한국에서 AX가 실패하는 이유

• 채널: 커리어해커 알렉스
• 공개일: 2026-08-13
• 영상 길이: 30분 23초
• 원문: https://www.youtube.com/watch?v=suK5R-j67Gg
• 원제: 한국에서 AX가 실패하는 이유 | 실전 9년차 AX 엔지니어 경험담
• 출연: 알렉스, Meta 출신 9년차 개발자이자 에이전틱 트랜스포메이션 조직 Tech Lead

---

핵심 질문 / 이 영상이 다루는 핵심 논점

==AX는 AI 도구를 도입하는 프로젝트가 아니라, 인간 중심으로 설계된 조직·프로세스·사업을 에이전트 중심의 워크플로우로 재설계하는 일이다.==

• 리더십이 병목과 프로세스를 바꾸지 않으면 AI 도구와 토큰 사용량은 실질적인 성과로 이어지지 않는다.
• AX의 성과는 토큰 수가 아니라 같은 자원으로 더 많은 사업 임팩트와 더 나은 자원 활용을 만들었는지로 측정해야 한다.
• 에이전트의 평가·피드백·보안·품질 기준·플랫폼이 갖춰져야 인간은 필요한 순간에만 개입하는 Human-in-the-loop 조직에 가까워질 수 있다.

AX의 핵심은 AI를 잘 쓰는 개인을 만드는 데 있지 않다. 조직의 병목을 찾고, 사람의 업무를 분해하고, 에이전트가 실행하도록 하네스와 시스템을 만들고, 결과를 측정하고 개선하는 운영 체계를 만드는 데 있다.

AX의 정의와 범위

AI 도입과 에이전트 트랜스포메이션

1. AX라는 용어의 구성

   1. A는 AI 또는 Agent, X는 Transformation을 뜻하며 한국에서는 AI 도입과 조직 문화 변화라는 의미로 널리 사용된다.
   2. 미국 현업에서는 AX라는 표현 자체를 거의 쓰지 않으므로 용어보다 에이전트 중심의 워크플로우라는 본질에 집중해야 한다.

2. 인간 중심에서 에이전트 중심으로

   1. 지금까지 회사·조직·업무 프로세스는 인간을 가장 차별화된 자원으로 보고 설계됐다.
   2. 소프트웨어와 컴퓨터도 결국 사람이 만들고 운영하는 구조였지만, 이제는 조직과 사업과 워크플로우의 일부를 에이전트 중심으로 재설계할 수 있다.

3. AX의 실제 범위

   1. Meta의 에이전틱 트랜스포메이션 조직은 특정 기술 하나를 설치하는 대신 개인·팀·조직이 가진 문제와 프로세스를 전부 가져와 개선한다.
   2. 자체 하네스, 메모리 시스템, 툴링 인프라, 애플리케이션을 만들고 FDE(Forward Deployed Engineer)를 배치해 각 팀을 컨설팅하듯 돕는다.
   3. AX는 기술 도입으로 끝나지 않고 조직·업무·사업 운영의 재구성으로 확장된다.

어디서부터 AX를 시작해야 하는가

챔피언 개인보다 리더십

1. AI를 잘 쓰는 사람 한 명의 한계

   1. 초기에는 AI 얼리 어댑터나 전문가를 찾아 그 사람이 팀의 프롬프트와 프로세스를 바꾸게 하는 방식이 자연스럽다.
   2. 그러나 개인이 보고서 작성 속도를 높여도 조직의 승인·검수·파일 형식·의사결정 구조가 바뀌지 않으면 병목은 그대로 남는다.

2. 리더십과 리스크테이킹

   1. AX는 조직 차원에서 프로세스와 문화를 바꾸는 일이며, 리더십이 기존 방식을 버리고 새로운 운영을 시도할 권한을 줘야 한다.
   2. 한국 기업이 AI를 도입하면서도 HWP 파일과 기존 승인 절차를 그대로 고집하면 AI가 그 병목 안으로 편입될 뿐이다.

지식과 인력이 부족할 때 병목부터 찾기

1. 가장 많은 자원이 들어가는 구간

   1. 업무를 처음부터 끝까지 100단계로 나누고, 시간과 인력이 가장 많이 소모되는 구간을 찾는다.
   2. 품질 검수, 보고서 작성과 프레젠테이션, 회의 후 정리처럼 귀찮고 오래 걸리는 작업이 우선적인 후보가 된다.

