AI 내재화의 실패 패턴은 늘 같다
대부분의 기업 AI 도입 프로젝트는 비슷한 궤적을 그린다. IT 팀이 파일럿을 만들고, 경영진이 발표하고, 현장은 구경한다. 6개월 후 슬라이드만 남는다. 이 패턴이 반복되는 이유는 도구가 나빠서가 아니다. AI를 '현장 바깥의 기술'로 설계했기 때문이다.
포스코이앤씨가 최근 마무리한 '전사 AI 챌린지'는 이 실패 공식을 의도적으로 뒤집은 사례다. 2개월간 진행된 이 경진대회에는 전 구성원의 절반에 가까운 1,887명이 참여했다. 건설업계라는 맥락을 감안하면 숫자가 더 무겁게 읽힌다. 건설은 디지털 전환 속도가 가장 느린 산업군 중 하나다. 현장 작업자, 협력사 직원, 관리자가 뒤섞인 조직에서 절반이 AI 경연에 참여했다는 건 단순한 참여율 지표가 아니다. 설계 방식이 달랐다는 신호다.
챌린지 설계에서 배울 것들
이 대회의 구조를 뜯어보면 몇 가지 설계 원칙이 보인다.
첫째, 참여 문턱을 낮추되 평가 기준은 실무에 묶었다. 영상, 보고서, AI Agent, 골든벨 등 4개 부문은 기술 숙련도가 다른 구성원 모두가 접점을 찾을 수 있도록 설계됐다. 하지만 평가 기준은 '그럴듯한 데모'가 아니라 '실제 업무 적용 가능성'이었다.
둘째, 대회를 교육 캠페인과 묶었다. 10회 교육 과정에 1,012명이 참여했다. 경연만 열면 AI를 이미 잘 쓰는 사람이 상을 가져간다. 교육을 병행해야 AI를 처음 접하는 현장 직원도 '나도 해볼 수 있겠다'는 감각을 얻는다. 이 감각이 내재화의 시작점이다.
셋째, '즉석 미션' 포맷으로 도구 활용 능력이 아닌 응용 판단력을 측정했다. 보고서 부문 결선에서는 사전 공지 없이 주제를 던지고, 제한 시간 내 임원 보고 수준의 결과물을 요구했다. 이건 중요한 설계 선택이다. AI 도구를 '아는 것'과 '낯선 상황에서 쓸 수 있는 것'은 전혀 다른 역량이다. 팀 리빌딩 맥락에서 내가 채용 면접에 쓰는 기준과 정확히 같다.
최우수작이 말해주는 것: 375시간의 무게
AI Agent 부문 최우수작 '작업일보 자동화 AI 에이전트'는 기술 복잡도보다 문제 정의의 정확함으로 눈길을 끈다. 건설 현장에서 협력사 직원들의 SNS 보고를 담당자가 수작업으로 취합해 일보를 작성하는 프로세스, 하루 평균 90분짜리 반복 업무다. 이걸 자동화하면 1인당 연간 375시간, 약 2개월치 업무가 줄어든다.
이 숫자 자체보다 중요한 건 이 아이디어가 현장에서 나왔다는 사실이다. IT 팀이 발굴한 자동화 과제가 아니다. 매일 그 90분을 쓰던 사람이 직접 문제를 정의하고 해결책을 만들었다. AI 내재화의 가장 강력한 형태다. 포스코이앤씨는 이 시스템을 실제 현장에 고도화 적용할 계획이라고 밝혔는데, 이 흐름이 유지된다면 '챌린지 우승작 → 현장 표준 도구'의 선례가 된다.
MCP: 현장 AI를 시스템으로 연결하는 배선
챌린지가 '내재화의 방법론'이라면, MCP(Model Context Protocol)는 '내재화된 AI를 조직 시스템에 연결하는 인프라'다. Anthropic이 2024년 11월 오픈소스로 공개한 이 표준 프로토콜은 간단히 말해 AI를 위한 USB-C 포트다.
기존 AI 통합의 문제는 N개의 데이터 소스와 M개의 AI 플랫폼이 있을 때 N×M개의 커스텀 커넥터가 필요하다는 것이었다. MCP는 이 등식을 깬다. MCP 서버를 한 번 만들면 Claude, ChatGPT, Cursor, GitHub Copilot 등 MCP를 지원하는 모든 AI 클라이언트가 그 서버에 연결할 수 있다. Dev.to에 공개된 두 편의 기술 아티클이 이 아키텍처를 상세히 다루는데, 핵심 구조는 세 가지다: 읽기 전용 데이터 접근을 위한 Resources, 실행 가능한 액션을 위한 Tools, 재사용 가능한 프롬프트 템플릿인 Prompts.
