우리는 이미 생성형 AI를 직접 써보면서 100배의 법칙을 경험 중이다. 이러한 경험은 이제 개인에서 조직으로 전환되어야 한다. 책은 나와 조직의 능력을 100배 높이는 AI 경영을 위한 5단계 프로세스를 제시한다. 1단계는 1인 기업이나 작은 회사 정도면 충분하지만, 조금 더 큰 규모의 기업이라면 2단계 3단계까지 그리고 글로벌 대기업이라면 4단계 5단계까지도 발전시켜 볼 필요가 있다. 책은 각 단계를 가기 위해 어떤 자원이 필요하고, 유의해야 할 점은 무엇이며, 조직은 어떤 준비를 해야 하며, 무엇보다 개인은 앞으로 어떤 역할로 자신을 포지셔닝하고 자기계발해야 하는지 알려준다. 이 책의 저자인 SK 디스커버리 DX Lab의 황재선 부사장은 DX 시절부터 지금의 AX까지, 기업 현장에서 다양한 AI 프로젝트를 진두지휘해본 경험을 갖고서 이 책을 썼다. 그래서 무척 현실적이고 체계적인 내용을 담고 있다. 작가는 앞서 “DX(디지털 트랜스포메이션)는 조직의 습관을 바꾸는 일”이라는 정의를 통해서 많은 경영자들에게 큰 영감을 주었다. 이제 이 메시지는 “AX(AI 트랜스포메이션)은 조직의 습관을 바꾸는 일”로 다시 정의되고 있다.

시작. DX를 넘어, AX 시대로 ★ 1부. AI 트랜스포메이션 - 개념과 시대적 배경 1. DX와 AX의 차이 -- 1) DX가 가져온 혁신과 한계 -- 2) 생성형 AI가 불러온 패러다임 전환 -- 3) 생성형 AI의 구체적 활용 사례 -- 4) AX가 의미하는 것 2. 인공지능 발전 5단계(오픈AI 전망) -- 1) 챗봇(Chatbot) - Q&A 수준의 기본 대화 -- 2) 추론자(Reasoner) - 멀티모달·추론 강화 -- 3) 에이전트(Agent) - 스스로 판단하고 결정 -- 4) 혁신가(Innovator) - 고급 도메인 전문성 -- 5) AG(IOrganization) - 인간과 AI의 융합 시대 ★ 2부. AI 트랜스포메이션 - 실행 전략과 로드맵 개요. AX 실행 5단계 전략 1단계(초기) - 생성형 AI -- 1) 생성형 AI 개념 -- 2) 생성형 AI 활용 -- 3) 성과와 주의점 2단계(중기) - RAG·지능형 RPA 도입 -- 1) RAG 개념과 활용 -- 2) 지능형 RPA 개념과 활용 3단계(중기) - 머신러닝·딥러닝 AI와 생성형 AI의 결합 -- 1) AI 모델간의 결합이 중요한 이유 -- 2) 비즈니스 임팩트 4단계(후기) - AI 에이전트 -- 1) AI 에이전트란 무엇인가 -- 2) 업무 혁신 시나리오 -- 3) 위험과 관리 방법 -- 4) 새로운 기회 5단계(고도화) - 신규 BM, 버티컬 LLM과 SML의 등장 -- 1) BM 전환 -- 2) 버티컬 LLM과 SLM ★ 3부. AI 트랜스포메이션 - 조직 운영과 인재 선발 1. AX 준비를 위한 조직·인프라·문화 점검 -- 1) AI 준비도 -- 2) 데이터와 IT 인프라 -- 3) AI팀과 인재 확보 -- 4) 문화와 거버넌스 -- 5) DX에서 AX로 -- 6) 현재 상태 점검하기 -- 7) 단계별 구현 사례 2. 왜 CEO가 더 중요해졌나 -- 1) AX 성공의 70%는 CEO에 좌우 -- 2) CEO에게 필요한 AI 리터러시(기본 소양) -- 3) 파워·정치 이슈를 통제하는 법 3. AX 성공 KPI와 ROI 측정 -- 1) KPI와 AI 혁신의 정렬 -- 2) 재무적·비재무적 성과 지표 -- 3) 프로젝트 성과 측정 -- 4) 단기·중기·장기로 성과 측정 -- 5) 성공 사례와 실패 사례 4. AI팀과 거버넌스 -- 1) AI팀의 필요성 -- 2) 기존 IT 조직과의 협력 -- 3) 데이터 사용 거버넌스 5. 인재 전략과 교육 -- 1) AI 전문 인력의 수혈 -- 2) 프롬프트 엔지니어링 -- 3) AI 매니저·오퍼레이터 -- 4) 성과 평가·보상 체계 6. 변화 관리와 조직 문화 혁신 -- 1) 작은 PoC로 신뢰 구축 -- 2) 대시 보드 기반의 보고로 문서 최소화 -- 3) 성공 스토리, 우수 사례 포상 -- 4) AI 해커톤, 아이디어톤 -- 5) 실패 관용 문화 -- 6) 사람 + AI 협업 조직 문화 ★ 4부. AI 트랜스포메이션 - 유형별·산업별 사례와 미래 전망 1. AX 유형별 적용 사례 -- 1) 생성(문서, 메일, 보고서 등) -- 2) 요약(회의록 작성 등) -- 3) 언어 번역 -- 4) 문법 및 맞춤법 교정 -- 5) RAG 및 사내 챗봇 -- 6) 지능형 RPA(외부 데이터 자동 수집·정리) -- 7) 차트만들기(Text-to-SQL) -- 8) 코딩 -- 9) 예측 및 시뮬레이션 -- 10) AI 검색 및 딥 리서치 -- 11) PC 기반 AI 에이전트 -- 12) OCR 등 이미지 분석(이미지 이해와 생성) -- 13) 콜 센터 등 음성 분석(음성 이해와 생성) -- 14) CCTV 영상 분석(영상 이해와 분석) -- 15) 버티컬 LLM(도메인 특화 AI) -- 16) 아이디어 및 브레인스토밍 2. AX 산업별 적용 사례 -- 1) 제조·물류 -- 2) 금융·보험 -- 3) 리테일·유통 -- 4) 의료 및 헬스케어 -- 5) 에너지 산업 -- 6) 건설 -- 7) 운송·물류 -- 8) 호텔·외식 -- 9) 공공·교육 -- 10) 1인 기업 맺음. AI 에이전트 시대와 그 이후 부록. AX에 성공한 스타트업(기업) 부록. AX를 위한 솔루션·서비스 추천

