도구가 아니라 기준이 먼저다 : AX에 실패하는 리더들을 위한 제언
팀에 AI를 정착시키려는 리더가 던져야 할 첫 질문
새 도구를 도입하던 날의 풍경은 대개 비슷하다. 생성형 AI 전사 계정과 과금 플랜을 과감하게 결제하고, TF를 구성한 다음 전 직원 킥오프 자리에서 그럴듯한 활용 사례를 몇 개 시연한다. 도입 당일 미팅에서는 모두가 감탄하며 고개를 끄덕인다.
하지만 두 달 뒤 대시보드의 사용 현황을 열어보면 서글픈 숫자가 찍혀 있다. 헤비 유저는 도입을 주도한 팀장 자신과, 뭐든 열심히 해야 하는 신입사원뿐이다. 나머지는 슬그머니 바탕화면의 옛날 폴더를 열고 원래 일하던 방식으로 돌아간 지 오래다. 수많은 기업이 수억 원의 라이선스 비용을 허공에 날리는 흔한 풍경이다.
이 장면이 반복되는 이유를 도구 탓으로 돌리기는 쉽다. 모델이 조금만 더 똑똑했다면, 가이드북이 더 친절했다면 달랐을 거라고 위안 삼는다. 그러나 대부분의 경우 문제는 도구가 아니라 순서에 있다. 우리는 줄곧 '어떤 AI를 도입할까'를 먼저 물었다. 정작 리더로서 가장 먼저 던졌어야 할 질문은 따로 있었다.
"우리 조직의 일은 어떤 판단과 어떤 실행으로 이루어져 있는가?"
사용법을 익히기 전에, 일하는 방식을 꺼내야 한다
AI 도입을 단순한 '툴 사용법'의 문제로 접근하면 백전백패다. 프롬프트를 잘 쓰는 스킬이나 가성비 좋은 모델을 고르는 법은 기술의 영역일 뿐이다. 기술은 익히면 그만이고, 사실 그리 어렵지도 않다.
정작 현업 조직에서 AX(인공지능 전환)가 막히는 진짜 지점은 그 앞에 있다. 우리가 우리 일을 어떻게 정의하고 있는지, 무엇을 '좋은 결과물'로 부르는지, 그 판단의 기준이 어디에 있는지를 단 한 번도 조직 밖으로 꺼내어 명문화한 적이 없다는 사실이다.
이건 사용법의 문제가 아니라 사고의 원칙에 관한 문제다. 도구를 바꾸기 전에 우리가 일하는 방식을 먼저 명확한 '언어'로 꺼내야 한다. 게임 개발 현장에서 오랫동안 디렉터로 일하며 여러 번 확인한 것도 이것이었다. 새로운 시스템이 조직에 자리 잡느냐 마느냐는 도구의 스펙이 아니라, 우리가 하던 암묵적인 일을 얼마나 정확히 말로 풀어낼 수 있느냐에 달려 있었다. 이 순서를 건너뛴 채 도구부터 들이밀면, 팀원들은 예전 습관 위에 새 툴을 어색하게 얹었다가 결국 익숙한 관성 쪽으로 회귀한다. 도구가 바뀌어도 일하는 방식이 그대로면 아무것도 바뀌지 않는다.
직무가 아니라 작업으로 쪼개라
경영진이 범하는 가장 흔한 오류는 질문을 직무 단위로 던지는 것이다. ‘AI가 기획자를 대체할 것인가?’ 혹은 ‘디자이너의 시대는 끝났는가?’ 같은 담론은 미디어가 헤드라인을 뽑거나 대중에게 겁을 주기엔 좋을지 몰라도, 현업 리더의 책상 위에서는 아무런 이정표가 되지 못한다. 현장에서 마주하는 하나의 직무는 거대한 바위가 아니라, 수십 수백 개의 미세한 자갈(Task)들이 얽혀 있는 집합체이기 때문이다. 위임 여부는 직무 전체가 아니라, 그 쪼개진 작업 하나하나에서 갈린다.
