 기획자는 “AI가 무엇을 할 수 있는가”보다 먼저, 인간이 지금 어떤 판단을 하고 있으며 AI는 그 판단의 어느 지점을 도와야 하는지를 보아야 한다.

업무 숙련 수준: SRK Taxonomy

(자료=클립아트코리아)

세 번째는 Rasmussen의 SRK Taxonomy다. SRK는 인간의 행동과 판단을 Skill-based, Rule-based, Knowledge-based의 세 수준으로 나누어 설명한다. 먼저 Skill-based 행동은 숙련으로 거의 자동화된 행동이다. 숙련된 작업자가 자주 쓰는 시스템에서 몇 번의 단축키와 클릭만으로 데이터를 조회하거나, 현장 엔지니어가 익숙한 알람을 보고 즉시 조치하는 경우가 여기에 가깝다.

Rule-based 행동은 정해진 규칙이나 절차를 따르는 판단이다. 특정 조건이면 어떤 항목을 확인하고, 어떤 기준을 넘으면 누구에게 보고하고, 어떤 상황이면 승인 절차를 밟는 식이다.

마지막 Knowledge-based 행동은 새로운 상황에서 문제를 해결하는 판단이다. 기존 절차로 설명되지 않는 이상 상황, 처음 보는 데이터 패턴, 여러 부서가 얽힌 예외 상황, 책임 있는 의사결정이 필요한 경우가 여기에 해당한다.

AX 기획에서 SRK가 중요한 이유는 AI가 모든 업무를 같은 방식으로 도와서는 안 되기 때문이다. 숙련자가 이미 빠르게 처리하고 있는 Skill-based 업무에 챗봇을 끼워 넣으면 오히려 방해가 될 수 있다. Rule-based 업무에서는 AI가 절차와 조건을 지원하는 것이 효과적일 수 있다. Knowledge-based 업무에서는 AI가 단순히 답을 내놓기보다 원인 후보, 유사 사례, 판단 근거, 관련 데이터의 관계를 제공해야 한다.

이 관점에서 보면 AX 기획자는 “AI가 무엇을 할 수 있는가”만 볼 것이 아니라 “인간이 어떤 수준의 판단으로 이 업무를 수행하고 있는가”를 함께 보아야 한다. 사용자가 숙련으로 빠르게 처리하는 일을 AI가 방해하지는 않는지, 규칙 기반 판단을 AI가 더 명확하게 도와주는지, 새로운 문제 해결 상황에서 AI가 인간의 사고를 확장해주는지 확인해야 한다. AI가 인간의 역량을 대체하는 것이 아니라, 인간의 판단 수준에 맞게 다른 방식으로 지원해야 한다.

인간 중심 AX는 판단 구조를 설계하는 일이다

(자료=클립아트코리아)

인지공학의 인지 모델들은 원자력 발전소, 항공기, 대형 화학공장처럼 복잡하고 위험도가 높은 시스템에 적용되어 왔다. 그렇다고 이 결과들을 모두 깊게 이해해야만 AX를 기획할 수 있다는 뜻은 아니다. 중요한 것은 인지공학이 가진 관점이다.

AI 결과는 업무 목표와 연결되어 있는가?
AI는 의사결정의 어느 단계를 돕고 있는가?
AI는 인간의 판단 수준에 맞게 다르게 작동하는가?
사용자는 AI의 결과를 판단할 수 있는 환경 안에 있는가?

이 질문에 답할 수 있어야 인간 중심 AX가 가능하다. AX를 단순히 AI 기능 도입으로 보면 어떤 AI 모델을 쓸 것인지, 어떤 데이터를 학습시킬 것인지, 어떤 업무를 자동화할 것인지, 어떤 화면에 챗봇을 넣을 것인지가 중심 질문이 된다. 물론 필요한 질문이다. 하지만 이 질문만으로는 부족하다.

AX를 인간-AI 의사결정 시스템으로 보면 관점이 달라진다. 사용자가 AI의 도움을 받아 더 빠르고 정확하게 판단할 수 있는가? AI가 틀렸을 때 사용자가 알아차리고 개입할 수 있는가? AI 결과가 업무 목표와 연결된 상태인가? 사용자는 그 결과를 신뢰하거나 거절할 근거를 가지고 있는가? 이 질문들이 설계돼야 비로소 AX가 작동한다.

요즘 많은 AX 프로젝트는 AI 결과를 어떻게 화면에 보여줄지에 집중한다. 하지만 인간 중심 AX에서 더 중요한 것은 화면의 위치나 모양이 아니다. 중요한 것은 판단 구조다. 사용자가 무엇을 보고, 어떤 순서로 이해하고, 어떤 기준으로 판단하며, 어떤 상황에서 개입하고, 어떤 결과에 책임질 수 있는지를 설계해야 한다. 이것이 없으면 AI 결과는 화면에 표시되지만 업무에는 들어오지 못한다.

AI가 업무에 적용된다는 것은 단순히 새로운 기능이 추가된다는 뜻이 아니다. 업무의 판단 구조가 바뀐다는 뜻이다. 예전에는 인간이 직접 찾고 비교하고 판단했다면, 이제는 AI가 먼저 감지하고, 요약하고, 추천하고, 때로는 실행까지 한다. 사용자는 그 결과를 검토하고, 받아들일지 판단하고, 필요하면 개입하며, 최종적으로 책임진다. 이 변화가 설계돼야 한다.

그렇기에 인간 중심 AX는 UX의 새로운 유행어가 아니다. 오히려 오래된 인지공학의 질문이 AI 시대에 다시 돌아온 것이다. 복잡한 시스템에서 인간은 어떻게 판단하는가, 시스템은 인간의 판단을 어떻게 도와야 하는가, 기계가 개입할 때 인간의 역할은 어떻게 바뀌는가, 오류가 발생했을 때 사용자는 어떻게 알아차리고 회복하는가를 다시 물어야 한다.

인지공학은 오래된 분야처럼 보일 수 있다. 하지만 AX가 본격화될수록 이 오래된 질문은 더 중요해진다. AI가 더 많은 일을 하게 될수록 인간의 판단은 사라지는 것이 아니라 더 높은 수준으로 이동하기 때문이다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/__trashed-7/

“AI 전환 속 넓어진 ICT 산업” ICT 어워드 코리아 2026 가봤더니

Mon, 07 Sep 2026 00:41:09 GMT

AI 시대 ICT 가치 증명… 공공 서비스 돋보여

지난달 26일, 평소와 다르게 서울 과학기술컨벤션센터가 점심시간이 채 되기도 전에 사람들로 북적였다. 스스로 만든 프로젝트를 소개하기 위해 분주하게 부스를 설치하고 있는 학생들, 삼삼오오 모여 기념사진을 촬영하는 실무자들, 이번 기회로 업계 현장 교류를 하는 수상자들까지 다양한 사람이 현장을 채웠다. 올해 23회를 맞이한 ICT 어워드 코리아 2026(ICT AWARD KOREA 2026)’ 시상식을 찾은 이들이었다.

ICT 어워드 코리아는 웹·앱, 디지털 플랫폼 등 ICT 서비스를 대상으로 열리는 국내 최대 어워드다. 올해는 사단법인 한국정보과학진흥협회, 성균관대학교가 주최하고, 디지털 트렌드 미디어 <디지털 인사이트>와 성균관대학교 AI중심대학사업단이 주관했으며, 과학기술정보통신부 · 경기도 · 한국정보처리학회 · 전자신문 · 메가존클라우드 · 티티서울이 후원했다. 현장에는 ICT 업계 실무자들과 관계자, 대학부와 학생부 참가자 등 480여 명이 참석했다.

특히 이날 시상식에는 박승진 한국정보과학진흥협회 이사장을 비롯해 이은석 성균관대학교 소프트웨어 융합대학의 학장, 송선영 성균관대학교 AI 중심대학사업단 교수, 전자신문 이진호 논설실장, 송기헌 국회 과학기술정보방송통신위원회 위원장, 더불어민주당 한준호 의원, 황정아 의원 등 다양한 산학연 관계자가 참가 및 주요 축사를 보내며 국내 ICT 업계의 공로를 축하하고 시상식의 중요성을 강조했다.

