우리 회사는 AI를 도입할 준비가 됐나요?
AIDP가 전통 기업 현장에서 가장 많이 받는 질문입니다. 이 질문에 대해 지금까지 업계에서 수많은 답이 나왔습니다. 컨설팅사는 각자 다른 단계론을 말하고, 벤더는 자사 제품을 기준으로 준비도를 말합니다. 어떤 곳은 5단계를, 어떤 곳은 4단계를 말합니다.
문제는 이 질문에 대한 ‘좋은 답’이 없다는 것입니다.
유용한 프레임은 단순히 점수 내는 것을 넘어, 다음에 무엇을 해야 하는지 자동으로 알려줘야 합니다. 하지만 시장에 있는 대부분의 진단은 이 역할을 하지 못합니다. 가장 큰 이유는 진단이 ‘자기 응답’으로 이루어진다는 점입니다.
‘귀사의 데이터는 잘 관리되고 있습니까?’라는 질문에 ‘그렇다’고 대답하는 조직과, 실제로 ERP의 재고 숫자와 창고의 실물이 일치하는 조직은 다릅니다. 현장을 반영하지 못하는 프레임을 토대로 진행한 프로젝트의 결과는 고객사에게 돌아옵니다. 화려하게 시작해서 조용히 사라지는 PoC들, 몇 달 뒤에 따라오는 재작업 청구서가 그 모습입니다.
그래서 AIDP가 실제 고객사 현장에서 판정에 사용해 온 기준인 「위시켓 AX 성숙도 모델」을 공개하고자 합니다. 그리고 앞으로 발행하는 모든 고객 사례에 이 모델을 적용할 예정입니다.
각 레벨의 정의는 여기 있고, 그것이 실제로 어떤 상황인지는 사례에서 볼 수 있습니다. 사례에서 ‘진단 시점에 재무 영역은 Lv1이었다’거나, ‘프로젝트 종료 시점, 주문 접수 영역은 Lv2에서 Lv3로 판정이 바뀌었다’는 문장을 만나면, 이 페이지의 정의가 그 판정의 기준입니다.
둘을 함께 읽으면 레벨이 추상적인 문장이 아니라 실제로 어떤 상황인지, 그리고 다음에 무엇을 해야 하는지가 보일 것입니다. 그래서 이 모델은 ‘평가를 위한 모델’이 아니라 ‘작동을 위한 모델’입니다.
이 모델은 무엇을 재는가
그렇다면 ‘작동을 위한 모델’이란 구체적으로 무엇을, 어떻게 재는 것일까요? 위시켓 AX 성숙도 모델은 이렇게 작동합니다.
| 시중의 성숙도 진단 | 위시켓 AX 성숙도 모델 | |
|---|---|---|
| 무엇을 재나 | 진단마다 다르다. 이름도 기준도 제각각 | 업무의 상태 |
| 무엇으로 재나 | 설문지 자기 응답 | 시스템에서 확인되는 증거 |
| 어느 단위로 재나 | 회사 — “귀사는 2단계입니다” | 업무 영역 |
1) 보유 기술이 아니라 업무 상태를 기준으로 평가합니다.
성숙도는 보유한 기술의 수준이 아니라, 조직이 자기 업무를 아는 수준으로 결정됩니다. 최신 생성형 AI를 전 직원이 구독해도 성숙도는 오르지 않습니다. 반대로 AI를 한 줄도 쓰지 않는 회사가 높은 레벨의 바로 앞까지 와 있을 수 있습니다.
따라서 판정에 반영되는 것은 도구의 보유가 아니라 '조직의 업무가 기록되고, 정합하고, 관찰 가능한 상태인가'입니다. AI는 이 상태 위에서만 작동하기 때문입니다.
2) 자기 응답이 아니라 증거를 기준으로 판단합니다.
앞서 언급한 것처럼, 자기 응답으로 내린 성숙도 레벨 판단은 현장을 정확히 반영하지 못합니다. 따라서 화면·로그·문서로 확인된 것들과 실제 현장에서 본 업무 프로세스를 증거로 인정합니다. 예를 들면 ERP를 갖고 있다는 사실이 아니라, 그 안의 재고와 실물이 일치하는지, 그 오차를 측정하고 있는지가 증거입니다.
