AI 도입 전에 데이터부터: 시스템에는 결과만 남고 판단은 남지 않는다

AI 도입 전에 준비할 데이터는 “더 많은 데이터”가 아닙니다. 다른 종류의 데이터입니다. 지금까지의 시스템은 거래가 끝난 결과를 남기도록 설계됐습니다 — 얼마에 계약했는지는 남는데 그 가격을 고른 이유는 남지 않습니다. 고객이 떠난 사실은 기록되지만, 그전에 어떤 신호를 보고도 그냥 지나쳤는지는 어디에도 없습니다. 사람은 그 공백을 자기 기억으로 메워 일했지만, AI가 업무를 이어받으려면 무엇이 일어났는지뿐 아니라 왜 그렇게 판단했는지도 데이터로 남겨야 합니다.

도입이 실패하는 자리: 데이터의 5대 병목

AI 도입은 새 문제를 만들기보다 기존 데이터 관리의 결함을 한꺼번에 드러냅니다. 병목은 다섯입니다.

병목	증상	AI에서 나타나는 방식
기록 부재	판단 근거가 담당자 기억에만 있다	물어봐도 답할 재료가 없음
분산	시스템·부서·개인 문서에 흩어져 있다	일부만 보고 불완전한 답
신뢰성	오래됐거나 틀렸거나 출처 불명	틀린 기록을 자신 있게 답함
정의 불일치	부서마다 같은 지표를 다르게 정의	묻는 부서마다 다른 답
접근 제한	필요한 곳에 권한이 없다	있는 데이터도 못 씀

이 중 무엇이 병목인지에 따라 처방이 다릅니다. 기록 부재는 업무 흐름 재설계, 분산은 연결(통합이 아니라), 신뢰성은 검증 절차, 정의 불일치는 공식 기준 지정, 접근 제한은 권한 설계의 문제입니다. “데이터가 문제”라는 뭉뚱그린 진단으로는 다섯 가지 다른 공사를 구분할 수 없습니다.

원칙: 더 기록하라고 하지 말고, 남게 만들어라

가장 흔한 오답이 “이제부터 판단 근거를 다 기록합시다”라는 지시입니다. 기록을 별도 업무로 얹으면 바쁠 때 가장 먼저 생략되고, 남는 것은 형식적 한 줄뿐입니다. 데이터 설계의 첫 원칙은 필요한 정보가 업무 과정에서 저절로 남게 하는 것입니다.

실무적으로는 이런 형태입니다 — 견적 승인 절차에 ‘선택지와 탈락 사유’ 칸을 넣어 승인 과정 자체가 기록이 되게 하고, 고객 대응을 티켓 위에서 하게 해 대화가 곧 이력이 되게 하고, AI에게 일을 맡길 때 쓴 지시문과 판단 기준을 개인 메모가 아닌 팀 저장소에 두게 합니다. 일하는 경로를 바꾸면 기록은 부산물로 쌓입니다.

그리고 쌓인 기록이 자산이 되려면 두 단계가 더 필요합니다. 검증 — 틀린 기록은 없느니만 못하므로(AI가 틀린 근거를 자신 있게 인용합니다), 공식 기록으로 삼을 것에는 확인 절차를 둡니다. 공식 기준 지정 — 여러 에이전트와 부서가 함께 일하려면 어느 정보가 기준인지 한곳에 정해 둬야 합니다. 부서마다 ‘매출’의 정의가 다르면 에이전트의 답도 부서마다 달라지고, 그 순간 신뢰는 무너집니다.

완벽한 정비를 기다리지 마라

여기서 흔한 두 번째 오답이 “데이터 정비가 끝나면 AI를 도입하자”입니다. 전사 데이터 정비는 끝나는 프로젝트가 아니므로 이 순서는 도입의 무기 연기와 같습니다. 실무 순서는 반대입니다 — 첫 자동화 대상 업무를 정하고, 그 업무에 필요한 데이터만 먼저 정비합니다. 범위가 좁으면 다섯 병목의 해소가 몇 주 단위로 가능하고, 그 업무에서 검증된 정비 방식이 다음 업무의 표준이 됩니다. MIT가 기업 AI 파일럿 95% 정체의 핵심 원인으로 꼽은 것도 도구가 업무 맥락을 학습하지 못하는 구조였습니다(Fortune) — 맥락 연결은 전사 사업이 아니라 업무 단위로 푸는 문제입니다.

한글 문서·용어 특유의 이슈는 한글 문서·데이터로 AI 제대로 쓰기에서, 데이터가 조직 성과로 이어지는 전체 구조는 AI 생산성 역설에서 다뤘습니다. 우리 조직의 데이터 병목이 다섯 중 어디인지는 무료 AX 진단으로 확인하고, 업무 단위 정비 설계는 상담에서 시작할 수 있습니다.

자주 묻는 질문

AI 도입 전에 데이터를 얼마나 준비해야 하나요?

전사 정비를 기다릴 필요는 없고, 첫 자동화 업무 하나에 필요한 데이터만 준비하면 됩니다 — 그 업무의 판단 기준 문서화, 관련 기록의 연결, 용어의 공식 정의, 접근 권한. 보통 몇 주 규모의 일이고, 이 좁은 성공이 다음 정비의 표준이 됩니다.

우리 회사는 ERP도 그룹웨어도 있는데 왜 데이터가 없다고 하나요?

있는 것은 결과의 기록이고, AI에게 필요한 것은 판단의 기록이기 때문입니다. 계약 금액(결과)은 있지만 가격 결정의 근거(판단)는 담당자 머릿속에 있습니다. 시스템 구매가 아니라 업무 절차에 판단이 남는 칸을 만드는 것이 정비의 핵심입니다.

판단 기록을 강제하면 직원들이 부담스러워하지 않나요?

별도 업무로 얹으면 그렇습니다. 그래서 원칙이 ‘기록 지시’가 아니라 ‘남게 하는 설계’입니다 — 승인 양식에 사유 칸을 넣고, 대화를 이력이 남는 채널로 옮기고, AI 지시문을 팀 저장소에 두는 식으로 일의 경로 자체를 바꾸면 추가 부담 없이 쌓입니다.

데이터 정비와 보안 강화가 충돌하지 않나요?

둘은 충돌하지 않고 한 세트를 이룹니다. 데이터가 자산이라면 보안은 그 자산을 안심하고 활용할 범위를 정하는 일입니다. 민감도 등급 없이 연결만 넓히면 노출 사고가 나고, 등급 없이 잠그기만 하면 자산이 죽습니다. 등급 태깅 → 권한 실사 → 단계 개방 순서는 AI 사용 정책 다이얼에서 다뤘습니다.