게임 디렉터의 일만 해도 그렇다. 밸런스 수치를 조정하고, 라이브 이벤트 문구를 쓰고, 다음 업데이트의 우선순위를 정하고, 출시 여부를 최종 결정한다. 이 목록을 날것 그대로 칠판에 펼쳐놓으면 어떤 작업은 오늘 당장 AI에 넘길 수 있고, 어떤 작업은 사람이 끝까지 쥐어야 하는지가 직관적으로 눈에 들어온다. "디렉터를 대체할 수 있는가"라는 질문에는 답이 없지만, "이벤트 문구 초안 작성을 넘길 수 있는가"라는 질문에는 명확한 답이 있다.
작업을 잘게 나누는 일은 콘크리트를 붓기 전에 거푸집을 짜는 과정과 같다. 형태를 먼저 정해 놓지 않으면 아무리 값비싼 재료를 부어도 사방으로 흘러내린다. AI라는 재료가 아무리 고도화되어도, 이를 받아낼 우리 조직만의 거푸집을 먼저 만들지 않으면 리더의 손에는 결국 아무것도 남지 않는다.
네 가지 스케일: 조직의 규모에 따라 맥락을 다르게 나눠야 한다
작업을 쪼개고 순서를 정하는 작업은 단지 실무자 한 명의 책상 위에서만 벌어지지 않는다. 회사, 그룹, 팀, 개인이라는 네 가지 단위에서 유기적으로 일어나야 한다. 그리고 단위마다 밖으로 꺼내야 할 '암묵적 맥락'이 전혀 다르다. 이 스케일을 구분하지 못하면 개인의 서류 작업만 조금 빨라질 뿐, 정작 부서와 부서 사이에서 일의 흐름이 툭툭 끊기는 병목은 그대로 방치된다.
회사 단위에서는 가치가 만들어지는 거대한 밸류체인과 그 선후 관계를 본다. 무엇이 무엇보다 앞서는지, 우리 비즈니스의 치명적인 병목이 어디인지를 정의하는 일이다. 이 단위의 암묵적 맥락은 전략의 우선순위와 '하지 않기로 한 것들'이다. 우리는 무엇을 팔고 무엇은 드랍하는가, 브랜드로서 절대 넘지 않는 선은 어디인가. 이것을 언어로 정해 두지 않으면, AI는 회사가 애초에 하지 않기로 했던 리스크 높은 일들까지 무서운 효율로 해내며 사고를 친다.
그룹 단위에서는 부서 간의 인수인계 이음매를 본다. 일이 어디서 시작해 누구를 거쳐 어디로 넘어가는지, 그 바꿈통이 어디인지를 정의한다. 여기에서의 맥락은 조직도에는 없지만 모두가 아는 '부서 간 관행과 책임의 경계'다. "이건 원래 저쪽 부서가 해오던 거다", "여기서부터는 우리 소관이 아니다" 같은 보이지 않는 규칙들이다. AI는 이 경계를 모른다. 이음매의 맥락을 꺼내 두지 않으면, AI가 뽑아낸 훌륭한 결과물은 아무도 받지 않는 부서 사이의 공백에 툭 떨어지고 만다.
팀 단위에서는 팀 안에서 일이 도는 순서와 품질의 기준을 본다. 초안을 누가 잡고 누가 검토하며, 무엇을 통과 커트라인으로 삼을 것인가의 문제다. 여기서의 암묵적 맥락은 "이 정도면 우리 팀 퀄리티로 통과다"라는 팀 고유의 감각과 리뷰 관행이다. 사람끼리는 오랜 시간 눈빛과 뉘앙스로 주고받던 이 미묘한 감각을, AI에게 업무를 넘기려면 결국 정교한 문장으로 적어내야만 한다.
