[AI 이야기] AX 성과 내는 노하우 공개!

HSAD AX 성과 대회 1위 상인 ‘Dash Best’

 

기쁜 소식이 하나 있습니다.

치열하게 고민하고 소통하고 자동화한 결과 회사에서 진행한 AX 성과 대회에서 1위를 하게 되었습니다!

상당히 많은 사례가 있지만, 대외비를 유출하지 않는 선에서만 간단하게 사례를 보여 드리겠습니다. 구체적인 내용을 알려 드리기는 어렵고, 간단한 결과물만 보여줄 수 있는 점 양해 부탁드립니다!

 

LG전자 홈페이지의 AI 쇼핑 에이전트인 AI Chat

 

첫 번째 사례는 LG전자의 AI Chat이라는 쇼핑에이전트의 멀티모달 성능 고도화입니다. 개인적으로는 가장 많은 시간이 들었던 업무인데, AI로 자동화를 해서 시간을 굉장히 많이 단축한 사례입니다. 이런 일에는 크롤링이나 LLM API를 활용하는 게 필수이기 때문에 코딩 에이전트를 활용해서 업무를 진행했습니다.

 

LG전자 제품 리스트 페이지의 각 제품 라인업 설명 [1]

 

카피 제작 및 검수에 활용한 HSAD의 Deep Agent Builder 화면

 

두 번째 사례는 카피 작성 및 검수입니다. 이건 사내에서 개발된 Deep Agent Builder라는 AI 개발 도구를 활용해서 활용한 사례인데요, 혼자서 자료를 다 찾아보고 하나하나 썼더라면 정말 오래 걸렸을 작업들을 이 에이전트로 간단하게 만들어서 작업 시간을 몇 배나 단축시킨 사례입니다.

 

1. 모두가 기획자, 리더가 되는 세상

 

각 분야의 다양한 AI 서비스 [2]

 

AX를 잘하려면 AI를 잘 알고 잘 이끌 줄을 아는 것이 중요합니다. 저는 대학원에서 인간과 컴퓨터의 상호작용(HCI)에 대한 학문을 하면서 심리적인 것에 대해도 관심을 많이 가지게 되었지만, 사실 대학에서 교직 이수를 했었기 때문에 사실 교육학이나 HR 쪽으로 연결해서 고민하는 것도 좋아하는데요. 조직심리학에서는 P-J Fit(Person-Job Fit)이라는 이론이 있습니다 [3]. 개개인에게 맞는 직무를 맡게 되면, 적합도가 높아질수록 몰입도와 만족도가 높아진다는 것입니다. AX에 대입하면, 특정 업무에 적절한 AI를 활용하게 되면 사용자의 몰입도와 만족도가 높아지게 될 것입니다. 왜냐면 현 시점에서 슈퍼 AI는 없거든요. 각각의 AI 도구마다 잘하는 것들이 있습니다.

 

예를 들어서 영상을 만들 때는 Runway나 Veo 등을 사용하기도 하고, 이미지를 만들 때는 최근에는 Nano banana도 있었지만, Midjourney를 많이 사용하고 있죠. 기획이나 리서치를 할 때는 Claude Code나 OpenAI의 Codex를 활용할 때 굉장히 유용합니다. 마지막으로 반복적인 워크플로우를 자동화하는 것, 이를 테면 예약 시스템이나 문자 발송 등의 시스템은 n8n, Make와 같은 프로그램을 쓰면 효과적입니다.

 

어떤 AI가 어떤 걸 잘하는지 미리 알고 있다면 적재적소에 활용할 수 있겠지만, 모르고 있다면 어렵겠죠. 예를 들어서 저는 기획이나 리서치를 자주 하기 때문에 Claude Code, Codex 등을 자주 이용하는데, PPT를 만들거나 연구를 하거나 크롤링을 할 때 어떤 식으로 해야 하는지 알고 있기 때문에 굉장히 빠르게 작업들을 수행할 수 있지만, 이미지나 동영상을 만드는 것들은 잘 모르기 때문에 곧바로 현업에 활용할 수 있는 수준으로 구현하는 데에는 한계가 있습니다. 그래서 적어도 제 분야에서 만큼은 잘 활용하기 위해서 늘 Youtube, 링크드인, 뉴스 등에서 최신 AI에 대한 정보를 흡수하고 있습니다.

 

2. 업무를 매우 작은 단위로 쪼개기.

 

AX의 핵심은 DX를 먼저 하는 거라고도 합니다. 그 이유는 그 과정이 데이터화가 되어야 AI로 연결이 가능하기 때문입니다. 예를 들어서 블로그 글 쓰기를 업무라고 보고 분해를 해보겠습니다. 큼직한 과정만 따내어서 기획 → 작성 → 검수 → 업로드. 이 단위로 AI에게 시키면 결과가 평범합니다. 사람이 글을 쓰기 위해서 하는 행위만이 다가 아니거든요. 그 안에는 아웃라인을 잡기 전에 레퍼런스를 미친 듯이 찾고, 검증하고, 가설을 세우고, "이런 방향 어때?" 주변에 물어보고, 독자가 누구인지 다시 확인하고, 분량을 계산하는 것들. 이게 다 과정인데, 대부분은 머릿속에서만 돌아갑니다.

 

이걸 철학자 마이클 폴라니는 암묵지(Tacit Knowledge)라고 했습니다 [4]. "우리는 우리가 말할 수 있는 것보다 더 많이 알고 있다(We can know more than we can tell, 1966)." 노련한 전문가가 신입보다 압도적으로 잘하는 이유가 바로 이 언어화되지 않은 경험 때문이죠.

