AI가 답 아닌 질문으로 ‘배움’ 돕게 설계
단일→멀티 AI 구조 바꿔 보고서 품질 개선
Article at a Glance
GS칼텍스는 DAX(Digital & AI Transformation)를 통해 AI를 전사 업무에 확산하는 동시에 사람과 AI의 역할, 업무 흐름을 재설계하고 있다. 에이전트 수나 사용 인원, 시간 절감보다 실제 일하는 방식의 변화에 초점을 둔다. 대표적인 사례가 소크라틱 AI 튜터와 연구보고서 작성 에이전트다. 소크라틱 AI 튜터는 정답을 바로 주지 않는다. 질문과 단계별 힌트로 학습자가 스스로 답을 찾게 돕는다. 반복적인 기초 설명은 AI가 맡고 선배 엔지니어는 예외 상황과 판단 기준, 실무 노하우를 전한다. 숙련자의 질문 방식과 사고 순서를 AI에 담아 개인의 경험을 조직의 지식으로 축적하고 같은 학습 방식을 영업·재무 등 다른 직무로 확장한 것도 특징이다. 연구보고서 작성 에이전트는 시행착오를 거쳐 성과를 끌어올린 사례다. 기대에 못 미친 첫 시도 이후 업무 흐름을 꼼꼼히 다시 살핀 끝에 멀티 에이전트 구조를 통해 결과물의 품질을 개선했다. 모델 성능이 아니라 업무를 어떤 단위로 나누고 사람과 AI에 어떻게 배분하는지가 AX의 성과를 가른다는 점을 보여준다.
인공지능(AI)을 업무에 활용하는 건 더 이상 낯선 일이 아니다. 누구나 생성형 AI로 정보를 찾고, 해석하며, 문서를 요약하고, 보고서 초안을 작성한다. 기업 내부 데이터를 활용해 특정 업무를 지원하는 AI 에이전트도 속속 등장하고 있다. 동시에 모두가 쓰는 도구로 특별한 가치를 창출하는 일은 점점 더 어려워지고 있다. AI Transformation(AX)을 추진하는 기업의 고민 역시 달라졌다. 단순히 AI 에이전트를 몇 개 만들었는지, 임직원 몇 명이 AI를 활용하는지, 업무 소요 시간이 얼마나 줄었는지만으론 AX 성과를 논하기 어렵다. 사람과 AI가 상호작용하는 방식, 실제 업무 흐름의 변화가 더 중요하다.
GS칼텍스의 Digital & AI Transformation (DAX)도 여기에 초점을 둔다. GS칼텍스는 2019년부터 디지털 전환을 추진해 데이터 기반 업무 환경을 구축하고 구성원의 디지털 역량을 강화했다. 초기엔 새로운 기술을 검증하고 데이터를 수집·연결하는 데 집중했다. 이후 업무 프로세스를 개선하고 데이터 레이크(Data Lake), 인공지능·머신러닝(AI·ML) 플랫폼과 로우코드(Low-code) 개발 환경을 마련했다. 2023년부터는 DAX(Digital & AI Transformation) 아카데미를 열어 구성원이 자기 업무에서 스스로 문제를 발견하고 해결할 수 있는 역량을 키웠다.
그리고 2025년, 기존의 Digital Transfor-mation(DX)에 AX를 결합해 본격적인 DAX를 추진했다. 방향성은 ‘AI is Everywhere’다. 생산과 설비를 넘어 안전, 물류, 마케팅, 구매, 재무, HR 등 전체 밸류체인에 걸친 변화다. 공정 최적화, 품질 예측, 설비 이상 탐지, AI CCTV, 고객 의견 분석, 사내 규정 안내와 보고서 작성 지원 등 다양한 과제가 진행 중이다. 방대한 영역에 AI를 적용하는 과정에서 GS칼텍스가 특히 중요하게 본 것은 사람과 AI의 역할을 어떻게 나누고, 업무를 어떻게 다시 설계할 것인지다. 기존 업무에 AI를 덧붙이거나 사람이 하던 일을 그대로 맡기는 것으론 큰 효과를 기대하기 어렵다고 봤기 때문이다.
아티클 AI 요약 보기