3) 회사가 아니라 업무 영역을 단위로 판단합니다.
한 회사 안에서도 성숙도 레벨은 업무 영역 별로 다를 수 있습니다. 영업관리는 CRM(고객 관리 시스템) 위에서 깔끔하게 돌지만 구매·발주는 여전히 담당자의 감으로 도는 회사. 아마 여러분의 회사이거나, 여러분이 아는 대부분의 회사일 것입니다.
한 회사 안에 Lv3인 영역과 Lv0인 영역이 공존하는 것은 정상입니다. 그래서 진단은 회사 단위가 아닌 수주-영업관리 · 구매-발주 · 재고-물류 · 생산-공정 등 업무 영역 별로 이루어집니다.
위시켓 AX 성숙도 모델의 다섯 단계
이제 각 레벨을 자세히 알아 보겠습니다. 각 레벨마다 상태의 정의, 현장에서 실제로 보이는 장면, 조직이 그 레벨에 머무는 이유, 그리고 그 레벨에서 가장 흔한 실패를 담았습니다. 정의는 외우는 것이 아니라 장면을 알아보는 것이기 때문에, 현장의 장면이 이 모델의 실질입니다.
| 레벨 | 명칭 | 한 줄 정의 |
|---|---|---|
| Lv0 | 암묵 운영 | 업무가 사람의 머릿속과 관행에만 존재한다 |
| Lv1 | 데이터 정합 | 기록이 존재하고, 같은 것이 어디서나 같은 값을 갖는다 |
| Lv2 | 프로세스 정형 | 일이 흐르는 경로와 예외 규칙이 시스템에서 관찰된다 |
| Lv3 | 지능 보조 운영 | AI가 업무 경로 안에서 특정 구간을 보조하고, 그 효과가 측정된다 |
| Lv4 | 자율 운영 | 정의된 범위에서 AI가 판단-실행-기록을 완결하고, 사람은 예외와 정책을 관리한다 |
Lv0. 암묵 운영
어떤 상태인가
핵심 업무의 지식과 판단 기준, 데이터가 회사의 자산이 아니라 특정 개인의 머릿속, 개인 엑셀, 메신저 대화방에 있습니다. 시스템이 없는 것이 아닙니다. ERP도 있고 그룹웨어도 있는데, 실제 업무는 시스템 밖에서 돕니다. 시스템은 결과를 나중에 입력하는 곳이고, 판단과 조율은 전화와 메신저에서 일어납니다.
현장의 장면
'그건 김 대리만 알아요.' 이 문장이 Lv0의 공식 인사말입니다. 담당자가 휴가를 가면 업무가 멈추거나, 휴가지의 담당자에게 전화가 갑니다. 매출 현황을 물으면 영업팀과 회계팀이 다른 숫자를 내놓고, 어느 쪽이 맞는지 아무도 확신하지 못합니다. 거래처별 단가를 어떻게 정하느냐고 물으면 '케이스 바이 케이스죠' 라는 답이 돌아오는데, 그 케이스의 규칙은 20년차 부장의 머릿속에만 있습니다. 그 부장이 퇴사하는 날, 회사는 업무 하나를 통째로 잃습니다.
왜 여기에 머무는가
기록을 '일 늘리기'로 보는 조직 정서가 가장 큰 이유입니다. 현장은 바쁘고, 기록은 당장의 매출을 만들지 않으며, 기록하지 않아도 일은 어떻게든 돌아갑니다. 그 사람이 있는 동안은 그렇습니다. 핵심 인력에 대한 의존은 문제로 인식되기보다 '우리 회사의 베테랑'으로 미화되곤 합니다. 의존이 클수록 그 사람의 협상력이 커지므로, 암묵지를 문서로 남기는 데 협조할 이유도 약합니다.
흔한 실패
이 상태에서 AI 도입을 시도하는 것입니다. AI가 학습하고 판단할 원료(기록된 데이터, 명시된 규칙) 가 없으므로 어떤 AI도 작동하지 않습니다. 데모에서 그럴듯했던 것이 현장에서 조용히 버려집니다. AIDP는 Lv0 상태의 업무 영역에 AI를 파는 것을 공급자의 직무유기로 보고, 이 판단 때문에 실제로 계약을 거절하거나 범위를 바꿔 제안합니다.