2. 회의 노트테이킹 사례

   1. 회의 내용을 기록하고 정리해 보고하는 작업을 사람이 여전히 손으로 처리한다면 자동화 우선순위가 높다.
   2. AI가 노트테이킹과 요약을 처리하면 정리 결과를 곧바로 다음 프롬프트와 업무에 연결할 수 있다.

기업 고유의 하네스

범용 도구만으로 부족한 이유

1. 내부 시스템과의 연결

   1. Claude Code나 Codex 같은 범용 도구는 기업 내부 API와 데이터에 깊게 연결하기 어렵다.
   2. 플러그인과 규칙을 배포해 일정 수준의 통제를 할 수 있지만, 규모가 커질수록 에이전트 엔진과 실행 방식을 직접 제어할 필요가 생긴다.

2. 하네스의 구성

   1. 하네스는 에이전트 엔진, 모델, 도구, 메모리, 내부 API, 조직 규칙을 연결하는 기업 고유의 툴킷이다.
   2. 대기업일수록 조직의 데이터와 프로세스에 맞춘 하네스를 직접 구축하게 될 가능성이 높다.

AX 성과를 측정하는 법

토큰 사용량이 아닌 사업 임팩트

1. 두 가지 핵심 목표

   1. AX는 리소스 매니지먼트와 임팩트 드라이빙의 결합이다.
   2. 같은 인원과 자원을 사용해 더 많은 결과물을 만들었는지, 사업의 가치 창출을 높였는지가 핵심이다.

2. 토큰 맥시밍의 한계

   1. AI를 많이 사용하고 토큰을 많이 소비하는 것은 활동량을 보여줄 뿐 성과를 증명하지 않는다.
   2. 토큰 사용량과 실제 사업 성과가 비례하지 않는 사례가 확인되면서 토큰을 성과의 대리 지표로 삼는 방식은 한계에 도달했다.

3. 프록시 지표

   1. 사업 임팩트를 바로 숫자로 계산하기 어렵다면 10시간 걸리던 작업이 1시간으로 줄었는지 측정한다.
   2. 회의 시작부터 결과물 완성까지 한 달이 걸리던 프로세스가 몇 주 또는 며칠로 줄었는지 측정한다.
   3. 임팩트가 불분명할 때는 시간·비용·리소스 활용률을 측정해 개선 효과를 추적한다.

가짜 도입과 가짜 성공 사례

1. 사용량과 가치의 분리

   1. 사람들이 많이 쓰고 좋아하는 AI 도구를 만들었다는 사실만으로 성공을 선언할 수 없다.
   2. 업무가 빨라졌는지, 품질이 유지되거나 높아졌는지, 조직의 중요한 결과가 개선됐는지를 함께 평가해야 한다.

2. 측정 설계 자체가 AX

   1. 어떤 조직의 어떤 프로세스를 바꾸는지에 따라 효율성의 정의와 측정법이 달라진다.
   2. 측정 가능한 프록시를 설계하고 지속적으로 비교하는 운영까지 AX의 범위에 포함된다.

운영·피드백·평가

AX 이후가 아니라 지속적인 개선

1. 도입 완료라는 오해

   1. 컨설팅을 받고 AI 도구를 설치해 사람들이 사용하기 시작했다고 AX가 끝나지 않는다.
   2. 인간이 일해 온 프로세스와 작업과 조직을 에이전트 중심으로 재편하고, 사람은 정말 필요한 순간에만 개입하는 구조가 목표다.

2. 유지보수의 피드백 루프

   1. 숫자가 틀리거나 결과가 이상하다는 사용자의 지적도 사람의 수동 대응으로 끝내지 않고 시스템의 피드백 루프에 넣어야 한다.
   2. 오류를 발견하고 원인을 분류하고 하네스와 평가 세트를 개선하는 과정까지 자동화해야 한다.
   3. AX에는 완료 시점이 없고 개선만 계속된다.

온라인·오프라인 평가

1. 온라인 평가

   1. 실제 사용자의 대화와 에이전트 궤적을 분석해 시나리오대로 흘렀는지 확인한다.
   2. 답변의 품질, 상호작용, 턴별 대화, 결과물 도출 속도와 같은 실제 사용 지표를 측정한다.

2. 오프라인 평가

   1. 보고서 작성 에이전트라면 예상되는 사용자·프롬프트·보고서 유형을 미리 모아 테스트 세트를 만든다.
   2. 동일한 입력을 새 모델과 새 하네스에 반복 실행해 결과의 품질과 회귀 여부를 비교한다.

3. UX 리서치와 결합

   1. 로그와 자동 평가만으로 사용자의 만족과 업무 적합성을 모두 판단할 수 없으므로 실제 사용자 피드백도 받아야 한다.
   2. 평가 체계를 제대로 구성하는 일이 에이전트를 만드는 일만큼 중요하고, 실제로 가장 많은 시간을 차지할 수 있다.

