AX 우선순위 매트릭스

AI 아이디어는 쉽게 늘어난다. 회의 몇 번만 해도 마케팅 콘텐츠 자동화, 영업 제안서 생성, 고객 상담 챗봇, 회의록 요약, 재고 예측, 법무 문서 검토 같은 과제가 쏟아진다.

문제는 아이디어의 양이 아니다. 실행 순서다.

AX 전환에서 가장 위험한 순간은 '좋아 보이는 것'을 모두 시작하는 때다. 과제가 많아지면 예산은 분산되고, 현업의 피로도는 높아지며, IT 조직은 작은 요청에 끌려다닌다. 결국 몇 개의 파일럿은 만들어지지만 전사 확산으로 이어지지 않는다.

우선순위 매트릭스는 이 혼란을 줄이는 도구다. 목적은 단순히 과제를 줄이는 것이 아니다. 어떤 과제를 먼저 실험하고, 어떤 과제를 장기 전략으로 키우며, 어떤 과제는 보류하거나 제외할지 결정하는 것이다. AX 로드맵은 이 선택에서 시작된다.

아이디어 목록은 로드맵이 아니다

많은 기업이 AI 추진 계획을 만들 때 먼저 과제 목록을 만든다. 부서별로 필요한 AI 활용 아이디어를 모으고, 엑셀에 정리하고, 담당 부서와 기대 효과를 적는다. 여기까지는 필요하다. 하지만 과제 목록만으로는 실행이 일어나지 않는다.

과제 목록에는 보통 세 가지 문제가 있다.

첫째, 모든 과제가 비슷하게 중요해 보인다. 고객 상담 자동화도 중요하고, 영업 보고서 자동화도 중요하고, 수요 예측도 중요해 보인다. 그러나 기업의 자원은 제한되어 있다. 동시에 할 수 있는 과제는 많지 않다.

둘째, 효과와 난이도가 섞여 있다. 어떤 과제는 빠르게 만들 수 있지만 효과가 작다. 어떤 과제는 효과가 크지만 데이터 정비와 프로세스 변경이 필요하다. 두 종류의 과제를 같은 기준으로 비교하면 잘못된 결론이 나온다.

셋째, 리스크가 빠져 있다. AI가 초안을 작성하는 업무와 AI가 고객의 신용, 채용, 진료, 법률 판단에 영향을 미치는 업무는 전혀 다르다. 같은 'AI 적용'이라도 책임의 무게가 다르다.

따라서 AX 과제는 다음 질문에 답할 수 있어야 한다.

• 이 과제는 사업 성과에 얼마나 중요한가?

• 현재 데이터와 시스템으로 실행 가능한가?

• 현업이 실제로 사용할 가능성이 높은가?

• 실패했을 때 피해는 어느 정도인가?

• 단기 실험 과제인가, 장기 경쟁력 과제인가?

• 자동화해도 되는가, 사람의 판단이 반드시 남아야 하는가?

우선순위 매트릭스는 이 질문에 답하기 위한 공통 언어다.

첫 번째 축: 임팩트

임팩트는 'AI를 적용했을 때 기업에 생기는 의미 있는 변화'다. 단순히 시간이 얼마나 줄어드는지만 보지 않는다. AX의 목적은 생산성 향상에만 있지 않기 때문이다.

임팩트는 다섯 가지 관점에서 볼 수 있다.

예를 들어 회의록 요약 AI는 직원 시간을 줄일 수 있다. 하지만 회의 결과가 과제 관리 시스템과 연결되고, 의사결정 이력이 쌓이며, 후속 실행을 추적할 수 있다면 임팩트는 더 커진다. 단순 요약 도구가 아니라 조직 실행 속도를 높이는 기반이 되기 때문이다.

고객 상담 AI도 마찬가지다. 단순히 상담 건수를 줄이는 데 그치면 비용 절감 과제다. 그러나 상담 데이터를 분석해 고객 불만의 원인을 찾고, 제품 개선과 마케팅 메시지에 반영한다면 고객 경험과 사업 전략에 영향을 주는 과제가 된다.

임팩트를 평가할 때는 숫자로 표현할 수 있는 항목과 숫자로 바로 표현하기 어려운 항목을 함께 봐야 한다. 비용 절감액, 처리 시간, 매출 기여도는 비교적 수치화하기 쉽다. 반면 의사결정 품질, 지식 축적, 고객 신뢰는 바로 숫자로 환산하기 어렵다. 그렇다고 제외하면 안 된다. AX는 보이는 비용뿐 아니라 보이지 않는 병목을 제거하는 전환이기 때문이다.

