AI로 자기 개선을 하는 회사를 만드는 방법

Y Combinator의 제너럴 파트너(General Partner)인 Tom Blomfield는 AI 시대의 창업자들에게 중요한 질문을 던졌다. 회사가 스스로의 업무를 관찰하고, 일어나고 있는 일을 이해하며, 도구를 바꾸고, 결과로부터 배우기 시작한다면 무엇이 변할 것인가.

그 답은 단순한 효율화 그 이상이다. 많은 회사가 AI를 기존 업무 옆에 두는 조수로서 사용하고 있다. 엔지니어는 코드를 요청한다. 마케터는 초안을 요청한다. 지원 담당자는 답장 문구를 요청한다. 도움이 되긴 하지만, 회사의 형태는 변하지 않는다. 정보는 회의, 관리직, 대시보드, 보고를 통해 위로 흐른다. 의사결정은 계획, 티켓(Ticket), 팔로업(Follow-up)을 통해 아래로 흐른다.

Blomfield가 제시하는 설계는 다르다. 회사는 학습 루프(Learning Loop)의 집합이 된다. 각 루프에는 센서, 기억, 규칙, 도구, 품질 게이트(Quality Gate), 피드백이 있다. 제품 데이터는 사용자가 어디에서 멈추는지 포착한다. 고객과의 대화는 반복되는 혼란을 보여준다. 영업 통화는 반론의 이유를 밝힌다. 엔지니어링 로그는 실패 지점을 나타낸다. AI는 이러한 신호들을 읽고, 변경을 제안하고, 테스트하며, 품질 게이트를 통과한 결과를 회사의 기억으로 되돌린다.

중심에 있는 키워드는 'AI가 읽을 수 있는 회사'다. 지식이 개인의 머릿속이나 폐쇄된 맥락에 머물수록 회사의 자기 개선은 느려진다. 이메일, 통화, 회의, 티켓, 코드 리뷰, 의사결정, 실험, 고객 메모는 검색 가능한 성과물이 되어야 한다. 자산은 살아있는 회사의 맥락이다. 소프트웨어는 다시 만들 수 있다. 보고서는 재생성할 수 있다. 플레이북(Playbook)은 다시 쓸 수 있다. 오래 지속되는 우위는 팀이 배운 것을 이해하고, 그것을 다시 사용할 수 있는 회사의 두뇌에서 나온다.

창업자에게 실무적인 의미는 명확하다. 과거의 질문은 '어떤 기능을 작동시키기 위해 몇 명의 인원이 필요한가'였다. 새로운 질문은 '그 기능의 어느 부분을 폐쇄된 학습 루프로 만들 수 있는가'이다. 제품 루프는 이탈 지점을 찾아내고, 실험 안을 만들고, 변경 사항을 내놓고, 결과를 측정하며, 로드맵을 업데이트한다. 지원 루프는 불만을 정리하고, 문서의 누락을 찾아내고, 수정안을 만들며, 민감한 안건을 사람에게 넘긴다. 리서치 루프는 논문을 수집하고, 수식과 도표를 추출하며, 근거를 요약하고, 거친 아이디어를 재사용 가능한 자산으로 바꾼다. 이 흐름에서 Miss Formula는 이미지 내의 수식을 사용할 수 있는 수학으로 바꾸고, Editable Figure는 AI가 생성한 논문 도표를 편집 가능한 벡터 도표로 바꾼다. ChatGPT와 Gemini는 메모, 초안, 코드, 의사결정을 가로지르는 추론에 도움이 된다.

가장 큰 조직적 변화는 조정(Coordination)의 형태에 있다. 중간 관리직이 무거웠던 이유는 정보의 전달과 해석에 큰 비용이 들었기 때문이다. AI는 그 비용을 낮춘다. 창업자는 회사의 두뇌에 '이번 주에 고객이 무엇 때문에 헤매고 있는지', '어떤 실험이 실패했는지', '어떤 지원 과제가 늘어나고 있는지', '어떤 방침이 제품 전략과 충돌하고 있는지'를 물을 수 있다. 우수한 개인 기여자(Individual Contributor)는 큰 레버리지(Leverage)를 얻는다. 시스템이 맥락을 유지하고, 결정을 기억하며, 다음 행동을 제안하기 때문이다.

인간의 판단은 더욱 날카로워진다. 사람은 시스템의 가장자리(Edge)에서 특히 중요해진다. 드문 고객 상황, 윤리적 판단, 창의적인 선호, 최종 책임, 속도보다 신뢰가 더 중요한 장면들이다. 뛰어난 역할은 정보를 운반하는 일에서, 루프를 설계하고, 기준을 만들고, 결과를 확인하며, 모호함을 다루는 일로 이동한다.

측정에도 함정이 있다. 인원을 늘리는 것보다 토큰(Token)을 사용하는 것이 중요해질 수 있다. 토큰은 기계 지능의 연료이기 때문이다. 다만 사용량만으로는 성과가 되지 않는다. 의미 있는 지표는 더 나은 성과물이다. 명확한 문서, 높은 전환율, 적은 반복 문의, 빠른 조사, 안전한 릴리스, 깊은 고객 이해가 이에 해당한다.

시작은 작아도 좋다. 입력과 결과가 보기 쉬운 반복 업무를 하나 선택한다. 모든 성과물을 저장한다. 규칙을 작성한다. AI가 사용할 수 있는 도구를 준다. 품질 게이트를 둔다. 결과를 측정한다. 배움을 시스템으로 되돌린다. 그리고 반복한다. 첫 번째 버전은 겸손해 보일지 모른다. 하지만 열 번째 버전에는 팀이 잠든 동안에도 개선되는 부서처럼 보일 것이다.

Blomfield의 메시지가 강력한 이유는 지향하는 높이를 바꾸기 때문이다. AI 기업은 스스로를 보고, 기억하고, 업데이트하는 조직으로 진화한다. 이 변화를 이해한 창업자는 더 작고 더 빠른 팀을 만들 수 있다. 그 팀의 중요한 제품은 고객에게 전달하는 기능과 회사 내부에 있는 학습 능력 모두가 될 것이다.