Google Cloud AI 설문조사, 기존 소프트웨어가 현대화를 가로막고 있다고 밝혀

Google Cloud는 11월 9일 발표한 조사 결과에서 설문에 참여한 의사결정권자 중 49%가 온프레미스 소프트웨어를 기술 이니셔티브의 지연 또는 축소와 연관 지었다고 밝혔다. 해당 이니셔티브에는 AI도 포함됐지만, 이 결과가 AI 프로젝트만을 따로 구분한 것은 아니다. Google Cloud AI 설문조사는 익숙한 기업 내 갈등, 즉 기존 운영 유지와 새로운 역량 구축의 경쟁을 구체적인 수치로 보여준다.

Hypothesis Group과 함께 진행된 이 조사는 미국 내 기업 IT 및 비즈니스 의사결정권자 1,250명을 대상으로 했다. Google은 이 결과를 토대로 아키텍처 선택권을 넓히고 기존 제공업체에 대한 의존도를 낮춰야 한다고 주장한다. 그 핵심 우려는 이해할 만하다. 연속적인 행동을 통해 작업을 수행할 수 있는 소프트웨어인 AI 에이전트는 자신이 접근하는 시스템의 한계를 그대로 물려받는다.

Microsoft는 유용한 비교 대상이다. Microsoft의 연구는 인프라 교체를 핵심 해법으로 보기보다 직원 도입과 함께 조직의 준비 상태를 강조한다. 두 관점 모두를 관통하는 긴장은 AI 접근성을 확대하는 일과 비즈니스 프로세스를 AI에 맞게 준비하는 일 사이에 있다. 기술 리더에게 이는 논의를 통합, 운영 책임, 그리고 새로운 지출이 실제로 부족한 엔지니어링 역량을 확보해 주는지의 문제로 옮겨 놓는다.

Google Cloud AI 설문조사가 실제로 측정한 것

이 설문조사는 특정 현대화 전략이 제약을 해소한다는 사실을 입증하기보다, 의사결정권자들이 보고한 제약을 측정한다.

Google Cloud의 리스크 및 컴플라이언스 책임자인 Jeanette Manfra는 레거시 소프트웨어 설문조사 발표에서 이 결과를 소개했다. 첨부된 보고서의 날짜는 2026년 10월이지만, 방법론에 따르면 현장 조사는 8월에 진행됐다. 따라서 이번 발표는 11월 배포 현황을 실시간으로 측정한 결과가 아니라, 앞서 수집된 경험에 대한 최근의 설명이다.

해석을 좌우하는 중요한 정의가 있다. 이 연구는 로컬에서 호스팅되거나 온프레미스로 운영되는 엔터프라이즈 소프트웨어를 레거시로 분류하고, 클라우드에서 호스팅 및 관리되는 소프트웨어와 대비한다. 이 정의는 배포 및 관리 방식에 관한 것이다. 독자는 조사 대상의 모든 시스템이 노후했거나 지원이 중단됐거나 AI에 기술적으로 부적합하다고 가정해서는 안 된다.

이 구분은 위치와 상태가 서로 다른 질문에 답하기 때문에 중요하다. 로컬에서 운영되는 애플리케이션도 명확한 인터페이스와 체계적인 유지보수를 갖출 수 있다. 클라우드 애플리케이션에도 혼란스러운 기록, 일관되지 않은 권한, 또는 강하게 결합된 비즈니스 규칙이 남아 있을 수 있다. 어느 관찰도 응답자의 경험을 부정하지는 않지만, 둘 다 구매자가 도출해야 할 결론에는 한계를 둔다.

보고된 49%는 지연, 범위 축소, 중단, 취소라는 여러 결과도 함께 묶는다. 이는 서로 다른 수준의 차질을 의미한다. 일시적인 일정 조정은 프로젝트 포기와 같은 사업상 결과를 낳지 않는다. 마찬가지로 다른 기술 이니셔티브가 포함됐다는 점은 이 결과를 AI 취소율로 해석할 수 없게 한다.

그러한 단서가 의미 있는 발견을 무효화하는 것은 아니다. 응답자들은 기존 소프트웨어 환경을 계획된 변화의 장벽으로 연결해 인식하고 있다. 엔터프라이즈 구매자에게 이는 평가 중인 AI 제품뿐 아니라 주변 환경에도 관심을 기울여야 한다는 증거다.

