AI 도입 전 준비도 점검: 업무·데이터·권한에서 확인할 것

AI 도입 준비도는 데이터의 양이나 사용 의지만으로 판단하기 어렵습니다. 실제 업무에서 무엇을 입력받아 어떤 결과를 만들고, 누가 결과를 확인해 다음 조치를 결정하는지가 정리되어 있어야 합니다. 준비도는 전사 점수가 아니라 적용할 업무 하나의 조건을 확인하는 일에 가깝습니다.

어떤 업무가 AI를 받아들일 준비가 됐을까요?

예를 들어 담당자가 매주 여러 파일을 모아 현황 보고 초안을 만든다면, 그 파일들이 모두 AI 입력이 될 필요는 없습니다. 먼저 보고에 실제로 쓰는 확정 자료와 담당자, 보고서가 완성됐다고 보는 기준을 정합니다. AI는 그 범위에서 초안을 만들고, 담당자는 숫자와 원자료를 대조해 확정합니다.

데이터가 완벽해야 시작할 수 있나요?

그렇지 않습니다. 다만 결측·중복·권한 문제가 있는 데이터를 그대로 넓게 연결해서는 안 됩니다. 중요한 것은 어떤 자료가 현재 과제의 기준인지와 불확실한 자료를 어떻게 제외·보완할지를 아는 것입니다. 한정된 자료와 명확한 검토자로 시작해 오류 유형을 기록하면, 데이터 정비도 실제 사용 목적에 맞게 진행할 수 있습니다.

점검 뒤 무엇을 고쳐야 시작할 수 있을까요?

점검 뒤에 “준비가 부족하다”는 결론만 남기면 아무것도 시작할 수 없습니다. 업무 흐름이 모호하면 책임자와 함께 상태를 정의하고, 데이터 출처가 불명확하면 기준 저장소를 정하며, 승인 역할이 비어 있으면 검토 경로를 합의하는 식으로 다음 작업을 남겨야 합니다.

AI를 처음 적용할 업무는 결과가 틀려도 쉽게 되돌릴 수 있고, 담당자의 검토가 이미 존재하는 업무가 적합합니다. 준비도는 통과 여부가 아니라 안전하고 유용한 첫 범위를 찾는 기준입니다.

왜 최근 업무 한 건을 끝까지 따라가야 할까요?

예를 들어 품질 담당자가 매주 여러 팀의 보완 현황을 취합한다고 가정해 보겠습니다. 이 업무의 입력은 제출 자료와 이전 보완 이력, 출력은 담당자별 조치 목록입니다. 여기서 AI가 할 수 있는 일은 자료를 요약하고 미제출 항목 후보를 표시하는 것까지입니다. 기한 연장이나 완료 판단은 담당자가 원자료와 사유를 확인한 뒤 결정해야 합니다.

이 장면에서 준비가 덜 된 경우는 쉽게 드러납니다. 자료마다 기준일이 다르거나, 담당자가 바뀌면 이전 판단을 알 수 없거나, 보완 완료를 누가 확인하는지 정해지지 않았다면 결과의 품질을 AI에게 기대할 수 없습니다. 먼저 기준 자료의 소유자와 갱신 주기를 정하고, 보완 상태와 담당자를 업무 항목에 연결하는 편이 낫습니다.

준비도를 높이는 일은 데이터 정제 프로젝트를 크게 시작하는 것과 같지 않습니다. 첫 과제에서 반복적으로 등장한 누락 값, 오래된 자료, 권한 요청을 기록하면 무엇을 정비해야 하는지가 구체화됩니다. 이 기록이 없는 상태에서 자료 범위만 넓히는 것이 가장 흔한 실패 조건입니다.

