DX가 남긴 것, AX가 바꾸는 것
지난 10여 년 동안 기업의 핵심 과제는 DX, 즉 디지털 전환이었다. 종이 문서는 전자결재로 바뀌었고, 고객 정보는 CRM에 쌓였으며, 회계와 생산 정보는 ERP로 관리되었다. 회의는 화상으로 열리고, 파일은 클라우드에서 공유되었다. DX는 분명 기업의 일하는 방식을 크게 바꿨다.
하지만 많은 기업은 DX 이후에도 비슷한 문제를 겪고 있다. 데이터는 많아졌지만 흩어져 있다. 시스템은 늘었지만 판단은 여전히 사람의 경험에 의존한다. 보고서는 디지털 문서가 되었지만 작성과 해석에는 많은 시간이 든다. 고객 접점은 온라인으로 확장됐지만 고객의 의도를 실시간으로 이해하고 대응하는 일은 쉽지 않다.
DX가 아날로그 업무를 디지털화하는 전환이었다면, AX는 디지털화된 환경 위에 AI를 넣어 기업 운영을 지능화하는 전환이다. AX는 AI Transformation의 약자로, AI를 단순 도구가 아니라 기업의 핵심 프로세스, 의사결정, 운영, 고객 경험 안에 내장하는 변화를 뜻한다.1
질문이 달라진다. DX의 질문은 "이 업무를 어떻게 디지털로 처리할 것인가"에 가까웠다. AX의 질문은 "AI가 들어오면 이 업무의 판단, 실행, 학습 방식은 어떻게 달라져야 하는가"다. 전자결재를 도입하는 것과, AI가 결재 문서의 위험 요소를 요약하고 과거 유사 사례를 찾아주며 승인자가 놓칠 수 있는 쟁점을 알려주는 것은 다른 차원의 변화다.
AI 생성 이미지
AI 도입과 AX 전환은 다르다
많은 기업이 "우리도 AI를 도입했다"고 말한다. 직원들이 생성형 AI로 이메일을 쓰고, 회의록을 요약하고, 보고서 초안을 만든다. 고객센터에는 챗봇이 들어가고, 마케팅팀은 광고 문구를 AI로 만든다. 이런 변화는 중요하다. 그러나 이것만으로 AX가 완성되지는 않는다.
세 가지를 구분해야 한다.
첫째, AI 도입은 특정 도구나 기능을 업무에 적용하는 것이다. 예를 들어 챗봇을 설치하거나, 문서 요약 도구를 구매하거나, 이미지 검사 모델을 생산라인에 붙이는 식이다. 도입 범위가 좁고 목적도 비교적 명확하다.
둘째, 생성형 AI 활용은 개인과 팀의 생산성을 높이는 업무 보조에 가깝다. 문서 작성, 번역, 검색, 요약, 아이디어 발산, 코드 초안 작성 등이 여기에 해당한다. 직원 입장에서는 체감 효과가 크다. 하지만 결과물이 개인의 활용 수준에 머물고, 표준 프로세스와 성과 지표에 연결되지 않으면 조직 전체의 변화로 이어지기 어렵다.
셋째, AX 전환은 핵심 업무 흐름 자체를 AI 중심으로 다시 설계하는 것이다. 영업 제안서 작성을 예로 들어보자. 단순 AI 활용은 담당자가 AI에게 제안서 초안을 요청하는 수준이다. AX는 다르다. CRM의 고객 이력, 과거 제안서, 산업별 성공 사례, 가격 정책, 법무 검토 기준을 연결한다. AI가 제안서 초안을 만들고, 위험 문구를 표시하며, 영업 담당자는 고객 맥락을 반영해 수정한다. 팀장은 승인 기준에 따라 검토하고, 최종 결과와 수주 여부는 다시 데이터로 축적된다. 이때 AI는 업무 바깥의 도구가 아니라 업무 흐름의 일부가 된다.
따라서 AX의 핵심은 "어떤 AI를 쓰는가"가 아니다. "AI가 업무 안에서 어떤 역할을 맡고, 사람은 무엇을 판단하며, 결과는 어떻게 기록되고 개선되는가"가 핵심이다.
