AI 파일럿 프로젝트 설계: 규제 리스크 없이 6주에 검증하는 실행 가이드

회의실 화면에 파일럿 계획서가 떠 있다.

모델은 정했고, 부서도 정했고, 일정은 3개월이라 적혀 있다. 그런데 법무팀에서 온 메일 한 줄이 계속 걸린다. “고객 데이터 어디까지 씁니까?” 아직 답을 못 했다는 사실보다, 그 질문에 답할 문서가 없다는 게 더 불편하다. 이 지점에서 막힌다면 문제는 기술이 아니라 AI 파일럿 프로젝트 설계 쪽에 있습니다.

전부 읽을 필요는 없습니다. 지금 필요한 게 양식이라면 파일럿 설계 체크리스트와 지표 시트가 있는 자료실부터 열어도 됩니다.

핵심 요약

• AI 파일럿 프로젝트 설계의 성패는 모델 성능이 아니라 데이터·조직·지표·문화 4가지 구조 문제 — MIT 연구가 지적한 생성형 AI 파일럿 95% 스케일 실패의 실체
• 규제산업 파일럿의 핵심은 범위 축소. 데이터 범위, 사용자 그룹, 판단 권한 3축을 먼저 잠그는 방식
• 성공 기준은 정확도가 아니라 확산 게이트 통과 조건. 6주 안에 Go/No-Go가 나오도록 지표 3개 이하로 설계
• 규제 샌드박스 신청은 현행 규제로 불가능한 경우에 한정. 대부분은 내부 통제 설계로 해결 가능

많은 조직이 파일럿을 ‘기술 검증’으로 이해합니다. 그래서 PoC(Proof of Concept)를 돌려 정확도 몇 퍼센트를 확인하고, 보고서를 쓰고, 거기서 멈춥니다. 실제로 무너지는 지점은 그 뒤입니다. 확산을 결정할 조건이 문서에 없기 때문입니다.

AI 파일럿 프로젝트 설계는 기술을 시험하는 일이 아니라 확산 조건을 문서로 확정하는 일에 가깝습니다. 어떤 데이터를 어디까지 쓸지, 누가 최종 판단하는지, 어떤 숫자가 나오면 중단하는지를 미리 적어두는 작업이죠. 규제산업이라면 감독 절차와 샌드박스 판단까지 설계 단계에 심어야 6주 안에 결론이 납니다.

이 글은 상위 검색 결과 다섯 편과 MIT 파일럿 연구, 국내외 도입 사례를 놓고 빠진 부분을 추렸습니다. 실패 원인을 유형별로 분해한 표, 업종별 파일럿 후보 비교, 그리고 정성 설명이 아닌 계산 로직으로 된 ROI 프레임을 담았습니다. 조직의 현재 위치가 애매하다면 AI 활용 성숙도 5단계를 먼저 확인해도 순서가 맞습니다.

다 읽고 나면 6주짜리 파일럿 설계서 — 범위, 성공 기준, 데이터 권한, 감독 절차, 확산 게이트 — 를 오늘 안에 초안으로 쓸 수 있습니다. 경영진 앞에서 ROI 근거와 중단 조건까지 같이 설명하는 게 목표입니다.

왜 대부분의 AI 파일럿은 ‘잘 돌아갔는데’ 확산되지 못할까요?

파일럿 결과 보고서는 대체로 성공으로 끝납니다. 그런데 반년 뒤에 그 도구를 쓰는 사람은 없다.

MIT 생성형 AI 파일럿 연구는 기업 파일럿의 약 95%가 손익에 닿는 성과로 이어지지 못했다고 보고했습니다. 이 숫자를 모델 성능 문제로 읽으면 다음 파일럿도 같은 자리에서 멈춥니다. 파일럿에서 멈추는 프로젝트를 분석한 CIO 기사도 원인을 업무 흐름과 결정 구조에서 찾습니다.

