한줄 요약
AI 도입 실패의 원인은 기술이 아니라, 기술을 얹을 토대가 없는 것이다.
AI 전환 프로젝트가 실패하는 가장 흔한 이유는 도구를 잘못 골라서가 아니다. 외주 개발을 통해 크고 작은 IT 프로젝트를 진행해온 경험에서 보면, 문제는 거의 언제나 같은 지점에서 발생한다. 데이터가 흩어져 있고, 업무 흐름이 정리되지 않은 상태에서 AI 기능부터 얹으려 한다는 것.
AI를 붙이기 전에 있어야 할 것들
어떤 기업이 "AI 챗봇을 만들고 싶다"며 개발 문의를 넣는다고 가정하자. 요구사항을 들여다보면, 챗봇이 참조해야 할 데이터가 담당자 PC 로컬 폴더에 흩어져 있거나, 사람마다 다른 형식으로 작성된 엑셀 파일에 묻혀 있는 경우가 많다. 이 상태에서 챗봇을 만들면 어떻게 되는가. 아무것도 제대로 작동하지 않는다.
AI는 결국 데이터를 먹고 움직이는 시스템이다. 데이터가 기계가 읽을 수 있는 형태로 정리돼 있지 않으면, 그 위에 얹는 AI는 부실한 기반 위에 세운 건물과 같다. 챗봇이든, 추천 알고리즘이든, 자동화 에이전트든 마찬가지다.
외주 개발사 입장에서 봤을 때 실제로 성과를 낸 프로젝트는 거의 예외 없이 이 순서를 지켰다. 먼저 데이터를 모으고 정제하는 작업, 다음으로 업무 흐름을 정리하는 작업, 그다음에야 AI 기능 구현. 화려한 기능보다 지루한 기반 작업이 먼저다.
개발을 맡긴다고 해결되지 않는 이유
외주 개발 시장에는 오래된 구조적 문제가 있다. 요구사항을 정의해주는 곳, 개발을 해주는 곳, 운영을 맡는 곳이 각각 다르다. 어떤 기업은 컨설팅을 받아 문서를 받아들고, 그 문서를 들고 개발사에 찾아온다. 개발이 끝나면 또 다른 팀이 운영을 맡는다. 이 과정에서 맥락이 계속 소실된다.
AI 프로젝트는 이 파편화에 특히 취약하다. AI 시스템은 한 번 만들고 끝나는 게 아니다. 실제 사용 데이터를 보면서 계속 수정하고, 엣지 케이스를 처리하고, 모델을 재학습시키는 과정이 반드시 따라온다. 기획-개발-운영이 분리돼 있으면 이 루프가 돌지 않는다. 개발사는 납품하면 역할이 끝나고, 운영팀은 왜 이렇게 만들어졌는지 맥락을 모른 채 시스템을 넘겨받는다.
결과적으로 클라이언트가 떠안는 건 작동은 되지만 개선이 안 되는 시스템이다. 그리고 그 시스템은 시간이 지날수록 현실과 멀어진다.
개발 외주를 맡길 때 물어봐야 할 진짜 질문
앱 개발이나 웹 개발 외주를 알아볼 때 대부분의 기업이 묻는 건 "얼마냐", "얼마나 걸리냐"다. 틀린 질문은 아니지만, AI 프로젝트에선 더 앞에 있어야 할 질문이 있다.
첫째, 지금 우리 데이터는 어디에 어떤 형태로 있는가. 담당자 개인 폴더에 비정형으로 흩어진 상태라면, 개발 전에 데이터 정제 작업이 별도로 필요하다. 이 비용과 시간을 견적에서 빼놓으면 나중에 터진다.
둘째, AI가 자동화하려는 업무 흐름이 지금 어떻게 돌아가는가. "이 과정을 자동화하고 싶다"는 요구사항을 가져올 때, 그 과정이 실제로 어떻게 이뤄지는지 문서화돼 있는 경우는 드물다. 개발 전에 이 흐름을 먼저 그려야 한다. 그래야 무엇을 자동화할지, 무엇은 사람이 해야 할지가 보인다.
셋째, 배포 이후 누가 어떻게 운영할 것인가. 개발이 끝난 다음 날부터 시스템은 현실에 부딪힌다. 예외 상황이 생기고, 데이터 패턴이 바뀌고, 사용자 피드백이 쏟아진다. 이걸 처리할 체계가 없으면 시스템은 빠르게 낡는다.
'AI가 사람을 줄인다'는 프레임에서 벗어나야 하는 이유
AI 도입 제안서를 쓸 때 "인건비를 몇 퍼센트 절감할 수 있다"는 표현이 자주 등장한다. 실제로 그런 효과가 나오는 사례가 없는 건 아니다. 하지만 이 프레임은 내부에서 AI 도입을 가로막는 저항을 만든다. 당연하다. 자신의 일자리가 줄어드는 방향으로 협조하는 사람은 없다.
실제로 성공한 내부 도입 사례를 보면, 접근 방식이 다르다. AI에게 맡긴 건 반복적인 행정 처리, 서류 정리, 단순 데이터 입력 같은 업무다. 그 시간을 되찾은 사람들은 판단이 필요한 일, 고객과 직접 소통하는 일, 창의적인 문제 해결에 집중하게 됐다. 성과는 비용 절감이 아니라 산출물의 질 향상과 처리 속도 개선으로 나타났다.
