AX 성숙도 모델

성숙도 모델은 등급표가 아니라 지도다

AX 성숙도 모델은 우리 회사가 AI를 얼마나 많이 쓰는지 평가하는 도구가 아니다. 더 중요한 질문은 이것이다.

우리 회사의 업무, 데이터, 의사결정, 조직 운영 안에 AI가 얼마나 자연스럽게 들어와 있는가.

많은 기업이 AI 도입 현황을 말할 때 "몇 명이 쓰고 있는가", "몇 개의 툴을 도입했는가", "몇 개의 파일럿을 했는가"를 먼저 본다. 물론 필요한 지표다. 그러나 그것만으로는 AX 수준을 알 수 없다. 개인이 열심히 AI를 써도 조직의 일하는 방식은 그대로일 수 있다. 부서별로 성공 사례가 있어도 전사 확산은 막힐 수 있다. 플랫폼을 갖췄지만 현업 업무에 연결되지 않으면 성과는 제한적이다.

AX 성숙도는 다섯 단계로 볼 수 있다.

1. 개인 생산성 도구 단계

2. 부서별 AI 활용 단계

3. 업무 프로세스 통합 단계

4. 전사 AI 플랫폼 단계

5. AI 네이티브 운영체제 단계

이 단계는 반드시 직선으로만 진행되지는 않는다. 어떤 부서는 3단계에 가까운데, 다른 부서는 아직 1단계일 수 있다. 기술 조직은 플랫폼을 만들고 있지만, 경영 의사결정은 여전히 엑셀 보고와 회의 중심일 수 있다. 그래서 성숙도 진단은 전사 평균 점수를 내기 위한 작업이 아니다. 어디가 앞서 있고, 어디가 막혀 있으며, 다음 투자가 어디에 필요한지 보기 위한 지도다.

1단계: 개인 생산성 도구

1단계에서는 AI가 개인의 업무 보조 도구로 쓰인다. 직원들은 생성형 AI로 문서를 작성하고, 긴 자료를 요약하고, 이메일 초안을 만들고, 회의록을 정리하고, 아이디어를 얻는다. 개발자는 코드 작성과 디버깅에 AI를 활용하고, 마케터는 문구 초안이나 콘텐츠 아이디어를 얻는다.

이 단계의 핵심은 개인 생산성이다. AI 사용 여부는 직원 개인의 관심과 역량에 크게 좌우된다. 같은 팀 안에서도 어떤 사람은 매일 AI를 쓰고, 어떤 사람은 거의 쓰지 않는다. 회사 차원의 표준 프롬프트, 보안 기준, 품질 평가 방식은 아직 약하다.

1단계의 장점은 시작이 쉽다는 점이다. 별도의 대규모 시스템 구축 없이도 업무 시간이 줄고, 문서 품질이 개선되며, 직원들이 AI의 가능성을 체감할 수 있다. AX 여정에서 이 경험은 중요하다. 사람들이 직접 써 보지 않은 기술은 조직 변화로 이어지기 어렵다.

하지만 1단계에 오래 머물면 한계가 뚜렷해진다.

• 개인별 활용 격차가 커진다.

• 회사 지식과 연결되지 않아 답변 품질이 낮다.

• 민감정보 입력, 저작권, 보안 리스크가 관리되지 않는다.

• 성과가 개인 단위에 머물러 조직 성과로 증명하기 어렵다.

• 좋은 활용법이 다른 팀으로 확산되지 않는다.

1단계 기업의 대표적인 말은 이렇다.

"직원들이 알아서 잘 쓰고 있습니다."

이 말은 출발점으로는 좋지만, AX 전환의 충분조건은 아니다. 개인이 AI를 쓰는 것과 회사가 AI 중심으로 일하는 것은 다르다.