그러나 설문 응답만으로 책임의 전체 연결고리를 확정할 수는 없다. 멈춘 이니셔티브에는 애플리케이션 제약, 조달 제한, 전문성 부족, 우선순위 경쟁 또는 불명확한 비즈니스 사례가 관여할 수 있다. 하나의 프로젝트 안에 여러 원인이 공존할 수도 있다.

따라서 Google Cloud AI 설문조사는 인식된 조직 마찰을 진단하는 자료로 가장 유용하다. 리더들이 자체 의존성을 살펴볼 이유를 제공한다. 하지만 어떤 애플리케이션을 교체해야 하는지, 어떤 제공업체를 선택해야 하는지, 또는 특정 배포 전에 마이그레이션을 선행해야 하는지는 알려주지 않는다.

이 차이는 유용한 연구 신호와 지나치게 광범위한 구매 결론을 가른다. 다음 질문은 누가 그 마찰을 해결해야 하며, 그들이 그렇지 않았다면 어떤 업무를 하고 있을지다.

유지보수 부담은 AI 제공을 맡은 팀에 쏠린다

즉각적인 부담은 운영 연속성과 새로운 AI 제공 모두에 책임을 지는 팀에 돌아간다.

경영진이 AI 마감일을 제시한다고 해서 엔지니어링 조직이 기존 업무를 선택 사항으로 취급할 수는 없다. 보안 수정, 접근 권한 변경, 인시던트 대응, 애플리케이션 지원은 여전히 필요하다. 추가 목표를 부여한다고 해서 이를 달성하는 데 필요한 역량이 자동으로 생기지는 않는다.

이는 인원 수만으로는 가려질 수 있는 예산 문제를 낳는다. 팀이 충분한 인력을 갖춘 것처럼 보여도, 특정 전문 지식이 필요한 시스템 때문에 전문 인력이 계속 묶여 있을 수 있다. 관련 제약은 전체 직원 수보다 제공 기간 중 활용 가능한 전문성인 경우가 많다.

직원이 계정 문제를 해결하도록 돕는 가상의 내부 서비스 에이전트를 생각해 보자. 그럴듯한 답변을 만드는 것은 업무의 일부일 뿐이다. 주변 프로세스는 직원을 식별하고, 허용된 접근을 설정하며, 최신 정보를 조회하고, 예외를 담당자에게 전달해야 한다.

에이전트가 계정을 변경할 수 있다면 조직에는 승인 규칙과 해당 조치의 기록도 필요하다. 효과적인 데모는 이러한 운영 업무의 상당 부분을 피할 수 있다. 그러나 프로덕션 서비스는 이후 누군가가 모든 예외 사례를 수동으로 수정하는 데 의존할 수 없다.

이러한 요구는 개발자와 보안팀이 서로 다른 방향에서 압박을 받는 이유를 설명한다. 비즈니스 리더는 눈에 보이는 진전을 원한다. 운영팀은 가용성을 유지해야 한다. 보안 검토자는 접근 권한을 승인할 충분한 증거가 필요하다. 명시적인 우선순위가 없다면 통합 업무는 이들 집단 사이에서 아무도 책임지지 않는 의존성이 될 수 있다.

유지보수는 순서에도 영향을 미친다. 애플리케이션 교체는 결국 지원 노력을 줄일 수 있지만, 그 이점이 나타나기 전에 상당한 작업이 필요할 수 있다. 전환 기간 동안 팀은 기존 프로세스를 지원하면서 대체 시스템을 익혀야 할 수 있다. 따라서 현대화 제안에는 일시적 업무 부담에 대한 설명이 필요하다.

바로 이 지점에서 엔지니어를 확보해 준다는 광범위한 약속을 검토할 필요가 있다. 핵심 질문은 어떤 반복 업무가 사라지는지, 현재 누가 이를 수행하는지, 그리고 그 인력이 언제 활용 가능해지는지다. 책임을 제공업체로 이전하는 것이 도움이 될 수는 있지만, 남는 통합 및 감독 업무에도 여전히 책임자가 필요하다.

조달팀도 관련된 과제에 직면한다. 제품을 구매하는 편의성과 이를 운영하는 노력의 차이를 구분해야 한다. 익숙한 계약은 구매를 단순화할 수 있지만 데이터 접근 문제를 해결해 주지는 않는다. 낯선 제공업체는 매력적인 기능을 제공하는 동시에 또 다른 운영 책임을 더할 수 있다.

