암묵지 디지털화, AI 시대 조직을 더 똑똑하게 만드는 법

AI와 디지털 전환이 가속화되면서, 장인의 눈과 손까지 데이터로 옮기려는 암묵지 디지털화(tacit knowledge digitalization) 시도가 전 세계에서 본격화되고 있습니다. 아래 내용은 해당 흐름을 철학·현장·기술·보안·조직 전략까지 연결해 정리한 것입니다.

암묵지 디지털화, 장인의 눈빛이 서버 속으로 들어가다

한 제조 공장에서 만난 베테랑 작업자가 있었습니다. 30년 동안 같은 품질 검사 테이블 앞을 지키던 분이었죠. 제가 “이건 어떻게 구분하세요?”라고 묻자, 그는 웃으면서 이렇게 답했습니다. “그냥 느낌이죠. 말로는 못 해요.”

몇 달 뒤, 그 테이블 위에는 카메라와 센서가 깔리고, 그의 머리에는 착용형 아이 트래킹 장비가 올라갔습니다. 장인의 눈과 손이 그대로 서버 속 AI 모델로 들어가는 장면이었습니다. 암묵지 디지털화가 현실에서 어떻게 구현되는지 보여주는 상징적인 순간입니다.

지금 전 세계 제조업체와 공공기관이 이런 암묵지 디지털화(tacit knowledge digitalization)에 수십억, 수백억을 쓰고 있습니다. 정말 모든 암묵지를 디지털로 옮길 수 있을까요? 그리고 가능하다면, 어디까지가 현명한 선일까요?

암묵지란 무엇인가: 폴라니에서 AI까지

철학자이자 과학자였던 마이클 폴라니는 이렇게 말했습니다. “우리는 말할 수 있는 것보다 더 많이 알고 있다.” 이 짧은 문장이 오늘 이야기의 출발점입니다.

폴라니가 말한 암묵지(tacit knowledge)는 말이나 문자로 완전히 설명하기 어려운 지식입니다. 반대로, 매뉴얼·문서·데이터베이스로 잘 정리되는 지식을 형식지(명시지, explicit knowledge)라고 부릅니다.

실무 자료에서도 정의는 비슷합니다. ServiceNow, ClickUp, Bloomfire 같은 지식관리 플랫폼들은 암묵지를 이렇게 설명합니다.

• 몸에 밴 기술: 장인의 손기술, 외과의의 촉, 바리스타의 추출 감각
• 직관적 판단: “이 고객은 곧 이탈하겠다”는 영업의 느낌
• 맥락·관계 감각: 조직 분위기, 고객사의 ‘진짜’ 의도 읽기

반면 형식지는 다음과 같은 것들입니다.

• 설비 매뉴얼, 표준작업지침(SOP)
• 제품 스펙, 품질 기준표
• 코드 리포지터리, API 문서

Bloomfire와 Document360은 숙련자가 퇴사할 때 조직이 잃는 손실을 연봉의 수배로 추정하는 리포트를 반복적으로 인용합니다. “문서로 남지 않은 것”이 조직을 지탱하는 경우가 많다는 뜻입니다.

실무에서 진짜 위기는 “문서가 없다”가 아니라, “문서대로 해도 뭔가 안 된다”는 순간에 드러납니다. 그때 늘 이런 말이 나옵니다.

“그건, 해보면 알아요.”

— 현장 베테랑의 전형적인 답변

AI 시대가 되면서 많은 사람이 묻습니다. “모델이 인간 패턴을 학습하니, 암묵지도 다 흡수되는 것 아닌가요?” 하지만 AI가 잘하는 층위와 여전히 보이지 않는 채로 남는 층위를 구분하지 않으면, 암묵지 디지털화 전략은 금방 한계에 부딪힙니다. 이 글은 그 경계를 같이 그려보려는 시도입니다.

왜 지금 ‘암묵지의 디지털화’인가: 인구·기술·경쟁의 삼중 압력

현재 암묵지 디지털화는 단순 유행이 아니라, 인구 구조·기술 변화·경쟁 환경이라는 세 가지 압력이 겹친 결과입니다.

1. 인구 구조: 은퇴와 단절의 리스크

한국 제조업과 공공부문에서는 고령 숙련자의 은퇴가 현실이 됐습니다. “이 공정은 저 선배 둘이 떠나면 끝이다”라는 말이 과장이 아닌 현장이 많습니다. 정밀 용접, 선박 블록 맞춤, 초정밀 검사처럼 오차 허용 범위가 극도로 좁은 작업일수록 그렇습니다.