1단계에서 다음 단계로 가려면 개인 활용 사례를 모아야 한다. 누가 어떤 업무에 AI를 쓰고 있는지, 시간이 얼마나 줄었는지, 품질 문제는 무엇인지, 반복 가능한 사례는 무엇인지 정리해야 한다. 이때부터 AI 활용은 개인 노하우가 아니라 조직 자산이 된다.

2단계: 부서별 AI 활용

2단계에서는 특정 부서의 반복 업무와 지식 업무에 AI가 적용된다. 마케팅팀은 콘텐츠 제작과 캠페인 분석에 AI를 쓰고, 영업팀은 제안서 초안과 고객 대응 준비에 AI를 활용한다. 고객지원팀은 상담 요약과 답변 추천을 도입하고, 인사팀은 채용 공고 작성이나 교육 콘텐츠 제작에 AI를 활용한다.

이 단계부터 AI는 개인 도구를 넘어 부서 업무 개선 수단이 된다. 팀 단위로 활용 규칙이 생기고, 자주 쓰는 프롬프트가 정리되며, 특정 업무에 맞춘 템플릿이 만들어진다. 일부 부서는 사내 문서나 고객 데이터를 연결해 더 높은 품질의 답변을 얻으려 한다.

2단계의 성과는 비교적 명확하다.

• 콘텐츠 제작 시간이 줄어든다.

• 상담 처리 시간이 단축된다.

• 보고서 작성 속도가 빨라진다.

• 제안서 품질이 일정해진다.

• 반복 분석 업무가 줄어든다.

그러나 2단계의 위험은 부서별 최적화에 갇히는 것이다. 각 부서가 서로 다른 툴, 다른 데이터 기준, 다른 보안 방식으로 AI를 쓰기 시작하면 나중에 통합이 어려워진다. 마케팅팀의 고객 정의와 영업팀의 고객 정의가 다르고, 고객지원팀의 상담 데이터가 제품팀과 연결되지 않으면 AI 활용은 부서 안에서만 효과를 낸다.

2단계 기업의 대표적인 말은 이렇다.

"우리 부서는 AI로 성과가 나고 있습니다."

좋은 신호다. 하지만 다음 질문이 필요하다.

그 성과가 다른 부서와 연결되는가.
그 방식이 표준화되어 재사용될 수 있는가.
그 과정에서 생성된 데이터가 전사 자산으로 남는가.

2단계에서 3단계로 가려면 업무 흐름을 봐야 한다. AI를 특정 작업 하나에 붙이는 것이 아니라, 업무가 시작되고 끝나는 전체 과정 안에 넣어야 한다. 예를 들어 고객 문의 응대라면 답변 초안 작성만 볼 것이 아니라, 문의 접수, 고객 정보 확인, 과거 상담 검색, 답변 생성, 상담원 검토, 후속 조치, 품질 평가까지 이어지는 흐름을 설계해야 한다.

3단계: 업무 프로세스 통합

3단계에서는 AI가 업무 프로세스 안에 들어간다. 이 단계의 핵심은 "AI를 쓴다"가 아니라 "업무가 AI와 함께 흐른다"이다.

예를 들어 계약 검토 업무를 보자. 1단계에서는 담당자가 AI에게 계약서 요약을 요청한다. 2단계에서는 법무팀이 표준 프롬프트와 검토 항목을 만들어 사용한다. 3단계에서는 계약서가 접수되는 순간 AI가 주요 조항을 추출하고, 리스크 항목을 표시하며, 표준 계약서와 차이를 비교하고, 담당자에게 검토 우선순위를 제안한다. 검토 결과는 다시 시스템에 기록되고, 승인 이력과 예외 사유가 남는다.

고객지원도 마찬가지다. AI가 단순히 답변 문장을 만들어 주는 수준을 넘어, 고객 이력 조회, 관련 지식 검색, 답변 추천, 상담원 검토, 처리 결과 기록, 품질 평가까지 연결된다. 이때 AI는 업무 밖의 도구가 아니라 업무 흐름의 일부가 된다.

