개인 개발 경험을 통해 정의해 보는 「AI 시대의 조직」

인사 업무를 수행하면서 동시에 혼자서 AI 프로덕트를 만들고 있는 입장에서 생각한 가설입니다. 전반부는 「왜 조직은 그렇게 변하는가」, 후반부는 「혼자서 그것을 어떻게 구현하고 있는가」에 대한 실천편입니다. 사상적인 측면을 다룬 풀 버전은 Zenn에 있습니다.

개인 개발을 하며 AI를 최대한 활용하다 보면, 「AI 시대의 조직」이라는 화제가 대개 사용법에 관한 이야기에서 멈춰 있다는 것을 깨닫게 됩니다. 어떤 모델이 빠른지, 이용률이 몇 %인지, 어떤 업무를 자동화했는지와 같은 이야기 말입니다.

하지만 정말로 유효한 질문은 한 단계 아래에 있습니다. 애초에 조직은 왜 존재하는가. 이 부분을 재정의하지 않으면, 툴을 도입해도 아무것도 변하지 않습니다.

경제학의 고전적인 답은 Ronald Coase의 「기업의 본질」(1937)입니다. 회사가 존재하는 이유는 시장에서 거래하는 것보다 사람을 내부에 두고 협업시키는 것이 더 저렴하기 때문입니다. 탐색·협상·계약·검증이라는 거래 비용을 내부화하여 낮추고 있는 것입니다. 회사의 정체는 「협업 비용을 낮추는 그릇」이었습니다.

여기에 AI가 들어옵니다. AI 에이전트(AI Agent)가 탐색·조정·구현의 비용을 제로에 가깝게 낮추면, 「내부에 두는 것이 더 저렴하다」는 전제가 무너지고 조직의 경계가 녹아내립니다 (NBER의 「Coasean Singularity?」 등에서 논의되고 있습니다). 협업이 저렴해질수록 규모나 프로세스는 더 이상 해자(Moat)가 되지 않습니다.

남는 것은 AI에 의해 저렴하게 범용화(Commodity)되지 않는 것, 즉 그 조직만이 가진 판단과 학습입니다. 그래서 재정의합니다.

AI 시대의 조직이란 「그릇」이 아니라, 고유한 판단과 학습을 계속해서 축적해 나가는 「학습하는 주체 (Learning System)」입니다.

Microsoft의 2026 Work Trend Index에서도 조직은 「Learning System」으로 변하며, 자신들의 업무로부터 가장 빠르게 배우는 조직이 승리할 것이라고 적고 있습니다. 해자는 규모가 아니라 학습 루프(Learning Loop) 그 자체로 이동합니다.

여기서부터가 본론입니다. 추상론으로 끝내고 싶지 않기에, 혼자만의 개인 개발에서 이 「학습하는 주체」를 실제로 어떻게 돌리고 있는지를 쓰겠습니다. 핵심은 **「AI가 제안 → 인간이 결정 → 결과를 기록 → 학습이 쌓임」**의 루프를 툴이 아닌 구조(Mechanism)로서 구축하는 것입니다.

Claude Code에 /plan을 입력하여 구현 계획과 변경안을 내놓게 합니다. 여기서 AI는 「만드는 이」의 역할에 충실합니다. 갑자기 운영 환경을 바꾸게 하지 않고, 먼저 제안을 만들게 하는 것이 포인트입니다.

제안을 직접 리뷰하고 채택 여부를 판단합니다. 이 부분을 인간이 계속 쥐고 있는 것이 후술할 「주권」의 조건이 됩니다. 어디까지 AI에게 맡기고 어디서부터 인간이 멈출 것인가에 대한 선긋기는 툴이 결정하는 것이 아닙니다.

채택 여부의 판단과 경위를 각 리포지토리(Repository)의 STATUS.md (상태 파일)에 남깁니다. 에이전트는 잊어버리지만, 파일은 잊지 않습니다. 다음 세션은 이것을 읽고 재개하므로 매번 제로 베이스에서 시작하지 않게 됩니다. 이것이 조직에서 말하는 「제도적 기억 (Institutional Memory)」의 최소 구현에 해당합니다.