박승진 한국정보과학진흥협회 이사장은 이날 시상식 개회사를 맡았다(사진=디지털 인사이트)

올해 행사의 주요 화두는 단연 ‘AI’였다. ICT 산업의 AI 적응이 발 빠르게 이뤄지면서 시상식 출품 프로젝트에서도 AI를 활용한 서비스가 크게 늘었고, 대학부 참가자들의 부스에서도 AI 프로젝트를 어렵지 않게 찾아볼 수 있었다. 동시에 공기업과 공공기관의 참여가 증가하면서 ICT 산업의 혁신이 공공 영역으로까지 빠르게 확산되고 있다는 변화도 현장에서 확인할 수 있었다.

박승진 한국정보과학진흥협회 이사장 역시 개회사에서 “불과 얼마 전까지만 해도 AI를 바라보며 기대와 함께 AI가 사람의 일을 대신하지 않을까, 이 빠른 변화에 어떻게 적응해야 하는지 고민이 많았다. 하지만 어느새 우리는 AI를 일상과 업무에서 자연스럽게 활용하고 있고, 기업이 일하는 방식이 달라지면서 새로운 산업과 서비스, 가치와 기회도 만들어내고 있다”며 “이제 중요한 것은 AI를 두려워하는 것이 아니라 어떻게 활용하고 어떤 점을 추구해 나갈 것인지 고민하는 일”이라고 강조했다.

AI 대전환 속 변화와 발전 한 눈에

AI 대전환 시대에 개최된 올해 ICT 어워드에서 특히 눈에 띈 부분은 더욱 커진 공기업과 공공기관의 존재감이었다(사진=디지털 인사이트)

올해 ICT 어워드 코리아에는 지난해 7월 1일부터 올해 6월 30일까지 제작·운영된 211개 ICT 서비스 프로젝트가 출품됐다. 이는 지난해에 비해 더욱 늘어난 숫자로, 산·학·연 전문가의 심사를 거쳐 6개 분과, 9개 부문, 16개 분야에서 총 70개 서비스가 최종 수상의 영예를 안았다.

특히 눈에 띈 부분은 더욱 커진 공기업과 공공기관의 존재감이었다. 올해는 공공 부문의 출품 및 참가가 크게 늘어나며 민간과 공공 부문의 비중이 한층 균형을 이루게 됐다. 이날 시상식에선 단순히 공공 웹사이트나 행정 시스템을 구축하는 데서 그치지 않고, 스마트 관광과 생활폐기물 관리, 군 복지 플랫폼 등 실제 시민과 사용자가 접하는 다양한 영역에서 ICT를 적극 활용하려는 시도가 수상작으로 이어졌다.

실제 올해 시상식은 최고상인 GRAND PRIX부터 국방·통신·금융·행정·도시 브랜딩·마케팅까지 다채로운 영역에서 AI 및 ICT 기술을 활용한 프로젝트들이 상을 거머쥐며 산업의 변화를 확인할 수 있었다. 이날 현장에선 ▲장병e음 플랫폼 ▲kt M mobile MOBI ▲삼성생명 AI CX글쓰기 자동화시스템 ▲생활폐기물 수집 운반 및 민원관리 DX ▲서울시 교통수단 통합브랜드 GO SEOUL Launching campaign ▲프로쉬 크리에이티브 고도화 및 데이터 분석 기반 DA 매출 확대 총 6개 프로젝트가 GRAND PRIX를 수상했다.

인천관광공사는 AI 기반 스마트관광 플랫폼 인천e지를 통해 GRAND PRIZE 부문대상을 수상했다(사진=디지털 인사이트)

현장의 목소리에서도 이런 변화를 찾아볼 수 있었다. 특히 김민경 인천관광공사 팀장은 “관광 분야에서도 정보통신이 크게 발전하고 주목받고 있는 가운데 인천관광공사가 스마트 관광을 선보이며 상까지 받게 돼 감사하게 생각한다”며 “ICT 어워드 같은 공신력 있으며 상업적인 색채가 과하지 않은 어워드에서 상을 수상하는 일 자체가 프로젝트와 팀원들에게 많은 도움이 된다”고 말했다.

실제 이번 ICT 어워드 코리아 2026에서 인천관광공사는 여러 채널에 흩어진 관광 정보를 생성형 AI 기반의 개인 맞춤형 안내로 전환하며 정보 탐색부터 여행 계획, 혜택 이용까지 통합 지원하는 포용형 관광 서비스로 이용 편의를 넓힌 스마트관광 플랫폼 인천e지, 축제를 도시 체험형 야간 콘텐츠로 확장해 공간의 가능성을 입증한 ‘2025 올 나이츠 송도페스타’를 통해 GRAND PRIZE 부문대상 등 2관왕의 영예를 안았다.

나인파이브는 XR 기술로 시공간의 제약을 넘어 새로운 미술 관람 경험을 구현한 가상 전시 플랫폼 ART REACT XR 프로젝트로 DIVISION GRAND PRIX 분과대상을 수상했다(사진=디지털 인사이트)

ICT 신기술 사업에 대한 열의가 수상의 결실로 이어졌다는 현장의 목소리도 전해졌다. 조영희 나인파이브 대표는 “XR과 CMS 사업을 주력으로 키우며 새로운 비즈니스 확장에 투자하고 있는 상황에서 두 분야 모두 상을 받게 돼 회사의 입장에서 의미가 깊다”며 “특히 XR 시장은 앞으로도 분명히 커질 것이라 생각하고 있다. 열심히 노력한 만큼 성과로 이어진 것 같아 감동스럽다”고 소감을 밝혔다.

이날 시상식에서 나인파이브는 기존 수동적인 미술 관람 형태를 시공간을 넘나드는 차별화된 가상 공간 전시 플랫폼을 구축한 ART REACT XR 프로젝트, 글로벌 의료 시장을 겨냥해 신뢰와 전문성을 갖춘 브랜드 경험을 구축하고, 비개발자도 직관적으로 콘텐츠를 관리할 수 있도록 자립형 CMS 구축을 진행한 삼성헬스케어닷컴 다국어 웹사이트 리뉴얼 및 CMS 구축으로 DIVISION GRAND PRIX 분과대상을 포함한 2관왕을 달성하는 쾌거를 이뤘다.

피엘오티는 K-컬쳐를 주도적 경험으로 재해석해 확산하도록 기획한 글로벌 참여형 캠페인 ‘Talk Talk Korea 2025’로 PLATINUM PRIZE 분야대상을 수상했다 (사진=디지털 인사이트)

ICT 어워드의 수상 이력이 회사를 알리고 프로젝트 개발 역량 신뢰도를 높이는 계기로 이어졌다는 목소리도 있었다. 김슬마로 피엘오티 이사는 “지난해 ICT 어워드 수상 이후 정부 정책 관계자분들에게 회사를 조금 더 인상 깊게 소개할 수 있었던 것 같다”며 “특히 해외홍보과도 수상 사실을 알고 있었기에 좋은 계기로 도움이 됐다”고 전했다.

실제 피엘오티는 문화체육관광부 해외홍보콘텐츠과와 함께 한국을 해외로 알리는 프로젝트 ‘Talk Talk Korea 2025’, 문체부 국민소통실과 협업한 AI 시대: K-할매의 히든카드 캠페인과 웹 다큐: 선물, 나에겐 영상 프로젝트, ‘민생 회복에 진심 #2025 추경’ 프로젝트, 인천관광공사와 함께 진행한 ‘2025 올 나이츠 송도페스타’ 등 6관왕을 달성했다.

문화와 교류를 더한 시상식

나도앙상블은 식전 무대 공연으로 국악과 클래식이라는 다른 음악적 색채를 하나로 묶어내는 신선한 경험을 제공했다 (사진=디지털 인사이트)

이날 현장은 수상자를 호명하고 상장과 트로피를 전달하는 데만 머물지 않았다. 본격적인 시상식 시작 전엔 국악과 클래식을 결합한 특별 공연이 펼쳐졌다.