3단계에서 중요한 변화는 네 가지다.

첫째, AI가 업무 시스템과 연결된다. CRM, ERP, 그룹웨어, 문서관리시스템, 고객센터 솔루션, 데이터베이스와 연결되어야 한다. 사용자가 별도로 복사해 붙여넣지 않아도 필요한 정보가 흐른다.

둘째, 사람의 검토 지점이 설계된다. 모든 것을 자동화하지 않는다. 승인, 예외 판단, 민감한 고객 응대, 법적 책임이 있는 업무에는 사람이 개입한다. 중요한 것은 사람이 어디서 무엇을 검토해야 하는지 미리 정하는 것이다.

셋째, 업무 결과가 데이터로 남는다. AI가 어떤 근거로 답변했는지, 누가 수정했는지, 어떤 결과가 좋았는지 기록되어야 한다. 이 기록이 있어야 품질 개선이 가능하다.

넷째, 성과 지표가 업무 단위로 바뀐다. 단순히 "AI 사용량"을 보지 않는다. 처리 시간, 오류율, 재작업률, 고객 만족도, 승인 리드타임, 의사결정 속도처럼 업무 성과와 연결된 지표를 본다.

3단계 기업의 대표적인 말은 이렇다.

"AI가 우리 업무 흐름 안에 들어오기 시작했습니다."

이 단계에 도달하면 AX는 눈에 보이는 변화를 만든다. 그러나 동시에 복잡도도 커진다. 여러 시스템이 연결되고, 권한 관리가 필요해지며, 로그와 보안, 품질 평가가 중요해진다. 이 복잡도를 부서별로 각각 해결하려 하면 비용이 커지고 통제가 어려워진다.

그래서 3단계 다음에는 전사 플랫폼이 필요하다.

4단계: 전사 AI 플랫폼

4단계에서는 AI 활용을 위한 공통 인프라가 만들어진다. 각 부서가 따로 도구를 고르고, 따로 보안을 설계하고, 따로 평가 기준을 만드는 방식에서 벗어난다. 전사 차원의 AI 플랫폼 위에서 부서별 업무를 빠르게 구현하고 운영한다.

전사 AI 플랫폼은 단순히 하나의 챗봇을 뜻하지 않는다. 다음 요소들이 함께 작동하는 운영 기반이다.

• 사용자 인증과 권한 관리

• 사내 지식 검색과 RAG 구조

• 모델 선택과 API 연동

• 프롬프트와 워크플로우 관리

• 사용 로그와 감사 기록

• 품질 평가와 벤치마크

• 비용 모니터링

• 보안 정책과 민감정보 보호

• 승인 절차와 예외 처리

• 부서별 AI 애플리케이션 배포 체계

4단계의 핵심은 재사용성이다. 한 부서에서 만든 지식 검색 구조, 평가 데이터셋, 권한 기준, 로그 체계, UI 컴포넌트가 다른 부서에서도 활용된다. 고객지원에서 만든 상담 요약 기능이 영업 미팅 요약으로 확장되고, 법무 문서 검토에서 만든 리스크 표시 방식이 구매 계약 검토에 활용될 수 있다.

이 단계에서는 AI 운영도 체계화된다. 어떤 모델을 어떤 업무에 쓸지, 답변 품질을 어떻게 평가할지, 민감정보가 포함된 요청은 어떻게 처리할지, 비용이 급증하면 누가 조정할지 정해진다. AI 시스템은 한 번 만들고 끝나는 도구가 아니라 지속적으로 운영하고 개선하는 제품이 된다.

4단계 기업의 대표적인 말은 이렇다.

"AI를 전사 공통 역량으로 운영하고 있습니다."

이 말이 가능하려면 플랫폼과 거버넌스가 함께 있어야 한다. 플랫폼만 있고 거버넌스가 없으면 무분별한 사용이 늘어난다. 거버넌스만 있고 플랫폼이 없으면 현업은 느리고 불편하다고 느낀다. AX에서 좋은 플랫폼은 통제를 강화하는 동시에 현업의 실행 속도를 높여야 한다.