여기서 용어를 갈라야 합니다. PoC(Proof of Concept)는 기술이 되는지 보는 검증이고, 파일럿은 그 기술이 업무와 조직 안에서 유지되는지를 보는 검증입니다. AI PoC 진행 방법만 익힌 팀이 확산에서 넘어지는 이유가 이 혼동에 있습니다.

실패 원인을 4가지 유형으로 분해하면 보이는 것

유형	대표 증상	드러나는 시점	예방 설계
데이터	답변 근거 문서가 부서마다 다른 버전	3~4주차 정확도 정체	착수 전 원본 소유부서·갱신주기 확정
조직	현업은 참관, IT만 실사용	확산 검토 회의	사용자 그룹에 현업 실무자 과반 배치
지표	“만족도 높음”만 남은 보고서	예산 재승인 단계	시간·오류율·재작업 건수 사전 정의
문화	잘 쓰는 사람만 쓰고 나머지는 관망	파일럿 종료 직후	팀 표준 프롬프트·지시서 공유

규제산업에서만 추가로 터지는 3가지 지점

규제산업은 위 네 가지에 세 개가 더 붙습니다. 개인정보 처리 근거를 문서로 확보하지 못한 경우, 누가 언제 무엇을 승인했는지 남은 감사 증빙이 없는 경우, 그리고 현업 부서가 책임 소재를 이유로 판단을 미루는 경우.

한 제약사 사업부 교육은 요청부터 결이 달랐습니다. ‘민감정보를 넣지 말라는 당부로 시작해달라’는 것이었죠. 이미 부서용 앱까지 만들어 쓰는 팀이었는데, 다음 고민은 도구가 아니라 출처를 어떻게 믿게 만들 것인가였습니다.

그래서 이 글은 성능 튜닝이 아니라 확산 조건을 문서로 남기는 6주 설계를 다룹니다. 데이터 거버넌스와 조직 준비 상태를 함께 보려면 AI 활용 성숙도 5단계에서 현재 위치를 먼저 확인하는 편이 순서에 맞습니다.

첫 파일럿 과제, 무엇부터 골라야 실패 확률이 낮아질까요?

아이디어는 이미 스무 개쯤 모여 있을 겁니다. 문제는 고르는 기준이 없다는 것.

4가지 선정 기준: 반복성·데이터 가용성·오류 허용도·규제 노출도

네 기준을 각각 5점으로 채점하고, 합산 15점 미만은 후보에서 내립니다. AI 시범도입 범위 설정은 이 점수판에서 시작됩니다.

• 반복성 — 주 5회 이상 반복되는 업무인가 (5점: 매일)
• 데이터 가용성 — 근거 문서가 한곳에 정리돼 있는가
• 오류 허용도 — 틀린 답이 나와도 되돌릴 수 있는가
• 규제 노출도 — 개인정보·심사 판단이 끼어 있는가 (없을수록 고점)

진단·심사·투약처럼 오류 허용도가 낮은 업무는 1차 파일럿에서 빼는 편이 안전합니다. 대신 내부 코파일럿, VOC 분석, RAG 기반 문서검색으로 시작하면 LLM의 약점이 사고로 번지지 않습니다.

업종별 파일럿 후보 비교 매트릭스

업종	1순위 후보	1차 제외 권고	규제 노출도
금융	내규·상품설명서 문서검색	여신 심사 판단	높음
의료·제약	학술자료 요약, 출처 표기형 검색	진단 보조, 투약 안내	매우 높음
제조	설비 매뉴얼 Q&A, 스마트팩토리/IoT 로그 요약	안전 정지 자동 판단	중간
유통·서비스	VOC 분석, 상담 초안 워크플로우 자동화	고객 보상 자동 결정	중간

HRD 담당자라면 답이 더 단순합니다. 사내 교육자료 검색과 신입 온보딩 Q&A는 빈도가 높고 오류 비용이 낮아 첫 파일럿에 잘 맞습니다.