마지막으로 개인 단위에서는 한 사람이 하루의 일과를 처리하는 나름의 순서를 본다. 왜 이 업무를 저 업무보다 먼저 처리하는지, 어떤 흐름이 몸에 익었는지다. 이 단위의 맥락은 베테랑 실무자만 아는 노하우와, 굳이 설명한 적 없는 자기만의 이유다. 개인이 이것을 꺼내 놓는 순간, 그 노하우는 한 개인의 고독한 습관에서 팀 전체가 레버리지할 수 있는 공유 자산으로 변모한다.
이 네 단위를 관통하는 핵심은 하나다. 일을 나누고 순서를 정하는 진짜 목적은 단순한 시간 단축이 아니라, 그동안 조직 내에서 아무도 말하지 않았던 '암묵지(Implicit Knowledge)'를 이음매마다 투명하게 끄집어내는 것이다. AI에 위임할 수 있는지 없는지는 그 맥락을 언어로 꺼낸 다음에야 비로소 판단할 수 있다.
내 손에 쥘 것과 AI에 던질 것을 가르는 네 가지 지표
작업을 네 단위로 정리했다면 이제 냉정하게 분류할 차례다. 무엇을 사람이 쥐고 무엇을 AI에 던질지 가르는 기준은 내가 현장에서 수많은 시행착오를 거치며 정립한 네 가지 지표로 요약할 수 있다.
첫째, 가역성(되돌릴 수 있는가): 한번 결정을 내리면 되돌리기 어렵고 리스크가 거대한 결정일수록 사람이 쥐어야 한다. 게임 라이브 운영을 예로 들면, 매일 반복되는 유저 문의 답변 초안이나 단순 이벤트 문구는 AI에 넘겨도 잃을 것이 적다. 반면, 패치 업데이트 출시 여부나 핵심 재화의 밸런스 최종 결정은 유저 이탈 및 매출과 직결되어 되돌릴 수 없기에 끝까지 디렉터인 내 책상 위에 남겨두었다.
둘째, 맥락 의존성(조직 내부에만 있는 맥락인가): 우리 팀의 지난 히스토리, 사람들 사이의 묘한 관계, 문서로 적히지 않은 사정들이 얽힌 판단은 외부 데이터만 학습한 AI가 결코 알 수 없는 영역이다. 이런 맥락 의존적 판단은 온전히 사람의 몫이다.
셋째, 책무성(책임이 누구에게 귀속되는가): 결과가 어그러졌을 때 피를 흘리며 최종 책임을 지는 자리에 있는 리더는 그 판단의 방아쇠를 위임해서는 안 된다. 실행의 과정은 넘기더라도 결정의 책임은 남는다.
넷째, 판단과 패턴의 구분(가치 판단인가 패턴 처리인가): 무엇이 좋고 나쁜지, 우리 조직이 추구하는 철학이 무엇인지 '기준'을 세우는 일은 사람이 하고, 세워진 기준대로 방대한 데이터를 반복해서 '처리'하는 일은 AI가 한다.
이 네 가지 필터를 통과시키고 나면 우리 조직의 역할 분담 윤곽이 선명해진다. 사람은 문제를 정의하고, 기준을 세우고, 최종 책임을 진다. AI는 초안을 만들고, 넓게 탐색하고, 정해진 기준대로 반복 실행한다.
위임의 진짜 전제는 기준을 <언어>로 꺼내는 일이다
슬프게도 바로 이 지점에서 대부분의 리더가 걸려 넘어진다. 명확한 판단 기준 없이 업무를 넘기는 것은 '위임'이 아니라 '방치'이기 때문이다.
몇 해 전 캐주얼 게임을 개발할 때, 나는 난이도 밸런스를 잡는 프로세스를 완전히 바꾸자고 제안한 적이 있다. 그때까지의 밸런싱은 기획자가 수치를 손으로 일일이 바꾸고 사람이 직접 플레이하며 감을 확인하는, 시간도 오래 걸리고 편차도 큰 노가다였다. 나는 대신 강화학습 시뮬레이터에 수백만 번의 플레이를 반복시켜 수치의 반응을 자동 탐색하게 하자고 했다.