4단계에 도달한 기업은 부서별 실험을 빠르게 확산할 수 있다. 새로운 AI 과제가 생겨도 매번 처음부터 시작하지 않는다. 이미 준비된 데이터 연결 방식, 보안 기준, 평가 체계, 배포 환경을 사용한다. 이때부터 AX는 프로젝트 묶음이 아니라 기업 운영 능력이 된다.

하지만 4단계가 끝은 아니다. 플랫폼이 있다고 해서 기업이 AI 중심으로 운영되는 것은 아니다. 다음 단계에서는 경영 방식과 조직 운영 자체가 바뀐다.

5단계: AI 네이티브 운영체제

5단계는 AI가 기업 운영의 기본 방식이 되는 단계다. 이 단계의 기업은 AI를 별도 도구나 특정 프로젝트로 보지 않는다. 전략 수립, 시장 분석, 고객 대응, 제품 개발, 운영 관리, 리스크 감시, 성과 측정에 AI가 자연스럽게 연결된다.

AI 네이티브 운영체제라는 말은 기업이 소프트웨어처럼 운영된다는 뜻에 가깝다. 데이터가 계속 흐르고, AI가 상황을 분석하며, 사람은 더 좋은 판단과 설계를 위해 AI와 협업한다. 반복적이고 규칙적인 업무는 에이전트가 수행하고, 사람은 목표 설정, 예외 판단, 관계 형성, 윤리적 책임, 창의적 문제 해결에 집중한다.

이 단계에서 중요한 변화는 에이전트의 활용이다. 에이전트는 단순히 질문에 답하는 챗봇이 아니다. 목표를 받고, 필요한 정보를 찾고, 도구를 사용하고, 여러 단계를 거쳐 업무를 수행하는 AI 실행 단위다. 예를 들어 영업 에이전트는 신규 리드를 찾고, 고객 정보를 정리하고, 맞춤 제안 초안을 만들고, 영업 담당자에게 다음 행동을 추천할 수 있다. 운영 에이전트는 시스템 이상 징후를 감지하고, 원인을 분석하고, 담당자에게 조치안을 제안할 수 있다.

그러나 5단계는 "사람이 필요 없는 회사"가 아니다. 오히려 사람의 역할이 더 중요해진다. 사람이 목표를 정하지 않으면 AI는 중요한 일과 중요하지 않은 일을 구분하지 못한다. 사람이 책임 기준을 세우지 않으면 자동화는 위험해진다. 사람이 고객과 시장을 이해하지 못하면 AI는 과거 데이터의 패턴만 반복할 수 있다.

AI 네이티브 기업에서 인간의 역할은 세 가지로 강화된다.

첫째, 설계자다. 사람은 업무 흐름과 고객 경험을 설계한다. 어떤 업무를 자동화하고, 어떤 지점에 사람의 판단을 남길지 결정한다.

둘째, 감독자다. 사람은 AI의 결과를 검토하고, 예외 상황을 판단하며, 품질과 리스크를 관리한다.

셋째, 학습자다. 사람은 AI가 만든 결과와 시장 반응을 바탕으로 계속 업무 방식을 개선한다. AX는 한 번 구축하는 시스템이 아니라 계속 진화하는 운영 방식이다.

5단계 기업의 대표적인 말은 이렇다.

"AI가 우리 회사의 일하는 방식을 전제로 설계되어 있습니다."

이 단계에서는 데이터 기반 의사결정이 기본이 된다. 회의는 의견을 나열하는 시간이 아니라, AI가 정리한 사실, 시나리오, 리스크, 대안을 검토하는 시간이 된다. 보고서는 정보를 전달하는 문서가 아니라 의사결정을 돕는 인터페이스가 된다. 성과 관리는 사후 평가에 그치지 않고, 실시간으로 이상 신호를 발견하고 개선 행동을 유도하는 체계가 된다.

