도입률 87%를 만든 CEO 주도의 AI 거버넌스

최대 8시간이 소요되던 갈등 및 KYC(고객 알기 제도) 검토 작업이 Codex 도입 후 수 분 만으로 단축된 결과는 전사적인 AI 도입률 87%라는 수치로 이어졌다. 2026년 6월 기준 활성 사용자 비율 87%는 일반적인 내부 도구 도입률보다 2배 이상 높은 수치이며, 기술 부서뿐 아니라 파트너와 일반 직원들까지 모두 포함된 결과다. AI 도구가 일부 얼리어답터의 전유물이 아니라 전사적 표준으로 자리 잡았을 때 조직 전체의 생산성 하한선이 어떻게 상승하는지 보여준다.

CEO 샘 닉리스(Sam Nickless)는 자신의 실제 업무 사례를 직원들에게 직접 공유하며 도입을 주도했다. 그는 AI는 부정행위가 아니라는 메시지를 명확히 전달하며, 이를 부적절한 지름길이 아니라 인간의 전문적 판단력을 더 효율적으로 적용하기 위한 도구로 정의했다. 리더가 먼저 도구의 활용법과 한계를 공개함으로써 직원들이 느낄 수 있는 심리적 저항과 윤리적 부담을 제거한 것이 핵심이다.

비즈니스 트랜스포메이션 팀은 마케팅, 재무, 채용 등 각 부서의 특성에 맞춘 맞춤형 워크플로우를 직접 시연했다. 단순한 기능 설명에 그치지 않고 실제 부서 업무가 어떤 단계로 자동화되는지 구체적인 경로를 시각적으로 보여주는 방식을 택했다. 기술적 가능성을 개별 부서의 실무 언어로 번역해 전달한 전략이 실질적인 사용률 상승으로 이어졌다.

도입 과정에서 사용량에 대한 강제적인 목표치는 일절 설정하지 않았다. 대신 기술이 수행할 수 있는 범위는 명확히 보여주되, 최종 결과물에 대한 책임은 전적으로 인간이 진다는 원칙을 엄격히 적용했다. 도구의 사용을 강요하기보다 결과에 대한 책임 소재를 명확히 함으로써 AI가 업무 책임 회피의 수단으로 전락하는 것을 방지했다.

이제 이들은 단순 보조 도구인 ChatGPT에서 다단계 워크플로우를 직접 수행하는 Codex로 전환하고 있다. Codex는 코드 생성 및 실행 모델로, 개별 사용자가 단발성 과업을 처리하던 수준을 넘어 정의된 여러 단계를 자동으로 완수하는 체계를 구축한다. 이는 AI의 역할을 단순한 비서에서 정해진 공정을 처리하는 운영 주체로 확장하여 업무의 자동화 수준을 높인 것이다.

강력한 리더십의 지지와 인식 전환이 전사적 AI 도입의 필수 전제 조건임을 확인했다. 실무적으로는 기술적 교육보다 AI 사용에 대한 심리적 안전감 확보가 실제 도입 속도를 결정하는 핵심 변수가 된다. 다만 이러한 거버넌스는 CEO가 직접 업무 사례를 공유할 수 있을 만큼의 투명성과 리더십 영향력이 확보된 조직 환경에서만 유효한 전략이다.

디지털 트윈 GPT와 부서별 운영 지원 체계

CEO의 글쓰기 스타일과 우선순위, 배경지식을 학습시킨 커스텀 GPT(특정 목적용 챗봇)를 구축했다. 임원들은 CEO에게 직접 보고하기 전, 이 챗봇에 아이디어를 입력해 사전 검증하는 디지털 트윈(현실의 대상을 가상 세계에 복제한 모델) 구조를 활용한다. 리더의 사고방식을 복제한 모델에 가설을 입력하면, 모델이 CEO의 관점에서 예상 질문이나 보완점을 제시하는 방식이다. 보고 전 단계에서 제안서의 방향성을 미리 조정하고 논리를 정교화하는 사전 필터링 공정을 추가한 결과다.

마케팅과 영업팀은 연간 400~500건에 달하는 피치(제안서) 자료를 합성하고 맞춤형 응답을 작성하는 데 ChatGPT를 사용한다. 과거에 작성된 수많은 제안서 데이터를 활용해, 새로운 비즈니스 기회가 왔을 때 가장 적합한 논리와 문체를 자동으로 추출한다. 회사가 정의한 글쓰기 표준을 유지하면서도 작성 시간을 단축해 제안서의 양과 질을 동시에 확보했다. 단순한 텍스트 생성을 넘어 기업의 과거 자산을 현재의 영업 전략에 즉각 결합하는 구조다.

재무팀은 스프레드시트 관리와 데이터 분석 업무에 AI를 적용해 수치 처리 효율을 높였다. 복잡한 수식 작성이나 대규모 데이터셋에서 특정 패턴을 찾아내 보고서용 통계치로 변환하는 과정을 AI가 수행한다. 정형 데이터의 분석 결과물을 사람이 검토하는 방식으로 업무 흐름을 재편했다. 이는 AI의 활용 범위를 비정형 텍스트에서 정형 데이터 분석 영역으로 확장해 재무 운영의 정확도를 높이려는 시도다.