다음 레벨로 가는 방법
출발점은 대단한 시스템 구축이 아니라 합의입니다. 이 업무에서 무엇을 기록할지 정하고, 기록이 개인 파일이 아니라 회사의 시스템에 남기 시작하고, 그 데이터에 책임자가 생기는 것. 기술적으로는 사소해 보이지만 조직 정서를 바꾸는 일이라, 실제로는 다섯 전환 중 가장 어려운 축에 속합니다.
Lv1. 데이터 정합
어떤 상태인가
기록은 존재합니다. 이 레벨의 목표는 기록의 양이 아니라 정합성입니다. 시스템 간에 같은 항목이 같은 값을 갖고, 품목·거래처·단가·BOM(제품 하나를 만드는 데 들어가는 자재 목록) 같은 기준정보가 전사 단일 기준을 가지며, 시스템의 숫자와 실물의 오차가 측정되고 관리되는 상태입니다.
현장의 장면
아직 이 레벨이 아닐 때, ERP의 재고와 창고의 실물이 다릅니다. 그리고 모두가 그 사실을 알면서 씁니다. 같은 거래처가 '(주)한국상사', '한국상사', '한국상사(본사)' 세 이름으로 등록되어 있어, 거래처별 매출을 뽑으면 셋으로 쪼개져 나옵니다. 월마감마다 두 시스템의 숫자를 엑셀로 내려받아 눈으로 맞추는 데 며칠을 씁니다. 가장 결정적인 장면은 이것입니다. 보고서의 숫자를 아무도 그대로 믿지 않습니다. 회의에서 숫자가 나오면 '그거 어디서 뽑은 숫자예요?'가 첫 질문이 됩니다. 숫자를 못 믿는 조직은 결국 감으로 결정하게 됩니다.
왜 여기에 머무는가
첫째는 시스템 난립입니다. ERP, WMS(창고 관리), MES(생산 실행), 그리고 이 모두를 잇는 엑셀. 시스템이 늘어날 때마다 같은 데이터의 사본이 늘고, 사본이 늘수록 정합은 무너집니다. 둘째는 수기 보정 관행입니다. 숫자가 안 맞으면 원인을 고치는 대신 마감 때 손으로 맞춰버리는 문화는, 오차를 없애는 것이 아니라 오차를 숨깁니다. 셋째는 데이터의 부서 사유화입니다. '그건 우리 팀 데이터'라는 태도가 전사 단일 기준의 합의를 막습니다.
흔한 실패
일회성 '데이터 정비 프로젝트'입니다. 몇 달간 기준정보를 정비하고, 보고서가 깨끗해지고, 프로젝트는 성공으로 종료됩니다. 그리고 6개월 뒤 원상복귀합니다. 상태만 청소하고, 정합을 유지하는 절차(신규 데이터가 기준을 따르도록 강제하는 입력 통제, 오차의 정기 측정) 를 만들지 않았기 때문입니다. 이 모델에서 Lv1은 청소가 끝난 상태가 아니라 정합이 유지되는 상태입니다. '지금 깨끗한가'가 아니라 '더러워지면 알 수 있는가, 그리고 다시 깨끗해지는 절차가 있는가'가 갈림길입니다.
이 레벨의 의미
국내 기업 AI가 시범 사업에서 전사 확산으로 못 가는 이유로 꼽히는 대표적 장벽이 데이터 품질·정합성입니다. 이 장벽은 별도의 숙제가 아니라 바로 이 레벨에서 해소됩니다. 부수 효과도 하나 있습니다. 숫자가 맞기 시작하면 경영진이 처음으로 자기 회사의 손익을 시스템의 숫자로 믿고 볼 수 있게 됩니다.