Bloomfire, Document360 등의 자료는 숙련자 퇴사 시 손실을 연봉의 수배로 추정합니다. 한국 제조 현장에 그대로 대입하면, 한 사람의 은퇴가 곧 수십억짜리 설비 라인 리스크로 연결되는 셈입니다.

2. 기술 변화: 인간+기계 하이브리드 환경

디지털 전환(DX)과 AI 도입이 가속화되면서, 현장은 더 이상 “사람만” 혹은 “기계만”의 공간이 아닙니다. 센서, MES, 디지털 트윈, AR/VR, 생성형 AI까지 결합된 인간+기계 하이브리드 환경이 일상이 되고 있습니다.

한국 정부도 이 흐름에 맞춰 ‘첨단산업 일자리 개발 기술개발’ 등 R&D 사업을 통해 제조 현장의 암묵지 디지털화를 적극적으로 밀고 있습니다. Automation World 기사에 따르면, 수작업 정밀 기술, 품질 검사, 설비 운전 노하우를 AI·AR·시각화 기술로 포착·전수하는 과제에 총 수십억 원 규모 예산이 투입되고 있습니다.

3. 경쟁 환경: 속도와 재현성의 압박

글로벌 공급망이 흔들릴수록, “어디서나 일정 수준 이상 품질을 재현할 수 있는가”가 경쟁력의 핵심이 됩니다. 독일 MCI의 ‘Digitalization of Tacit Knowledge’ 보고서도, 지식·역량 관리가 지속가능한 가치 창출의 핵심 인프라가 되고 있다고 강조합니다.

세 가지 압력이 겹치는 지금은 암묵지를 그냥 개인의 재능으로 방치하기에는 너무 위험한 시대입니다. 동시에 “그럼 다 디지털화하자”라고 단순하게 말하기에도 찜찜함이 큽니다. 이 글의 나머지 부분은 바로 이 지점—가능성과 한계—를 파고듭니다.

암묵지를 디지털로 번역하는 방법: SECI, 아이 트래킹, XAI

이제 이론과 실제 기술을 통해 암묵지 디지털화가 어떻게 구현되는지 살펴보겠습니다.

1. SECI 모델: 사회화–표출–결합–내면화

논노카 & 다케우치가 제안한 SECI 모델은 암묵지와 형식지가 순환하는 구조를 설명합니다.

• 사회화(Socialization): 멘토링, 견습, 공동 작업을 통해 암묵지→암묵지 전수
• 표출(Externalization): 비유, 모델, 스토리, 도표로 암묵지→형식지 전환
• 결합(Combination): 여러 형식지를 통합해 새로운 형식지 생성
• 내면화(Internalization): 형식지를 실제 경험 속에서 다시 암묵지로 흡수

오늘날 AI·디지털 도구들은 주로 표출–결합 단계에서 힘을 발휘합니다. 문서화, 동영상, 센서 데이터, 로그를 대규모로 모으고, 거기서 패턴을 뽑아내는 작업입니다. 하지만 사회화와 내면화는 여전히 인간 중심입니다. 현장 동행, 피드백, 시행착오를 AI로 대체하기는 어렵습니다.

2. 아이 트래킹 + 설명가능 AI: 장인의 시선을 캡처하다

최근 연구 중 특히 흥미로운 건 착용형 아이 트래킹 + 설명가능 AI(XAI)를 결합한 암묵지 디지털화 프레임워크입니다.

1. 시선 데이터 수집 – 장인이 작업할 때, 착용형 아이 트래킹 장비로 시선 이동·응시 시간을 기록
2. 작업·환경 데이터 동기화 – 카메라·센서로 공정 상황, 제품 상태, 조작 이력을 동시에 수집
3. 모델 학습 – “전문가 수준의 주목 패턴”을 학습하는 AI 모델을 구축
4. 설명가능 AI 적용 – 모델이 “왜 이 부분에 주목했는지, 어떤 피처가 판단에 기여했는지”를 설명가능한 형태로 제시
5. 교육·피드백 루프 – 신입 작업자가 AR/모니터에서 “지금 베테랑이라면 어디를 볼지, 어떤 기준으로 NG/OK를 나눌지”를 시각적으로 확인

한국 제조업 R&D에서도 이와 유사한 접근을 파일럿으로 진행 중입니다. 품질검사 테이블에 카메라·센서를 붙이고, 베테랑의 시선과 손동작을 수개월 동안 기록한 뒤, 이를 바탕으로 디지털 장인 모델을 만드는 식입니다.