기술팀은 내부 가이드 제작과 스크립트 작성, 시스템 문서화 작업에 AI를 투입했다. 새로운 기능 구현 후 이를 설명하는 기술 문서를 작성하거나, 반복적인 서버 관리용 스크립트를 생성하는 업무를 AI가 전담한다. 엔지니어가 문서 작성과 같은 부수적인 행정 업무에 쏟는 시간을 줄여 핵심 아키텍처 설계와 구현에 더 많은 시간을 할애하게 했다. 개발 생산성을 높이기 위해 운영 오버헤드를 AI로 제거한 사례다.

특정 직무의 맥락과 리더의 사고방식을 학습시킨 커스텀 GPT 배포는 범용 AI를 기업 전용 지식 베이스로 전환하는 실무적 접근이다. 단순한 질의응답 도구를 넘어 조직 내 의사결정권자의 판단 기준을 모델화함으로써 내부 커뮤니케이션 비용을 낮춘 점이 핵심이다. 다만 이러한 체계는 운영 지원과 문서화 업무에 최적화되어 있으며, 법률적 판단이나 최종 전략 결정처럼 인간의 책임과 전문적 직관이 필수적인 핵심 영역까지 대체하는 단계는 아니다.

단순 보조(ChatGPT)에서 실행(Codex)으로의 전환

Codex(코드 생성 및 실행 모델)는 정의된 다단계 워크플로우를 자동 수행하며, 단발성 과업을 돕는 ChatGPT와 구분된다. ChatGPT가 개별 사용자의 질문에 답하거나 초안을 잡는 보조 도구라면, Codex는 정해진 절차에 따라 실제 결과물을 만들어내는 실행 체계다. 이러한 전환은 AI의 역할을 단순한 조언자에서 실제 과업을 완수하는 작업자로 확장한 것이다.

Codex는 300개 엔티티(법인)를 대상으로 하는 감사 보고서 작성 과정에서 전체 워크플로우 중 하루 분량의 수작업을 제거했다. 기존에는 사람이 일일이 데이터를 확인하고 보고서 양식에 맞춰 입력해야 했으나, Codex가 다단계 운영 프로세스를 직접 수행하며 시간을 단축했다. 이는 규칙이 복잡하지만 반복적인 행정 업무에서 AI가 실질적인 실행력을 가질 때 발생하는 효율을 보여준다.

1,100개 파일의 이름을 변경하고 다른 시스템에 업로드하는 작업 역시 Codex를 통해 수일이 소요되던 업무를 수 분 내로 완료했다. 일반적인 자동화 도구로는 구현하기 까다로운 불규칙한 파일 명명 규칙이나 예외 상황을 Codex가 코드로 처리하며 해결했다. 정형화된 프로세스로 만들기 어려운 비정기적 과업에 코드 생성 모델을 적용해 자동화의 범위를 넓힌 사례다.

비즈니스 트랜스포메이션 팀은 요구사항 명세서와 기존 사양서를 바탕으로 실제 작동하는 Python(파이썬) 애플리케이션을 구현했다. 사람이 자연어로 작성한 요구사항을 Codex가 해석해 실행 가능한 코드로 변환하고, 이를 통해 내부 도구를 빠르게 구축하는 방식이다. 개발자가 모든 코드를 직접 작성하지 않고 AI가 생성한 코드를 검토하고 수정하는 형태로 개발 주기가 단축되었다.

기술팀의 DevOps(개발과 운영의 통합) 담당자는 Codex를 활용해 AWS(아마존 웹 서비스) 환경을 모니터링하는 워치타워 시스템을 구축했다. 이 시스템은 흩어져 있는 운영 신호를 하나로 통합하고, 장애 발생 시 진단과 복구 조치를 지원하며, 인간의 개입이 필요한 시점에 에스컬레이션(상위 담당자에게 보고 및 전달)을 수행한다. 단순한 알림 기능을 넘어 진단과 조치라는 실행 단계까지 AI 기반의 자동화 체계를 구축한 것이다.

Codex 기반의 실행 체계는 단순 챗봇보다 높은 생산성을 제공하지만, 반드시 인간의 검토가 전제되어야 한다. AI가 생성한 코드가 실제 인프라나 데이터에 직접 영향을 주는 실행 단계로 넘어가기 때문에, 최종 승인 단계에서의 검증 프로세스가 필수적이다. 따라서 이 모델의 실무적 가치는 완전 자동화가 아니라, 인간이 검토해야 할 작업량을 획기적으로 줄여주는 초안 실행 단계에 있다.

8시간 업무를 수 분으로 단축한 정량적 성

갈등 및 KYC(고객 확인 제도), AML(자금세탁방지) 검토 시간이 기존 3~8시간에서 수 분으로 단축되었다. KYC는 금융기관이 고객의 신원을 확인하는 절차이며, AML은 불법 자금의 세탁을 방지하는 시스템이다. 법무법인의 컴플라이언스(법규 준수) 단계에서 발생하는 반복적인 대조 업무와 이해관계 충돌 여부를 확인하는 갈등 검토 과정을 자동화한 결과다. 단순 확인 작업의 소요 시간을 줄여 실무자가 검토 결과의 적절성을 판단하는 고차원적 업무에 더 집중하게 만들었다.

