AX가 문서에서 시작되는 이유
AI 예산은 해마다 늘고 있습니다. 그런데 실무에서 달라진 게 있느냐고 물으면, 돌아오는 대답은 대부분 비슷합니다. 챗봇 하나 붙였는데 아무도 안 쓴다던가 AI 솔루션 도입했는데 결국 엑셀로 돌아갔다는 말 뿐이죠.
DX(디지털 전환)를 거치면서 기업의 시스템은 상당히 바뀌었습니다. 그런데 시스템 안에 들어 있는 데이터는 그대로인 경우가 많아요. AI는 데이터로 작동하는데 그 데이터가 AI가 읽을 수 있는 상태가 아닌 거죠. AX(AI 전환)가 DX 다음 과제로 떠오르는 이유가 여기에 있습니다.
오늘은 AX가 무엇이고 DX와 어떻게 다른지, 그리고 왜 문서 정리가 AX의 실질적인 첫 단계가 되는지 풀어보겠습니다.
AX와 DX, 같은 전환인데 출발점이 다르다
DX는 아날로그 업무를 디지털로 옮기는 과정이었습니다. 종이 서류를 전자문서로 바꾸고, 수기 장부를 ERP에 옮기고, 대면 결재를 전자결재로 전환하는 식이죠.
AX는 그 다음 단계입니다. AX의 핵심은 디지털화된 데이터를 AI가 실제로 활용할 수 있는 상태로 만드는 것에 있는데, 쉽게 말해 DX가 어디에 저장할 것인가의 문제였다면, AX는 AI가 이 데이터를 이해할 수 있는가의 문제에 가까운 셈입니다.
예를 들어, DX를 마친 제조 기업이라면 ISO 인증 문서나 품질 매뉴얼이 전자 파일로 저장되어 있을 겁니다. 그런데 이 파일들이 스캔 PDF이거나 이미지가 섞인 한글 파일이라면, AI는 이 문서를 읽을 수 없습니다. 즉 DX를 거치며 파일은 디지털 형태로 존재하지만, 아직 AX가 마무리되지 않아 AI가 이해할 수 있는 데이터는 아닌 상태인 거죠.
문제는 이 상태에서 곧장 AX를 하겠다고 AI를 도입해도 실질적인 효과가 나오기 어렵다는 점입니다. AI가 답변을 생성하려면 참조할 데이터가 필요한데, 그 데이터가 읽을 수 없는 형태로 묶여 있으면 결국 사람이 직접 찾고 정리하는 기존 방식으로 돌아가게 되거든요.
AX의 진짜 병목은 AI가 아니라 데이터다
이런 상황에서도 AX를 추진할 때 가장 먼저 검토하는 건 대부분 AI 솔루션 선정이에요. 어떤 AI를 쓸지, 어떤 모델이 좋은지부터 따지게 되죠.
그런데 이 순서가 뒤집혀 있으면 같은 문제가 반복됩니다. AI 챗봇을 붙여도 구성원들은 한두 번 써보고 쓸모없다는 판단을 내리게 되고, AI 도구를 바꿈봐도 결과는 달라지지 않아요. 병목이 AI가 아니라 AI에 들어가는 데이터에 있기 때문입니다.
AI가 읽고 이해할 수 있는 형태로 데이터를 정리하는 것, 이것이 AX의 실질적인 시작점인 이유가 여기 있습니다.
문서부터 시작하는 AX가 현실적인 이유
"AX를 하겠습니다"라고 선언한 기업은 많지만, 전사적으로 한꺼번에 AI 전환을 밀어붙여서 성과를 낸 사례는 찾기 어렵습니다. 조직 전체의 업무 프로세스를 동시에 바꾸는 건 리스크가 크고, 구성원의 저항도 만만치 않거든요.
현실적으로 성과가 나는 접근은 단계별로 가는 방법입니다.
첫 번째 단계는 문서 수집과 전처리입니다. 사내에 흩어져 있는 비정형 문서를 한곳에 모으고 AI가 읽을 수 있는 형태로 바꾸는 과정입니다. 스캔 PDF에서 텍스트를 뽑아내고, 표가 섞인 문서는 구조를 분리해서 데이터로 정리하는 거죠.
두 번째는 AI 검색 고도화입니다. 정리된 데이터를 기반으로 사내 전용 AI 검색을 구축하면, "지난번 A 프로젝트 계약 조건이 뭐였지?"라고 물었을 때 출처와 함께 정확한 답변을 받을 수 있어요. 시니어한테 물어봐야 했던 정보를 AI가 바로 찾아주는 겁니다.
