AI를 가장 많이 쓰는 회사보다, 가장 제대로 쓰는 회사

현대자동차그룹 AX 성과 발표회 영상을 보면서 가장 오래 남은 문장은 마지막에 가까운 대목이었다.

우리는 AI를 가장 많이 활용하는 회사가 되려는 것이 아닙니다. 전 세계에서 가장 AI를 제대로 활용하는 회사가 되는 것입니다.

이 문장은 많은 조직의 AI 도입 논의가 놓치는 지점을 정확히 찌른다.

이 글은 제조 AI는 챗봇이 아니라, 현장 노하우를 실행하는 에이전트다와 함께 현대차그룹 AX, 제조 AI, H Chat Pro, 데이터 표준화가 어떻게 하나의 운영 구조로 연결되는지 읽기 위한 글이다. 관련 주제는 제조AI·AX 허브에 모아둔다.

요즘 기업과 기관의 AI 논의는 자주 숫자로 시작한다. 몇 명이 ChatGPT를 쓰는가. 몇 개 부서에 AI를 도입했는가. 몇 개 업무를 자동화했는가. 몇 개의 에이전트를 만들었는가.

하지만 AI 전환의 성패는 사용량에서 갈리지 않는다.

누가 더 많은 AI 툴을 샀는가가 아니라, 누가 AI가 일할 수 있는 조직 구조를 만들었는가에서 갈린다.

현대차그룹 AX 발표회가 흥미로운 이유는 여기에 있다. 이 발표는 “우리는 AI를 많이 쓴다”는 자랑으로 끝나지 않는다. 오히려 반복해서 말한다. AX는 기술 도입이 아니라 일하는 방식의 변화라고.

현대자동차그룹 AX: AI 도입이 아니라 일하는 방식의 변화다

영상 초반 현대차그룹은 AX를 이렇게 설명한다. 생각하는 방식, 협업하는 방식, 문제를 해결하는 방식을 바꾸는 일. 사람, 데이터, 소프트웨어, 워크플로우가 연결되고, 그 위에 AI가 얹히면서 연구개발, 생산, 품질관리, 서비스가 하나의 흐름으로 이어지는 일.

이 정의가 중요하다.

많은 조직에서 AI 도입은 아직 “도구 보급”에 가깝다.

임직원에게 생성형 AI 계정을 준다.
프롬프트 교육을 한다.
문서 요약이나 보고서 작성에 써보게 한다.
몇 개 부서에서 자동화 사례를 만든다.
성과 발표회를 연다.

물론 이것도 출발점은 된다. 하지만 여기서 멈추면 AI는 조직의 일부가 되지 못한다. 개인의 생산성 도구에 머문다.

현대차 발표의 메시지는 다르다. AI는 목적이 아니라 도구다. 더 중요한 것은 그 도구가 들어갈 수 있는 업무 구조, 데이터 구조, 협업 구조, 검수 구조를 만드는 일이다.

이 관점에서 보면 AX는 IT 프로젝트가 아니라 운영체계 전환에 가깝다.

AI를 제대로 쓰는 조직은 프롬프트 교육만 하지 않는다. 권한, 데이터, 문서, 검수, 피드백 루프를 함께 설계한다.

DX 없는 AX는 없다

이 영상에서 특히 좋았던 부분은 현대차그룹이 AX를 어느 날 갑자기 시작된 프로젝트로 말하지 않는다는 점이다.

발표에서는 2018년 정의선 회장의 “IT 회사보다 더 IT 같은 기업”이라는 방향성이 언급된다. 이 말은 자동차 회사가 IT 회사 흉내를 내자는 뜻이라기보다, IT 회사처럼 빠르고 유연하게 배우고 바꾸는 조직문화를 갖자는 뜻으로 설명된다.

그 이후 현대차그룹은 협업도구, 태스크 관리, 공동 문서 편집, SaaS, 데이터 표준화, 글로벌 데이터 파이프라인 같은 기반을 축적해왔다.