Lv2. 프로세스 정형
어떤 상태인가
일이 흘러가는 경로(누가 무엇을 입력하고, 누가 무엇을 보고, 누가 무엇을 결정하는가)가 명문화되어 있고, 예외 처리 규칙까지 명시되어 있으며, 그 흐름이 시스템 안에서 관찰 가능한 상태입니다. 핵심 단어는 '관찰 가능'입니다. 문서로만 존재하는 프로세스가 아니라, 처리 건수·소요 시간·예외 비율이 시스템에서 집계되는 프로세스입니다.
현장의 장면
프로세스 문서는 있습니다. ISO 인증 때 만든 두꺼운 바인더가 캐비닛에 꽂혀 있습니다. 그런데 실제 업무는 전화와 메신저로 돕니다. 문서의 프로세스와 현실의 프로세스가 다른, 일종의 이중장부입니다. 예외가 규칙보다 많아서 '원래는 이렇게 하는 게 맞는데요'로 시작하는 설명을 하루에 몇 번씩 듣습니다. 부서와 부서 사이의 인수인계에서는 일이 사라집니다. 영업이 넘겼다는 주문을 생산은 받은 적이 없고, 그 사실은 고객이 독촉 전화를 할 때 발견됩니다.
왜 여기에 머무는가
예외를 암묵적으로 처리하는 관행이 정형화의 최대 적입니다. 예외를 명문화하려면 예외를 인정해야 하는데, 많은 조직에서 예외는 공식적으로 존재하지 않는 것으로 되어 있습니다. 부서 간 인수인계는 어느 부서의 소유도 아니라서 아무도 고치지 않습니다. 그리고 이 경로를 바꿀 권한을 가진 사람이 없으면, 정형화는 시작조차 되지 않습니다.
흔한 실패
업무 절차 관리 도구(BPM)나 워크플로우 툴을 도입하고 정형화가 끝났다고 믿는 것입니다. 툴 위에서 도는 업무가 전체의 20%라면, 나머지 80%는 여전히 Lv0~1입니다. 판정은 툴의 보유가 아니라 실제 업무가 그 경로로 흐르는가로 이뤄집니다. 툴을 샀는데 업무가 여전히 메신저로 돈다면, 그 툴은 정형화의 증거가 아니라 정형화 실패의 기념비입니다.
이 레벨의 의미
전략적으로 가장 중요한 레벨입니다. AI에게 시킬 '업무의 단위'가 바로 여기서 만들어지기 때문입니다. 견적 요청이 들어오면 → 재고와 단가를 확인하고 → 견적서를 작성해 → 승인을 받아 발송한다'는 경로가 관찰 가능해야, 그중 어느 구간을 AI에게 맡길지 정의할 수 있습니다. 경로가 없는 곳에 AI를 넣는 것은 선로가 없는 곳에 기차를 놓는 것과 같습니다.
Lv3. 지능 보조 운영
어떤 상태인가
정형화된 업무 흐름 위에서 AI가 특정 구간(분류, 초안 작성, 검증, 예측)을 보조합니다. 판단의 최종 책임은 사람에게 있습니다. 핵심은 '도입'이 아니라 '편입'입니다.
AI의 산출물이 실제 업무 경로의 필수 구간에 들어와 있고, 그 효과(처리량, 정확도, 절감)가 운영 지표로 측정되는 상태입니다. 편입인지 아닌지를 가르는 시금석은 하나입니다. AI를 끄면 다음 주 업무가 실제로 느려지는가. 꺼도 아무 일이 일어나지 않는 AI는 경로 밖에 있는 것이고, 경로 밖의 도구는 이 모델의 판정에 반영되지 않습니다.
현장의 장면
아직 이 레벨이 아닐 때, 시범 사업과 챗봇은 있습니다. 그런데 업무 경로 밖에 있습니다. 쓰는 사람이 소수이고, 안 써도 업무에 아무 지장이 없습니다. 성과를 물으면 '직원들 반응이 좋아요'라는 후기는 있는데 숫자가 없습니다. 이것이 'PoC 무덤'의 정확한 좌표입니다. 죽은 것도 산 것도 아닌 채, 경로 밖에서 예산만 쓰는 상태인 셈입니다. 게다가 '우리도 AI 도입했다'는 보고는 이미 올라가 있어서, 아무도 이 상태를 문제라고 말하지 않습니다.
