[포럼] 넘치는 AI, 현장은 왜 바쁜가

인공지능(AI) 도입은 계속 늘어나는데 현장의 일은 줄지 않는다. 어디가 잘못된 걸까. 미국 경제지 포천은 최근 기사에서 이 문제를 다뤘다. 기업들이 AI 시범사업을 하나 시작할 때마다 담당자와 팀이 필요해지고, 데이터를 정리하고 성과지표를 관리하는 일도 생긴다. 일을 덜려고 도입한 AI가 또 하나의 관리 업무가 되는 셈이다. 기사에 나온 한 기업의 제품개발 책임자는 AI로 여러 가지 일을 조금씩 벌이느니, 하나를 끝까지 해내는 편이 훨씬 낫다고 말했다. 분명 AI 덕에 시작은 쉬워졌지만 성과를 내는 것까지 쉬워진 것은 아니다. 우리 AI 정책도 이 점을 돌아볼 때가 됐다.

AI가 시간을 줄여 준 건 사실이다. 예전엔 사람과 예산이 모자라 포기하던 아이디어도 일단 해볼 수 있다. 문제는 그다음이다. 시도한 사업이 많아졌다고 현장이 그만큼 달라지는 것은 아니다. 시범사업이 하나 늘면 점검 회의도 하나 늘고, 결과 보고서도 하나 늘어난다. 기존 업무는 그대로인데 도구와 절차만 얹히면 일하는 사람은 오히려 바빠진다. AI를 어디에 쓸지 고민하기 전에, 어떤 일을 없앨지 먼저 정해야 한다.

시연과 실제 운영은 전혀 다른 일이다. 미리 준비한 질문에만 답하는 챗봇은 발표장에서 멋져 보인다. 하지만 현장에서는 엉뚱한 질문이 쏟아진다. 틀린 답은 누군가 고쳐야 한다. 기존 시스템과 연결해야 하고, 운영비도 계속 든다. 화면에 결과가 뜬 순간부터가 진짜 일이다.

그런데 박수는 늘 시작할 때 나온다. 새 사업을 발표하는 자리는 화려하다. 뒤에서 오류를 잡고 부서 간 이견을 조율하는 일은 눈에 띄지 않는다. 이렇게 평가하면 새 사업은 쌓여도 자리 잡는 서비스는 드물어진다.

그래서 정부 지원도 달라져야 한다. 지금껏 새 시범사업을 찾아내는 데 힘을 쏟았다면, 이제는 가능성이 확인된 서비스가 현장에 뿌리내리게 돕는 데 써야 한다. 기존 시스템과 잇는 데도 비용이 든다. 시제품까지만 지원하고 나머지는 알아서 하라고 하면, 쓸 만한 기술도 시험 단계에서 멈춘다.

무엇을 성과로 볼지도 바꿔야 한다. 몇 건을 시작했는지는 중요하지 않다. 실제로 누가 얼마나 쓰는지, 처리시간과 오류가 줄었는지, 지원이 끝난 뒤에도 계속 쓸 만한지를 물어야 한다. 개발 완료 보고서를 냈다고 현장 문제가 풀리는 건 아니다.

다만 끝까지 해내자는 말이 모든 사업을 계속하자는 뜻은 아니다. 효과가 없거나 필요가 사라졌다면 접어야 한다. 실험은 넓게 하되, 큰 예산과 인력은 검증된 과제에 모아야 한다. 무엇을 키우고 무엇을 접을지 가리는 일이 정책 책임자의 몫이다.

일하는 사람에 대한 평가도 손봐야 한다. 아이디어를 낸 사람 못지않게 그것을 실제로 돌아가게 만든 사람이 인정받아야 한다. 그래야 끝까지 책임지는 사람이 늘어난다.

국민에게 중요한 건 발표된 사업의 수가 아니다. 기다리는 시간은 짧아졌는가. 실수는 줄었는가. 일은 한결 편해졌는가. 이제 "AI로 무엇을 시작했나"를 묻던 데서 "현장에서 무엇이 달라졌나"를 묻는 데로 넘어가야 한다. AI 정책의 성적은 시범사업 숫자가 아니라 국민이 실제로 누리는 변화로 정해진다.

윤종영 국민대 소프트웨어융합대학 교수