개인이 AI를 잘 쓰는 것은 조직 역량이 아니다 — 빌더에서 오케스트레이터로 가는 조직 설계

개인이 AI를 잘 쓰는 것과 조직이 AI를 잘 쓰는 것은 같은 일이 아니다. 원 자료는 그 간격을 한 문장으로 적었다 — 대부분의 사람은 1단계, 즉 개인이 AI를 잘 쓰는 데에 머문다. 그래서 2단계와 3단계를 설계하는 것이 리더의 과제가 된다.

이 글이 자료로 쓰는 것은 2026-06-15 기준으로 작성된 AX 조직 운영 문서 세 벌이다 — 운영 철학, 조직 구성·역할 설계, 그리고 사례집·벤치마크. 세 문서가 한 세트로 다루는 것은 도구 목록이 아니라 같은 인원으로 산출을 늘리는 조직을 어떤 정의·역할·거버넌스로 굴리는가이고, 이 글은 그중 철학·직무·조직 구조·거버넌스·변화관리·기업 사례를 옮긴다.

「오케스트레이터」라는 말은 이 블로그에 이미 여러 번 나왔지만 층위가 갈린다. 부서별 에이전트 설계는 그것을 여러 에이전트의 실행 순서·병렬 여부를 결정하는 상위 조정자, 즉 소프트웨어 층위로 정의했고, 기업 AI 도입 행동은 프로덕트 오너에 매핑되는 사람 역할로 썼다. 이 글이 쓰는 것은 뒤쪽 — 사람의 직무 층위다.

이 글에서 가장 오래 남는 관찰을 먼저 적어 둔다. AI 도입은 모델에서 실패하지 않는다. 파일럿의 95%가 ROI에 못 미친 원인을 조사한 쪽은 모델이 아니라 조직·통합을 지목했고, 투자의 72%가 가치를 파괴한다고 본 쪽은 도구 난립과 통제 밖 사용을 이유로 들었다. 그런데 성과를 가르는 최강 예측변수인 KPI 추적은 20% 미만만 한다. 이 세 숫자가 이 글의 뒤쪽 절에 있고, 그 앞의 모든 절은 그 세 숫자를 피하기 위한 설계다.

용어 정리

이 글이 다루는 어휘 스물셋이다. 원 자료가 세 문서에 흩어 놓은 것을 한자리에 모았다.

한 문장 정의 — 인력 대체가 아니라 생산 함수의 교체

AX 조직 = "사람의 판단·책임"은 남기고 "반복 생산·탐색·검증"은 AI 에이전트에 위임하여, 같은 인원으로 산출의 규모·속도·품질을 동시에 올리는 조직.

핵심은 인력 대체가 아니라 생산 함수의 교체다. 묻는 것이 "몇 명을 줄였나"에서 "한 사람이 다룰 수 있는 일의 폭과 깊이가 얼마나 커졌나"로 바뀐다.

정의를 그림으로 옮기면 위임되는 것과 남는 것이 갈린다.

운영 원칙의 첫 항목도, 거버넌스의 네 번째 가드레일도, 기업 사례의 U턴 반례가 도달하는 결론도 전부 이 한 화살표 — 사람이 승인하는 지점이 파이프라인 안에 남아 있는가 — 로 되돌아온다. 이 연결은 이 글의 정리다.

개인기 · 팀 시스템 · 조직 역량 — 3단 모델

개인이 AI를 잘 쓰는 상태에서 조직이 AI를 잘 쓰는 상태까지는 두 번의 이행이 있다. 원 자료는 그것을 세 단계로 나눈다.

세 번째 열이 곧 두 번의 이행이다.

두 화살표의 성격이 다르다. L1에서 L2로 가는 일은 외부화다 — 한 사람의 머릿속에 있던 판단 기준을 규칙·게이트·템플릿·공유 컨텍스트로 꺼내 놓아 다른 사람이 같은 결과를 내게 만드는 것이다. L2에서 L3으로 가는 일은 고착화다 — 그 규칙이 자동화·지식관리·문화로 굳어져 담당자가 바뀌어도 남게 하는 것이다.

팀 공통 인프라와 성숙도 모델은 팀 공유 인프라 넷과 성숙도에 있다.

운영 4원칙 — 하위 규칙의 헌법

원 자료는 아래 넷을 모든 하위 규칙의 상위 프레임으로 둔다. 뒤에 나오는 거버넌스 표도, 변화관리 절차도 이 넷 중 하나로 환원된다.

