본문으로 건너뛰기

실현 가능성

← 우려사항 목록

핵심 질문​

"암묵지를 정말 자동으로 추출할 수 있나요?"

"30년 베테랑의 '감'을 AI가 어떻게 알 수 있죠? 본인도 설명 못하는 걸요."

우려의 본질​

표면적 질문진짜 우려
"기술적으로 가능한가?""허황된 마케팅 아닌가?"
"AI가 그걸 할 수 있나?""비싼 돈 들여서 실패하면?"
"전문가 지식을 AI가?""우리 전문가가 무시당하는 건가?"

설득 포인트​

1. "감"이 아닌 "패턴" 추적​

핵심 차이:

  • ❌ "왜 그렇게 했어요?" → "그냥 감이에요"
  • ✅ "이 상황에서 A를 선택한 횟수: 847번, B를 선택한 횟수: 23번"

"언어화하기 어려운 것도 행동으로는 드러납니다"

2. 결과 역추적 방식​

작동 방식:

  1. 좋은 결과가 나온 케이스 수집
  2. 당시 어떤 선택을 했는지 역추적
  3. 나쁜 결과 케이스와 비교
  4. 차이점에서 규칙 추출

"전문가가 왜 그렇게 했는지 설명 못해도, 결과가 좋았던 패턴은 추출 가능"

3. 점진적 정확도 향상​

단계정확도방법
초기60~70%패턴 기반 추출
3개월75~80%사용자 피드백 반영
6개월85~90%지속 학습
1년+90%+정제된 규칙

"처음부터 완벽할 필요 없습니다. 피드백으로 계속 개선됩니다"

4. 대체가 아닌 보완​

❌ "AI가 전문가를 대체한다"
✅ "AI가 전문가의 시간을 절약한다"

전문가가 여전히 하는 일:

  • 최종 판단/의사결정
  • 예외 상황 처리
  • 규칙 검증/승인
  • 새로운 상황 대응

AI가 하는 일:

  • 반복 패턴 문서화
  • 같은 설명 1,000번 대신 자동화
  • 기본 케이스 처리
  • 신입에게 기초 지식 전달

"전문가의 가치가 줄어드는 게 아닙니다. 반복 설명에 쓰이던 시간을 아껴서, 정말 전문성이 필요한 일에 집중할 수 있게 되는 겁니다."

대상별 응답​

경영진에게​

"기술적 실현 가능성은 이미 입증되었습니다. 핵심은 '얼마나 정확하냐'가 아니라 '현재보다 나은가'입니다.

현재: 퇴직 시 100% 손실 ONESHIM: 70%라도 보존

70%만 되어도 ROI가 나옵니다."

중간관리자에게​

"전문가를 대체하려는 게 아닙니다.

지금 김과장이 신입한테 같은 설명 100번 하잖아요. 그 100번 중 80번을 시스템이 대신하면, 김과장은 정말 어려운 20번에 집중할 수 있습니다."

실무자(전문가)에게​

"당신의 노하우가 무시되는 게 아닙니다. 오히려 자산화되는 겁니다.

지금은 퇴사하면 다 사라지잖아요. ONESHIM으로 기록되면, 당신의 기여가 영구히 남습니다. (그리고 본인 PKM은 퇴사해도 가져갈 수 있습니다)"

반론 대응​

"우리 업무는 너무 복잡해서 패턴화 안 돼요"​

"복잡하다는 건 변수가 많다는 의미입니다. 변수가 많아도, 결국 선택은 A/B/C 중 하나입니다.

'복잡한 상황에서 A를 선택한 이유'는 몰라도, '복잡한 상황에서 A를 선택했다'는 사실은 기록됩니다.

그 기록이 1,000개 쌓이면 패턴이 됩니다."

"예외 상황이 너무 많아요"​

"예외 상황도 반복되면 패턴입니다.

'이런 예외 상황에서는 이렇게 처리'도 규칙이 됩니다. 정말 새로운 예외는 전문가가 처리하고, 그 처리 방식도 다시 학습됩니다."

"결국 사람이 검토해야 하잖아요"​

"맞습니다. 그게 의도입니다.

100% 자동화가 목표가 아닙니다. '사람이 검토할 분량을 줄이는 것'이 목표입니다.

1,000건 중 800건을 자동 처리하면, 사람은 200건만 보면 됩니다."

관련 자료​

← 우려사항 목록 | 다음: 정확도 →