러시아 차이콥스키 국립음악원을 최우수 졸업하고 미국 서던 메소디스트 대학에서 석사와 전문 연주자 과정을 마친 견지아 대표를 중심으로 피아노 권미성, 해금 서윤주 연주자들이 함께하는 ‘나도앙상블’은 본격적인 시상에 앞서 무대에서 <아리랑 포에티크> <아리랑 랩소디> 등 공연으로 서로 다른 음악적 색채가 절묘하게 어우러진 경험을 선사해 행사장의 분위기를 돋우며 앵콜 요청까지 끌어냈다.

3년 연속 후원사로 참여한 메가존클라우드의 지원으로 마련된 케이터링(사진=디지털 인사이트)

동시에 현장에선 메가존클라우드의 3년 연속 후원으로 케이터링도 마련됐다. 시상식 데스크 등록과 함께 샌드위치와 디저트 등 케이터링이 참가자들에게 제공됐으며, 그 결과 시상식 현장은 참가자들이 자연스럽게 이야기를 나누고 네트워킹을 진행하는 공간이 됐다. 지난해부터 시상과 공연, 케이터링 등을 결합하며 축제의 장을 지향했던 행사의 성격이 올해도 이어진 모습이었다.

시상식 현장 입구 및 후방에는 대학부 프로젝트 부스 역시 업계 미래 인재의 뜨거운 열기와 실무자들의 관심을 느낄 수 있었다. 지난해 처음 마련됐던 대학부 부스는 올해 정식으로 운영되며 한 단계 더 확대됐다. 대학생 참가자들은 자신들이 직접 기획·개발한 프로젝트를 업계 실무자들에게 소개했으며, 실무자들은 부스를 둘러보며 질문과 피드백을 주고받았다. 현장 투표를 통한 인기 프로젝트 선정도 함께 진행됐다.

시상식에서 진행된 대학부 프로젝트 부스 프로그램은 업계 미래 인재가 실무자들에게 자신들의 프로젝트를 선보일 기회와 실무자들의 건실적인 피드백을 제공했다(사진=디지털 인사이트)

실제 현장에서 Wi-Fi 신호를 활용한 노약자 낙상 감지 솔루션을 선보인 광운대 박준수 참가자는 “그동안 비교적 비주류 연구를 진행하고 있어 프로젝트 홍보 및 현장 반응 확보에 어려움을 겪고 있었다”며 “그러던 와중 ICT 어워드를 통해 프로젝트를 선보일 좋은 기회를 얻었고, 많은 실무자들에게 연구를 소개하며 좋은 피드백까지 받을 수 있어서 뜻깊은 자리였다”고 말했다.

이은석 성균관대학교 소프트웨어융합대학 학장 역시 “23년의 역사와 전통을 이어온 ICT 어워드 코리아가 기업과 학생 등 다양한 참여자들이 함께하며 ICT 분야의 우수한 아이디어와 성과를 공유하는 자리로 발전하고 있어 기쁘다”며 “특히 올해는 대학생 부문이 정식으로 운영되면서 미래 ICT 인재들의 도전과 가능성을 함께 확인할 수 있어 더욱 의미가 있었다”고 평가했다.

산업의 선순환이 돋보인 자리

이처럼 시상식이 AI 대전환 속 산업의 현재와 미래는 물론 미래 인재의 새로운 아이디어를 함께 조명하는 자리로 이어지는 와중 시상식에 참석한 내빈 역시 ICT 어워드 행사의 가치와 의의를 거듭 강조했다.

특히 박승진 이사장은 이를 하나의 ‘선순환’으로 표현했다. 이날 현장에서 박승진 이사장은 “학생들의 상상력이 연구와 도전으로 이어지고, 그 도전이 기업의 기술과 산업으로 연결되며, 산업의 성장이 다시금 미래의 기대와 새로운 문화를 만들어가는 것이 우리가 만들어가야 할 ICT 산업의 미래”라며 “ICT 어워드 코리아는 우수한 기술과 서비스를 선정하는 행사가 아니라 사람을 발굴하고 새로운 도전을 응원하며 기술과 산업을 연결해 다음 세대를 준비하는 자리”라고 강조했다.

송기헌 국회 과학기술정보방송통신위원회 위원장은 축사를 통해 업계 실무자들을 격려하고 더 큰 도전을 부탁했다(사진=디지털 인사이트)

송기헌 국회 과학기술정보방송통신위원회 위원장 역시 이날 AI 시대 ICT 어워드의 의미를 강조했다. 송기헌 위원장은 축사를 통해 “AI는 이제 산업과 교육, 문화와 일상을 바꾸는 핵심 도구가 됐다”며 “중요한 것은 기술을 활용해 우리 사회의 문제를 발견하고 합리적인 해답을 만들어내는 역량”이라고 말함과 동시에 “수상은 하나의 결실인 동시에 더 큰 도전을 향한 새로운 출발”이라고 평가했다.

지난해 ICT 어워드 코리아가 산업 속 숨은 주역과 미래 인재를 한 공간으로 연결하는 가능성을 보여줬다면, 올해는 작년에 보여줬던 가능성이 AI와 공공 영역에서 한층 더 구체적으로 확장된 자리였다. 특히 AI가 빠르게 확산되고 있는 가운데 AI를 활용한 기업과 공공기관의 협력 사례, 미래 인재들의 새로운 혁신 시도가 한 공간에서 함께 소개됐다는 점도 올해 행사의 의미를 더했다. 현장에서 이어진 수상과 전시, 교류는 ICT 어워드가 한 해의 성과를 기록하는 시상식 넘어 새로운 기술과 사람, 산업이 만나는 자리로 계속 역할을 넓혀가고 있음을 보여주기에 충분했다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/ai-%ec%a0%84%ed%99%98-%ec%86%8d-%eb%84%93%ec%96%b4%ec%a7%84-ict-%ec%82%b0%ec%97%85-ict-%ec%96%b4%ec%9b%8c%eb%93%9c-%ec%bd%94%eb%a6%ac%ec%95%84-2026-%ea%b0%80%eb%b4%a4%eb%8d%94/

'국가과학기술자' 본격 추진…최고 인재, 국가가 직접 발굴·지원

Tue, 01 Sep 2026 06:53:55 GMT

정부가 세계 최고 수준 과학기술인을 직접 발굴하고 예우·지원하는 국가과학기술자 제도를 본격 추진하며, 선정자에게는 연구활동비를 3+2년 지원한다.

또한 이공계 대학원생이 경제적 부담 없이 학업과 연구에 몰입할 수 있도록 '연구생활장려금'(한국형 Stipend) 지원 대학을 2030년까지 70개교 내외로 확대한다.

과학기술정보통신부는 31일 '국가과학기술자문회의 제9회 심의회의' 의결을 거쳐 '제5차 과학기술인재 육성·지원 기본계획'(2026~2030)을 확정했다.

제5차 기본계획은 '과학기술인이 되고 싶은 나라, 과학기술인이 존중받는 나라'를 비전으로 제시하고 인재의 유입부터 성장·활약에 이르는 경로를 '두뇌 고속도로(Brain Highway)'로 연결하는 한편, '인재의 가치를 한층 높이는(Value Up)' 정책을 통해 대한민국을 과학기술인재 강국으로 도약시키겠다는 구상을 담고 있다.

이를 효과적으로 실행하기 위해 기회와 보상이 확실한 과학기술인재 생태계 조성, 과학기술인재의 역동성·다양성 강화, 과학기술인재의 국가적 관리 체계 구축이라는 3대 전략하에 10개 대과제를 추진한다.

◆ 과학기술분야 우수 일자리 및 기반 확충…처우·보상 강화

과학기술인이 안정적 기반 위에서 연구에 몰입하고, 자신의 역량을 마음껏 펼칠 수 있도록 오는 2030년까지 양질의 연구 일자리를 확충한다.

출연연 연구인력을 확충하고, 우수한 교육·연구 인프라를 갖춘 4대 과기원의 정원도 확대한다.

고등교육법 개정을 통해 박사후연구원을 대학의 공식 구성원으로 명문화하고, 연구기획·연구행정·시설·장비 운용·기술사업화 등 연구 전반을 지원하는 'Staff Scientist'를 전문 연구지원 직군으로 육성한다.

또한 출연연과 대학의 우수 연구자에 대한 보상 여건을 지속 개선하고, 기업도 우수한 R&D 성과에 대해 적극적인 보상과 인센티브를 제공하도록 유도한다.

