BLACKBOLD'S VIEW
새 기술이 등장할 때마다 조직의 계획을 바꿀 필요는 없습니다. 지금의 업무 문제를 얼마나 해결하는지, 운영할 수 있는지, 무엇을 포기해야 하는지 비교해야 합니다.
과제별 효과와 조직 역량, 중소기업 활용 자료를 함께 검토했습니다. 기술 트렌드를 그대로 실행계획으로 옮기기보다 회사의 조건으로 다시 평가하는 관점입니다.
시장의 관심보다 우리 회사의 필요를 먼저 봐야 합니다
많이 언급되는 기술이 현재 가장 중요한 과제라고 볼 수는 없습니다. Blackbold는 트렌드 검토에서 ‘이 기술이 없어서 막힌 업무가 있는가’를 먼저 물을 것을 제안합니다. 해결할 문제가 불명확하면 기술 조사 자체를 작은 관찰 과제로 남길 수 있습니다. 반대로 당장 필요한 기능이라도 데이터와 운영 담당자가 준비돼 있지 않다면 먼저 갖춰야 할 조건을 따로 적는 편이 좋습니다.
기술 관찰과 실험, 실제 운영의 기준은 달라야 합니다
가상의 기업이 코딩 에이전트, 로봇, 예측 모델을 함께 검토한다면 모두를 같은 개발 프로젝트로 시작할 필요는 없습니다. 하나는 외부 동향을 관찰하고, 하나는 제한된 데이터로 시험하고, 이미 검증된 다른 하나는 운영 품질을 높일 수 있습니다. 각 단계에는 예산과 완료 조건을 다르게 두세요. 실험 결과가 부정적이어도 판단 근거가 남으면 불필요한 확장을 피한 성과가 될 수 있습니다.

기술 도입을 보류한 이유도 기록해야 합니다
기술을 채택하지 않은 이유가 비용인지, 데이터 부족인지, 책임 구조의 문제인지 남겨 두면 재검토 시점을 정하기 쉽습니다. 조건이 바뀌었는데도 예전 결정을 반복하는 일을 줄일 수 있습니다. 분기마다 모든 기술을 다시 조사하기보다 중요한 가정이 달라졌는지 확인하세요. 외부 전망은 변화의 신호를 찾는 데 사용하고, 실제 투자 판단은 회사의 업무와 검증 결과에 연결하는 것이 바람직합니다.
기술 이름을 지우고 해결할 문제를 적습니다
새로운 모델, 검색 방식이나 에이전트 도구를 검토할 때 그 이름을 잠시 지워 보세요. 어떤 업무가 얼마나 자주 막히고, 현재 방식으로 해결하기 어려운 이유가 무엇인지 적습니다. 이 질문에 답할 수 없으면 기술을 시험해도 무엇이 좋아졌는지 판단하기 어렵습니다.
Blackbold는 업무 효과, 자료 준비도, 연결 난도, 운영 부담을 같은 표에 놓을 것을 제안합니다. 효과가 커 보여도 필요한 자료를 쓸 수 없거나 책임자가 없다면 먼저 준비해야 합니다. 반대로 화려하지 않은 자동화가 당장의 반복 비용을 줄일 수 있습니다.

시험할 과제 수에도 한도를 둡니다
많은 실험을 동시에 시작하면 현업 담당자는 여러 시연에 자료를 제공하고 검토하느라 바빠집니다. 실험의 개발 시간뿐 아니라 참여자의 시간을 자원으로 계산해야 합니다. 같은 사람이 여러 과제의 승인자가 되면 실험이 서로 지연시킬 수 있습니다.
각 과제에는 검토 시점과 계속할 조건, 중단할 조건을 정합니다. 결과가 기대와 다르면 실패를 숨기기보다 왜 맞지 않았는지 남깁니다. 그 기록은 다음 도구를 검토할 때 같은 시행착오를 줄이는 자산이 됩니다.
선택하지 않는 이유도 실행계획에 남깁니다
현재는 자료가 부족한지, 제품이 너무 자주 바뀌는지, 예상 이익보다 운영 부담이 큰지 구체적으로 적습니다. 나중에 조건이 달라지면 다시 검토할 수 있도록 판단 근거와 담당자를 남깁니다. 단순히 ‘나중에’라고 미루면 같은 질문을 반복하게 됩니다.
투자 우선순위는 기술의 순위가 아니라 조직의 다음 행동을 정하는 도구입니다. 사람의 역할 변경과 교육, 기존 시스템 정리까지 비용에 넣고, 실제 완료된 업무의 변화로 다음 투자를 결정합니다.
적용 전에는 다음 항목을 확인해야 합니다
- 기술 이름 없이도 해결할 업무를 설명할 수 있는가?
- 현업 검토 시간과 동시에 진행할 실험 수를 고려했는가?
- 계속할 조건과 중단·재검토 조건을 남겼는가?
핵심 용어는 이렇게 이해하면 됩니다
- PoC
- 작은 범위에서 구현 가능성과 효과를 확인하는 시험. 개념 검증이라고 합니다.
- 기회비용
- 한 선택에 시간과 자원을 쓰느라 하지 못하게 된 다른 일의 가치입니다.
참고 자료는 다음 범위에서 활용했습니다
- McKinsey Technology Trends Outlook 2026 (새 창)McKinsey & Company · 2026.09.15
McKinsey의 2026년 기술 전망은 AI뿐 아니라 컴퓨팅, 연결성, 엔지니어링 등 여러 기술 영역을 함께 살펴봅니다. 연구·투자·인재 수요 등의 움직임을 분석한 자료이며 개별 기업의 도입 우선순위를 대신 정해 주지는 않습니다.
- Navigating the Jagged Technological Frontier (새 창)Harvard Business School · 2023.09.21
AI 활용의 효과가 과제마다 다를 수 있다는 실험 결과를 참고했습니다.
특정 도구와 컨설팅 과제를 대상으로 한 연구입니다. 모든 직무나 최신 도구에 같은 효과를 적용할 수 없습니다.
- State of AI-assisted Software Development 2025 (새 창)Google Cloud / DORA · 2025
AI 활용의 효과를 조직의 기존 업무 방식과 연결해 봅니다.
소프트웨어 개발 조직을 다룬 연구입니다. 다른 산업의 인과적 성과나 특정 기업의 예상 수익을 직접 계산할 수 없습니다.
- Generative AI and the SME Workforce: skills and labour needs (새 창)OECD · 2025
중소기업의 업무 부담·역량·인력 수요를 함께 살펴봅니다.
설문에 응답한 기업의 경험과 인식을 다룹니다. AI가 특정 결과를 일으켰다는 인과관계나 모든 중소기업의 효과를 보장하지 않습니다.
공개 자료를 비교하고 Blackbold의 업무·조직·시스템 설계 관점으로 정리했습니다. 본문의 가상 예시는 적용 방법을 설명하기 위한 것이며 고객 실적이 아닙니다. 출처 기관과의 제휴나 승인을 의미하지 않습니다.
주간 회차 기준일 2026.10.05 · 실제 게시 및 자료 확인 2026.10.19
이 관점을 실제 업무로 연결하려면
AI 전략 컨설팅 알아보기


