AI-Native 조직은 도구를 구매하는 것이 아니라, 기다림을 없애는 것에 관한 것이다

최근 AI-native 조직에 관한 글을 읽게 되었는데, 그 내용이 머릿속을 떠나지 않았습니다. 그 내용을 한 번 풀어보겠습니다.

많은 기업이 "AI 전환 (AI transformation)"을 수행하고 있습니다. 어떤 기업은 내부 게이트웨이를 구축하고 모든 직원에게 API 키를 배포합니다. 어떤 기업은 전사적인 교육 프로그램을 운영합니다. 어떤 기업은 기존 시스템에 몇 개의 "스마트 어시스턴트 (smart assistants)"를 덧붙이기도 합니다. 그리고 어떤 기업은 — 제가 가장 좋아하는 유형인데 — 마치 더 많은 컴퓨팅 자원을 소모하는 것이 더 앞서 나가는 것인 양, 사내 채팅창에 매일 토큰 사용량 순위를 게시하기도 합니다.

이 중 유용한 것이 있냐고요? 물론, 조금은 있습니다. 하지만 그 중 어느 것도 AI-native와는 같지 않습니다.

진정한 AI-native는 얼마나 많은 모델을 사용하는지에 관한 것이 아닙니다. AI가 등장한 이후 조직 내에서의 기다림이 줄어들었는지에 관한 것입니다.

만약 협업 방식이 여전히 동일하게 작동한다면 — 즉, 사람들이 여전히 승인을 받기 위해 줄을 서고, 업무가 여전히 단계별로 전달된다면 — AI는 단지 오래된 조직에 덧붙여진 새로운 도구일 뿐입니다. 똑같은 오래된 운영체제 (operating system)를 실행하는 새로운 하드웨어인 셈입니다.

"도구"에서 "운영체제"로

YC 파트너인 Diana Hu는 언젠가 이렇게 말했습니다: AI는 기업이 사용하는 단순한 도구여서는 안 되며, 기업이 그 위에서 구동되는 운영체제 (operating system)가 되어야 한다.

맞는 말입니다. 하지만 오해하기 쉽습니다.

사람들이 "운영체제"라는 말을 들으면 가장 먼저 드는 생각은 이렇습니다: 우리가 AI 플랫폼을 구축해야 한다는 뜻인가? 우리의 모든 시스템을 그 안에 연결해야 하는가?

그것이 바로 문제입니다. AI-native는 반드시 기술적 토대가 필요하지만, 근본적으로 IT 프로젝트는 아닙니다. 어려운 부분은 시스템이 아니라, 조직이 작동하는 방식에 녹아 있는 암묵적인 습관, 책임의 경계, 그리고 협업 패턴입니다.

CEO에게 "운영체제로서의 AI"는 실제로 다음과 같은 의미를 갖습니다: AI가 조직이 운영되는 규칙 속으로 들어와야 한다는 것입니다. AI는 업무가 할당되는 방식, 정보가 사용되는 방식, 책임이 정의되는 방식, 그리고 사람들이 함께 일하는 방식에 영향을 미쳐야 합니다.

결국 새로운 플랫폼만 갖게 되고 규칙은 변하지 않았다면, 그것은 AI-native가 아닙니다. 그것은 오래된 조직 내부에서 실행되는 새로운 시스템일 뿐입니다.

4단계: 당신은 현재 어디에 있습니까?

기업은 하룻밤 사이에 AI-native가 되지 않습니다. 기업들은 보통 네 가지 단계를 거치는 경향이 있습니다.

1단계: 개인의 효율성 (Individual Efficiency)

직원들이 이메일 작성, 회의록 작성, 요약 등을 위해 AI를 사용하기 시작합니다. 이것은 가장 흔한 시작점이며, 도달하기 쉽습니다.

하지만 이것은 조직적인 변화가 아닙니다. 각 개인이 자신의 업무 영역에서 단순히 더 빨라졌을 뿐입니다. 협업 방식은 변하지 않았습니다. 이전에 기다림이 필요했던 사람들은 여전히 기다려야 합니다. 거쳐야 했던 프로세스들도 여전히 그대로 남아 있습니다.

2단계: 노드 자동화 (Node Automation)

AI가 반복적인 업무를 대체하기 위해 고정된 워크플로 (Workflow)에 진입하기 시작합니다. 고객 피드백이 들어오면 AI가 자동으로 태그를 달고, 우선순위를 지정하며, 경로를 배정합니다. 지원 티켓 (Support ticket)이 도착하면 AI가 누락된 정보를 채우고, 문제를 분류하며, 해결책을 제안합니다. 영업 통화가 끝나면 AI가 고객의 니즈, 리스크 신호, 그리고 다음 단계 (Next steps)를 추출합니다.