원 자료는 네 원칙의 실무 함의를 각각 다른 문서로 넘긴다. 네 도착지가 모두 이 블로그 안이다 — 이 글이 넷째를, 팀 공유 인프라 넷과 성숙도 편이 둘째와 셋째를, 요구사항에서 운영까지 여섯 게이트 편이 첫째를 받는다.

리더십 철학 — 이 글이 옮기는 셋

• 핸즈온 리더 — 리딩과 실무를 분리하지 않는다. 리더가 직접 하네스를 짜 보고, 그 패턴을 팀 규칙으로 내린다.
• "사람이 이해하는 코드·시스템" — 컴퓨터가 이해하는 코드는 누구나 짤 수 있다. AI 시대에 더 중요해진 것은 사람이 이해하고 유지·검증할 수 있는 산출물이다.
• 꾸준함의 복리 — 매일의 작은 개선(프롬프트 하나, 자동화 하나)이 조직 역량의 복리가 된다.

첫 항목이 앞 절의 L1→L2 이행과 같은 말이라는 점은 짚어 둘 값이 있다. 직접 짜 본 패턴을 팀 규칙으로 내리는 일이 곧 외부화다. 리더가 실무를 놓으면 외부화할 원본이 없고, 규칙으로 내리지 않으면 외부화가 일어나지 않는다. 이 대조는 이 글의 정리다.

역할 재정의 — 빌더에서 오케스트레이터로

모든 직군이 직접 만드는 사람에서 AI를 감독·검증·책임지는 사람으로 이동한다. AI가 대체하지 못하는 불변 역량은 맥락 판단(taste/judgment) 이고, 프레임은 앞에서 본 그대로다 — "AI가 후보를 제시(surface), 사람이 판단(judge)".

핵심 명제는 두 가지다. 한 사람이 과거 소규모 팀의 산출을 내는 "team of one" 이 가능해지고, 개발자와 PM의 비율이 역전된다. (O'Reilly, CIO)

원 자료는 이 재정의를 개요와 상세 표로 나눠 두 문서에 두었다. 아래가 그 상세다.

다섯 행의 TO-BE 열을 세로로 읽으면 네 직무가 "AI에게 무엇을 어떻게 시킬지 정하는 일"로 옮겨 가고, 한 직무(QA)만 "AI가 낸 것을 어떻게 잴지 정하는 일"로 옮겨 간다. 이 배분은 이 글의 정리다.

불변 역량이 맥락 판단이라는 명제와, 검증 후 책임은 사람에게 남는다는 원칙은 원 자료가 세 출처로 받친다. (Productboard, Atlassian, IIL)

조직 구조 — 하이브리드

직무가 바뀌면 그 직무를 담는 그릇도 바뀐다. 원 자료는 조직 구조를 두 번, 다른 축으로 적는다. 앞의 표는 열머리가 「레이어」이고, 뒤의 표는 「패턴」이다.

위치로 본 세 레이어

기능으로 본 세 패턴

두 표의 세 항목은 이름이 거의 그대로 겹친다 — 뒤의 두 행은 「도메인 스쿼드」·「AI 챔피언/길드」로 같은 말을 쓰고, 첫 행만 「중앙 이네이블먼트」와 「AI 플랫폼·이네이블먼트팀」으로 갈린다. 다른 것은 이름이 아니라 각 표가 답하는 질문이다. 앞 표는 "무엇을 어디에 두는가"를, 뒤 표는 "언제 그것이 맞는가"를 답한다. 이 대조는 이 글의 정리다.

원칙은 한 줄로 요약된다. 플랫폼·가드레일·KPI는 중앙, 워크플로 적용·실험은 분산. (everworker, Scrum.org)

전망으로는 Gartner가 2030년까지 대규모 엔지니어링팀의 80%가 더 작은 AI 증강 단위로 재편된다고 본다. (8allocate)

거버넌스·가드레일 — NIST AI RMF를 체크리스트로

원 자료가 거버넌스의 뼈대로 든 것은 NIST AI RMF의 네 기능 — Govern · Map · Measure · Manage 다. NIST의 2024년 7월 GenAI Profile은 환각·프라이버시·정보보안·IP·human-AI configuration을 위험으로 분류했고, 원 자료는 그 분류를 운영 체크리스트 다섯 줄로 옮긴다.

표의 근거 열에서 ③과 ⑤는 원 자료가 기관명만 적고 링크를 달지 않은 자리다. 이 글은 그 두 자리에 링크를 새로 찾아 붙이지 않는다 — 원 자료가 하지 않은 확인을 이 글이 한 것처럼 보이게 되기 때문이다. 원 자료가 근거로 든 기관 그대로 옮긴다.