두 번째 축: 난이도

난이도는 기술 난이도만 뜻하지 않는다. 기업에서 AI 과제가 어려운 이유는 모델이 부족해서만이 아니다. 데이터가 흩어져 있고, 업무 기준이 불명확하며, 시스템 연결이 어렵고, 현업의 사용 방식이 바뀌어야 하기 때문에 어렵다.

난이도는 다음 기준으로 평가한다.

많은 기업이 기술 난이도만 보고 과제를 고른다. 예를 들어 생성형 AI로 이메일 초안을 쓰는 기능은 쉽게 만들 수 있다. 하지만 그 결과가 실제 영업 프로세스 안에서 사용되려면 고객 정보, 제품 정보, 가격 정책, 승인 절차, 발송 이력과 연결되어야 한다. 기술적으로는 쉬워 보여도 운영 난이도는 높을 수 있다.

반대로 기술적으로는 복잡해 보여도 업무 기준이 명확하고 데이터가 잘 정리되어 있다면 실행 가능성이 높다. 예를 들어 정형화된 품질 검사 데이터가 축적된 제조 현장의 이상 탐지 과제는 모델 개발이 필요하지만, 문제 정의가 명확하면 추진하기 쉽다.

AX 과제의 난이도는 '만들 수 있는가'가 아니라 '업무에 안착시킬 수 있는가'로 판단해야 한다.

네 가지 과제 유형으로 분류하기

임팩트와 난이도를 기준으로 AX 과제를 네 가지 유형으로 나눌 수 있다.

빠른 성공 과제

빠른 성공 과제는 AX의 출발점이 된다. 단기간에 결과를 보여주고, 조직 안에 'AI가 실제로 도움이 된다'는 경험을 만든다.

좋은 빠른 성공 과제에는 몇 가지 조건이 있다.

• 업무 빈도가 높다.

• 결과물을 사람이 쉽게 검토할 수 있다.

• 필요한 데이터가 이미 있다.

• 기존 시스템과 복잡하게 연결하지 않아도 된다.

• 실패해도 피해가 작다.

• 성공하면 여러 부서로 확산할 수 있다.

예를 들어 사내 문서 검색, 회의록 요약, 보고서 초안 작성, 고객 문의 분류, 영업 제안서 초안 생성 같은 과제는 빠른 성공 과제가 될 수 있다. 단, 이 과제들도 그냥 도구를 배포하는 수준에 머물면 효과가 약하다. 업무 흐름 안에 넣어야 한다. 회의록 요약은 후속 과제 등록과 연결되어야 하고, 제안서 초안 생성은 제품 정보와 승인 기준을 반영해야 한다.

빠른 성공 과제의 목적은 완벽한 시스템을 만드는 것이 아니다. 조직이 AI와 함께 일하는 방식을 배우는 것이다.

전략 과제

전략 과제는 당장 끝낼 수는 없지만 반드시 가야 하는 과제다. 임팩트가 크고 기업의 경쟁력과 연결되지만 데이터, 시스템, 조직 변화가 필요하다.

예를 들어 다음과 같은 과제들이 전략 과제가 될 수 있다.

• 전사 고객 데이터 기반 개인화 추천

• 공급망 수요 예측과 생산계획 최적화

• AI 기반 상담 품질 관리와 고객 이탈 예측

• 연구개발 지식 기반 신제품 기획 지원

• 전사 업무 에이전트 플랫폼 구축

• 경영 의사결정 지원 시스템 고도화

전략 과제는 한 번에 추진하면 실패하기 쉽다. 범위가 크고 이해관계자가 많기 때문이다. 따라서 쪼개야 한다. 데이터 정비, 업무 기준 정리, 파일럿, 일부 부서 적용, 시스템 연동, 전사 확산의 단계로 나누어야 한다.

전략 과제는 빠른 성과보다 '축적'을 목표로 삼아야 한다. 첫 3개월에는 거대한 성과가 나오지 않을 수 있다. 대신 어떤 데이터가 필요한지, 어떤 판단 기준이 불명확한지, 어느 부서의 협력이 필요한지 알게 된다. 이 학습 자체가 전략 과제의 초기 성과다.

