AX 잘하는 기업들은 이미 이렇게 하고 있습니다

안녕하세요. 퇴근길 AI의 망구입니다. 와, 구독자가 벌써 3,000명이 됐습니다. 아, 이럴 줄 몰랐는데 구독해 주신 분들 감사합니다. 사실은 이 채널을 시작할 때는 제가 현장에서 겪는 것들을 공유하고 싶은 마음으로만 시작을 했는데 제가 오히려 지금 댓글을 통해서 더 배우고 있는 거 같거든요. 지금처럼 많은 분들을 제가 공유드릴 테니 AI로 인한 현장에서 벌어지는 여러 가지 아이디어나 이슈들을 공유해 주시면 저도 함께 고민해 보겠습니다.

아직 구독, 좋아요 안 하신 분들은 구독, 좋아요 부탁드립니다. 자, 오늘은 그럼 무슨 얘기를 할 거냐? AX 잘하는 맛집의 노하우를 설명드리려고 합니다. 제가 요즘 여러 회사들을 만나잖아요. 다릅니다. 어떤 팀은 이미 코덱스 기반으로 하고 있는 팀도 있고 어떤 팀은 아직 챗GPT만 사용하고 있는 팀도 있고 어떤 팀은 AI 툴 자체를 아직도 못 쓰게 하는 팀도 있습니다.

그래서 어떤 그룹사는 왜 잘하고 어떤 곳은 왜 그렇게 어려워할까 그 차이가 뭘까에 대한 고민을 할 텐데 일단 기준은 AX를 적극적으로 하고 있는 팀을 기준으로 설명드리도록 하겠습니다. 첫 번째로 AX를 잘하는 이 맛집 어떤 노하우가 있냐? 리더가 진짜 써봤냐입니다. 이게 진짜 큽니다. 안 되는 곳은요. 리더가 딸깍만 경험하셔 가지고 데모 한번 보고 야, 이거 괜찮다.

너무 좋아. 당장 내일부터 AI로 해 와. 그거 딸깍이면 되던데라고 하는 곳입니다. 근데 진짜 잘하는 곳은 달라요. 리더가 자기 업무에 진짜 사용합니다. 그리고 개인 생활에서도 써요. 어떤 리더분은 좀 재밌게도 주식 매매 관련된 프로그램을 바이브 코딩으로 만들어서 쓰고 계세요. 회사일이 아니죠. 근데 개인적으로 관심이 있어서 시작했다고 합니다. 근데 이런 분들이 경험치가 쌓여서 구성원들이 AI를 활용할 때 어떤 식으로 AI를 대하고 활용할 수 있는지에 대한 감이 상당히 높아집니다.

일단 기본적으로 바이브 코딩이 뭔지도 알고 AI가 할 수 있는 것과 없는 것을 구별하기도 너무 잘하십니다. AI한테 업무를 어디까지 위임할 수 있는 감도 있으니까 대화가 되는 거예요. 반대로 안 써본 리더는 둘 중에 하나로 갈립니다. 그거 AI로 딸깍이 안 되나? 아, 아직 AI는 못 믿어요. 중간은 없습니다. 그리고 조금 제가 개인적으로 놀랄 만한 경험이 있었는데 구독자 중에 한 분이 한 회사의 리더 분이셨어요.

이제 임원급 리더분이셨고 커피 챗을 요청해 주셔서 좀 만났는데 진짜 대단하신 게 직접 써 보는 걸 넘어서 회사 안에서의 AI 워크스페이스를 어떤 식으로 만들지를 고민하고 있었습니다. 그리고 나아가서 저희가 강조했던 AI와 인간이 같이 학습할 수 있는 조직을 어떻게 만들지를 고민하고 계셨어요.

근데 얘기를 나누는데 더 놀란 거는 MCP 스킬, MD 이런 모든 것들 다 알고 계셨어요. 진짜 깜짝 놀랐거든요. 이 정도 내려오면은 한두 번 써본 정도가 아니라 숙달이 되어 있다는 거라서 개인적 동기든 조직 관점이든 리더가 진짜 열정으로 써본 조직은 확실히 다르게 변한다라는 걸 느낄 수 있었습니다. 맛집의 비결 두 번째인데요.

여기서부터는 첫 번째 결과에 가까운데 리더가 써 봤으니까 AI 어디까지 되는지 잘 알잖아요. 그래서 이게 가능해져요. 어떤 팀 임원 분이 이런 결정을 해 주셨는데 재밌어요. 80점짜리를 가져와도 된다. 대신 빨리 가져와서 빨리 논의하자. 이 말을 들으셨을 때 어떠세요? 저는 얘기 듣고 좀 놀랬습니다. 근데 이 케이스가 우리나라의 대기업 케이스예요.

원래는 우리가 보고서라고 하면 100점짜리 정말 정갈하고 오탈자 검수도 꼼꼼히 해야 되는 이런 것들을 생각을 했었는데 근데 이 조직은 이미 보편적으로 AI 에이전트를 쓸 수 있는 조직이다 보니까 임원분이 80점까지 빨리 만들라고 한 거예요. 이 결과가 어떻게 됐냐면 내부 커뮤니케이션 속도가 확 빨라졌습니다. 대기업의 고질병이 있잖아요.

