제가 실제로 만난 한 대표님이 받아 든 견적입니다. 제 기준으로는 너무 느리고 비쌉니다. 하지만 견적서를 받아 든 쪽은 그걸 판단하기가 어렵습니다. 이 비용과 기간이 정말 필요한지, 원래 이 정도 가격인지, 들인 만큼 원하는 수준에 닿을 수 있는지, 기준 자체를 알기 어렵기 때문입니다. 물론 그만한 기간과 규모가 필요한 기업도 있습니다. 다만 그 대표님의 실제 필요는 9개월, 8억보다 훨씬 빠르고 저렴하게 풀 수 있는 것이었습니다.

그런데도 8억이라는 숫자가 나왔습니다. 왜일까요?

저는 위시켓 AIDP 사업부를 이끌며 기업들의 AI 도입을 돕고 있습니다. 삼정KPMG, 딜로이트, 메가존클라우드, 그리고 IT 아웃소싱 플랫폼인 위시켓을 거치며 IT B2B 시장을 여러 각도에서 겪어왔습니다.

이 글에서는 제가 현장에서 만난 AX 담당자, 대표들과의 대화, 그간의 IT 시장에 대한 저의 경험을 바탕으로 "AI를 도입하고 싶다"는 한마디가 왜 9개월, 8억 원짜리 견적서가 되는지, 그리고 한국 AX(AI 전환) 시장의 진짜 공백이 어디에 있는지 이야기해보려 합니다.

AX 5단계 프레임워크

저는 기업의 AX 준비 상태를 크게 다섯 단계로 봅니다.

첫 번째는 아직 종이 문서, 수기 결재, 구두 보고 중심으로 일이 돌아가는 단계입니다. 이 단계에서는 AI 도입을 생각하기에 앞서, 먼저 업무를 데이터로 남기는 일이 필요합니다. 업무가 기록되지 않으면 AI가 읽을 것도, 학습할 것도, 연결할 것도 없기 때문입니다.

두 번째는 엑셀과 담당자에게 업무가 의존하는 단계입니다. 많은 기업이 여기에 있습니다. 스프레드시트, 오래된 사내 시스템, 담당자의 기억이 함께 업무를 굴립니다. 겉으로는 시스템이 있는 것처럼 보이지만, 실제 판단은 특정 담당자의 머릿속에 남아 있는 경우가 많습니다. 정산 기준, 발주 예외, 거래처별 조건, 승인 흐름 같은 것들이 문서나 시스템이 아니라 사람에게 붙어 있는 상태입니다. 이들의 핵심 자산이 직원의 머릿속에만 있는 셈입니다. 이 단계에서는 무거운 전사 시스템이 아니라, 사람 머릿속에 있는 일의 흐름을 시스템으로 안전하게 옮겨오는 일이 먼저입니다.

세 번째는 AI 도구가 부서별로 흩어져 있는 단계입니다. 어떤 팀은 챗GPT(ChatGPT)를 쓰고, 어떤 팀은 클로드(Claude)를 쓰고, 또 다른 팀은 별도의 자동화 도구를 씁니다. 문제는 이 도구들이 사내 데이터와 제대로 연결되어 있지 않다는 점입니다. 개인의 생산성은 조금 올라갈 수 있지만, 회사 전체의 일하는 방식이 바뀌지는 않습니다. 이 단계에 있는 기업은 부서별로 흩어져 있는 단편적인 도구와 데이터를 하나의 통합 환경으로 모으고 정렬하는 게 중요합니다. 이를 통해 전사적인 시너지가 나는 것을 목표로 삼아야 합니다.

네 번째는 전사 차원의 AI 시스템이 운영되는 단계입니다. 사내 데이터와 권한, 프롬프트, 업무 기준이 어느 정도 통합되어 있고, AI가 특정 업무 흐름 안에서 반복적으로 활용됩니다. 이 단계에서는 단순히 도구를 쓰는 것을 넘어, 회사의 판단 기준과 업무 규칙을 AI가 이해할 수 있는 구조로 정리하는 일이 중요해집니다.

