리포트/뉴스레터

AI 도입을 위한 운영 기반 마련

앞선 칼럼에서는 기업의 AI 활용이 단순 자동화에서 의사결정 보조로 확장되고 있으며, 해양산업에서도 문서·고객 대응·운항·안전·정비·리스크 관리 등 다양한 업무에 AI가 적용될 수 있음을 살펴보았습니다.

그렇다면 다음 질문은 자연스럽게 이어집니다.

“우리 회사도 AI를 쓰려면 무엇부터 준비해야 할까?”

많은 기업들이 AI 도입을 이야기할 때 가장 먼저 모델이나 솔루션을 떠올립니다. 어떤 생성형 AI를 쓸지, 어떤 플랫폼을 도입할지, 어떤 기능을 도입할지부터 고민하는 경우가 많습니다. 물론 기술 선택도 중요합니다. 하지만 실제 업무에서 AI가 성과를 내려면 그보다 먼저 준비되어야 할 것이 있습니다.

바로 업무 데이터, 프로세스, 검증 기준, 운영 체계입니다.

AI는 아무 데이터나 넣는다고 좋은 결과를 내지 않습니다. 업무 흐름이 정리되어 있지 않거나, 문서가 오래된 기준과 최신 기준으로 뒤섞여 있거나, AI 결과를 누가 검토할지 정해져 있지 않다면 AI는 오히려 혼선을 키울 수 있습니다.

특히 해양산업은 운항, 안전, 정비, 고객 대응, 계약, 규제 등 책임이 큰 업무가 많습니다. 따라서 AI를 제대로 활용하기 위해서는 “AI를 도입한다”는 관점보다, “AI가 들어올 수 있는 업무 환경을 만든다”는 관점이 필요합니다.

AI가 참고할 수 있는 데이터 만들기

AI가 업무를 도우려면 먼저 AI가 참고할 수 있는 데이터와 문서가 정리되어 있어야 합니다. 해양기업은 매일 많은 정보를 다룹니다. 선박 운항 정보, 항만 스케줄, 고객 문의, 계약 조건, 안전 규정, 정비 이력, 사고 보고서, 시장 동향 자료 등이 대표적입니다.

문제는 이러한 정보가 여러 부서와 시스템에 흩어져 있는 경우가 많다는 점입니다. 어떤 자료는 엑셀에 있고, 어떤 자료는 이메일에 있으며, 어떤 자료는 PDF 파일이나 개인 폴더 안에 남아 있습니다. 같은 업무와 관련된 데이터라도 담당자마다 관리 방식이 다르면 AI가 이를 일관되게 활용하기 어렵습니다.

따라서 AI 활용의 첫 단계는 거창한 시스템 구축이 아니라, 현재 우리 회사의 업무 데이터가 어디에 있고, 누가 관리하며, 얼마나 자주 갱신되는지 확인하는 것입니다.

예를 들어 운항 관련 데이터라면 선박 위치, 항로, 기상, 연료 사용량, 입출항 스케줄이 어디에 저장되어 있는지 확인해야 합니다. 정비 관련 데이터라면 장비 점검 이력, 고장 기록, 부품 교체 주기, 정비 보고서가 어떤 형식으로 관리되고 있는지 봐야 합니다. 고객 대응 업무라면 고객 문의 이력, 계약 조건, 운송 상태, 과거 답변 사례가 연결되어 있는지 확인해야 합니다.

여기서 중요한 것은 데이터를 단순히 모으는 것이 아닙니다. 업무 맥락과 함께 정리하는 것입니다. AI가 업무에 도움이 되려면 데이터가 어떤 업무에서 쓰이고, 어떤 판단에 영향을 주며, 어떤 기준으로 해석되어야 하는지가 함께 정리되어야 합니다.

결국 AI 활용의 기초는 데이터 그 자체가 아니라, 데이터와 업무 프로세스의 연결입니다.

AI 적용 대상 업무의 우선순위 정하기

AI 적용 후보 업무는 다양하지만, 모든 업무를 동일한 우선순위로 추진할 수는 없습니다. 또한 모든 업무가 AI 적용에 적합한 것도 아닙니다. 따라서 해양기업은 업무 효과, 데이터 준비 수준, 책임 범위를 함께 고려해 적용 순서를 정해야 합니다.

우선 검토할 수 있는 업무는 반복적으로 시간이 많이 소요되고, 결과를 사람이 검토할 수 있으며, 데이터 확보가 가능한 업무입니다. 예를 들어 보고서 초안 작성, 회의록 요약, 내부 문서 검색, 고객 문의 분류, 운항 현황 요약, 정비 이력 정리 같은 업무가 여기에 해당합니다.

이러한 업무는 AI가 초안을 작성하거나 정보를 정리하고, 담당자가 결과를 검토하는 방식으로 시작할 수 있습니다. 효과도 비교적 빠르게 확인할 수 있습니다. 담당자가 매일 반복적으로 하던 업무 시간을 줄이고, 더 중요한 판단이나 고객 대응에 집중할 수 있기 때문입니다.

