장애 분석 3일이 30분으로, AI는 어디에 붙여야 할까요

📰 2026년 7월 26일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.

핵심 요약 — NTT데이터가 Codex를 도입해 숙련 엔지니어 5명이 3일 걸리던 장애 분석을 30분으로 줄였다고 밝혔어요. 같은 주에 삼성SDS는 국내 기업 중 처음으로 앤트로픽과 전략적 파트너십을 맺었고요. 두 소식의 공통점은 AI를 새 기능이 아니라 이미 굴러가는 운영 업무에 꽂았다는 점이에요. 발주자 입장에서 볼 지점도 여기에 있어요.

“AI를 도입한다”는 말이 여전히 막연하게 들린다면, 이번 주 나온 두 소식이 꽤 구체적인 힌트를 줘요. 하나는 일본 대형 IT 서비스 기업의 내부 성과, 다른 하나는 국내 대기업의 제휴 소식이에요. 둘 다 신제품 이야기가 아니라 운영 이야기예요.

---

1. 3일이 30분으로, 무슨 일이 있었나요

NTT데이터는 핵심 시스템에서 발생한 복잡한 장애 분석을 Codex로 자동화했다고 공개했어요. 기존에는 경험 많은 엔지니어 5명이 붙어 3일이 걸리던 작업이었는데, 30분 만에 끝났다고 해요.

숫자만 보면 도구의 성능 이야기 같지만, 실제로 눈여겨볼 건 대상 업무의 성격이에요. 장애 분석은 창의적인 작업이 아니에요. 여러 로그를 모으고, 시간순으로 정렬하고, 이상한 지점을 좁혀가는 반복 작업이 대부분이죠. 이런 일이 AI가 가장 잘하는 영역이에요.

2. 도구를 준 게 아니라 습관을 먼저 만들었어요

이 회사는 2025년 5월 오픈AI와 전략적 협력을 맺은 뒤 전사에 ChatGPT Enterprise를 먼저 깔았어요. 내부 조사에서 직원 96% 이상이 만족했고 95% 이상이 생산성이 나아졌다고 답했다고 해요. 그다음에 Codex 같은 개발 도구를 얹었고요.

사용 가이드를 배포하고 실습 교육을 진행한 뒤 주간 활성 사용자가 1.4배로 늘었다는 대목도 있어요. 현재 약 9,000명이 쓰고 있고, 기술직뿐 아니라 비기술직도 포함돼요.

순서를 눈여겨볼 만해요. 어려운 자동화부터 손대지 않고 쉬운 도구로 습관을 만든 뒤에 복잡한 작업으로 넘어갔거든요.

3. 국내에서도 같은 방향의 움직임이 있어요

삼성SDS는 샌프란시스코에서 열린 AI 서밋에서 앤트로픽과 전략적 파트너십을 체결했어요. 국내 기업 중 처음이에요. 발표된 협력 내용은 한국 시장 신규 사업 공동 발굴, 클로드 구축·운영을 맡을 응용 AI 엔지니어 양성, 삼성 관계사 대상 클로드 엔터프라이즈 제공이에요.

여기서도 인프라부터 플랫폼·솔루션·운영까지 전 단계를 묶는다는 표현이 나와요. 모델 하나를 도입하는 게 아니라 운영 체계를 만든다는 뜻이에요. 앞선 NTT데이터 사례와 결이 같아요.

4. 발주자 입장에서는 무엇이 달라지나요

대기업 사례를 그대로 따라 할 수는 없어요. 다만 방향은 규모와 무관하게 쓸 수 있어요. AI를 붙일 후보를 고를 때 이 세 조건을 만족하는 업무부터 보세요.

조건	왜 이 조건일까요
매주 반복돼요	한 번 붙여두면 효과가 계속 쌓여요
자료가 이미 쌓여 있어요	로그·문의 이력처럼 학습·참조할 근거가 있어야 해요
틀려도 되돌릴 수 있어요	사람이 검토한 뒤 확정하는 구조면 위험이 낮아요

장애 로그 정리, 문의 유형 분류, 계약서 초안 검토 같은 업무가 여기에 들어가요. 반대로 최종 승인이나 대외 발송처럼 되돌리기 어려운 작업은 사람이 쥐고 있는 편이 나아요. 어떤 일을 맡기고 어떤 일을 남길지는 AI 에이전트, 뭘 맡기고 뭘 사람이 쥘까요에서 더 자세히 다뤘어요.

