AXHUB 깊이 읽기 · 03
성공만 51개 모아 해부하면
무엇이 보이나
AXHub의 카드와 강의에 가장 자주 등장하는 출처가 하나 있다. 스탠퍼드 디지털경제연구소가 9개 산업, 51건의 성공 배치를 인터뷰로 해부한 "Enterprise AI Playbook"(2026년 4월). 원문 116쪽을 정독하고 사례 라이브러리에 등재한 발견 여섯 가지를, 읽을 때 주의할 한계와 함께 정리했다.
0믿기 전에 — 이 보고서의 한계
결론부터 짚는다. 이 보고서는 성공 사례만 모았고, 인터뷰 자기보고에 기대며, 기업명이 익명이다.
그래서 "이렇게 하면 성공한다"는 확률의 근거로 읽으면 틀린다.
맞는 독법은 "성공한 곳들에서 반복적으로 관찰된 구조"다. 실패한 곳들도 같은 걸 했을 수 있다는 가능성을 열어두고 읽어야 한다.
그 전제를 깔고도, 여섯 가지는 건질 만했다.
1최난관의 77%는 기술 밖에 있었다
실무자들이 꼽은 가장 어려웠던 지점의 77%가 변화관리, 데이터 품질, 프로세스 재설계 — 보이지 않는 비용이었다.
모델 성능이 아니었다.
같은 맥락의 숫자가 하나 더 있다. 성공 프로젝트의 61%는 이전에 실패를 한 번 이상 겪었다. 그 실패 비용은 최종 성과 계산에 잡히지 않는다.
실무 번역은 간단하다 — 예산과 시간을 도구보다 정착에 배정할 것. 그리고 첫 실패에 접지 말 것. 성공한 곳들 대부분이 두 번째 시도였다.
2같은 과제가 몇 주 걸리는 곳, 몇 년 걸리는 곳
보고서에서 가장 유명해진 대비는 이것이다. 같은 고객지원 재설계 과제를 기술기업은 6개월에 출시했고, 대형은행은 "세우는 데만 수년"이라고 답했다. 같은 모델, 같은 과제였다.
속도를 가른 요인의 빈도도 세어져 있다.
셋 다 조직의 일이지 기술의 일이 아니다. 1번 발견과 정확히 포개진다.
3건별 승인보다 예외 검토 — 두 배의 간극
AXHub에서 가장 자주 인용한 숫자의 출처가 여기다.
AI가 80% 이상을 자율 처리하고 사람은 애매한 것만 검토하는 에스컬레이션 방식이, 생산성 개선 중앙값 71%. 사람이 건건이 승인하는 방식은 30%였다.
안전장치를 없애라는 말이 아니다. 안전장치의 위치를 옮기라는 말이다 — 모든 건에서 예외로.
설계 질문도 하나로 좁혀진다. "무엇이 사람 앞으로 와야 하는가."
4에이전틱은 세지만, 아직 소수다
목표를 주면 여러 단계를 스스로 실행하는 에이전틱 구현은 생산성 중앙값 71% 개선으로 가장 효과가 컸다(단순 고자동화는 40%).
그런데 51건 중 에이전틱은 20%뿐이었다.
보고서의 표현이 정확하다 — "에이전틱은 새 UI가 아니라 사람과 기계의 역할 재정의다."
효과가 큰 이유도, 드문 이유도 같은 문장 안에 있다. 역할을 다시 정의하는 일은 도구 구매보다 훨씬 무겁다.
5저항은 현업이 아니라 지원 부서에서 온다
도입 저항의 출처를 세어 보니 1위가 예상 밖이었다. 법무·인사·리스크·컴플라이언스가 35%로, 현업 사용자(23%)보다 높았다.
다만 이들은 초기에 참여시키면 든든한 우군으로 바뀌는 경우가 많았다. 나중에 만나면 벽, 먼저 만나면 우군.
통념을 뒤집는 숫자가 둘 더 있다. 인원 감축이 최대 결과였던 경우는 45% — 나머지 55%는 채용 회피·재배치, 또는 무감축이었다. 그리고 "데이터가 지저분해서 못 한다"는 88%의 사례에서 사실이 아니었다. 음성 기록, 스캔 문서, 레거시 코드 같은 비정형 데이터의 가치를 LLM이 오히려 열었다.
6우리는 이렇게 썼다
이 여섯 발견이 AXHub 콘텐츠에 어떻게 녹았는지도 투명하게 적어둔다.
- 77%·61% → 카드 1호(시작하기)·3호(실패 패턴), 강의 L2의 "기록" 챕터.
- 6개월 vs 수년 → 카드 1호 클로징, 카드 4호(시간 단축 사례).
- 71% 대 30% → 카드 9호·12호, 강의 L1·L3·L5의 "사람 확인" 설계, 용어사전 "에스컬레이션".
- 에이전틱 20% → 카드 12호와 강의 L5가 "만들기 전 다섯 칸"부터 시작하는 이유.
- 저항 35% → 카드 8호(거버넌스)의 "막는 부서를 먼저 만난다".
수치 하나가 여러 콘텐츠에서 반복된다면, 출처는 전부 이 보고서 하나로 수렴한다 — 그래서 한계(0번)를 함께 알아두는 게 중요하다.
7원문을 읽는다면
보고서는 무료로 공개돼 있다. 다 읽을 필요는 없다.
추천 독법: 앞쪽 요약과 숫자 표만 먼저 보고, 자기 업종과 가까운 사례 두어 개를 골라 읽는 것. 사례 서사보다 숫자 표가 값지다.
그리고 읽는 내내 0번을 기억할 것 — 이것은 성공한 51곳의 공통 구조이지, 성공의 보증서가 아니다.
이 보고서가 녹아 있는 실습 → 강의 6편 · 깊이 읽기 목차
원문: Stanford Digital Economy Lab — The Enterprise AI Playbook: Lessons from 51 Successful Deployments (Pereira·Graylin·Brynjolfsson, 2026-04). 전 수치는 원문 PDF 확인(2026-07-02, AXHub 사례 라이브러리 패턴 6~10 등재). 한계: 성공 사례 표본·자기보고·익명화 — 본문 0번 참고.