AI 도입을 고민하는 기업이라면 보통 가장 먼저 이런 질문들을 떠올립니다.
'어떤 AI 솔루션을 도입해야 할까?', 'AI가 우리 회사의 생산성을 얼마나 높여줄 수 있을까?'
KT는 AI를 도입하는 과정에서 가장 먼저 떠올렸습니다.
"AI를 어떻게 쓰게 할 것인가가 아니라, AI가 어떻게 일하게 만들 것인가?"
AI 도입이 실패하는 이유는 기술이 아닌 "문화" 때문
많은 기업들이 AI 도입 단계에서 비슷한 함정에 빠집니다.
라이선스를 구매하고, 교육을 진행하고, 사용 가이드를 배포하지만 막상 시간이 지나면 직원들에게는 '안 써도 되는 도구'로 남습니다.
KT는 이 문제의 근본적인 원인을 기술이 아닌 조직 문화와 일하는 방식에서 찾았습니다. 가장 중요하게 생각한 것은 '조직의 문화를 바꾸는 것'입니다.
AI 도입은 단순한 소프트웨어 구매가 아니라, 조직의 '운영 체제'를 다시 설계하는 과정이라는 인식의 전환이 필요했습니다.
"AI는 있으면 좋은 것이 아니라, 없으면 불편한 것"
단순 교육이 아닌 "변화관리 프로그램"을 만들다
KT는 일반적인 AI 교육 방식에서 벗어났습니다. 대신, 실제 일하는 방식을 바꾸는 변화관리 프로그램을 기획했습니다.
1. Agent Discovery Workshop
- 각 조직의 실제 업무를 기준으로 "AI로 무엇을 바꿀 수 있는가?"를 함께 정의하는 문제 정의형 워크숍
이 워크숍의 핵심은 기술 설명이 아니라, 현업 구성원 스스로 자신의 업무를 다시 바라보게 만드는 것이었습니다.
'이 일을 왜 이렇게 하고 있지?', '사람이 꼭 해야 할 이유가 있을까?' - 이런 질문에서 Agent 아이디어가 출발했습니다.
2. KrompThon 2025 : ON STAGE
- 아이디어에서 멈추지 않고 실제 Agent와 자동화를 구현·검증하는 실전형 해커톤
KrompThon은 실제 업무에 적용 가능한 수준까지 구현하고 검증하는 것을 목표로 했습니다. 그 결과, 아이디어에 머무는 Agent가 아니라 대회가 끝난 이후에도 현업에서 계속 활용되는 Agent들이 남았습니다.
대표적인 사례로 법인카드 문의/응대 Agent인 카드파일럿(Card Pilot)이 있는데요. 카드파일럿은 법인카드 문의 대응 과정에서 발생하던 비효율성과 응답의 비일관성을 해소하고 이를 자동화한 에이전트로, 현재 임직원들이 가장 많이 사용하는 에이전트 중 하나입니다.
KT는 이를 기반으로 다양한 Agent를 발굴하고 확산하며, AX 기반 일하는 방식이 실제 업무 현장에 자리 잡도록 이어가고 있습니다.
뿐만 아니라, 이러한 변화관리 프로그램은 B2B 영역에서도 다른 기업들이 AX 도입과 확산을 위해 참고하는 모델로써 활용되고 있습니다.
확산 이후의 과제: Agent 성과를 "측정 가능한" 구조로 만들다
Agent가 확산되면서 KT가 가장 중요하게 본 것은 개수가 아닌, 확산 이후에도 지속 가능한 운영 모델이었습니다.
이에 KT는 Agent 확산과 동시에 ROI 대시보드 기반의 성과 측정 체계를 구축했습니다.
Copilot과 Agent의 활용률, 업무 생산성 지표를 한눈에 확인할 수 있도록 했고, ROI 뿐 아니라 ROE, ROF까지 포함한 다면적인 성과 지표로 변화를 설명했습니다.
