주현 - AX | Backend/Frontend Developer

직원의 AI 접근성은 +50% 늘었지만, 정작 줄어든 것은 "사람이 직접 숙고하는 시간"이다. AX의 성공은 더 좋은 모델이 아니라 책임 있는 의사결정 구조와 실습·공유 기반의 문화가 결정한다.왜 AI가 늘어도 AX는 어려운가한국 딜로이트 그룹의 '기업의 AI 활용현황 2026 보고서'에 따르면 직원 AI 접근성은 50% 확대됐다. 회의록은 수 분 만에 요약되고, 보고서 초안도 즉시 나온다. 문제는 그 다음이다. 그럴듯한 결과물에 익숙해질수록 검증과 숙고가 뒤로 밀리고, 그렇게 굳어진 프로세스가 표준이 되어버리면 조직은 매일 틀린 줄도 모르는 답을 결재하게 된다.LLM의 한계도 같은 위험을 키운다. 연구논문 Artificial Hivemind는 유사한 출력에 반복 노출될 경우 사고 자체가 동질화될 수 있..

AI 전환(AX)을 서두르는 조직이 늘어나고 있다. 하지만 현장에서 보면, 많은 팀이 ‘AI를 도입하면 뭔가 달라질 것’이라는 기대만으로 움직이고 있다. 문제는 AX가 독립적인 변화가 아니라, 기존 디지털 전환(DX)의 연장선이라는 점이다. 기반 없이 얹힌 AI는 생산성을 높이기보다 오히려 혼란을 키운다.AX를 시작하기 전에 반드시 점검해야 할 첫 번째는 데이터 파이프라인이다. 많은 조직이 데이터를 가지고 있다고 말하지만, 실제로는 활용 가능한 상태로 흐르고 있지 않은 경우가 많다. 데이터가 수집되고 저장되는 것과, 그것이 분석되고 의사결정에 쓰이는 것은 완전히 다른 이야기다. AI는 결국 데이터를 입력으로 삼기 때문에, 이 흐름이 정리되어 있지 않다면 결과 역시 불안정할 수밖에 없다.두 번째는 반복 업..

AX가 실패하는 이유: 기술이 아니라 접근 방식이다.많은 기업이 AX(업무 자동화)를 도입할 때 비슷한 패턴을 밟는다.“우리 업무를 분석해서 자동화 설계해보자.”그리고 몇 달 뒤, 결과는 뻔하다. 시스템은 남지만 현업은 쓰지 않는다.왜 이런 일이 반복될까?핵심은 AX 대상 업무가 ‘고약한 문제’라는 데 있다.해보기 전까지는 진짜 병목이 어디인지 알 수 없다.사람의 습관, 예외 케이스, 책임 구조가 계속 튀어나오며 계획을 흔든다.그런데 많은 기업은 폭포수 방식으로 접근한다.즉, “처음에 모든 걸 정의할 수 있다”는 가정 위에서 출발한다.이 방식은 완성도를 높이는 데는 적합하지만,예측 불가능성이 큰 AX에는 맞지 않는다.그래서 실패한다.AX의 올바른 접근: 작은 자동화에서 시작하기AX는 거대한 설계가 아니라..

AX(AI Transformation) - 기획서부터 백엔드, 프론트엔드, 배포까지, AI가 바꾼 개발 파이프라인 이야기 얼마 전까지만 해도 "AI 잘 쓰는 개발자"의 기준은 코드 자동완성을 얼마나 잘 활용하느냐였습니다. 커서(Cursor)를 쓰냐, Claude Code를 쓰냐. 그게 전부인 줄 알았어요.그런데 어느 순간부터 그 질문이 달라지기 시작했습니다. "어떤 AI 에디터를 쓰냐"가 아니라, "어떤 파이프라인으로 개발하느냐"로. 그 변화를 직접 겪으면서, 저는 꽤 많은 것을 다시 생각하게 됐습니다. AI 에디터를 넘어 파이프라인으로: 파도의 방향이 바뀌었다.2023년에 DX(디지털 전환)가 있었다면, 2025년엔 AX(AI 전환)가 왔습니다. 이름만 바뀐 게 아닙니다. 결이 다릅니다.DX는 오프라인..