2025년을 기점으로 기업의 AI 전략은 분명한 변곡점을 맞고 있습니다.

단순히 챗봇을 도입하거나 생성형 AI를 PoC(개념검증) 수준에서 실험하던 단계에서 벗어나,

이제는 조직과 프로세스 전반을 AI 중심으로 재설계하는 ‘AX(AI Transformation)’가 본격화되고 있기 때문입니다.

이러한 경향은 특히 2025년 지속된 추론형 LLM 성능의 상향 평준화와 함께 가속화되고 있습니다.

구글이 발표한 Gemini-3.0이나 오픈 AI의 GPT-5.2 같은 SoTA(State of the Art) 모델은 불과 3년 전 생성형 AI 시대를 열었던 챗GPT를 장난감처럼 보이게 할 정도로 성장했습니다. 여기에 더해, Cursor AI나 Intellij와 같은 코딩 어시스턴트의 등장이 실제로 미국 빅테크 기업의 엔지니어 대량 해고를 부르며, 더 이상 개념이 아닌 실존적인 위협으로 나타나기도 했습니다.

이처럼 새로운 AX의 핵심에는 공통점이 있습니다.

기업들은 이제 AI를 단순한 ‘도구’가 아닌 업무 주체의 하나, 즉 에이전트(Agent)로 다루기 시작했고,

이를 위해 전담 조직을 신설하거나 기존 조직 구조를 개편하고 있다는 점입니다.

AI 에이전트는 이제 실험적 도구의 단계를 넘어서 제조, 금융, 공공 등 업계를 막론하고 개발·영업·운영 등

여러 영역 전반에 깊숙이 스며들고 있으며, 기업의 생산성 구조와 의사결정 방식을 근본적으로 바꾸기 시작했습니다.

이러한 흐름 속에서 국내외 기업들은 이미 AX 전환을 조직 단위의 전략 과제로 끌어올리고 있습니다.

특히 각각 리테일과 뷰티 분야의 리더 격인 월마트(Walmart)와 로레알(L’oreal)의 사례는 AX 전환이 특정 산업에 국한되지 않는다는 점을 보여주는 대표적 사례라고 할 수 있습니다.

월마트는 유통·물류·매장 운영 전반을 AI 에이전트 중심으로 재편해, 재고 관리와 배송 최적화, 현장 의사결정까지 실시간으로 지원하는 운영 구조를 구축하고 있으며, 로레알 역시 AI를 단순 자동화 도구가 아닌 창의 업무의 일부로 통합해, 마케팅 콘텐츠 제작과 브랜드 경험 설계 전반에서 생산성과 실험 속도를 동시에 끌어올리고 있습니다.

이들 사례가 공통적으로 보여주는 메시지는 분명해 보입니다. 바로 AX는 비용 절감이나 효율 개선을 넘어,

조직의 핵심 업무 방식 자체를 재정의하는 전략이라는 점입니다.

이번 시간에는 국내외 주요 기업들의 AX 사례를 분석해 보고, 이러한 시대적 흐름에 발맞추어 AX 추진팀을 신설하고

사내 AI 전환을 본격화해 나아가고 있는 다이퀘스트의 AX 혁신 사례에 대해 소개하도록 하겠습니다.

AX는 제조업의 공정 자동화나 테크 기업들의 개발 프로세스 자동화와 같이 복잡하고 어려운 것으로 오해받기 쉽습니다.

그러나 AX의 본질은 기술에 국한되어 있지 않습니다. 앞서 소개한 월마트와 로레알의 AX 전환이 특별한 이유는,

이들이 단순히 최신 AI 기술을 빠르게 도입했기 때문이 아니라 AI를 조직의 실제 업무 흐름 속에 어떻게 배치했는가에 있습니다.

두 기업 모두 AX를 IT 프로젝트의 일환이 아닌, 운영·창의·의사결정 구조를 재설계하는 문제로 접근하고 있습니다.

