AX 뜻과 DX 차이: 업무 하나로 AI 전환을 시작하는 방법

AX(AI Transformation)는 AI를 업무 절차와 판단에 연결해 조직이 일하는 방식을 바꾸는 전환입니다. 예를 들어 회의 요약 도구를 결제하는 데서 끝내지 않고, 누가 어떤 자료를 넣고 무엇을 검수하며 승인 뒤 어디에 기록할지 정하는 일까지 포함합니다.

올해 AX 컨설팅을 하면서 모델 선택이나 프롬프트(AI에 주는 요청문) 작성법보다 앞에서 막히는 상황을 여러 번 만났습니다. 자료가 어디 있는지 모르거나, 좋은 결과의 기준이 없거나, 데이터 사용을 누가 결정할지 정해지지 않은 경우였습니다. 아래 현장 관찰은 제가 컨설팅에서 직접 만난 사례입니다.

이 글은 AX와 DX의 차이를 먼저 정리하고, 현장에서 막히는 자료와 기준 문제, 성과를 볼 지표, 업무 하나로 시작하는 첫 계획까지 회의 후속 업무를 예로 이어 갑니다.

AX와 DX는 어떻게 다른가요?

DX(Digital Transformation)는 디지털 기술로 조직의 업무, 제품, 서비스와 운영을 바꾸는 전환입니다. 종이를 파일로 바꾸는 문서 디지털화는 DX의 한 사례이고, DX는 그보다 넓습니다. AX는 그 가운데 AI를 활용한 변화를 강조하는 말이어서 회사마다 쓰는 범위가 조금씩 다릅니다.

같은 회의 후속 업무로 세 단계를 나란히 놓으면 차이가 보입니다.

회의 후속 업무로 본 세 가지 전환

1. 11. 문서 디지털화종이 회의 메모를 파일로
   찾아 읽을 수 있게
2. 22. DX결정과 할 일을 공유하고
   승인 상태를 관리
3. 33. AXAI가 할 일 초안을 뽑고
   사람이 검수한 뒤 등록

단계마다 확인할 변화도 다릅니다. 문서 디지털화는 자료를 읽고 찾을 수 있는지, DX는 담당자 사이 전달과 확인이 나아졌는지, AX는 초안부터 확인과 등록까지의 시간과 품질이 나아졌는지를 봅니다.

3단계의 AX 예시는 DX의 일부로도 설명할 수 있습니다. 그래서 DX를 모두 끝낸 뒤 AX를 시작하는 순서로 나누기보다, 이번에 바꾸려는 업무와 달라져야 할 결과를 한 문장으로 먼저 적습니다.

자료가 없거나 읽기 어려우면 무엇부터 하나요?

제가 현장에서 가장 자주 만난 문제는 자료의 준비 상태였습니다. 사내 문서를 찾아 답하게 하는 RAG를 검토할 때도 문서가 어디에 있고 누가 쓸 수 있는지부터 정해야 했습니다.

OCR은 이미지 속 글자를 텍스트로 인식하는 기술입니다. 스캔 PDF도 처리할 수 있지만 인식 오류가 생기고, 도구마다 지원하는 파일 형식이 다릅니다. 숫자 하나가 잘못 인식되면 요약이 자연스러워도 쓸 수 없습니다.

ChatGPT, 스캔 견적서 요약

첨부한 스캔 견적서에서 품목별 금액과 합계를 표로 정리해 주세요.

견적서의 품목은 세 가지이고, 합계 금액은 7,000원입니다.

원본의 합계는 1,000원입니다. 스캔 인식에서 1이 7로 바뀌었습니다

파일이 열리는 것과 그 파일을 업무에 써도 되는 것은 별개입니다. 전사 자료를 한꺼번에 올리지 말고, 고른 업무에 필요한 자료만 회사가 허용한 도구와 처리 조건 안에서 준비합니다. 기록이 없는 과거 사실을 AI가 만들어 채우게 하지 않습니다.

업무를 아는 사람이 결과의 기준을 정합니다

도메인은 고객지원, 회계, 디자인처럼 해당 업무 분야를 뜻합니다. 제 경험에서는 업무를 잘 아는 사람과 AI 도구에 익숙한 사람이 함께 기준을 정할 때 결과를 검토하기 쉬웠습니다. 두 사람이 맡는 일은 이렇게 나뉩니다.