지식 근로자에게 그 결과는 불균등한 가용성으로 나타난다. 어시스턴트는 문서를 성공적으로 요약할 수 있지만, 중요한 의사결정에 필요한 기록은 계속 활용하지 못할 수 있다. 그러면 눈에 보이는 AI 인터페이스는 그 뒤의 워크플로보다 더 빠르게 발전한다.

따라서 이 압박은 기술적인 문제인 만큼 조직적인 문제이기도 하다. 리더십은 어떤 의존성에 투자할지, 어떤 제안 프로젝트를 기다리게 할지 결정해야 한다. 그렇지 않으면 새로운 파일럿마다 동일한 인력을 두고 경쟁할 뿐, 이전 프로젝트를 지연시킨 조건은 바뀌지 않는다.

에이전트를 추가한다고 그 아래의 업무가 사라지지는 않는다

자동화는 제안보다 행동에 더 명확한 경계가 필요하기 때문에 신뢰할 수 있는 비즈니스 인터페이스의 중요성을 확대한다.

Google의 주장은 소프트웨어 위치만을 기준으로 할 때보다 특정 워크플로에 적용할 때 더 설득력을 얻는다. 조언을 생성하는 시스템은 실행을 사람에게 맡길 수 있다. 행동 권한을 부여받은 시스템은 조직이 명시적으로 정한 규칙을 마주해야 한다.

가상의 구매 요청을 예로 들어 보자. 직원은 에이전트에게 승인된 공급업체를 이용해 주문을 준비해 달라고 요청할 수 있다. 언어 작업은 설명하기 쉽다. 비즈니스 작업에는 권한 확인, 올바른 계정 선택, 구매 정책 적용, 재고가 없는 품목 처리 등이 포함된다.

각 단계는 유창한 텍스트만으로 독립적으로 해결할 수 없는 질문을 제기한다. 어떤 기록이 권위 있는가? 요청자에게 권한이 있는가? 제안된 구매가 정책 범위 안에 있는가? 주문은 성공했지만 확인 절차가 실패하면 어떻게 되는가?

이 질문들은 답변을 생성하는 일과 거래를 완료하는 일의 차이를 드러낸다. 조직은 부분 완료를 포함해 시스템에서 무슨 일이 일어났는지 알아야 한다. 자신감 있는 대화형 응답이 그 증거를 대신할 수는 없다.

기존 애플리케이션에는 직원들이 문서가 아니라 경험을 통해 이해하는 규칙이 담겨 있기도 하다. 에이전트 배포는 이러한 숨은 지식을 드러낼 수 있다. 통합 문제처럼 보이는 일이 실제로는 정책, 예외 또는 책임에 관한 미해결 결정일 수 있다.

애플리케이션 교체가 반드시 이러한 결정을 해결해 주는 것은 아니다. 이를 표현하기 더 좋은 환경을 만들 수는 있지만, 의도한 동작은 여전히 누군가가 결정해야 한다. 이것이 현대화 제안이 기반 소프트웨어의 연식에 의존하기보다 개선할 비즈니스 경계를 식별해야 하는 이유다.

Google의 자체 고객 서비스 배포 사례는 구체적인 예를 제공한다. 2025년 4월, 회사는 Wendy’s FreshAI가 드라이브스루 주문을 처리하고 24개 주로 확대되고 있다고 설명했다. 이는 에이전트의 일반적인 신뢰성을 독립적으로 입증한 것이 아니라 회사가 보고한 배포 주장이다.

그럼에도 이 사례는 명확하게 정의된 업무의 가치를 보여준다. 음식 주문에는 식별 가능한 입력값, 메뉴 제약, 그리고 식당 운영에 도달해야 하는 거래가 있다. 그 유용성은 대화 품질만이 아니라 실제 서비스 프로세스와의 연결에 달려 있다.

내부 엔터프라이즈 워크플로도 경계가 덜 보이더라도 이와 비슷한 명확성이 필요하다. 계약을 조사하거나, 갱신을 준비하거나, 접근 문제를 해결하라는 요청에는 합의된 도착점이 필요하다. 그렇지 않으면 에이전트가 텍스트를 생성했을 때 팀은 성공을 선언하지만, 후속 직원은 여전히 실질적인 업무를 완료해야 할 수 있다.

이는 통합을 책임성의 문제로 만든다. 추천에서 승인된 조치로, 조치에서 검증된 결과로 넘어가는 전환을 누군가는 책임져야 한다. 그러한 책임이 없다면 자동화는 비즈니스 프로세스를 대체로 그대로 둔 채 업무만 재분배할 수 있다.