다만 채용·평가·승진 판단에 닿는 과제는 ‘고영향 AI’로 분류될 소지가 있어 별도 사전 판별이 필요합니다. 후보를 좁히기 전 조직 상태부터 재보려면 AI 성숙도 자가진단 30문항이 영역별 점수를 리포트로 돌려줍니다.

시범도입 범위는 어디까지 좁혀야 규제 리스크가 사라질까요?

“작게 하면 성과가 안 나올까요?” 자주 듣는 질문입니다. 반대입니다.

데이터·사용자·판단권한 3축 잠그기

범위는 세 축으로 잠급니다. 데이터는 비식별·합성 데이터에서 시작해 실데이터로 올리고, 사용자는 한 팀 10~30명으로 묶고, 판단 권한은 ‘제안만’에 둡니다.

Human-in-the-loop은 선언이 아니라 위치 지정입니다. 어느 단계에서 누가 승인하고 그 기록을 어디에 남길지 착수 전에 정해두면, 감사 요청이 와도 로그로 답할 수 있습니다.

데이터와 보안 권한 확인 6단계 절차

• 개인정보 수집·이용 근거와 목적 범위를 문서로 확보했는가
• 외부 모델 사용 시 처리위탁 계약과 국외 이전 항목이 정리됐는가
• 입력 데이터의 학습 재사용 금지 설정을 계약과 콘솔 양쪽에서 확인했는가
• 프롬프트·응답 로그 보관 기간과 열람 권한자를 지정했는가
• 운영 데이터와 파일럿 데이터의 접근권한이 분리됐는가
• 현업이 몰래 쓰는 외부 도구, 즉 그림자 파일럿을 차단·대체할 창구를 열었는가

이 6개가 채워지면 보안 검토 회의가 짧아집니다. 데이터 거버넌스와 리스크 관리를 파일럿 안에 미리 넣어둔 셈이니까요.

결재하는 쪽에 앉아 품의서를 승인하고 반려해보면 판단 기준이 단순해집니다. 범위가 좁은 안은 승인이 빠르고, 범위가 넓은 안은 검토가 길어집니다. 좁히는 일이 곧 확산 속도라는 뜻입니다.

파일럿 결과를 예산 문서로 옮기는 단계는 AI 교육 품의서 작성법의 5개 항목 구조를 그대로 쓰면 됩니다. 지표 문장을 다듬을 때는 AI 교육 효과 측정 지표가 참고가 됩니다. 첫 파일럿 준비 항목을 교차 검증하려면 Red Hat의 첫 AI 파일럿 준비 가이드도 함께 보면 좋습니다.

규제 샌드박스, 우리 파일럿에 정말 필요한가요?

샌드박스 이야기가 나오는 순간 일정이 멈춥니다. “심사가 몇 달”이라는 말에 파일럿 자체가 다음 분기로 밀리죠. 그런데 대부분의 첫 과제는 샌드박스 없이 갑니다.

샌드박스가 필요한 경우 vs 내부 통제로 충분한 경우

1. 현행 법령이 그 행위를 금지하거나 근거가 불명확한지부터 확인합니다. 사내 문서검색(RAG), VOC 분석, 내부 코파일럿은 대개 여기에 걸리지 않습니다.
2. 걸린다면 실증 필요성을 한 문단으로 씁니다. 실데이터·실고객 없이는 검증이 불가능한 이유가 없으면 심사에서 되돌아옵니다.
3. 트랙을 고릅니다. 금융은 혁신금융서비스, 디지털헬스는 의료기기 특례, 그 밖의 서비스는 ICT 실증특례로 성격이 갈립니다.
4. 둘 다 아니면 신청하지 않습니다. 데이터 처리 근거와 감독 로그를 갖춘 내부 통제가 더 빠른 리스크 관리입니다.

신청 준비물과 현실적인 소요 기간

규제 샌드박스 신청서 항목은 파일럿 설계서와 거의 겹칩니다. 실증 범위, 이용자 보호방안, 손해배상 계획, 종료 후 데이터 처리. 설계서를 먼저 쓰면 신청서는 재배열 작업이 됩니다.

