티스토리 뷰
AI를 쓰고 있다고 말하기 어려운 이유
"우리 조직은 AI를 제대로 쓰고 있는가?"
에이전트, 자동화, AX 키워드가 쏟아지지만 이 질문에 자신 있게 답하는 리더는 많지 않다.
데이터는 솔루션 안에 갇혀 있고, 꺼내려면 데이터 팀에 요청해야 하며, 보고서는 며칠 후에야 돌아온다.
최근 한 B2B SaaS 기업의 사업개발 리드가 이 문제를 '극단적 경영 가시성' — 조직의 모든 부서와 계층에서 즉시·충분히 알 수 있는 상태 — 이라는 개념으로 풀어냈다.
결론은 단순하다. 데이터가 흐르는 IT 인프라가 없으면 AI는 접근할 데이터 자체가 없다.
데이터 주권 3조건과 일의 정의
AI 활용의 출발점은 데이터 주권이다.
자사가 데이터를 직접 보유할 것, 그 데이터로 어떤 의사결정을 내려야 하는지 알 것, 데이터 간 연결이 가능할 것.
이 세 가지가 없으면 특정 솔루션에 종속된 의존성이 생기고 AI에게 넘길 일 자체를 정의하지 못한다.
"딸깍에 이르는 과정은 딸깍이 아니다."
어느 커머스 플랫폼 사업은 자사몰 자동화를 위해 900개 넘는 세부 태스크를 먼저 정의했다. 그 과정을 거친 뒤에야 AI가 대체할 항목을 분리할 수 있었다.
데이터가 흐르는 인프라가 먼저다
한 CX 솔루션은 API가 없어 요청 후 2~3주 뒤에야 데이터가 돌아왔고 그마저도 깨진 상태였다.
이런 환경에서는 어떤 AI를 붙여도 읽을 데이터가 없다.
해결책은 툴 중심 사일로를 해체하고 단일 소스 오브 트루스를 구축하는 것이다.
한 기업은 DW를 하나로 통합하고 각 필드에 의미·맥락 주석을 달았다. 그 결과 LLM이 직접 데이터를 읽게 됐고, 단순 쿼리를 데이터 팀에 의뢰하지 않아도 되는 환경이 만들어졌다.
"진짜 중요한 것은 앱이 아니라 데이터 파이프라인."
감지·실행·연결 — AI 에이전트 역할 설계
AI 에이전트의 역할은 세 단계로 나눈다.
감지(Detect) — 이상 데이터를 발견해 알려주는 수준. 여기까지만 돼도 의미 있다.
실행(Execute) — 위임된 범위 안에서 이메일 발송 등 특정 액션을 수행한다.
연결(Connect) — 문제 상황과 제안을 요약해 적절한 의사결정권자에게 넘긴다.
CRUD 권한 설계도 함께 이루어져야 한다. 어디까지 읽고, 쓰고, 지울 수 있는지를 용도와 권한에 따라 나누는 것이 보안과 자율성을 동시에 확보하는 방법이다.
AX 전에 DX, 사금이 금이 되려면
한 기업은 Claude에 MCP 접근 권한을 부여해 테이블 구조를 자동 설계하고, 고객 미팅 후 음성으로 대화 내용을 전달하면 CRM 필드에 자동 입력되는 환경을 만들었다.
기획·가공 시간은 체감 30% 수준으로 줄었고, 남은 시간에 사람을 직접 만나는 일에 집중할 수 있게 됐다.
"30년치 데이터도 그 자체로 가치를 갖지는 않는다. 사금을 캐고, 흔들고, 녹여야 금이 된다."
AX 전에 DX부터. 우리 조직의 데이터는 지금 AI가 접근할 수 있는 상태인가?
- Total