반면 처음부터 운항 판단, 안전사고 대응, 위험화물 판단, 계약·규제 해석처럼 책임이 큰 업무를 AI에 맡기는 것은 신중해야 합니다. 이런 업무에서는 AI가 데이터를 분석하거나 관련 정보를 정리할 수는 있지만, 최종 판단과 책임은 사람에게 있어야 합니다.

AI 적용 업무를 고를 때는 단순히 “AI로 할 수 있는가”만 보면 안 됩니다. 다음 세 가지를 함께 봐야 합니다.

첫째, 업무 효과가 큰가.
시간 절감, 오류 감소, 고객 응대 개선, 리스크 조기 발견 등 실질적인 효과가 있어야 합니다.

둘째, 데이터와 문서가 준비되어 있는가.
AI가 참고할 자료가 없거나 품질이 낮으면 결과도 신뢰하기 어렵습니다.

셋째, 사람이 검토하고 책임질 수 있는 구조인가.
AI가 만든 결과를 누가 확인하고, 어떤 기준으로 승인할지 정해져 있어야 합니다.

AI 도입은 “가장 멋진 업무”부터 시작하는 것이 아니라, 작게 시작해 효과를 확인하고 점진적으로 확장할 수 있는 업무부터 시작하는 것이 현실적입니다.

AI 결과에 대한 검증 기준

AI를 업무에 활용할 때 가장 중요한 원칙 중 하나는 AI의 결과를 그대로 최종 결과로 보지 않는 것입니다.

AI는 빠르게 초안을 만들고, 문서를 요약하고, 여러 데이터를 정리할 수 있습니다. 그러나 AI가 항상 정확한 것은 아닙니다. 오래된 문서를 참고할 수도 있고, 숫자나 날짜를 잘못 해석할 수도 있으며, 실제 근거가 부족한 내용을 그럴듯하게 제시할 수도 있습니다. 특히 해양산업처럼 안전, 비용, 계약, 규제와 연결된 업무에서는 이러한 오류가 실제 리스크로 이어질 수 있습니다.

따라서 AI 결과를 업무에 활용하려면 검증 기준이 필요합니다. 예를 들어 내부 문서 기반 답변이라면 근거 문서가 무엇인지, 최신 기준을 반영했는지, 숫자와 날짜가 정확한지를 확인해야 합니다. 고객에게 발송되는 답변이라면 계약 조건과 충돌하지 않는지, 회사 정책과 맞는지, 민감정보가 포함되어 있지 않은지를 점검해야 합니다.

운항이나 안전 관련 업무에서는 검증 기준이 더 중요합니다. AI가 항로 변경 가능성, 기상 리스크, 장비 이상 징후를 제시하더라도, 이를 실제 의사결정으로 연결하기 전에는 담당자와 전문가의 검토가 필요합니다. AI가 제시한 결과가 업무에 활용될 수 있는 수준인지, 참고용 정보에 머물러야 하는지 구분해야 합니다.

검증 기준은 복잡할 필요는 없습니다. 처음에는 다음과 같은 기본 기준부터 시작할 수 있습니다.

출처가 확인되는가.
AI가 참고한 문서나 데이터가 명확해야 합니다.

최신 정보인가.
오래된 규정이나 과거 기준이 현재 업무에 적용되지 않도록 확인해야 합니다.

숫자와 조건이 맞는가.
운항 일정, 비용, 계약 조건, 정비 주기처럼 실무에 직접 영향을 주는 정보는 반드시 재확인해야 합니다.

외부로 전달해도 되는가.
고객 답변, 보고서, 공문 등에 AI 결과를 활용할 경우 보안과 승인 절차를 거쳐야 합니다.

AI 활용이 확대될수록 검증 기준은 선택이 아니라 필수입니다. AI를 신뢰하기 위해서는, AI를 검증하는 방식도 함께 설계되어야 합니다.

Human-in-the-Loop: 사람이 검토하고 판단하는 구조

AI 활용에서 자주 등장하는 개념 중 하나가 Human-in-the-Loop입니다. 쉽게 말하면, AI가 결과를 제시하더라도 사람이 중간 또는 최종 단계에서 검토하고 판단하는 구조를 의미합니다.

해양산업에서는 이 구조가 특히 중요합니다. 선박 운항, 항만 운영, 안전관리, 정비, 고객 대응, 계약·규제 검토는 모두 사람의 책임 있는 판단이 요구되는 업무입니다. AI가 아무리 빠르게 정보를 정리하더라도, 현장의 맥락과 책임까지 대신할 수는 없습니다.

따라서 AI와 사람의 역할을 명확히 나누어야 합니다.

AI는 반복적으로 정보를 찾고, 문서를 요약하고, 이상 신호를 감지하고, 가능한 대안을 정리하는 역할을 맡을 수 있습니다. 반면 사람은 AI가 제시한 결과를 검토하고, 업무 맥락을 반영하며, 최종 의사결정을 내려야 합니다.

예를 들어 고객 문의 대응에서는 AI가 고객의 질문을 분류하고 답변 초안을 만들 수 있습니다. 하지만 고객별 계약 조건이나 민감한 클레임이 포함된 경우에는 담당자가 반드시 검토해야 합니다. 운항 관리에서는 AI가 기상, 항만 혼잡, 선박 위치 정보를 종합해 지연 가능성을 알려줄 수 있습니다. 그러나 실제 항로 변경이나 고객 안내 방식은 담당자가 판단해야 합니다.

