10월 10일 토요일
AI 도입의 성패는 도구 보유량보다 연습할 시간, 맡겨도 되는 신뢰, 더 높은 판단으로 이동할 준비에서 갈린다.
도구보다 먼저 시간을 예산에 넣어야 한다
사람이 실제 업무를 가져와 실험하고, 고객의 실패를 평가에 되돌릴 때 비로소 AI는 구경하는 기능에서 맡길 수 있는 동료로 바뀐다.

배포가 아니라 연습의 구조
AI 라이선스를 전사에 나눠 주는 일과 조직의 일하는 방식이 바뀌는 일 사이에는 긴 거리가 있다. 82개국에 1,400명 넘게 흩어져 일하는 Automattic은 그 거리를 2주짜리 몰입 프로그램으로 메운다. 시간의 절반은 워크숍과 실습, 나머지 절반은 참가자가 가져온 실제 프로젝트에 쓴다. 매일 만든 결과를 시연하고, 엔지니어뿐 아니라 제품·디자인·재무·경영진도 각자의 업무를 재료로 삼는다. 핵심 투자는 새 도구가 아니라 실패해 보고 다시 만들 수 있는 공식 시간이다. 교육을 본업 바깥의 숙제로 두지 않으니 WooCommerce 분석 에이전트, Zendesk 연결기, 여러 도구에서 재사용하는 스킬 디렉터리처럼 코호트의 실험이 회사 자산으로 남는다. 지원 담당자가 화면 안내 도구를 직접 만든 사례는 제작자의 범위도 넓어진다는 점을 보여 준다.
한 번의 교육을 조직 능력으로 바꾸기
2주가 끝났다고 변화가 끝나는 것은 아니다. 수료자는 가이드가 되어 비슷한 직무의 동료에게 실제 워크플로를 보여 주고, 지역 모임과 상시 도움 채널에서 다음 사용자를 돕는다. 개인이 만든 스킬과 연결기는 공용 인프라에 쌓여 다른 사람이 다시 확장한다. 프로그램도 고정 교재가 아니라 모델과 도구의 변화에 맞춰 계속 갱신된다. 측정 역시 접속 횟수에 머물지 않는다. 72시간·30일·90일 뒤, AI를 언제 쓸지 의도적으로 판단하는지, 업무 흐름에 자연스럽게 넣는지, 동료에게 전파하는지를 확인한다. 이렇게 보면 AI 역량은 강의를 들은 사람 수가 아니라 실제 업무의 변화가 유지되고 복제되는 속도에 가깝다.
성공률이 아니라 위임 가능성을 묻기
연습을 늘리는 것만큼 중요한 것은 무엇을 믿고 맡길지 정하는 일이다. Amazon AGI Lab의 경험에서 공개 벤치마크와 합성 데이터에 맞춘 정적 평가는 고객이 예상 밖의 일을 시도할 때 생기는 실패를 놓쳤다. 발표자가 제시한 80% 신뢰도는 제품팀에는 높은 점수처럼 보여도 고객에게는 계속 감시하고 실패 뒤 수작업을 해야 한다는 뜻이다. 약 90%에 이르러야 하나의 흐름을 통째로 넘길 수 있다는 판단으로 바뀐다. 숫자 하나를 만능 기준으로 삼기보다 고객이 원하는 결과를 먼저 정의하고, 실제 사용 신호와 대화를 통해 실패를 모델·엔지니어링·제품 문제로 나눠야 한다. 가능한 일, 개선 중인 일, 범위 밖의 일을 투명하게 알리는 것도 평가 점수보다 중요한 운영 조건이다. 결국 도입의 완성은 사용자가 AI를 켜는 순간이 아니라 감시 노동을 덧붙이지 않고 적절한 업무를 맡길 수 있는 순간이다.
두 흐름을 하나의 운영 주기로 묶기
실행 순서는 단순하다. 먼저 구성원이 해결하고 싶은 실제 업무를 가져오게 하고, 일정 안에 학습과 실험 시간을 보호한다. 결과물은 매일 보여 주고 공용 스킬과 연결기로 남겨 다음 사람이 이어서 쓰게 한다. 동시에 고객이 그 결과로 무엇을 끝내려 하는지 정의하고, 어디에서 감시나 수작업이 다시 생기는지 계측한다. 실패를 모델 성능, 구현 결함, 제품 설명의 문제로 나누면 담당 팀과 다음 실험이 분명해진다. 수료자의 72시간·30일·90일 변화와 고객의 생산 환경 신호를 함께 보면 내부 자신감만 커졌는지, 실제 위임 가능성까지 높아졌는지도 구분할 수 있다. 이 주기가 반복돼야 교육 산출물이 일회성 데모가 아니라 신뢰할 수 있는 업무 방식으로 굳어진다.