다섯 번째는AI가 회사의 의사결정과 운영 방식에 자연스럽게 녹아든 단계입니다. 이때 AI는 별도의 프로젝트나 도구가 아니라, 조직이 일하는 기본 방식의 일부가 됩니다. 새로운 기능을 한 번 도입하는 것보다, 계속해서 운영하고 개선하는 역량이 더 중요해집니다.

다섯 단계 모두 중요하지만, 대부분의 뼈아픈 실패는 2단계 회사를 4~5단계로 잘못 진단하고, 엉뚱한 처방을 밀어붙이는 데서 발생합니다. "AI를 도입하고 싶다"는 한마디를 그대로 받아들여 전사 AI 플랫폼을 설계하거나, 수십 페이지짜리 로드맵을 그려놓고, 정작 현장에서는 엑셀 하나 정리되지 않은 채 프로젝트가 표류하는 상황. 저는 이것을 AX 시장의 ‘오진’이라고 봅니다.

왜 오진이 발생하는지는 뒤에서 다루겠습니다. 먼저 2단계 현장의 실제 모습부터 보겠습니다.

우리가 현장에서 배운 것: AX 2단계의 현실

2단계 이야기를 좀 더 해야 합니다. 여기가 한국 AX 시장의 진짜 승부처이기 때문입니다.

2026년 5월 기준, 위시켓 AIDP가 6주간 진행한 AX 무료 진단 52건 중 37건, 약 70%가 2단계에 해당했습니다. 물론 무료 진단을 신청한 기업이라는 점에서 표본 편향이 있을 수 있습니다. 다만 이 데이터가 보여주는 흐름은 의미가 있습니다. 업종은 제조, 유통, 물류, 건설로 다양했지만 놀라울 만큼 일관된 공통점이 있었습니다.

이 기업들은 완전한 아날로그 상태가 아닙니다. 이미 엑셀을 쓰고 있고, 일부 사내 시스템도 있습니다. 정산, 발주, 재고, 승인, 고객 응대 같은 업무도 나름의 방식으로 돌아갑니다. 겉으로 보면 시스템이 있는 회사입니다.

그런데 안으로 들어가면 풍경이 완전히 달라집니다.

모든 시스템은 그저 기록용 장부일 뿐이고, 모든 비즈니스 맥락은 엑셀에, 카톡에, 담당자의 암묵지에 흩어져 있습니다.

한 유통 기업의 정산 업무를 예로 들겠습니다. 정산 기준 데이터는 엑셀 파일 여러 개에 나뉘어 있었습니다. 거래처별 예외 조건은 담당자의 카카오톡 대화방 어딘가에 있었습니다. 그리고 "이 건은 이번 달에 넣고, 저 건은 다음 달로 미루자" 같은 최종 판단은 10년 차 실무자의 경험과 감에 의존하고 있었습니다. 그 실무자가 휴가를 가면 정산이 멈춥니다. 퇴사하면 기준 자체가 사라집니다.

한 중견 제조 기업에서도 비슷한 풍경을 만났습니다. 생산 계획을 수립하는 핵심 로직은 ERP가 아니라 공장장의 30년 경험에 있었고, 자재 발주 기준은 구매 담당자의 엑셀 매크로에 의존하고 있었습니다.

이것이 처절한 현실입니다. ERP가 있어도, 그룹웨어가 있어도, 의사결정의 진짜 맥락은 시스템 바깥에 존재합니다. 업무 로직이 코드나 데이터베이스에 있는 것이 아니라, 특정 사람의 기억과 습관에 박혀 있습니다.

한국 비IT 기업의 진짜 시장은 바로 이 2단계에 있습니다. 이 2단계에 머물러 있는 기업들이 다음 5년 한국 IT 시장의 판도를 가를 핵심 변수입니다.