보류 과제

보류 과제는 나쁜 과제가 아니다. 다만 지금 할 필요가 낮은 과제다. 난이도는 낮지만 임팩트도 낮기 때문에 핵심 자원을 쓰기에는 아깝다.

예를 들어 특정 팀만 가끔 사용하는 문서 자동화, 빈도가 낮은 내부 안내 챗봇, 효과가 제한적인 이미지 생성 과제는 보류 과제가 될 수 있다. 이런 과제는 전사 AX 로드맵의 중심에 두기보다, 현업 자율 실험이나 교육용 사례로 활용하는 것이 좋다.

보류 과제를 구분하지 못하면 조직은 '쉬운 일'만 하게 된다. 쉬운 AI 과제는 많다. 하지만 쉬운 과제가 모두 중요한 것은 아니다.

제외 과제

제외 과제는 현재 추진하지 않기로 결정한 과제다. 임팩트는 낮고 난이도는 높다. 여기에 시간과 예산을 쓰면 중요한 과제가 밀린다.

제외는 포기가 아니다. 전략적 선택이다. 특히 다음 조건에 해당하면 제외를 검토해야 한다.

• 필요한 데이터가 없고 단기간에 확보하기 어렵다.

• 업무 빈도가 낮아 효과가 작다.

• 이해관계자가 많지만 책임 주체가 불명확하다.

• 규제와 법적 리스크가 큰데 통제 체계가 없다.

• 현업 사용자가 뚜렷하지 않다.

• 경영 목표와 연결되지 않는다.

AX 리더는 '무엇을 할 것인가'만큼 '무엇을 하지 않을 것인가'를 명확히 해야 한다. 하지 않을 일을 정해야 할 일이 실행된다.

점수화는 단순해야 한다

우선순위 평가를 너무 복잡하게 만들면 회의만 길어진다. 처음에는 단순한 5점 척도로 충분하다.

각 과제에 대해 임팩트, 실행 가능성, 리스크를 평가한다.

주의할 점은 리스크 항목이다. 리스크가 크다고 무조건 제외할 필요는 없다. 전략적으로 중요한 과제는 리스크가 있어도 추진해야 한다. 다만 리스크가 큰 과제는 자동화 수준을 낮추고, 사람의 검토와 승인 절차를 강화해야 한다.

점수화의 목적은 정답을 찾는 것이 아니다. 같은 기준으로 토론하게 만드는 것이다. 평가표는 결론보다 대화를 정렬하는 도구다.

단기 성과와 장기 경쟁력을 함께 설계하라

좋은 AX 로드맵은 빠른 성공 과제만으로 구성되지 않는다. 빠른 성공 과제는 조직의 신뢰를 만든다. 그러나 그것만 반복하면 AX는 편의 기능의 모음이 된다.

반대로 전략 과제만 추진해도 위험하다. 결과가 늦게 나오면 경영진은 의심하고, 현업은 지친다. 'AI에 투자했는데 무엇이 달라졌는가'라는 질문에 답하지 못한다.

따라서 AX 포트폴리오는 단기 성과와 장기 경쟁력을 함께 담아야 한다.

• 빠른 성공 과제: 3개월 안에 효과를 확인한다.

• 전략 과제: 6개월에서 18개월의 단계 계획으로 추진한다.

• 기반 과제: 데이터, 보안, 권한, 로그, 교육 체계를 만든다.

• 탐색 과제: 새로운 기술이나 비즈니스 모델 가능성을 작게 실험한다.

예를 들어 한 기업의 AX 포트폴리오는 다음처럼 구성될 수 있다.

이때 중요한 것은 과제 간 연결이다. 빠른 성공 과제에서 만든 프롬프트, 데이터 구조, 검토 기준, 사용자 교육 자료가 전략 과제의 기반이 되어야 한다. 매번 새로 시작하면 AX 역량은 축적되지 않는다.

자동화하면 안 되는 업무를 구분하라

AX를 추진할 때 가장 흔한 오해는 'AI를 적용한다'는 말을 '자동화한다'로 이해하는 것이다. AI 적용에는 여러 수준이 있다.

• 사람이 할 일을 AI가 준비한다.

• AI가 초안을 만들고 사람이 수정한다.

• AI가 추천하고 사람이 결정한다.

• AI가 일정 기준 안에서 실행하고 사람은 예외만 처리한다.

• AI가 자율적으로 계획하고 실행한다.