모델 업데이트와 하네스의 충돌

1. 새 모델이 항상 더 좋은 것은 아니다

   1. Claude Code나 모델 버전이 바뀌면 기존 스킬과 하네스의 동작이 달라질 수 있다.
   2. 새 버전이 출시됐다고 모든 환경을 즉시 교체하면 기존 워크플로우와 맞지 않아 성능이 오히려 낮아질 수 있다.

2. Opus 5와 Opus 4.8 사례

   1. 새 모델이 이전 모델보다 나쁘다는 평가가 나오는 이유 중 하나는 모델 자체가 아니라 기존 하네스와 모델 행동의 조합이 달라졌기 때문이다.
   2. 모델·스킬·하네스를 충분히 평가한 뒤 업그레이드하고, 기존 환경 대비 부가가치를 측정해야 한다.

품질 기준과 조직 문화

누구나 만들 수 있지만 누구나 검증해야 한다

1. 업무 영역의 개방

   1. AI와 바이브 코딩이 확산되면 개발자는 디자인을 하고 디자이너는 코드를 만들며 PM도 직접 결과물을 가져오게 된다.
   2. 개발자만 개발하고 디자이너만 디자인하던 경계는 약해지고, 누구나 결과물을 만들 수 있는 조직이 경쟁력을 갖는다.

2. 객관적이고 확장 가능한 검증

   1. PM 100명이 만든 결과물을 개발자가 하나씩 수동 검수하면 새로운 병목이 생긴다.
   2. 분야별 전문가의 취향이 아니라 모두가 이해할 수 있는 객관적·확장 가능한 품질 기준과 평가 시스템을 만들어야 한다.

중복 투자를 막는 플랫폼

1. Reinvent the wheel 문제

   1. 대기업의 여러 팀이 같은 보고서 작성 스킬과 플러그인을 따로 만들면 리소스가 분산되고 품질도 제각각이 된다.
   2. 중복 개발은 단순한 비용 낭비를 넘어 검증되지 않은 에이전트가 조직 전체에 퍼지는 위험을 만든다.

2. 공유와 품질 관리

   1. 스킬 마켓플레이스와 플러그인 평가 시스템을 운영해 재사용 가능한 자산을 중앙에서 관리해야 한다.
   2. 서로 공유하되 품질을 검증하고 버전을 관리할 수 있는 인프라가 AX 플랫폼의 핵심이다.

보안과 하네스 엔지니어링

데이터 접근과 프라이버시

1. 공유의 이점과 위험

   1. 모든 직원이 에이전트와 나눈 대화를 공유하면 시스템은 더 많은 데이터를 활용할 수 있다.
   2. 그러나 개인이 메신저보다 AI와 나눈 대화를 공개하기 꺼릴 수 있을 만큼 에이전트 기록에는 민감한 정보가 들어간다.

2. 안전한 데이터 인프라

   1. AX의 핵심 과제는 사용할 데이터를 안전하게 정제하고 저장하며, 직원이 납득할 수 있는 접근 권한을 설계하는 것이다.
   2. 보안·프라이버시·승인 절차가 복잡할수록 특히 대기업에서 AX 도입 속도가 느려진다.

AI 결과물에서 AI 냄새 없애기

1. 반복 피드백

   1. 원하는 결과가 계속 나오도록 프롬프트, 스킬, 하네스, 평가 체계를 반복해서 다듬는다.
   2. 보고서의 논리·비주얼·문장에 대한 구체적인 피드백을 에이전트가 다음 실행에 반영하도록 만든다.

2. 사람의 새로운 일

   1. 앞으로 사람은 단순 실행보다 에이전트에게 하지 말아야 할 것과 앞으로 해야 할 것을 가르치는 피드백 중심의 하네스 엔지니어링에 집중할 수 있다.
   2. 좋은 결과물을 한 번 얻는 것보다 원하는 결과가 안정적으로 반복되는 시스템을 만드는 일이 중요하다.

AX 커리어와 리더십

AX는 소모적인 커리어가 아니다

1. AX의 본질은 비즈니스

   1. AX는 직업을 에이전트로 대체한 뒤 사람을 버리는 일이 아니라, 사업의 병목과 프로세스 비효율을 찾아 해결하는 일이다.
   2. AX 경험이 쌓일수록 기술보다 비즈니스·프로세스·운영을 잘 굴리는 인재로 성장한다.