결과 기준을 정할 때 나누는 역할

하는 일	업무 담당자도메인을 아는 사람	도구에 익숙한 사람입력 방식을 다루는 사람
좋은 결과의 기준 정하기	제공	제공
입력 방식과 요청문 개선	–	제공
누가 무엇을 결정했는지 원문 대조	제공	–
기준에 없는 상황의 최종 판단	제공	–

회의 요약을 예로 들면, 메모에 "신청 페이지 수정은 필요하지만 담당자와 기한은 아직 정하지 않았다"고 적혀 있는데 요약이 담당자를 채워 넣었다면 문장이 매끄러워도 업무에 쓸 수 없습니다. 그래서 회의 요약의 기준에는 "업무와 담당자, 기한이 원문과 같다", "원문에서 정하지 않은 값은 미정으로 적는다", "외부 공지처럼 승인 뒤 실행하는 조건은 남긴다" 같은 항목이 들어갑니다.

기준 문서는 담당자들이 같은 기준으로 판단하도록 항목과 예외를 남기는 문서입니다. 최종 판단은 검수 담당자가 내리고 책임도 함께 집니다.

AI 도입 실패율은 우리 회사의 확률이 아닙니다

Project NANDA의 2025년 예비 보고서 『The GenAI Divide』는 업무에 AI를 연결해도 성과를 확인하기 어렵다고 설명합니다. 보고서가 근거로 삼은 자료는 이렇습니다.

The GenAI Divide 보고서의 근거 자료

• 300건 이상공개 사례 분석2025년 상반기
• 52개 조직면담
• 153명고위 관계자 설문

널리 인용되는 95%는 이 자료에서 나온 수치이고, 보고서 안에는 조직과 시험 프로젝트처럼 분모가 다른 수치가 함께 나옵니다. 그래서 95%를 우리 회사의 실패 확률로 옮겨 쓰지 않습니다. 수치마다 분모를 나누는 방법은 기업 AI 도입 실패 데이터 해설에 정리했습니다.

실무에서는 실패 확률보다, 오류를 고친 기준이 다음 업무에 반영되는지를 봅니다. 채팅에서 고친 내용이 다음 대화까지 이어진다고 기대하기 어려우므로, 고친 기준은 문서로 저장해 다음 요청 때 다시 넣습니다.

토큰을 많이 썼다고 좋은 결과가 나오지는 않습니다

토큰은 AI가 입력과 출력을 처리할 때 쓰는 데이터 조각의 단위입니다. 글자 수나 단어 수와 일대일로 같지 않고, 언어와 모델에 따라 나뉘는 방식이 다릅니다. 사용량과 비용을 파악하는 데는 쓸모 있지만 업무 성과 자체는 아닙니다.

AI 활용을 늘리려는 조직은 사용량을 보고 싶어 합니다. 그런데 긴 자료를 반복해서 넣거나 같은 오류를 여러 번 고쳐도 토큰은 늘어납니다. 그래서 사용량이 적다고 일을 못한다고 보거나, 많다고 결과가 좋다고 판단하지 않습니다.

시간과 비용을 함께 보면 같은 결과도 시간 환산 기준에 따라 판정이 달라집니다. 예를 들어 검수까지 포함해 15분을 아꼈고 AI 비용이 4달러라고 하겠습니다. 시간당 20달러로 환산하면 아낀 시간의 가치는 15 ÷ 60 × 20 = 5달러이고, 시간당 12달러로 환산하면 15 ÷ 60 × 12 = 3달러입니다.

15분 절약의 시간 가치와 AI 비용 4달러

• 시간 가치, 시간당 20달러로 환산5달러AI 비용보다 1달러 큼
• AI 비용4달러
• 시간 가치, 시간당 12달러로 환산3달러AI 비용보다 1달러 작음

같은 15분 절약도 시간을 얼마로 환산하느냐에 따라 이득이 되기도 하고 손해가 되기도 합니다. 여기서 시간 가치는 아낀 시간을 돈으로 환산한 값이고, 실제 지출이 그만큼 줄어든 금액과는 다릅니다.

업무를 시작해 승인받고 끝내기까지의 경과시간도 따로 봅니다. 작성자의 작업시간이 줄어도 매주 한 번 있는 승인 회의를 기다려야 하면 완료일은 그대로입니다. 이때는 필요한 검토를 없애기보다 대기 이유와 검토 일정부터 살핍니다.

자신감과 실제 품질을 구분합니다

AI를 쓰는 사람의 자기 평가와 사고 과정을 다룬 연구 두 가지가 자주 인용됩니다.