이는 1단계보다 더 나아간 것이지만, 프로세스 자체는 변하지 않았습니다. 단지 기존 프로세스 내부의 한 노드 (Node)를 더 빠르게 만들었을 뿐입니다.

3단계: 노드의 소멸 (Nodes Disappear)

이것이 진정한 전환점입니다.

AI는 더 이상 단순히 노드의 속도를 높이는 것에 그치지 않습니다. 한때 필연적이라고 느껴졌던 일부 노드들을 아예 불필요하게 만들어 버립니다.

이전에는 많은 작업이 순차적으로 대기해야 했습니다. 이제 직원들은 AI를 사용하여 인수인계 (Handoff)가 이루어지기 전, 초기 단계의 작업을 상당히 완성된 상태로 밀어붙일 수 있습니다. 반드시 최종 버전일 필요는 없지만, 업무가 계속 진행될 수 있을 만큼의 수준은 됩니다. 이제 다음 단계가 시작되기 전에 다른 사람이나 다른 부서를 기다릴 필요가 없습니다.

이때 조직은 진정으로 가벼워지기 시작합니다. AI는 단순히 노드의 효율성을 바꾸는 것이 아니라, 업무가 흐르는 방식 (Work flows) 자체를 바꾸고 있습니다.

4단계: 조직 재편 (Organizational Restructuring)

더 적은 수의 작업이 여러 계층을 거쳐야 하게 되면, 기존의 프로세스, 역할, 그리고 책임의 경계 (Accountability boundaries)가 재정의되기 시작합니다.

일부 역할은 실행 노드 (execution nodes)로서의 역할을 멈추고, 표준 설정자 (standard-setters), 품질 게이트키퍼 (quality gatekeepers), 그리고 진정으로 복잡한 문제를 다루는 해결사로 변모합니다. 일부 워크플로 (workflows)는 다층적인 인수인계 (hand-offs)를 필요로 하는 대신, 한 사람 또는 소규모 팀이 루프를 완결 (close the loop)하게 되며, 주요 의사결정자 (decision-makers)들은 판단이 필요한 시점에만 개입하게 됩니다.

AI-native 조직은 CEO가 프로세스를 줄이라고 명령해서 만들어지는 것이 아닙니다. 새로운 역량이 성장하고, 기존의 노드들이 서서히 존재 이유를 잃어가면서, 조직이 자연스럽게 가벼워지기 때문에 형성됩니다.

두 가지 역할: AI 빌더 (AI Builder)와 인간 결정자 (Human Decider)

조직이 AI-native로 변하기 시작하면, 구성원들의 역할 또한 재정의되어야 합니다.

미래 조직에서의 유의미한 구분은 직함이 아니라, 두 가지 종류의 역할이 될 것입니다.

AI 빌더 (AI Builder)

반드시 엔지니어일 필요는 없습니다. 제품, 운영, 영업, 재무 등 직함은 중요하지 않습니다. 중요한 것은 이 사람이 모호한 비즈니스 문제를 가져와서 AI가 실제로 실행할 수 있는 워크플로 (workflow)로 분해할 수 있느냐 하는 점입니다. 표준을 설정하고, 결과를 검증하며, 반복 (iterate)하고, 한 번 성공한 것을 재사용 가능한 것으로 만들 수 있는지가 핵심입니다.

AI 시대에 가장 희소한 자원은 도구를 사용하는 법을 아는 사람이 아닙니다. 바로 비즈니스를 이해하고 AI와 협력하여 루프를 완결 (close loops)할 수 있는 사람입니다.

인간 결정자 (Human Decider)

이 사람의 가치는 프로세스를 모니터링하는 것이 아니라, 판단을 내리는 데 있습니다. AI는 10개의 제안서를 생성할 수 있지만, 그중 어떤 것이 회사의 전략과 일치할까요? 어떤 것이 브랜드 리스크를 초래할까요? 어떤 것이 단기적으로는 효과적으로 보이지만 시간이 흐르면서 조직을 조용히 망가뜨릴까요? 이러한 질문들은 모델에 위임할 수 없습니다. 모델은 비즈니스 책임 (business accountability)을 지지 않기 때문입니다.

