AX란 무엇인가 — 디지털 전환과 무엇이 다른가

🎯 학습 목표

• AX(AI 전환)를 한 문장으로 정의하고, DX(디지털 전환)와 무엇이 같고 다른지 회의에서 설명할 수 있다.
• AI가 기업에 가치를 만드는 세 경로(효율·매출·새 사업)를 구분하고, 우리 회사 과제를 어느 경로에 둘지 판단할 수 있다.
• 공식 통계로 국내외 도입 현황을 읽고, 수치를 인용할 때 기준 시점과 조사 대상을 함께 적을 수 있다.
• 실패하는 AX의 공통 패턴을 알고, 착수 전에 스스로 점검할 수 있다.

🧭 AX란 무엇인가 — DX와 나란히 놓고 보기

AX(AI Transformation)는 AI를 업무와 의사결정, 제품·서비스에 넣어 일하는 방식과 사업 구조를 바꾸는 일이다. 도구 하나를 사서 나눠 주는 것은 AX의 출발점일 뿐이고, 업무 흐름·역할·성과 지표·규정까지 바뀌어야 전환이라고 부를 수 있다.

DX(디지털 전환)는 종이·대면·수작업을 디지털 시스템과 데이터로 옮기는 일이었다. AX는 그 위에서 움직인다. 데이터가 디지털로 쌓여 있어야 AI가 읽고 판단할 수 있기 때문이다. 그래서 DX를 건너뛴 AX는 거의 없다. 다만 둘의 성격은 꽤 다르다.

구분	DX(디지털 전환)	AX(AI 전환)
핵심 질문	이 업무를 시스템으로 옮길 수 있는가	이 판단·작성·분석을 AI가 돕거나 대신할 수 있는가
결과물 성격	규칙대로 같은 결과(결정적)	같은 입력에도 결과가 달라질 수 있음(확률적)
품질 관리	요건대로 동작하는지 테스트	정확도·오류율을 계속 측정하고 사람이 검토
대상 업무	정형 업무(결재·주문·회계)	비정형 업무(문서·상담·분석·기획)까지 확대
변화 속도	시스템 도입 후 비교적 안정	모델·서비스가 수개월 단위로 바뀌어 재평가 필요
새 위험	시스템 장애, 보안	사실과 다른 답(환각), 편향, 저작권·개인정보, AI 관련 법적 의무

표에서 가장 중요한 줄은 “결과물 성격”이다. ERP는 같은 전표를 넣으면 같은 결과가 나온다. 생성형 AI는 같은 질문에도 표현과 내용이 달라질 수 있고, 그럴듯한 오답을 낼 수 있다. 이 차이 때문에 AX에서는 “사람이 어디서 확인하는가”, “틀렸을 때 누가 책임지는가”를 처음부터 설계해야 한다.

법적 환경도 달라졌다. 국내에서는 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」이 2026년 1월 22일부터 시행되고 있고(이후 일부개정, 현행 법률 제21311호·시행 2026.7.21.), 제31조는 생성형 AI를 이용한 제품·서비스를 제공할 때 사전 고지와 결과물 표시를 요구한다. AX는 이제 기술 과제이면서 동시에 준법 과제다. 자세한 의무는 10·11강에서 다룬다.

💡 AI가 가치를 만드는 세 경로

AX 과제는 결국 셋 중 하나로 돈이 된다. 경로를 먼저 정해야 측정 지표와 예산 논리가 정해진다.

경로	무엇이 바뀌나	예시	주요 지표
① 효율(비용·시간)	같은 일을 더 빨리, 더 적은 인력으로	보고서 초안, 회의록 정리, 문서 분류, 상담 답변 초안	처리 시간, 건당 비용, 처리량
② 매출(성장)	고객 경험·전환율·객단가 개선	상품 추천, 개인화 안내, 응대 속도 개선으로 이탈 감소	전환율, 재구매율, 해지율
③ 새 사업	AI가 없으면 불가능한 상품·서비스	AI 기반 진단 서비스, 데이터 분석 상품, AI 기능 탑재 제품	신규 매출, 고객 수, 시장 진입 속도

대부분의 회사는 ①에서 시작한다. 측정이 쉽고 위험이 낮기 때문이다. 그러나 ①만으로는 “시간을 아꼈는데 그 시간이 어디로 갔는가”라는 질문에 답하기 어렵다. 절감한 시간이 더 가치 있는 일로 옮겨 가도록 업무 배분을 함께 바꿔야 실제 성과가 된다(5강 ROI에서 계산한다).