왜 여기에 머무는가
가장 흔한 병목은 뜻밖에도 기술이 아니라 명세의 부재입니다. 이 AI가 어떤 입력에서 믿을 만하고 어떤 입력에서 틀리는지를 아무도 정의하지 않은 것입니다. 명세가 없으면 현업은 AI가 낸 결과를 전부 다시 검토해야 하고, '쓰는 것이 더 느린' 역설이 생겨 자연히 폐기됩니다. 측정 체계의 부재도 큽니다. 효과를 잴 수 없으면 확산의 근거를 만들 수 없고, 확산이 안 되면 투자가 끊깁니다.
흔한 실패
'AI를 도입했으니 Lv3'라는 착각입니다. 전 직원의 챗봇 구독은 훌륭한 복지이지만 성숙도가 아닙니다. 특정 업무 영역의 경로 안에서 측정되는 구간이 없다면, 그 영역의 레벨과는 무관합니다.
이 레벨의 의미
여기서부터 AI가 손익계산서에 잡히기 시작합니다. 'AI 효과'가 감이 아니라 운영 지표로 존재하므로, 투자 대비 효과를 계산할 수 있고, 예산을 편성할 수 있고, 확대 여부를 숫자로 결정할 수 있습니다. 많은 기업이 AI 확산을 멈추는 이유인 비용의 예측 불가능성도 이 레벨의 측정 체계에서 해소됩니다. 측정되는 것만 예측할 수 있고, 예측할 수 있는 것만 예산이 되기 때문입니다.
Lv4. 자율 운영
어떤 상태인가
정의된 범위 안에서 AI가 판단-실행-기록을 사람 개입 없이 완결하고, 사람의 역할은 예외 처리와 정책 관리(권한, 한도, 정지 조건)로 이동한 상태입니다. 사람이 일에서 빠지는 것이 아닙니다. 사람의 일이 '건을 처리하는 것'에서 '규칙을 관리하는 것'으로 바뀌는 것입니다. 완수율과 개입률이 운영의 관리 지표가 됩니다.
현장의 장면
밤사이 들어온 발주 요청이 검증, 승인, 전표 처리까지 자동으로 완결되어 있고, 아침에 담당자는 예외 큐에 남은 3건만 봅니다. 그 3건은 AI가 '이건 내 권한 밖'이라고 스스로 분류해 넘긴 것입니다.
AI가 어디까지 처리할 수 있는지(금액 한도, 처리 범위, 자동으로 멈추는 조건)는 경영진의 결재로 승인되어 있습니다. 다시 말해, AI의 권한이 사람의 결재 체계 안에 존재합니다.
왜 여기가 어려운가
기술이 아니라 권한 위임의 통제 체계가 병목입니다. AI에게 얼마까지의 결재권을 주는가, 사고가 나면 책임은 누구에게 있는가. 엔지니어링 질문이 아니라 경영 결단입니다. 그래서 Lv4로의 전환은 IT 부서의 프로젝트가 아니라 경영진의 의사결정입니다.
흔한 실패
범위 정의 없이 '에이전트 도입'을 선언하는 것입니다. 이 모델은 여기에 선을 긋습니다. AI가 무엇을 할 수 없는가가 문서로 존재하지 않는 자율 운영 주장은, v1.0 기준으로 Lv4로 인정하지 않습니다. 할 수 있는 것의 목록은 마케팅이 만들 수 있지만, 할 수 없는 것의 목록은 운영을 해본 조직만 만들 수 있기 때문입니다.
AIDP가 이 모델로 판정할 때 지키는 원칙
AIDP의 정식 진단에는 레벨별 통과 증거 목록과 판정 절차가 있습니다. 그 세부는 이 문서에 싣지 않습니다. 기준은 공개하지만, 판정이라는 행위의 품질은 판정 도구와 판정자의 훈련에서 나오기 때문입니다.
다만 판정이 따르는 원칙은 전부 공개할 수 있습니다. 앞에서 이미 둘을 봤습니다. 1) 판정 단위는 업무 영역이고 2) 자기 신고가 아니라 증거로 판정한다는 것. 나머지 셋은 다음과 같습니다.
