경험으로 만든 AX 7단계 공식 (박종천 지란지교소프트 CAIO)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

박종천의 경험 기반 AX 7단계 공식은 경영진의 의지와 전담 조직을 출발점으로 실무 적용·전사 확산·프라이빗 전환까지 이어지는 조직 변화의 순서다.

📌 핵심 요점

1. AX는 0단계 준비도에서 시작한다. 대표의 의지, 부서 간 조율을 맡을 전담 조직, 직원이 변화에 적응할 시간이 필요하다. 외부 파트너도 이 내부 조건을 대신할 수 없다.
2. 7단계의 초기 성공 기준은 실무 적용이다. 0단계 준비도 → 1단계 킥오프 → 2단계 디스커버리 → 3단계 시범 구현 → 4단계 어답션 → 5단계 스케일업 → 6단계 프라이빗 전환으로 진행한다. 시범 구현이 작동해도 현업에서 쓰이지 않으면 초기 성공에 도달한 것으로 보지 않는다.
3. 업무 관리의 중심이 의도와 명세로 이동한다. 개발에서는 바이브 코딩, 일반 직군에서는 자료를 제공하고 결과물을 생성하는 방식이 제시된다. 다만 구현 과정을 모르는 인지 부채와 동료 간 대화가 줄어드는 소통 부채가 생겨, 팀 차원의 소통을 확보해야 한다.
4. 개인의 AI 활용을 조직 성과로 연결하려면 공용 지식과 시스템 연동이 필요하다. 사람이 매번 자료를 찾아 전달하는 방식에는 한계가 있다. 공용 지식 라이브러리와 업무 시스템을 연결하고 회사의 방향과 지시를 제공해야 AI가 더 넓은 업무 흐름을 처리할 수 있다는 구상이다.
5. 확산 이후에는 비용·보안·구현 역량이 중요해진다. 사용량 증가에 따른 토큰 비용과 데이터 집중에 따른 유출 위험이 커진다. 프라이빗 AI는 GPU 비용과 활용률을 함께 검토해야 하며, AI 풀스택 개발자에게는 모델·프레임워크·툴 콜링·서비스를 이해하고 조립하는 역량이 요구된다.

🧩 배경과 문제 정의

• 기업의 AX는 AI 도구 도입이나 시범 구현만으로 완성되지 않는다. 실제 업무 적용과 전사 확산을 거치려면 경영진의 의지, 전담 조직, 직원이 적응할 시간이 필요하다.
• 개인이 AI로 일을 빨리 처리해도 조직의 생산성이 함께 높아지는 것은 아니다. 부서별 지식과 업무 시스템이 분리돼 있으면 사람이 계속 자료를 찾아 전달하고 작업을 지시해야 한다.
• 지란지교소프트의 내부 전환과 고객사 컨설팅 경험을 바탕으로, 개발·일반 직군의 업무 변화와 0~6단계 AX 추진 방식을 제시한다.
• 활용이 확대될수록 비용과 보안이 주요 과제가 된다. 공용 지식 라이브러리, 시스템 연동, 프라이빗 AI가 대안으로 제시되지만 개발 방식과 도입 전략은 여전히 변화 중이다.

🕒 시간순 섹션별 상세정리

1. CAIO의 역할은 내부 전환과 제품·고객 사업을 아우른다

• 박종천 CAIO는 약 200명 규모 회사에서 직원들이 AI로 일하도록 업무 전환을 이끌고, 자체 솔루션으로 고객사의 AX를 지원한다. [02:03]
• 기존 보안 제품에도 AI 기능을 넣는다. AI 보안 관리자가 전문 지식이 부족한 관리자에게 대응 방법을 안내하는 방식으로 제품의 기능을 확장한다. [02:26]

2. 바이브 코딩 전환이 인지 부채와 소통 부채를 만든다

• 개발자 전원을 의도와 설계 문서를 전달해 AI가 개발하는 방식으로 전환했지만, 사람이 구현 과정을 모르는 인지 부채가 생겼다. AI와 일하는 데 집중하면서 동료 간 대화가 줄어드는 소통 부채도 나타났다. [03:07]
• 개인 작업이 저절로 팀의 성과로 연결되지는 않는다. 매일 스탠드업을 진행하고 정기적인 팀 모임과 소통 워크숍을 마련해 사람끼리 대화할 시간을 확보한다. [03:48]

