『김경영 이야기』 4화 · 현장의 판단을 다시 묻다
“부장님이 불량이라고 본 사진에
전부 표시해 주세요”
AI 현장 전문가 참여는 성능이 부족한 결과를 마지막에 확인하는 일만을 의미하지 않습니다. 현장의 판단이 검증자료와 결과 확인 과정에 실제로 들어가도록 역할을 정하는 과정입니다.
대한정밀의 POC 검출률은 91%에서 멈췄습니다. 업체는 조명 조건을 살펴봤고, 오 부장은 데이터를 다시 봐야 한다고 판단했습니다. 김경영 대표는 어느 한쪽을 바로 정답으로 선택하지 않았습니다.
이번 이야기의 중심 질문
AI 성능이 부족할 때 도구부터 바꿔야 할까요?
아니면 아직 반영되지 않은 현장의 판단부터 살펴봐야 할까요?
검출률은 91%에서 멈췄습니다.
업체는 조명을 봤고,
오 부장은 데이터를 봤습니다.
※ 대한정밀과 등장인물은 실제 기업과 인물이 아닌 교육을 위해 구성된 가상 시나리오입니다. 91%는 대한정밀의 가상 POC 결과이며 실제 기업 성과나 일반 산업 통계가 아닙니다.
서로 다른 근거를 검증 과정 안으로
김경영 대표는
기술적 정답을 대신 내리지 않았습니다
김경영 대표는 AI 모델을 설계하는 사람도, 조명 조건의 영향을 직접 계산하는 기술자도 아니었습니다. 데이터 처리 방법을 업체보다 더 잘 아는 것도 아니었습니다.
하지만 경영자로서 해야 할 일은 있었습니다. 업체가 보는 원인, 현장 전문가가 보는 원인, 실제 검사자료와 이전에 정한 성공 기준을 같은 검증 과정 안에서 다시 확인하게 하는 것이었습니다.
같은 결과를 두고도 기술 공급자와 현장 전문가는 서로 다른 정보를 볼 수 있습니다. 기술적으로는 정상처럼 보여도 현장에서는 이상할 수 있고, 현장에서는 당연한 차이가 데이터에 충분히 표현되지 않았을 수도 있습니다.
업체의 설명
조명과 검사환경 조건을 다시 확인해야 한다는 의견입니다.
현장의 판단
오 부장은 검증 데이터를 다시 살펴봐야 한다고 판단했습니다.
실제 검사자료
대한정밀의 부품과 불량 판단 사례를 다시 확인합니다.
사전에 정한 기준
결과를 본 뒤 기준을 바꾸지 않고 기존 합격 조건과 비교합니다.
김경영 대표의 역할은 전문가보다 더 많은 기술을 아는 것이 아니었습니다.
필요한 전문가들이 같은 결과를 함께 보고, 서로 다른 근거가 실제 검증 과정에 들어가도록 만드는 것에 가까웠습니다.
오 부장의 30년을
AI에 복사한 것은 아닙니다
30년 경험 전체를 AI에 이전
사람의 상황과 맥락, 말로 설명하기 어려운 판단까지 모두 데이터로 바꿨다고 단정하는 표현입니다.
불량으로 판단한 사례에 표시
이번 치수검사에서 오 부장이 불량으로 판단한 일부 이미지에 표시하고 검증자료에 반영했습니다.
사람이 판단을 표시하고, 다시 사람이 결과를 봤습니다
오 부장은 검사 이미지를 하나씩 살펴보고 불량이라고 판단한 사진에 표시했습니다. 표시된 사례는 다시 검증자료에 반영됐고, AI의 결과도 다시 확인했습니다.
여기서 사람이 사라지지 않았습니다. 오히려 현장 전문가의 판단이 검증 과정 안으로 들어왔습니다.
현장의 판단이 결과 확인까지 이어지다
AI 결과가 좋아져도
마지막 확인은 사람이 했습니다
오 부장이 불량이라고 판단한 사진에 표시하고, 그 사례를 검증자료에 반영한 뒤 POC는 계속 진행됐습니다.
4주 차에 91%에서 멈췄던 검출률은 6주 차에 96.2%에 도달했습니다. 하지만 결과가 기준을 넘어섰다고 해서 자동으로 검증을 종료하지는 않았습니다.
최종 판정자는 처음부터 오 부장으로 정해져 있었습니다. 오 부장은 개선된 검사 결과와 판단 표시 자료를 다시 확인한 뒤 최종 결과지에 서명했습니다.
숫자가 기준을 넘은 뒤에도 확인 과정은 끝나지 않았습니다
AI의 결과가 좋아졌다는 사실과 그 결과를 실제 업무에 사용할 수 있다고 승인하는 것은 서로 다른 판단입니다.
※ 91%와 96.2%는 가상기업 대한정밀의 POC 과정에 설정된 결과이며 실제 기업 성과나 일반 제조업의 성능 기준이 아닙니다.
사람은 마지막 서명에만 등장하지 않았습니다
판단 기준 제공
현장 전문가는 어떤 사례를 불량으로 판단했는지 검증 과정에 제공합니다.
검증자료 구분
불량으로 판단한 일부 검사 이미지에 표시해 검증자료에 반영합니다.
결과 재확인
표시된 사례가 반영된 뒤 나온 AI 결과를 사람이 다시 살펴봅니다.