 

"좋은 집의 기준 바뀐다" 미래의 집값을 가르는 결정적 차이ㅣ지식인초대석: 합석 EP.2 (김대식 X 유현준) / 출처: 지식인사이드 공식 유튜브

 

최근에 셜록현준 채널의 김대식·유현준 교수 대담을 보다가 무릎을 쳤습니다 [5]. 건축이 아직 AI로 완전히 대체되지 않는 이유가 나오거든요. 설계 결과물은 데이터화 됐습니다. 3D 모델, 도면, 스펙. 그런데 그 결과물에 이르는 고민의 과정이 데이터화되지 않았습니다. 왜 이 창문을 저기 뒀는지, 왜 동선이 이렇게 꺾였는지. 그게 없으니 AI가 흉내는 내도 진짜를 못 만든다는 겁니다. 다만 이런 것들이 이후에 매우 구체적으로 AI에 학습되면 결국 가능해질 것이라고 전망했죠.

 

업무도 똑같습니다. 세세한 프로세스를 알려주지 않고 결과물만 단순하게 AI에게 시키면 껍데기만 나옵니다. 내 사고 과정까지 암묵지를 최대한 같이 넣어야 진짜 내 업무를 대신할 수 있습니다. 그러니까 업무를 쪼갤 때는 내가 실제로 생각하는 모든 것까지 분해해야 합니다.

 

3. AX 할 수 있는 것과 없는 것 발라내기

 

업무를 쪼개다 보면 자연스럽게 알게 됩니다. 암묵지가 너무 많이 박혀 있는 업무는 자동화가 어렵다는 것을요. 그런데 이걸 모르고 "일단 다 AI로 해보자"는 식으로 달려들면 시간만 오래 걸리고 성과는 안 납니다. 그래서 저는 다양한 업무에 관심을 갖고, 실무자들과 꾸준히 소통합니다. 현장에서 반복적으로 돌아가는 일들, 사람이 하기는 하지만 사실 판단 기준이 명확한 일들을 찾아내기 위해서입니다. 이런 업무들이 AX의 진짜 타깃입니다.

 

판단 기준은 생각보다 단순합니다. AI로 자동화했을 때 결국 사람 손이 여러 번 닿아야 한다면, 자동화는 큰 의미가 없습니다. 병목이 사라지지 않거든요. 반대로 사람 손이 필요 없는 반복 작업이라면, 프로세스를 재정립해서라도 AX를 시도할 가치가 있습니다. 처음부터 완벽하게 자동화가 안 되더라도 부분적으로 가능한 지점을 찾는 것만으로도 충분한 효과가 납니다.

 

이렇게 발라내고 나면 보통 크게 두 가지 방향이 생깁니다.

 

완전 자동화

 

프로세스 자체를 AI가 끝까지 처리합니다. LG전자 AI Chat 고도화를 위한 일부 작업이 여기에 해당했습니다. 업무의 기준이 명확하고 반복성이 높아서 AI가 충분히 대신할 수 있었습니다.

 

효율화

 

암묵지가 완전히 없어지지 않는 업무라면, 도메인 전문가가 AI와 함께 더 잘할 수 있는 환경을 만드는 것이 답입니다. HSAD의 Deep Agent Builder로 진행한 LG전자 제품 카피 작업이 그 예입니다. 전문가의 판단은 그대로 살리되, AI가 초안을 잡고 검수 포인트를 짚어주면서 속도와 완성도가 동시에 올라갔습니다.

 

결국 AX는 모든 업무에 AI를 끼워 넣는 게 아닙니다. 어디에 쓰면 진짜 효과가 나는지를 골라내는 안목이 먼저입니다. 그리고 그 안목은 현장을 많이 들여다보고, 사람들과 많이 이야기해 본 사람만 가질 수 있습니다.

 

마치며

 

AI로 성과를 낸다는 건 결국 새로운 이야기가 아닙니다. 누가 뭘 잘하는지 알고, 업무를 잘게 쪼개고, AX 할 수 있는 것과 없는 것을 발라내는 것. 이건 조직 관리의 오래된 원칙입니다. AI 시대에 달라진 건 '사람' 자리에 AI라는 도구가 앉게 됐다는 것뿐이고요.

 

어떤 AI에게 무엇을 시킬지 설계하는 것, 그게 지금 시대의 기획력이라고 생각합니다. 그리고 그 기획력은 미리 트렌드를 공부하고, 사용해 보면서 준비한 사람만 발휘할 수 있을 것입니다.

 

※ 이 글의 리서치와 초안 정리에 LLM 기반 리서치 도구 Claude Cowork의 도움을 받았으며, 사례 선정과 해석, 최종 문장은 모두 필자의 판단과 수정을 거쳤습니다.

 

참고문헌

[1] LG전자 노트북 PLP. https://www.lge.co.kr/category/notebook?lineupId=CD00000342

[2] Julian Horsey. 2026. ChatGPT vs Claude vs Gemini & More : AI Features, Limits & Pricing Tiers. Geeky Gadgets. https://www.geeky-gadgets.com/chatgpt-claude-gemini/#google_vignette

[3] Kristof, A. L. (1996). Person-organization fit: An integrative review of its conceptualizations, measurement, and implications. Personnel Psychology, 49(1), 1–49.

[4] Polanyi, M. (1966). The Tacit Dimension. Doubleday.

[5] 셜록현준. (2026). 좋은 집의 기준 바뀐다: 미래의 집값을 가르는 결정적 차이 [지식인초대석: 합석 EP.2, 김대식 × 유현준]. YouTube. https://www.youtube.com/watch?v=nxWYjFlzRbM

 

이충헌 박사의 AI 트렌드와 인사이트 2026.07