그런데 이 무대에 서 있는 플레이어가 거의 없습니다.

왜 8억짜리 견적이 존재하는가: 리스크를 회피하는 시장 구조

고객이 "AI를 도입하고 싶다"는 말에, 시장의 공급자들은 각자의 언어로 번역을 시작합니다.

SI는 '구축'으로 번역합니다. 요건을 정의하고, 시스템을 만들고, 납품합니다. 컨설팅 펌은 '로드맵'으로 번역합니다. 큰 방향을 잡고, 단계별 계획을 세우고, 보고서를 전달합니다. SaaS·AI 솔루션 업체는 '솔루션 도입'으로 번역합니다. 제품을 제안하고, 도입 일정을 잡고, 라이선스를 판매합니다.

각각의 번역이 틀린 것은 아닙니다. 물론 예외적인 플레이어도 있지만, 시장의 지배적 구조는 여전히 같은 방향을 가리킵니다.

한국의 전통적인 SI, 컨설팅 펌, AI 솔루션 업체는 각자의 영역에서 분명한 강점을 갖고 있습니다. 다만 그 사업 구조의 특성상, 고객의 혁신(Transformation)보다 자신의 리스크를 줄이는 방향으로 움직이기 쉽습니다.

SI 계약에서는 요건 정의서에 없는 일이 '추가 개발 범위'로 잡히는 경우가 많습니다. 컨설팅은 로드맵을 그려주되 실행의 책임은 대체로 고객에게 남습니다. SaaS는 제품이 풀 수 있는 범위 안에서 문제를 정의하다 보니, 제품 밖의 문제는 고객의 업무 프로세스 탓으로 돌아가기도 합니다.

이 구조에서 리스크는 어디로 갈까요? 고객에게 갑니다. 요건 정의의 정확성, 로드맵 실행의 역량, 솔루션에 맞춘 프로세스 재설계, 이러한 모든 불확실성을 고객이 짊어지게 됩니다.

그리고 2단계 기업에게 이 불확실성은 치명적입니다. 업무 기준이 엑셀과 사람 머릿속에 있는 회사가 정확한 요건 정의서를 어떻게 쓸 수 있을까요? 데이터 파이프라인이 없는 회사가 AI 로드맵을 어떻게 실행할까요?

리스크를 줄이는 데 초점을 둔 구조만으로는 2단계를 돌파하기 어렵습니다.

공급자도 이 사실을 압니다. 그래서 리스크를 가격에 녹입니다. 불확실한 현장, 정리되지 않은 데이터, 바뀔 수 있는 요건, 이 모든 것에 대한 보험료가 견적서에 쌓입니다. 현재 시장은 이러한 리스크 비용이 압도적으로 높고, 이를 통제할 역량은 부재합니다. 그 결과가 비IT 기업이 감당하기 어려운 ‘8억 원’이라는 숨 막히는 제안으로 돌아오는 것입니다.

2단계 기업에서 이런 불확실성이 높은 이유는 기술의 문제가 아니라, 비즈니스 맥락이 구조화되지 않았기 때문입니다. 업무 기준이 어디에 있는지, 예외 조건이 무엇인지, 의사결정이 어떤 흐름으로 이루어지는지가 가시화되지 않은 상태죠. 이것이 견적을 부풀리고, 프로젝트를 표류시키고, 결국 실패로 이끄는 근본 원인입니다. 따라서 2단계를 돌파하려면, 기술을 도입하기 전에 비즈니스 맥락을 가시화해야 합니다.

2단계를 돌파하려면: 맥락의 구조화, 데이터 루프, 그리고 현장

그렇다면 2단계를 어떻게 돌파할 수 있을까요? 저는 세 가지가 필요하다고 봅니다.