다섯 줄을 앞의 운영 4원칙에 대 보면 넷째 원칙(가드레일 우선) 하나가 다섯 줄로 펼쳐진 것이고, 그중 ④가 첫째 원칙(사람은 게이트, AI는 드래프트)을 문서화 의무로 바꾼 자리다. 이 대조는 이 글의 정리다.

리더십 운영 원칙 — 도구를 사기 전에 시스템을 본다

대전제: "AI는 증폭기다 — 좋은 조직은 더 좋게, 망가진 조직은 더 빨리 망가뜨린다." (2025 DORA)

여기서 나오는 결론은 리더의 일이 도구 구매가 아니라 AI가 증폭할 건강한 시스템을 먼저 만드는 것이라는 쪽이다. 원 자료는 다섯 원칙을 근거·수치로 받친다.

첫 행과 넷째 행이 같은 함정의 앞뒤다. 도입 직후에는 throughput이 오르지 않거나 오히려 내려가는 것이 정상인데, 그 구간을 실패로 읽으면 롤백하고, 그 구간을 무시하고 throughput만 보면 stability 하락을 못 본다. 두 행을 함께 읽어야 한 쪽으로 기울지 않는다는 것이 이 글의 정리다.

흔한 함정

• 신뢰 격차 — 도입은 84%로 오르는데 정확성에 대한 신뢰는 40%에서 29%로 내려간다. (SO 2025)
• 코드 품질 저하 — copy/paste가 8.3%에서 12.3%로, 2주 안에 폐기되는 코드가 3.1%에서 5.7%로 약 두 배가 된다. (GitClear)
• 주니어 디스킬링 — 시니어는 가속되지만 주니어는 취약한 솔루션을 그대로 받아들인다. 방어책은 페어링과 리뷰이고, 시니어는 AI 멘토·아키텍트 쪽으로 역할을 옮긴다.

앞의 두 항목도 원 자료가 링크 없이 기관명만 든 자리다. 다만 첫 항목이 인용한 조사의 한국어 정리는 뒤의 기업 사례 절에 링크와 함께 실린다.

변화관리 — 롤아웃, 측정, 그리고 중단

측정 없는 확산을 막는 장치가 변화관리 절차다. 원 자료의 표는 세 단계이고, 마지막 열이 중단 기준이라는 점이 이 표의 요점이다.

중단 기준이 채택률이 아니라 부작용 지표로 적혀 있다는 점이 이 표의 핵심이다. 채택률만 보면 왼쪽 분기와 오른쪽 분기가 구분되지 않는다 — 둘 다 채택은 올라 있기 때문이다. 두 분기를 가르는 것은 리뷰시간·취약점·롤백·재작업 네 지표이고, 그래서 baseline을 롤아웃 전에 재라는 첫 줄이 마지막 줄의 전제가 된다. 이 연결은 이 글의 정리다.

실제 기업 사례 열한 개

원 자료가 사례를 다루는 원칙을 먼저 옮긴다 — "출처 + 발표 시점 + 단서(반례 포함)"를 함께 적는다. 과장보다 균형 감각이 신뢰를 만든다. 아래 표가 시점을 남기는 이유가 그것이다.

글로벌 일곱

⚠️ 인용할 때는 반례를 함께 — Klarna와 Duolingo는 "AI 일변도로 갔다가 일부를 철회"한 U턴 사례다. 여기서 나오는 결론은 "AI로 인력을 갈아치웠다"가 아니라 "인력 대체가 아니라 역할 재배치이고, 품질과 휴먼인더루프의 균형이 핵심" 이라는 쪽이다.

일곱 사례의 시점을 세로로 읽으면 선언과 정정의 간격이 보인다. Klarna는 2024-02 출시에서 2025-05 재채용 선언까지 약 15개월, Duolingo는 2025-04 선언에서 2026년 평가 규칙 폐기까지 약 1년이다. Klarna는 프리미엄 지원직을 다시 뽑았고, Duolingo는 AI 사용을 인사 평가에 묶는 규칙을 폐기했다. 이 대조는 이 글의 정리다.

한국 넷

네 사례 중 셋이 사람 쪽에 장치를 두었다. 토스는 전파 역할을 맡는 열 명을, CJ올리브영은 도구 비교 검증 절차와 개발자당 예산을, 카카오는 "쓸 줄 아는 개발자" 양성 목표를 든다. 이 배정은 이 글의 정리다. 앞의 조직 구조 절에서 본 AI 챔피언·길드 패턴에 토스 에반젤리스트를 실제 사례로 붙인 것은 원 자료다.