📊 국내외 도입 현황 — 공식 통계로 읽기

도입률 수치는 조사마다 대상·정의가 달라 단순 비교하면 틀린다. 공식 통계를 인용할 때는 기관·조사명·기준 시점·조사 대상을 반드시 함께 적는다.

출처(기준 시점)	대상	내용
유럽연합 통계청 Eurostat, 2025년 조사(2025.12 추출)	EU 종사자 10인 이상 기업	AI 기술 사용 기업 19.95%(전년보다 6.47%p 증가). 대기업 55.03%, 중기업 30.36%, 소기업 약 17%
같은 조사	AI 사용을 검토했으나 쓰지 않은 기업	쓰지 않은 이유: 전문성 부족 70.89%, 법적 결과 불명확 52.52%, 개인정보·데이터 보호 우려 48.83%
과학기술정보통신부·한국지능정보사회진흥원, 2023년도 정보화통계조사(2023.12.28 발표, 2022년 기준)	국내 종사자 10인 이상 기업체	AI 기술·서비스 이용 28%. 이용 분야(중복) 이미지 인식·처리 69.4%, 의사결정 지원 50.3%
과학기술정보통신부, 2025 인터넷이용실태조사(2026.3.31 발표)	국민(개인)	생성형 AI 경험 44.5%(전년 대비 11.2%p 증가)

이 표에서 읽어 낼 메시지는 세 가지다. 첫째, 규모 격차가 크다. EU에서 대기업의 AI 사용률은 소기업의 세 배가 넘는다. 둘째, 기업이 AI를 못 쓰는 이유 1순위는 돈이 아니라 전문성이고, 2·3순위가 법과 개인정보다. AX 담당자가 기술만큼 사람·규정을 챙겨야 하는 이유다. 셋째, 개인의 생성형 AI 경험(44.5%)은 이미 높다. 회사가 공식 도구를 주지 않으면 직원이 개인 계정으로 회사 자료를 넣는 일이 생길 수 있다는 뜻이다.

국내 기업 통계는 위 2023년 발표(2022년 기준) 이후의 기업 대상 AI 이용률을 이번 집필 시점에 공식 자료로 확인하지 못해 싣지 않았다. 최신 수치는 과학기술정보통신부·한국지능정보사회진흥원의 정보화통계조사 발표를 직접 확인해 쓰기 바란다. 또 2022년도 조사 2.7%에서 1년 만에 28%로 오른 급변은 조사 문항·응답 해석의 영향도 있을 수 있으므로, 추세를 말할 때는 같은 조사의 같은 문항끼리만 비교한다.

🧰 바로 쓰는 도구 — AX 착수 전 자가 진단표

아래 10문항에 “예/아니오”로 답한다. “아니오”가 4개 이상이면 도구 구매보다 기반 정비가 먼저다.

번호	질문	아니오일 때 할 일
1	AX로 풀 사업 문제를 한 문장(대상 업무·지표·목표치)으로 말할 수 있는가	4강 과제 정의서부터 작성
2	가치 경로(효율·매출·새 사업)가 정해져 있는가	경로별 지표를 하나씩 정함
3	현재 업무의 기준 수치(처리 시간·오류율 등)를 측정해 두었는가	도입 전 2~4주 측정
4	필요한 데이터가 어디 있는지, 누가 관리하는지 아는가	데이터 목록 작성(7강)
5	사내 AI 사용 지침(입력 금지 정보 포함)이 있는가	최소 지침 1쪽부터 공지(16강)
6	임원 후원자와 현업 책임자가 지정되어 있는가	후원자·책임자 지정 후 착수
7	AI 결과를 사람이 확인하는 지점이 정해져 있는가	검토 단계를 업무 흐름에 표시
8	개인정보·영업비밀이 AI 서비스로 나가는 경로를 점검했는가	보안·개인정보 담당과 검토
9	파일럿 성공·중단 기준을 수치로 정했는가	9강 기준표 작성
10	교육·변화 관리 예산이 도구 예산과 별도로 있는가	예산의 일부를 교육·정착에 배정