두 연구의 참여 규모

• 246명알토대 첫 연구논리 추론 문제
• 452명알토대 두 번째 연구분석 대상 기준
• 54명MIT 미디어랩 글쓰기 연구4차 세션까지 18명

알토대학교 연구진의 논문은 논리 추론 문제에서 AI 도움으로 성적이 나아져도, 자기 성과를 정확히 판단하는 능력은 함께 좋아지지 않았다고 보고했습니다. 연구는 평균적인 과대평가 경향과, 스스로 답한 AI 이해도와 과대평가의 관련성을 다룹니다. 실험 과제가 논리 추론 문제였으므로, 실무에 가져올 원칙은 "자신감을 묻지 말고 원문과 결과를 대조한다"는 정도입니다.

MIT 미디어랩의 『Your Brain on ChatGPT』는 54명이 참여한 글쓰기 과제에서 AI, 검색엔진, 도구 없는 조건의 뇌파 연결 양상과 회상 차이를 관찰했습니다. 연구팀은 교육적 글쓰기 과제를 다룬 소규모 예비 연구라고 밝혔습니다.

그림의 LLM은 문장을 이해하고 생성하는 대규모 언어 모델이며, 이 실험에서는 ChatGPT를 쓴 조건을 가리킵니다. 그림은 세 조건 사이의 뇌파 연결 양상 차이를 비교한 것이고, 개인의 지능이나 업무 태도를 판정하는 데 쓰는 자료가 아닙니다.

데이비드 브룩스는 2026년 6월 애틀랜틱 칼럼에서 사고에 들이는 노력에 따라 AI 사용 모습이 달라진다고 논의했습니다.

교육에서는 도구 사용법과 함께 결과 검수 연습을 넣을 수 있습니다. 결과가 좋다고만 답하는 대신, 어느 원문으로 확인했고 어떤 오류를 고쳤는지 말하게 하는 방식입니다.

다른 부서에 전달할 때는 목적과 확인 요청을 적습니다

BetterUp과 Stanford Social Media Lab의 조사는 겉보기에는 완성돼 보이지만 업무를 진척시키지 못하는 AI 결과물이 받는 사람의 재작업과 신뢰에 영향을 준다고 설명합니다. 이들은 이런 결과물을 workslop이라고 부르며, 조사는 설문 응답을 바탕으로 했습니다. 전문성의 맥락을 다룬 학술 논평도 AI 결과가 어떤 범위에서 유효한지 구분하자고 제안합니다. 전문가처럼 보이는 결과와 전문적인 판단은 같지 않습니다.

제 경험에서는 다른 부서에 시안을 넘길 때 목적과 상태, 근거, 확인 요청을 함께 적으면 논의에 도움이 됐습니다. 같은 디자인 시안을 두 가지로 전달하면 받는 쪽이 알 수 있는 것이 달라집니다.

같은 시안, 다른 전달 문장

받는 쪽이 알 수 있는 것	이 디자인으로 바꿔 주세요	목적과 확인 요청을 적은 전달검토용 초안
목적	제공하지 않음	신청 버튼을 찾기 어렵다는 문의
상태	제공하지 않음	검토용 초안
근거	제공하지 않음	고객 문의 내용
확인 요청과 결정 담당자	제공하지 않음	글자 크기와 배치 디자인 담당자

시안을 AI로 빨리 만들었어도 글자 크기와 배치는 디자인 담당자가 결정합니다. 전달 문장에 그 결정 권한을 적어 두면 받는 쪽이 무엇을 판단하면 되는지 바로 압니다.

프롬프트 공유에는 사용 조건도 함께 남깁니다

잘된 요청문만 복사해도 원본 자료나 모델, 업무 기준이 다르면 결과가 달라집니다. 그래서 프롬프트를 공유하는 문서에는 목적, 넣어도 되는 입력, 기대 결과, 잘못 나온 사례와 검수 담당자를 함께 적습니다.

프롬프트를 공유할 때는 회사가 허용한 도구 범위도 함께 정해야 합니다. 허용되지 않은 도구를 쓰는 일이 얼마나 흔한지는 PagerDuty의 2026년 조사에 나옵니다. 이 조사는 미국, 영국, 호주, 일본의 연매출 5억 달러 이상 기업에서 일하는 비IT 직무 사무직을 대상으로 했습니다.