다섯 단계는 무엇으로 구분되는가

AX 성숙도를 판단할 때는 기술 수준만 보면 안 된다. 같은 AI 도구를 쓰더라도 조직 운영 방식은 전혀 다를 수 있다. 다음 기준으로 보면 현재 위치를 더 정확히 알 수 있다.

이 표에서 모든 항목이 같은 단계에 있을 필요는 없다. 중요한 것은 병목을 찾는 것이다. 예를 들어 기술은 4단계에 가까운데 데이터 품질은 2단계라면 플랫폼 효과가 제한된다. 부서 활용은 활발한데 거버넌스가 1단계라면 리스크가 커진다. 업무 프로세스는 통합되어 있지만 성과 측정이 개인 체감 수준에 머문다면 투자 판단이 어려워진다.

AX 성숙도 진단의 목적은 "우리는 몇 단계다"라고 선언하는 것이 아니다. "다음 단계로 가기 위해 무엇이 부족한가"를 찾는 것이다.

단계별로 필요한 다음 행동

각 단계에는 다음 단계로 넘어가기 위한 핵심 과제가 있다. 무리하게 앞 단계를 건너뛰면 실패 가능성이 높다. 개인 활용도 정착되지 않았는데 전사 플랫폼부터 만들면 현업이 쓰지 않는다. 데이터와 권한 기준이 없는데 에이전트를 도입하면 위험한 자동화가 된다.

1단계에서 2단계로: 개인 노하우를 팀 자산으로 바꾼다

먼저 개인 활용 사례를 수집해야 한다. 어떤 업무에 AI가 효과적이었는지, 어떤 프롬프트가 유용했는지, 어떤 리스크가 있었는지 공유한다. 이후 부서별로 반복 업무를 선정해 공통 템플릿을 만든다.

이때 필요한 질문은 다음과 같다.

• 직원들이 자주 쓰는 AI 활용 사례는 무엇인가?

• 개인별 편차가 큰 업무는 무엇인가?

• 팀 단위로 표준화하면 효과가 클 업무는 무엇인가?

• 민감정보 입력을 막기 위한 최소 기준이 있는가?

목표는 거창한 시스템 구축이 아니다. 반복 가능한 부서 사례를 만드는 것이다.

2단계에서 3단계로: 작업이 아니라 흐름을 바꾼다

부서별 활용이 어느 정도 자리 잡으면 업무 프로세스 전체를 다시 그려야 한다. AI가 어느 지점에서 정보를 읽고, 어느 지점에서 초안을 만들고, 어느 지점에서 사람이 검토하고, 어느 지점에서 결과가 기록되는지 설계한다.

이 단계에서 가장 중요한 문서는 업무 흐름도다. 기존 업무를 그대로 둔 채 AI만 추가하면 효과가 제한된다. 불필요한 승인, 중복 입력, 수작업 복사, 부서 간 대기 시간이 그대로 남기 때문이다.

필요한 질문은 다음과 같다.

• 이 업무의 시작과 끝은 어디인가?

• 어떤 정보가 매번 반복해서 필요하나?

• 사람이 반드시 판단해야 하는 지점은 어디인가?

• AI 결과는 어디에 기록되고 어떻게 재사용되는가?

• 성과를 어떤 프로세스 지표로 볼 것인가?

목표는 AI 기능을 추가하는 것이 아니라 업무 흐름을 줄이고 단순하게 만드는 것이다.

3단계에서 4단계로: 반복되는 기반을 플랫폼으로 만든다

여러 프로세스에 AI가 들어가기 시작하면 공통 기반이 필요해진다. 매번 권한 관리, 로그 저장, 모델 연결, 품질 평가, 비용 관리를 새로 만들 수는 없다. 공통 플랫폼은 AX 확산의 속도를 높이고 리스크를 낮춘다.