채용 리서치와 데이터 추출 워크플로우에 AI를 적용해 약 4시간 걸리던 작업을 20분으로 줄였다. 후보자 레퍼런스(평판 조회) 처리 과정에서도 인당 약 25분의 시간이 절감되었다. 수많은 이력서와 외부 데이터를 수집하고 정제하여 특정 기준에 맞게 분류하는 단순 반복 과정의 병목을 제거한 사례다. 데이터 수집 단계의 효율화는 채용 의사결정 속도를 높이고 우수 인재 확보 경쟁력을 강화하는 실무적 이득으로 이어진다.

300개 법인(엔티티)을 대상으로 하는 감사 보고서 작성 전체 과정에서 1일 분량의 수작업이 사라졌다. 엔티티는 법적 권리와 의무의 주체가 되는 개별 법인을 의미한다. 수백 개의 대상으로부터 흩어진 데이터를 취합하고 정해진 보고서 형식으로 변환하는 과정의 자동화가 핵심이다. 대규모 데이터셋을 다루는 보고서 작성 업무에서 인간이 수행하던 단순 전사 작업을 AI가 대체하며 데이터 누락 가능성을 낮췄다.

1,100개 파일의 이름을 변경하고 업로드하는 작업이 수일에서 수 분으로 단축되었다. 파일 시스템의 명명 규칙을 일괄 적용하고 지정된 서버에 배치하는 단순 관리 업무를 자동화한 결과다. 이는 고도의 지능적 추론보다는 정해진 규칙에 따른 대량 처리가 필요한 엔지니어링 영역의 효율화에 해당한다. 단순 반복 업무의 완전 자동화는 실무자가 느끼는 단순 노동의 피로도를 낮추고 핵심 과업에 대한 업무 몰입도를 높이는 효과를 준다.

이러한 정량적 성과는 법률 자문의 핵심인 법리 판단이 아니라 운영 지원 업무에 집중되어 있다. AI가 복잡한 법적 논리를 직접 세우는 것이 아니라, 전문가가 판단을 내리기 위해 필요한 기초 데이터를 빠르게 준비하는 보조 도구로 작동한 것이다. 실무적으로는 데이터 전처리 단계의 시간을 제거해 전문 인력의 시간당 생산 가치를 높이는 전략을 취했다. 다만 최종 결과물에 대한 책임은 여전히 인간이 지는 구조이므로, AI 출력물을 검증하는 내부 프로세스가 반드시 전제되어야 한다.

전문직 AI 도입의 전제 조건: 데이터 거주지와 책임

길버트 토빈(Gilbert + Tobin, 호주의 선도적 로펌)은 오픈에이아이(OpenAI) 환경을 도입하면서 데이터가 물리적으로 호주 내 서버에 저장되는 오스트레일리안 데이터 리시던시(Australian data residency, 데이터가 물리적으로 호주 내 서버에 저장되는 것) 환경을 구축했다. 이를 통해 민감한 클라이언트 정보와 비즈니스 데이터를 다루는 조직의 내부 보안 요구사항과 고객 기대치를 충족했다. 역할 기반 액세스 제어(Role-based access control, 사용자 권한에 따라 시스템 접근 범위를 제한하는 보안 방식)와 데이터 처리 요구사항을 사전에 검토하여 관리 통제를 강화했다.

법률 전문 워크플로우의 경우 하비(Harvey, 법률 특화 AI 플랫폼) 등 승인된 별도의 플랫폼을 사용해 운영 지원 업무를 처리한다. 모든 출력물에 대해서는 사람이 직접 과업 제한을 설정하고, 결과를 확인하며, 전문적 판단과 최종 승인을 수행하는 구조를 유지한다. 법률 자문 자체의 핵심 판단 과정에 생성형 인공지능을 직접 적용하는 대신, 이를 뒷받침하는 운영 지원 과업의 표준을 높이는 데 집중한다.

“코덱스(Codex, 코드 생성 및 실행 모델)는 AI를 단순한 보조자에서 실행자로 도약시킬 수 있다. 운영 워크플로우의 단계들을 직접 수행하며, 우리 인력이 결과물 검토와 승인을 책임진다”라는 설명처럼, 시스템이 실제 실행을 맡고 인간이 책임을 지는 체계가 작동한다. 향후 목표는 사용자가 시스템 간 수동 이동 없이 조직 컨텍스트에 접근해 결과물을 도출하는 상호 연결 환경을 구축하는 것이다.

이미지 출처: OpenAI

전문직 환경에서 인공지능 도입을 확대하려면 엄격한 거버넌스 체계와 데이터 주권 확보가 선행되어야 한다. 길버트 토빈의 사례는 철저한 보안 통제와 명확한 인간의 책임 한계를 바탕으로 운영 효율을 높이는 실무적 기준을 보여준다.