사용 사례 고르기와 우선순위: 가치 × 실현 가능성 매트릭스

사용 사례 고르기와 우선순위: 가치 × 실현 가능성 매트릭스

업무 진단으로 후보 작업이 나오면, 이제 무엇부터 할지 정해야 합니다. 이 수업은 후보를 '사용 사례(use case)' 한 장으로 정리하는 법, 가치와 실현 가능성 두 축으로 배치하는 매트릭스, 성공 확률과 비용을 반영한 기대 가치 계산, 그리고 흔히 빠지는 함정을 다룹니다. Gartner가 2024년에 내놓은 "생성형 AI 프로젝트의 30% 이상이 개념 검증(PoC) 뒤 중단될 것"이라는 전망을 출발점으로 삼습니다. 매트릭스와 숫자 예시는 해설용입니다.

들어가기 전에

• 업무 진단 — 작업별 적합도 점수와 주당 시간
• 시간 가치를 돈으로 바꾸는 계산(시간 × 시급)을 씁니다.

한눈에 보기

• 후보 작업을 사용 사례 카드 한 장으로 정리합니다.
• 가치(얼마나 이득인가)와 실현 가능성(얼마나 쉽게 되나)을 각각 점수로 매깁니다.
• 2×2 매트릭스에서 빠른 성과 · 전략 과제 · 보류 · 제외 를 구분합니다.
• 성공 확률과 비용을 넣은 기대 가치 로 순위를 다시 확인합니다.

1. 왜 우선순위가 중요한가

Gartner는 2024년 7월 29일 보도자료에서 "적어도 생성형 AI 프로젝트의 30%가 2025년 말까지 개념 검증 후 중단될 것"이라고 전망했고, 그 이유로 데이터 품질 부족, 미흡한 위험 통제, 늘어나는 비용, 불분명한 사업 가치 를 들었습니다. 같은 자료는 생성형 AI 배포 방식에 따라 비용이 500만~2,000만 달러에 이를 수 있고, 생산성 향상을 재무 이익으로 바로 옮기기 어렵다는 점을 지적합니다. 이것은 전망이지 측정 결과가 아니지만, 중단 이유 네 가지는 우선순위를 매길 때 미리 점검할 항목 으로 그대로 쓸 수 있습니다.

직관(해설용 비유). 이사할 때 짐을 아무거나 먼저 싸지 않습니다. 자주 쓰고 가벼운 것은 바로 옮기고, 무겁고 깨지기 쉬운 것은 계획을 세워 옮기고, 쓰지 않는 것은 버립니다. 사용 사례도 이득의 크기 와 옮기는 난이도 로 나눠 순서를 정합니다.

2. 사용 사례 카드

후보마다 아래 카드를 한 장씩 씁니다. 카드가 안 채워지면 아직 사용 사례가 아니라 아이디어입니다.

3. 가치와 실현 가능성 점수

가치 V(1~5). 연간 절감 시간, 품질 개선(오류 · 재작업 감소), 고객 경험, 매출 기회를 종합합니다. 처음에는 연간 절감 시간 을 중심으로 매기고 나머지는 가감합니다.

실현 가능성 P(1~5). 아래 다섯 질문에 "예"가 많을수록 높습니다.

1. 필요한 데이터가 디지털로 있고 쓸 권한이 있나? (Gartner의 '데이터 품질')
2. 틀렸을 때 사람이 잡을 수 있는 구조인가? (위험 통제)
3. 사용량이 늘어도 비용을 감당할 수 있나? (비용)
4. 성공 지표를 지금 잴 수 있나? (사업 가치)
5. 기존 도구 안에서 되나, 아니면 연동 개발이 필요한가?

4. 2×2 매트릭스

왜 '빠른 성과'만 하면 안 되나. 빠른 성과는 신뢰를 쌓지만 대개 개인 작업 수준이라 조직 성과로 이어지기 어렵습니다. McKinsey 2026 조사에서 고성과 조직은 효율과 함께 성장 · 혁신을 추구하고 업무 흐름을 근본적으로 재설계한다고 설명됩니다. 그래서 포트폴리오는 보통 빠른 성과 2~3개 + 전략 과제 1개 처럼 섞습니다(해설용 권장).

5. 숫자로 해 보기: 기대 가치(해설용)

매트릭스는 감에 의존하기 쉬우므로 숫자로 한 번 더 봅니다. 시간당 인건비를 4만 원으로 가정합니다.

고객 문의 분류를 손으로 계산하면 $1{,}500 \times 4\text{만} = 6{,}000\text{만}$, $\times 0.7 = 4{,}200\text{만}$, $-2{,}500\text{만} = +1{,}700\text{만}$ 원입니다.

읽는 법.

