서비스 품질은 왜 조직의 문제인가

고객은 서비스의 결과를 경험하지만, 그 결과의 일관성·복구 가능성·책임성은 조직이 어떤 기준으로 판단하고 운영하는지에 달려 있습니다. 따라서 “서비스 품질은 조직의 문제”라는 AXM의 명제는 화면과 조직 사이의 단순한 인과를 주장하기보다, 품질을 반복해서 생산하는 조건을 함께 보자는 진단 가설입니다.

먼저 구분해야 할 것: 한 번의 좋은 결과와 지속되는 품질

좋은 디자이너와 엔지니어가 집중하면 한 번의 뛰어난 경험을 만들 수 있습니다. 그러나 출시 뒤에도 오류를 발견하고, 고객에게 설명하고, 복구하며, 다음 버전에 학습을 남기려면 개인의 역량만으로는 부족합니다. 역할, 의사결정권, 데이터, 운영 절차와 학습 구조가 필요합니다.

Microsoft의 Human–AI Interaction Guidelines는 AI가 처음 만날 때, 일상적으로 사용할 때, 틀렸을 때, 시간이 지나며 적응할 때 어떻게 행동해야 하는지 18개 지침으로 정리합니다. 이 지침은 49명의 디자인 실무자가 20개 AI 제품에 적용하는 방식으로 검증됐습니다. 지침의 내용에는 기대 수준을 정확히 설정하고, 사용자가 수정·무시·복구할 수 있게 하며, 변화의 범위를 알려야 한다는 요구가 포함됩니다. 이는 서비스 품질이 단지 모델 정확도나 화면 사용성에 머물지 않고 운영 정책과 책임 구조까지 연결됨을 보여줍니다.

조직이 품질에 개입하는 세 경로

외부 근거가 말하는 범위

NIST AI RMF는 신뢰할 수 있는 AI를 특정 제품 기능이 아니라 조직이 Govern–Map–Measure–Manage하는 지속적 위험관리 활동으로 다룹니다. 특히 Govern은 다른 기능 전체에 스며드는 교차 기능으로 정의됩니다. 이는 AI 품질과 책임이 거버넌스, 역할, 측정과 운영 관리에 의해 유지된다는 점을 뒷받침합니다.

AXM에서 확인할 증거

• 고객이 결과를 수정·거부하고 사람에게 전환할 수 있는가
• 오류 유형별 중단·설명·복구 책임자가 정해져 있는가
• 출시 후 예외와 고객 불만이 제품 기준에 반영되는가
• 핵심 담당자가 바뀌어도 같은 품질 기준이 유지되는가

리더가 물어야 할 질문

1. 현재 서비스 품질은 표준과 시스템의 결과인가, 특정 담당자의 헌신에 의존하는가?
2. AI가 틀린 순간 누가 중단하고 설명하고 복구할 권한을 갖는가?
3. 고객의 문제 신호가 다음 제품 결정의 근거로 어떻게 남는가?