AX 담당자는 실제로 무슨 일을 할까 - 'AX팀이 하는 일'
결론부터. AX(AI Transformation) 담당자의 일은 "AI 도구를 도입하는 것"이 아닙니다. 회사의 일하는 방식 자체를 AI가 전제된 구조로 다시 짜는 것이고, 실무로 내려오면 ① 흩어진 데이터를 쓸 수 있게 정리하고 ② 그 위에 AI가 일하게 만들고 ③ 현업이 직접 AI를 쓰도록 확산시키고 ④ 사고 안 나게 거버넌스를 깔고 ⑤ 효과를 숫자로 증명하는, 이 다섯 가지의 반복입니다.
"AX란 무엇인가"를 설명하는 글은 이미 넘칩니다. 그런데 대부분 개념에서 끝나고, 정작 그 일을 하는 사람이 매일 뭘 하는지는 안 나오더군요. 이 글은 개념 사전이 아니라, AX 실무자 관점에서 "이 직무는 실제로 어떤 일이고, 팀은 어떻게 굴러가고, 어떤 역량이 필요한가"를 정리한 글입니다.
1. 먼저 30초 개념 정리 (DX와 뭐가 다른가)
- DX(디지털 전환) = 아날로그를 디지털로. 종이를 엑셀로, 수기를 시스템으로 - 자동화가 핵심.
- AX(AI 전환) = 그 디지털 데이터 위에서 AI가 분석·예측·판단·실행하게 만드는 것 - 자율화가 핵심.
비유하면 DX는 차에 좋은 내비를 단 것이고, AX는 자율주행차로 바꿔 운전 방식 자체를 바꾸는 겁니다. 둘은 대립이 아니라 연속선상이에요. 데이터·인프라(DX)가 받쳐주지 않으면 AI는 제대로 학습도 판단도 못 합니다. 그래서 AX 담당자의 일은 늘 "데이터"에서 시작합니다.
여기까진 개념입니다. 이제 진짜 일 이야기를 하죠.
2. AX 담당자가 실제로 하는 일 - 5가지 축
① 데이터를 'AI가 쓸 수 있는 상태'로 만든다 대부분의 회사는 데이터가 부서·시스템별로 흩어져 있고, 형식이 제각각이고, 최신본·책임 범위가 불명확합니다. AX의 첫 일은 화려한 AI가 아니라 이 데이터 자산을 모으고, 정의하고, 관계를 잡는 것입니다. (데이터 → 메타데이터/카탈로그 → 지식 구조 → AI 에이전트로 올라가는 파이프라인 설계가 여기에 해당합니다.) 지루해 보여도 이게 무너지면 위는 다 무너져요.
② 그 위에서 AI가 실제 업무를 하게 만든다 정리된 데이터 위에, 특정 업무를 처리하는 AI 기능을 붙입니다. 검색 에이전트, 주문·메일 처리 자동화, 보고서·기획 보조, 콘텐츠 생성 등 - "사람이 반복하던 일을 AI가 처리하고, 사람은 판단·해석에 집중" 하는 구조로 재설계합니다. 핵심은 도구를 얹는 게 아니라 업무 흐름을 다시 그리는 것입니다.
③ 현업이 직접 AI를 쓰게 확산시킨다 (enablement) AX팀이 모든 걸 다 만들 수는 없습니다. 진짜 전환은 각 부서가 스스로 AI를 쓸 때 일어나요. 그래서 비개발 직군 교육, 사내 템플릿·가이드 배포, 바이브코딩 enablement 프로그램 운영이 AX 담당자의 큰 업무 한 축입니다. "물고기를 잡아주는 팀"이 아니라 "낚시를 가르치고 안전한 낚시터를 까는 팀"이죠.
④ 사고 안 나게 거버넌스를 깐다 AI가 일하기 시작하면 새로운 리스크가 생깁니다. 민감정보 유출, 운영 데이터 오염, 정체불명 자동화의 방치. AX 담당자는 데이터 민감도 분류, 접근 권한 설계, 외부 전송 정책, 온프레미스/사내 처리 기준 등을 정해 "빠르게 쓰되 안전하게"의 균형을 잡습니다. 이게 없으면 보안팀이 전체를 막아버리고 확산이 죽습니다.
⑤ 효과를 숫자로 증명한다 "좋아졌다"로는 예산을 못 따고 확산도 못 합니다. 줄인 업무 시간, 처리량, 정착률, 적용 부서 수 같은 지표로 전환의 효과를 경영진 언어로 번역하는 것까지가 AX 담당자의 일입니다.