이 책의 가장 중요한 전제는 “AI 트랜스포메이션은 경영진 한두 사람이 결단한다고 되는 일이 아니다”라는 것이다. 물론 최고경영진의 스폰서십이 필수라는 사실은 변함이 없다. 그러나 AI가 침투하는 영역이 사무 자동화나 현업 부서의 업무 절차 그리고 전사 의사결정 과정 전반에 미치는 만큼, 사실상 모든 구성원이 어떤 형태로든 AI를 접할 수밖에 없다. 이런 맥락에서 본서는 경영진과 실무자 모두가 읽을 수 있는 기본적인 안내서를 지향한다. (24쪽)

DX에도 한계는 있었다. 우선 어느 순간부터 “기술은 도입했는데 그다음은?”이라는 질문이 제기되었다. RPA나 빅데이터 분석이 회사 안에 어느 정도 뿌리를 내렸지만, 정작 조직의 핵심 의사결정은 여전히 임원들의 직관과 숙련된 경험에 크게 의존했다. 영업 전략을 짤 때 데이터 분석 보고서를 참조하긴 했지만, 최종 결정은 “임원의 감(感)”에 달려 있었다. (34쪽)

DX가 효율성과 데이터 통합 그리고 기존 비즈니스 모델의 디지털화를 강조했다면, AX는 생성형 AI를 전사적으로 활용하여 의사결정과 창의적 역량을 재편한다. DX 시절에 만들어진 디지털 인프라는 분명 AX의 든든한 토대가 된다. 클라우드 환경, 빅데이터 플랫폼, 협업 툴 등에 익숙해진 구성원들은 생성형 AI를 도입하더라도 거부감이 덜하다. 사내 시스템과 연동하는 기술적 난이도 역시 낮다. (45쪽)

풀어서 설명하자면 처음에는 외부의 생성형 AI 서비스를 사용하는 정도의 경험으로 많은 구성원들의 관심을 끌고, 작게나마 성공 사례를 만들고, 이를 디딤돌 삼아 사내 데이터와 인프라까지 제대로 결합한 뒤, 점진적으로 조직 전반에 심층적인 AI 역량을 내재화하면서 전문성까지 끌어올리는 전략이다. 그리고 궁극적으로는 사람이 명령을 내리지 않아도 AI가 목표를 인식하고 독자적으로 업무를 수행할 수 있는 에이전트 단계로 도달하는 것이다. 그런 다음, 선택적이긴 하지만 최종적으로 고도화된 AI 모델을 외부에 판매하는 상품화 단계까지 꿈꾼다. (67쪽)