월마트의 AX 전략은 ‘복잡한 운영 환경에서의 실시간 의사결정’을 핵심 목표로 합니다.

수천 개 매장과 방대한 물류 네트워크를 운영하는 월마트에게 AI는 분석 도구가 아니라 현장을 대신 판단하는 에이전트에 가깝습니다. 통합 AI 플랫폼은 재고 수준, 수요 변화, 물류 지연, 매장 상황을 동시에 고려해 재배치와 배송 전략을 제안하며,

덕분에 직원들은 AI가 제시한 의사결정을 실행·검증하는 역할에 집중할 수 있게 되었습니다.

AX가 단순 자동화를 넘어, 사람과 AI의 역할 분담을 구조적으로 재설계한 사례로 볼 수 있습니다.

반면 로레알의 AX는 ‘창의 업무의 확장’이라는 전혀 다른 방향에서 전개됩니다.

CREAITECH을 중심으로 한 로레알의 AI 전략은 마케팅과 브랜드 영역에서 AI를 아이디어 생성, 시각 실험, 콘셉트 검증의 파트너로 활용하고 있습니다. AI는 반복적 제작 업무를 줄이는 동시에, 인간이 미처 시도하지 못했던 다양한 조합과 표현을 빠르게 탐색하게 해줍니다. 이 과정에서 조직의 창의성은 줄어들지 않고 오히려 증폭되며, AX는 인간의 창의 역량을 보완·확장하는 구조로 작동합니다.

이처럼 AX의 핵심은

“어떤 AI 모델을 쓰는가”가 아니라, AI를 업무 주체로 인정하고 조직 안에서 어떤 역할을 맡길 것인가를 명확히 정의하는 것입니다.

월마트는 AI에게 운영 판단을, 로레알은 창의 실험을 맡겼다.

서로 다른 산업, 다른 업무지만 AX의 본질은 동일하다고 할 수 있습니다.

국내 기업들 역시 AX 전환에 속도를 내고 있지만, 현실은 녹록지 않습니다.

여전히 많은 기업들이 “어디부터 AI를 적용해야 하는가”, “ROI를 어떻게 증명할 것인가”라는 질문 앞에서 머뭇거리고 있기 때문입니다. 이러한 상황에서 최근 주목할 만한 움직임이 있습니다.

인공지능 전문 기업 다이퀘스트의 ‘AX 추진팀과 사내 AI 전환 프로젝트 ‘DAX(Diquest AI Transformation)’입니다.

다이퀘스트의 선택은 다소 상징적입니다. 외부 고객을 대상으로 AI 솔루션을 공급해온 기업이, 자사 기술을 가장 먼저 내부 업무에 적용하는 전략을 택했기 때문입니다. 다이퀘스트는 지난 25년간 대용량 검색엔진 ‘마리너(Mariner)’와 대화형 AI 플랫폼 ‘인포채터(InfoChatter)’를 구축하며, 검색·챗봇 기술을 축적해왔습니다. DAX 프로젝트는 이러한 기술 자산을 기반으로 반복적이고 루틴한 내부 업무에 AI 에이전트를 투입하는 것을 목표로 합니다.

1단계 적용 대상은 유지보수영업 본부입니다. 견적 산출 프로세스에 AI 자동화를 도입하고, 나라장터 등 공공 입찰 정보를 자동으로 수집·정리하는 에이전트를 구축합니다. 사람이 하던 정보 탐색과 문서 정리 업무를 AI가 대신 수행하도록 설계한 것입니다.

또한 개발 조직에는 AI 기반 개발 도구와 내부 교육 체계를 함께 도입해, 단순 생산성 향상을 넘어 개발 문화 자체의 전환을 시도하고 있습니다. 향후에는 재무팀의 세금계산서 발행 등 백오피스 영역으로 AI 에이전트 적용 범위를 확대할 계획입니다.

