AI 전환, 모델보다 조직 문화가 먼저라는 삼성SDS의 경고

• 기업 AI 전환의 병목은 모델 성능이 아니라 조직의 겁과 불신이라는 얘기임

  • 삼성SDS 리포트는 AI 전환을 단순한 소프트웨어 도입이 아니라 업무 방식, 의사결정, 역할 정의를 바꾸는 문화 전환으로 봄
  • 직원 입장에선 “내 일을 도와주는 도구”인지 “나를 대체할 후보”인지가 가장 큰 차이로 느껴짐

• 리더십이 먼저 해야 할 일은 AI 대체 공포를 줄이는 심리적 안전망 만들기임

  • 맥킨지 사례처럼 어떤 직원은 AI에 기대를 느끼지만, 어떤 직원은 “내 대체자를 내가 학습시키는 거 아냐?”라는 반감을 가질 수 있음
  • 리포트는 초안 작성, 요약, 분석처럼 바로 체감되는 업무부터 AI를 쓰게 해야 신뢰가 생긴다고 봄
  • 흥미로운 지점은 경영진이 직원들이 준비 안 됐다고 생각하는 동안, 실제 직원들은 이미 리더 예상보다 3배 더 폭넓게 AI를 쓰고 있다는 인식 격차임

• “자유롭게 써봐”만으로는 안 되고, AI 슬롭을 걸러내는 거버넌스가 같이 가야 함

  • AI 슬롭은 그럴듯해 보이지만 정확도나 효율을 실제로 개선하지 못하는 저품질 AI 적용 사례를 뜻함
  • 맥더못과 디럭스 같은 기업은 법무, 보안, 인사 책임자가 들어간 중앙 AI 거버넌스 위원회로 프로젝트를 관리함
  • 환각이나 개인식별정보 노출 리스크가 보이면 프로젝트를 멈추고, 비즈니스 효과가 크고 확장 가능한 사례만 전사로 퍼뜨리는 식임

• ROI 논쟁도 단순하지 않음. 단기 비용 절감만 보면 AI 투자의 큰 그림을 놓칠 수 있음

  • 지노브 조사에 따르면 기업의 92%가 AI를 시험 중이지만, ROI를 명확히 설명할 수 있는 곳은 70% 수준임
  • 절반 이상은 체계적인 거버넌스도 부족한 상태라, “AI를 많이 쓰고 있다”와 “성과를 관리한다” 사이에 간극이 큼
  • 디럭스는 소프트웨어 개발 효율화와 노후 시스템 폐기로 약 1,000만 달러 이익 개선 효과를 냈다고 제시함

• 반대로 페로비알은 비용 절감보다 성장 기반에 더 무게를 둔 케이스임

  • 전 직원이 코파일럿이나 대규모 언어 모델(LLM)을 쓸 수 있게 인프라를 열어둠
  • 과거 사람이 몇 시간씩 짜던 차선 통제 계획을 AI 에이전트가 몇 분 만에 만드는 사례도 나옴
  • 즉 “이번 분기 비용을 얼마나 줄였나”와 “앞으로 어떤 업무를 새로 만들 수 있나”를 같이 봐야 한다는 주장임

• 교육도 전 직원 공통 강의 하나로 끝낼 일이 아님

  • 저연차에게는 AI 활용 역량과 인간 고유 역량을 같이 키우는 방향이 필요함
  • 중간 경력자에게는 기존 업무 전문성을 바탕으로 AI를 조율하는 오케스트레이션과 변화 관리 역량이 중요해짐
  • 현장에서 해커톤이나 내부 포럼을 통해 리서치 엔진, 제안서 작성 도구 같은 에이전트를 직접 만드는 문화가 전사 확산의 씨앗이 됨

• 결론은 꽤 명확함. AI를 산 기업이 이기는 게 아니라, AI를 일하는 방식 안에 녹인 기업이 이김

  • 최신 모델 도입 자체보다 중요한 건 자율성과 통제의 균형임
  • 직원이 AI를 코파일럿으로 받아들이게 만들고, 조직은 위험한 사용과 쓸모없는 자동화를 걸러내야 함
  • 결국 AX는 기술 프로젝트가 아니라 조직 운영 체계 재설계에 가까움

---

기술 맥락

• 여기서 핵심 선택은 “AI 도구를 전사에 열어둘 것인가, 아니면 중앙에서 강하게 막을 것인가”예요. 리포트는 둘 중 하나가 아니라 샌드박스와 거버넌스를 같이 두는 방식을 제안해요. 그래야 현장 실험은 살아 있고, 개인정보 노출이나 환각 같은 사고는 줄일 수 있거든요.

• AI 슬롭이 중요한 이유는 개발 조직에서도 바로 보이기 때문이에요. 자동 생성된 문서, 테스트, 코드가 그럴듯해도 실제 품질이 낮으면 리뷰 시간이 늘고 장애 위험이 커져요. 그래서 AI 도입 성과는 생성 속도만이 아니라 검증 비용까지 같이 봐야 해요.

• ROI를 볼 때도 단기 절감액만 재면 놓치는 게 있어요. 디럭스처럼 1,000만 달러 개선 효과를 숫자로 증명하는 방식도 있지만, 페로비알처럼 전 직원에게 도구 접근을 열어 미래 업무 방식을 바꾸는 접근도 있거든요. 둘 다 맞지만, 조직의 성숙도와 리스크 허용 범위가 달라요.

• 개발팀 관점에서는 AI 거버넌스를 보안팀의 승인 절차 정도로만 보면 답답해져요. 실제로는 어떤 데이터는 입력 금지인지, 생성 코드는 어떤 리뷰를 거쳐야 하는지, 에이전트가 실패했을 때 누가 책임지는지를 정하는 운영 계약에 가까워요.