경영진이 AI에 대해 어떤 기대감을 가지고 있고, 그 기대가 현실적인가도 살펴봐야 한다. 혹시 일부 임원이 지나치게 AI가 만능이라고 생각해 단기간에 경이로운 결과를 내놓으라고 압박한다면, 실무진은 부담이 커지고 실제 모델 성능이 예상보다 낮을 경우 실패 레이블이 따라붙을 수도 있다. 반대로 경영진이 너무 보수적이어서 AI를 현업에 쓰다가 오류가 나면 어쩌느냐, 일단 기존 방식대로 하자, 이런 태도를 취하면 파일럿 단계조차도 진행이 어렵다. 즉 AI 준비도를 평가할 때는 경영진의 태도와 리얼리티 또한 중요한 포인트가 된다. (126쪽)

디지털 트랜스포메이션(DX) 시절에도 “디지털 트랜스포메이션 성공의 70%는 CEO에 달려있다”라는 말이 있었다. 현업이 아무리 IT 기술을 도입하고 싶어 해도 CEO가 관심을 주지 않으면 예산도 승인되지 않고 조직의 저항을 제어할 방법도 없었다. 하지만 반대로 CEO가 “우리 회사를 반드시 디지털로 바꾸겠다”라고 강력한 메시지를 내면 많은 장애물을 뚫고 대대적인 혁신이 가능했다. AI 시대에는 이러한 흐름이 더 강화되리라 본다. 직접 AX는 우리의 필수적 생존 전략임을 선언하고, 예산과 인재 투자 역시 보장해 주어야 한다. (145쪽)

기존 IT 조직과 AX 전담 조직인 AI팀의 통합 모델, 분리 모델, 혼합 모델의 장단점을 알아보고, CoE 구성을 어떻게 해야 할지 살펴볼 예정이다. 그리고 가상의 사례를 통해 조직 운영 방안과 의사결정 구조, 그리고 생성형 AI나 RAG 등을 활용할 때 지켜야 할 사내 규정과 권한 관리 원칙, AI 윤리위원회와 편향 모니터링의 중요성도 살펴본다. 마지막으로 ChatGPT 등 외부 API를 활용하는 과정에서는 어떤 지침이 필요한지도 정리해본다. (170쪽)

인재 전략과 교육은 AX 시대 조직ㆍ문화 혁신의 핵심 기둥이다. 기업은 “외부 영입 vs 내부 육성, 둘 중 무엇이 나은가?”에서부터 “프롬프트 엔지니어링을 일반 직원에게까지 확산할 것인가?” “AI 매니저, AI 오퍼레이터라는 신종 직무를 어떻게 정착시키고 평가할 것인가?” “어떤 성과ㆍ보상 체계를 통해 인재를 유치ㆍ유지할 것인가?” 등 수많은 질문에 직면한다. 이때 얻을 수 있는 결론은 DX 시절에 익혔던 인력 전략만으로는 부족하다는 점이다. AI의 속도와 폭발력을 감안하면 부분적 교육이나 제한적 외부 영입만으로는 지속 가능한 혁신을 확보하기 어렵다. 회사는 보다 통합적인 전략-예컨대 AI부트캠프나 사내 아카데미를 장기 운영해 내부 인력을 대거 재교육하고, 동시에 리더급 인재를 외부에서 스카우트해 지휘하도록 하고, 프롬프트 엔지니어링이나 AI 매니저 같은 직무도 공식화해 내부 승진 경로로 삼는 방식-을 시도해야 한다. (198쪽)