특히 세계 최고 수준의 과학기술인을 국가가 직접 발굴하고 최고 수준으로 예우·지원하는 국가과학기술자(리더급/차세대) 제도를 본격 추진한다.

리더급은 국내에서 활동 중인 만 55세 이하 세계적 수준의 연구자를 대상으로 올해부터 매년 20명씩 총 100명, 차세대는 세계적인 연구자로 성장할 잠재력이 높은 연구자를 대상으로 내년부터 매년 200명씩 총 1000명을 선정한다.

선정자에게는 영예성 지원과 함께 연구활동비(리더급 연 1억 원/차세대 연 5000만 원)를 3+2년간 지원한다.

◆ 개인 역량 발휘 위한 환경 조성…이공계 유입·성장 지원 강화

연구자가 단기 과제 확보 경쟁에서 벗어나, 장기적·도전적 연구에 몰입할 수 있도록 연구개발(R&D) 지원의 안정성을 대폭 높인다.

기초연구는 장기적으로 전체 교원의 30%, 전임교원의 50%가 지원받을 수 있도록 기반을 확대하고 후속연구 연계를 강화한다.

동시에 연구자가 행정이 아닌 연구에 집중할 수 있도록 연구현장의 불필요한 부담을 과감히 줄인다.

초·중등 학생의 수·과학 역량 제고를 위해 교육과정 개선 검토를 추진하고, 전국 학교에 '지능형 과학실'을 구축해 탐구·실험 중심의 교육환경을 확충한다.

과기원 부설 영재학교를 확장하고, 학·석·박사 연계형 패스트트랙을 도입·확산한다.

이공계 대학원생이 경제적 부담 없이 학업과 연구에 몰입할 수 있도록 '연구생활장려금'(한국형 Stipend) 지원 대학을 2030년까지 70개교 내외로 확대하고, 대통령과학장학금 등을 포함한 현재 3000여명 수준의 장학생 지원 규모도 1만 명 수준으로 대폭 확충한다.

전문연구요원 제도의 경우 AI·AX 분야의 석·박사 학위 취득자 240명은 대기업 및 출연연에도 복무할 수 있도록 개선하여 이공계 대학원생이 군 복무와 연구를 연계할 수 있도록 한다.

◆ 국가 균형 성장 및 AI 시대 이끌어갈 '인재' 양성

거점국립대를 중심으로 지역 성장엔진 분야의 '브랜드 단과대학'과 '특성화 융합연구원'을 육성하고, 과기원과 지역대학 간 산학 AX 공동연구소(4개 과기원, 9개 분야)를 구축하여 지역의 교육·연구 역량을 산업 수요와 긴밀히 연결한다.

지역의 연구역량이 지속적으로 축적될 수 있도록 기초연구사업 중 기본연구의 40% 이상을 지역에 우선 할당한다.

아울러 채용조건형 계약학과를 거점국립대 중심으로 확대하고 비수도권 공공기관의 지역인재 의무채용 제도운영을 내실화해 지역 내 취업·진로 기회도 넓힌다.

과기정통부는 초·중등학교에서부터 대학까지 AI를 이해하고 활용할 수 있도록 AI중점학교, AI중심대·거점대, AI단과대, AX대학원을 신설·확대한다.

산업현장이 요구하는 실전형 역량도 강화한다.

논문이 아닌 R&D 성과물 등으로 박사학위를 취득할 수 있는 산업학위제(가칭)의 도입과 사내대학원 활성화를 통해 기업의 고급인재 양성을 지원한다.

◆ 해외 인재 유치·활용 전략 강화…활동·소통 환경 개선

해외 우수 연구자를 오는 2030년까지 2000명 유치하기 위해 관련 사업을 확대하고, 톱티어 비자 적용 대상과 K-STAR 트랙을 확대하여 우수 인재의 국내 유입을 촉진한다.

또한 거주·자녀교육 등 패키지형 지원을 강화하고, 국내 박사학위 취득 외국인 연구자의 R&D 참여 제한을 완화해 연구경력을 지속할 수 있는 경로를 넓힌다.

초·중등 여학생의 이공계 진입과 성장을 위한 진로지원을 강화하고 긴급돌봄 바우처와 경력복귀 연구과제를 확대하여 출산·육아로 인한 여성 과학기술인의 경력단절을 최소화한다.

정년 이후 재고용과 석학 지원사업, 멘토링 등 은퇴 과학기술인의 사회공헌 활동을 지원한다.

과기정통부는 부처와 기관별로 분산된 과학기술인재 정책을 국가 차원에서 유기적으로 연결한다.

부처 간 고위급 협의회, 과학기술자문회의(미래인재특별위원회), 과학기술관계장관회의 등을 통해 주요 인재 정책과 투자를 종합 조정하고 과학기술인재 유관기관의 역할·기능을 재정립해 관계부처·기관 간 연계와 협력을 강화한다.

이 밖에도 과기정통부는 과학기술인력 관련 통계 수집과 통합, 활용체계를 고도화할 방침이다.

이에 과학기술인재 정책도 경험이 아닌 데이터에 기반해 설계·추진할 수 있도록 인재정보 기반을 획기적으로 강화한다.

교육·양성 단계부터 연구·취업·이동·정착에 이르는 인재 전주기 데이터를 연계·통합 관리하는 체계를 마련하고 전담기관을 지정·운영한다.

배경훈 부총리 겸 과기정통부 장관은 "이번 5차 기본계획은 과학기술인재들이 대한민국 땅에서 자부심을 느끼고 마음껏 성장하고 활약할 수 있는 전주기 생태계를 구축하는 데 방점을 찍었다"며 "부처가 원팀이 되어 본 계획을 차질 없이 이행함으로써 '과학자를 꿈꾸는 나라'를 만들어 나가겠다"고 말했다.

문의: <담당>과학기술정보통신부 미래인재정책과(044-202-4821) <자문>국가과학기술자문회의지원단 기획총괄팀(02-710-6423) <협조>한국과학기술기획평가원 인재전략센터(043-750-2589)

[출처] 대한민국 정책브리핑( www.korea.kr )

원문기사링크 : https://www.korea.kr/news/policyNewsView.do?newsId=148970933

AI 음악 식별된다… 애플 뮤직, 하반기 라벨링 의무화

Wed, 26 Aug 2026 01:41:54 GMT

일부 이용자, AI 음악 ‘전면 금지’ 촉구

(자료=애플)

애플의 음악 스트리밍 서비스 애플 뮤직(Apple Music)이 플랫폼 내 등록되는 AI 생성 음악에 AI 라벨링 표시를 전면 의무화한다. 최근 글로벌 스트리밍 서비스들의 AI 음악 규제 정책을 따라가는 행보지만, 일부 이용자들 사이에서 등록 금지 등 더 강력한 조치가 필요하다는 목소리가 나온다.

22일(현지 시간) 글로벌 IT 전문 매체 테크레이더(TechRadar)는 미국 연예 매체 할리우드 리포터(The Hollywood Reporter)를 인용, 애플 뮤직이 올해 하반기부터 AI 라벨링 표시를 강제할 것이라는 방침을 최근 업계에 전달했다고 보도했다.

보도에 따르면, 애플 뮤직은 최근 음반사 및 유통사 등 업계 파트너들에게 이 같은 내용의 이메일을 보낸 것으로 알려졌다. 이에 따라 콘텐츠 제공업체는 AI 기반으로 제작됐거나, 상당 부분이 AI로 만들어진 음악을 등록할 때 ‘AI 투명성 태그(AI Transparency Tags)’를 의무적으로 포함해야 한다. 기존에는 음반사나 아티스트들이 자율적으로 태그를 붙이도록 허용해 왔으나 올 연말부터 필수 요건으로 강화되는 것이다.

이번 조치는 최근 스포티파이(Spotify), 타이달(Tidal) 등 경쟁 스트리밍 서비스들의 AI 음악 규제 행보와 궤를 같이한다. 스포티파이는 이달 초 AI 아티스트를 식별해 알고리즘 추천 목록에서 제외하겠다고 발표했다. 타이달은 AI 생성 음악에 대해 수익 정산을 중단하는 강력한 조치를 취하고 있다.