문제는 기간입니다. 심사 일정을 6주 안에 끼워 넣으면 설계가 통째로 무너집니다.

그래서 병렬 트랙을 권합니다. 비식별·합성 데이터로 파일럿을 돌리고, 심사 결과는 확산 시점의 조건으로 반영하는 방식입니다. 우리 조직이 어느 단계에서 무엇을 준비해야 하는지는 AI 활용 성숙도 기준으로 보면 판단이 빨라집니다.

성공 기준은 어떻게 잡아야 6주 뒤에 Go/No-Go가 나올까요?

“잘 됐습니다”로 끝나는 보고가 가장 위험합니다. 숫자가 없으면 확산 결정도 없기 때문입니다. AI PoC 성공 기준은 시작 전에 합의해야 의미가 있습니다.

지표 3층 구조: 채택률·업무효과·리스크

정확도만 보면 실패합니다. 정확도 92%짜리를 아무도 안 쓰는 장면을 저는 여러 조직에서 봤습니다. 1차 지표는 재사용률·재작업 감소율·처리시간 단축입니다.

층	지표명	측정방법	베이스라인	목표선	주기·판정 주체
채택	주간 재사용률	로그상 2회 이상 사용자 비율	착수 전 2주 측정	60%	주 1회 · 현업 팀장
업무효과	건당 처리시간	업무일지 표본 20건	평균 48분	-30%	격주 · 실무 PM
업무효과	재작업 감소율	반려·수정 건수	월 34건	-25%	월 1회 · 품질담당
리스크	감독 로그 완결률	승인 기록 누락 건수	0 기준	100%	주 1회 · 보안·법무

베이스라인은 착수 전 2주간 반드시 재둡니다. 나중에 추정하면 효과가 통째로 의심받습니다.

경영진을 설득하는 간단 ROI 계산 로직

계산식은 한 줄입니다. (절감 시간 × 인건비 단가 × 적용 인원 × 12) − (라이선스 + 구축 + 운영·감독 인건비) = 연간 순효과. 감독 인건비를 빼먹으면 숫자가 통째로 흔들립니다.

판정은 세 갈래로 미리 못 박습니다. 재사용률 60% 이상이면 Go, 40~60%면 범위를 바꿔 Pivot, 40% 미만이면 No-Go. 측정 설계를 더 다듬을 때는 AI 교육 효과 측정 지표 구조를 그대로 가져와 쓰면 됩니다.

6주 동안 주차별로 무엇을 해야 하나요?

일정표가 없으면 파일럿은 3주차에 흐지부지됩니다. AI PoC 진행 방법의 절반은 산출물 일정입니다.

1~2주차: 범위 확정과 베이스라인 측정

1. 파일럿 설계서와 데이터 처리 흐름도를 확정합니다. 이 두 장이 이후 모든 회의의 기준이 됩니다.
2. 감독 로그 양식을 먼저 만듭니다. Apple iCloud 초기 품질 논란도, Tesla Autopilot의 인간 감독 논쟁도 결국 “누가 언제 확인했는가”의 기록 문제였습니다.
3. 베이스라인을 2주간 측정합니다.

3~4주차: 소규모 운영과 주간 회고

1. 10~30명 규모로 운영을 시작하고, 주간 회고록을 한 장씩 남깁니다.
2. 현업 검증 세션을 고정 일정으로 넣습니다. 변화관리(Change Management)는 확산 단계가 아니라 여기서 시작해야 늦지 않습니다.

5~6주차: 판정과 확산 조건 문서화

1. 최종 판정 리포트를 씁니다. Go/Pivot/No-Go를 숫자로 적습니다.
2. 확산 조건을 문서로 남깁니다. 필요한 권한, 추가 데이터, 감독 인력, 벤더 계약 조항까지. 계약 항목은 기업 AI 교육 업체 비교 기준을 파일럿 벤더에도 그대로 적용할 수 있습니다.

