13. 첫 과제를 고르는 눈 — RAPIDS 프레임워크
이 챕터를 다 읽고 나면 알게 될 것: AI 과제 선정의 3대 함정. 그리고 RAPIDS 프레임워크로 과제를 평가하는 방법.
AI 과제 선정에는 세 가지 함정이 있다. 기술 주도, 정치 주도, 유행 주도. RAPIDS는 6가지 기준으로 과제를 평가한다. 반복성, 접근성, 파급력, 즉시성, 데이터, 규모. 첫 과제는 성과가 아니라 학습이 목적이다.
세 가지 함정
프롤로그의 127개 과제로 돌아가자. 왜 127개가 리스트에 올랐는가.
첫 번째 함정은 기술 주도다. IT 부서가 "기술적으로 가능한 것"을 리스트에 올린다. "텍스트를 요약할 수 있습니다." "이미지를 분류할 수 있습니다." 기술이 출발점이다. 비즈니스 문제가 아니다. 현업은 요약이 필요한 적 없다. 분류가 필요한 적 없다.
두 번째 함정은 정치 주도다. 임원이 관심을 표명한 과제가 우선순위에 올라간다. "사장님이 챗봇에 관심을 보이셨다." 비즈니스 가치와 무관하게 정치적 무게가 우선순위를 결정한다.
세 번째 함정은 유행 주도다. 경쟁사가 하고 있으니 따라 한다. 컨퍼런스에서 본 사례를 가져온다. 우리 기업의 맥락과 다른데도 "벤치마크"라는 이름으로 추진한다.
세 함정의 공통점이 있다. 비즈니스 문제에서 출발하지 않는다.
RAPIDS: 6가지 평가 기준
| 기준 | 영문 | 질문 | 평가 (1~5점) |
|---|---|---|---|
| R 반복성 | Repetitiveness | 이 업무가 반복적인가? | 매일 1,200건 = 5점 |
| A 접근성 | Accessibility | 데이터에 접근할 수 있는가? | API 있음 = 5점 |
| P 파급력 | Power | 비즈니스 영향이 큰가? | 매출 직결 = 5점 |
| I 즉시성 | Immediacy | 6개월 내 성과가 나오는가? | 3개월 내 가시적 = 5점 |
| D 데이터 | Data | 충분한 양·질의 데이터가 있는가? | 3년 이력 = 5점 |
| S 규모 | Scale | 처리량이 AI를 정당화하는가? | 월 10,000건 = 5점 |
Figure 4. RAPIDS 프레임워크 — JK 오리지널. 총점 20점 이상이면 AI 과제로 적합
RAPIDS는 AI 과제를 평가하는 6가지 기준의 앞글자를 딴 프레임워크다.
R — Repetitiveness (반복성)
이 업무가 반복적인가. 반복이 높을수록 AI의 가치가 크다. 매일 1,200건의 견적서를 비교하는 업무는 반복성이 높다. 연 1회 수행하는 전략 기획은 반복성이 낮다.
A — Accessibility (접근성)
데이터에 접근할 수 있는가. 데이터가 디지털화되어 있는가. 시스템에 API가 있는가. 법적·보안적 제약은 없는가. 접근할 수 없는 데이터 위에 AI를 세울 수는 없다.
P — Power (파급력)
이 업무의 개선이 비즈니스에 미치는 영향이 큰가. 매출에 직결되는가. 비용의 큰 부분을 차지하는가. 고객 경험에 직접 영향을 미치는가. 파급력이 작으면 성공해도 의미가 없다.
I — Immediacy (즉시성)
성과가 빨리 나타나는가. 6개월 내에 가시적 결과를 보여줄 수 있는가. 첫 과제는 조직의 신뢰를 얻어야 한다. 2년 뒤에 효과가 나타나는 과제는 첫 과제로 부적합하다.
D — Data (데이터)
충분한 양과 질의 데이터가 있는가. 학습에 필요한 과거 데이터가 존재하는가. 데이터 라벨링이 필요한가. 데이터가 없으면 AI 프로젝트는 데이터 수집 프로젝트가 된다.
S — Scale (규모)
이 업무의 처리량이 AI를 정당화할 만큼 큰가. 월 10건의 업무를 자동화하면 AI 도입 비용을 정당화하기 어렵다. 월 10,000건이면 다르다.
평가 방법
각 기준을 1~5점으로 평가한다.
5점 만점 기준으로 총점 30점이다. 경험적으로, 총점 20점 이상이면 AI 과제로 적합하다. 15~20점이면 조건부 적합이다. 15점 미만이면 부적합이다.
그러나 점수의 합계보다 중요한 것이 있다. 0점짜리 항목이 있으면 안 된다.
데이터가 0점이면 다른 항목이 아무리 높아도 불가능하다. 파급력이 0점이면 성공해도 의미가 없다. 하나의 0점이 전체를 무효화한다.
4D Ready — 실행 가능성 검증
RAPIDS로 과제를 선별한 뒤, 4D Ready로 실행 가능성을 최종 검증한다.
Data Ready. 필요한 데이터가 실제로 수집 가능한가. 품질은 충분한가. 라벨링은 되어 있는가.
Domain Ready. 현업 전문가가 협력할 의지와 시간이 있는가. AI는 도메인 지식 없이 작동하지 않는다. 현업이 외면하면 프로젝트는 실패한다.
Deliverable Ready. 산출물이 명확한가. "AI를 도입한다"는 산출물이 아니다. "대출 심사 시간을 3일에서 30분으로 줄인다"가 산출물이다.
Decision Ready. 의사결정 구조가 준비되어 있는가. 누가 최종 승인하는가. 예산은 확보되었는가. 실패 시 플랜 B가 있는가.
4개의 D 중 하나라도 "아니오"면, 과제를 시작하기 전에 해당 조건을 먼저 갖춰야 한다.
첫 과제의 진짜 목적
한 가지를 명확히 하자. 첫 과제의 목적은 "대단한 성과"가 아니다.
첫 과제의 목적은 세 가지다.
조직 학습이다. AI 프로젝트가 어떻게 진행되는지, 어디서 막히는지, 무엇이 필요한지를 조직이 배운다. 이 학습이 두 번째, 세 번째 과제의 성공 확률을 높인다.
신뢰 구축이다. "AI가 실제로 작동한다"는 것을 조직에 보여준다. 경영진의 신뢰, 현업의 신뢰, IT 부서의 자신감이 쌓인다. 이 신뢰 없이 큰 프로젝트를 시작하면 저항에 부딪힌다.
인프라 확보다. 첫 과제를 하면서 데이터 파이프라인, 개발 환경, 배포 체계가 만들어진다. 이 인프라가 다음 과제의 기반이 된다.
첫 과제에서 작은 성공을 거두면, 두 번째 과제는 더 빨리, 더 크게 할 수 있다.
과제를 골랐다. RAPIDS로 평가하고, 4D Ready로 검증했다. 이제 실행한다. 그런데 실행의 70%는 Pilot에서 멈춘다. 이 지옥을 탈출하는 법이 있다.
References
[1] (JK 오리지널 프레임워크) — RAPIDS 6변수 + 4D Ready 실행 검증 모델. 수십 건의 AI 과제 검토 경험에서 도출