하지만 이용자들의 반응은 엇갈리고 있다. 태그 의무화를 반기는 이들이 있는 반면, 일부 이용자들 사이에서 애플 뮤직의 규제가 충분치 않다는 목소리도 나온다. 해외 커뮤니티 레딧(Reddit)을 중심으로 “유료 구독자에게는 AI 음악을 완전 차단할 수 있는 설정 옵션이 있어야 한다” “AI 생성 음악을 전면 금지하는 것이 더 나은 조치”라는 비판이 쏟아지기도 했다.

이에 대해 테크레이더는 “이 같은 반발은 예술성이 결여된 AI 생성 음악에 속았다는 느낌과, AI가 인간 아티스트의 자리를 빼앗는다는 우려로 인한 것”이라며 “음악 산업에서 AI를 사용한 스트리밍 조작 및 사기 행위도 발생하며 애플 또한 조치의 필요성을 느낀 것으로 보인다”고 분석했다.

다만, 수노(Suno), 비트오븐(Beatoven) 등 AI 음악 생성 서비스가 대중화된 상황에서, 애플의 이번 라벨링 의무화 조치가 AI 음악 확산을 막을 수 있을지 귀추가 주목된다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/ai-%ec%9d%8c%ec%95%85-%ec%8b%9d%eb%b3%84%eb%90%9c%eb%8b%a4-%ec%95%a0%ed%94%8c-%eb%ae%a4%ec%a7%81-%ed%95%98%eb%b0%98%ea%b8%b0-%eb%9d%bc%eb%b2%a8%eb%a7%81-%ec%9d%98%eb%ac%b4%ed%99%94/

요즘 실리콘밸리 일잘러들은 AI에 ‘횡설수설’ 떠듭니다

Tue, 25 Aug 2026 00:14:06 GMT

음성 인터페이스가 일터를 바꾸고 있다

지난달 말 공개된 오픈AI 음성 모델 ‘GPT-라이브’ 광고 일부. 모바일 앱에서 데스크톱 앱 버전으로 사용 범위가 확대됐다(자료=오픈AI)

“챗, 프로젝터로 화면 띄우고, 오늘 내 할 일 목록 틀어줄래?”

사무실에 들어온 한 남자가 화면을 보며 가볍게 말을 건넵니다. 즉시 한 쪽 벽에 프로젝터 화면이 켜지며 업무 세션이 시작됩니다. 키보드 타이핑이나 마우스 클릭 하나 없이 말이죠. 다음 주 신규 서비스 출시를 앞두고 설명 자료 초안을 작성해야 하는 상황. 남자는 화면을 등진 채 말로 지시합니다. “간단한 초안을 작성하면 돼. ‘데스크톱 앱에서 음성 기능을 만나보세요. 흐름을 깨지 않고 자연스럽게 작업을 이어가세요’ 이런 느낌으로 가자.”

오, 아직 서비스가 완성된 것은 아니군요. 이번에 남자는 사무실을 서성거리며 말합니다. “마지막으로 다듬을 만한 기능이 하나 있어. 내가 지금부터 횡설수설하며 떠들 테니까 들어보고 나한테 질문하고 의견도 줘.”

오픈AI가 지난달 말 공개한 고급 음성 모델 ‘GPT-라이브(Live)’ 광고의 일부입니다. GPT-라이브를 모바일 앱에서 데스크톱 앱으로 확대 적용한다는 소식이었는데요. 이제 음성만으로 컴퓨터를 제어하며, 챗GPT 워크나 코덱스에서 실행 중인 여러 에이전트를 관리할 수 있게 됐다는 것이죠. 이는 단순히 음성 인식 기능을 고도화한다는 의미는 아닙니다. AI 에이전트 기반 워크플로우의 새로운 인터페이스로 음성을 낙점했다는 뜻이죠.

이처럼 일터로 성큼 들어오고 있는 음성 인터페이스. 눈과 손에 자유를 부여한 음성이 실무자들의 일하는 방식을 바꿔 놓는 모습을 이제 볼 수 있을까요? 음성으로 업무 방식이 달라진 해외 실무자들의 이야기와, 그럼에도 남아 있는 음성의 사용자 경험 한계까지 살펴봤습니다.

‘횡설수설’ 프롬프트가 주목받은 까닭

음성이 텍스트보다 AI와의 협업에 더 최적화된 질문 수단일지도 모릅니다. 최근 글로벌 IT·디지털 실무자들 사이에서 ‘횡설수설 프롬프트(Ramble Prompt)’가 크게 주목받은 이유입니다.

전 테슬라 AI 총괄이자 오픈AI 창립 멤버인 안드레이 카파시(‘바이브 코딩’ 용어를 창시한 그 사람입니다)가 지난달 22일 엑스(X)에서 언급하며 단숨에 트렌드로 떠오른 개념입니다. 핵심은 단순합니다. 횡설수설 프롬프트는 두서없이 장황하게 떠드는 음성 프롬프트인데요. 이 방식이 공들여 타이핑해 입력하는 텍스트 프롬프트보다 훨씬 나은 결과물을 가져다준다는 것이죠.

‘바이브 코딩’의 창시자 안드레이 카파시는 AI 음성 모드에 두서없이 설명하는 것이 텍스트 프롬프트보다 효과적이라고 말한다(자료=안드레이 카파시 엑스)

카파시는 자신이 하려는 바를 LLM(거대언어모델)이 이해할 수 있도록 일일이 타이핑하는 것이 귀찮아지면 이렇게 한다고 전했습니다.

의자에 편히 기대 앉아 음성 모드로 전환한 후, 10분 정도 두서없이 생각나는 대로 아무 말이나 늘어놓습니다. 이렇게 하면 LLM은 제 생각을 놀라운 정도로 잘 정리합니다. 결과적으로 마인드 멜드(mind meld, AI에 의도나 맥락을 이해시키는 과정)는 향상되고 수정 횟수는 줄어듭니다.

이 게시물은 2400개가 넘는 댓글과 함께 5000번 이상 리포스트(공유)되며 전 세계 실무자들로부터 공감을 얻었는데요. 수많은 실무자가 카파시의 ‘횡설수설 프롬프트’에 동감한 이유는 명확했습니다. 말은 머릿속 생각을 필터링 없이 털어놓는 ‘브레인 덤프(Brain Dump)’에 최적화된 수단이기 때문입니다.

텍스트 프롬프트를 쓰기 위해선 문장의 논리를 다듬느라 상당한 시간과 에너지를 쏟아야 합니다. 일일이 생각을 타이핑 하는 과정에서 내용의 군더더기는 제거되고 맥락 일부도 누락되죠.

반면 음성 대화 환경에서는 질문을 포장할 필요가 없습니다. 무엇보다 맥락(Context) 기반으로 작동하는 LLM이 사용자 의도를 이해하기 위해선 ‘두서없는 설명’이 낫다는 건데요. 강조, 망설임 같은 감정 표현부터 온갖 세부 정보들이 섞여 있는 말뭉치가 더 자세하고 완전한 맥락을 전한다는 의미입니다. 다시 말해, 말이 많을수록 맥락은 풍부해지고 LLM의 이해도는 높아지는 것이죠.

실제 댓글 반응은 뜨거웠는데요. AI 게임 개발자인 대니 리만세타는 이렇게 말했습니다. “100% 동감한다. ‘두서없는 설명’은 AI 모델이 사용자가 무엇을, 왜 하려고 하는지 제대로 이해할 수 있도록 많은 맥락과 통찰력을 제공해, 모델 성능을 향상시키는 데 도움된다.”

대학교수이자 AI 연구원 제레미 응우옌은 “공원에서 산책하며 스마트폰에 대고 횡설수설 말하는 게 정말 좋다”며 “몇 시간 동안 모니터 앞에 앉아 있던 것에서 벗어나 다른 관점을 얻을 수 있고, LLM에 아주 많은 맥락을 제공할 수 있기 때문이다”고 밝혔습니다.

