POC의 저주란 무엇인가
요즘 기업 AI 교육 현장의 풍경은 놀랍도록 비슷합니다. 회사가 Claude Code나 Cursor를 전사 결제해 주고, 전 직원을 교육에 앉히고, 각자 미션 하나씩 들려 보냅니다. 가장 흔한 미션은 '너를 대체할 AI를 만들어 와'입니다. 지원은 후합니다. 도구도 붙여 주고 강의도 길게 잡습니다. 그런데 딱 거기까지입니다.
POC(개념 증명)는 그럴듯하게 나옵니다. 이 정도 유행이면 뭔가 해볼 수 있지 않을까 하는 기대로 만들기 때문입니다. 문제는 POC가 딱 POC라는 것입니다. 제대로 상용화하려면 그때부터 리소스와 시간, 조직이 함께 붙어야 하는데, AI 프로젝트에서는 이상하게 그 단계가 통째로 빠집니다. 그래서 만들어 보긴 했는데 실무로는 넘어가지 못하는 상태가 반복됩니다.
왜 상용화로 넘어가지 못하는가
원인은 기술이 아니라 구조입니다. 다른 R&D는 투자를 하면 조직이 함께 움직이는데, AI 도입은 유독 '너희가 알아서 시간 내서 더 열심히 하라'는 방식으로 흘러갑니다. 전담 TF도 없이, 내 일은 내 일대로 있는 채로 AI 활용이 그냥 엑스트라 워크로 얹힙니다.
여기서 개인의 동기가 무너집니다. 열심히 만들어 업무 효율이 올라가도, 회사가 일을 덜어 주는 게 아니라 남는 시간에 일을 더 얹으니 굳이 할 이유가 사라집니다. 그래서 아이러니하게도, 이 과정을 가장 열심히 통과한 사람일수록 마지막엔 회사를 위한 자동화가 아니라 자기 사업을 준비합니다. 회사가 기회를 주지 않는다는 것, 이것이 상용화 실패의 진짜 원인입니다.
AI를 쓸 회사인지 어떻게 판별하는가
판별 기준은 의외로 단순합니다. 그 회사에 AI를 전담하는 팀이 있는가. 전담 조직이 없다면 아무리 도구를 결제하고 전사 교육을 돌려도 'POC에서 끝나겠구나' 하는 결론이 거의 정해져 있습니다.
DX(디지털 전환)에서 한 번 데인 경험이 이 불안을 키웁니다. 데이터 파이프라인을 다 깔고 OCR을 붙이고 예측 모델을 열심히 만들었지만, 정작 실무진이 체감한 변화는 애매했고 예측 모델은 쓸 데가 많지 않았습니다. 돈은 많이 썼는데 효율은 뚜렷하지 않았던 그 기억이, AX에서 반복될까 하는 걱정으로 이어집니다. AX는 LLM·GPU·서버 비용까지 겹쳐 DX보다 돈이 더 듭니다. 그래서 전담 조직으로 이 투자를 책임지고 실험을 축적하는 회사만이 그 저주를 넘어섭니다.
무엇부터 시작해야 하는가 — 대단한 것 말고 내 업무
해법은 소박합니다. AI로 엄청나고 대단한 것을 만들 생각을 접고, 내가 매일 하는 일을 자세히 들여다보는 것입니다. 밸류체인을 뜯어 보면, 그냥 관성으로 이어져 온 단순 반복 구간이 의외로 많습니다. 그런 작은 조각 하나를 에이전트로 바꾸면 생각보다 큰 변화가 납니다.
실제 사례가 이를 증명합니다. 한 전업 트레이더는 밤사이 해외장의 중요한 소식을 외부 업체가 모니터링해 텔레그램으로 전해 주는 구조를 써 왔습니다. 그는 에이전트 강의를 듣고 직접 만들어 보았고, 응답은 훨씬 빠르고 원하는 대로 커스터마이징까지 되자 그 외부 업체를 정리했습니다. 화환 업체의 한 담당자는 전화 주문을 음성으로 받아 텍스트로 바꾸고 배송 정보만 정리하는 구조로 서플라이 체인의 거품을 걷어내 실제로 돈을 벌었습니다.
왜 코딩이 아니라 도메인 지식인가
위 사례의 공통점은 코딩 실력이 아닙니다. 도메인 지식입니다. AI가 내놓은 결과물을 우리는 생각보다 검증하기 어렵습니다. 법을 모르면 변호사 에이전트의 답이 맞는지 판단할 수 없듯, 그 분야를 아는 사람이 만들어야 쓸 만한 결과가 나옵니다. 패션을 깊이 이해한 사람이 만든 개인화 코디 추천 앱이 실제로 잘 작동한 이유가 여기에 있습니다.
그래서 앞으로 앞서가는 인재는 '오픈북 시험을 잘 보는 사람'에 가깝습니다. 책을 펼쳐 놓아도 응용력이 없으면 문제를 못 풀듯, AI라는 열린 책을 어떻게 운용하느냐가 실력을 가릅니다. 지식이 필요 없어지는 게 아니라, 기본을 이해해야 응용이 됩니다. 바이브 코딩도 프롬프트만 던지는 게 아니라 밑바닥을 조금은 알아야 제대로 만들 수 있습니다.
조직이 해야 할 일
한 번의 강의로 완벽해지는 조직은 없습니다. 신한금융그룹처럼 1년에 걸쳐 교육하고, 개인이 에이전트로 프로젝트를 완성해 발표까지 하도록 시간을 준 사례가 오히려 제대로 된 접근입니다. 직원을 기다려 주고, 실험할 수 있도록 업무를 조금 줄여 주고, AI를 하나의 업무 팀으로 인정하는 것. 이것이 임원이 해야 할 일입니다.
교육을 발주하는 쪽에도 부탁이 있습니다. '무조건 Claude Desktop만 배우게 해 달라'처럼 답을 미리 못 박으면 오히려 힘든 경우가 많습니다. 실습 계정과 권한, 결제까지 미리 열어 두고 커리큘럼은 전문가에게 맡기는 편이 낫습니다. 그리고 강의는 시작일 뿐입니다. 듣기만 해서는 아무것도 바뀌지 않고, 반드시 직접 실천하는 사람만이 도구를 자기 성과로 바꿉니다.