기업 AI 실패 원인, 모델보다 데이터·통합·운영 책임에 있었다
||2026.05.30
[디지털투데이 AI리포터] 기업의 AI 투자는 모델 성능보다 운영 환경 검증 부족 때문에 실패하는 경우가 많다는 지적이 나왔다. 29일(현지시간) IT매체 씨엑스투데이(CXToday)는 기업들이 검증된 성과보다 그럴듯한 설명에 끌려 AI를 도입하면서 예산 손실뿐 아니라 조직 내 신뢰와 전략 실행력까지 약화시키고 있다고 보도했다.
이런 문제는 WEM에서 더 빠르게 드러난다. WEM은 AI가 서비스 품질, 규정 준수, 상담사 성과에 직접 영향을 주는 영역이어서 운영 검증이 선택이 아니라 전제 조건이라는 설명이다.
AI 프로젝트는 모델 자체보다 주변 환경에서 무너지는 일이 많다. 데이터가 파편화돼 있고 업무 흐름이 일관되지 않으며 운영 책임도 불분명한 상태에서 도입이 이뤄지기 때문이다. 가트너는 2026년까지 AI 준비 데이터를 갖추지 못한 AI 프로젝트의 60%가 중단될 것으로 전망했다. WEM에서는 품질 데이터가 불안정하면 분석이 왜곡되고, 일정 입력이 늦으면 예측이 흔들리며, 지식 콘텐츠가 일관되지 않으면 상담 지원의 정확도도 떨어진다.
기업은 AI 성과를 대시보드가 아니라 실제 업무 변화로 평가해야 한다. 주요 지표로는 상담사 숙련 기간 단축과 스케줄 준수율 개선, 품질 평가 일관성 제고와 규정 준수 위험 축소, 반복 문의 감소와 최초 문의 해결률 개선, 관리자 코칭의 데이터 기반 강화가 제시됐다. 맥킨지의 2024년 AI 보고서도 AI 성과가 큰 조직일수록 AI 기능을 기존 경영 지표와 명확히 연결했다고 짚었다.
벤더 선정도 기능 비교보다 운영 적합성 검증 절차로 이뤄져야 한다. 내부 팀은 먼저 '이 AI 기능이 어떤 업무 흐름을 바꾸고 어떤 지표를 얼마나 개선할 것인지'를 한 문장으로 설명할 수 있어야 한다. 이 문장이 완성되지 않으면 평가를 멈춰야 한다는 것이다. WEM에서 성과가 큰 활용처로는 실시간 상담 가이드, 자동 품질관리 지원, 예측 입력 개선이 꼽혔다.
통합 구조와 거버넌스 점검도 핵심이다. 기업은 컨택센터 플랫폼, 고객관계관리, 지식베이스, 인력관리 일정, 품질관리 시스템 사이의 데이터 흐름을 담은 참조 아키텍처를 요구해야 한다. 운영 단계에서 각 통합을 실제로 누가 맡는지도 확인해야 한다. 확장성은 처리량만이 아니라 사업 부문과 지역 전반에서 정책 일관성, 감사 가능성, 반복 가능한 통제를 유지할 수 있는지도 함께 봐야 한다.
파일럿 단계부터 성과 기준선과 성공 조건, 도입 후 필요한 운영 변화까지 계약에 반영해야 한다는 점도 짚었다. 평균 처리 시간이 줄어도 반복 문의가 늘면 의미가 없고, 코칭 추천이 나와도 관리자가 실행하지 않으면 가치가 없다. 데이터 준비, 통합 엔지니어링, 보안 검토, 모델 모니터링, 관리자와 상담사를 대상으로 한 변화 관리도 운영 비용에 포함해야 한다.
결국 기업이 확인해야 할 것은 기능 목록이 아니라 운영 준비도다. 통합 유지 방식, AI 준비 데이터 조건, 접근 권한과 감사 로그 통제, 관리자 검토 절차, 알려진 실패 유형, 유사 환경 KPI 개선 사례, 90일 안에 파일럿을 전면 운영으로 전환하는 데 필요한 조건 등에 답하지 못하는 제품은 플랫폼보다 시제품에 가깝다는 지적이다. WEM에서 AI가 현장 업무를 더 일관되고 측정 가능하게 만들지 못하고 새 인터페이스와 예외 처리만 늘린다면 운영 부담만 키울 수 있다.