이 순서가 중요하다.

협업 방식 전환
→ 공동 문서와 업무 기록 축적
→ 데이터 표준화
→ 글로벌 데이터 파이프라인
→ 보안 환경에서 외부 LLM 활용
→ 현업 업무에 AI 적용
→ 제조·정비·고객 서비스로 확장

즉 AI 전환은 DX를 건너뛰는 지름길이 아니다. DX 위에 올라가는 다음 층이다.

DX 없는 AX는 없다.

데이터와 협업 구조가 없는 조직에서 AI는 똑똑한 검색창에 머문다. 문서가 개인 PC와 메일함에 흩어져 있고, 업무 이력이 태스크로 남지 않고, 데이터 코드가 부서마다 다르고, 승인 구조가 불명확하면 AI는 조직의 일을 제대로 이어받을 수 없다.

AI는 조직의 빈틈을 마법처럼 메워주지 않는다. 오히려 조직의 빈틈을 더 빨리 드러낸다.

공동 문서는 AI가 읽을 수 있는 조직 기억이 된다

영상 중반부에서 흥미로운 장면이 나온다. 메일이나 메신저로 파일을 주고받던 방식에서 벗어나, 태스크 관리 도구와 공동 문서 편집 도구를 도입했다는 설명이다.

처음에는 낯설고 일이 늘어나는 것처럼 느껴졌지만, 시간이 지나면서 지식이 개인이 아니라 조직 안에 남기 시작했다는 말도 나온다. 담당자가 부재중이어도 맥락을 따라갈 수 있고, 완성된 파일을 공유하는 것이 아니라 함께 만들어가는 과정 자체가 협업이 되었다는 것이다.

이 대목은 마크다운이 직원이다에서 말한 흐름과 정확히 연결된다.

AI 시대에 문서는 단순한 기록이 아니다. AI가 읽을 수 있는 조직 기억이다.

공동 문서, 업무 티켓, 회의록, 변경 이력, 의사결정 로그가 쌓여 있으면 AI는 그것을 바탕으로 맥락을 이해할 수 있다. 반대로 모든 지식이 개인의 머리와 메일함에 있으면 AI는 조직의 실제 업무를 이해하지 못한다.

그래서 마크다운이나 공동 문서의 의미가 달라진다.

이전에는 사람이 보기 좋은 정리 방식이었다. 이제는 AI가 읽고, 이어받고, 실행 루프를 구성할 수 있는 업무 단위가 된다.

조직이 AI를 잘 쓰기 위해서는 먼저 AI가 읽을 수 있는 방식으로 일해야 한다.

데이터는 많으면 되는 것이 아니라 연결되어야 한다

현대차 AX 발표에서 두 번째로 중요한 축은 데이터다.

발표자는 현업과 이야기해보면 조직 내 데이터는 충분히 있다고들 말하지만, 중요한 것은 데이터를 많이 보유하는 것이 아니라 표준화된 데이터를 하나의 흐름으로 연결하는 것이라고 말한다.

이건 거의 모든 조직에 해당한다.

데이터는 있다. 문제는 연결되지 않는다는 것이다.

부서마다 코드가 다르다.
시스템마다 용어가 다르다.
같은 고객, 같은 차량, 같은 공정, 같은 과제를 다르게 부른다.
데이터가 어디서 생성되어 어디로 흘러가는지 추적되지 않는다.
기준정보가 계속 바뀌지만 관리 체계가 약하다.

이 상태에서 AI를 붙이면 어떻게 될까.

AI는 답을 하긴 한다. 하지만 조직의 실제 흐름을 관통하지 못한다. 특정 문서 하나는 요약할 수 있지만, 연구개발-생산-판매-품질-서비스를 연결해 판단하기는 어렵다.

현대차그룹은 글로벌 원 데이터 파이프라인과 기준정보 표준화를 강조한다. 데이터가 어디에서 생성되고, 어디로 연결되며, 어떤 의미를 갖는지 추적 가능한 구조가 필요하다는 것이다.