1) 애매하면 낮은 쪽으로 판정한다.
증거가 애매하면 낮은 레벨로 판정합니다. 진단을 파는 회사가 후한 판정의 유혹을 받는 것은 구조적입니다. 좋은 소식이 계약을 만들기 쉽기 때문입니다. 하향 판정 원칙은 그 유혹에 대한 AIDP 스스로의 결박입니다. 후한 판정은 당장의 기분을 사고 다음 프로젝트의 사고를 예약하는 거래이며, AIDP는 그 거래를 하지 않습니다.
2) 판정에는 근거가 남는다.
모든 정식 판정에는 어떤 증거를 어떤 방법으로 확인했는지가 기록되고, 판정자와 승인자가 나뉜 교차 검증을 거칩니다. 근거가 기록되지 않은 판정은 내부 규정상 무효로 처리합니다.
3) 위치는 증거로, 속도는 역량으로
같은 Lv2의 두 회사가 있어도, 경영진의 후원·조직의 실행 습관·의사결정 체계에 따라 다음 레벨에 도달하는 속도는 크게 다릅니다. 그래서 정식 진단은 레벨(위치)과 별도로 조직의 전환 역량(속도)을 함께 봅니다.
중요한 것은 이 둘을 절대 섞지 않는다는 규칙입니다.
- 역량 점수가 높다고 레벨이 오르지 않습니다.
- 역량이 낮다고 증거가 있는 레벨을 깎지 않습니다.
전략이나 문화 같은 항목을 레벨에 섞는 순간, "전략 점수로 레벨이 오르는" 자기 평가 모델의 오류가 재현되기 때문입니다.
다른 성숙도 모델들과의 관계
제대로 만들어진 프레임워크가 없다는 뜻은 아닙니다. 가트너의 AI 성숙도 툴킷(2024), 마이크로소프트의 Agentic AI 채택 성숙도 모델, AWS의 AI 도입 프레임워크(CAF-AI), MIT CISR의 엔터프라이즈 AI 성숙도 연구(2024, 721개사)가 대표적이고, 국내 제조기업에는 스마트공장 수준확인제도라는 국가 좌표계도 이미 각인되어 있습니다.
이들은 앞에서 말한 '좋은 답이 아닌' 진단과 다릅니다. 다만 재는 대상이 다릅니다. 글로벌 모델들은 공통적으로 조직의 역량(전략, 거버넌스, 인재, 문화)을 주로 자기 평가 방식으로 측정합니다. 위시켓 AX 성숙도 모델은 업무의 상태를 시스템 증거로 판정합니다. 서로 다른 질문에 답하므로, 경쟁이라기보다 보완 관계에 가깝습니다.
참고로 MIT CISR의 2024년 연구는 조사 대상 기업의 대다수가 아직 실험·준비 또는 파일럿 단계에 있고, 성숙 단계에 도달한 기업이 재무 성과에서 동종 업계 우위를 보인다고 보고합니다. 성숙도가 점수 놀이가 아니라 손익의 문제라는 것. 바로 위시켓 AIDP가 이 모델을 만든 이유와 같은 결론입니다.
마치며
여러분이 이 모델을 가장 유용하게 사용하는 방법은 두 가지입니다.
하나는 사고 실험을 해보는 것입니다.
회사 전체가 아니라 업무 하나를 머릿속에 정하고(재고 관리, 견적, 월마감 등) 위의 다섯 장면 중 어디에 가까운지 비교해 보세요.
아마 답은 생각보다 낮은 곳에 있을 것입니다. 하지만 그것은 나쁜 소식이 아닙니다. 자기 위치를 정확히 아는 것이 모든 여정의 첫 진전이고, 낮은 레벨의 전환일수록 투자 대비 효과가 극적이기 때문입니다.
또 하나는 위시켓 AIDP의 고객 사례와 이 문서를 계속 교차하며 읽는 것입니다.
위시켓 AIDP가 발행하는 고객 사례에서는 이 모델이 좌표로 등장합니다. 사례의 숫자가 의심스러우면 언제든 이 페이지로 돌아와 대조하실 수 있습니다.