필요한 질문은 다음과 같다.

• 여러 부서가 공통으로 쓰는 AI 기능은 무엇인가?

• 사내 지식 검색 구조는 표준화되어 있는가?

• 사용 로그와 감사 기록은 남는가?

• 모델 품질을 비교하는 기준이 있는가?

• 비용을 업무별, 부서별로 볼 수 있는가?

• AI 기능 배포와 변경 승인 절차가 있는가?

목표는 모든 것을 중앙에서 통제하는 것이 아니다. 현업이 빠르게 만들고 안전하게 운영할 수 있는 기반을 제공하는 것이다.

4단계에서 5단계로: 플랫폼을 경영 방식과 연결한다

전사 플랫폼이 마련되면 다음 질문은 더 근본적이다. AI를 잘 쓰는 수준을 넘어, 회사 운영 방식을 AI 중심으로 다시 설계할 수 있는가.

이 단계에서는 경영 회의, 성과 관리, 고객 경험 설계, 제품 개발, 리스크 관리에 AI가 연결되어야 한다. 에이전트는 단순 자동화 도구가 아니라 업무 단위의 실행 주체로 설계된다. 사람은 에이전트의 업무 목표, 권한, 검토 기준, 중단 조건을 정한다.

필요한 질문은 다음과 같다.

• 경영진은 AI가 정리한 데이터와 시나리오를 기반으로 의사결정하는가?

• 반복 업무를 수행하는 에이전트의 역할과 책임이 정의되어 있는가?

• AI가 만든 인사이트가 실제 예산, 인력, 제품 로드맵 결정에 반영되는가?

• 조직은 AI 활용 결과를 학습해 업무 방식을 계속 바꾸는가?

• 자동화가 늘어날수록 인간의 책임 기준도 명확해지는가?

목표는 AI를 많이 쓰는 회사가 되는 것이 아니다. AI가 전제된 회사가 되는 것이다.

성숙도를 높인다는 것은 복잡하게 만든다는 뜻이 아니다

성숙도가 높아질수록 시스템은 복잡해질 수 있다. 하지만 현업의 경험은 오히려 단순해져야 한다. 좋은 AX는 직원에게 더 많은 도구와 절차를 요구하지 않는다. 필요한 정보가 자동으로 연결되고, 반복 입력이 줄어들고, 검토해야 할 지점이 명확해지고, 의사결정에 필요한 근거가 쉽게 보이게 만든다.

성숙도가 낮은 조직은 AI를 쓰기 위해 사람이 더 많은 준비를 해야 한다. 자료를 찾고, 복사하고, 프롬프트를 만들고, 결과를 옮기고, 다시 검증한다. 성숙도가 높은 조직은 업무 흐름 안에서 AI가 필요한 정보를 가져오고, 사람은 결과의 의미와 판단에 집중한다.

따라서 AX 성숙도 향상의 기준은 "더 많은 AI 기능"이 아니다. 다음 세 가지가 기준이 되어야 한다.

첫째, 업무가 단순해졌는가.
둘째, 판단의 질이 높아졌는가.
셋째, 조직이 더 빨리 학습하는가.

이 세 가지가 개선되지 않는다면 성숙도가 높아진 것이 아니다. 기술이 늘어난 것뿐이다.

현재 위치를 진단하는 질문

다음 질문에 답해 보면 우리 회사의 AX 위치를 대략 판단할 수 있다.

• 직원 개인의 AI 활용 사례가 조직적으로 공유되고 있는가?

• 부서별로 반복 가능한 AI 활용 템플릿이 있는가?

• AI가 실제 업무 시스템과 연결되어 있는가?

• AI 결과에 대한 사람의 검토 지점이 정의되어 있는가?

• 사용 로그, 비용, 품질, 리스크를 볼 수 있는가?

• 사내 지식과 데이터에 대한 권한 관리가 되어 있는가?