여기서 중요한 포인트는 두 가지입니다.

• 암묵지는 더 이상 말로만 표출되는 게 아니라, 행위 데이터(눈·손·몸의 패턴)로 포착될 수 있습니다.
• 그럼에도 모델이 설명하는 건 결국 “이때 이런 패턴이 자주 나타났다” 수준입니다. 왜 그 장인이 그런 감각을 갖게 되었는지, 그 뒤에 쌓인 수십 년의 맥락과 실패 경험까지 복제하는 것은 아닙니다.

3. AR/VR, 디지털 트윈, 센서 데이터: 디지털 장인 생태계

실제 현장에서 암묵지 디지털화에는 다양한 기술이 결합됩니다.

• AR/VR: 조선·자동차 업계에서 숙련 용접·조립 기술을 VR 시뮬레이션으로 구현해, 신입이 몸으로 따라 하며 훈련
• 디지털 트윈: 설비 운전 노하우를 모델로 만들어, 가상 공장에서 여러 시나리오를 테스트 후 실제 라인에 적용
• 영상·센서 분석: 작업 동영상과 센서 로그를 분석해, “문제 없을 때의 패턴”을 기준 모델로 삼고 이상 징후를 조기 탐지

NIA의 ‘Global Best Practices in Digitalization’ 보고서에도 제조·공공부문에서 이런 기술들을 활용해 지식·역량 관리를 하는 사례가 여럿 등장합니다.

4. 문서화 중심 지식경영이 놓치는 것

많은 조직이 여전히 문서화 = 지식경영이라고 믿는 게 가장 큰 문제입니다. 한 기업 B의 사례를 요약하면 이렇습니다.

• 수년간 베테랑 엔지니어들에게 “모든 노하우를 문서로 남기라”고 압박
• 위키·매뉴얼이 수천 페이지까지 쌓였지만, 정작 현장에서는 거의 읽지 않음
• 베테랑이 떠나고 난 뒤, 문서 내용은 현실 공정과 어긋나기 시작
• 그 틈을 메우겠다며 일부 직원이 내부 노하우를 외부 LLM에 붙여넣어 질문하다가, 민감한 운전 값과 튜닝 노하우가 외부로 흘러나간 정황까지 포착

실제 현장의 암묵지 디지털화: 한국 제조업과 글로벌 사례

이제 한국 제조업과 독일·EU 사례를 통해, 암묵지 디지털화가 구체적으로 어떻게 추진되는지 살펴보겠습니다.

1. 한국 제조 현장의 디지털 장인 시도

한국 제조업체 A의 사례를 조금 더 구체적으로 보겠습니다.

• 상황: 은퇴를 3년 앞둔 품질 검사 베테랑 둘이 떠나면 공정 전체가 흔들리는 상황
• 대응: 정부 R&D 지원을 받아, 품질검사 테이블에 카메라·센서·아이 트래킹 장비를 설치
• 과정: 수개월간 베테랑의 시선·손동작·판단 결과(OK/NG)를 데이터로 수집
• 결과: 이를 학습한 모델과 AR 가이드를 활용해, 신입이 몇 달 안에 과거 대비 유사 수준의 품질을 달성

언론 기사에서는 이 사례를 “디지털 장인 탄생”이라고 표현했습니다. 성공의 핵심은, 단순 매뉴얼이 아니라 어디를 어떻게 보고, 무엇을 기준으로 판단하는지라는 행위 패턴을 디지털로 번역했다는 점입니다.

다만 프로젝트 담당자는 이렇게 말했습니다. “AR 가이드를 따르는 것만으로는 부족했고, 결국 현장 멘토링과 반복 피드백이 있어야 완전히 자기 것으로 만들 수 있었습니다.” 즉, 디지털 장인은 교육 도구일 뿐, 인간 장인의 대체물은 아니었습니다.

2. 독일·EU의 암묵지 디지털화 사례

오스트리아 MCI의 ‘Digitalization of Tacit Knowledge’ 연구는 독일·EU 제조·공공 조직의 사례를 분석하며 공통점을 이렇게 요약합니다.

