AX 조직: 기술보다 먼저 설계해야 할 역량은 무엇일까?

많은 기업이 생성형 AI 도구를 도입하고 AX 전담 조직을 신설합니다. 하지만 도구와 조직을 갖췄다고 업무 방식까지 달라지지는 않습니다.

McKinsey 조사에 따르면 응답자의 88%가 소속 조직에서 최소 하나의 업무에 AI를 정기적으로 사용하고 있다고 답했습니다. 하지만 AI를 통해 의미 있는 가치를 창출하고 영업이익에 5% 이상 기여한 고성과 기업은 전체 응답자의 약 5.5%에 불과했습니다.

같은 조사에서 AI로 높은 성과를 낸 기업들은 그렇지 않은 기업보다 기존 업무 방식을 근본적으로 바꾼 경우가 약 3배 많았습니다. 이렇게 사람과 AI의 업무를 다시 나눈 조직을 AX 조직이라 부릅니다. 이 글에서는 AI가 함께 일하는 데 필요한 핵심 역량과 이를 조직에 정착시키는 5단계를 소개해 드립니다.

AX 조직이란?

AX는 AI Transformation의 약자입니다. 업무 흐름과 의사결정 구조, 가치 창출 방식을 AI 중심으로 다시 설계하는 것을 뜻합니다. 곧 AX 조직은 AI로 조직 전체의 업무 방식과 사람의 역할을 재설계한 조직이라고 할 수 있습니다.

AI 중심으로 일하는 조직은 각 업무를 사람이 직접 해야 하는 일, AI가 지원할 수 있는 일, AI가 자동으로 처리할 수 있는 일로 나눕니다. 그리고 그에 맞춰 사람의 역할과 책임을 다시 정의해야 합니다.

DX 조직 vs. AX 조직

기존 DX 조직과 AX 조직의 차이도 여기에 있습니다. DX가 사람이 하던 일을 디지털화하는 과정이었다면 AX는 사람과 AI가 어떤 일을 나누어 맡을지 결정하는 과정입니다.

AX 조직에 필요한 핵심 역량은 무엇인가

AX 조직에서는 생성형 AI 도구를 사용할 줄 아는 것만으로는 부족합니다. AI에 어떤 일을 맡길지 판단하고 적절한 지시를 내리며 결과를 검증할 수 있어야 합니다. 대표적으로 다음 네 가지 역량이 필요합니다.

① 문제 정의와 업무 분해 역량

AI는 주어진 문제를 빠르게 처리할 수 있지만, 어떤 문제를 해결해야 하는지 스스로 결정하지는 못합니다.

그러므로, 구성원은 업무의 목표를 명확히 정의하고 복잡한 과제를 AI가 처리할 수 있는 단위로 나눌 수 있어야 합니다. 무엇을 AI에 맡길지 판단하는 능력도 여기에서 시작됩니다. 세계경제포럼은 2025년 미래 일자리 보고서에서 분석적 사고를 가장 중요한 핵심 역량으로 꼽았고, 실제 기업 10곳 중 7곳이 분석적 사고를 필수 역량으로 평가했습니다. 

AI 시대에 필요한 문제 해결력은 정답을 빠르게 찾는 능력이 아니라, 해결해야 할 문제를 정확하게 정의하는 능력에 가깝습니다.

② AI 활용과 오케스트레이션 역량

실무에서는 자료 탐색, 데이터 분석, 문서 작성 등 목적에 맞는 여러 AI 도구를 활용합니다. 목적에 맞는 AI를 골라 쓰고 업무 순서까지 설계하는 능력을 오케스트레이션 역량이라고 합니다. 각 도구에 필요한 정보와 조건을 정확히 짚어주고, 나온 결과들을 업무 성과로 만들 수 있어야 합니다.

③ 검증과 비판적 판단 역량

AI가 만든 결과가 자연스럽다고 해서 항상 정확한 것은 아닙니다. 구성원은 AI의 답변을 그대로 받아들이지 않고, 사실관계와 논리, 데이터 출처를 확인해야 합니다. 잘못된 결과를 발견하면 질문을 수정하고 결과를 보완하는 능력도 필요합니다.

이 과정에서 중요한 개념이 Human-in-the-loop입니다. AI가 업무를 수행해도 최종 판단과 책임은 사람이 유지하는 구조입니다.

④ 협업과 변화 대응 역량

앞서 소개해 드린 세 가지는 AI를 다루는 역량입니다. 하지만 AI를 잘 다루는 것과 그 변화 속에서 일하는 것은 다른 문제입니다. 

업무가 AI 중심으로 재설계되면 한 사람이 맡던 일도 AI와 사람이 나눠 맡게 되고, 이 과정에서 역할과 책임도 바뀌게 됩니다. 따라서 정해진 역할에만 머물지 않고, 변화에 맞게 유연하게 협업하는 역량이 필요합니다.

역량을 AX 조직에 정착시키는 5단계

그렇다면 이러한 역량을 조직에 어떻게 정착시킬 수 있을까요? 