• AI 성과를 생산성뿐 아니라 고객 경험, 매출, 의사결정, 조직 역량으로 측정하는가?

• 부서별 성공 사례를 다른 부서가 재사용할 수 있는가?

• 에이전트의 역할, 권한, 중단 조건이 정의되어 있는가?

• 경영진의 의사결정 방식이 데이터와 AI 기반으로 바뀌고 있는가?

대부분의 답이 "아니오"라면 아직 1단계 또는 2단계에 가깝다. 업무 시스템 연결과 검토 흐름이 작동한다면 3단계에 진입한 것이다. 로그, 평가, 권한, 비용, 배포 체계가 전사적으로 운영된다면 4단계에 가깝다. AI와 에이전트가 기업 운영 방식의 기본 전제가 되고, 경영 의사결정과 조직 학습이 그 위에서 움직인다면 5단계를 향해 가고 있는 것이다.

너무 빨리 가려는 조직이 놓치는 것

AX 전환에서 흔한 실수는 현재 단계보다 훨씬 앞선 구호를 내거는 것이다. 개인 활용도 안정되지 않았는데 전사 에이전트 전략을 발표한다. 데이터 권한도 정리되지 않았는데 사내 지식 AI를 전면 도입한다. 품질 평가 체계도 없는데 고객 응대를 자동화한다.

이런 방식은 빠른 것처럼 보이지만 실제로는 느리다. 문제가 생기면 현업 신뢰가 떨어지고, 보안 부서는 더 강한 통제를 요구하며, 경영진은 투자 대비 효과를 의심한다. 결국 다시 처음으로 돌아가야 한다.

성숙도 모델은 속도를 늦추기 위한 장치가 아니다. 오히려 제대로 빨라지기 위한 장치다. 지금 해야 할 일과 나중에 해야 할 일을 구분하면 불필요한 시행착오를 줄일 수 있다.

AX는 단계를 건너뛰는 경쟁이 아니다. 각 단계에서 필요한 역량을 쌓고, 다음 단계로 넘어갈 준비를 하는 과정이다.

우리 회사의 다음 단계는 하나만 고르면 된다

성숙도 진단을 마치면 수많은 과제가 보인다. 데이터 정리, 교육, 플랫폼, 보안, 평가, 프로세스 개선, 에이전트 설계까지 모두 중요해 보인다. 그러나 한 번에 다 하려 하면 조직은 움직이지 않는다.

다음 단계는 하나만 고르는 것이 좋다.

개인 활용이 흩어져 있다면 부서별 대표 사례를 만드는 것이 우선이다.
부서별 활용은 많은데 성과가 약하다면 업무 흐름을 재설계해야 한다.
프로세스 통합 사례가 늘고 있다면 공통 플랫폼과 거버넌스가 필요하다.
플랫폼이 있다면 경영 의사결정과 조직 운영 방식에 AI를 연결해야 한다.

AX 성숙도 모델의 핵심은 현재 위치를 인정하는 데 있다. 출발점이 낮다고 문제가 되는 것은 아니다. 더 큰 문제는 현재 위치를 잘못 판단하는 것이다. 개인 생산성 단계에 있으면서 전사 AI 기업이라고 착각하면 전략이 빗나간다. 반대로 이미 부서별 성공 사례가 충분한데 계속 실험만 반복하면 확산의 기회를 놓친다.

AX 전환은 우리 회사가 어디에 있는지 아는 것에서 시작한다. 그리고 다음 한 단계를 정확히 밟는 것에서 진전된다.

이제부터의 질문은 단순하다.

우리 회사는 지금 어느 단계에 있는가.
다음 단계로 가기 위해 가장 먼저 바꿔야 할 것은 무엇인가.
그 변화를 누가 책임지고, 어떤 지표로 확인할 것인가.

이 세 가지에 답할 수 있다면 AX는 더 이상 막연한 구호가 아니다. 실행 가능한 전환 로드맵이 된다.