[취재수첩] AI 속도를 따라가는 기업의 조건 작성일 07-21 50 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="pWBG5ie4WG"> <figure class="figure_frm origin_fig" contents-hash="f248d851d030413131034438c901ed2c2d4c9c47b91d46755b79b11c737183c5" dmcf-pid="U6cQeYTsvY" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/21/552796-pzfp7fF/20260721114242634oexl.jpg" data-org-width="640" dmcf-mid="0DXrI2b0CH" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/21/552796-pzfp7fF/20260721114242634oexl.jpg" width="658"></p> </figure> <p contents-hash="1c5ee0d30364b7b82a852f9765c08e129b49c3f14090a2ec02c1e55fefa9c206" dmcf-pid="uPkxdGyOhW" dmcf-ptype="general">[디지털데일리 이안나기자] 생성형 인공지능(AI)을 업무에 적용하려는 기업들 실험이 본격화된 지 얼마 되지 않았다. 그런데 시장 화두는 이미 AI 에이전트를 지나 에이전틱 AI와 멀티에이전트로 향하고 있다. 개념검증(PoC)에 머물지 말고 실제 운영 단계로 넘어가야 한다는 주문도 거세다.</p> <p contents-hash="b18a12ebbbffe17c39576dca18def07226db29dc08774f0af53b13f35fa0843e" dmcf-pid="7QEMJHWIhy" dmcf-ptype="general">경쟁사가 움직이는 상황에서 충분히 공부하고 검증한 뒤 시작하겠다고 버티기는 어렵다. 기업으로서는 기술을 이해하는 동시에 예산을 확보하고 활용 업무를 찾아 성과까지 증명해야 한다. 하나의 기술을 익히는 사이 다음 기술이 등장하는 만큼 앞선 실험 결과를 차분히 정리할 시간도 넉넉하지 않다. 기술 발전 속도와 기업 의사결정 속도 사이에 간극이 생길 수밖에 없는 구조다.</p> <p contents-hash="13f1c12a66706a65f9be5aabc4abbcec618a600c578af834949679ddb7ae3100" dmcf-pid="zxDRiXYCCT" dmcf-ptype="general">실제 운영에 들어간 기업들은 분명 앞서 있다. 현업에 AI를 적용해야 비용 절감이나 생산성 향상 같은 실질적인 성과도 확인할 수 있다. 데이터 품질과 보안, 기존 시스템과의 연계, 직원들의 수용성처럼 PoC 단계에서는 보이지 않던 문제도 운영 과정에서 드러난다. 언제까지 실험만 반복할 수 없다는 지적은 타당하다. AI 투자가 계속 늘어나는 상황에서 경영진도 가능성보다 결과를 요구하기 시작했다.</p> <p contents-hash="e07dc5989d3b23e07ba18f12923ad9c3178b3a853f9b957475a472b011a6e489" dmcf-pid="qMwenZGhyv" dmcf-ptype="general">다만 다음 단계로 넘어가는 속도만큼 앞선 경험도 이어지고 있는지는 돌아볼 필요가 있다. 생성형 AI 실험에서 확인한 비용과 정확도, 현업 반응은 다음 프로젝트 설계 기준이 돼야 한다. 어떤 조건에서 성과가 났고 어디에서 한계가 드러났는지 남지 않는다면 시장 화두가 바뀔 때마다 비슷한 실험을 새로운 이름으로 되풀이할 수 있다. 기술은 진화해도 조직의 시행착오는 처음부터 다시 시작되는 셈이다.</p> <p contents-hash="bafb7908d7fc647ff0bffcd530b9f508efc494739856ccf48140d73634c9d0b1" dmcf-pid="BRrdL5HllS" dmcf-ptype="general">그렇다고 모든 검증을 마친 뒤 운영에 들어가야 한다는 뜻은 아니다. 지금 AI 발전 속도에서 이는 사실상 불가능에 가깝다. 오히려 운영 전환을 실험의 종료가 아닌 다음 검증 단계로 보는 접근이 필요하다. 실제 사용 데이터를 토대로 성과지표를 고치고 비용과 오류 허용 범위를 조정해야 한다. 사람의 개입 원칙도 현업에서 계속 보완할 수밖에 없다. 성과가 나지 않은 시도 역시 실패로 묻어두기보다 다음 투자 판단을 위한 기록으로 남겨야 한다.</p> <p contents-hash="bb58518418efa391fededf36f0674d12d73aa01809fe9dbc5887d60c8c9f1740" dmcf-pid="bemJo1XShl" dmcf-ptype="general">AI 서비스를 구현할 수 있는 것과 이를 잘 운영하는 것은 다르다. 전자는 기술 발전과 다양한 솔루션의 등장으로 점점 쉬워지고 있지만 후자는 경험을 조직 안에 쌓아야 가능하다. AI 전환에 속도는 필요하다. 기술의 속도를 늦출 수 없다면 앞선 실험 경험을 다음 단계까지 이어가는 체계를 갖추는 것이 기업의 몫이다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 '카카오뱅크'로 집결…카카오 노조 단체 행동, 전환점 맞나 07-21 다음 모두의 AI 사업, 2~3곳 뽑는다…독파모 탈락 기업들도 '기회' 07-21 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