같은 판단이 반복된다면 그것을 skill (SKILL.md)에 적어둡니다. 한 번 적어두면 이후의 세션이 매번 그것을 읽습니다. 프로젝트의 관례·설계 방침·「저번의 실패가 있었기에 이렇게 한다」는 암묵지(Tacit Knowledge)가 외부에 축적되어 복리로 작용합니다.

직접 코드를 짠 에이전트는 자신의 코드에 관대합니다. 그러므로 만드는 이와 검증역을 별도의 에이전트 (Subagent)로 분리합니다. 테스트나 타입 체크(Type Check)와 같은 객관적인 게이트(Gate)를 통과하게 합니다. 이것이 없으면 루프는 조용히 실패하며 토큰(Token)만 태우게 됩니다.

이 다섯 가지를 돌리면 혼자서도 「학습하는 주체」가 됩니다. 그리고 중요한 것은, 기반이 되는 모델을 교체하더라도 STATUS.md와 skill에 쌓아둔 판단은 수중에 남는다는 점입니다. 이것이 「학습을 자신의 쪽에 소유한다 = 주권」의 실체입니다. 얼마 전 특정 모델을 일시적으로 사용할 수 없게 된 사건이 있었는데, 이 설계의 의미를 뼈저리게 느꼈습니다.

경제학자 Erik Brynjolfsson은 「Turing Trap」에서 경고합니다. AI를 「인간의 대체」로 향하게 하면 가치는 소수에게 집중되지만, 「인간의 증폭」으로 향하게 하면 가치는 확산됩니다.

구현 관점에서 다시 정리하면 명확합니다. AI가 저렴하게 만드는 것은 구현이며, 인간에게 남는 것은 「무엇을 만들 것인가」에 대한 판단과 그 결과에 대한 책임입니다. /plan의 내용을 읽지 않고 통째로 받아들이는 순간, 증폭은 대체로 변하며 자신의 이해도(와 주권)는 깎여 나갑니다. 차이점(Diff)은 읽어야 합니다. 게이트는 점검해야 합니다.

Microsoft의 조사에 따르면, 조직도는 직능이 아닌 「해야 할 일」로 재편되며 (Work Chart), AI 노동력을 결집하는 기능은 「IT와 인사의 융합」이 될 것이라고 합니다. 그리고 모든 조직이 답해야 할 질문을 제시합니다. ― "누가 AI의 성과를 리뷰하고, 누가 워크플로우를 업데이트할 수 있으며, 현장의 승리를 어떻게 전사적으로 전개할 것인가".

개인 개발에서 수행하고 있는 ①~④는 규모를 키우면 그대로 이 질문이 된다. Mercari가 CTO를 CHRO로 임명한 것도 맥락이 이어져 있을 것이다. 학습하는 주체(Learning Agent)의 설계자가 되는 것이 엔지니어에게도 인사 담당자에게도 다음의 핵심 기술이 될 것이라고 생각한다.

• AI에게 '갑자기 실행'이 아닌 '먼저 제안'하게 하기 (/plan)
• 채택 여부의 판단을 STATUS.md에 남기기
• 반복되는 판단을 skill에 고정하기
• 제작자와 검증역을 분리하고, 객관적인 게이트(test/lint/build)를 통과시키기

이것만으로도 자신의 개발은 작은 '학습하는 주체'가 된다. 규모의 문제가 아니다. 혼자라도 조직이다.

인사와 개인 개발 양측의 입장에서 도출한 현시점의 가설입니다. 틀렸다면 다시 수정하겠습니다.

• Ronald Coase 「기업의 본질」(1937) / NBER 「Coasean Singularity?」 외
• Erik Brynjolfsson 「The Turing Trap」(2022)
• Microsoft Work Trend Index 2025–2026 (Frontier Firm / Learning System)
• CNET Japan 「Mercari의 CTO가 왜 CHRO가 되었나?」(기무라 토시야 씨)
• 「인적 자본 × 토큰 자본」, 「암호계 OS (Palantir FDE / Ontology)」를 둘러싼 각 논고