1단계: 직무가 아닌 업무부터 분석

첫 번째 단계는 직무를 작은 업무 단위로 나누는 것입니다. 예를 들어, 마케터라는 직무 전체를 AI로 대체할 수 있는지 묻는 것은 적절하지 않습니다. 시장 조사, 데이터 분석, 콘텐츠 초안 작성, 메시지 검토, 전략 수립처럼 업무를 세분화해야 합니다.

2단계: 사람과 AI의 R&R을 정의

업무를 분석했다면 각 과제를 다음과 같이 구분할 수 있습니다.

• AI 자동화: 반복적이고 처리량이 많은 업무

• AI 지원: 데이터 분석과 초안 작성처럼 사람의 검토가 필요한 업무

• 사람이 수행: 전략과 공감, 책임 있는 판단이 필요한 업무

이 구분이 명확하지 않으면 AI 도입이 무분별한 인력 대체로 흘러가기 쉽습니다. 

그런 사례가 바로 Klarna 입니다. Klarna는 AI 고객 상담 도입 초기 처리시간을 11분에서 2분 이하로 줄였고, 정규직 700명분의 업무를 대체했다고 발표했습니다. 그러나 이후 비용 절감을 지나치게 우선시하면서 서비스 품질이 낮아졌다고 인정하고 상담사를 다시 채용했습니다.

반면 Commonwealth Bank of Australia는 AI에 탐지와 모니터링을, 사람에게 최종 판단과 책임을 맡겼습니다. 그 결과 스캠 손실은 50% 줄었고, 연간 신용 검토 시간도 14시간에서 2시간으로 줄어들 것으로 기대하고 있습니다.

두 사례의 차이는 AI가 맡을 역할과 사람이 책임질 영역을 구분했는가에 있습니다.

3단계: 역할별 필요 역량 정의

같은 AI 도구를 사용하더라도 역할에 따라 필요한 역량은 달라집니다. 

실무자는 AI를 활용해 업무를 처리하고 결과를 검토하는 역량이 필요합니다. 관리자는 업무를 분해하고 사람과 AI의 협업 구조를 설계해야 합니다. 리더는 AI 활용의 우선순위와 책임 기준, 위험 관리 원칙을 결정해야 합니다. 

따라서 전 직원에게 같은 교육을 제공하기보다 역할별로 필요한 역량을 별도로 정의해야 합니다.

4단계: 현재 역량 측정

필요한 역량을 정의했다면, 이제 구성원이 현재 어느 수준에 있는지 확인해야 합니다. 다만 AI 도구를 사용해 본 경험만으로는 실제 업무 역량을 판단하기 어렵기 때문에 AI를 사용할 줄 아는지가 아니라, 업무에 얼마나 효과적으로 활용할 수 있는지를 측정해야 합니다.

• AI를 사용해 봤는가?

• 적절한 프롬프트를 입력했는가?

• AI의 오류를 발견하고 수정할 수 있는가?

• AI 결과를 실제 업무 성과로 연결할 수 있는가?

따라서 AI 역량 평가는 결과뿐 아니라 프롬프트 설계, 답변 검증, 보완 과정을 함께 살펴봐야 합니다.

5단계: 교육과 재평가

역량을 측정했다고 격차가 사라지는 것은 아닙니다. 측정을 통해 부족한 역량을 확인했다면, 이제 그 결과를 교육으로 연결해야 합니다. 부족한 부분을 알아도 가르치지 않으면 역량 격차는 그대로 남기 때문입니다.

측정 결과를 바탕으로 역할별 교육을 설계하고, 교육 후에는 같은 기준으로 다시 평가해 개선 여부를 확인합니다. 이 과정을 반복하면서 부족한 역량을 지속적으로 보완할 때 AI 역량은 개인의 역량을 넘어 조직의 업무 방식으로 자리 잡게 됩니다. 

AX 조직의 시작은 정확한 진단입니다

사람과 AI의 역할을 나누고, 필요한 역량을 정의하고, 교육까지 설계하려면 먼저 현재 구성원의 AI 역량을 정확히 파악해야 합니다.

하지만 AI 활용 역량은 단순히 생성형 AI를 사용해 본 경험이나 결과물만으로는 확인하기 어렵습니다. 프롬프트를 어떻게 설계했는지, AI의 답변을 어떻게 검증하고 개선했는지까지 함께 평가해야 실제 역량이 드러납니다. 이러한 진단 결과는 역할별 교육을 설계하고, 사람과 AI의 협업 방식을 결정하는 기준이 됩니다.

프로그래머스 AI 역량평가는 바로 이 과정을 평가합니다. 결과물이 아니라 프롬프트 설계부터 검증, 보완까지 전 과정을 분석해 구성원별 부족한 역량을 짚어냅니다. 우리 조직의 구성원이 AI 역량을 얼마나 갖추고 있는지 확인하고 싶다면 프로그래머스 AI 역량평가에서 지금 확인해 보세요.