2. 재사용 가능한 역량

   1. 어떤 회사에 가더라도 병목을 찾고 프로세스를 최적화하며 에이전틱 워크플로우를 설계하는 능력은 반복해서 활용할 수 있다.
   2. AX를 시스템 지원 업무로만 보면 안 되며, 사업 전체를 재설계하는 역량으로 이해해야 한다.

Meta 테크 리더로 성장한 세 가지 요소

1. 오랜 기간 쌓은 신뢰

   1. 한 팀에서 8~9년 동안 성과를 쌓으며 믿고 맡길 수 있다는 평판을 만들었다.
   2. 신뢰는 새로운 AX 프로젝트를 맡을 수 있는 기반이 됐다.

2. 팀 밖에서의 리스크테이킹

   1. 광고 팀에 속해 있으면서도 플러그인·스킬·Claude Code 교육 프로그램을 만들고 발표하는 실험을 계속했다.
   2. 팀 밖의 활동이 AI를 잘 활용하는 사람이라는 평판을 만들었고, 사이드 프로젝트가 AX 사업으로 채택되면서 새로운 역할로 연결됐다.

3. 리더십과 설득

   1. 좋은 솔루션을 일방적으로 가져와 무조건 쓰라고 하면 조직은 움직이지 않는다.
   2. 상대 조직의 문제를 파악하고, 원하는 해결책을 만들고, 사람들이 받아들일 수 있도록 설득하는 과정이 AX 리더십이다.

영어·기술·커뮤니케이션

1. AX에서 영어가 중요한 이유

   1. AX는 기술만의 일이 아니라 프로세스·운영·비즈니스를 재정의하는 일이므로 문제를 파악하고 솔루션을 설명하고 설득하는 커뮤니케이션이 중요하다.
   2. 해외 빅테크에서 일하려면 영어가 기술 스택 지식만큼이나 중요한 실무 도구가 된다.

2. 기술 역량의 위치

   1. 모델·하네스·스킬·프롬프트 엔지니어링과 온라인·오프라인 평가를 이해해야 하지만 기술 선택 자체가 목표는 아니다.
   2. 어떤 도구가 언제 잘 작동하는지 판단하고, 그 결과를 사업 문제에 연결해 사람을 설득하는 능력이 더 큰 차이를 만든다.

일반 개발자가 가져갈 목표

더 많은 시도와 더 많은 결과

1. 목표는 그대로다

   1. 주어진 자원으로 더 많은 결과물을 효율적으로 만들어내는 것이 일반 개발자의 목표다.
   2. AI가 실행을 돕더라도 좋은 문제를 선택하고 결과를 완성하는 책임은 사라지지 않는다.

2. 얼리 어댑터의 태도

   1. 더 많이 도전하고 실패하고 배운 뒤, 그 학습을 다음 결과물에 반영해야 한다.
   2. 빠르게 시도하고 리스크를 감수하며 다른 사람을 설득하는 능력이 AI 시대의 실행력을 확장한다.

AX의 궁극적 목표

클릭 한 번을 가능하게 만드는 보이지 않는 작업

1. AI는 클릭만으로 완성되지 않는다

   1. 실제로 AI를 사용해 본 사람은 버튼 한 번으로 완성된 결과가 나오지 않는다는 사실을 안다.
   2. 클릭 한 번으로 원하는 결과가 나오는 경험을 만들려면 하네스·평가·피드백·데이터·보안에 더 많이 투자하고 반복적으로 다듬어야 한다.

2. Human-in-the-loop를 줄이는 시스템

   1. 궁극적인 목표는 사람이 매 단계 개입하는 시스템이 아니라 필요한 순간에만 사람이 들어가는 에이전트 중심 시스템이다.
   2. 사람의 1분 1초가 귀해지는 완전 자동화 조직은 화면의 버튼보다 보이지 않는 운영 인프라에 의해 만들어진다.

3. 95% 에이전트와 5% 인간이라는 가설

   1. 에이전트가 의사결정의 95%를 처리하고 사람이 5%만 맡는 회사는 아직 현실에 없지만 AX 조직이 지향하는 방향으로 제시된다.
   2. 사람이 맡는 업무가 5%로 줄어들어도 회사 전체 성과가 20배로 늘어난다면 사람의 가치는 줄어드는 것이 아니라 더 큰 레버리지를 갖게 된다.

주요 발언 모음

“AX는 AI를 도입해서 끝나는 일이 아니다.”

“AX 이후는 없고, 개선만 있을 뿐이다.”

“AX의 본질은 비즈니스다. 프로세스다. 운영이다.”

“AI는 결코 딸깍한다고 다 만들어 주지 않는다.”