자동화가 빨라질수록 판단의 자리는 위로 이동한다
큰 조직의 AI 전환은 사람을 빼는 계산보다 새 병목을 발견하고 속도와 규모를 함께 운영하는 문제에 가깝다.

대기업이 AI로 더 빨라지면 사람의 역할은 실제로 줄어드는가?
Cisco가 제시한 답은 인원 감축보다 문제 해결 능력의 확장이다. 코딩이 빨라지면 코드 리뷰가 병목이 되고, 리뷰가 자동화되면 무엇을 만들고 무엇을 만들지 않을지 정하는 판단이 새 병목이 된다. 자동화가 인간을 지우기보다 인간의 책임을 더 높은 층으로 밀어 올린다는 관점이다. 그래서 전환을 ‘같은 일을 20% 빨리’라는 절감 목표로만 설계하면 구성원은 도구를 충분히 익히기도 전에 효율 증명을 요구받는다. Cisco는 약 32,000명 엔지니어에게 먼저 사용 기회와 지원을 열고, 짧은 주기로 학습 결과를 점검하는 쪽을 택했다. 속도를 내되 제품·보안·운영의 책임까지 함께 옮기는 것이 과제다.
- 01
속도와 규모는 다른 능력이다
작은 팀처럼 빨리 결정하는 능력만으로는 수백 개 제품과 대규모 고객을 감당할 수 없다. 반대로 안정적인 규모만 지키면 시장의 전환 속도를 따라가지 못한다. Cisco가 말하는 ‘세계 최대의 스타트업’은 창업자식 소유 의식, 대규모 시스템 운영 경험, 인수 기업 창업자의 감각을 한 리더십 안에 섞어 두 능력을 동시에 확보하려는 모델이다.
- 02
도입 압력에는 학습 지원이 붙어야 한다
조직은 AI를 쓰지 않으면 관련성을 잃을 수 있다는 강한 메시지를 내면서도, 처음부터 비용 효율을 증명하라고 요구하지 않고 충분히 써 볼 여지를 제공했다. 한 팀이 약 50만 줄을 10만~12만 줄로 줄인 사례도 목표 그 자체라기보다 도구를 익힌 뒤 가능한 변화의 증거다. 강제력만 있고 연습 환경이 없으면 전환은 공포가 되고, 지원만 있고 우선순위가 없으면 주변 실험에 머문다.
- 03
위임의 마지막 조건은 신뢰다
에이전트가 조직의 일을 맡으려면 무엇을 입력받았고 어떤 권한으로 행동했는지 보이며, 허용되지 않은 행동을 실행 단계에서 막을 수 있어야 한다. 사람 계정과 다른 비인간 신원을 관리하고, 모델 검증과 관측 가능성, 런타임 가드레일을 함께 두는 이유다. 속도를 올리는 시스템이 책임의 위치를 흐린다면 규모가 커질수록 위험도 함께 커진다.
AI 전환의 운영 질문은 ‘몇 명을 줄일 수 있는가’보다 ‘다음 병목은 어디로 이동하며 누가 그 판단을 맡는가’다. 시작할 때부터 해결하려는 문제와 사람이 계속 책임질 판단을 적고, 도구를 충분히 익힐 기회와 짧은 학습 점검 주기를 함께 둬야 한다. 자동화가 빨라진 뒤에는 리뷰·제품 선택·보안 승인 중 어디에 대기가 쌓이는지 다시 본다. 에이전트가 늘수록 입력, 권한, 비인간 신원, 실행 중단 장치를 보이게 만드는 일도 별도 과제가 된다. 변화 속도가 다른 소프트웨어·하드웨어·실리콘을 한 주기로 몰지 않는 운영 감각도 더욱 필요하다. 학습 시간을 보장하고, 속도와 규모를 함께 설계하고, 위임의 경계를 드러낼 때 자동화는 비용 절감 도구를 넘어 조직의 문제 해결 범위를 넓힌다.
아직 못 읽은 북마크
북마크를 고르는 중…