기업 AI가 가장 먼저 자리 잡은 곳은 보안이었다
기업이 AI를 가장 많이 쓰는 자리는 상상하던 자리가 아니다.
그렇다면 어디일까? 결제, 금융 미디어 전문지 PYMNTS가 2026년 8월에 연매출 1조 원대 이상 대기업을 조사했다.
데이터, 기술 부문에 AI를 전면 확산시킨 기업 중 77%가 보안 모니터링에 쓰고 있었다. 인프라 최적화와 데이터 정제는 각각 68%였다. 1위는 보안이었다.
그런데 AI는 잠재력이 가장 커 보이는 기능이 아니라, 이미 데이터가 정돈돼 있고 그 업무를 책임지는 기술 조직이 명확하며 결과를 비교적 정확하게 숫자로 잴 수 있는 기능에서 가장 빠르게 확산됐다. 보안 모니터링이 1위가 된 까닭은 로그라는 구조화된 데이터가 이미 있고 담당 조직이 정해져 있으며 탐지 건수와 오탐률이라는 평가 지표가 원래부터 돌아가고 있었기 때문이다.
지금 벌어지는 확산은 기업이 AI로 무엇을 하고 싶은지를 보여주는 지도가 아니다. 기업이 AI를 안전하게 붙일 수 있는 자리가 어디까지인지를 보여준다.
우리 조직에는 AI를 붙일 배선이 있는가?
확산을 결정한 조건은 세 가지다. 추상적인 성숙도 개념이 아니라, 조직 안에 이미 깔려 있거나 깔려 있지 않은 실제 배선이다.
- 구조화된 데이터는 데이터 파이프라인의 문제다. 거래 원장이나 시스템 로그처럼 형식이 고정돼 정해진 경로로 자동 수집되는 데이터가 있는지, 담당자 메일함과 회의록에 흩어져 있는지가 나뉜다.
- 명확한 소유권은 승인 프로세스의 문제다. AI가 낸 결과를 누가 승인하고, 틀렸을 때 누가 책임지고 되돌리는지가 조직도에 이미 그려져 있다.
- 측정 가능한 성과는 KPI 체계의 문제다. AI를 붙이기 전에도 그 업무를 매주 숫자로 보고하고 있었다면 개선분을 바로 분리해 낼 수 있다. 원래 감으로 평가하던 업무라면 AI가 나아지게 했는지조차 증명하기 어렵다.
그런데 현장의 준비도는 어떨까? 컨설팅사 딜로이트가 2026년 4~6월에 미국 대기업의 고위 관리자급 이상 501명에게 물은 결과, 데이터 기반이 준비됐다고 답한 비율은 42%, 리스크, 보안, 거버넌스는 39%였다.
가장 낮은 항목은 업무 프로세스로 21%에 그쳤다. 그 일을 누가 어떤 순서로 처리하고 승인하는지에 대한 정비가 기술, 데이터 준비보다 더 뒤처져 있다.
그래서 프로젝트가 실패하는 이유는 대개 모델이 부족해서가 아니라, 그 업무에 애초에 붙일 배선이 없었기 때문이다. 배선은 AI 도입 과정에서 급조되지 않는다. 도입 이전부터 있었거나 없었거나 둘 중 하나다.
가장 유망한 업무부터 줄 세워야 한다는 착각
전사 도입 계획에서 바꿀 것은 도구 선택이 아니라 우선순위를 매기는 기준이다. 대부분의 로드맵은 효과가 커 보이는 유망도 순서로 후보 업무를 줄 세운다. 그러나 확산을 실제로 결정한 것은 유망도가 아니라 통제 가능성이었다. 같은 후보 목록을 세 조건의 성숙도 순으로 다시 배열한다.
각 후보 업무에 대해 세 가지만 물으면 순위는 바뀐다.
- 이 업무의 데이터는 지금도 자동으로 한곳에 모이는가.
- 결과를 승인하고 잘못됐을 때 되돌릴 사람이 이름으로 정해져 있는가.
- 이 업무의 성과를 이미 매주 같은 숫자로 보고하고 있는가.
세 답이 모두 예인 업무부터 넣는다.
세 답 중 하나라도 아니오인 고가치 업무를 포기하라는 뜻은 아니다. 다만 그 업무는 AI 도입 과제가 아니라 배선 과제로 분류를 바꾼다. 모델을 붙이기 전에 데이터 경로를 만들고 승인자를 지정하고 지표를 정의하는 일이 선행한다. 그 정비가 끝난 시점이 그 업무의 도입 시점이 된다.
결국 AI 도입에서 먼저 이기는 조직은 가장 야심 찬 곳에 AI를 넣은 조직이 아니다. 자기 조직에서 통제 가능한 자리가 어디까지인지 정확히 알고 그 경계를 한 칸씩 넓혀 간 조직이다.