이것이 AI의 연료다.

좋은 모델도 좋은 데이터 구조 없이는 조직의 일을 제대로 하지 못한다.

H Chat Pro: 전사 AI 사용은 보안 구조 위에서 가능하다

현대차그룹은 H Chat Pro라는 내부 플랫폼을 통해 ChatGPT, Claude, Gemini 같은 외부 LLM을 보안이 확보된 환경에서 임직원이 활용할 수 있게 했다고 설명한다. 발표 기준으로 2025년 7월 전직원의 80%가 이 플랫폼을 통해 외부 LLM을 실제 업무에 활용하고 있다고 한다.

이 숫자는 인상적이다.

하지만 더 중요한 것은 80%라는 사용률 자체가 아니다. 그 사용률을 가능하게 한 구조다.

대기업, 특히 제조기업은 국가핵심기술, 보안, 기밀 유출, 클라우드 사용 제한 같은 문제가 있다. 그냥 “각자 알아서 ChatGPT 쓰세요”라고 할 수 없다. 그래서 AI 활용은 자유의 문제가 아니라 설계의 문제다.

어떤 모델을 쓸 수 있는가
어떤 데이터는 입력하면 안 되는가
어떤 업무는 외부 LLM 사용이 가능한가
어떤 로그를 남길 것인가
어떤 결과물은 사람이 검수해야 하는가
어떤 보안 환경에서 사용할 것인가

이 질문에 답하지 않고 AI 사용만 늘리면 위험하다.

AI 리터러시도 여기서 달라진다. 개인이 프롬프트를 잘 쓰는 능력만으로는 부족하다. 조직 차원에서는 보안, 권한, 데이터 분류, 승인, 감사 로그까지 포함한 AI 리터러시가 필요하다.

AI를 제대로 쓰는 회사는 사용을 막는 회사도 아니고, 무작정 여는 회사도 아니다. 안전하게 많이 쓸 수 있는 구조를 만드는 회사다.

AI 사례들은 모두 “업무 루프” 안으로 들어간다

영상 후반부에는 여러 AX 사례가 나온다. 여기서 중요한 것은 각 사례가 단순 챗봇이 아니라 실제 업무 루프 안에 들어가 있다는 점이다.

충돌안전 AI 어시스턴트

R&D 영역에서는 차량 충돌 시험 결과, 이미지, 분석 자료, 안전 기준을 통합 검색하고 비교할 수 있는 AI 어시스턴트가 소개된다.

충돌 안전은 숙련자의 경험이 중요한 영역이다. 과거에 비슷한 조건의 시험이 있었는지, 어떤 이미지와 분석 자료를 비교해야 하는지, 어떤 안전 기준을 참고해야 하는지 빠르게 찾는 능력이 중요하다.

AI의 역할은 숙련자를 없애는 것이 아니다. 숙련자의 경험에 묶여 있던 판단 근거를 조직 전체가 접근 가능한 데이터 기반으로 바꾸는 것이다.

AI 자동화 인식 서비스

제조 현장에서는 차량 식별 번호를 AI 비전으로 인식해, 시스템에 등록된 차량 정보와 실제 차량이 일치하는지 확인하는 서비스가 소개된다. 발표에 따르면 이 서비스는 약 70개소에서 운영되고, 단일 공정 기준 연간 약 0.3억 원의 비용 절감 효과를 냈다고 한다.

여기서 AI는 보고서를 쓰는 것이 아니라 현장의 확인 업무를 바꾼다.

사람이 눈으로 확인하던 일을 이미지 인식 모델이 수행하고, 오류가 발생하면 즉시 발견해 대응할 수 있게 한다. 이것은 업무 자동화이면서 동시에 품질관리 방식의 변화다.