첫째, 사람 머릿속에만 있던 업무 규칙을 누구나 읽고 따를 수 있는 명시적 지식 체계로 만드는 작업이 필요합니다. 저희는 이를 '온톨로지구성'이라고 부릅니다. 한 유통 기업에서는 엑셀에서 '노란색 셀 = 수수료율 예외 적용'이라는 규칙이 있었습니다. 한 제조 기업에서는 '이 자재는 리드타임 3주, 저 자재는 긴급 발주 가능'이라는 기준을 갖고 있었죠. 이런 것들을 체계적으로 구조화하는 것입니다.

엑셀과 카톡과 담당자의 머릿속에 흩어져 있는 업무 기준, 예외 조건, 의사결정 로직을 끄집어내서 정리하는 작업입니다. "이 거래처는 월말 정산이고, 저 거래처는 건별 정산이며, 반품이 발생하면 이런 기준으로 처리한다"와 같은 담당자의 구체적인 맥락을 명시적인 지식 구조로 만드는 것입니다. 이것이 모든 것의 출발점입니다.

둘째, 데이터가 축적되면서 온톨로지가 다시 강화되는 피드백 루프를 만들어야 합니다.처음에 구성한 온톨로지는 완벽하지 않습니다. 현장에서 실제 데이터가 쌓이기 시작하면, 빠진 예외 조건이 드러나고, 잘못 정의된 기준이 보이고, 새로운 패턴이 나타납니다. 이 데이터가 다시 온톨로지를 수정하고, 수정된 온톨로지가 더 나은 데이터 수집을 이끕니다. 이 순환이 돌아가기 시작하면 비로소 AI가 작동할 수 있는 기반이 만들어집니다.

셋째, 이 모든 과정은 현장에서 일어나야 합니다. 이 과정은 결코 아름답지 않습니다. 깔끔한 보고서나 세련된 대시보드로 시작되지 않습니다. 담당자 옆에 앉아서 "이 엑셀에서 이 셀은 왜 노란색인가요?"를 묻는 데서 시작됩니다. 회의실이 아니라 현장에서, 슬라이드가 아니라 실제 업무 화면 앞에서, 직접 현장을 돌며 정리하고, 방향과 가설을 제시하고, 설득하고, 실현해야 합니다.

이것이 진짜 AX의 시작점입니다. AI 모델을 고르는 것이 아니라, 지금 이 회사의 업무가 어디까지 시스템화되어 있는지를 직접 보고, 맥락을 구조화하고, 작은 루프부터 돌려보는 것. 화려하지 않지만, 이 과정을 건너뛰면 어떤 AI 솔루션을 도입해도 현장에서 쓰이지 않는 도구로 남게 됩니다.

병목은 기술이 아니라 맥락이다

솔직히 말씀드리겠습니다. 위시켓도 처음부터 이 문제를 정확히 본 것은 아니었습니다.

AX라는 이름이 붙은 순간, 저희 역시 고객의 문제를 더 큰 시스템 구축 과제로 해석하려 했던 적이 있습니다. 저희도 처음에는 ‘AI 도입을 하고 싶다’는 고객의 말을 전사 시스템, 데이터 통합, AI 기능 개발의 문제로 받아들였습니다. 더 완성도 높은 시스템을 만들고, 더 많은 데이터를 연결하고, 더 큰 범위의 업무를 한 번에 바꾸는 것이 좋은 처방처럼 보였습니다.

하지만 실제 프로젝트를 들여다볼수록, 현장에 들어갈수록, 병목은 기술이 아니라 맥락에 있었습니다. 시스템이 없어서가 아니라, 시스템 바깥에 있는 업무의 진짜 로직을 아무도 구조화하지 않았기 때문이었습니다.