점검 회의에는 AI 담당자만 모이지 않는 편이 좋습니다. 실제로 결과를 쓰는 담당자, 기준 자료를 갱신하는 사람, 예외를 승인하는 사람이 함께 한 건의 흐름을 검토해야 합니다. 기술적으로 가능한 범위와 업무상 허용할 범위가 다를 수 있기 때문입니다. 회의 결과는 준비도 점수보다 ‘기준 자료의 갱신 책임자 지정’, ‘반려 상태 추가’처럼 다음 적용 전에 끝낼 작업으로 남깁니다.

몇 점인가보다 어디까지 맡길지를 결정합니다

가상의 품질팀이 매주 여러 라인의 이슈를 취합한다고 하겠습니다. 모든 파일을 바로 연결하기보다, 기준 설비 목록이 있고 담당자가 이미 검토하던 한 라인의 이슈 유형부터 고릅니다. AI는 유사 이력과 누락 후보를 제시하고 담당자는 원문과 현장 상태를 확인해 우선순위를 확정합니다. 자료 소유자는 기준일과 갱신 책임을, 보안 담당자는 접근 범위를, 업무 책임자는 결과 사용 여부를 맡습니다. 서로 다른 결정권을 한 번의 승인으로 합치지 않는 것이 중요합니다.

기준 문서가 바뀌거나 잘못된 파일이 입력되면 결과 생성을 제한하고, 해당 기간에 사용된 요청을 원문과 대조합니다. 원인을 최신성, 권한, 업무 규칙, 화면에서 근거를 찾기 어려운 문제로 나눠 수정한 뒤 작은 표본에서 재개합니다. 준비도는 데이터가 완벽한지보다 이런 중단과 회복을 담당자가 실제로 수행할 수 있는지로 판단해야 합니다.

워크숍에서는 어떤 인계 지점을 확인해야 할까요?

첫 워크숍에서 흔히 생기는 오해는 부서별로 원하는 AI 기능을 모으면 준비도를 알 수 있다는 생각입니다. 그러나 기능 선호는 현재 업무가 얼마나 설명 가능한지 보여주지 않습니다. 대신 최근에 끝난 요청 한 건과 아직 끝나지 않은 요청 한 건을 골라, 접수부터 완료까지 자료가 누구에게 어떻게 넘어갔는지 따라가야 합니다. 담당자가 메신저에서 받은 추가 설명을 개인 메모에 옮겼다면 그 메모도 사실상 입력입니다. 승인자가 구두로만 허용한 예외가 있다면 완료 조건은 시스템에 드러난 것과 다릅니다.

이 과정에서는 업무 책임자와 데이터 소유자의 관점이 자주 충돌합니다. 업무 책임자는 “늘 보던 자료”이므로 바로 쓸 수 있다고 생각하지만, 데이터 소유자는 갱신 시점과 재사용 권한이 다르다고 볼 수 있습니다. AI 적용을 서두르기 위해 어느 한쪽의 판단을 생략하면 안 됩니다. 이번 과제에 필요한 필드, 볼 수 있는 역할, 유효한 기준일, 출처가 불분명할 때의 제외 방법을 한 건씩 합의해야 합니다. 합의하지 못한 항목은 AI가 추정하도록 두지 않고 입력 범위 밖으로 표시합니다.

준비도 점검의 산출물도 거대한 진단 보고서일 필요는 없습니다. 실제 업무 흐름, 승인된 입력 목록, 사람이 반드시 판단할 지점, 중단 조건, 보완 책임자를 한 묶음으로 남기면 됩니다. 특히 ‘검토자가 있다’는 표현은 부족합니다. 누가 어떤 근거를 보고 언제까지 확인하며, 부재 시 누구에게 넘기는지까지 정해야 제한 운영 중 결과가 쌓이기만 하는 일을 막을 수 있습니다.

제한 운영을 끝낼 근거는 무엇일까요?