3. 개발 관리의 중심이 코드에서 의도와 명세로 이동한다

• 기존 SDLC에서 바이브 코딩 중심의 VDLC로 넘어가면서, 관리의 핵심은 코드보다 의도와 명세 문서가 된다. 코드는 그 문서를 바탕으로 생성되는 결과물로 본다. [04:34]
• 구체적인 개발 절차는 아직 정답이 정해지지 않았다. AI 도구의 성능·속도·가격과 사람이 통제할 수 있는 동시 세션 수에 따라 작업 방식을 조정해야 한다. [05:12]

4. 연결된 업무 시스템이 다중 AI 작업을 뒷받침한다

• 아마존 지인의 사례에서는 여러 AI 세션에 이슈를 나눠 맡기고, 사람이 해결 계획을 검토한 뒤 구현과 테스트를 지시한다. 티켓과 소스의 세부 내용은 AI가 살피고 사람은 요약과 판단에 집중한다. [06:35]
• 이런 방식은 이슈 관리 등 업무 시스템이 이미 디지털화되고 서로 연결돼 있어 가능하다. 개인의 AI 활용을 조직 성과로 확장하는 데 시스템 연동이 중요하다. [07:41]

5. 채용 기준도 일주일 단위의 AI 개발 실무로 바뀐다

• 신입 지원자는 미니 오피스 에이전트를 일주일 안에 혼자 바이브 코딩으로 구현해야 한다. 기존 코드 저장소를 복제해 제품을 만드는 과제가 입사 테스트다. [08:58]
• 제출물은 Codex와 Claude Code로 각각 검토해 평가 보고서를 만든다. 두 평가 중 하나라도 80점을 넘으면 합격, 둘 다 넘으면 우수로 판단하고, 통과한 지원자의 이력서를 읽는다. [09:19]

6. 일반 직군도 자료와 의도를 주고 결과물을 생성한다

• 일반 직군에는 Claude Cowork 같은 도구를 제공하고 교육·실무 적용·컨설팅을 병행한다. 단순 질의응답과 달리, 업무용 활용은 기존 제안서와 고객 웹사이트처럼 작업에 필요한 지식을 충분히 제공하는 데서 시작한다. [10:52]
• 기존 제안서와 고객 정보를 바탕으로 새 제안서를 만드는 예에서는, 사람이 한 시간 걸릴 작업을 AI가 5분에 처리한다고 보여준다. 사람이 직접 문서를 편집하기보다 의도와 명세를 관리하는 방식으로 전환해야 한다는 주장이다. [11:30]

7. AX 0단계는 대표 의지·전담 조직·충분한 시간이다

• AX 컨설팅은 0~6단계로 구성하며, 시작 조건인 0단계를 AX 준비도로 정의한다. 대표의 의지와 부서 사이를 조율할 AX 전담 조직이 없으면 추진 자체가 어렵다. [13:25]
• 충분한 기간도 필수 조건이다. AX는 기술뿐 아니라 문화의 문제이므로, 직원들이 AI를 자신을 대체하는 존재가 아닌 함께 일하는 대상으로 받아들일 시간이 필요하다. [14:02]

8. 킥오프에서 업무 발굴·시범 구현·실무 적용으로 진행한다

• 1단계 킥오프에서는 전사가 전환 방향을 공유한다. 2단계 디스커버리에서는 실제 업무를 분석하고, AI 적용 가능성·데이터 유무·현업의 의지를 평가해 대상을 고른다. [14:58]
• 3단계에서는 실제로 구현해 작동 여부를 확인하고, 4단계 어답션에서는 현업에 적용한다. 시범 구현을 통과하는 것만으로 끝나지 않으며, 실무 적용까지 도달해야 초기 성공으로 본다. [15:27]

9. 전사 확산 이후에는 비용과 보안이 병목이 된다

• 5단계 스케일업의 고객사 사례에서는 두 개 부서의 두 개 아이템으로 시작한 뒤, 아홉 개 부서에서 아홉 개 아이디어가 들어왔다. 효과가 확인되자 여러 부서의 수요를 동시에 처리하는 일이 새 과제가 됐다. [16:22]
• 현업의 의지와 데이터, 업무 분석이 갖춰져도 사용량이 늘면 토큰 비용이 커진다. 회사 데이터를 한곳에 모으는 만큼 유출 시 위험도 커진다. [16:45]