이러한 성과 측정은 단순한 보고용이 아니었습니다. 고활용 Agent와 우수 프롬프트를 콘텐츠로 재가공하여 전사에 공유했고, 이를 다시 확산과 교육에 활용하는 선순환 구조를 만들었습니다.
Agent는 늘리되, "운영 모델"은 더 단단하게
개별 Agent는 빠르게 만들어졌지만, Agent 수가 늘어날수록 운영 복잡도는 기하급수적으로 증가했습니다. 유사한 기능을 가진 Agent가 중복 개발되었고, 운영 책임과 관리 주체가 명확하지 않은 문제도 함께 나타났습니다.
또한, 배포 이후에는 Agent 별 품질 편차가 커지고, 보안 및 통제 측면에서도 일관된 관리가 어려워졌습니다. 이러한 한계들로 인해 Agent를 개별 프로젝트 산출물이 아닌 전사 차원의 운영 자산(Digital Asset)으로 관리할 수 있는 체계적인 구조가 필요해졌습니다.
KT는 거버넌스 역시 단순한 통제 관점에서 접근하지 않았습니다. Agent 등록과 승인, 품질 검토, 운영 성능 모니터링, 정책 준수까지를 하나의 흐름으로 설계하되, 목표는 명확했습니다.
거버넌스는 속도를 늦추는 장치가 아니라, 확산이 가능한 범위를 넓혀주는 기반이어야 한다는 것 - 이것이 KT의 일관된 원칙이었습니다.
AX 일방식 변화 여정에서 얻은 Key Insights
1. AI는 "운영 모델"이 없으면 확산되지 않는다.
- AI Agent를 일회성 개발 산출물이 아닌 IT 서비스 자산으로 재정의하고, AaaS(Agent as a Service) 모델로 전환하여 기획–생성–배포–운영–개선–종료까지 PDCA 전 주기를 관리하는 체계가 필요하다.
2. AI 고도화의 핵심은 ROI 이상의 "설명 가능성"이다.
- 시간·비용 중심의 ROI를 넘어 업무 효율과 품질(ROE), 일하는 방식의 변화(ROF)를 구조화하고, Viva Insights와 Audit 로그 기반의 객관 지표를 경영 언어로 번역할 수 있는 대시보드 체계를 구축하는 것이 AI 고도화의 핵심이다.
3. 변화관리는 단순 교육을 넘어 "구조 전환"의 문제이다.
- AI가 보고·정리·협업 등 핵심 업무 흐름의 기본값으로 작동하도록 설계하는 '구조 전환'의 문제이며, Citizen Developer 중심의 자율 확산을 유지하되 중앙 조직은 사용률 관리가 아닌 사용 환경 설계에 집중해야 한다.
AI 도입을 넘어, Next Level을 고민하다
AX 일방식 변화의 결과는 업무 일상에서 분명하게 드러났습니다. AI를 '쓸지 말지' 고민하는 단계는 이미 지나갔고, AI를 전제로 업무를 설계하는 단계로 이동했습니다.
이 변화는 단순한 효율 개선을 넘어, 조직의 사고방식과 의사결정 구조가 달라지고 있다는 신호였습니다.
KT는 이미 기술적 기반을 갖추었고, 공감 기반으로 변화의 필요성을 인식하고, 더 나아가 전사 차원에서 일상 업무의 변화를 안착시켜 나가고 있습니다.
"AX 일방식 변화는 IT 프로젝트가 아닌 한 조직의 문화를 바꾸는 여정입니다."
– KT AX CoE (Center of Excellence)
KT는 단순히 Copilot을 많이 쓴 회사가 아니라, Copilot으로 조직을 운영하는 방식을 만든 기업입니다.
그리고 이 AX 일방식 변화 모델은 KT만의 특수한 사례가 아닙니다.
변화관리 프로그램, Agent 발굴과 운영, 성과 측정과 거버넌스까지 다른 조직에서도 그대로 참고하고 적용할 수 있도록 구조화된 모델로 정리되었습니다.
KT의 경험은 그 구조를 어떻게 설계할 수 있는지에 대한 하나의 실증된 답변입니다.