그래서 위시켓 AIDP는 실행 방식 자체를 바꿨습니다. 2주 단위 스프린트로 매 회차 성과를 확인하고, 다음 단계를 결정합니다. 요건 정의서를 완성한 뒤 실행에 들어가는 것이 아니라, 진단하면서 실행하고, 실행하면서 진단을 수정하는 순환 구조로 움직입니다. FDE(Field Delivery Engineer)가 고객 현장에 상주하며 실무자와 함께 작업합니다.

앞서 말한 유통 기업의 경우, AIDP 팀이 현장에 상주하며 엑셀 파일들의 정산 기준을 구조화했고, 담당자의 카카오톡에서 예외 조건들을 추출해 명시적인 업무 규칙으로 전환했습니다. 그 결과 특정 실무자에 의존하던 정산 프로세스가 팀 누구나 운영 가능한 시스템으로 바뀌었습니다. 제조 기업에서도 마찬가지였습니다. 공장장의 머릿속에만 있던 생산 계획 로직을 구조화하고, 구매 담당자의 엑셀 매크로를 시스템이 읽을 수 있는 발주 기준으로 전환했습니다.

2단계에서 3단계로 넘어가는 과정은 쉽지 않습니다. 하지만 진단에서 끝나지 않고 맥락의 구조화에서 데이터 루프 설계, 실행, 운영까지 그 지난한 과정을 고객과 함께 풀어내는 것이 저희가 현장에서 찾은 답입니다.

저희가 AX 시장의 오진을 이야기하는 것은 누군가를 비판하기 위해서가 아닙니다. 저희 역시 그 구조 안에 있었기 때문입니다. 그래서 그 구조를 너무 잘 알기 때문에, 그 문제를 함께 풀어보고 싶어서입니다. AX는 단순히 AI 기술을 도입하는 일이 아닙니다. 회사 안에 흩어져 있던 업무 흐름, 판단 기준, 암묵지를 시스템이 이해할 수 있는 형태로 옮기는 일입니다. 그 과정이 있어야 AI도 실제 업무 안에서 작동할 수 있습니다.

AX의 출발점은 AI가 아니라 진단이다

지금 국내에는 엑셀과 오래된 시스템에 기대 일하면서도, 이제는 AI로 다음 단계에 넘어가야 한다고 느끼는 2단계 기업이 수없이 많습니다. 한국에서 AI를 통한 성장의 향방은 결국 이 기업들에서 갈립니다. 이들의 AI 전환이 제대로 풀리느냐에 따라, 한국 시장의 다음 5년이 달라질 것입니다.

저희는 사람들이 더 스마트하게 일하는 세상을 꿈꿉니다. 처음에는 소프트웨어가 그 길을 열어준다고 생각했습니다. 그리고 이제는 AI의 발전으로, 더 나은 결과물을 더 똑똑하게 만들어내는 환경이 마련됐습니다. 위시켓 AIDP는 이 환경을 소수의 기업만 누리는 희소한 가치로 두려 하지 않습니다. 누구나 더 똑똑하게 일할 수 있는 업무 환경을 만드는 것, 그것이 저희가 일하는 이유입니다.

그 환경은 한꺼번에 큰 시스템을 들이는 데서 오지 않습니다. 지금 이 회사가 어디에 서 있는지 정확히 보는 데서 시작됩니다.좋은 프로젝트가 정확한 문제 정의에서 시작되듯, AX도 정확한 진단에서 시작됩니다. AI라는 말이 넓고 강력한 만큼 더 그렇습니다. 그래서 AX의 출발점은 AI가 아니라 진단입니다.

그 진단의 경험이 시장에 쌓일수록, 8억짜리 견적서 같은 일은 줄어듭니다. 기업은 자기 단계에 맞는 처방을 받고, 공급자는 불필요한 리스크 비용을 덜어냅니다. 위시켓이 현장에서 배운 것을 이렇게 글로 나누는 이유도 거기에 있습니다.

그 시작은 거창하지 않습니다. 지금 우리 회사가 어느 단계에 서 있는지, 그 질문에서부터 같이 출발하면 됩니다.