최근 국내 사례를 보면 대비가 뚜렷합니다. 스마트팩토리/IoT 센서 데이터를 쓴 제조 품질 예측 파일럿은 라인 담당자가 판정 주체로 들어가 확산됐고, 금융권 내부 코파일럿 문서검색 파일럿은 만족도는 높았지만 감독 인력과 예산 주체가 정해지지 않아 정체됐습니다. 파일럿에서 멈추는 프로젝트의 공통점도 같은 지점을 짚습니다.

한 제약사 사업부는 이미 부서용 AI 앱까지 만들어 쓰고 있었습니다. 그런데도 교육을 요청한 이유는 도구가 아니라 “출처를 어떻게 믿게 만들 것인가”였습니다. 규제 산업의 파일럿이 넘는 문턱은 대체로 성능이 아니라 신뢰의 기록입니다.

결재하는 쪽에 앉아 품의서를 승인하고 반려해본 입장에서 말하면, 임원이 보는 건 정확도 수치가 아닙니다. 이걸 전사로 넓혔을 때 누가 책임지고 얼마가 드는가입니다. 그 답을 6주차 문서가 대신해줍니다. 시작 전 조직 상태를 숫자로 잡고 싶다면 AI 성숙도 자가진단 결과를 설계서 배경란에 그대로 붙이면 됩니다.

파일럿을 전사로 확산할 때 무엇이 먼저 무너지나요?

6주가 끝나고 판정이 Go로 나왔습니다. 그런데 두 달 뒤에도 쓰는 사람은 그 팀뿐입니다.

확산이 막히는 지점은 기술이 아닙니다. 운영을 누가 떠안느냐가 정해지지 않은 채 파일럿이 종료되기 때문입니다.

단계적 AI 확산 전략은 한 번에 전사로 가지 않습니다. 파일럿 1팀 → 유사 직무 3팀 → 본부 → 전사로 끊고, 각 구간마다 진입 조건을 문서로 통과시킵니다.

확산 게이트 5가지 통과 조건

• 운영 주체 이관 완료 — IT가 아니라 현업 부서가 담당자·백업 담당자 이름까지 확정했는가
• 감사 증빙 자동 수집 — 승인 로그와 근거 문서가 사람 손을 거치지 않고 쌓이는가
• 단가 예측 가능 — 사용자 1인당 월 토큰·라이선스 비용이 실측치로 나왔는가
• 교육 커리큘럼 준비 — 신규 사용자가 자습으로 2주 안에 같은 수준에 도달하는 자료가 있는가
• 장애 시 롤백 절차 — 워크플로우 자동화를 끄고 기존 방식으로 되돌리는 절차가 문서에 있는가

실제 분기점은 세 번째가 아니라 첫 번째입니다. IT가 계속 들고 있으면 그 도구는 영원히 ‘실험’으로 분류됩니다.

확산 실패를 예고하는 경고 신호

• 주간 활성 사용자 수가 4주 연속 정체하거나 감소
• Human-in-the-loop 승인률이 100%에 수렴 — 검토가 형식이 됐다는 뜻
• 내년 예산을 어느 부서가 세울지 아직 미정
• 챔피언 1인이 휴가를 가면 사용량이 절반으로 떨어짐

한 IT 기업 마케팅팀에서는 잘 쓰는 직원과 못 쓰는 직원의 간극이 벌어지자, 그건 생산성 문제가 아니라 위화감이라는 조직 문제가 됐습니다. 확산 단계의 체인지 매니지먼트는 결국 개인기를 팀의 표준으로 바꾸는 작업입니다. 조직 전반의 준비 수준이 궁금하다면 AI 활용 성숙도 5단계로 현재 위치를 먼저 확인하는 편이 빠릅니다.

사용자 그룹이 본부 규모로 넘어가는 시점에는 컴플라이언스 재검토가 한 번 더 필요합니다. 처리 데이터 범위와 이용자 수가 달라지면 파일럿 때의 판단이 그대로 유효하지 않기 때문입니다. 확산 이후의 성과는 이수율이 아니라 AI 교육 효과 측정 지표로 봐야 예산 주체가 정해집니다.