10. 6단계 프라이빗 전환은 GPU 비용과 활용률을 함께 본다

• 6단계는 프라이빗 트랜스포메이션으로, 실무 적용과 확산 이후 구축형 AI를 준비하는 단계다. 자체 GPU를 24시간 일하는 AI 직원의 기반으로 활용한다는 구상이다. [17:55]
• 한 고객사는 클라우드 GPU 임대 견적이 연 5억 원이었고, H200 두 개를 구매하는 비용은 약 2억 원이었다. 다만 하드웨어와 규모가 서로 달라 동일 조건 비교는 아니며, 해당 사례에서는 구매가 더 저렴하다고 판단해 계획을 바꾸고 있다. [18:43]

11. AI가 직원처럼 일하려면 지능 외에 지식과 지시가 필요하다

• 개인별 AI 활용과 부서별 AX가 따로 움직이면 조직 전체의 생산성으로 연결되지 않는다. 사람이 매번 데이터와 작업을 전달하는 도구형 사용에는 한계가 있다. [20:02]
• AI에 지능만 있고 회사의 지식과 지시가 없으면 입력을 받을 때만 일할 수 있다. 회사의 방향과 필요한 지식을 미리 갖추면 스스로 작업을 구체화하고 밤에도 일할 수 있다는 구상이다. [20:35]

12. 공용 지식 라이브러리가 개인 업무용 AI의 한계를 넘는다

• 별도의 조직 성숙도 구분에서 1단계는 질의응답 중심의 개인용 AI, 2단계는 개인이 가진 자료로 작업하는 업무용 AI다. 2단계에서도 부족한 자료는 사람이 직접 찾아야 한다. [21:20]
• 조직 업무용 AI로 넘어가려면 공용 지식 라이브러리가 필요하다. AI가 조직 문서를 찾아 쓰고, 미리 받은 큰 지시에 따라 요청을 확인해 제안서를 준비하는 방식으로 확장할 수 있다. [22:02]

13. 조직의 성숙도는 문서 생성에서 지식 공유·시스템 연동으로 높아진다

• 업무용 AI 없이는 일하기 어렵고 문서를 손으로 만들지 않는 상태를 2단계, 공용 지식 라이브러리를 연결해 사람이 정보를 찾아다니지 않아도 되는 상태를 3단계로 구분한다. [23:51]
• 공용 지식은 정보 탐색과 잘못된 정보에 따른 재작업을 줄이는 기반이다. 여기에 바이브 코딩, 기존 시스템 연동, 대시보드가 더해지며 3~4단계가 연결된다. [24:17]

14. 에이전트 시스템은 GPU·모델·프레임워크·도구·서비스로 구성된다

• GPU 위에서 모델이 실행되고, LangGraph 같은 에이전트 프레임워크가 모델을 이용해 작업 순서를 구성한다. 도구와 툴 콜링은 에이전트가 외부 시스템에 접근하고 행동하도록 연결한다. [26:59]
• 연결 대상은 회사 문서·이메일·채팅·결제·웹 탐색 등이다. 고객 이메일과 기존 제안서, 고객 사이트를 확인해 새 제안서를 작성하고 메일까지 보내는 업무 흐름을 예로 든다. [27:27]

15. AI 풀스택 개발자의 핵심 역량은 기술 이해와 조립이다

• AI 풀스택 개발자는 GPU·모델·에이전트 프레임워크·툴 콜링·서비스를 아우른다. 오픈소스 모델을 올리고 기존 시스템과 문서 라이브러리를 연결하며, 필요하면 MCP 등을 붙여 작동하는 AI 서비스를 구성한다. [28:22]
• RAG, LangGraph, 도구 연결 등 배울 개념은 많지만, 최근 채용한 신입들이 교육과 개발을 통해 빠르게 따라오는 경험을 제시한다. 이를 가능하게 하는 조건으로 관련 기술의 성숙도를 든다. [28:54]