PagerDuty 2026년 조사 결과

• 1,250명비IT 직무 사무직 응답자
• 66%정책상 허용되지 않는다고 생각한 도구를 쓴 경험
• 88%업무 정보를 공개형 AI 도구에 넣은 경험

이미지의 72%는 실제 능력 시험이 아니라 자신의 이해도를 스스로 평가한 응답이고, 앞의 알토대 연구와는 다른 사람들을 조사한 결과입니다.

공유를 늘리려면 회사가 허용하는 도구와 자료 범위를 분명히 하고, 공유 문서를 정리할 시간을 따로 잡습니다. 문서에는 작성자와 수정 담당자를 표시하고 오류 사례를 쌓아 갑니다. 공유 개수만 평가하면 검증되지 않은 요청문이 늘어나므로, 다른 사람이 같은 조건에서 다시 쓸 수 있는지를 평가 기준으로 삼습니다.

우리 업무에 적용할 첫 계획 한 장

첫 시험은 자료와 검수 담당자가 정해진 업무 하나로 합니다. 진행 순서는 이렇습니다.

업무 하나로 AX를 시험하는 순서

1. 11. 업무 하나 고르기줄일 문제가 분명하고
   검수 담당자가 있는 일
2. 22. 자료와 권한허용된 자료만
   승인된 도구에서
3. 33. 역할 나누기AI는 초안
   사람은 대조와 승인
4. 44. 멈출 오류 합의어떤 오류가 나오면
   사람이 처리할지
5. 55. 시험과 보완오류가 나오면 기준 보완
   다음 회의 메모로 다시

계획은 담당자와 함께 아래 표를 채우는 것으로 시작합니다. 회의 후속 업무라면 이렇게 씁니다.

주요 목표 하나를 정하되 다른 중요한 조건은 그대로 지킵니다. 시간 단축이 목표여도 금액이나 담당자를 틀리는 오류는 허용 범위에 넣지 않습니다. 시험 전에 어떤 오류가 나오면 사용을 멈추고 사람이 처리할지 합의해 둡니다.

자료 정리는 전사가 아니라 고른 업무 하나의 범위에서 시작합니다. 결과가 좋으면 범위를 조금 늘리고, 좋지 않으면 자료가 부족했는지 기준끼리 부딪혔는지부터 살핍니다.

자주 묻는 질문

기준 문서만 있으면 누구나 같은 판단을 하나요?

기준에는 빠진 예외나 서로 부딪히는 항목이 생기기 마련입니다. 두 사람이 같은 결과를 다르게 판정했다면 어느 항목에서 판단이 달랐는지 적고 최종 담당자와 기준을 보완합니다. 문서는 판단을 돕고, 최종 책임은 담당자가 집니다.

AI 사용량을 아예 측정하지 말아야 하나요?

사용량은 도구 이용 정도와 비용을 파악할 때 유용합니다. 다만 직무와 작업 난이도가 다른 사람을 토큰 수만으로 비교하지 않고, 실제 통과한 결과물과 재작업, 전체 비용을 함께 봅니다.

도구를 잘 모르는 사람도 AX에 참여할 수 있나요?

참여할 수 있습니다. 업무에서 자주 생기는 오류, 필요한 예외, 좋은 결과의 조건을 설명하는 것이 중요한 역할입니다. 도구 사용을 익히는 동안에도 사용이 허용된 지난 회의 메모 한 건으로 기준을 만들고 AI 결과를 대조하는 일부터 함께할 수 있습니다.

Sources

• IBM, What is digital transformation?
• Project NANDA, The GenAI Divide 보고서 원문
• 알토대학교 연구진 논문 원문
• MIT 미디어랩, Your Brain on ChatGPT
• 데이비드 브룩스, 애틀랜틱 칼럼(2026년 6월)
• BetterUp, The hidden costs of workslop
• 전문성의 맥락을 다룬 학술 논평
• PagerDuty, 2026 Shadow AI 조사 발표

3줄 요약

1. AX는 AI를 업무 절차와 판단에 연결해 일하는 방식을 바꾸는 전환이며, 디지털 기술로 조직을 바꾸는 DX와 범위가 겹쳐 순서대로 끝낼 별개 사업이 아닙니다.

2. Project NANDA 보고서의 95%는 공개 사례 300건 이상과 52개 조직 면담에 근거한 예비 수치여서 우리 회사의 실패 확률로 옮기지 않습니다.

3. 첫 시험은 자료와 사용 권한, 검수 기준과 담당자가 정해진 업무 하나로 하고 회의 요약이라면 원문에서 정하지 않은 담당자와 기한을 미정으로 남기는지부터 봅니다.