AI 투자자 하산 W. 바티 또한 동감의 뜻을 밝히며 “음성 인식이 AI와 상호작용하는 데 매우 자연스러운 방식이라고 생각한다. 맥락을 가장 효과적으로 전달할 수 있기 때문이다”라고 밝혔고, 한 사용자는 “음성 인식은 AI가 사용자 의도를 포착하기 위한 가장 빠른 인터페이스”라고 했습니다.

하지만 횡설수설 프롬프트를 쓰기 전 주위 사람들을 살필 필요는 있겠습니다. 너도나도 허공을 보며 AI와 대화하고 있으면 사무실은 곧 소음으로 가득 차게 될 테니까요. 실제로 월스트리트저널은 최근 실리콘 밸리 직원들이 키보드로 문장을 입력하는 대신 음성으로 AI에 업무 지시를 하는 사례가 늘면서 마치 ‘콜센터’를 연상시킨다고 보도하기도 했습니다.

실무 공간 경계 허무는 음성 워크플로우

음성 프롬프트는 실무 공간의 물리적 경계도 허물고 있습니다. 목소리로 지구 반대편 사무실에 있는 컴퓨터의 ‘AI 에이전트’를 부를 수 있게 됐으니까요.

AI 에이전트 플랫폼 스타트업 CEO 알렉스 핀의 이야기입니다. 핀은 최근 미국 캘리포니아 북부 레드우드 숲에서 4시간 동안 동안 하이킹을 하며 8시간 동안 책상에 앉아 있는 것보다 더 많은 일을 했다고 밝혔습니다. 에어팟으로 챗GPT 보이스와 대화하면서 말이죠.

그가 공개한 음성 프롬프트 워크플로우는 이렇습니다. 먼저 모든 작업이 이뤄지는 메인 본부 데스크톱을 지정합니다. 그 다음 스마트폰, 태블릿, 노트북 등 모든 기기에 챗GPT 앱을 설치합니다. 그리고 본부 데스크톱이 다른 모든 기기를 원격 제어할 수 있도록 연동합니다. 이제 음성 모드를 켜고 전 세계에 어디서든 작업하면 됩니다.

글로벌 테크 미디어 ‘에브리’ 소속 기자 댄 쉬퍼가 챗GPT 음성 모드와 소통하며 글을 쓰고 있다(자료=댄 쉬퍼 엑스)

글로벌 테크 미디어 에브리(Every)의 실무진도 GPT-라이브가 탑재된 챗GPT 음성 모드를 적극적으로 활용하고 있는데요. 버그 수정, 기사 개요 작성, 항공권 예약 등을 음성으로 처리하고 있다고 합니다.

특히 학습과 실무를 실시간 연결하는 음성 워크플로우를 구축했는데요. 에브리의 개발자 리 놀턴은 데이터 시스템 구축에 관한 내용의 PDF 문서를 챗GPT에 업로드한 뒤 음성 모드가 본인이 작업 중이던 코드베이스에 접근할 수 있도록 설정했습니다.

이를 통해 그는 문서를 읽으면서 생소한 개념을 챗GPT 말로 물어보며 탐구할 수 있었죠. 또 책 속의 이론적 통찰을 자신이 짜고 있는 실제 코드에 적용해볼 수 있었습니다. 책과 모니터를 오가지 않고도 음성 기반의 유기적인 워크플로우를 만든 셈입니다.

개발자 리 놀턴은 기술적 내용의 PDF 문서를 AI 음성 모드와 공유해 학습-실무를 연결하는 음성 워크플로우를 구축했다(자료=리 놀턴 엑스)

음성, UI·UX 관점에서 한계 명확

음성으로 AI와 협업하는 이들이 늘어나는 현상의 배경에는 테크 기업의 음성 모델 고도화가 있습니다. 오픈AI는 지난달 양방향 소통을 구현하는 전이중(Full Duplex) 구조 음성 모델 ‘GPT-라이브‘를 출시했습니다. 애플도 자사의 AI 음성 비서 시리(Siri)를 제미나이 기반으로 개발했죠. 7000개 이상 보이스와 32개 언어를 지원하는 일레븐랩스의 음성 솔루션도 있습니다.

하지만 기술 발전이 곧 새로운 인터페이스로서 자격을 완벽히 갖췄다는 것을 의미하지는 않습니다. 음성은 여전히 사용자 경험 측면에서 한계도 명확한데요. 다음 세 가지가 대표적입니다.

인지 과부화: 음성 인터페이스는 사용자가 모든 것을 기억해야 합니다. 음성 안내로 5~6개 옵션이 제시되면 사용자의 기억은 과부화되고 앞선 내용은 잊어버리게 되죠. 결국 내용을 처음부터 다시 들어야 하는 비효율이 발생할 수도 있습니다.

발견 가능성의 한계: 사용자가 메뉴를 훑어보며 기능을 파악할 수 있는 화면 인터페이스와 달리, 음성 인터페이스는 기능의 범위가 눈에 보이지 않습니다. 사용자는 기기에 무엇을 요청할 수 있는지 몰라 중구난방으로 말을 거는 상황이 발생할 수 있죠.

사생활 및 보안 침해: ‘횡설수설’ 프롬프트의 사례처럼 음성 인터페이스는 사용자의 아주 사소한 정보까지 들을 수 있습니다. 그 과정에서 민감한 개인정보나 회사 보안에 치명적인 기밀이 유출될 수도 있죠.

이 밖에도 버튼의 부재, 발화 방식의 다양성으로 인한 미인식·오인식 문제와 장시간 음성 대화로 인한 피로 등도 무시할 수 없습니다. 음성 인터페이스가 현실에 안착하기 위해선 아직 개선해야 할 지점이 많은 셈입니다.

이처럼 음성 인터페이스는 분명 구조적 한계를 갖고 있습니다. 음성과 화면 등 여러 채널을 결합한 멀티모달 인터페이스를 개발해야 한다는 이야기가 나오는 것도 그 때문입니다.

그럼에도 글로벌 실무자들이 음성을 활용해 AI와 일하는 모습은 이제 쉽게 볼 수 있는 풍경입니다. 테크 기업들 또한 AI 에이전트와 음성을 하나의 세트로 보고 개발을 지속하고 있고요. 더 이상 사람이 모든 것을 직접 할 필요 없는 AI 시대, 음성이 일터의 새로운 지휘봉으로 떠오른 것은 필연일지도 모르겠습니다. 언제 어디서나 작동 가능한 지휘봉을 쥔 우리는 이제 어떻게 일해야 하는지 다시 질문해야 합니다. 아니 무엇을 말해야 하는지요.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%9a%94%ec%a6%98-%ec%8b%a4%eb%a6%ac%ec%bd%98%eb%b0%b8%eb%a6%ac-%ea%b0%9c%eb%b0%9c%ec%9e%90%eb%93%a4%ec%9d%80-ai%ec%97%90-%ed%9a%a1%ec%84%a4%ec%88%98%ec%84%a4-%eb%96%a0%eb%93%ad%eb%8b%88%eb%8b%a4/

[인간 중심 AX③] DX와 AX는 무엇이 다를까?

Wed, 19 Aug 2026 00:01:27 GMT

AX를 DX의 연장선상으로 보면 실패하는 이유

많은 기업이 AX를 DX의 다음 단계 정도로 이해한다. 이미 구축해 둔 디지털 시스템 위에 AI 기능을 추가하고, 검색을 조금 더 똑똑하게 만들고, 화면 한쪽에 챗봇을 붙이면 AX가 된다고 생각한다. 이런 관점에서 보면 AX는 기존 시스템의 기술적 업그레이드처럼 보인다.

하지만 AX는 단순히 AI 기능을 추가하는 프로젝트가 아니다. DX의 연장선처럼 보일 수는 있지만, 실제로 바꾸는 대상이 다르다. DX가 종이, 전화, 엑셀, 오프라인 프로세스로 처리하던 일을 디지털 시스템 안으로 옮기는 전환이었다면, AX는 그 디지털 시스템 안에 AI라는 새로운 판단 주체가 들어오는 변화다.

AX를 제대로 이해하려면 DX와 AX의 차이를 먼저 분명히 해야 한다. 이번 글에선 기존 DX와 AX의 차이부터 시작해 AX가 어려운 이유와 AX의 진정한 의미를 짚어본다.