- 빌 게이츠 “AI 에이전트는 컴퓨팅의 미래”(Gates Notes, 2023) - 사티아 나델라 “모든 상호작용이 에이전트를 통해 이루어질 것”(Microsoft Build 2025) - 순다르 피차이 “AI 에이전트는 더 개인화되고 지능적인 경험을 제공”(Google I/O 2025) - 일론 머스크 “궁극적으로 우리는 범용 AI 에이전트를 향해 나아가고 있다”(205년 3월 인터뷰) - 마크 저커버그 “메타버스 내에서 AI 에이전트는 다양한 활동을 수행하고, 사람들과 상호작용하며, 새로운 경험을 탐색하는 핵심적인 역할을 할 것이다”(Meta Connect 2024) 좋은습관연구소가 제안하는 53번째 좋은 습관은 기업의 AI 활용 습관입니다. 우리는 앞서 『디지털 트랜스포메이션, 조직의 습관을 바꾸는 일』이라는 책을 통해서 많은 경영자들에게 큰 영감을 주었습니다. 이제 이 메시지는 “AI 트랜스포메이션은 조직의 습관을 바꾸는 일”로 다시 정의되고 있습니다. AI 기술은 기업 경영에 많은 변화를 주고 있습니다. 특히 생성형 AI의 등장은 IT 관련 부서나 회사 차원의 큰 프로젝트라는 관점을 벗어나 AI를 개인의 이슈로 확대시켰습니다. 이 책 역시도 AI 에이전트 시대를 전망하며 개인과 이들의 공존을 말합니다. 책은 이러한 변화를 총 5단계로 접근할 것을 제시하고 있습니다. ● 1단계는 생성형 AI의 활용입니다. 이미 생활 속에서 그리고 업무에도 적극적으로 생성형 AI를 활용하는 만큼 추가적인 설명은 필요 없을 듯합니다. ● 2단계는 RAG(Retrieval-Augmented Generation; 검색 증강 생성)의 사용입니다. RAG는 생성형 AI 모델에 사내 DB나 문서 검색 결과를 실시간으로 제공함으로써 AI가 더 풍부하고 정확한 정보를 근거로 답변을 생성하도록 하는 방식을 말합니다. 현재의 생성형 AI는 웹에 공개된 데이터나 사전에 학습한 텍스트를 바탕으로 하지만, 실제 회사에서 중요하게 다뤄야 할 정보의 상당수는 비공개 DB나 내부 파일로 존재하기 마련입니다. RAG는 바로 그 지점에서 내부 검색과 생성형 AI의 결합으로 기업 맞춤형 AI를 구현합니다. 그리고 또 다른 중요 요소로 지능형 RPA(Robotic Process Automation; 로보틱 프로세스 자동화)를 활용하여 단순 반복적인 업무를 자동으로 처리하는 것도 2단계에서의 일입니다. 과거에도 RPA가 있었지만, AX 단계에서는 생성형 AI와 결합해 자동화율을 더욱 높여줍니다. ● 3단계는 기업 내 이미 구축된 머신러닝·딥러닝 기반의 분석형 AI와 생성형 AI의 결합입니다. 과거의 AI는 데이터사이언티스트 같은 데이터 전문가만이 사용하고 해석할 수 있다는 한계가 있었습니다. 하지만 생성형 AI와 결합되면서부터는 비전문가인 나도 자유롭게 활용할 수 있습니다. 더이상 관련 부서에 분석을 요청할 필요 없이 내가 직접 들여다보고 체크할 수 있는 자율성을 얻게 됩니다. ● 4단계는 AI 에이전트의 등장입니다. AI 에이전트란 인간의 지시나 요구를 받아서 움직이는 것이 아니라 AI가 스스로 목표를 설정하거나 사용자가 던진 목표를 인식한 뒤 여러 서브 태스크를 분해해 직접실행하는 개념입니다. AI 활용의 최종 단계라 할 수 있으며 100배의 법칙을 넘어 100명의 역할을 할 수 있는 AI입니다. 무인(無人) 상태에서 의사결정과 작업을 수행하는 시나리오가 가능해집니다. ● 5단계는 1단계에서 4단계를 거쳐 만들어진 AI 모델, 즉 도메인(특정 산업)에 특화된 LLM과 SLM을 새로운 BM으로 판매하는 것입니다. 우리 기업에 특화된 AI 모델을 다른 기업에 솔루션처럼 판매하는 것입니다. 이는 일반 제조 기업이 테크 기업으로 전환하는 효과를 발휘합니다. 이상이 이 책에서 말하는 AX 5단계입니다. 각 단계가 빠른 시기에 현실화되기는 어려울 수 있지만, 마냥 먼 미래의 일도 아닙니다. 생성형 AI의 출현으로 바뀐 비즈니스 환경을 생각한다면, 생각 이상으로 빨라질 수도 있습니다. 각 단계를 가기 위해 어떤 자원이 필요하고, 유의해야 할 점은 무엇이며, 조직은 어떤 준비를 해야 하며, 무엇보다 개인은 앞으로 어떤 역할로 자신을 포지셔닝해야 하고 자기계발해야 하는지 이 책으로 확인해보았으면 합니다.