여기서 AI가 맡은 것은 지치지 않는 '반복 탐색'이었고, 인간 기획자가 끝까지 손에 쥔 것은 '무엇을 좋은 난이도 곡선이라 부를 것인가'에 대한 명확한 기준이었다. 시뮬레이터는 '재미있는 난이도'가 무엇인지 스스로 알지 못한다. 인간이 "유저가 3번 실패한 뒤 4번째에 간발의 차이로 극적으로 깰 때 성취감이 극대화된다"는 정성적 기준을 정교한 언어로 정의해 주었기 때문에 비로소 탐색을 위임할 수 있었던 것이다. 만약 그 기준을 언어로 꺼내지 못한 채 툴만 가동했다면, 그 고성능 시뮬레이터는 그저 '가장 빠른 속도로 엉뚱한 쓰레기 데이터'만 양산했을 것이다.
문서 작업에서도 똑같은 일이 벌어진다. 보고서 초안을 AI에 맡겼는데 결과가 영 마음에 들지 않아 결국 내가 처음부터 다시 쓴 경험은 누구나 있을 것이다. 이때 문제를 AI의 성능 탓으로 돌리기 쉽지만, 실제 원인은 다른 곳에 있다. 리더인 우리가 '좋은 보고서의 기준'을 프롬프트에 단 한 줄도 주지 않았다는 점이다.
조직에는 말로 꺼내지 않은 암묵지가 잔뜩 쌓여 있다. '이 정도면 됐다'는 감각, '이건 우리 회사 톤앤매너가 아니다'라는 직관, '여기서는 이렇게 처리하는 게 오랜 합의다'라는 관행. 사람끼리는 눈치와 뉘앙스로 주고받던 이 감각이 AI에게는 통하지 않는다.
그리고 바로 이 지점에서 AX의 진짜 반전이 일어난다. 좋은 결과물의 기준을 명시적인 문장으로 적어 내려가는 순간, 조직은 사실상 처음으로 자기 일을 정확하게 돌아보게 된다. 그동안 '알아서 잘하던' 일의 베일이 벗겨지고, 사람마다 기준이 달랐다는 균열이 드러나며, 아무도 기준을 몰랐던 유령 작업들이 수면 위로 드러난다. AI에 업무를 넘기기 위해 기준을 언어화하는 작업은, 역설적으로 '우리 일을 우리가 다시 이해하는 계기'가 된다. 리더가 사고의 원칙을 세운다는 것은 바로 이런 뜻이다.
한 번 일을 나눴다고 끝이 아니다 : 공진화(Co-evolution) 순환
역할 분담표를 그럴듯하게 만들어 벽에 붙이면 끝일까. 단언컨대 아니다. 처음 리더가 그은 경계선은 높은 확률로 틀린다. 넘길 수 있다고 장담한 작업이 예상보다 AI의 손이 많이 가기도 하고, 사람이 쥐어야 한다고 여긴 판단이 의외로 데이터 기반으로 쉽게 넘길 만하다는 것이 드러나기도 한다. 중요한 것은 경계선을 한 번에 완벽하게 긋는 것이 아니라, 경계선을 계속 다시 긋는 '공진화 순환(Feedback Loop)'을 돌리는 것이다.
이 순환은 이렇게 작동한다. 사람이 기준을 주고, AI가 그 기준으로 실행하며, 사람은 그 결과를 보고 조직의 기준을 다시 정교하게 다듬는다. 그리고 다듬어진 기준으로 다시 업무를 넘긴다. 이 바퀴가 한 바퀴 돌 때마다 AI에 넘길 수 있는 작업의 영토는 넓어지고, 리더가 손에 쥐어야 할 본질적인 판단은 더욱 또렷해진다. 조직의 프로세스와 AI 활용이 따로 노는 것이 아니라 함께 진화하는 것이다.