이 과정에서 다이퀘스트가 가장 강조하는 원칙은 명확합니다. 바로 “정확한 검색을 위한 데이터 표준화입니다.”

글로벌 리서치 기관 가트너는 “2027년까지 기업의 AI 에이전트 프로젝트 중 40% 이상이 비용 증가와 불분명한 성과로 중단될 것”이라고 전망한 바 있습니다. 그 이유로는 과도한 기술 기대, 불완전한 데이터, 현업과 동떨어진 AI 도입을 꼽고 있습니다.

다이퀘스트의 접근은 바로 이 지점에서 차이를 만들어 가고 있습니다. AI를 먼저 도입하는 것이 아니라, 내부 데이터를 표준화하고 실제 업무 프로세스를 정리한 뒤 에이전트를 투입한다는 점입니다. 이는 그동안 고객사에 제안해왔던 방법론을 자사 내부에서 먼저 검증하는 ‘실증형 AX 모델’에 가깝다고 할 수 있습니다.

윤철진 다이퀘스트 그룹장은 “AI 전환의 성패는 결국 데이터 품질과 도메인 이해에서 갈린다”며,

“DAX 프로젝트를 통해 우리가 직접 검증한 AX 방법론을 고객사에도 제공할 수 있는 체계를 만들 것”이라고 설명합니다.

앞으로의 AX 경쟁은 더 이상 단순히 “AI를 도입했는가”의 문제가 아니라, “AI를 전제로 조직과 업무를 어떻게 재설계했는가”의 문제로 전개될 것입니다. 생성형 AI 모델은 이제 단순히 사람의 말을 앵무새처럼 따라 하는 것을 넘어, 스스로 생각하고 판단할 수 있는 업무의 주체로 발전해 나가고 있습니다. 이러한 경향은 기술 그 자체보다, AI를 실제 업무 주체로 편입시키는 조직 역량과 데이터 구조가 기업 경쟁력을 좌우하는 단계로 접어들었음을 의미합니다.

향후 2~3년 내 AX 전환에서 가장 큰 격차를 만들어낼 요소는 세 가지로 압축될 것입니다.

첫째, AI 에이전트를 단위 업무가 아닌 업무 흐름 전체에 어떻게 배치하느냐입니다.

둘째, 현업의 판단과 맥락을 AI가 이해할 수 있도록 하는 도메인 데이터의 품질과 표준화 수준입니다.

셋째, AI가 수행한 결과를 사람이 어떻게 검증하고 의사결정으로 연결하는지에 대한 사람-AI 협업 구조의 설계 능력입니다.

이 중 어느 하나라도 결여될 경우, AX는 비용만 증가한 채 성과를 내지 못하는 프로젝트로 전락할 가능성이 높습니다.

이러한 관점에서 다이퀘스트의 DAX 프로젝트는 단기적인 생산성 향상을 넘어, 향후 국내 기업들이 참고할 만한 하나의 방향성을 제시합니다. 내부 데이터를 먼저 정비하고, 반복적·명확한 업무부터 AI 에이전트를 투입해 실증적으로 검증하는 접근은 AX의 실패 확률을 낮추는 동시에 확장 가능성을 높입니다. 특히 내부에서 검증된 AX 방법론을 다시 고객사에 제공할 수 있다는 점에서, DAX는 단순한 사내 혁신 프로젝트를 넘어 AX 전문 기업으로의 진화를 위한 전략적 기반이라 볼 수 있습니다.

머지않아 AX는 일부 선도 기업의 실험이 아니라, 모든 기업이 마주하게 될 기본 전제가 될 것입니다. 그리고 그 시점에서 경쟁력을 결정짓는 것은 최신 AI 모델이나 화려한 데모가 아니라, AI와 함께 일하도록 설계된 조직의 성숙도일 것입니다. AX 조직으로의 전환은 이제 미래 대비가 아니라, 현재의 생존 전략입니다.