모든 업무가 마지막 단계로 가야 하는 것은 아니다. 오히려 많은 업무는 AI가 보조하고 사람이 판단하는 구조가 적절하다.

자동화에 신중해야 하는 업무는 다음과 같다.

책임 소재가 큰 업무

채용 합격 여부, 대출 승인, 보험금 지급, 의료 판단, 법률 의견, 징계 결정처럼 개인의 권리와 삶에 큰 영향을 주는 업무는 AI가 단독으로 결정해서는 안 된다. AI는 자료를 정리하고 위험 신호를 제시할 수 있다. 그러나 최종 판단과 책임은 사람이 져야 한다.

기준이 명확하지 않은 업무

업무 기준이 문서화되어 있지 않고 담당자의 암묵지에 의존한다면 자동화가 어렵다. 이 경우 먼저 기준을 정리해야 한다. AI를 넣는 과정에서 '우리는 어떤 기준으로 판단해 왔는가'를 드러내는 것이 먼저다.

예외가 많은 업무

고객 클레임, VIP 응대, 복합 장애 처리처럼 예외가 많은 업무는 완전 자동화보다 상담원 증강이 더 적합하다. AI가 과거 사례를 찾아주고 답변 초안을 제안하되, 사람은 맥락과 감정을 고려해 대응해야 한다.

데이터 품질이 낮은 업무

AI는 데이터의 품질을 넘어서는 판단을 하기 어렵다. 오래된 문서, 중복된 고객 정보, 잘못 입력된 거래 데이터에 기반해 자동화하면 오류가 커진다. 데이터가 불안정한 업무는 먼저 정비해야 한다.

고객 신뢰가 중요한 업무

고객이 설명을 요구할 수 있는 업무에서는 AI의 판단 근거를 남겨야 한다. 근거를 설명할 수 없다면 자동화 수준을 낮춰야 한다. 고객 신뢰가 무너지면 단기 효율보다 더 큰 비용을 치르게 된다.

자동화 금지는 AI 사용 금지가 아니다. AI를 어디까지 쓰고, 어디서 사람이 개입할지 정하는 것이다.

사람의 판단이 남아야 하는 지점

고위험 업무에서는 인간 승인, 검토, 예외 처리를 설계해야 한다. 이를 흔히 휴먼 인 더 루프라고 부른다. 말 그대로 사람이 업무 흐름 안에 남아 AI의 결과를 확인하고 책임지는 구조다.

중요한 것은 '사람이 검토한다'는 말을 선언으로 끝내지 않는 것이다. 누가, 언제, 무엇을, 어떤 기준으로 검토하는지 정해야 한다.

예를 들어 고객 환불 요청을 AI가 처리한다고 하자. 모든 요청을 자동 승인하거나 거절하는 것은 위험하다. 금액이 작고 기준이 명확한 요청은 자동 처리할 수 있다. 그러나 고액 환불, 반복 환불, 고객 불만이 큰 사례, 법적 분쟁 가능성이 있는 사례는 사람에게 넘겨야 한다.

이 구조에서는 AI가 모든 일을 하는 것이 아니라, 업무를 분류하고, 근거를 정리하고, 초안을 만들고, 예외를 표시한다. 사람은 중요한 판단에 집중한다.

고위험 업무의 AX 설계 원칙은 다음과 같다.

• AI의 권한 범위를 명확히 한다.

• 자동 처리 가능한 조건을 좁게 시작한다.

• 예외 상황은 사람에게 즉시 전달한다.

• AI 결과와 사람의 수정 이력을 남긴다.

• 오류 사례를 정기적으로 검토한다.

• 일정 수준 이상의 결정은 반드시 승인 단계를 둔다.

AX의 성숙도는 자동화 비율만으로 판단할 수 없다. 필요한 곳에 사람이 남아 있는가도 성숙도의 중요한 기준이다.

리스크가 높은 과제는 단계적으로 낮춰서 시작한다

리스크가 높은 과제를 무조건 피하면 AX는 핵심 업무에 들어가지 못한다. 하지만 리스크가 높은 과제를 처음부터 자동화하면 실패 가능성이 커진다. 해결책은 자동화 수준을 낮춰 시작하는 것이다.

예를 들어 법무 계약서 검토 과제를 보자.

1단계에서는 AI가 계약서의 주요 조항을 요약한다.

2단계에서는 회사 표준 조항과 다른 부분을 표시한다.

