등급은 AI를 얼마나 많이 쓰는지로 정해지지 않습니다. 일이 어디까지 스스로 끝나는가로 정해집니다. 위 단계로 갈수록 요구되는 것은 더 좋은 모델보다 더 촘촘한 운영 설계입니다.
AI를 실제 업무에 붙여 시험해볼 수 있도록 데이터·권한·책임·기준선을 갖춘 단계입니다.
기존 업무 흐름은 그대로 두고, 한 구간에서 AI가 확인 가능한 결과물을 만들어 사람이 검토하는 단계입니다.
AI를 전제로 업무의 시작점·처리경로·역할을 다시 설계하고, 그 설계가 실제로 돌아간 기록이 있는 단계입니다.
AI가 서비스의 핵심 가치를 만들고, 사용 결과가 서비스를 고치며, 장애와 품질 변동에도 서비스가 유지되는 단계입니다.
눈금이 오른쪽으로 갈수록 사람이 손대야 하는 일이 줄어듭니다. C5는 AI-Native의 필수 조건이며, 평가·학습·재검증·대체경로·장애복원이 모두 들어가야 도달합니다.
얼마나 넓은 일을 감당하는가
어디까지 스스로 끝내는가
얼마나 공적으로 쓰이는가 · MCP 사례에 적용
| 설계 요소 | Ready | Enabled | First | Native |
|---|---|---|---|---|
| 준비 자산 — 데이터·권한·책임·기준선 | ||||
| 검증 가능한 업무 산출물 | — | |||
| 사람의 확인 절차 | — | |||
| 위험도에 따른 자동·이관 분기 | — | — | ||
| 종료 상태 확인 | — | |||
| 승인·거부·롤백 경로 | — | — | ||
| 처리 건별 지표 적재 | — | |||
| 반복 예외의 제도 반영 | — | — | ||
| 핵심 가치 결합 | — | — | ||
| 평가 → 개선 환류 회로 | — | — | — | |
| 대체 경로·장애 복원 | — | — | ||
| 적용 범위 명시 기록 | — | — | — |
모델이 멈추거나, 단가가 뛰거나, 품질이 떨어질 때 무엇이 일어나는지 미리 정해두었는가. 이것이 문서로만 존재하면 관문을 통과하지 못합니다.
무엇을 출력할지보다 무엇을 완료로 볼지를 먼저 정의합니다. 종료 상태가 정의되지 않으면 아무리 정확해도 완결성은 C2에 머뭅니다.
되돌리는 방법이 없는 자동화는 자동화가 아닙니다. 승인·거부·롤백을 설계 초기에 넣어야 나중에 붙일 수 있습니다.
전부 자동도, 전부 사람도 설계 실패입니다. 쉬운 건은 통과시키고 어려운 건은 숙련자에게 보내는 기준선이 핵심입니다.
처리시간·오류율·수정률·이관률·사용량·비용이 건별로 쌓여야 다음 단계로 갈 연료가 생깁니다. 쌓이지 않으면 개선도 증명도 불가능합니다.
특정 모델·특정 공급자에 하드코딩된 서비스는 아무리 잘 작동해도 Native가 되지 못합니다. 강등 경로가 곧 자격 요건입니다.
지표가 쌓이기만 하고 자동화 범위나 판정 기준을 바꾸지 않으면 회로가 닫히지 않습니다. 환류가 Native의 마지막 관문입니다.