AX를 잘하는 기업과 흉내만 내는 기업은 무엇이 다른가
차이는 목표 설정에서 갈립니다. AI 경험이 부족한 조직일수록 "우리도 도입했어", "구성원들이 많이 쓰고 있어" 같은 표면적인 말에 머뭅니다. 반대로 잘하는 조직은 "예전엔 못 하던 걸 AI로 이제 한다"고 말합니다. AX는 도구를 들였다는 사실이 아니라 일하는 모습 자체가 바뀌는 것이고, 그 변화를 숫자로 증명할 수 있을 때 비로소 전환됐다고 볼 수 있습니다.
가장 인상적인 사례는 화려한 도구가 아니라 데이터 정리였습니다. 한 조직은 여러 시스템에 파편화되고 중복된 정보를, AI가 잘 읽어 들이도록 중앙화된 문서 체계로 다시 묶고 있었습니다. 그들은 이를 'AI 리더블 데이터'라 불렀고, 큰 조직임에도 모든 구성원이 그 작업에 참여하고 있었습니다. 도구 의존이 아니라 AI가 일할 토대를 먼저 깔아둔 것입니다.
왜 조급한 정량화가 AX를 망치는가
AI에는 구독료와 토큰 비용이 듭니다. 돈을 썼으니 성과가 무조건 나와야 한다는 압박이 생기고, 그 압박이 활용을 보여주기로 바꿔놓습니다. 개발자에게 코드 도구를 잔뜩 풀었다가 1년 예산을 4개월 만에 태우는 '토큰 맥싱'은 우버뿐 아니라 마이크로소프트, 메타 같은 곳에서도 비슷하게 반복되는 장면입니다.
다만 이 실수는 잘못이 아니라 거의 모두가 겪는 과정에 가깝습니다. 일단 써 보자고 접근하면 어긋난 경험은 따라오기 마련이고, 거기서 어디까지 되고 어디서 막히는지 감을 잡습니다. 문제는 실수 자체가 아니라, 성과를 너무 빨리 증명하려다 보여주기로 흐르는 조급함입니다.
교육이 아니라 환경을 설계한다는 말의 의미
정기수 님이 고용노동부 포럼에서 발표한 제목이 "교육이 아니라 환경을 설계한다"였습니다. 개인이 알아서 공부하게 두는 대신, AI로 일을 잘할 수 있는 환경을 조직이 깔아주는 쪽으로 무게를 옮긴 것입니다. 기존 일을 내려놓고 새것을 익히기는 거의 불가능에 가깝기 때문에, 성장 의지가 있는 사람이 가외 시간을 써서 만든 결과에는 추가 보상 설계가 따라야 합니다.
그래서 운영 주체가 핵심입니다. AX를 기술 조직이나 HR 한쪽이 전담하면 안 되고 둘이 합쳐져야 합니다. 도구는 위에서 한 종류로 강제하기보다 직군에 따라 선택권을 주는 편이 낫습니다. 개발자는 코드 도구로 수렴하더라도, 콘텐츠나 문서를 다루는 직군에 같은 도구를 강요하면 오히려 거꾸로 가는 셈입니다.
AX 인재는 어디서부터 시작해야 하는가
두 가지를 권합니다. 먼저 유명한 도구를 직접 써 보며 무엇이 어떻게 동작하는지 감을 잡고, 그다음 매일·매주·매월 반복되는 짜증나는 일을 적어 그중 AI로 풀리는 것을 찾는 것입니다. 업데이트를 매번 100% 이해하려 하면 지칩니다. 10%만 알아도 일하는 방식은 충분히 바뀝니다. 결국 많이 써 본 사람이 잘합니다.
한 단계 더 나아가려면 AI를 도구가 아니라 동료로 보는 관점이 필요합니다. 사람이 설계를 다 하고 요약·검색 같은 단위 업무만 시키면 생산성은 크게 오르지 않습니다. 특정 업무는 사람의 개입 없이 알아서 끝나도록 맡기되, 결과물이 의도가 흐릿한 '슬롭'인지 판단하는 눈은 사람이 쥐고 있어야 합니다. AI에 끌려다니지 않으면서 동료처럼 일을 맡기는 설계, 그것이 AX 인재의 핵심 역량입니다.