16. 기술적 이해와 지식이 중요하지만 실행 난이도는 별개다

• 클릭으로 결과가 나오는 구조이므로, 기술적 이해도와 지식은 높아야 해도 실행 자체를 어렵게 생각할 필요는 없다. [30:00]
• 최근 3년간 변화를 열심히 따라온 사람이라면 지금 상당한 실력을 발휘할 수도 있다는 가능성에 동의한다. [30:09]

17. 서비스의 AI 전환이 풀스택 개발자 채용 기준을 바꾼다

• 최근 개발자 채용은 AI 풀스택 개발자로 한정한다. 프론트엔드·백엔드 개발은 기존 사례와 내부 인력이 많아 수행 가능한 영역이라는 판단이 그 배경이다. [30:16]
• 보안은 AI 보안으로, 생산성은 AI 생산성으로 확장되는 등 서비스에 AI가 접목되면서 AI 풀스택 개발자가 점점 더 필요해진다. [30:27]

🧾 결론

• AX의 성패는 도구 제공을 넘어 실제 업무에 정착시키고 여러 부서로 확장할 수 있는지에 달려 있다는 설명이다.
• 0~6단계 AX 추진 절차와 개인용 AI에서 조직 업무용 AI로 발전하는 성숙도 구분은 별개의 틀이다. 추진 순서와 현재 조직 상태를 구분해 읽어야 한다.
• 조직 생산성으로 이어지는 핵심 연결 고리는 공유 지식, 명확한 의도와 명세, 업무 시스템 연동이다.
• 이 공식은 내부 전환과 고객사 컨설팅 경험에서 도출한 접근법이다. 개발 절차와 프라이빗 AI의 구현 방식은 여전히 조정 중이다.

📈 투자·시사 포인트

• 기업용 AI 사업을 평가할 때는 도구 도입뿐 아니라 실무 정착과 부서 간 확산을 지원하는 역량을 살펴볼 필요가 있다. 발표에서는 교육·컨설팅·시스템 연동이 함께 제시된다.
• AI 활용이 늘수록 생산성 기능과 함께 보안 수요도 커질 수 있다. 기존 보안 제품에 AI를 접목하는 사례와 데이터 집중에 따른 위험이 그 근거다.
• 프라이빗 AI의 경제성은 GPU 구매 가격만으로 판단하기 어렵다. 제시된 임대·구매 사례는 동일 조건 비교가 아니며, 실제 활용률까지 확인해야 한다.
• 기존 SaaS의 AI 대응과 기업의 자체 개발 사이 경쟁은 결론이 나지 않았다. 업무 연결 기능을 어느 쪽이 더 빠르고 효과적으로 제공하는지가 관찰 지점이다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제안서 작업이 한 시간에서 5분으로 줄었다는 설명은 특정 예시다. 결과물의 품질, 검토 시간, 다른 업무에서도 같은 효과가 나는지는 제시된 자료만으로 확인할 수 없다.
• 클라우드 GPU 임대 연 5억 원과 H200 두 개 구매 약 2억 원은 하드웨어와 규모가 다른 비교다. 이를 일반적인 구매 우위로 해석해서는 안 된다.
• 자체 GPU와 오픈소스 모델만으로 필요한 업무를 처리할 수 있는지는 후속 질문으로 남아 있다. 기업마다 프라이빗 AI를 구축할 것이라는 설명도 전망이다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 대표의 추진 의지, AX 전담 조직, 직원 적응 시간을 확보했는지 준비도를 점검한다.
• 후보 업무별로 AI 적용 가능성, 활용할 데이터의 유무, 현업의 참여 의지를 확인해 첫 대상을 고른다.
• 시범 구현의 작동 여부와 실제 현업 사용 여부를 분리해 확인하고, 실무 적용까지 초기 목표로 설정한다.
• 반복적으로 사람이 찾아 전달하는 자료와 끊어진 업무 시스템을 파악해 공용 지식 라이브러리·연동 대상을 정한다.

❓ 열린 질문

• 자체 GPU와 오픈소스 모델은 실제 업무에 필요한 품질과 처리 범위를 어디까지 충족할 수 있을까?
• 공용 지식과 큰 방향의 지시를 갖춘 AI가 업무를 스스로 구체화할 때, 사람의 검토와 통제는 어느 지점에 배치해야 할까?
• 기존 SaaS를 연결하는 방식과 필요한 기능을 직접 만드는 방식 중 우리 조직에 적합한 선택은 무엇일까?