포스코이앤씨 챌린지 맥락으로 가져오면 그림이 선명해진다. 작업일보 자동화 에이전트가 MCP 기반으로 구현된다면, 협력사 SNS 데이터, 현장 ERP, 기상 API 같은 외부 데이터 소스를 표준 인터페이스로 연결할 수 있다. 새로운 현장이 추가될 때마다 커스텀 통합을 새로 짜는 게 아니라, MCP 서버 하나를 붙이면 된다. 확장 비용이 선형이 아니라 상수에 가까워진다.
MCP 프로덕션 도입, 낙관 전에 따져야 할 것들
단, 냉정하게 짚을 부분이 있다. MCP 생태계는 빠르게 성숙하고 있지만, 프로토타입과 프로덕션 사이의 간극은 아직 크다.
보안 리스크는 현실이다. 2025년 초 Asana의 MCP 기능에서 테넌트 간 데이터 노출 버그가 발견됐고, Anthropic 자체 Git MCP 서버에서도 임의 파일 접근과 원격 코드 실행 취약점이 보고됐다. AI 모델이 MCP 도구를 호출하는 구조 자체가 공격 벡터가 될 수 있다는 뜻이다. 멀티테넌트 환경에서 MCP를 운영한다면 테넌트 격리는 선택이 아니라 필수다.
'통합 연옥(integration purgatory)' 문제도 직시해야 한다. Workato의 연구에 따르면 많은 AI 이니셔티브가 MCP 서버의 프로덕션 미성숙으로 파일럿에서 멈춘다. 재시도 로직 부재, 레이트 리미팅 없음, 옵저버빌리티 결여가 주된 이유다. 챌린지에서 만든 프로토타입이 현장 표준 도구가 되려면 이 간극을 메우는 엔지니어링 투자가 필요하다. 챌린지가 '문제 발굴'이라면, 고도화 단계는 '프로덕션 하네스 구축'이다.
시사점: 내재화는 이벤트가 아니라 구조다
포스코이앤씨 사례와 MCP 생태계 동향을 같이 보면 한 가지 결론이 수렴한다. AI 내재화는 일회성 이벤트로 달성되지 않는다. 챌린지는 시작점이고, 프로덕션 파이프라인은 그 다음 레이어이며, MCP 같은 표준 인프라는 그걸 지속 가능하게 만드는 배선이다.
챌린지 우승자에게 글로벌 AI 컨퍼런스 연수를 제공하는 포스코이앤씨의 선택이 의미심장하다. 단순 포상이 아니라 '사내 AI 혁신 앵커'로 육성하겠다는 신호다. 이 사람들이 돌아와서 다음 챌린지의 멘토가 되고, 프로덕션 고도화를 주도할 때 내재화 루프가 닫힌다.
전망: 현장이 AI 인프라의 기획자가 된다
MCP가 18개월 만에 OpenAI, Google DeepMind, GitHub, Slack까지 채택하는 사실상의 표준이 된 속도를 보면, 앞으로 2~3년 내 기업 AI 워크플로우의 기반 레이어로 자리잡을 가능성이 높다. 2025년 11월 스펙 업데이트에서 멀티 에이전트 오케스트레이션이 공식 지원된 것도 중요하다. 단일 에이전트가 단일 작업을 처리하는 수준을 넘어, 에이전트가 서브에이전트를 스폰하고 조율하는 구조가 표준 프리미티브로 정착되고 있다.
이 흐름에서 팀 리빌딩 관점의 핵심 질문은 하나다. 현장이 AI 에이전트의 소비자로 머물 것인가, 기획자가 될 것인가. 포스코이앤씨 챌린지가 보여준 건 후자의 가능성이다. 매일 90분짜리 반복 업무를 하던 현장 직원이 그 문제를 정의하고 자동화 에이전트를 설계했다. 이 역할 전환이 MCP 같은 표준 인프라와 만날 때, AI 내재화는 슬라이드에서 현장 표준으로 이동한다. 그게 내가 팀을 설계할 때 목표로 삼는 상태다.