제조공정 대차 정렬 최적화

부품과 자재를 실은 대차의 이동 순서가 꼬이면 생산라인이 멈추고 작업자가 직접 복구해야 한다. 발표에서는 복구에 최소 10분에서 최대 50분 정도가 걸릴 수 있고, 차종 수와 대차 수가 늘어날수록 가능한 경우의 수가 수백만 개로 늘어난다고 설명한다.

현대차그룹은 여기에 AI 기반 강화학습을 결합해 최적 이동 경로를 찾는 서비스를 만들었다고 한다. 발표 기준으로 연간 약 0.4억 원의 비용 절감 효과가 언급된다.

이 사례는 AI가 “지식을 말하는 도구”를 넘어 운영 최적화 도구가 되는 장면이다.

제조 특화 AI 에이전트 생태계

E-FOREST: POLARIS는 생산, 품질, 설비, 물류 등 제조 전 영역에서 현업 엔지니어가 자신의 노하우를 AI 에이전트로 구현하고, 검증하고, 운영할 수 있도록 지원하는 플랫폼으로 소개된다.

이 부분은 앞서 쓴 제조 AI는 챗봇이 아니라, 현장 노하우를 실행하는 에이전트다와 바로 연결된다.

제조 AI의 핵심은 챗봇이 아니다. 현장 노하우를 실행 가능한 업무 루프로 바꾸는 것이다.

AI 기반 정비 지원 서비스

정비 영역에서는 글로벌 차량 정비 매뉴얼과 기술 데이터를 통합해, 정비사가 오류 코드나 증상을 입력하면 원인과 대응 방안을 제시하는 AI 기반 정비 지원 서비스가 소개된다.

발표에서는 대응 시간이 약 42% 단축되었고, 2026년 말까지 6,000여 개 딜러와 3만 명 이상의 정비사에게 제공될 예정이라고 설명한다.

이 사례는 데이터 표준화와 글로벌 파이프라인이 왜 중요한지 보여준다. 정비 매뉴얼, 차량 고장 데이터, 과거 정비 기록, 실시간 오류 이력이 연결되어야 자연어 검색과 진단 지원이 가능해진다.

고객 리뷰 대응 자동화

마지막으로 고객 리뷰 대응 자동화 솔루션이 나온다. AI가 고객 리뷰를 자동 분류하고 답변 초안을 생성하며, 담당자는 최종 검수만 하는 구조다.

발표에 따르면 리뷰 한 건 처리 시간이 평균 35분에서 5분으로 줄었고, 전체 리뷰의 약 85% 이상이 AI 기반으로 자동 처리되고 있다고 한다.

이 사례는 사무직 자동화 논의와도 연결된다. ChatGPT Astra는 과연 사무직을 대체할까에서 말했듯, AI는 직업 전체를 한 번에 대체하기보다 업무를 태스크 단위로 해체한다.

리뷰 대응 업무도 마찬가지다.

읽기
분류하기
태그 붙이기
답변 초안 작성하기
최종 검수하기
고객에게 전달하기
피드백 쌓기

이 중 AI가 맡을 수 있는 부분과 사람이 남아야 하는 부분이 재배치된다. 사람은 반복 작성자에서 최종 검수자와 품질 책임자로 이동한다.

AI는 숙련자를 대체하기보다 숙련자의 노하우를 확장한다

영상 전체를 관통하는 또 하나의 메시지는 숙련자의 경험이다.

충돌안전 AI는 수십 년 동안 축적된 연구개발 노하우를 더 많은 연구원이 활용하게 만든다. 정비 지원 AI는 숙련된 정비사의 경험과 글로벌 기술 데이터를 더 빠르게 찾을 수 있게 한다. 제조 특화 AI 에이전트는 현업 엔지니어의 업무 경험을 에이전트로 구현한다.

여기서 AI는 사람을 지우는 기술이라기보다, 사람의 경험을 조직 자산으로 바꾸는 기술에 가깝다.

