기업의 인공지능전환(AX)이 빠르게 진행되고 있다. 새로운 모델이 등장할 때마다 더 뛰어난 인공지능(AI)을 도입하려는 경쟁도 치열하다. 하지만 현장에서 마주하는 문제는 대부분 모델 자체보다 그 이후에 있다. AI 도입 후에도 기대한 변화가 나타나지 않거나, 시범 운영에 그친 채 조직 전반으로 확산하지 못하는 사례가 적지 않다.
AX는 단순히 AI 기술을 도입하는 프로젝트가 아니다. AI가 조직의 일을 배우고, 구성원과 협업하며, 피드백을 통해 발전하는 업무 체계를 설계하는 프로젝트다. 사람도 첫 출근 날부터 조직의 방식대로 일하지 못한다. 무엇을 중요하게 판단하는지, 예외 상황에는 어떻게 대응하는지, 동료와 어떻게 협업하는지를 경험하며 배워간다. AI 역시 다르지 않다. 좋은 AI는 완성된 채 들어오는 것이 아니라 조직 안에서 길러진다.
AX 프로젝트의 성공을 위해 먼저 필요한 것은 조직의 암묵지를 AI가 학습할 수 있는 데이터로 전환하는 일이다. 같은 상담과 영업 업무라도 고객을 대하는 방식과, 예외 상황에 대응하는 원칙은 회사마다 다르다. 그러나 이러한 노하우는 대부분 숙련자의 경험 속에 흩어져 있다. 업무 흐름과 의사결정 기준을 구조화해 AI가 이해할 수 있는 데이터로 축적하는 것이 AX의 출발점이다.
그 위에 역할별 AI를 구성하되, 이들이 하나의 조직처럼 일하도록 만들어야 한다. 상담AI, 마케팅AI, 개발 AI가 각자의 업무를 잘하는 것만으로는 충분치 않다. 공동의 목표와 고객에 대한 이해, 업무의 우선순위와 판단 기준을 공유하지 못하면 각자 그럴듯한 답을 내놓을 뿐 한 팀으로 움직이지 못한다. 모든 AI가 준수해야 할 공통의 목표와 업무 맥락을 하나의 데이터 구조로 통합하고, 이를 개별 업무와 AI 간 협업의 기준으로 삼아야 한다.
마지막으로 사람과 AI가 하나의 워크스페이스에서 함께 일하는 환경이 마련돼야 한다. 사람이 AI의 결과를 채택했는지, 수정했는지, 활용하지 않았는지는 모두 중요한 학습 신호가 된다. 이러한 피드백이 반복적으로 축적될 때 AI는 조직의 기준을 더욱 정교하게 이해하고 새로운 상황에도 유연하게 대응할 수 있다. AI는 혼자 성장하지 않는다. 사람과 같은 맥락을 공유하며 함께 일한 시간이 곧 AI의 경쟁력이 된다.
의료 현장에서는 이러한 구조 설계가 더욱 중요하다. 병원의 서비스 품질은 진료 자체뿐 아니라 환자 상태 변화에 어떻게 대응하는지, 치료 과정의 연속성을 어떻게 유지하는지, 환자의 불안과 문의에 어떻게 응답하는지에 따라 크게 달라진다. 하지만 이러한 운영 기준은 대부분 의료진 개인의 경험 속에 축적돼 있을 뿐, AI가 학습할 수 있는 데이터 형태로 정리돼 있는 경우는 드물다.
메디팔은 지난 5년간 수천 명의 의료진과 함께 병원의 업무 기준과 운영 노하우를 데이터로 구조화하고, 이를 학습한 AI가 각 병원의 목표와 운영 방식에 맞춰 업무를 수행할 수 있도록 설계해왔다. 현재 메디팔 AI는 환자 관리 업무를 중심으로 의료진과 협업하며 병원의 업무 방식과 의사결정 과정을 지속적으로 학습하고 있다. 이를 바탕으로 의료진의 업무 공백을 보완하는 AI로 발전했으며, 현재 500개 이상의 병원에서 300만명 이상의 환자 관리 업무에 활용되고 있다.
앞으로 AX의 성과 격차는 누가 더 뛰어난 AI를 먼저 도입했는가로 결정되지 않을 것이다. 우리 조직의 지식을 AI가 얼마나 빠르게 학습하는 지, 사람과 AI가 하나의 목표 아래 함께 성장할 수 있는 환경을 갖출 수 있는 지가 곧 경쟁력을 좌우할 것이다. 도입은 출발점일 뿐이다. AI를 제대로 일하게 만드는 것은 교육이며, 이를 가능하게 할 구조와 환경 설계는 도입 이전부터 준비돼야 한다. AX의 성패는 도입의 속도가 아니라 교육의 속도에 달려 있다.
강종일 메디팔 대표 contact@medipal.co.kr