가장 강력한 현대화 사례는 이러한 전환을 식별하고 실제로 개선됐음을 보여준다. 그 증거는 미해결 인계 감소, 신뢰할 수 있는 완료, 그리고 문제가 발생했을 때 관리 가능한 복구를 보여야 한다.

Google과 Microsoft는 준비 상태에 이르는 서로 다른 경로를 강조한다

두 벤더는 강조점이 다르지만, 두 관점 모두 유용한 AI 배포에서 조직적 준비를 핵심으로 본다.

Google의 입장은 아키텍처 자유에 중요한 역할을 부여한다. Microsoft의 조직 AI 준비도 연구는 관리, 업무 설계, 평가에 더 큰 비중을 둔다. 2026년 5월 보고서는 10개 시장의 AI 사용 근로자 20,000명을 대상으로 한 설문조사를 바탕으로 한다.

Microsoft는 조직적 조건이 응답자들이 AI에서 얻는다고 보고한 가치와 강하게 연관돼 있다고 말한다. 자사 방법론은 통계적 연관성과 인과관계를 명시적으로 구분한다. Google의 설명과 이 결과를 비교할 때 이러한 주의는 중요하다. 어느 설문도 성공적인 도입을 위한 보편적 해법을 입증하지는 않는다.

이 비교는 서로 다른 상업적 위치도 반영한다. Google은 구매자가 기존의 엔터프라이즈 관계를 재고하도록 유도할 동기가 있다. Microsoft는 기존 업무 환경을 AI에 적합한 생산적인 환경으로 만들 동기가 있다. 이러한 동기는 양사의 조사 결과를 자동으로 무효화하지 않으면서도, 각사가 무엇을 강조하는지를 설명하는 데 도움이 된다.

구매자에게 이 선택은 실질적인 절충을 수반한다. 기존 환경을 확장하면 익숙한 관리 방식을 유지하고 일부 전환 작업을 줄일 수 있다. 대안을 도입하면 협상 선택지가 늘어나거나 특정 워크플로 요구 사항을 충족할 수 있다. 어느 경로든 조직이 통합 평가를 건너뛰면 기대에 미치지 못할 수 있다.

따라서 Google Cloud AI 설문은 기존 공급자를 자동으로 거부하기보다 종속성을 면밀히 검토하도록 이끌어야 한다. 구성 요소를 바꾸는 데 감당할 수 없는 중단이 발생하거나, 필수 정보를 잃게 되거나, 기업이 독립적으로 운영할 수 없게 될 때 종속성은 중요한 문제가 된다.

이 우려는 기존 공급자만큼이나 새로운 공급자에도 적용된다. 기업은 익숙한 제약을 덜 익숙한 제약으로 바꿀 수 있다. 계약이 다르다고 해서 그 자체로 더 큰 자유가 보장되는 것은 아니다.

의미 있는 선택을 위해서는 운영상의 증거가 필요하다. 구매자는 기록이 제품 외부에서도 계속 사용 가능한지, 권한을 재구성할 수 있는지, 완료된 작업을 계속 검토할 수 있는지를 이해해야 한다. 이러한 질문은 메뉴에서 선택할 수 있는 모델 이름의 수보다 더 많은 것을 보여준다.

AI 모델을 선택하는 일과 워크플로 플랫폼을 교체하는 일 사이에도 차이가 있다. 모델은 정보를 생성하거나 해석한다. 플랫폼은 지침, 연결, 기록, 승인 이력을 보관할 수 있다. 전자를 바꾸는 일은 비교적 제한적일 수 있지만, 후자를 바꾸면 전체 프로세스에 영향을 미친다.

이 때문에 조달 논의는 더 엄격해진다. 구매자는 계속 유지되는 의무와 종료 조건을 포함해 전체 작업 환경을 평가해야 한다. 편리한 데모는 핵심 연결이 끊기거나 사업 부서가 프로세스를 변경할 때 어떤 일이 발생하는지에 대해 제한적인 통찰만 제공한다.

지식 관리는 더 작은 규모의 유사 사례를 제공한다. 검색 가능한 지식 기반은 사람들이 관련 자료를 맥락 속에서 찾아낼 수 있을 때 유용하다. 엔터프라이즈 자동화에는 검색된 정보가 조직적 결과를 수반하는 행동에 영향을 줄 수 있으므로 추가 요구 사항이 따른다.

따라서 Google과 Microsoft를 비교할 때 가장 중요한 것은 각사가 제안하는 환경이 실제 업무를 어떻게 지원하는가이다. 브랜드 선호는 경쟁 방식 전반에서 동일한 프로세스, 권한, 수용 기준을 검토하는 일을 대체하기에는 부족하다.