한국 현실의 단서 — 같은 Stack Overflow 2025 조사에서 개발자 84%가 AI 도구를 쓰거나 쓸 예정이지만, 66%가 "거의 맞는데 결정적으로 빗나간" 결과물과 씨름하고, 45%는 AI 코드를 디버깅하는 편이 직접 짜는 것보다 더 오래 걸린다고 답했다. (CIO Korea, gridge)

원 자료가 두 묶음을 함께 두라고 한 이유가 여기 있다. 글로벌 빅테크 수치(코드의 30~80%를 AI가 작성)는 "가능성의 상한선"으로, 한국 현실 수치(84% 사용 vs 45%는 디버깅이 더 느림)는 "균형 감각"으로 함께 제시하라는 것이다. 한쪽만 들면 과장이 되고, 다른 쪽만 들면 도입할 이유가 사라진다.

도입은 어디에서 실패하는가 — 95%, 72%, 20%

앞의 모든 절이 피하려는 것이 이 절의 숫자들이다.

• MIT "The GenAI Divide"(2025) — 기업 생성형 AI 파일럿의 95%가 ROI에 미달했다. 원인은 모델이 아니라 조직·통합 문제다. ROI는 백오피스 자동화에 있는데 예산은 세일즈·마케팅에 과배분된다. (Computing, Beam)
• McKinsey State of AI 2025 — 88%가 AI를 쓰지만 전략 성숙은 1%, 투자의 72%가 가치를 파괴(tool sprawl·Shadow AI)하고, AI 고성과자는 6% 다. (gend)
• KPI 추적 — 추적 자체가 가장 강한 예측변수인데 20% 미만만 추적한다. (CX Today)

원 자료가 권하는 지표는 정량과 정성을 함께 두는 쪽이다 — AI 작성 비율·인당 병합 코드량·완료 속도 같은 정량에, 리드타임 변화·협업 개선·체감 설문 같은 정성을 붙인다. 한국 현업도 커밋 수보다 리드타임을 신뢰한다. (CIO Korea)

이 절의 숫자를 나란히 두면 간격이 드러난다. 88%가 쓰고, 20% 미만이 추적하고, 95%가 ROI에 못 미친다. 도입률과 성과 사이에 비어 있는 칸이 측정이라는 것은 두 조사가 다른 방향에서 같은 자리를 가리킨 결과이고, 이 대조는 이 글의 정리다. 앞 절의 "측정하는 조직이 3~4배 가치"와 "측정 가능한 것만 확산"이 같은 자리를 다른 말로 적은 것이다.

성숙도 모델 0→1→N과 그 축·출처, 단계별 도입 순서, KPI 4분류는 팀 공유 인프라 넷과 성숙도에 있다. 이 글은 그 모델이 피하려는 실패 지점의 수치만 싣는다.

조직에 옮기면 무엇이 되는가

원 자료의 주장 열다섯 개를 조직 함의와 실행 시점으로 배치한다. 세 번째 열은 원 자료가 각 절에서 지시한 실행을 시점에 배정한 것이고, 배정은 이 글의 정리다. 시점의 근거는 변화관리 절의 "파일럿 60–90일"과 "램프업 약 11주"다.

세 번째 열을 세로로 읽으면 30일 아홉, 60일 넷, 90일 둘이다. 30일 항목 아홉 개가 전부 재거나 문서로 못 박는 일이고, 도구를 새로 넣는 항목은 하나도 없다. 기준선 없이 시작한 롤아웃은 확대할 근거도 중단할 근거도 만들지 못한다는 것이 이 배치의 이유다.

이 글이 다루지 않은 것

원 자료 세 문서에서 이 글이 옮긴 것은 정의·3단 모델·운영 원칙·리더십 철학·직무 재정의·조직 구조·거버넌스·리더십 운영 원칙·변화관리·기업 사례·실패 수치 열한 겹이다. 그 바깥은 다른 글에 있다.

원 자료 세 문서를 관통하는 한 문장을 마지막에 남긴다. AX 조직의 핵심은 도구 도입이 아니라, 개인의 AI 역량을 팀이 반복 재현하는 시스템으로 바꾸는 것이다. 이 글이 옮긴 열한 겹이 그 한 문장을 나눠 적은 것이고, 어느 겹이 빠져도 개인기는 개인기로 남는다.