세 번째는 업무 자동화입니다. 검색이 되면 그 위에 자동화를 얹을 수 있는데, 이 단계가 되면 계약서에서 독소조항을 자동으로 검출하거나 정기 보고서를 데이터 기반으로 자동 생성하는 것이 가능해 집니다.
중요한 건 이 순서입니다. 첫 단계를 건너뛰고 자동화부터 시작하면, 자동화할 데이터 자체가 없어서 프로젝트가 멈추게 되죠.
유링파워가 문서 수집부터 AI 검색, 업무 효율화까지 이 세 단계를 하나의 파이프라인으로 연결하는 이유도 여기에 있습니다. 각 단계를 따로 구성할 필요 없이 문서만 넣으면 전체 흐름이 작동하는 구조라, 첫 단계를 시작하는 부담이 줄어드는 편이에요.
AX 도입에서 자주 막히는 3가지
AX가 필요하다는 건 공감하지만, 막상 추진하면 예상치 못한 곳에서 막히는 경우가 많습니다.
1. 비정형 문서 처리 난이도
기업 문서는 깔끔한 텍스트 파일이 아닙니다. 표와 이미지가 섞인 기술 보고서, 손글씨가 포함된 점검 기록, 20년 전에 스캔한 설계 도면과 같은 문서를 AI가 이해할 수 있는 데이터로 바꾸려면 단순 문자 인식만으로는 부족합니다. 문서의 논리 구조까지 파악해야 정확한 데이터가 나오거든요. 어디가 제목이고 어디가 본문인지, 표의 행과 열이 뭘 의미하는지를 읽어낼 수 있어야 합니다.
특히 한국어 문서는 글로벌 솔루션이 잘 처리하지 못하는 영역이 있어서, 도메인과 언어에 특화된 접근이 필요한 경우가 많습니다.
2. 조직 내부의 저항
AX라는 단어 자체가 "AI가 내 일을 대체하는 것"으로 받아들여질 수 있습니다. 특히 현장 경험이 긴 시니어 인력일수록 그런 인식이 강한 편이에요. "내가 20년간 쌓은 노하우를 AI가 대신한다고?"라는 반감이 생기면, 아무리 좋은 도구를 도입해도 사용률이 올라가지 않죠.
그래서 Land and Expand 접근이 현실적입니다. 한 부서, 한 업무에서 먼저 효과를 보여주고 그 성과를 기반으로 확장하는 방식이에요. 처음부터 전사 AX를 외치면 저항만 커지지만, 특정 문서 검색 업무 하나가 눈에 띄게 편해지면 다른 부서에서 먼저 손을 들게 됩니다.
3. 레거시 시스템과의 통합
제조·에너지·건설 같은 전통 산업은 ERP, MES, SCM 같은 기간 시스템이 깊게 뿌리내리고 있습니다. 이걸 전부 교체하면서 AX를 추진하는 건 비용도 리스크도 감당하기 어려워요.
그래서 기업 AX에서는 기존 시스템 위에 비침습적으로 연동하는 방식이 필요합니다. 시스템 자체를 바꾸는 게 아니라, 시스템에 쌓인 데이터를 AI가 활용할 수 있게 연결하는 거죠. 유링파워가 기존 시스템을 교체하지 않고 연동하는 구조를 택한 이유도 이 때문이에요.
AX, 결국 첫 번째 문서를 정리하는 순간 시작된다
AX를 복잡하게 생각할 필요는 없습니다.
지금 사내에 쌓여 있는 문서 중에서 가장 자주 찾는 것 하나를 골라 AI가 읽을 수 있는 형태로 정리하는 것이 AX의 진짜 출발점입니다.
DX가 종이를 디지털로 바꾼 전환이었다면, AX는 디지털 데이터를 AI가 쓸 수 있는 데이터로 바꾸는 전환입니다. 그리고 그 전환은 거창한 선언이 아니라 문서 한 장을 정리하는 것에서 시작됩니다.
사내 문서를 어디서부터 정리해야 할지 감이 잡히지 않는다면, 유링파워 문의 남겨주시는 것도 좋은 방법입니다. 현재 문서 현황을 파악하고, AX를 어떤 순서로 시작하면 좋을지 함께 설계해 드리겠습니다.