⚠️ 흔한 실수와 오해

• “도구를 나눠 주면 AX다.” 라이선스 배포는 시작일 뿐이다. 업무 흐름과 지표가 그대로면 사용률만 잠깐 오르고 성과로 이어지지 않는다.
• “기술 부서가 알아서 할 일이다.” Eurostat 조사에서 보듯 걸림돌은 전문성·법·개인정보다. 현업·법무·보안·인사가 처음부터 함께해야 한다.
• “데모가 잘 되면 성공이다.” 시연용 질문 몇 개에서 잘 되는 것과 실제 업무 수천 건에서 안정적으로 쓰이는 것은 다르다. 성공 기준을 미리 수치로 정한다.
• “남들이 하니까 우리도 같은 것을.” 다른 회사 사례는 참고일 뿐이다. 우리 회사의 병목 업무와 데이터에서 출발해야 한다.
• “통계는 숫자만 따오면 된다.” 조사 대상(기업 규모·개인/기업)과 기준 시점을 빼면 수치가 과장되거나 왜곡된다.

✏️ 확인 문제

1. DX와 비교했을 때 AX에서 “사람의 확인 지점”을 처음부터 설계해야 하는 가장 직접적인 이유는? ① 비용이 비싸서 ② 결과가 확률적이라 그럴듯한 오답이 나올 수 있어서 ③ 클라우드를 써야 해서 정답 ② — 생성형 AI는 같은 입력에도 결과가 달라지고 사실과 다른 내용을 낼 수 있어 검토 단계가 필수다.
2. 콜센터에 AI 답변 초안 기능을 넣어 상담 1건당 처리 시간을 줄이려 한다. 이 과제의 가치 경로는? 정답 ① 효율 — 같은 일을 더 빨리 처리하는 과제이며, 지표는 건당 처리 시간·처리량이다. 응대 품질 개선으로 해지율이 줄면 매출 경로 효과가 부수적으로 생길 수 있다.
3. Eurostat 2025년 조사에서 AI 사용을 검토했지만 쓰지 않은 EU 기업이 꼽은 1순위 이유는? 정답 관련 전문성 부족(70.89%) — 법적 결과 불명확(52.52%), 개인정보·데이터 보호 우려(48.83%)가 뒤를 잇는다.
4. EU 대기업의 AI 사용률(55.03%)은 소기업(약 17%)의 약 몇 배인가? 소수 첫째 자리까지. 정답 약 3.2배 — 55.03 ÷ 17 ≈ 3.24. 규모 격차가 크다는 근거로 쓸 수 있다.
5. “우리나라 기업 28%가 AI를 쓴다”는 문장에 꼭 덧붙여야 할 정보는? 정답 출처·기준 시점·대상 — 과학기술정보통신부·한국지능정보사회진흥원 2023년도 정보화통계조사, 2022년 기준, 종사자 10인 이상 기업체라는 점을 함께 밝혀야 오해가 없다.

📝 핵심 요약과 다음 강 예고

• AX는 AI로 일하는 방식·의사결정·사업 구조를 바꾸는 일이며, DX가 쌓은 디지털 데이터 위에서 움직인다.
• 가장 큰 차이는 결과의 확률성이다. 그래서 측정·사람 검토·책임 구조를 처음부터 설계한다.
• 가치 경로(효율·매출·새 사업)를 먼저 정해야 지표와 예산 논리가 선다.
• 공식 통계는 규모 격차와 함께, 걸림돌이 전문성·법·개인정보라는 점을 보여 준다.

다음 2강에서는 AI가 실제로 할 수 있는 일을 인식·예측·자동화·소통·생성의 다섯 기능으로 나누고, 우리 업무를 쪼개 적용 지점을 찾는 방법을 익힌다.

📚 참고 자료

• Eurostat, Use of artificial intelligence in enterprises (2025년 조사, 2025.12 추출)
• 과학기술정보통신부·한국지능정보사회진흥원, 2023년도 정보화통계조사 결과 (KDI 경제정보센터 수록, 2023.12.28)
• 과학기술정보통신부, 2025 인터넷이용실태조사 결과 (KDI 경제정보센터 수록, 2026.3.31 발표)
• 국가법령정보센터, 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법(현행)