설문은 중요한 인과관계 및 보안 질문을 남긴다

보고된 유지보수 부담은 조사를 뒷받침하지만, 모든 워크로드에서 클라우드 마이그레이션이 더 나은 결과를 낸다는 사실을 입증하지는 않는다.

함께 공개된 엔터프라이즈 준비도 보고서는 정성적 인터뷰로 보완한 20분 온라인 설문을 설명한다. 미국 의사결정자 표본은 분명한 관점을 제공한다. 다른 지역의 기업이나 구매 및 기술 리더십 밖의 직원을 논의할 때 독자는 이 범위를 염두에 두어야 한다.

보고서는 또한 응답자의 78%가 기술 유지보수가 AI에서 자원을 빼앗는다고 믿으며, 48%가 자사 기술 스택이 확장 배포를 위한 준비가 됐다고 본다고 말한다. 이는 역량과 준비도에 대한 평가다. 마이그레이션 후 회복된 엔지니어링 시간을 직접 측정한 결과는 아니다.

응답자는 최선의 해결책을 정확히 특정하지 못하더라도 좌절감을 정확히 설명할 수 있다. 지원 수요에 어려움을 겪는 팀은 교체, 더 나은 구성, 추가 전문성 또는 더 좁은 AI 적용 범위의 혜택을 받을 수 있다. 이들 대응책 중 무엇을 선택할지는 해당 환경의 증거를 바탕으로 결정해야 한다.

상업적 후원도 같은 이유로 주의 깊게 살펴볼 필요가 있다. Google은 자사가 제안하는 방향과 맞닿아 있는 서비스를 판매한다. 적절한 대응은 정의를 검토하고 대안을 비교하는 한편, 면밀한 검토에도 유용하게 남는 결과는 유지하는 것이다.

설문의 배포 기반 정의는 특히 중요하다. 로컬에서 관리되는 소프트웨어를 레거시로 간주하면 처음부터 클라우드 비교가 핵심이 된다. 구매자에게는 여전히 유지관리 용이성, 보안, 통합 품질, 비즈니스 적합성에 대한 별도의 평가가 필요하다.

보안은 단순한 마이그레이션 서사에 또 다른 한계를 제시한다. 관리형 서비스는 인프라 유지보수를 담당하는 주체를 바꿀 수 있다. 그러나 에이전트가 어떤 정보에 접근할 수 있는지, 어떤 행동에 검토가 필요한지를 결정해야 할 필요까지 없애지는 않는다.

Gartner의 에이전트 거버넌스 프레임워크는 이러한 구분을 다룬다. 애널리스트 Shiva Varma는 일률적인 통제가 단순한 에이전트에는 지나치게 제한적일 수 있고, 더 자율적인 에이전트에는 제한이 부족할 수 있다고 주장한다. 이 프레임워크는 관찰, 조언, 승인 필요한 행동을 구분한다.

이 관점은 자율성을 높이는 일이 언제나 진전을 의미한다는 가정을 복잡하게 만든다. 권고안 준비로 제한된 에이전트가 중요한 결과를 수반하는 워크플로에 적절할 수 있다. 승인을 요구하는 것은 행동과 그 잠재적 영향에 따라 가치가 달라지는 설계 결정이다.

따라서 신중한 엔터프라이즈 구매자는 인프라 개선과 권한 부여 개선을 구분해야 한다. 더 나은 호스팅은 가용성과 유지보수를 뒷받침할 수 있다. 더 나은 권한 부여는 시스템이 무엇을 하도록 허용되는지 정의한다. 둘 다 주목할 가치가 있으며, 어느 하나도 다른 하나를 대신해서는 안 된다.

Google Cloud AI 설문은 이들 투자 사이의 균형을 해결하지 않는다. 이 설문은 리더들이 조사할 수 있는 인식된 제약을 식별한다. 분석상 오류는 이 신호를 하나의 아키텍처, 공급자 또는 자율성 수준이 본질적으로 더 낫다는 증거로 바꾸는 것이다.

배포 후에는 추가적인 측정 문제도 있다. 직원들은 업무 착수에 드는 시간을 줄일 수 있지만, 불확실한 결과를 확인하는 데 더 많은 시간을 쓸 수 있다. 생산성 주장은 지원 및 복구와 함께 이러한 검토 노력을 고려해야 한다. 그렇지 않으면 겉보기 자동화가 다른 팀으로 이전된 작업을 감출 수 있다.

