---
name: module6-strategy
description: AI 도입 전략, Build vs Buy, 우선순위 설정, 거버넌스/보안, 6개월 확장 로드맵을 다루는 모듈.
---

# Module 6: Strategy

핵심 질문: 우리 팀은 AI를 어디서부터 어떻게 확장해야 하는가?

## 학습 목표

- Build vs Buy를 조직 제약(역량/보안/유지보수)으로 판단할 수 있다.
- 가치 x 난이도 기준으로 Quick Win을 식별할 수 있다.
- 거버넌스(데이터, 권한, 감사) 기본 정책을 설계할 수 있다.
- 6개월 단계형 도입 계획을 제시할 수 있다.

## 교차 복습 연결

- Module 1~4의 기술 개념: "기술을 이해했으니, 이제 조직에서 어떻게 활용할지 판단하는 단계"
- Module 5의 도구 선택: "도구를 골랐다면, 조직 차원에서 어떤 순서로 도입할 것인가?"

## 진행 구조 (4단계, 목표 10~15분)

이 모듈은 반드시 아래 4단계를 순서대로 진행한다. 단계를 건너뛰지 않는다.

### Phase 1: 문제 도입 (2~3분, 최소 1회 학습자 응답 필요)

- "우리 팀에서 AI를 도입하고 싶은데 어디서부터 시작해야 할지 모르겠다"는 상황에서 출발한다.
- 학습자에게 "현재 팀에서 AI로 해결하고 싶은 과제가 있으세요?" 질문을 던진다.
- 기술 설명보다 의사결정 프레임을 우선 제공한다.
- 학습자 응답을 받은 후에야 Phase 2로 진행한다.

### Phase 2: 핵심 개념 탐구 (5~7분, 최소 3회 학습자 응답 필요)

아래 개념을 순서대로 다룬다. **한 응답에서 2개 이상의 새로운 개념을 동시에 설명하지 않는다.**

1. **Build vs Buy** — 조직 제약(역량/보안/유지보수) 관점에서 판단
2. **가치/난이도 매트릭스** — Quick Win 식별, "당장 시작 가능한 1건" 도출
3. **거버넌스 기본** — shadow AI 대응, 정책/권한/감사 로그, LLM observability

각 개념마다:
- 학습자의 조직 상황에 맞는 시나리오를 사용한다.
- ASCII 매트릭스/표로 시각화한다.
- 설명 후 반드시 학습자에게 판단 질문을 던지고 **응답을 기다린다**.
- 학습자가 응답한 후에야 다음 개념으로 넘어간다.
- 성공 지표와 중단 기준을 함께 정의한다.

### Phase 3: 연결 및 적용 (2~3분, 최소 1회 학습자 응답 필요)

- 학습자의 실제 조직 상황에 맞춰 6개월 단계형 도입 계획을 함께 구성한다.
- 1~2개월 단위의 실행 가능한 계획을 학습자가 직접 세우게 한다.
- 학습자의 응답을 받은 후에야 Phase 4로 진행한다.

### Phase 4: 이해 확인 (2~3분, 최소 1회 학습자 응답 필요)

완료 기준 질문을 제시한다. 학습자가 **자신의 조직 상황에 대해** 답해야 한다.

1. Quick Win 1개 (이유 포함)
2. 최소 거버넌스 원칙 3개
3. 1~2개월 실행 계획

- 학습자의 답이 부족하면 Phase 2~3의 관련 부분으로 돌아가 보충한다.
- 충분하면 모듈 완료를 선언하고 다음 단계를 안내한다.

## 페이스 규칙 (필수)

- **한 응답에서 2개 이상의 새로운 개념을 동시에 설명하지 않는다.**
- **학습자가 응답하지 않은 상태에서 다음 개념으로 넘어가지 않는다.**
- **최소 교환 횟수: AI 6회 응답 + 학습자 6회 응답 = 12턴 이상이어야 모듈 완료 가능.**
- 12턴 미만에서 완료 기준을 충족하더라도, 추가 연결 질문이나 적용 시나리오로 깊이를 확보한다.
- 선택지가 필요한 분기점에서는 `AskUserQuestion` 도구를 사용한다.

## 개념 체계 (기본 → 심화)

### 기본 (반드시 다룸)

| 개념 | 핵심 한 줄 | Phase |
|---|---|---|
| Build vs Buy | 직접 개발 vs 외부 솔루션 도입 — 역량/보안/유지보수로 판단 | 2 |
| 가치/난이도 매트릭스 | 업무별 AI 적용 가치와 구현 난이도를 2x2로 분류하여 Quick Win 식별 | 2 |
| shadow AI 대응 | 조직 내 비공식 AI 사용 현황 파악과 관리 전략 | 2 |
| LLM observability | LLM 호출의 모니터링, 비용 추적, 품질 측정 | 2 |
| 정책/권한/감사 로그 | 누가 어떤 데이터를 AI에 넣었는지 추적하는 기본 거버넌스 | 2 |

### 심화 (학습자가 관심을 보이거나, 경험 수준이 높을 때 확장)

| 개념 | 핵심 한 줄 | 언제 다루나 |
|---|---|---|
| AI CoE (Center of Excellence) | 조직 내 AI 전문 조직의 역할과 구성 패턴 | 조직 규모가 클 때 |
| AI Literacy 프로그램 | 비기술 직군을 위한 AI 이해도 교육 전략 | 팀 전체 교육을 고민할 때 |
| 데이터 거버넌스 | PII, 기밀 정보의 AI 입력 제한, DLP 정책 | 보안에 관심을 보일 때 |
| 벤더 평가 프레임워크 | AI 솔루션 벤더를 비교/평가하는 체계적 기준 | Buy 결정 후 선택을 고민할 때 |
| ROI 측정 | AI 도입 효과의 정량적 측정 — 시간 절감, 비용 대비 효과 | Quick Win 이후 성과 측정 단계 |
| 단계적 확장 로드맵 | 1개월→3개월→6개월 단계별 확장 전략과 마일스톤 | Phase 3에서 깊이를 원할 때 |
| responsible AI / AI 윤리 | 공정성, 편향, 투명성, 설명 가능성 원칙과 실천 | 거버넌스에서 윤리적 측면에 관심 시 |
| 규제 환경 | EU AI Act, 국내 AI 관련 규제의 핵심과 대응 | 법적 리스크에 관심을 보일 때 |

### 심화 개념 진행 규칙

- 기본 개념이 모두 완료된 후에만 심화로 확장한다.
- 학습자가 관심을 보이거나 AI 경험이 높을 때 자연스럽게 도입한다.
- 심화 개념은 Phase 3 또는 Phase 4 이후 보너스로 다루되, 모듈 완료 기준에는 포함하지 않는다.
- 학습자가 원하지 않으면 넘어간다.

## 완료 기준

학습자가 아래 3가지를 제시하면 완료한다.

1. Quick Win 1개 (이유 포함)
2. 최소 거버넌스 원칙 3개
3. 1~2개월 실행 계획

## 다음 연결

모듈 완료 시 다음 선택지를 `AskUserQuestion` 도구로 제시한다.

- 전체 학습 정리는 `review`