--- title: "삼성전자 DX부문, 챗GPT·제미나이·클로드를 사내 업무에 한꺼번에 푼다" published: 2026-06-11T08:23:02.075Z canonical: https://jeff.news/article/4002 --- # 삼성전자 DX부문, 챗GPT·제미나이·클로드를 사내 업무에 한꺼번에 푼다 삼성전자 DX부문이 12일부터 임직원 대상 외부 생성형 AI 서비스를 공식 도입한다. 챗GPT, 제미나이 엔터프라이즈, 클로드를 모두 열어두고 업무 특성에 맞게 고르게 하는 방식이며, 앞서 임직원 2500여명이 실효성을 검증했다. - 삼성전자 DX부문이 외부 생성형 AI를 사내 업무에 공식 도입함 - 12일부터 DX부문 임직원은 챗GPT, 제미나이 엔터프라이즈, 클로드를 모두 활용할 수 있음 - 하나의 AI 서비스에 몰빵하지 않고, 업무 특성에 맞게 고르는 방식임 - 도입 전 실험 규모도 작지 않았음 - 삼성전자는 임직원 2500여명을 대상으로 외부 생성형 AI 후보군의 실효성을 검증함 - 그 결과 글로벌 빅테크의 대표 생성형 AI 서비스 3종을 선정한 것임 - 대충 유행이라 들여온 게 아니라, 실제 업무에서 써보고 고른 그림에 가까움 - 삼성전자가 노리는 건 단순한 문서 작성 보조가 아님 - 문서 작성, 정보 검색, 기획, 분석 같은 일상 업무에서 AI 활용도를 높이려는 목적임 - 더 크게는 의사결정 속도와 조직 실행력을 올려 DX부문 경쟁력을 강화하겠다는 방향임 - 노태문 사장도 “업무 도구 제공”이 아니라 “일하는 방식과 실행 속도를 바꾸는 출발점”이라고 표현함 > [!IMPORTANT] > 포인트는 특정 AI 하나를 표준으로 강제하지 않는다는 점임. 챗GPT, 제미나이, 클로드를 같이 열어두면 부서와 업무별로 자연스럽게 “어떤 모델이 어떤 일에 좋은지”가 드러남. - 이건 삼성전자가 최근 강조하는 AX 흐름과 연결됨 - 제품 개발, 생산, 마케팅, 영업, 지원 업무 등 밸류체인 전반에서 AI 활용을 늘리는 중임 - 사장단과 임직원 대상 AI 교육도 확대하는 흐름이라고 기사에서 언급됨 - 생성형 AI를 일부 파일럿이 아니라 조직 전체 업무 인프라로 넣으려는 단계로 보임 - 개발자 입장에서 흥미로운 지점은 운영 정책임 - 외부 AI를 사내에서 쓰려면 데이터 반출, 계정 권한, 로그 관리, 보안 등 실제 운영 문제가 따라옴 - 여러 모델을 동시에 도입하면 비용 관리와 사용 가이드도 더 복잡해짐 - 반대로 잘 굴러가면 “어떤 업무에는 어떤 모델이 낫다”는 내부 경험치가 빠르게 쌓일 수 있음 --- ## 기술 맥락 - 여러 생성형 AI를 동시에 도입하는 건 단순히 선택지를 많이 주는 일이 아니에요. 모델마다 강한 작업이 다르고, 같은 프롬프트라도 답변 품질과 비용, 지연시간, 문서 처리 방식이 달라서 업무별로 자연스럽게 분화가 생기거든요. - 기업 입장에서는 모델 성능보다 거버넌스가 더 빡세요. 사내 문서나 코드가 외부 AI로 들어갈 수 있기 때문에, 어떤 데이터는 입력해도 되는지, 로그는 어디에 남는지, 관리자가 사용량을 어떻게 보는지가 같이 설계돼야 해요. - 2500여명 검증을 거쳤다는 대목은 꽤 중요해요. 생성형 AI는 데모에서는 좋아 보여도 실제 업무에서는 반복 작업, 보안 제약, 부서별 문서 포맷 때문에 체감이 확 갈리기 때문에 파일럿 규모가 클수록 운영 리스크를 미리 볼 수 있어요. - 앞으로 관건은 도입 자체보다 업무 프로세스에 얼마나 깊게 붙느냐예요. 문서 작성 창 옆에 챗봇이 있는 수준을 넘어서 기획, 분석, 개발, 고객지원 흐름 안에 자연스럽게 들어가야 조직 실행력이 실제로 올라가요. ## 핵심 포인트 - 삼성전자 DX부문이 외부 생성형 AI 3종을 사내 업무에 도입 - 대상 서비스는 챗GPT, 제미나이 엔터프라이즈, 클로드 - 임직원 2500여명 검증을 거쳐 대표 서비스 3종을 선정 - 문서 작성, 정보 검색, 기획, 분석 등 업무별로 적합한 AI를 선택하는 구조 - 제품 개발부터 마케팅, 영업, 지원 업무까지 AX 흐름과 연결됨 ## 인사이트 대기업 사내 AI 도입이 ‘우리 전용 챗봇 하나’에서 ‘여러 모델을 업무별로 골라 쓰는 환경’으로 넘어가는 흐름이 보인다. 개발 조직 입장에서는 모델 성능 비교보다 권한, 보안, 데이터 반출, 비용 관리 같은 운영 체계가 더 큰 숙제가 될 가능성이 높다.