DX는 하던 일을 디지털로 하게 만들었다

(자료=클립아트코리아)

DX의 핵심은 기존 업무를 디지털화하는 것이었다. 종이 신청서는 전자결재 시스템이 됐고, 전화와 팩스로 주고받던 정보는 디지털로 기록하며, 담당자가 수기로 정리하던 데이터는 데이터베이스에 저장됐다. 직원은 더 이상 종이 문서를 들고 다니지 않아도 되었고, 여러 사람이 같은 정보를 동시에 조회할 수 있게 되었으며, 업무 이력도 시스템 안에 남게 되었다.

이처럼 DX도 조직의 업무를 크게 바꾸었다. 그러나 중요한 점은 DX 이후에도 업무의 최종 주체는 여전히 사람이었다는 사실이다. 어떤 정보를 보고 무엇을 의미 있게 해석할지, 어떤 결정을 내릴지, 예외 상황에서 어떻게 조치할지는 여전히 사람이 판단했다.

즉 DX는 사람의 일을 디지털 환경으로 옮겼지만, 사람의 역할 자체를 근본적으로 바꾸지는 않았다. 사람은 여전히 업무의 중심에 있었고, 시스템은 사람이 더 잘 일하도록 돕는 도구였다.

AX는 안 하던 일을 하게 만든다

(자료=클립아트코리아)

반면 AX에선 AI가 업무의 일부를 직접 수행한다. AI가 문서를 요약하고, 고객 문의 의도를 분류하고, 생산 설비의 이상 가능성을 예측하며, 여러 대안 중 우선순위를 추천한다. 심지어 사람이 실행하던 작업을 AI 시스템이 먼저 처리하기도 한다.

그 결과 사람은 기존에 하던 일을 덜 하게 된다. 그 대신 사람에게 새로운 일이 생긴다. AI가 제대로 이해했는지 확인해야 하고, AI 추천 결과를 믿어도 되는지 판단하며, AI가 놓친 것은 없는지 살펴야 한다. AI가 틀렸을 때는 개입하고 복구해야 하며, AI가 만든 결과를 조직의 책임 있는 의사결정으로 연결해야 한다.

AX의 본질은 이 변화에 있다. 사용자는 기존에 하던 일은 안 하게 되고, 과거에는 안 하던 새로운 일을 하게 된다. 자율주행 자동차를 생각해보면 이해하기 쉽다. 사람은 운전대를 계속 조작하지 않아도 된다. 하지만 그렇다고 아무것도 하지 않는 것은 아니다. 차량이 주변 상황을 제대로 인식하고 있는지, 움직임이 이상하지는 않은지, 필요할 때 사람이 개입해야 하는지 살피게 된다. 물리적 조작은 줄었지만, 시스템을 감시하고 신뢰 여부를 판단하는 새로운 인지적 과업이 생긴 것이다.

업무시스템도 마찬가지다. AX로 단순 실행 업무는 줄어들 수 있다. 하지만 AI가 하는 일을 이해하고, 검증하고, 개입하고, 책임지는 새로운 일이 생긴다. DX가 일하는 환경을 바꿨다면, AX는 인간의 역할을 바꾼 것이다.

인간의 통제가 더 중요해진다

(자료=클립아트코리아)

AX를 자동화 관점으로만 보면 오해가 생긴다. AI가 더 많은 일을 하게 되면 사람의 통제는 줄어들어도 된다고 생각하기 쉽다. 자동화 수준이 높아질수록 사람은 점점 뒤로 물러나고, 시스템이 스스로 처리하면 된다는 식이다.

하지만 실제 현장은 그렇게 단순하지 않다. 자동화가 높아진다고 해서 인간의 역할이 단순히 사라지는 것은 아니다. 오히려 자동화가 평상시의 쉬운 상황을 처리해줄수록, 사람은 시스템이 감당하지 못하는 가장 어렵고 위험한 순간에만 다시 호출될 수 있다. 이것이 자동화의 역설이다.

자동화는 사람의 반복적인 부담을 줄여주는 것처럼 보이지만, 정작 자동화가 판단하지 못하는 예외 상황에서는 사람에게 갑자기 통제권을 넘긴다. 패트리어트 미사일 오인 격추 사례는 자동화된 방어 시스템에서 인간이 시스템의 판단을 충분히 검토하고 통제하지 못했을 때 어떤 비극이 발생할 수 있는지를 보여준다.

보잉 737 MAX 사고도 같은 문제를 다른 방식으로 보여준다. 자동화된 제어 기능은 항공기의 특정 상황을 보정하기 위해 설계되었지만, 조종사가 기능의 작동 방식과 개입 조건을 충분히 이해하고 통제할 수 있도록 설계되지 않았을 때 자동화는 안전을 높이는 장치가 아니라 위험을 증폭시키는 장치가 될 수 있다. 자동화가 인간의 부담을 줄여주는 것이 아니라, 인간이 알지 못하는 방식으로 상황을 바꾸고, 가장 긴급한 순간에야 개입을 요구하는 구조가 되는 것이다.

문제는 그 순간의 사람이 이미 상황에서 멀어져 있을 수 있다는 점이다. 시스템이 그동안 무엇을 감지했고, 어떤 판단을 거쳐 지금의 상태에 이르렀는지 충분히 이해하지 못한 상태에서 사람은 가장 어려운 판단을 떠안게 된다.

이 사례들이 주는 교훈은 분명하다. 자동화 수준이 높아질수록 인간의 통제 구조는 약해져도 되는 것이 아니라 더 정교해져야 한다. AI가 더 중요한 업무를 맡을수록, 사람은 AI가 무엇을 보고 판단했는지 이해할 수 있어야 하고, 왜 그런 추천이나 실행이 이루어졌는지 확인할 수 있어야 하며, 필요할 때 즉시 개입하거나 중단할 수 있어야 한다.

자동화 수준과 인간 제어 수준의 관계 4분면 프레임워크(자료=Ben Shneiderman, Human-Centered AI, 2022)

벤 슈나이더만의 인간 중심 AI 프레임워크가 중요한 이유가 바로 이것이다. 그의 프레임워크는 자동화와 인간 통제를 하나의 직선 위에 놓지 않는다. 자동화 수준이 높아질수록 오히려 높은 인간 통제가 함께 설계될 때 신뢰할 수 있고 안전한 시스템이 된다고 본다.

이 관점은 AX에 그대로 적용된다. AI가 더 많은 일을 수행할수록 그 결과는 더 큰 책임과 연결된다. 따라서 AI가 더 많이 판단할수록 사람은 그 판단의 근거와 한계를 이해할 수 있어야 한다. AI가 틀렸다고 판단되면 거절하거나 수정할 수 있어야 하고, AI가 자동으로 처리하더라도 필요한 순간에는 중단하거나 되돌릴 수 있어야 한다.

자율주행 차량의 화면이 AI가 인식한 보행자, 차선, 신호등, 주행 경로를 보여주는 이유도 여기에 있다. 탑승자가 직접 운전하지 않더라도 차량이 무엇을 보고 있고, 어떤 의도로 움직이는지 알아야 신뢰할 수 있다. 로보택시가 원격 관제나 비상 개입 체계를 갖추는 것도 같은 이유다. 자율성이 높아질수록 인간의 통제 통로는 더 중요해진다.

결국 AX의 수준은 단순히 AI 알고리즘이 얼마나 고도화되었는지로 판단할 수 없다. 그 AI를 사람이 얼마나 이해하고, 통제하고, 필요할 때 개입할 수 있게 설계했는지로 판단해야 한다. 자동화가 높아질수록 인간이 사라지는 것이 아니라, 인간이 더 중요한 순간에 더 정확하게 개입할 수 있도록 설계되어야 한다.

AI 성능 수준에 맞게 기획해야 한다

(자료=클립아트코리아)

AX를 추진할 때 흔히 하는 착각이 있다. 가장 최신의 AI 모델을 도입하면 모든 문제가 해결될 것이라고 믿는 것이다. 그러나 실제 현장은 그렇게 움직이지 않는다. 현장의 지능형 시스템은 하나의 거대한 생성형 AI 모델로만 작동하지 않는다. 규칙 기반 전문가 시스템, 통계 모델, 예측 모델, 머신비전, 최적화 알고리즘, 생성형 AI가 뒤섞여 있다. 그리고 이 기술들은 모두 완벽하지 않다.