준비가 됐는지는 결과 몇 건이 맞았다는 사실보다 현장이 오류를 다루는 방식에서 확인됩니다. 담당자가 AI 결과의 근거 문서를 바로 열어 볼 수 있는지, 수정 이유를 업무 항목에 남길 수 있는지, 결과를 쓰지 않기로 한 판단도 기록되는지를 봅니다. 같은 오류가 반복되는데도 담당자가 매번 손으로 고친다면 제한 운영은 성공한 것이 아닙니다. 입력 정의나 업무 규칙을 고칠 책임자가 연결되지 않았다는 신호입니다.

예를 들어 보고 초안에서 오래된 조직명이 반복되면 문장 생성 방식을 먼저 조정할 일이 아닐 수 있습니다. 기준 조직표의 소유자와 갱신 경로를 확인하고, 갱신 전까지 해당 필드를 자동으로 채우지 않게 제한해야 합니다. 잘못된 초안이 이미 회의 자료에 사용됐다면 영향을 받은 보고를 식별해 담당자가 현재 기준으로 다시 확인합니다. 이후 원인과 조치, 재개 조건을 남기고 다음 보고 한 회차에서 변경이 제대로 반영됐는지 검증합니다.

첫 범위를 넓힐지는 세 가지 질문으로 결정할 수 있습니다. 담당자가 결과를 확인하는 방법을 다른 사람에게 설명할 수 있는가, 예외가 생겨도 메일이나 개인 파일로 빠지지 않는가, 기준 자료가 바뀌면 영향을 받은 업무를 찾을 수 있는가. 답하기 어렵다면 더 많은 데이터를 연결하기보다 현재 흐름의 빈칸을 닫는 것이 우선입니다. 준비도 점검의 다음 행동은 AI 구매가 아니라, 조직이 책임 있게 학습할 수 있는 가장 작은 운영 단위를 선택하는 일입니다.

이 선택은 예산이나 관심도가 높은 부서만으로 정하지 않습니다. 오류가 발생했을 때 영향을 받은 건을 찾을 수 있고, 담당자가 기존 방식으로 업무를 계속할 수 있으며, 결과를 확인할 표본이 반복적으로 생기는지를 함께 봅니다. 드물지만 영향이 매우 큰 의사결정보다 자주 발생하고 사람이 이미 검토하는 준비 업무가 첫 과제로 다루기 쉽습니다. 반대로 반복 업무라도 입력이 대부분 구두 지시이고 완료 판단이 담당자마다 다르다면, AI 적용 전에 그 차이를 관찰하고 업무 기준부터 합의해야 합니다.

제한 운영을 종료할 때는 성공 사례만 발표하지 말고 아직 사람에게 의존하는 지점도 인계합니다. 어떤 자료는 수동으로 최신성을 확인했는지, 대리 검토가 몇 차례 필요했는지, 어떤 예외는 범위 밖으로 두었는지 남깁니다. 이를 숨기면 다음 팀은 검증된 기능과 임시 조치를 구분하지 못합니다. 운영 책임자는 남은 조치의 담당자와 기한을 확인하고, 완료되지 않은 조건이 있는 동안 자동 실행이나 대상 부서 확대를 보류합니다.

준비도는 시간이 지나면 달라집니다. 조직 개편으로 검토자가 바뀌거나 기준 저장소가 이전되면 이미 준비됐던 업무도 다시 확인해야 합니다. 따라서 다음 적용 직전에는 최초 점수표를 재사용하지 않고 최근 요청 한 건으로 자료·권한·승인·복구 경로를 다시 따라갑니다. 이 짧은 재점검이 가능하도록 기준과 책임을 남기는 것까지가 첫 도입 준비의 완료 조건입니다.

참고한 공식 자료

• NIST AI Risk Management Framework — AI 위험을 거버넌스·맥락 파악·측정·관리의 연속 활동으로 다루는 자발적 프레임워크입니다. AI RMF 1.0은 개정 작업 중이므로 실제 적용 시 최신 버전을 다시 확인해야 합니다. (2026-08-26 확인)