3단계에서는 위험도가 높은 조항을 분류하고 근거를 제시한다.

4단계에서는 법무 담당자가 검토한 결과를 학습 데이터로 축적한다.

5단계에서야 반복적인 저위험 계약에 대해 일부 자동 검토 프로세스를 적용할 수 있다.

처음부터 AI가 계약 승인 여부를 결정하게 하면 위험하다. 하지만 요약, 비교, 위험 표시부터 시작하면 실질적인 도움을 주면서도 책임 구조를 유지할 수 있다.

채용, 금융 심사, 의료, 안전관리, 품질 판정, 법무, 재무 승인 같은 업무도 마찬가지다. 고위험 업무일수록 '자동화'가 아니라 '판단 지원'에서 시작해야 한다.

AX 로드맵 3단계: 실험, 확산, 재설계

우선순위가 정해지면 로드맵으로 옮겨야 한다. AX 로드맵은 단순 일정표가 아니다. 조직이 AI를 업무에 흡수하는 단계적 변화 계획이다.

AX 로드맵은 세 단계로 설계할 수 있다.

1단계: 실험

실험 단계의 목표는 가능성을 확인하는 것이다. 기간은 보통 1개월에서 3개월이 적절하다. 이 단계에서는 범위를 작게 잡아야 한다.

실험 단계에서 확인해야 할 것은 다음과 같다.

• AI가 실제 업무 결과물을 만들 수 있는가?

• 현업 사용자가 쓸 만하다고 느끼는가?

• 기존 업무 시간이나 품질에 변화가 있는가?

• 필요한 데이터와 문서가 충분한가?

• 어떤 리스크와 예외 상황이 발생하는가?

• 확산하려면 무엇을 표준화해야 하는가?

실험 과제는 빠른 성공 과제에서 고르는 것이 좋다. 단, 전략 과제도 작은 실험으로 쪼개 시작할 수 있다. 예를 들어 전사 고객 개인화는 큰 전략 과제지만, 특정 상품군의 고객 세그먼트 추천부터 실험할 수 있다.

실험 단계의 산출물은 데모 화면이 아니다. 실제 사용 기록, 성과 지표, 사용자 피드백, 리스크 목록, 다음 단계 판단 기준이다.

2단계: 확산

확산 단계의 목표는 성공한 방식을 반복 가능하게 만드는 것이다. 한 팀에서 쓴 AI를 다른 팀도 쓸 수 있게 하려면 표준화가 필요하다.

확산 단계에서는 다음을 정리해야 한다.

• 공통 프롬프트와 업무 템플릿

• 승인과 검토 기준

• 데이터 접근 권한

• 사용 로그와 품질 평가 방식

• 사용자 교육 자료

• 운영 담당자와 지원 체계

• 비용 관리 기준

예를 들어 영업 제안서 생성 AI가 한 팀에서 효과를 냈다면, 다른 영업팀에도 바로 배포할 수 있을까? 제품 설명, 가격 정책, 고객 산업 정보, 승인 절차가 다르면 그대로 쓰기 어렵다. 확산하려면 공통 요소와 부서별 차이를 분리해야 한다.

확산 단계의 핵심은 재사용 가능한 컴포넌트를 만드는 것이다. 컴포넌트는 거창한 기술 모듈만 뜻하지 않는다. 검증된 프롬프트, 문서 구조, 평가 기준, 권한 정책, 교육 자료도 모두 컴포넌트다.

AX는 한 번 만든 기능보다 반복해서 적용할 수 있는 운영 방식이 중요하다.

3단계: 재설계

재설계 단계의 목표는 기존 업무 방식을 AI 중심으로 다시 짜는 것이다. 여기서부터 AX는 도구 도입을 넘어선다.

기존 프로세스는 사람이 모든 정보를 찾고, 문서를 만들고, 검토하고, 승인하는 방식으로 설계되어 있다. AI를 단순히 중간에 끼워 넣으면 효과가 제한된다. 업무 자체를 다시 봐야 한다.

재설계 단계에서는 다음 질문을 던져야 한다.

• 이 업무에서 사람이 반드시 해야 하는 일은 무엇인가?

• AI가 상시 모니터링하거나 미리 준비할 수 있는 일은 무엇인가?

• 승인 단계는 지금처럼 많이 필요한가?

• 보고서는 사람이 작성해야 하는가, 데이터에서 자동 생성될 수 있는가?