즉, AI가 더 유능해질수록 인간 결정자 (Human Deciders)의 중요성은 더욱 커진다는 것을 의미합니다.

한 문장 요약: AI 빌더는 판단이 가능한 지점까지 업무를 밀어붙입니다. 인간 결정자는 그것을 실행할지, 어느 방향으로 갈지, 그리고 어디까지 진행할지를 결정합니다.

5단계 — "프로세스부터 줄이기"가 아닙니다

여기 더 깔끔한 진행 경로가 있습니다.

1단계: CEO의 승인을 받은 AI 전환 팀 구축

이 팀은 IT 부서 산하의 사이드 프로젝트일 수 없습니다. 인사(HR) 주도의 교육 이니셔티브도 안 됩니다. AI 전환은 오래된 프로세스, 오래된 책임 분할 구조, 그리고 오래된 권력 구조와 충돌하게 될 것입니다. CEO급 지원 없이는 어떤 파일럿 프로젝트라도 기존 조직으로 서서히 흡수될 수밖에 없습니다.

이 팀은 세 가지 역량을 함께 갖춰야 합니다: AI에 대한 지식(어떤 시나리오에 무엇이 적합한지 이해), 비즈니스에 대한 지식(눈에 보이는 문제점뿐만 아니라 실제 고통 지점을 파악하는 능력), 그리고 조직에 대한 지식(뒤따르는 구조적 변화를 헤쳐나가는 능력).

목표는 단순히 AI 어시스턴트를 구축하는 것이 아닙니다. 비즈니스에서 돌파할 가치가 가장 높은 순차적 병목 현상(serial bottlenecks)을 찾아내고, 개념 증명(proof of concept)을 실행하여 회사에 보여주는 것입니다: 이 일은 불가능한 일이 아니었으며, 단지 우리가 항상 예전 방식으로 해왔을 뿐이라는 것을요.

2단계: 'AI를 먼저 질문하는' 습관 구축하기

하지만 이것을 강제할 수는 없습니다. 모든 사람에게 하루에 특정 횟수만큼 AI를 사용하도록 요구하면, 그들은 대화를 꾸며낼 것입니다. 부서에 AI 사례 연구 제출을 의무화해도 마찬가지입니다. 또 다른 형식적인 연습일 뿐입니다.

더 나은 접근 방식은 인센티브를 활용하여 진정한 사례가 나오도록 유도하는 것입니다. 좋은 사례는 세 가지 질문에 답할 수 있어야 합니다: 이전에 몇 명의 사람이 관여했었나? AI가 몇 단계의 대기 시간(wait-steps)을 제거했나? 이 접근 방식을 동일한 역할을 수행하며 같은 일을 하는 다른 사람도 재사용할 수 있나?

그리고 이러한 사례들을 회사 전체에 공유해야 합니다. 초기 도입자를 기리기 위해서가 아니라, 다른 사람들이 '이 일은 다르게 할 수 있다'는 것을 볼 수 있도록 말입니다.

3단계: 좋은 사례를 재사용 가능한 스킬로 전환하기

단순히 사례 연구 프로그램을 운영하는 것만으로는 충분하지 않습니다. 만약 누군가가 방법을 알아냈는데 그것이 그 사람의 노트북이나 머릿속에만 남아 있다면, 조직은 실제로 강해진 것이 아닙니다.

전환 팀의 임무는 각 좋은 사례에서 패턴을 추출하여 재사용 가능한 스킬(Skill)로 만드는 것입니다. 이는 같은 역할을 맡고 같은 상황을 처리하는 동료가 처음부터 시작할 필요 없이 호출(invoke)할 수 있는 무언가여야 합니다.

AI-Native 조직의 핵심은 소수의 AI 전문가를 보유하는 것이 아닙니다. 그것은 전문가들이 알아낸 것을 조직이 복제할 수 있는 무언가로 만드는 것입니다. 그렇지 않으면, 오늘 뛰어난 성과를 내던 사람이 떠나는 순간 모든 것이 처음부터 다시 시작됩니다.

4단계: 기존 프로세스가 주 경로에서 벗어나게 하기

직원들이 업무를 "논의 준비 완료, 결정 준비 완료" 상태로 밀어 넣을 수 있는 기술 (Skills) 라이브러리가 구축되면, 과거에 줄을 서서 기다려야 했던 노드(nodes)들은 선택 사항이 됩니다.

