기업 AI를 움직이는 "현장 상주 엔지니어"의 실태

엔터프라이즈 AI 도입 현장에서 "포워드 디플로이드 엔지니어링(FDE)"이라 불리는 방식이 확산되고 있다. FDE란 AI 벤더의 엔지니어가 고객 기업에 상주하여 실제 업무 환경에 시스템을 조직하는 일하는 방식이다. 많은 AI 벤더가 이 모델을 영업·도입 전략의 핵심에 두고 있으며, 투자자는 FDE 담당자의 인원수를 사업 성장의 지표로 읽고, 도입 기업은 속도 보장으로서 평가하는 경향이 있다.

FDE가 필요한 배경에는 AI 모델의 성능만으로는 기업 현장의 과제를 풀 수 없다는 현실이 있다. 많은 기업 업무에서는 모델의 정확도보다 "그 기업이 자신에 대해 얼마나 알고 있는가"가 병목 요소가 된다. 구체적으로는 업무 규칙·예외 처리·워크플로우의 로직·사내 용어의 정의 등 장년간의 운영을 통해서만 축적되어온 지식이 이에 해당한다. 이러한 정보는 데이터베이스의 스키마에 기록되어 있지 않으며, 담당자의 경험과 판단 속에만 존재하는 경우가 많다.

원문에서는 대형 통신사의 도입 사례가 제시되고 있다. "구매 의욕이 높은 고객"의 정의를 모델이 내놓은 신호와 실제 고객 유지팀이 사용하던 기준이 일치하지 않는 문제가 발생했다. 유지팀의 기준은 어떤 오퍼가 어떤 재직 기간·지역에서 실제로 효과를 냈는지에 대한 장년간의 실적에서 형성된 것이었다. 그 지식은 어디에도 문서화되어 있지 않았으며, 엔지니어가 현장 담당자에게 직접 청취하여 비로소 시스템에 조직할 수 있었다. 이 로직이 조직된 후에는 새로운 고객 획득 및 유지 시책을 수 개월이 걸리던 곳에서 수 일 만에 실행할 수 있게 되었다고 한다.

FDE의 효과는 도입 방식에 따라 크게 달라진다. 가장 약한 형태에서는 제품이 아직 자율적으로 기능하지 않는 부분을 엔지니어가 수작업으로 보충할 뿐이다. 반면 가장 강한 형태에서는 AI 네이티브한 기반의 "맹점"을 발견하고 그것을 다음 고객도 사용할 수 있는 범용적인 기능으로 제품에 환원하는 "학습 사이클"로 기능한다. 같은 방식으로 "상주 엔지니어"라 불리더라도 전자는 단순한 도입 서비스 제공에 불과하며 후자는 제품 자체의 경쟁력을 높이는 메커니즘이 된다. 이러한 차이는 다음 고객이 "더욱 완성도 높은 제품"에서 시작할 수 있는지 여부라는 형태로 나타난다.

FDE가 "시스템 오브 인텔리젠스(지능 시스템)"의 구축에서 수행하는 역할도 원문에서 강조되고 있다. 지능 시스템이란 단순히 워크플로우를 자동화하는 소프트웨어가 아니라 기업 고유의 컨텍스트를 받아들이고 각 도입에서 학습하며 의사결정의 질을 지속적으로 개선하는 메커니즘으로 위치지어진다. 상주 엔지니어는 기업의 암묵적 지식을 시스템에 "처음으로 입력하는" 역할을 담당하는 존재라 볼 수 있다.

엔터프라이즈 AI 도입이 확산되는 중 FDE의 성공 여부를 판단하는 문제는 간단하다. 어떤 FDE 사업이 끝난 후 다음 고객은 "더욱 완성된 제품"에서 시작할 수 있는가, 아니면 새로운 서비스팀이 같은 작업을 반복할 뿐인가——이러한 차이가 벤더의 경쟁력의 갈림길이 된다는 견해가 가능하다. 도입을 검토하는 기업 입장에서는 FDE 담당자의 인원수나 체제뿐 아니라 "그곳에서 얻은 통찰이 제품에 환원되고 있는가"를 묻는 것이 선정의 중요한 관점이 된다고 할 수 있다.