이 관점을 받아들이면 리더들의 심리적 부담이 크게 줄어든다. 처음부터 거창하고 완벽한 AX 마스터플랜을 그리려 애쓸 필요가 없다. 작게 시작해서 이 순환의 바퀴를 빠르게 돌리는 편이 언제나 승리한다. AI 도입을 단발성 프로젝트가 아니라 계속해서 진화하는 순환 체계로 바라보는 순간, '완벽하게 준비되면 시작하겠다'는 리더의 고질적인 미룸도 사라진다.
리더가 당장 내일 아침 시작할 수 있는 것
거창한 전사 혁신 전략은 내일로 미뤄도 좋다. 당장 내 책상 위의 작은 감사(Audit)부터 시작하면 된다.
먼저, 지난 한 주 동안 우리 팀이 반복한 업무를 낱낱의 구체적인 '작업'으로 쪼개어 적어 본다. '마케팅 업무', '기획 업무' 같은 직무 이름이 아니라 '이벤트 메일 초안 작성', '데이터 추출', '리포트 시각화'처럼 실제로 손이 간 구체적인 행동으로 적는 것이 핵심이다.
그다음, 각 작업에 네 가지 라벨 중 하나를 붙인다.
인간만 해야 하는 일
인간이 주도하고 AI가 보조하는 일
AI가 주도하고 인간이 검수하는 일
완전히 AI에 넘기는 일
그리고 '인간이 쥐어야 한다'고 표시한 작업 옆에는 "왜 이 일은 사람이 해야만 하는가?"를 리더의 언어로 단 한 줄씩 적어 본다. 그 한 줄 한 줄이 쌓여 조직의 대체 불가능한 원칙(Rule set)이 된다.
여기서 한 걸음 더 나아갈 수 있다면, 팀 내부를 넘어 위아래 부서 간의 이음매까지 살펴본다. 우리 팀이 다른 부서에서 무엇을 받아 무엇을 넘기는지, 회사가 리스크 관리 차원에서 하지 않기로 선을 그은 지점은 어디인지를 함께 매핑해 두면 위임의 경계는 훨씬 분명해진다.
마지막으로, '넘길 수 있다'고 분류한 작업 중 리스크가 낮고 되돌리기 가장 쉬운 것 딱 하나를 골라 이번 주 안에 당장 시험해 본다. 첫술에 완벽한 결과를 기대하지 마라. 결과를 보며 우리가 준 프롬프트의 라벨과 기준을 고쳐 잡는 것 자체가 목표다. 이것으로 공진화 순환의 첫 바퀴가 돈다. 리더가 할 일은 그저 이 바퀴를 멈추지 않고 계속 돌리는 것뿐이다.
결국 물어야 할 질문은 하나다
AX가 조직에 자리 잡지 못하는 진짜 이유는 오픈AI나 구글의 기술이 부족해서가 아니다. 리더인 우리가 우리 조직의 일을 충분히 정확하게 알지 못하기 때문이다. 무엇을 넘길지 결정하려면 먼저 그 일이 어떤 세포로 이루어져 있는지 해부해 보아야 하고, 무엇을 사람이 쥘지 결정하려면 먼저 우리가 '무엇을 인간의 본질적인 일이라 부를 것인가'를 스스로 정의해야 한다.
결국 AI 도입은 기술의 도입이 아니라, 우리 비즈니스의 본질을 다시 이해하는 철학적 작업이다. 좋은 도구를 고르는 것은 언제나 그다음이 아닐까? 화려한 AI 툴을 결제하기 전에, 오늘 밤 리더 스스로와 팀원들 앞에 던져야 할 질문은 결국 단 하나다.
“우리는 무엇을 ‘사람이 해야 하는 일’이라고 정의하는가?”