Human-in-the-Loop은 AI가 산출한 결과를 사람이 처음부터 끝까지 다시 하라는 뜻이 아닙니다. 중요한 것은 업무의 위험도와 책임 수준에 따라 사람의 개입 수준을 다르게 설계하는 것입니다.

반복적이고 리스크가 낮은 업무는 AI가 초안을 만들고 사람이 빠르게 확인하는 방식으로 운영할 수 있습니다. 반면 안전, 법적 책임, 비용 영향이 큰 업무는 AI가 제안한 내용을 전문가가 검토하고, 필요하면 승인 절차를 거치도록 해야 합니다.

결국 Human-in-the-Loop은 AI 활용을 느리게 만드는 장치가 아닙니다. 오히려 AI를 안전하게 확산시키기 위한 운영 원칙입니다. AI에게 맡길 수 있는 영역과 사람이 반드시 책임져야 하는 영역을 구분할 때, AI 활용은 더 안정적으로 확대될 수 있습니다.

AI 운영은 한 번 도입하고 끝나는 일이 아니다

AI는 한 번 도입했다고 끝나는 시스템이 아닙니다. 업무가 바뀌고, 데이터가 업데이트되고, 규정과 시장 환경이 변하면 AI 결과 품질도 지속적으로 점검되어야 합니다.

예를 들어 고객 대응 AI가 과거 답변을 바탕으로 계속 초안을 만들고 있다면, 새로운 계약 조건이나 정책 변경이 반영되고 있는지 확인해야 합니다. 정비 관련 AI가 장비 이상 징후를 알려준다면, 실제 고장 사례와 비교해 탐지 기준이 적절한지 점검해야 합니다. 문서 검색 AI가 내부 규정을 찾아준다면, 최신 문서와 폐기된 문서를 구분하고 있는지 확인해야 합니다.

따라서 AI 활용에는 운영 관리가 필요합니다.
사용자가 어떤 질문을 많이 하는지, AI 답변 중 어떤 부분이 자주 수정되는지, 오류는 어디서 발생하는지, 어떤 업무에서 효과가 큰지 지속적으로 확인해야 합니다.

이 과정을 통해 AI는 더 나아질 수 있습니다. 단순히 모델 성능을 높이는 것이 아니라, 실제 업무에서 더 유용하게 작동하도록 개선하는 것입니다. 사용자 피드백을 반영하고, 데이터 품질을 보완하며, 검증 기준을 조정하는 과정이 반복되어야 합니다.

해양기업이 AI를 업무에 적용할 때도 마찬가지입니다. 처음부터 완벽한 AI 시스템을 만들려고 하기보다, 작게 시작하고, 실제 사용 결과를 보면서 개선하는 운영 구조가 필요합니다. AI 활용의 성과는 도입 시점이 아니라, 운영과 개선을 반복하는 과정에서 만들어집니다.

Lessons Learned: AI 활용 역량은 데이터와 운영 체계에서 나온다

AI를 제대로 활용하기 위해 필요한 것은 최신 기술만이 아닙니다. 오히려 실제 업무에서는 기술보다 업무 준비도와 운영 체계가 더 큰 차이를 만듭니다.

해양기업이 AI를 잘 활용하려면 먼저 업무 데이터와 프로세스를 정리해야 합니다. 어떤 데이터가 어디에 있고, 어떤 업무에서 쓰이며, 누가 관리하는지를 알아야 AI가 업무 맥락 안에서 작동할 수 있습니다.

또한 AI 적용 대상 업무의 우선순위를 정해야 합니다. 빠르게 효과를 낼 수 있는 업무에서 시작하되, 장기적으로는 운항, 운영, 안전, 리스크 관리처럼 핵심 업무로 확장할 수 있는 구조를 염두에 두어야 합니다.

마지막으로 AI 결과를 검증하고 사람이 최종 판단하는 운영 체계가 필요합니다. AI는 초안을 만들고, 정보를 정리하고, 위험 신호를 알려줄 수 있습니다. 그러나 책임 있는 판단은 여전히 사람의 역할입니다.

결국 AI 활용 역량은 어떤 모델을 쓰는가보다 어떤 데이터를 가지고, 어떤 업무에 적용하며, 어떻게 검증하고 운영하는가에서 나옵니다.

해양산업의 AI 활용은 이제 가능성을 확인하는 단계를 넘어, 실제 업무 안에서 성과를 만들어야 하는 단계로 이동하고 있습니다. 이 단계에서 중요한 것은 AI를 많이 도입하는 것이 아니라, AI가 안정적으로 작동 할 수 있는 업무 환경을 만드는 것입니다.

데이터를 정리하고, 업무 우선순위를 정하고, 검증 기준과 Human-in-the-Loop 체계를 마련하는 것.
이러한 준비가 갖춰질 때 AI는 단순한 도구를 넘어 해양기업의 업무 운영 역량을 높이는 기반이 될 수 있습니다.