물론 모든 직무가 그대로 유지된다는 뜻은 아니다. 반복적인 확인, 검색, 분류, 초안 작성, 경로 탐색 같은 일은 AI로 이동한다. 하지만 문제정의, 기준 설정, 최종 검수, 예외 판단, 책임 있는 승인 같은 일은 더 중요해진다.

AI 네이티브 조직에서 중간관리자는 무엇을 해야 하는가에서 말한 것처럼, AI 시대에 사라지는 것은 사람 자체가 아니라 관리자답지 않은 관리 업무, 전문가답지 않은 반복 업무다.

사람의 역할은 사라지는 것이 아니라 더 선명해진다.

대학과 공공기관의 AX도 도구 도입으로 끝나면 안 된다

이 영상을 대학컨설팅 관점에서 보면 메시지는 더 넓어진다.

대학도 이제 AI 도입을 고민한다. 학생에게 ChatGPT를 허용할 것인가. 교직원에게 생성형 AI 계정을 줄 것인가. AI 튜터를 만들 것인가. 행정 챗봇을 도입할 것인가. 수업에 AI를 어떻게 넣을 것인가.

그런데 질문이 여기서 멈추면 부족하다.

대학의 AX도 결국 일하는 방식의 문제다.

대학의 데이터는 표준화되어 있는가?
부서별 문서와 의사결정 기록은 조직 자산으로 남는가?
교무, 비교과, 산학협력, 취업, 성과관리 데이터는 연결되어 있는가?
AI가 읽을 수 있는 지식 구조가 있는가?
교직원이 안전하게 AI를 쓸 수 있는 공통 플랫폼이 있는가?
AI가 만든 결과물을 누가 검수하고 승인하는가?
반복 업무를 AI에게 맡긴 뒤 사람의 역할을 어디로 재배치할 것인가?

이 질문 없이 AI를 도입하면 대학도 같은 문제를 겪는다. 챗봇은 생기지만 업무는 바뀌지 않는다. 보고서 초안은 빨라지지만 의사결정 구조는 그대로다. 학생은 AI를 쓰지만 학습의 질은 흔들린다.

학생은 AI를 쓰는데, 왜 점수는 떨어질까에서 말한 것처럼, AI 사용 자체는 성과를 보장하지 않는다. 어떤 조건에서, 어떤 기준으로, 어떤 검증 구조 안에서 쓰는지가 중요하다.

대학의 AI 전환도 도입률이 아니라 운영 구조로 봐야 한다.

결론: AI 사용량이 아니라 AI 운영 능력이다

현대차그룹 AX 발표회가 던지는 메시지는 분명하다.

AI를 많이 쓰는 것과 AI를 제대로 쓰는 것은 다르다.

많이 쓰는 조직은 계정을 나눠주고 사용량을 집계한다. 제대로 쓰는 조직은 업무 구조를 바꾸고, 데이터를 연결하고, 문서를 조직 기억으로 만들고, 보안 플랫폼을 만들고, 현업이 직접 에이전트를 만들 수 있게 하고, 사람의 검수와 책임 루프를 설계한다.

AI 전환의 핵심은 모델 성능이 아니다.

조직이 AI가 일할 수 있는 구조로 바뀌었는가다.

그래서 현대차의 AX 발표에서 가장 중요한 문장은 “전직원의 80%가 AI를 쓴다”가 아니다.

정말 중요한 문장은 이것이다.

AI를 가장 많이 활용하는 회사가 아니라, AI를 가장 제대로 활용하는 회사.

앞으로 기업과 대학, 공공기관의 AI 전환도 이 기준으로 봐야 한다.

AI를 몇 명이 쓰는가가 아니라, AI가 일할 수 있는 구조를 만들었는가.

그 질문에 답하지 못하면 AI는 도입된다. 하지만 전환은 일어나지 않는다.

참고자료

• 현대자동차그룹(HYUNDAI), 「현대자동차그룹 AX 성과 발표회(Beyond AI, Transforming the Way We Work) Full ver」, YouTube, 2026.