“AX의 끝은 AI를 잘 쓰는 회사가 아니라 Human-in-the-loop를 만든 회사다.”

핵심 데이터와 사례

• 9년: Meta에서 개발자로 일하며 쌓은 실무 경험.
• 8~9년: 한 팀에서 신뢰와 평판을 축적한 기간.
• 10시간→1시간: 프록시 지표로 제시된 작업 시간 단축 사례.
• 한 달→수 주 또는 수일: 회의부터 결과물까지의 리드타임을 측정하는 사례.
• 95% 에이전트·5% 인간: AX가 지향할 수 있는 미래 조직의 가설.
• 20배 성과: 사람이 5%의 핵심 판단에 집중할 때 기대할 수 있는 레버리지의 예시.

결론 및 시사점

한국에서 AX가 실패하는 이유는 AI 도구의 성능이 부족해서가 아니라 조직의 병목과 운영 방식을 바꾸지 않은 채 도구만 추가하기 때문이다. 성공적인 AX는 리더십이 변화를 승인하고, 조직이 고유한 하네스를 만들고, 사업 임팩트와 자원 활용률을 측정하고, 온라인·오프라인 평가와 피드백 루프를 운영하며, 보안과 품질 기준을 갖추는 과정이다.

AX 커리어도 특정 모델이나 도구를 다루는 역할에 머물지 않는다. 문제를 발견하고 프로세스를 재설계하고 사람을 설득해 사업을 움직이는 능력이 핵심이다. 에이전트가 실행을 더 많이 맡을수록 인간은 더 좋은 문제를 선택하고 더 큰 방향을 결정하는 일에 집중해야 한다.

핵심 요약 (20줄)

1. AX는 AI 도구를 설치하는 일이 아니라 인간 중심의 조직과 프로세스를 에이전트 중심으로 재설계하는 일이다.
2. AX라는 용어보다 에이전트 중심의 워크플로우와 운영 체계라는 본질이 중요하다.
3. Meta의 AX는 하네스·메모리·툴링·애플리케이션과 현장 엔지니어링을 모두 포함한다.
4. AI를 잘 쓰는 챔피언 한 명보다 조직의 병목을 바꾸는 리더십이 먼저 필요하다.
5. HWP 같은 기존 파일 형식과 승인 절차를 고집하면 AI가 도입돼도 병목은 그대로 남는다.
6. AX는 가장 많은 시간과 자원을 소모하는 품질 검수·보고·회의 정리부터 시작할 수 있다.
7. 대기업은 내부 API와 업무 데이터에 연결하기 위해 고유한 에이전트 하네스를 구축해야 한다.
8. AX의 성공은 토큰 사용량이 아니라 같은 자원으로 더 많은 사업 결과를 만들었는지로 판단해야 한다.
9. 임팩트를 직접 계산하기 어렵다면 작업 시간과 리드타임, 자원 활용률을 프록시 지표로 측정해야 한다.
10. AI 도구의 사용량과 사용자 만족만으로 성공을 선언하면 가짜 도입을 놓치게 된다.
11. AX에는 도입 완료 시점이 없고 오류와 사용자 피드백을 시스템에 반영하는 개선 루프만 존재한다.
12. 온라인 평가는 실제 사용 궤적을 분석하고 오프라인 평가는 예상 입력을 모은 테스트 세트를 반복 실행한다.
13. 새 모델이 항상 더 좋은 결과를 내는 것은 아니므로 모델·스킬·하네스 조합을 평가한 뒤 업그레이드해야 한다.
14. 누구나 코딩하고 디자인할 수 있는 조직에는 객관적이고 확장 가능한 품질 기준이 필요하다.
15. 팀마다 같은 에이전트와 스킬을 중복 개발하지 않도록 공유 플랫폼과 품질 관리 인프라를 만들어야 한다.
16. 민감한 에이전트 대화와 업무 데이터를 안전하게 정제하고 보관하는 보안 설계가 AX의 핵심 병목이다.
17. 원하는 결과를 반복해서 만들려면 피드백을 누적하는 하네스 엔지니어링이 필요하다.
18. AX 커리어의 본질은 기술 지원이 아니라 비즈니스 병목과 운영 프로세스를 개선하는 능력이다.
19. AX 리더는 신뢰와 팀 밖의 실험, 문제를 파악하고 사람을 설득하는 리더십을 함께 갖춰야 한다.
20. AX의 궁극적인 목표는 사람이 필요한 순간에만 개입하고 더 큰 방향과 판단에 집중하는 Human-in-the-loop 조직이다.