• 고객 요청이 들어온 뒤 대응하는 것이 아니라, 사전에 예측할 수 있는가?

• 부서 간 전달 업무를 AI가 줄일 수 있는가?

예를 들어 고객지원 업무를 보자. 1단계에서는 상담 답변 초안을 AI가 만든다. 2단계에서는 여러 상담팀에 지식 검색과 답변 추천을 확산한다. 3단계에서는 고객 문의가 들어오기 전에 불만 가능성을 예측하고, 제품 개선팀과 연결하며, 반복 문의를 줄이는 방식으로 프로세스를 다시 설계한다.

재설계는 시간이 걸린다. 그러나 이 단계에 도달해야 AX가 경쟁력으로 바뀐다.

로드맵을 만드는 실제 절차

AX 우선순위 매트릭스를 로드맵으로 바꾸는 절차는 다음과 같다.

1. 과제 카드를 정리한다

이전 단계에서 발굴한 AX 과제를 하나의 양식으로 정리한다. 업무명, 현재 문제, 필요한 데이터, AI 적용 방식, 기대 효과, 리스크, 담당 부서, 성공 지표를 적는다. 양식이 달라지면 비교가 어렵다.

2. 임팩트와 난이도를 평가한다

각 과제에 대해 임팩트와 난이도를 평가한다. 이때 현업, IT, 데이터, 보안, 기획 담당자가 함께 봐야 한다. 현업은 업무 가치를 알고, IT는 시스템 연결 가능성을 알고, 보안과 데이터 담당자는 위험을 본다.

3. 네 가지 유형으로 분류한다

빠른 성공 과제, 전략 과제, 보류 과제, 제외 과제로 나눈다. 이때 중요한 것은 논쟁을 피하는 것이 아니라 논쟁을 구조화하는 것이다. 부서별 이해관계가 다르기 때문에 모든 사람이 처음부터 같은 결론을 내릴 수는 없다. 매트릭스는 논쟁을 감정이 아니라 기준의 문제로 바꿔준다.

4. 과제 간 의존성을 확인한다

어떤 과제는 다른 과제의 기반이 된다. 예를 들어 사내 지식 검색 AI를 만들려면 문서 권한 정비가 필요하다. 고객 개인화 과제를 하려면 고객 데이터 통합이 필요하다. 에이전트 자동화를 하려면 업무 권한과 로그 체계가 필요하다.

의존성을 보지 않으면 중요한 기반 과제가 뒤로 밀린다. 기반 과제는 당장 화려하지 않지만, 없으면 전략 과제가 진행되지 않는다.

5. 90일 단위 실행 계획으로 쪼갠다

AX는 1년 계획으로만 관리하면 느슨해진다. 90일 단위로 가설, 실행, 측정, 판단을 반복해야 한다.

각 90일 계획에는 다음이 있어야 한다.

• 이번 분기에 검증할 가설

• 적용할 업무 범위

• 참여 부서와 책임자

• 사용할 데이터와 시스템

• 성공 지표

• 리스크 통제 방식

• 다음 단계로 갈 조건

90일 안에 모든 것을 완성할 필요는 없다. 대신 다음 결정을 내릴 수 있어야 한다. 확산할 것인지, 수정할 것인지, 중단할 것인지 판단해야 한다.

6. 경영 회의에서 포트폴리오로 관리한다

AX 과제는 개별 프로젝트가 아니라 포트폴리오로 관리해야 한다. 경영진은 특정 챗봇이 잘 만들어졌는지만 볼 것이 아니라 전체 구성을 봐야 한다.

• 단기 성과 과제가 충분한가?

• 장기 전략 과제가 빠져 있지 않은가?

• 데이터와 거버넌스 기반 과제가 포함되어 있는가?

• 특정 부서에만 과제가 몰려 있지 않은가?

• 리스크가 큰 과제의 통제 장치가 있는가?

• 성공한 과제가 확산되는 구조가 있는가?

AX 포트폴리오 관리는 투자 관리와 비슷하다. 안정적인 과제, 성장성이 큰 과제, 기반을 만드는 과제, 탐색 과제가 균형을 이뤄야 한다.

좋은 AX 로드맵과 나쁜 AX 로드맵

나쁜 AX 로드맵은 기능 중심이다.