의사 결정의 병목 그게 사라진 거예요. 여기서 진짜 중요한 게 뭐냐면 AI가 만든 결과물을 품질을 비판할 게 아니라 AI가 할 수 있는 범위를 인정하고 그다음에 본질을 물었다라는 게 핵심이라고 보시면 됩니다. 우리는 완벽한 문장을 가져오는 게 중요한 걸까요? 보고서 작성할 때 아니면 의사결정을 잘 전달하고 빠르게 소통해서 일이 잘되게끔 만드는 게 중요할까요?

사실 이 정답은 우리가 회사를 다니면서 다 알고 있었습니다. 다만 지금까지는 그 병목을 없애는 게 누가 나서서 못 했던 건데 AI가 지금 해 주고 있는 거예요. 그리고 솔직히 여기서 제일 중요한 거는 리더분의 용기입니다. 이 80점을 용인한다는 것은 그 결과에 대한 책임을 리더가 질 수 있다는 거거든요. 근데 그 확신을 늘리려면 첫 번째처럼 자기가 써보고 AI가 어디까지 되는지, 어느 정도 리스크가 있는지를 알고 있으면 사실 이런 결정은 쉽게 됩니다.

자, 마지막은요. 어, 이것도 앞서 있는 두 번째 결과에 맞는데 본질을 묻기 시작하면은 결국 여기까지 옵니다. 자, 우리가 DX 때 경험이 있죠? DX는 도구를 도입해서 전환하는 거잖아요. AX는 좀 다릅니다. AI 도구를 가져와서 쓰는 것으로 멈춰 버리면 정말 AI를 잘 쓰는 조직이 될 수 없고요.

AI를 중심으로 이를 다시 설계하는 이 관점을 가지고 접근하는 게 중요합니다. 자, 이게 단계가 있는데 세 단계로 한번 나눠 드릴게요. 첫 번째는 우리의 워크플로를 먼저 정의를 해 보는 거예요. 그래서 우리가 실제로 어떻게 일하고 있는지 그걸 먼저 그려 보려고 하는 조직이 있어요. 두 번째는 AI를 보조자로 써 봐요. 그래서 사람 중심으로 짜진 이 워크플로우를 AI를 얹어서 생산성을 높여 보는 겁니다.

여기까지는 프론티어로 하고 있는 기업들은 다 하고 있는 거 같아요. 한 단계 더 나간 기업은 어떻게 하고 있냐면 마지막으로 AI가 중심이 되게 워크플로우를 다시 짜보는 겁니다. AI가 더 일을 잘할 수 있도록 일의 순서 자체를 바꾸는 거예요. 인간을 중심으로 하기보단 AI가 할 수 있는 걸 명확하게 정의하고 바꾸는 겁니다. 갈리는 지점이 여기입니다. 이 3단계 방향까지 고민하고 공감하느냐 아니냐가 AX 맛집이냐 아니냐 바뀔 거예요.

예를 들어 주방이라고 생각을 해 보면 주방에서 우리가 좋은 칼, 좋은 오븐을 쓰는 거는 2단계까지예요. AI를 보조자로 기존의 워크플로에 대입하는 거죠. 근데 이제 3단계는 그 칼에 맞게 동선을 짜는 겁니다. 최신 이런 장비들이 들어왔는데 이 장비에 맞게끔 우리가 이 주방을 재설계하는 거라고 보시면 돼요. 단호하게 좀 말씀드리면 인간의 워크플로우를 그대로 두고 AI를 넣으면 DX랑 다를 게 없습니다.

지난 편에서 개인이 자기를 쪼개는 걸 얘기를 했는데요. 이건 이제 조직의 버전이라고 보시면 돼요. 영상이 궁금하시면 위를 클릭해 보세요. 정리할게요. 솔직히 말씀드리면 그룹사마다 AX 전환 수준이 다 다릅니다. 같은 대기업이라더라도 완전히 달라요. 근데 제가 본 거는 좀 하나가 있습니다.

좀 더 앞서 나간 곳은 더 과감한 용기와 결정을 하고 있어요. 그리고 여기가 핵심인데 그 용기는 AI를 향한 게 아니라 본질을 향한 겁니다. AI에 집중하는 것이 아니라 우리가 진짜 뭘 해야 될지 집중하는 거예요. 문제 정의부터 시작하는 거죠. 그 결과로 AI 쓰는 거고요. 참 어려운 얘기죠. 저도 매번 어렵습니다. 근데 중요한 얘기라서 또 한번 해 보고 싶었었고요. 어 여러분들도 아마 어려움들이 있을 것 같습니다.

자 오늘도 재밌는 얘기를 해봤는데요. 여러분의 조직에 AX 잘하는 노하우집이 되는 방법 또는 AX 어렵게 만드는 요인 무엇일까요? 댓글로 남겨 주세요. 제가 고정 댓글에 몇 개 질문을 넣어 줄 테니까 그 질문에 맞춰서 공유해 주시면 저도 배울 거고 다른 분들도 배울 거 같아요. 지금은 AI로 하는 것들이 모두가 시행착오입니다.

각자의 상황에서 각자의 성공 방정식을 찾고 있기 때문에 우리 이 채널에서만큼은 서로가 노하우를 공유하고 실패 성공의 방정식을 나누자고요. 오늘은 퇴근길 AI 답게 퇴근길에서 저희 이야기했습니다. 오늘 날짜는 2026년 7월 29일입니다. 오늘의 의견이 언제간 바뀔 수 있겠지만 지금 현재 스테이터스에서는 제 생각은 이렇습니다. 여러분들 조심히 퇴근하시고요.

다음 시간에 또 뵙겠습니다. 감사합니다. 조심히 퇴근하십시오.