지금 파일럿을 시작하면 안 되는 경우도 있을까요?

안 하는 게 나은 때가 있습니다. 시작을 미루는 판단도 AI 도입 전략의 일부입니다.

아래 중 두 개 이상에 해당하면, 파일럿을 여는 대신 준비 단계로 돌아가는 편이 리스크 관리에 맞습니다.

• 대상 데이터의 소유권·관리 부서가 확정되지 않음
• 개선하려는 업무의 현행 프로세스가 문서로 정의돼 있지 않음
• 후원 임원이 없거나, 이름만 걸려 있음
• 예산과 투입 인력(감독 인력 포함)이 배정되지 않음
• 규제 적용 여부 판단이 끝나지 않음
• Go/No-Go 성공 기준에 현업과 IT가 합의하지 못함

가장 흔한 건 “AI를 좀 써보자”는 지시만 있고 풀 문제가 없는 경우입니다. 이때는 과제를 만들지 말고, 두 주간 현업 인터뷰로 반복 업무 목록을 먼저 뽑습니다.

결재하는 쪽에 앉아 품의서를 승인하고 반려해본 입장에서 보면, 문제 정의가 빈 안건은 예산이 아니라 신뢰를 깎습니다.

미루는 동안 할 일은 남아 있습니다. 프로세스 매핑, 베이스라인 측정, 데이터 정리 — 이 셋은 나중에 어떤 AI 파일럿 프로젝트 설계를 해도 그대로 쓰입니다. AI 성숙도 자가진단 30문항으로 어느 영역이 비어 있는지 먼저 확인할 수 있습니다.

중단 결정도 리포트로 남기면 성과가 됩니다. 검토한 과제, 중단 사유, 재개 조건 세 항목이면 충분하고, 다음 분기 AI 교육 품의서 작성 때 배경란에 그대로 붙습니다. 파일럿에서 멈추는 기업과 넘어가는 기업의 차이는 파일럿으로 끝나는 AI 프로젝트에 관한 CIO 보도에서도 같은 결로 지적됩니다.

자주 묻는 질문

AI 파일럿 프로젝트의 적정 기간은 얼마나 되나요?

저위험 업무형 과제는 6~8주, 규제 심사가 얽히면 12주 이상으로 봅니다. 다만 기간 자체보다 중요한 건 판정 시점을 달력에 못 박아 두는 일입니다. 기한 없이 “조금 더 보자”가 반복되면 파일럿은 끝나지 않고 흐지부지 사라집니다. 6주 설계의 진짜 목적은 빨리 끝내는 게 아니라, 정해진 날짜에 Go인지 No-Go인지 말할 수 있게 만드는 것입니다. 샌드박스 심사가 필요하다면 그 일정은 별도 트랙으로 돌리고, 업무 검증 일정은 그대로 유지하는 편이 안전합니다.

파일럿이 실패하는 가장 큰 이유는 무엇인가요?

모델 성능이 아니라 성공 기준 미합의와 데이터 권한·운영 주체 미확정입니다. 앞서 정리한 4유형 실패표에서 데이터·조직·지표·문화 중 어느 하나라도 비어 있으면, 시연은 성공해도 확산은 멈춥니다. 특히 “파일럿이 끝나면 누가 이걸 운영하는가”가 정해지지 않은 채 시작한 과제는 거의 예외 없이 IT팀 서랍 속으로 들어갑니다. 성능 개선에 쓰는 시간의 절반만 이 두 가지 합의에 써도 결과가 달라집니다.

AI PoC 성공 기준은 어떻게 설정하나요?