• 암묵지 디지털화는 특정 공정·역할부터 시작하는 파일럿으로 진행
• 단순 매뉴얼이 아니라, 동영상·시뮬레이션·역할극 등 다양한 포맷을 활용
• 전문가에게 “모든 것을 내놓으라”고 요구하는 대신, 구체적 사례 회고와 인터뷰로 점진적 표출을 유도
• 성공한 조직은 예외 없이 문화·인센티브(전문가에 대한 인정, 지식 공유 보상)를 함께 설계

NIA 글로벌 베스트 프랙티스 보고서도 비슷한 패턴을 보여줍니다. 암묵지 디지털화에서 기술보다 더 중요한 건, 누가 왜 자신의 암묵지를 드러내려 하는가를 설계하는 부분입니다.

3. 성공적인 암묵지 디지털화의 공통 조건

성공적인 암묵지 디지털화 프로젝트는 대략 이런 조건을 공유합니다.

AI 시대에 폴라니는 여전히 유효한가: 암묵지 디지털화의 한계

AI·머신러닝은 인간의 행동·판단 패턴을 모델 파라미터로 흡수합니다. 충분한 데이터와 큰 모델이 있으면 인간 전문가에 버금가는 성능을 낼 수 있습니다. 바둑, 이미지 인식, 음성 인식, 코드 작성에서 이미 그런 사례를 봤습니다.

그래서 “모델이 더 잘 맞추는데, 암묵지도 사실상 사라진 것 아닌가요?”라는 말이 나옵니다. 이 논리는 상당히 위험합니다.

1. 모델이 모사하는 것 vs 인간이 경험하는 것

모델이 하는 일은 입력–출력 간 패턴을 압축해 재현하는 것입니다. 암묵지의 일부는 분명 이 패턴 안으로 떨어져 나옵니다. 예를 들어, 품질 불량을 잘 잡는 검사자의 패턴, 사기 거래를 잘 잡는 분석가의 패턴은 데이터로 학습 가능합니다.

하지만 폴라니가 말한 암묵지에는 다른 층위가 있습니다.

• 손끝의 미세한 느낌, 근육 긴장, 피로 누적에 따른 변화 같은 몸감각
• “규정상 문제는 없지만, 이렇게 하는 건 옳지 않다”는 도덕적 직관
• “이 말은 고객이 진짜 하고 싶은 말이 아니다”라는 관계 감각

이는 단지 패턴의 문제가 아니라, 살아 있는 몸과 관계 속에서 형성된 전체적인 세계 감각에 가깝습니다. 현재 기술로 이 층위를 직접 캡처하기는 어렵습니다.

2. AI도 또 다른 인간 암묵지에 의존한다

ACM CHI 2023의 Tacit Knowledge in Machine Learning Data Work 연구는 ML 데이터 작업 현장에서 데이터 라벨러·실무자들이 공식 가이드에는 없는 기준을 공유하며 품질을 유지했다는 것을 보여줍니다.

• 설계 문서상으론 ‘정상’으로 라벨링해야 할 데이터
• 하지만 현장 경험상 “이 패턴은 위험하다”며 암묵적으로 제외

연구팀이 이 암묵 기준을 인터뷰·관찰로 구조화해 모델에 반영하자, 정확도와 신뢰성 모두 크게 향상했습니다. 지금 돌아가는 많은 AI 시스템이 이미 데이터 뒤편의 인간 암묵지에 기대어 서 있다는 뜻입니다.

경영 저널(예: 동아비즈니스리뷰)도, 리더의 직관과 AI 의사결정이 보완 관계임을 강조합니다. AI가 시나리오를 빠르게 계산해줄 수 있지만, 문제 정의와 리스크 우선순위, 책임 구조 설정은 여전히 인간 리더의 암묵지 영역입니다.

3. 데이터로 떨어져 나가는 부분 vs 인간에게 남는 부분

정리하면 암묵지는 크게 두 층위로 나뉩니다.

• 데이터로 떨어져 나간 부분: 반복 가능한 패턴, 주목 포인트, 규칙화 가능한 기준
• 인간에게 남는 부분: 몸감각, 관계 감각, 도덕적 직관, 맥락을 재구성하는 능력

문제는 많은 조직이 이 구분을 건너뛰고 “모델이 잘 맞추니까, 사람의 감각은 이제 중요하지 않다”는 착각에 빠진다는 점입니다. 그 결과는 인간 암묵지의 쇠퇴와 판단력 외주화입니다.

암묵지 디지털화의 그늘: 새로운 리스크들

암묵지 디지털화는 조직을 더 똑똑하게 만들 수 있습니다. 동시에 제대로 다루지 않으면 조직을 더 멍청하게 만들기도 합니다.