최종 사용 승인
처음부터 정해진 판정자가 업무에 사용할 수 있는 결과인지 최종적으로 확인합니다.
이 과정은 현장 전문가가 판단 기준 제공, 검증자료 구분, 결과 확인과 최종 승인에 참여하는 휴먼 오버사이트의 한 운영 모습을 보여줍니다.
휴먼 오버사이트를 단순히 마지막에 사람이 서명하는 일로만 보면 충분하지 않습니다. 이번 사례에서 사람은 판단을 제공하고, 검증 과정에 참여하고, 결과를 다시 확인하고, 마지막 사용 여부를 승인했습니다.
최종 결과지를 확인한 오 부장의 한마디
“허, 이 녀석 봐라. 내 제자네.”AI가 오 부장을 대체한 것이 아닙니다. 이번 치수검사에서 오 부장의 일부 판단을 반영하고, 다시 오 부장에게 검토받는 도구가 됐습니다.
이번 화의 결론
AI 성능이 달라진 과정에는
현장 전문가의 판단이 있었습니다
대한정밀의 POC 결과가 기대에 미치지 못했을 때 김경영 대표는 곧바로 다른 AI를 찾지 않았습니다. 업체와 오 부장이 보고 있는 서로 다른 원인을 검증 과정 안으로 가져왔습니다.
오 부장은 이번 치수검사에서 불량으로 판단한 일부 이미지에 표시했습니다. 그 판단이 검증자료에 반영됐고, 개선된 결과도 다시 오 부장이 확인했습니다.
이것은 숙련자의 경험 전체를 AI에 복사한 이야기가 아닙니다. 특정 업무에서 반복되는 판단의 일부를 사례로 남기고, 현장 전문가가 결과 확인과 승인에도 참여한 이야기입니다.
AI 현장 전문가 참여는
마지막 확인보다 먼저 시작됩니다
이번 대한정밀 사례에서 현장 전문가는 판단 기준을 제공하고, 검증자료를 구분하고, AI 결과를 다시 확인하며 최종 사용 여부를 승인했습니다.
AI 결과가 부족할 때 도구만 바꾸기 전에, 아직 반영되지 않은 현장의 판단이 무엇인지 확인할 필요가 있습니다.
다만 모든 성능 문제가 현장 데이터만으로 해결되는 것은 아닙니다. 실제 원인은 데이터, 환경, 시스템과 운영조건을 함께 검토해 판단해야 합니다.
판단 제공
현장에서 어떤 사례를 불량으로 보는지 검증 과정에 제공합니다.
자료 구분
판단한 일부 검사 이미지에 표시해 검증자료에 반영합니다.
결과 확인
현장 판단이 반영된 뒤 나온 AI 결과를 다시 살펴봅니다.
최종 승인
실제 업무에서 사용할 수 있는 결과인지 사람이 판단합니다.
여러분 회사에도 이런 장면이 있습니까?
- AI 결과가 기대보다 좋지 않을 때 곧바로 도구부터 바꾸고 있지는 않습니까?
- 이 업무에서 AI가 아직 반영하지 못한 현장의 판단은 무엇입니까?
- 그 판단을 가장 잘 설명할 수 있는 사람은 누구입니까?
- 현장 전문가의 판단이 데이터와 검증 과정에 실제로 들어가고 있습니까?
- AI 결과를 다시 확인하고 최종적으로 승인할 사람은 정해져 있습니까?
이번 POC에서 확인한 것
오 부장이 가르치고,
AI 결과가 달라지고,
다시 오 부장이 확인했습니다.
※ 『김경영 이야기』에 등장하는 대한정밀과 김경영, 오 부장, 박 과장 등은 실제 기업과 인물이 아닌 가상 시나리오의 설정입니다. 본문의 4주 차 검출률 91%와 6주 차 검출률 96.2%는 대한정밀의 가상 POC 과정에 설정된 값이며 일반 제조업의 성능 기준이나 실제 기업 성과가 아닙니다. 실제 AI 검증과 휴먼 오버사이트는 조직의 업무 특성, 데이터, 품질 기준과 관련 공식 요구사항을 별도로 검토해 설계해야 합니다.
이야기에서 우리 조직의 실행으로
김경영 대표의 질문을
우리 회사의 업무 기준으로 바꿔보세요
대한정밀의 이야기는 가상 시나리오이지만, AI를 도입하는 조직이 정해야 할 질문은 현실의 문제입니다. AI에게 업무를 맡기기 전에 조직의 리더와 관리자는 역할과 권한, 정보의 경계, 검토와 승인 기준을 먼저 설계해야 합니다.
무엇을 AI에게 맡길 것인가?
무엇을 맡기지 않을 것인가?
어디에서 AI를 멈추게 할 것인가?
언제 다시 사람에게 물어보게 할 것인가?
AI 에이전트 도입 실무교육 · 조직 리더 과정
특정 도구의 메뉴보다 조직의 업무 위임, 권한, 비용, 정보보호, 검토·중단·승인 기준을 먼저 다루는 5인 이상 단체 맞춤교육입니다. Zoom 또는 조직 방문 대면교육으로 운영할 수 있습니다.
교육 모듈·시간·진행 방식과 컨설팅 범위는 조직의 업무환경과 AI 도입 단계에 따라 협의합니다.