생성형 AI가 기업 운영 방식을 바꾸는 이유
생성형 AI가 기업에 주는 충격은 단순히 글을 잘 쓰기 때문이 아니다. 더 중요한 변화는 AI가 비정형 지식 업무에 들어오기 시작했다는 점이다. 과거의 자동화는 주로 규칙이 명확한 반복 업무에 강했다. 정해진 양식의 데이터를 입력하고, 계산하고, 분류하는 업무가 중심이었다.
생성형 AI는 문서, 메일, 회의록, 상담 기록, 계약서, 코드, 보고서처럼 사람의 언어로 이루어진 업무를 다룬다. 기업 업무의 상당 부분은 이런 비정형 정보 위에서 움직인다. 그래서 AI는 단순 자동화 도구를 넘어 검색, 요약, 비교, 분석, 초안 작성, 의사결정 보조까지 확장된다.
Deloitte의 기업 AI 조사도 이런 흐름을 보여준다. 기업 내 AI 접근성은 빠르게 확대되고 있고, AI 프로젝트가 실제 운영 단계로 넘어가는 비중도 늘고 있다. 동시에 성숙도는 크게 엇갈린다. 조사에 따르면 34%의 조직은 AI로 비즈니스를 깊이 전환하고 있다고 답했지만, 37%는 프로세스 변화가 거의 없는 표면적 활용에 머물러 있다. 생산성이나 효율 향상을 경험했다는 응답은 66%였지만, AI로 이미 매출 증가를 만들고 있다는 응답은 20%에 그쳤다.2
이 수치는 중요한 사실을 말한다. AI 사용은 빠르게 늘고 있지만, AI 가치가 자동으로 경영 성과가 되지는 않는다. 문서 작성 시간이 줄었다고 해서 곧바로 매출이 늘지는 않는다. 상담 답변이 빨라졌다고 해서 고객 경험이 반드시 좋아지는 것도 아니다. AI가 성과로 이어지려면 업무 기준, 데이터 연결, 사람의 검토, 의사결정 구조, 성과 측정 방식이 함께 바뀌어야 한다.
파일럿은 많은데 성과가 적은 이유
많은 기업에서 AI 파일럿은 이미 진행 중이다. 고객지원 자동응답, 사내 지식 검색, 영업 제안서 초안, 채용 서류 요약, 개발 코드 보조, 회의록 자동 정리 같은 과제는 어렵지 않게 찾을 수 있다. 문제는 파일럿의 수가 아니라 확산이다.
AI 파일럿이 멈추는 이유는 아이디어가 부족해서가 아니다. 처음 만든 데모가 나빠서만도 아니다. 더 근본적인 이유는 확산 준비가 되어 있지 않기 때문이다. KPMG는 기업 AI가 파일럿 실패 때문에 멈추는 것이 아니라, AI를 규모 있게 운영할 IT 준비도가 충분히 갖춰지지 않았기 때문에 멈춘다고 지적한다. AI 성숙도는 결국 IT 성숙도와 연결된다는 것이다.3
파일럿 단계에서는 작은 데이터와 제한된 사용자만 있으면 된다. 보안 검토도 임시 예외로 처리할 수 있고, 결과 검증도 담당자의 눈으로 해결할 수 있다. 하지만 전사 확산 단계에서는 상황이 달라진다. 데이터 정의가 부서마다 다르면 AI가 같은 질문에도 다른 답을 낸다. 기존 시스템과 연결되지 않으면 직원은 AI 결과를 다시 복사해 붙여넣어야 한다. 권한 관리가 약하면 민감 정보가 노출될 수 있다. 비용 관리가 없으면 클라우드와 API 사용료가 예상보다 빠르게 늘어난다. 업무 프로세스를 바꾸지 않으면 AI는 기존 비효율 위에 얹힌 또 하나의 도구가 된다.
그래서 AX는 파일럿을 많이 하는 경쟁이 아니다. 파일럿에서 얻은 것을 조직의 표준 업무 방식으로 바꾸는 능력의 경쟁이다. 프롬프트, 데이터 커넥터, 평가 기준, 보안 정책, 승인 절차, 교육 자료, 운영 대시보드가 쌓여야 다음 과제가 더 빨라진다. 이것이 없으면 AI 과제는 부서마다 따로 움직이고, 성과는 누적되지 않는다.