3. AX팀은 어떻게 구성되나
규모마다 다르지만, 역할로 보면 대략 이런 원형(아키타입)들이 섞입니다.
- 데이터 기반을 까는 사람 - 파이프라인·인프라·데이터 정리
- AI를 업무에 붙이는 사람 - 에이전트·자동화 기능 설계/구축
- 현업으로 확산시키는 사람 - 교육·enablement·내부 컨설팅
- 거버넌스·보안을 잡는 사람 - 정책·권한·리스크 관리
- 성과·우선순위를 조율하는 사람 - 어느 업무부터 전환할지, 효과를 어떻게 측정할지
작은 회사에선 한두 명이 이걸 다 겸합니다. 그래서 AX 담당자는 "넓게 알고, 필요할 때 깊게 파는" 멀티형 인재가 많아요.
4. 어떤 역량이 필요한가
기술만으로는 안 됩니다. AX는 본질이 "기술 × 업무 × 사람"의 교차점이라서요.
- 데이터·AI 기본기: 데이터 구조, 파이프라인, LLM/에이전트가 어떻게 동작하는지에 대한 이해 (직접 다 코딩 못 해도 구조는 알아야 함)
- 업무 해석력: 현업의 일을 뜯어보고 "어디를 AI로 바꾸면 효과가 큰지" 찾아내는 눈 - 이게 사실 제일 희소합니다
- 확산·커뮤니케이션: 비개발자에게 이해되게 설명하고, 저항을 줄이고, 경영진을 설득하는 능력
- 리스크 감각: 빠르게 가되 어디서 멈춰야 하는지 아는 균형 감각
핵심은 "AI를 쓸 줄 아는 사람"이 아니라 "AI가 만든 결과를 판단하고, 운영하고, 품질을 검증할 수 있는 사람" 이라는 점입니다. 도구 사용은 누구나 금방 배우지만, 판단과 운영은 다른 일이에요.
5. 솔직한 현실 - 왜 대부분은 효과를 못 볼까
분위기는 뜨겁습니다. NVIDIA의 2026년 산업별 AI 조사에서 전 세계 기업의 88%가 "AI가 매출 증가에 도움이 된다"고 답했고, 세계경제포럼은 2030년까지 비즈니스 전환의 상당 부분이 AI 주도로 일어날 거라 전망합니다.
그런데 맥킨지 조사에 따르면 실제로 업무 프로세스를 AI 중심으로 재설계해 의미 있는 성과를 낸 기업은 약 6%에 불과합니다. 도입과 전환은 전혀 다른 일이라는 뜻이죠.
이 6%와 나머지를 가르는 게 바로 AX 담당자의 진짜 역할입니다. AI를 산 게 아니라, 일하는 방식을 바꿔낸 곳만 효과를 봅니다. 그래서 이 직무의 핵심 난이도는 기술이 아니라 조직을 실제로 움직이는 것에 있습니다.
6. 커리어 관점에서
AX는 특정 전공의 전유물이 아닙니다. 데이터·개발 출신도, 기획·마케팅·현업 출신도 진입합니다. 오히려 "한 업무 도메인을 깊이 알면서 + AI/데이터를 이해하는" 사람이 강합니다. 도메인을 모르면 어디를 바꿔야 할지 못 찾고, AI를 모르면 무엇이 가능한지 못 보니까요.
시작하는 가장 현실적인 경로는, 거창한 전사 전환이 아니라 본인 업무에서 AI로 바꿀 작은 한 조각을 직접 만들어 효과를 증명하는 것입니다. 그 작은 성공이 신뢰를 만들고, 신뢰가 더 큰 전환의 권한을 줍니다.
한 줄 정리
AX 담당자는 "AI 도구 담당자"가 아니라 "회사가 일하는 방식을 AI 위에서 다시 설계하는 사람" 입니다. 데이터를 깔고 → AI를 업무에 붙이고 → 현업으로 확산시키고 → 안전하게 거버넌스를 잡고 → 효과를 증명하는 일의 반복. 도구는 쉬워졌지만 조직을 실제로 바꾸는 일은 여전히 어렵고, 그래서 이 직무의 가치가 큽니다.
이어서 보면 좋은 글:
- 비개발자 수십 명에게 바이브코딩을 시킨 회사의 Starter Kit 전부 공개 (현업 확산 실전편)
- Claude Code 세션 5개 동시에 굴리는 법 - 멀티 세션 실전 (구축 실무편)
'AI' 카테고리의 다른 글
| Claude Code 세션 여러개 동시에 굴리는 법 (5개 병렬 멀티 세션) (1) | 2026.06.30 |
|---|
댓글