완료된 워크플로, 전환 증거, 복구를 주시하라

다음으로 유용한 증거는 현대화 결정을 구매자가 검토할 수 있는 운영 결과와 연결할 것이다.

앞으로 몇 달 동안 가장 먼저 주시할 신호는 완료된 워크플로에 관한 고객 보고다. 유용한 공개는 데모와 반복적 사용을 구분하고, 무엇을 성공적인 완료로 간주하는지 설명할 것이다. 또한 어디에서 사람의 개입이 여전히 필요한지도 밝혀야 한다.

현대화가 식별 가능한 제약을 제거하고 반복 가능한 운영 개선을 낸다면, 이 증거는 Google의 주장을 강화할 것이다. 반면 기반 환경을 교체했음에도 프로젝트가 광범위한 수동 복구를 계속 필요로 한다면, 광범위한 마이그레이션 주장은 약화될 것이다.

프로세스가 용납할 수 없는 오류를 낸다면 완료만으로는 충분하지 않다. 구매자에게는 정확성과 예외를 해결하는 데 필요한 노력에 관한 증거가 필요하다. 빠르게 끝나지만 이후 분쟁을 만드는 워크플로는 문제를 해결한 것이 아니라 옮긴 것이다.

두 번째 신호는 입증된 전환이다. 고객이 작동 중인 프로세스가 구성 요소 변경 후에도 유지된다는 사실을 보여줄 때, 커넥터나 모델 선택에 관한 제품 발표는 더 면밀히 검토할 가치가 있다. 권한, 평가 기준, 사용 가능한 기록을 보존한다면 유연성에 대한 의미 있는 증거가 될 것이다.

광범위한 재구성이 필요한 전환은 다른 이야기를 들려준다. 이는 명목상의 선택이 상당한 운영 종속성과 함께 존재함을 시사한다. 구매자가 기존 업무 플랫폼과 대체 에이전트 환경을 비교할수록 이 구분은 중요해질 것이다.

세 번째 신호는 통제된 실패 상황에서의 복구다. 고객 사례와 기술 평가는 접근 권한이 만료되거나 연결된 애플리케이션을 사용할 수 없게 되거나 행동이 일부만 완료될 때 어떤 일이 일어나는지 설명해야 한다. 복구 증거는 유리한 데모를 넘어 시스템이 어떻게 작동하는지 보여준다.

명확한 책임 소재는 신뢰를 높일 것이다. 팀은 마지막으로 검증된 상태를 식별하고, 어떤 행동이 일어났는지 판단하며, 업무를 어떻게 재개할지 결정할 수 있어야 한다. 이러한 답을 매번 비공식적으로 조사해야 한다면 운영 부담은 여전히 해결되지 않은 상태다.

이러한 신호는 인프라 제약과 프로세스 제약을 구분하는 데도 도움이 된다. 연결 실패는 기술적 종속성을 나타낼 수 있다. 해결되지 않은 승인 분쟁은 거버넌스 문제를 가리킨다. 둘 다 제공을 가로막을 수 있지만, 필요한 대응은 다르다.

Google Cloud AI 설문은 엔터프라이즈 리더에게 엔지니어링 역량이 어디에 쓰이는지 살펴볼 이유를 제공한다. 이 결과는 특정 서비스, 그 종속성, 그리고 이를 계속 유용하게 유지할 책임이 있는 사람들에 관한 질문으로 옮겨질 때 가장 가치가 크다.

AI 투자를 계획하는 독자는 어시스턴트의 응답을 넘어 실제 업무를 따라가야 한다. 어떤 비즈니스 결과가 반드시 발생해야 하는지, 어떤 기록이 완료를 입증하는지, 누가 예외를 처리하는지 물어야 한다. 마이그레이션 노력과 지속적인 검토를 포함해 동일한 결과를 기준으로 제안을 비교하라. 기존 플랫폼과 대안을 평가할 때 수용 기준을 일관되게 유지하라. 유지보수 감소에 관한 주장에는 제거되는 작업과 계속 유지되는 책임을 명확히 밝히도록 요구하라. 그런 다음 일상적인 운영과 통제된 실패 상황에서도 이러한 변화가 지속된다는 고객 증거를 찾아보라. 현재 귀하의 팀이 가치 있는 업무를 완료하지 못하게 하는 종속성은 무엇이며, 제안된 투자가 이를 실제로 제거한다는 점을 어떤 증거가 보여줄 수 있는가?