AX는 미래 담론이 아니라 현재의 경쟁 조건이다
AX는 먼 미래의 이야기가 아니다. 이미 일부 선도 기업은 AI를 실험이 아니라 실제 운영에 넣고 있다. a16z의 분석에 따르면 Fortune 500 기업의 29%, Global 2000 기업의 약 19%가 주요 AI 스타트업의 유료 고객으로 실제 배포 단계에 들어가 있다. 이 통계는 단순 파일럿이 아니라 계약, 파일럿 전환, 라이브 배포를 기준으로 한다.4
특히 도입이 빠른 영역은 코딩, 고객지원, 기업 검색이다. 이 업무들은 공통점이 있다. 데이터가 많고, 결과를 검증할 수 있으며, 업무 흐름이 비교적 명확하고, 성과 지표를 잡기 쉽다. 코드는 실행과 테스트로 품질을 확인할 수 있다. 고객지원은 응답 시간, 해결률, 고객 만족도를 측정할 수 있다. 기업 검색은 직원이 필요한 정보를 얼마나 빠르고 정확하게 찾는지로 평가할 수 있다.
여기서 선도 기업과 일반 기업의 차이가 드러난다. 차이는 "AI를 써봤는가"가 아니다. 거의 모든 기업이 어떤 방식으로든 AI를 써보고 있다. 진짜 차이는 "AI를 업무 흐름 안에 정착시켰는가"다. AI가 개인의 편리한 도구에 머무르면 성과는 개인 생산성에 그친다. AI가 프로세스, 데이터, 권한, 승인, 성과 지표와 연결되면 조직 운영 방식이 바뀐다.
이 책이 다루는 AX의 범위
이 책은 AI 도구 사용법을 나열하지 않는다. 특정 모델이나 서비스의 기능을 소개하는 책도 아니다. 이 책이 다루는 AX는 기업 운영체제의 재설계다.
먼저 AX를 이해하는 기본 관점을 세운다. DX와 AX의 차이, AI 도입과 전사 전환의 차이, 생산성 너머의 목적을 살펴본다. 다음으로 전략을 다룬다. 우리 회사가 왜 AI를 도입해야 하는지, 어떤 업무를 먼저 바꿔야 하는지, 과제 우선순위는 어떻게 정해야 하는지 설명한다.
그다음은 업무와 프로세스다. AI가 작성, 검색, 분석, 판단, 실행의 어느 지점에 들어갈 수 있는지 살펴보고, 부서별 시나리오와 AI 에이전트의 가능성을 다룬다. 이어서 데이터와 기술 기반을 본다. AX의 출발점인 데이터 흐름, 사내 지식과 RAG, 기술 스택, AI 플랫폼과 거버넌스를 설명한다.
조직과 사람의 변화도 핵심이다. AX는 직원의 역할, 리더십, 교육 체계, 인간과 AI의 협업 방식을 바꾼다. 동시에 리스크와 책임을 다뤄야 한다. 환각, 개인정보, 저작권, 편향, 과도한 자동화의 위험을 관리하지 못하면 AI 확산은 신뢰를 잃는다.
마지막으로 실행 로드맵과 성과 측정을 다룬다. 90일 파일럿을 어떻게 설계할지, 파일럿을 전사 확산으로 어떻게 연결할지, AX 성과를 어떤 지표로 측정할지 살펴본다. 산업별 AX 전략과 AI 네이티브 기업의 미래도 함께 다룬다.
AX 전환의 출발점은 거창한 선언이 아니다. 핵심 질문 하나에서 시작한다.
"AI가 들어오면 우리 회사의 일하는 방식은 어떻게 달라져야 하는가?"
이 질문에 답하는 기업은 AI를 도구로 소비하는 데서 멈추지 않는다. 업무, 데이터, 의사결정, 고객 경험, 조직 문화를 다시 설계한다. 그리고 바로 그 지점에서 AX는 기업의 다음 경쟁력이 된다.
참고
1What is AX — Defining AI Transformation and How It Differs from DX
2The State of AI in the Enterprise
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.