1. 디지털화된 암묵지는 고가치 IP, 그리고 공격 표적

장인의 눈·손·판단이 데이터셋, 모델, 동영상, 매뉴얼로 바뀌는 순간, 그것은 곧 고가치 IP가 됩니다. Nokia의 ‘Protecting tacit knowledge in the age of agentic AI’ 글은 이런 자산이 사이버 공격의 주요 타깃이 되고 있다고 경고합니다.

Nokia는 두 가지 축을 동시에 제안합니다.

• 기술적 보호: 접근제어, 로깅, 암호화, DLP(Data Loss Prevention)
• 법·계약적 보호: 비밀유지, 데이터 사용 범위 제한, 제3자와의 계약 설계

agentic AI(자율적 행동을 하는 AI 에이전트)가 확산될수록, 내부 지식이 AI 체인을 타고 외부로 흘러나가는 리스크가 커집니다.

2. LLM에 흘러가는 조직의 암묵지

사내 전문가가 ChatGPT나 기타 LLM에 이렇게 묻는 장면을 떠올려 보십시오.

“우리 공정에서 A 장비를 B 조건으로 돌릴 때 이런 문제가 나는데, 왜 그럴까요?”

— 외부 LLM 질문 속에 숨어 있는 조직 암묵지

이 질문 안에는 이미 상당한 양의 조직 고유 암묵지가 녹아 있습니다. 공정 조건, 장비 튜닝 관행, 문제를 보는 관점까지 포함됩니다. 곧바로 외부 모델의 학습 데이터가 되지 않는다 하더라도, 어디까지 공유해도 되는지에 대한 가이드 없이 방치하는 건 위험합니다.

3. 불완전한 형식화가 만드는 왜곡된 표준

KOITA가 지적하듯 디지털 전환은 종종 새로운 역기능을 낳습니다. 암묵지를 충분히 이해하지 못한 채 부분 정보만 형식화하면, 그게 곧 조직의 공식 기준이 됩니다.

• 베테랑이 “느낌상 위험하다”고 했던 케이스가, 데이터에는 없으니 기준에서 빠짐
• 반대로, 본질과 상관없는 지표가 잘 측정된다는 이유로 과도하게 강조

이렇게 왜곡된 표준은 시간이 지날수록 조직의 판단력을 갉아먹습니다.

4. 베테랑의 심리적 저항과 권위 상실 우려

여러 현장에서 들은 베테랑의 속마음은 이렇습니다.

“내가 알고 있는 걸 다 넘겨주면, 나는 뭘로 인정받지?”

— 숙련자의 암묵지 디지털화에 대한 솔직한 반응

암묵지 디지털화는 곧 전문가의 권위와 지위 구조를 재편하는 일입니다. “당연히 회사 자산이니 내놓으라”는 톤으로 접근하면 강한 저항이 돌아옵니다.

결국 암묵지 디지털화는 기술 프로젝트이면서 동시에 조직문화·정치·보상 시스템 프로젝트입니다. 이걸 인정하지 않으면, 파일럿은 돌아가도 확산은 막힙니다.

전략: 디지털 장인을 만들되, 장인 자체를 잃지 않는 법

이 글의 핵심 메시지는 단순합니다. “무조건 디지털화하자”도 아니고, “아예 손대지 말자”도 아닙니다. 무엇을 어디까지, 어떤 방식으로 디지털화할 것인가를 전략적으로 결정해야 합니다.

1. 무엇을 디지털화할 것인가: 지식 자산 맵핑

먼저 조직 내 지식을 다음 세 축으로 맵핑해 보길 권합니다.

• 가치(Value): 이 지식이 매출·품질·안전·평판에 미치는 영향
• 손실 위험(Risk of Loss): 누가, 언제, 어떤 계기로 사라질 수 있는지
• 보안 민감도(Sensitivity): 외부 유출 시 피해 규모

이 세 차원을 기준으로, 우선 디지털화할 암묵지와 오히려 조심해야 할 암묵지를 구분합니다. 모든 걸 다 디지털화하는 건 현실적으로도, 전략적으로도 좋지 않습니다.

체크리스트로 정리하면 이렇습니다.

• [ ] 이 암묵지는 구체적으로 누구의 머리와 손에 있는가?
• [ ] 이 암묵지가 사라지면, 어떤 비즈니스 임팩트가 나는가?
• [ ] 어느 정도까지 데이터·문서로 옮겨도 되는가? (보안·법무 포함)
• [ ] 디지털화 이후, 누가 어떻게 이걸 사용할 것인가?