• 챗봇 구축

• 보고서 자동화

• 회의록 요약

• 제안서 생성

• 데이터 분석 AI

이런 목록만으로는 무엇이 왜 중요한지 알기 어렵다. 어떤 경영 목표와 연결되는지, 어떤 순서로 실행되는지, 어떤 업무 변화가 필요한지 보이지 않는다.

좋은 AX 로드맵은 변화 중심이다.

• 고객 문의 응답 시간을 줄이고 상담 품질을 표준화한다.

• 영업 준비 시간을 줄이고 제안 품질의 편차를 낮춘다.

• 사내 지식 검색 시간을 줄이고 신입 직원의 온보딩 속도를 높인다.

• 수요 예측 정확도를 높여 재고 비용과 품절률을 낮춘다.

• 반복 보고를 줄이고 경영 의사결정에 필요한 정보를 자동으로 제공한다.

좋은 로드맵은 AI 기능이 아니라 업무 성과와 연결되어 있다. 또한 실험, 확산, 재설계의 단계가 보인다.

우선순위 회의에서 던져야 할 질문

AX 우선순위를 정하는 회의에서는 다음 질문을 반복해야 한다.

• 이 과제는 어떤 경영 목표에 기여하는가?

• 사용자는 누구이며, 얼마나 자주 사용하는가?

• 현재 업무의 가장 큰 병목은 무엇인가?

• AI가 들어가면 병목이 실제로 줄어드는가?

• 필요한 데이터는 어디에 있고, 품질은 어떤가?

• 실패했을 때 고객, 직원, 회사에 어떤 피해가 생기는가?

• 사람의 검토가 필요한 지점은 어디인가?

• 90일 안에 무엇을 검증할 수 있는가?

• 성공하면 어디까지 확산할 수 있는가?

• 이 과제를 하지 않으면 어떤 기회를 놓치는가?

이 질문에 답하지 못하는 과제는 아직 준비되지 않은 과제다. 아이디어가 나쁘다는 뜻은 아니다. 문제 정의가 더 필요하다는 뜻이다.

우선순위는 고정된 답이 아니다

AX 우선순위는 한 번 정하고 끝나는 것이 아니다. 기술은 빠르게 바뀌고, 조직의 데이터 준비도도 달라지며, 시장 상황도 변한다. 처음에는 제외했던 과제가 6개월 뒤에는 전략 과제가 될 수 있다. 데이터가 정비되고, 규제가 명확해지고, 현업의 수용도가 높아질 수 있기 때문이다.

따라서 우선순위 매트릭스는 정기적으로 업데이트해야 한다. 적어도 분기마다 과제 포트폴리오를 다시 봐야 한다.

• 완료된 실험에서 무엇을 배웠는가?

• 예상보다 효과가 큰 과제는 무엇인가?

• 예상보다 사용률이 낮은 과제는 무엇인가?

• 새로 생긴 리스크는 무엇인가?

• 데이터 기반이 좋아져 추진 가능해진 과제는 무엇인가?

• 전사 확산이 가능한 과제는 무엇인가?

AX 로드맵은 계획표가 아니라 학습 시스템이다. 실행하면서 배우고, 배운 것을 다음 우선순위에 반영해야 한다.

작은 성공에서 큰 전환으로

AX 전환은 거대한 선언으로 시작되지 않는다. 잘 고른 첫 과제에서 시작된다. 첫 과제가 현업의 시간을 줄이고, 의사결정을 돕고, 고객 경험을 개선하면 조직은 AI를 신뢰하기 시작한다. 그 신뢰가 다음 과제를 가능하게 한다.

하지만 빠른 성공에만 머물러서는 안 된다. 빠른 성공은 출발점이고, 전략 과제는 방향이며, 기반 과제는 지속성을 만든다. 자동화하면 안 되는 업무를 구분하고, 사람의 판단이 남아야 할 지점을 설계해야 한다. 그래야 AX는 위험한 자동화가 아니라 책임 있는 전환이 된다.

이 장의 핵심은 단순하다.

AI 아이디어를 모두 실행하지 말아야 한다. 임팩트와 난이도로 나누고, 리스크를 확인하고, 단기 성과와 장기 경쟁력을 함께 배치해야 한다. 그리고 실험, 확산, 재설계의 순서로 조직을 바꿔야 한다.

AX 로드맵은 AI를 어디에 쓸지 정하는 문서가 아니다. 기업이 어떤 방식으로 더 빠르게 배우고, 더 정확하게 판단하며, 더 나은 고객 경험을 만들 것인지 정하는 실행 계획이다.