AI는 확률적으로 판단한다. 데이터가 부족하면 흔들리고, 환경이 바뀌면 성능이 떨어지며, 학습하지 못한 예외 상황에서는 틀릴 수 있다. 그래서 AX 기획에서 중요한 것은 AI의 성능을 과장하는 것이 아니라, 현재 AI가 어느 정도까지 믿을 수 있는지, 어떤 상황에서 틀릴 수 있는지, 어디까지 자동화해도 되는지, 어디서부터 사람의 확인이 필요한지를 냉정하게 구분하는 일이다.

특히 AI의 성능이 아직 불안정하다면 사람의 확인을 전제로 설계해야 한다. 예를 들어 AI가 추천한 결과를 확신도에 따라 구분해 보여주는 기능이 있다. 확신도가 높은 결과는 가볍게 확인하게 하고, 애매한 결과는 사용자가 다시 검토하도록 표시하며, AI가 판단하지 못한 영역은 처음부터 사람의 개입을 요청하는 것이다.

반대로 AI 성능이 충분히 검증되어 안정적으로 작동하는 영역이라면, 모든 결과를 사람이 일일이 승인하게 만들 필요는 없다. 시스템이 먼저 실행하고 사람은 전체 흐름을 모니터링하는 방식이 더 적절할 수 있다. 다만 이 경우에도 비상 상황에서 사람이 즉시 개입하고 중단할 수 있는 장치는 반드시 필요하다.

좋은 AX 기획은 AI를 무조건 믿는 것도 아니고, 무조건 의심하는 것도 아니다. AI의 실제 성능 수준에 맞게 인간의 역할과 인터페이스를 조정하는 것이다. 그리고 어떤 경우에도 사람이 개입하고 복구할 수 있는 통로는 남겨야 한다.

시스템 고도화가 아니다

(자료=클립아트코리아)

많은 기업은 AX 프로젝트를 기존 시스템 고도화처럼 접근한다. 기존 업무를 분석하고, 요구사항을 정리하고, 기능 목록을 만들고, 순서대로 구현하면 된다고 생각한다. DX 프로젝트에서는 이런 방식이 어느 정도 가능했다. 기존의 아날로그 업무를 디지털 시스템으로 옮기거나, 이미 존재하는 프로세스를 효율화하는 일이 많았기 때문이다. As-Is 프로세스를 분석하고 To-Be 프로세스를 정의한 뒤, 필요한 화면과 기능을 구현하면 프로젝트가 진행될 수 있었다.

하지만 AX는 다르다. AX에서는 AI라는 새로운 행위자가 업무에 들어온다. AI는 단순히 정해진 규칙을 실행하는 시스템이 아니다. 데이터를 해석하고, 가능성을 계산하고, 결과를 추천하며, 때로는 사람의 판단에 직접 영향을 준다. 그러면 현장에서는 예상하지 못한 상호작용이 생긴다.

사용자가 AI를 너무 믿어서 검토를 생략할 수도 있고, 반대로 몇 번의 오류 때문에 AI를 전혀 믿지 않을 수도 있다. AI가 만든 추천이 기존 조직의 책임 구조와 충돌할 수도 있으며, 자동화된 결과를 누가 승인하고 책임져야 하는지 불명확해질 수도 있다.

이런 문제는 기능 요구사항 문서만으로는 충분히 발견하기 어렵다. 실제 사용자가 AI 결과를 보고, 이해하고, 의심하고, 선택하고, 개입하는 과정을 미리 실험해보아야 한다. 그런 점에서 AX 기획은 시스템 고도화라기보다 신제품 개발에 가깝다. 세상에 없던 인간-AI 협업 경험을 만드는 일이기 때문이다.

AX 프로젝트에서는 빠른 프로토타이핑이 중요하다. 실제 개발에 들어가기 전에 화면 목업, 모의 데이터, 가상의 AI 결과를 이용해 사용자가 어떻게 반응하는지 확인해야 한다. AI가 틀렸을 때 사용자가 알아차리는지, 설명을 보고 판단할 수 있는지, 승인과 거절 과정이 자연스러운지, 개입과 복구 절차가 이해되는지 검증해야 한다.

AX는 한 번에 정답을 설계하는 프로젝트가 아니다. 인간과 AI가 함께 일하는 방식을 실험하고 조정하는 프로젝트다.

AX는 인간의 역할을 바꾸는 전환이다

(자료=클립아트코리아)

DX는 사람이 하던 일을 디지털 시스템 안에서 더 잘하게 만드는 전환이었다. 반면 AX는 AI가 들어온 뒤 사람과 AI의 역할을 다시 나누는 전환이다. DX에서는 사용자가 시스템을 잘 쓰는 것이 중요했다면, AX에서는 사용자가 AI와 함께 잘 판단하는 것이 중요하다.

그래서 AX를 DX의 단순한 연장선으로 보면 실패하기 쉽다. 기존 시스템 위에 챗봇을 붙이고, 검색을 똑똑하게 만들고, AI 요약을 추가하는 것만으로는 충분하지 않다. AX는 기술 기능을 더하는 일이 아니라 인간의 역할을 다시 설계하는 일이다.

AX가 어려운 이유는 AI 기술이 어렵기 때문만이 아니다. 인간의 역할이 바뀌기 때문이다. 사람이 직접 하던 일을 AI가 대신하기 시작하면, 사람은 단순 실행자에서 감독자와 판단자로 이동한다. 이 변화가 설계되지 않으면 현장에서는 혼란이 생긴다. AI가 무엇을 하고 있는지 모른 채 결과만 받아보게 되고, 어떤 결과를 믿어야 할지 모르며, 문제가 생겼을 때 언제 개입해야 하는지도 알기 어려워지는 것이다.

AX를 성공시키려면 인간과 AI의 영토를 다시 나누어야 한다. AI가 할 일과 사람이 할 일을 구분해야 하고, AI가 판단한 결과를 사람이 이해할 수 있게 해야 하며, 사람이 개입하고 수정하고 복구할 수 있어야 한다. 또한 AI의 성능 수준에 맞게 자동화와 인간 통제의 균형을 조정하고, 이 모든 과정을 프로토타입으로 빠르게 검증해야 한다.

결국 AX는 단순히 업무에 AI를 붙이는 일이 아니다. 인간의 역할을 다시 정의하는 일이다. 다음 글에서 AX를 어떻게 기획해야 하는지 설명하겠다.

구분	DX	AX
전환 대상	아날로그 업무와 오프라인 프로세스를 디지털 시스템으로 옮긴다	디지털 시스템 안에서 인간과 AI의 역할을 다시 나눈다
핵심 질문	이 업무를 어떻게 디지털로 처리하게 만들 것인가	AI가 무엇을 맡고, 사람은 무엇을 판단해야 하는가
시스템 역할	정보를 저장하고 전달하고 계산하고, 검색한다	데이터를 해석하고 요약하고 예측하고 추천하며 때로는 실행한다
인간 역할	시스템을 사용해 정보를 입력하고 조회하고 판단한다	AI의 결과를 이해하고 신뢰 여부를 판단하고 개입하고 책임진다
주요 설계 대상	기능, 화면, 프로세스, 데이터 입력과 조회	역할 분담, 판단 지원, 신뢰, 설명, 개입, 회복
성공 기준	업무가 디지털 시스템 안에서 더 빠르고 편리하게 처리되는가	사람이 AI와 함께 더 빠르고 정확하게 판단하고 일할 수 있는가
실패 양상	시스템은 구축됐지만 사용성이 낮거나 프로세스가 복잡해진다	AI 기능은 붙었지만 확인/검토/책임 부담이 늘어난다
기획 방식	As-Is/To-Be 분석과 요구사항 구현 중심	인간-AI 상호작용을 프로토타입으로 실험하고 조정하는 신제품 개발 방식

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%9d%b8%ea%b0%84-%ec%a4%91%ec%8b%ac-ax%e2%91%a2-dx%ec%99%80-ax%eb%8a%94-%eb%ac%b4%ec%97%87%ec%9d%b4-%eb%8b%a4%eb%a5%bc%ea%b9%8c/