지표를 3개 이하로 압축하고 Go/Pivot/No-Go 숫자를 시작 전에 합의합니다. 권장 조합은 베이스라인 대비 개선폭(처리시간·재작업), 재사용률, 리스크 지표(감독 반려 건수)입니다. 정확도 하나만 걸면 “정확도는 높은데 아무도 안 쓴다”는 결과가 나오고, 이건 판정이 불가능한 상태입니다. 베이스라인은 파일럿 착수 전 2주간 실측해 두어야 개선폭이 숫자로 남습니다. 측정 방식이 막막하다면 AI 교육 효과 측정 지표와 ROI 계산 실무의 지표 설계 방식이 그대로 응용됩니다.

규제 샌드박스는 언제 신청해야 하나요?

현행 법령이 명시적으로 금지하거나 해석이 불명확해 실증 자체가 불가능할 때만 신청합니다. 실무에서 만나는 과제 대부분은 데이터 범위 축소, 사용자 그룹 제한, Human-in-the-loop 승인 단계 추가 같은 내부 통제로 해결됩니다. 신청을 결정했다면 파일럿 설계서의 실증 범위·이용자 보호방안·종료 후 처리 항목을 그대로 옮겨 쓰는 편이 효율적입니다. 심사 기간을 6주 일정 안에 넣지 않는 것이 핵심입니다.

파일럿에서 전사 확산까지 보통 얼마나 걸리나요?

확산 게이트 5조건을 충족한다는 전제에서 6~12개월이 현실적인 구간입니다. 파일럿 1팀 → 유사 직무 3팀 → 본부 → 전사 순으로 넓히되, 각 단계마다 운영 주체 이관과 감사 증빙 자동 수집이 끝났는지 확인하고 넘어갑니다. 지연은 대부분 기술이 아니라 예산 주체 미확정과 챔피언 1인 의존에서 발생합니다. 조직의 현재 위치가 애매하다면 AI 활용 성숙도 5단계 진단으로 다음 분기 목표를 먼저 정하는 편이 빠릅니다.

마무리

파일럿은 기술 실험이 아닙니다. 다음 분기에 이 업무를 누가, 어떤 근거로, 얼마의 비용으로 운영할지 문서로 만들어내는 작업입니다.

• 파일럿의 산출물은 시연 결과가 아니라 확산 조건 문서다
• 성공 기준·데이터 권한·운영 주체, 이 셋이 착수 전에 비어 있으면 6주는 낭비된다
• 범위를 좁힐수록 규제 리스크는 줄고 확산 속도는 오른다

오늘 할 수 있는 첫 행동은 하나입니다. 후보 업무 한 건을 골라, 지금 그 일에 걸리는 시간과 재작업 건수를 2주간 기록할 시트를 여는 것.

베이스라인이 없으면 6주 뒤에도 “좋아진 것 같다”밖에 말할 수 없습니다.

그런데 여기까지 해도 남는 문제가 있습니다. 숫자가 모여도, 그걸 예산 승인 문서로 옮기는 순간 대부분 막힙니다. 결재하는 쪽에 앉아 교육·도입 품의서를 승인하고 반려해본 입장에서 말하면, 반려는 문장력 문제가 아니라 “그래서 얼마 들고 언제 회수되나”에 답이 없어서 생깁니다.

한 IT 기업 마케팅팀에서도 같은 장면을 봤습니다. 잘 쓰는 직원과 못 쓰는 직원의 간극은 이미 뚜렷한데, 그 간극을 조직 예산 안건으로 번역할 언어가 없었습니다. 품의서 구조부터 다시 잡아야 한다면 AI 교육 품의서 작성법의 5개 항목과 기업 AI 교육 도입 8단계 로드맵이 순서를 잡아줍니다.

이미 한 번 반려당한 상태라면, 필요한 건 설명이 아니라 문장입니다. 가상 기업 시나리오로 전 칸을 채운 품의서 완성 예시본과 ‘보안은?’, ‘내년에 하자’ 같은 반려 사유 5가지별 재상신 문구가 그대로 들어 있습니다. AI 교육 도입 서류 3종 무료로 받기 — 전 칸을 채운 품의서 완성 예시본과 반려 사유 5가지별 재상신 문구 포함 (편집용 DOCX)