AI-Ready
데이터·권한·책임·기준선 중 하나 이상을 실제 AI 업무시험에 쓸 수 있는 상태로 만든 단계. API·MCP·RAG·공통 플랫폼·교육·실험환경 제공을 포함합니다. AI로 코딩했다는 사실만으로는 부족하고, 결과물이 준비요소에 실질적으로 기여해야 합니다.
AX 성숙도 사다리 — 우리는 지금 어디에 있나
AX 등급은 준비(Ready) → 활용(Enabled) → 재설계(First) → 내재화(Native)로 올라가는 성숙도 사다리입니다. 위로 갈수록 "AI 기능이 있다"가 아니라 "업무가 실제로 어떻게 완결되는가"의 증거를 요구합니다.
평가·분석 방법론
모든 사례는 등급 하나가 아니라 AX 단계 × S × C × M 네 축을 함께 기록합니다. 준비 자산의 잠재력을 과소평가하지 않으면서, 아직 실현되지 않은 자동화 효과를 현재 성과로 과대평가하는 문제를 막기 위한 구조입니다. 총점보다 관문(필수조건)을 우선하며, 공개 근거가 없으면 "아니오"가 아니라 "미확인"으로 두고 상위 단계 판정을 유보합니다.
AI-Enabled
기존 업무의 일부에서 AI가 검색·요약·분류·번역·초안·추천·분석 등 검증 가능한 결과를 만들고 사람이 확인하는 단계. 기능 탑재가 아니라 실제 업무 산출물이 관건입니다.
AI-First
AI를 전제로 업무 시작점·처리경로·역할을 재설계한 단계. 저위험 자동처리, 고위험 숙련자 이관, 예외처리(승인·거부·롤백), 운영결과의 평가 데이터화, 예외의 제도 반영까지 모든 관문의 운영 증거가 필요합니다.
AI-Native
AI가 서비스의 핵심 가치를 생산하고, 사용결과가 평가·개선으로 환류되며, 장애·가격·품질 변동에도 핵심 서비스가 유지되는 단계. 핵심 가치 결합 + 학습구조(C5) + 복원력이 필수 관문입니다.
| 코드 | 명칭 | 판정 단위 |
|---|---|---|
| S1 | Primitive tool | 단일 조회·변환·생성·검사 기능 |
| S2 | Tool bundle | 관련된 복수 도구·데이터·기능의 묶음 |
| S3 | Workflow | 하나의 업무목표를 위한 순차·조건부 처리 |
| S4 | End-to-end service | 접수·처리·승인·통지·종료 확인까지 연결 |
| S5 | Ecosystem | 여러 기관·서비스·에이전트의 공동 목표 수행 |
| 코드 | 명칭 | 판정 기준 |
|---|---|---|
| C0 | 기능 제공 | 도구·서비스가 존재하고 호출·사용 가능 |
| C1 | 결과 제공 | 결과를 제시하며 후속 업무는 사람이 수행 |
| C2 | 연속 처리 | 여러 단계를 연결하지만 주요 판단·완료는 사람 |
| C3 | 운영 폐쇄루프 | 입력→처리→검증→완료 및 종료상태 확인 |
| C4 | 예외 포함 완결 | 오류·불확실성·승인·이의제기·이관·롤백 포함 |
| C5 | 적응형 완결 | 평가·학습·재검증·대체경로·장애복원 포함 |
| 코드 | 명칭 | 판정 기준 |
|---|---|---|
| M1 | 제한적 | 개인·단일 도구·제한 사용자 중심 |
| M2 | 재사용형 | 공개 MCP 또는 복수 사용자·모델이 재사용 |
| M3 | 업무통합형 | 복수 MCP·API·업무시스템과 연결 |
| M4 | 생태계형 | 공식 기관 제공, 다기관·다에이전트 공동 이용 |
| M5 | 핵심인프라형 | 공식 실행계층, SLA·책임·감사·복원력 보유 |
판정 절차 (9단계)와 보조 분류축
- 공개자료에서 AI의 실제 역할과 업무 산출물을 확인한다
- AI 활용조건만 마련했는지, 검증 가능한 결과까지 만드는지 구분한다
- 지원 업무범위를 S1~S5로 판정한다
- 시작·처리·완료·예외·학습·복원 수준을 C0~C5로 판정한다
- AX 단계의 필수관문을 적용한다 — 총점보다 관문 우선
- MCP 사례라면 재사용·통합·공식성·운영책임을 M1~M5로 평가한다
- Native라면 적용범위(Tool/Task/Workflow/Service/Organization/Ecosystem)를 함께 기록한다
- 공개 근거가 없으면 "미확인"으로 기록하고 상위단계 판정을 유보한다
- 신규 증거가 생기면 동일 사례를 새 버전으로 재평가한다
보조 분류축: 도입상태(Prototype~Production), 사용자 관계(G2E/G2G/G2C/G2B/G2R), 서비스 범위(Internal/External/Hybrid), 업무 위치, 개발 주체·방식, MCP 역할·권한, 개방성·라이선스, 위험도와 인간 통제, 증거등급 E0~E5와 신뢰도, 피드백·학습 구조, 복원력. AX 단계와 도입상태는 독립적입니다 — AI-Ready/Production과 AI-Enabled/Prototype이 모두 가능합니다.
준비조건을 만들면 Ready, 검증 가능한 업무결과를 만들면 Enabled, 사람과 AI의 역할·흐름을 다시 짜면 First, 핵심 가치와 학습·복원 구조가 결합되면 Native로 판정한다.
평가 결과 분석
향후 개선 방향 — 다음 단계로 가는 길
① First 후보군을 집중 관리
연속 처리(C2)까지 도달한 사례들이 가장 유력한 AI-First 후보입니다. 역할 분기, 숙련자 이관, 종료 확인, 평가 데이터 수집을 추가하면 First로 올라설 수 있습니다.
② 성과 근거를 E4 이상으로
현재 사례 대부분이 게시글 주장(E0)~공개 데모(E1) 수준의 증거에 머뭅니다. 처리시간, 오류율, 수정률, 이관률, 사용량, 비용을 기록해 성과 근거 등급을 높여야 상위 단계 판정이 가능해집니다.
③ 예외 처리와 복원력을 필수 항목으로
70건 전부 피드백·학습 구조와 복원력이 미확인입니다. 모델·MCP·API 중단 시 폴백, 수동 전환, 롤백 절차를 사례 설명의 필수 항목으로 만들어야 C3 이상으로 갈 수 있습니다.
④ 도구 수보다 전환 경로를 추적
MCP 서버가 몇 개인가보다 공개 → 실제 사용 → 업무결과 → 공식 편입 → 흐름 재설계 → 학습·복원의 진행 단계를 사례별로 버전 관리하는 것이 중요합니다. 엔드투엔드(S4)와 폐쇄루프(C3+)의 첫 사례가 나오는 것이 다음 이정표입니다.
사례별 평가 결과
행을 클릭하면 도입 상태·판정 근거·피드백·복원력 평가가 펼쳐집니다. 표기는
AX 단계 / S 업무범위 / C 완결성 / M 파급력 순이며,
도구유형과 사용자·범위(G2E 공직 내부 / G2C 대국민 등)는 공개 정보 기반 자동 분류입니다.
평가 기준일 2026-08-08 · 평가모형 및 근거: docs/native (전체 보고서)