2. 파일럿 중심 SECI 프로그램 설계

문헌과 현장 사례가 공통으로 제안하는 방식은 작은 파일럿입니다.

1. 특정 공정·팀을 골라 사회화(S)를 강화 – 동행 작업, 멘토링, 라인 투어를 체계적으로 운영
2. 인터뷰·사고 구술·사례 회고로 표출(E) 지원 – “이때 왜 그렇게 하셨나요?”를 끝까지 묻고, 판단 기준을 언어화
3. 동영상·센서·문서·모델을 통합해 결합(C) – AR 가이드, 체크리스트, 시뮬레이션으로 재구성
4. 신입·협력사 교육과 실전 경험을 통해 내면화(I) 유도 – 피드백 리뷰, 케이스 토론, 실패 공유 세션 운영

3. 전문가 표출 퍼실리테이션과 인센티브

“전문가 인터뷰가 중요하다”는 말은 많이 나오지만, 실제로 중요한 건 인터뷰 설계와 보상 구조입니다.

• 질문 설계: 사례 중심 질문, 비유·스토리 유도, ‘왜’를 최소 5번 묻기
• 포맷: 글뿐 아니라 동영상, 화면 캡처, 라이브 데모를 함께 활용
• 인센티브: 지식 기여를 평가·승진·보상에 반영하고 공식 ‘마스터’ 타이틀 부여

“그냥 시키면 해주겠지”라는 태도만큼 암묵지 디지털화 프로젝트를 망치는 것도 없습니다.

4. 사람을 우선: 폴라니의 명제를 조직 원칙으로

폴라니의 문장을 조직 차원의 원칙으로 다시 써보면 이렇습니다.

“우리는 말할 수 있는 것보다 더 많이 알고 있기 때문에,
말할 수 있는 것만으로 의사결정하지 않는다.”

— 폴라니의 통찰을 조직 원칙으로 재구성

좋은 조직은 이렇게 설계됩니다.

• AI와 디지털 장인을 보조자·코치로 쓰되, 최종 책임과 맥락 판단은 인간에 둔다.
• AI 덕분에 생긴 여유 시간을 더 높은 수준의 암묵지를 기르는 데 사용한다. (문제 정의, 관계 형성, 도덕적 판단)
• 암묵지를 디지털화하되, 모두를 번역하지 않고 일부는 의도적으로 인간에게 남겨둔다.

지금 당장 시도해볼 수 있는 3가지 액션

긴 논의를 실천으로 옮기기 위한 최소한의 시작점 세 가지를 제안합니다.

1. 핵심 베테랑 리스트업 & 30분 인터뷰 – “당신이 떠난 뒤, 사람들이 가장 곤란해할 순간은 언제일까요?”를 물어보십시오. 그 답이 곧 암묵지 디지털화 우선순위입니다.
2. 한 공정·팀에서 SECI 파일럿 설계 – 동행 관찰(사회화) → 인터뷰·동영상 촬영(표출) → 간단한 매뉴얼·영상 클립·체크리스트(결합) → 온보딩에 활용(내면화) 루프를 한 번만 돌려보십시오.
3. LLM 사용 가이드 초안 만들기 – “외부 AI에 어떤 정보는 절대 넣지 않는다”는 원칙과 예시를 문서로 정리해 팀에 공유하십시오. Nokia가 말한 보호 전략의 첫걸음입니다.

FAQ: 암묵지 디지털화 관련 자주 묻는 질문

마무리: 무엇을 번역하고, 무엇을 남겨둘 것인가

암묵지는 디지털화로 사라지지 않습니다. 다만, 어디까지를 번역하고 어디를 인간에게 남겨둘지 결정하지 않는 조직만이 조용히 자기 암묵지를 잃어갈 뿐입니다.

업종, 조직 규모, 문화에 따라 해답은 달라집니다. 하지만 최소한 한 가지 질문은 던져봐야 합니다.

“우리 조직은 어떤 암묵지를 디지털 장인으로 만들고,
어떤 암묵지는 인간 장인에게 의도적으로 남겨둘 것인가?”

— 암묵지 디지털화 전략을 여는 질문

여러분 조직의 경험과 사례가 있다면, 이를 바탕으로 SECI 모델 실무 적용법, AI 도입과 리더십 직관의 관계, LLM 시대 지식 보호 전략 같은 주제를 이어서 탐구해 볼 수 있을 것입니다.