/AI Chasm Catalyst
◆혁신의 시작은 기술이 아닌 ‘문제 정의’에서 출발한다
대한민국 직장인 대학생은 ChatGPT에게 모든것을 의존하고 공공기관과 대다수의 기업들은 앞다투어 인공지능(AI) 분야 인재를 영입하고 있다.
AI 전문 인력을 통해 전사적 디지털 혁신을 주도하고, 경쟁 우위를 확보하려는 움직임이다. 그러나 정작 AI 프로젝트의 현장에서는 다른 목소리가 들려온다.
“AI 기술보다 중요한 건, 기술이 필요한 문제를 정의할 수 있는 사람입니다.”
– 김동현 KAIST 전산학부 교수
김 교수는 “많은 기업이 AI 인력은 확보했지만, 해결해야 할 문제 자체가 명확하지 않아 프로젝트가 공회전하는 경우가 많다”고 지적한다. 이는 단순한 기술력 부족보다 더 본질적인 실패 요인이다.
◆현장을 모르면 AI는 흔한 ‘고장 예측기’로 전락한다
불과 1년 전, 국내 한 중견 제조기업은 막대한 예산과 해외 AI 전문가 그룹을 투입해 생산설비 고장을 예측하는 시스템 구축에 나섰다.
그러나 프로젝트는 1년 만에 좌초됐다.
기업 관계자는 이렇게 회상했다.
“모델은 갖췄는데 무엇을 예측할지 현장이 알지 못했어요. 데이터는 쌓였지만, 그 데이터가 무슨 의미인지도 명확하지 않았죠.”
결국 이 회사는 현장 엔지니어들과 임원이 함께 라인을 돌며 고장 사례를 재정리했고, 손으로 직접 라벨링한 데이터를 기반으로 다시 프로젝트를 시작했다. 진정한 AI 적용은 기술이 아니라 현장의 통찰력에서 첫 발을 디뎠던 셈이다.
◆잘못된 AI 프로젝트 순서: 기술 도입부터 시작하는 착각
많은 기업은 기술 도입 → 데이터 수집 → 활용 방안 기획 → 구현이라는 순서를 따른다. 겉보기에 논리적이지만, 정작 중요한 단계가 빠져있다. 바로 ‘문제 정의’다.
서울대학교 산업공학부 박성우 교수는 이를 두고 “디지털 트랜스포메이션의 첫 단추가 잘못 꿰어진 대표 사례”라고 설명한다.
그는 “기술 주도 접근이 아닌, 문제 인식 중심의 역방향 설계가 필요하다”며, 현장 근무자 중심의 AI 학습 모델 전환을 주장한다.
◆최신 AI는 ‘현장 전문가’도 충분히 다룰 수 있는 시대
2025년 현재, AI 기술의 복잡도는 여전히 높지만, 사용 용이성은 이전과 비교할 수 없을 정도로 향상됐다.
특히 최근 GPT-4 이상의 LLM(Large Language Model)은 초보자도 자연어만으로 머신러닝 기반 분석, 텍스트 처리, 예측 모델링을 수행할 수 있다.
데이터 분석 전문 기업인 크레비스파트너스 이진우 대표는 최근 프로젝트 사례를 소개했다. “식품 유통업계 현장관리자가 하루 교육 받고 직접 LLM을 활용해 재고 수요를 추정하더군요. 어쩌면 개발자보다 더 빠르게 최적 대응이 가능했습니다.”
이는 고도로 훈련된 AI 전문가가 모든 프로젝트를 주도해야 한다는 고정관념을 깨는 사례다.
◆하버드 비즈니스 리뷰: “Data-First가 아닌 Problem-First 전략으로”
하버드 비즈니스 리뷰(HBR)는 2024년 AI 전략 기획 보고서에서 다음과 같이 언급했다.
“AI 프로젝트는 기술력이 아니라 문제정의 역량에 의해 성공한다. 단순히 데이터를 쌓고 알고리즘을 돌리는 방식에서 벗어나, 현장에 가장 가까운 사람이 문제를 정의하고 AI를 실험할 수 있는 환경을 제공해야 한다.”
이는 제조업뿐 아니라 유통, 물류, 헬스케어 전 분야에서 유효한 전략으로 보고되고 있다.
◆기업이 바꿔야 할 AI 전략의 새로운 순서
이제는 다음과 같은 순서가 요구된다:
1. 현장 문제 정의: 현장에서 어떤 문제가 반복되고, 개선 가치가 있는지를 먼저 식별한다
2. 현장 전문가에게 AI 교육: 최소한의 AI 활용법과 LLM 인터페이스 정도를 가르친다.
3. 신속한 실험과 검증: 복잡한 모델보다 쉬운 도구를 사용해 직접 초기 실험을 진행한다
4. 필요한 경우 AI 전문가 보완 채용: 현장에서 도달할 수 없는 기술 고도화 단계에 이르렀을 때 전문가 그룹의 도움을 받는다
이 과정에서 AI는 ‘도구’일 뿐이며, 주도권은 ‘문제에 가장 가까운 사람’에게 맡겨야 한다.
결론: ‘칼을 직접 든 시저’처럼, 현장이 AI를 다뤄야 한다
혁신은 책상이 아니라 현장에서 시작된다. 문제를 매일 겪는 사람만이 그 문제의 본질을 꿰뚫고 정의할 수 있기 때문이다. AI 기술은 그런 사람들의 손에 쥐어질 때, 비로소 현실적인 변화가 시작된다.
지금은 현장 전문가가 LLM을 쉽게 학습하고 실험할 수 있는 시대다. 이제 기업은 ‘AI 전문가를 먼저 뽑아야 한다’는 도식에서 벗어나야 한다. 먼저 묻자. “당신 기업에 AI를 쓸 줄 아는 ‘현장 전문가’는 있는가?”
▶본 기고문은 생성형언어모델 기반 ㅇㅇㅇ플랫폼 구축 대형프로젝트 PM으로 수행중인 업계 후배와의 토론을 정리 편집한 것임을 알려드립니다