• 코드 리뷰 초안 · 고객 문의 분류 · 회의록 요약이 앞섭니다. 회의록은 가치는 작지만 확실하고 싸서 '빠른 성과'입니다.
• 사내 규정 Q&A는 기대 순가치가 0에 가깝습니다. 성공 확률 $p$ 를 올리는 일(문서 정리 · 권한 설계, 데이터 준비)을 먼저 하면 전략 과제가 됩니다.
• 계약서 검토 보조는 지금은 제외입니다. 다만 "조항 목록 추출"처럼 범위를 줄이면 비용과 위험이 함께 내려가 다시 검토할 수 있습니다.
• 절감 시간 ≠ 현금 절감 입니다. 남은 시간이 다른 가치 있는 일로 옮겨 가지 않으면 장부상 이득만 남습니다. 이 점은 ROI · 효과 측정에서 자세히 다룹니다.

6. 우선순위에서 자주 하는 실수

1. 눈에 띄는 것부터 — 데모가 화려한 대고객 챗봇부터 시작. 위험과 비용이 커서 실패하면 신뢰를 잃습니다. 내부용 · 사람 검토가 있는 사례부터가 안전합니다.
2. 비용을 구축비로만 — 사용량 비례 비용(토큰), 검토 인력 시간, 유지보수를 빠뜨립니다.
3. 성공 확률 1로 가정 — 시험 없이 "될 것"으로 계산. 10~20건 시험으로 $p$ 를 추정합니다.
4. 소유자 없음 — 사용 사례마다 업무 책임자(현업)와 기술 책임자를 한 명씩 정합니다.
5. 한 번 정하고 끝 — 모델 · 가격이 바뀌면 실현 가능성과 비용이 바뀝니다. 분기마다 다시 봅니다.

1234567891011flowchart TD
  A[업무 진단 후보 작업] --> B[사용 사례 카드 작성]
  B --> C[가치 V · 실현 가능성 P 점수]
  C --> D[2×2 매트릭스 배치]
  D --> E[기대 순가치 계산<br/>가치 × p − 비용]
  E --> F{순가치 > 0 ?}
  F -->|예 · P 높음| G[빠른 성과 파일럿]
  F -->|예 · P 낮음| H[전략 과제<br/>데이터 · 체계 준비]
  F -->|아니오| I[범위 축소 후 재검토 또는 제외]
  G --> J[포트폴리오 확정 · 책임자 지정]
  H --> J

연습 문제

1. 연간 800시간 절감, 시급 5만 원, 성공 확률 0.6, 비용 1,500만 원인 사례의 기대 순가치는?
   • 풀이: $800\times5\text{만} = 4{,}000\text{만}$, $\times0.6 = 2{,}400\text{만}$, $-1{,}500\text{만} = +900\text{만}$ 원입니다.
2. 사내 규정 Q&A의 성공 확률을 문서 정리로 0.6에서 0.85로 올렸고, 정리 비용 500만 원이 추가되었습니다. 기대 순가치는?
   • 풀이: $3{,}600\text{만}\times0.85 = 3{,}060\text{만}$, 비용 2,500만 원을 빼면 $+560\text{만}$ 원입니다. 문서 정리가 오히려 순가치를 키웁니다.
3. Gartner가 든 PoC 중단 이유 네 가지를 사용 사례 카드의 어느 칸에서 점검하나요?
   • 풀이: 데이터 품질 → 데이터 칸, 위험 통제 → 사람 역할 · 위험 칸, 비용 증가 → 비용 칸, 불분명한 가치 → 가치 지표 칸입니다.

스스로 점검

1. 2×2 매트릭스의 '전략 과제'는 어떻게 다루나요?
   • 답: 가치는 크지만 지금은 어려운 과제이므로 바로 파일럿하지 않고 데이터 정리 · 권한 · 평가 체계를 먼저 준비해 실현 가능성을 올립니다.
2. 기대 순가치에서 $p$ 를 어떻게 정하나요?
   • 답: 실제 자료 10~20건으로 시험해 "그대로 · 고치면 · 못 씀" 비율과 데이터 상태를 보고 추정합니다. 근거 없이 1로 두지 않습니다.
3. 빠른 성과만으로 포트폴리오를 채우면 생기는 문제는?
   • 답: 개인 작업 개선에 머물러 조직 성과(업무 흐름 재설계)로 이어지지 않을 수 있습니다.

용어 정리

더 깊이 보려면

• Gartner 보도자료(2024-07-29): gartner.com/en/newsroom/press-releases/20…

다음에 볼 것

• ROI · 효과 측정
• 도구 선택

라이선스

본문은 KAITABASE 자체 해설입니다. Gartner · McKinsey 내용은 공개 페이지를 짧게 인용 · 요약했습니다. 매트릭스 · 숫자 예시는 해설용입니다.

출처

• Gartner, Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025 (2024-07-29): gartner.com/en/newsroom/press-releases/20…
• McKinsey, The state of AI in 2026: On the road to ROI (2026-08-25): mckinsey.com/capabilities/quantumblack/ou…