참고: 이는 프로세스를 사전에 대폭 삭감하는 것에 관한 것이 아닙니다. 무언가를 직접적으로 잘라내는 것은 방어 기제를 유발합니다. 직원의 관점에서는 자신의 존재 이유를 제거하는 것이기 때문입니다.

더 현명한 프레이밍은 "항상 이 노드를 거쳐야 한다"를 "실제로 필요할 때 참여한다"로 바꾸는 것입니다.

구체적인 예: 고객 제안서를 작성하는 비즈니스 담당자는 과거에 마케팅 팀의 자료 제공, 데이터 팀의 분석 추출, 디자인 팀의 레이아웃 작업을 기다려야 했습니다. 적절한 기술 (Skills)이 갖춰져 있다면, 담당자 스스로 초기 고객 인사이트, 제안서 구조, 카피, 그리고 시각적 초안을 생성할 수 있습니다. 최종 버전은 아니더라도, 실제 대화를 시작하기에는 충분한 수준입니다.

이 시점에서 마케팅의 역할은 "항상 기다려야 하는 자료 생산 노드"에서 "브랜드 표준 및 콘텐츠 품질의 게이트키퍼 (gatekeeper)"로 전환됩니다. 데이터 팀은 "항상 기다려야 하는 보고서 출력물"에서 "지표 프레임워크 및 진정으로 복잡한 분석에 대한 책임"으로 전환됩니다. 디자인은 "기계적인 레이아웃 담당자"에서 "시각적 표준 및 고부가가치 결과물의 품질 책임자"로 전환됩니다.

노드들은 "의무적인 정지 지점"에서 "고가치 판단 지점"으로 변합니다. 사람들이 사라지는 것이 아닙니다. 그들은 가치가 낮은 실행 단계에서 벗어나 판단, 정의, 그리고 감독이 필요한 업무로 이동하는 것입니다.

5단계: IT 전환은 마지막에 이루어진다

많은 기업들이 이 순서를 완전히 거꾸로 진행합니다. 'AI 전환'에 대해 이야기하기 시작하자마자 즉시 시스템 프로젝트를 착수하고, 플랫폼을 구축하는 데 1년을 보내지만 직원들은 그것을 사용하지 않고, 비즈니스 습관도 변하지 않은 상태가 됩니다. 결국 이전의 IT 이니셔티브보다 더 화려한 버전만을 만들어낸 것과 같습니다.

올바른 순서는 다음과 같습니다: 먼저 사람들의 습관을 바꾸고, 다음으로 비즈니스 방법을 구체화하며, 그 후 어떤 방법들이 시스템화할 가치가 있는지 평가하고, 마지막으로 IT 계층을 구축하는 것입니다.

초기 단계에서는 실제로 어떤 사용 사례(use case)가 실현 가능한지 진정으로 알 수 없습니다. 만약 AI 플랫폼을 먼저 구축한다면, 더 높은 수준의 정교함에서 잘못된 프로세스를 고착화할 위험이 있습니다.

CEO 여러분: 즉시

반대 측면을 살펴보면: 지속적으로 AI를 거부하고, 비효율적인 인수인계 (handoffs)에 의존하며, 문제를 프로세스나 다른 부서로 떠넘기는 팀들에게는 동일한 자원을 계속 제공해서는 안 됩니다.

조직의 변화는 슬로건을 통해 일어나지 않습니다. 조직의 변화는 자원이 어디로 흐르는지를 통해 일어납니다.

결론

LLM (대규모 언어 모델) 역량은 전기나 수돗물처럼 퍼져나갈 것입니다. 즉, 기본적인 인프라 (infrastructure)가 될 것입니다. 컴퓨팅 자원 (compute)을 구매하고, 계정을 구매하고, 시스템을 구축하는 것 중 그 어느 것도 해자 (moat)를 만들어내지는 못합니다.

당신을 이길 대상은 비슷한 규모와 비슷한 비대함을 가진 경쟁사가 아닙니다. 당신 인력의 10분의 1 규모이면서, 모든 구성원이 AI를 통해 루프를 완결하고 (close loops), 빠르게 움직이며, 의사결정을 내릴 수 있는 팀이 될 것입니다. 그들이 실행하는 모든 비즈니스 사이클은 당신보다 10배 더 빠를 것입니다.

AI는 본질적으로 진화적 사건입니다. AI는 기계적인 릴레이 노드 (relay nodes), 중복된 승인 체계, 그리고 책임을 회피하기 위해 프로세스 뒤에 숨는 관리자들을 제거합니다.