5. 비용은 어디에서 커지나요

AI프로그램 도입을 검토할 때 대부분 모델 사용료부터 계산하는데, 실제로 예산을 잡아먹는 건 그 앞단이에요. 흩어진 데이터를 한곳으로 모으는 작업, 기존 시스템과 주고받을 통로를 만드는 작업, 결과를 사람이 확인할 화면을 만드는 작업이요.

ai 모델링 최적화 비용도 여기에 얽혀요. 같은 결과를 더 싼 모델로 낼 수 있는지, 호출 횟수를 줄일 수 있는지는 데이터가 정리된 뒤에야 판단이 서요. 순서가 뒤바뀌면 최적화할 대상 자체가 안 보여요. 단계별 예산 감각은 AI 도입 비용, 얼마부터 시작하고 어디에 돈이 들까요에 정리해뒀어요.

6. 우리는 이 소식을 이렇게 읽었어요

두 사례 모두 “AI로 무엇을 새로 만들까”가 아니라 “이미 하는 일 중 무엇을 AI에 넘길까”에서 출발했어요. 저희가 자체 SaaS 4종을 운영하면서 체감한 것도 같아요. 새 기능을 붙이는 것보다, 매주 사람이 반복하던 확인 작업을 줄이는 쪽이 효과가 훨씬 빨리 눈에 보여요.

그리고 이 판단은 대개 개발 문제가 아니라 업무 정리 문제예요. 어떤 일이 어떤 순서로 벌어지는지 문서로 정리돼 있으면 붙이는 건 생각보다 빨라요.

AI를 어디에 먼저 붙일지 고르는 단계라면 업무를 함께 짚어보면서 시작점을 잡아드릴게요 →

저희는 11년 넘게 50개 이상의 프로젝트를 진행하고 자체 SaaS 4종을 직접 운영해온 개발사예요. 롯데·캐논 같은 곳과도 함께해 왔고요. 현장에서 AI를 붙여본 이야기는 AI를 현장 업무에 붙일 때 실제로 필요한 것에도 담아뒀어요.

7. 자주 묻는 질문 (FAQ)

ai 자체 도입과 외주 개발 중 어떤 선택이 맞나요?

반복되는 업무 흐름이 사내 문서로 이미 정리돼 있다면 자체 도입이 빨라요. 반대로 여러 시스템의 로그와 데이터를 연결해야 하는 단계라면 연동 경험이 있는 외주 개발이 시간을 줄여줘요. 기준은 회사 규모가 아니라 데이터가 흩어진 정도예요. 시스템 세 곳 이상에서 자료를 모아야 한다면 대체로 외주 쪽이 총비용에서 유리해요.

AI를 붙이면 인력을 줄일 수 있나요?

공개된 사례에서 나타나는 효과는 인원 감축보다 처리 시간 단축이에요. NTT데이터 사례도 엔지니어 5명이 3일 쓰던 분석을 30분으로 줄인 것이지 담당자를 없앤 게 아니에요. 판단과 승인은 사람이 쥐고, 자료를 모으고 원인 후보를 좁히는 단계를 넘기는 구조가 현실적이에요.

작은 회사도 이런 자동화를 시작할 수 있나요?

가능해요. 다만 전사 도입부터 시작하면 대개 멈춰요. 매주 반복되고, 결과를 사람이 검토할 수 있고, 틀렸을 때 되돌릴 수 있는 업무 하나를 골라 붙이는 게 안전해요. 장애 로그 정리나 문의 분류처럼 자료가 이미 쌓여 있는 영역이 시작점으로 좋아요.

운영 단계까지 AI를 붙였을 때 무엇이 달라지는지는 엔터프라이즈 AI 에이전트 운영, 무엇이 달라지나요에서 이어서 보실 수 있어요.