AX와 DX의 차이: 클로드코드로 반복 업무를 바꾸는 기준

고객 요청을 CSV에 모아두고도 담당자가 매일 읽어 분류한다면 그 업무는 DX를 한 걸까, AX를 한 걸까. 클로드코드로 반복 업무를 바꾸려는 작은 팀에 이 구분은 용어 문제가 아니다. 무엇을 먼저 정리하고 어디서 사람의 판단을 남길지 결정하는 문제다.

CSV로 옮겼다고 분류 업무까지 바뀌지는 않는다

DX는 종이를 파일로 바꾸는 일보다 넓다. IBM은 디지털 기술을 써서 조직의 절차와 제품, 운영을 바꾸는 전략으로 DX를 설명한다. 고객 요청을 한곳에 기록하고 담당자와 처리 상태를 추적한다면 업무 방식도 디지털화된다. 그러나 새 요청의 뜻을 읽고 우선순위를 매기는 일은 여전히 사람이 할 수 있다. (ibm.com)

AX는 그 기록을 AI가 업무 중에 사용하도록 설계할 때 선명해진다. IBM의 AI 전환 설명에는 반복 작업 처리뿐 아니라 판단을 돕는 분석과 업무 절차의 변경도 포함된다. 방 논의에서도 DX가 데이터와 기반을 마련하고 AX가 판단에 관여한다는 설명이 공유됐다. 다만 실무에서 두 용어를 엄격한 단계표로 보기는 어렵다. IBM이 제시한 DX의 범위에도 AI를 활용한 업무 개선이 들어가기 때문이다. (ibm.com)

파일에 AI를 연결했는지보다 중요한 질문은 따로 있다. 분류 결과가 누구의 다음 행동을 바꾸느냐다.

고객 요청 분류에서 먼저 정할 것은 입력과 판정 기준이다

작은 팀의 고객 요청 분류를 예로 들어보자. 다음은 실제 구축 사례가 아니라 공식 기능으로 구성할 수 있는 검토용 절차다. requests.csv에는 요청 식별자, 접수일, 문의 내용, 기존 처리 상태를 둔다. 먼저 사람이 과거 요청 몇 건을 검토해 분류 항목과 예외 조건을 적는다.

예를 들어 분류 항목을 결제, 사용 방법, 오류로 정하고 내용이 불충분하면 검토 필요로 남긴다. 입력에 개인정보가 있다면 AI에 전달해도 되는지 먼저 확인해야 한다. IBM은 AI 전환의 토대로 데이터 품질과 접근·사용 규칙을 꼽는다. 분류 기준 없이 흩어진 기록을 그대로 넣으면 답을 빨리 받더라도 같은 기준으로 처리했는지 확인하기 어렵다. (ibm.com)

방에서는 DX 기반이 없는 조직의 AX 추진이 어렵다는 의견이 나왔다. 고객 요청 사례에서 이 말은 모든 시스템을 먼저 교체해야 한다는 뜻은 아니다. 요청을 빠짐없이 모으고 각 행의 의미와 처리 상태를 구별할 수 있어야 한다는 실무적 조건에 가깝다. 그 조건이 없으면 AI의 출력과 실제 처리 결과를 대조하기도 어렵다.

클로드코드는 분류 초안을 만들고 결과를 넘길 수 있다

Anthropic의 클로드코드 문서는 CLI의 -p 모드가 입력을 받아 응답한 뒤 종료한다고 설명한다. 표준 입력으로 파일 내용을 전달할 수 있고, --output-format json으로 결과를 구조화할 수 있다. --json-schema를 함께 쓰면 필요한 출력 필드를 지정할 수도 있다. --json-schema를 함께 쓴 JSON 응답에는 작업 메타데이터가 포함되므로 후속 프로그램은 structured_output 필드를 읽어야 한다. (code.claude.com)

실험은 원본과 분리한 요청 사본으로 시작할 수 있다. cat requests.csv | claude -p '각 요청을 분류하고 근거와 검토 필요 여부를 반환해' --output-format json처럼 입력을 전달한다. 결과에는 요청 식별자별 분류 초안과 판단 근거를 요구한다. 스키마를 지정한다면 식별자, 분류, 검토 여부를 필수 필드로 둔다. 그런 다음 사람이 CSV 원본과 출력 행을 맞춰본다.

여기까지의 산출물은 고객에게 보낼 답장이 아니라 내부 검토용 목록이다. 같은 입력으로 사람이 분류한 결과와 비교하면 어디서 기준이 모호한지 드러난다. 분류 정확도를 확인하지 않은 채 다음 단계로 자동 전달하면 수작업을 줄이려던 시도가 재검토 업무를 늘릴 수도 있다.

자동 실행 범위는 분류 성능과 별도로 결정한다

분류 초안 작성과 고객에게 답장을 보내는 일은 권한부터 다르다. Anthropic 문서에 따르면 MCP는 클로드코드를 외부 도구와 데이터에 연결하며, 연결된 도구로 외부 시스템에 조치할 수도 있다. 반면 --allowedTools는 지정한 도구를 사전 승인하는 옵션이지 다른 도구를 사용할 수 없게 제한하는 장치가 아니다. 실험에서 외부 작업을 막으려면 사용 가능한 도구와 권한 설정을 따로 점검해야 한다. (code.claude.com)

써본 사람들 사이에서도 반복 자료를 정리하는 편리함과 잘못된 입력을 어떻게 걸러낼지에 대한 걱정이 함께 나타난다. 고객 요청 사례에선 검토 필요 항목을 사람이 확인하고 답장 발송은 분류 작업과 분리하는 편이 검증하기 쉽다. 자동으로 처리할 항목을 늘리더라도 오분류를 발견했을 때 원본과 판단 근거로 돌아갈 수 있어야 한다.

AX를 가르는 것은 AI 사용 여부보다 업무의 변화다

방에서 나온 반복 노동의 AI 전환이라는 설명은 출발점으로 유용하다. 다만 사람이 하던 분류를 모델에 그대로 넘기는 것만으로 업무가 좋아졌다고 단정할 수는 없다. IBM 역시 AI 전환을 기존 절차의 단순한 복제보다 넓게 설명하며 목표와 측정 방법을 먼저 정하도록 권한다. 이 사례라면 처리 시간뿐 아니라 재분류 횟수와 누락된 요청도 함께 살필 수 있다. (ibm.com)

DX와 AX의 경계는 약어의 X가 무엇을 뜻하는지보다 현장에서 분명해진다. 요청을 찾고 추적할 수 있게 바꿨다면 디지털 기반이 달라졌다. AI의 분류 초안을 검증해 담당자의 처리 순서까지 바꿨다면 판단을 포함한 업무 방식도 달라졌다. 남는 질문은 사람을 완전히 뺄 수 있느냐가 아니라 어떤 요청까지 근거를 확인한 뒤 넘길 수 있느냐다.