AI가 동료가 된다는 것
AI가 동료가 된다는 말은 AI가 사람처럼 조직도에 이름을 올린다는 뜻이 아니다. 더 중요한 변화는 AI가 업무 흐름 안에 계속 연결된다는 점이다. 필요할 때 챗봇을 열어 질문하는 수준을 넘어, AI가 회의 전 자료를 정리하고, 회의 중 쟁점을 기록하고, 회의 후 후속 조치를 만들며, 관련 시스템에 결과를 남기는 방식이다.
예를 들어 영업팀의 하루를 보자. 과거에는 담당자가 CRM을 열고 고객 이력을 찾고, 제안서 초안을 만들고, 회의 후 이메일을 쓰고, 다음 액션을 기록했다. AI와 함께 일하는 구조에서는 AI가 미팅 전 고객 상황을 요약하고, 유사 고객 사례를 찾아주고, 예상 질문을 제안한다. 미팅 후에는 논의 내용을 정리하고, 후속 메일 초안을 만들고, CRM 업데이트 항목을 추천한다. 사람은 고객의 실제 의도, 관계의 맥락, 가격 협상 가능성, 리스크를 판단한다.
고객지원도 같다. AI는 고객 문의를 분류하고, 과거 상담 이력과 정책 문서를 찾아 답변 초안을 만든다. 복잡한 불만, 법적 위험, 환불 예외, 감정적 대응은 상담원이 맡는다. AI는 빠르게 찾고 정리하고 제안한다. 사람은 이해하고 판단하고 책임진다.
이것이 인간-AI 협업의 핵심이다. AI는 업무 바깥에 있는 검색 도구가 아니라 업무 안에서 함께 움직이는 실행 보조자가 된다. Harvard Business School과 Microsoft가 공동으로 추진하는 Frontier Firm AI Initiative도 실제 조직에서 AI가 전략과 운영 안에 어떻게 내재화되는지, 인간-AI 협업과 'agent boss' 모델이 어떻게 새 업무 구조를 만드는지 연구 대상으로 삼고 있다.1
AI 생성 이미지
사라지는 일보다 이동하는 역할을 보라
AI 논의는 자주 "일자리가 사라질 것인가"라는 질문에 갇힌다. 하지만 기업이 실제로 봐야 할 질문은 다르다. "어떤 일은 줄어들고, 어떤 역할은 커지는가"를 봐야 한다.
생성형 AI는 반복적이고 구조화된 업무를 빠르게 처리한다. 문서 요약, 초안 작성, 데이터 정리, 기본 분석, 분류, 검색 같은 일은 AI가 잘한다. 따라서 이런 작업만으로 구성된 직무의 수요는 줄어들 수 있다. 반대로 AI가 만든 결과를 해석하고, 업무 목적에 맞게 수정하고, 고객과 조직의 맥락 안에서 의사결정하는 역할은 더 중요해진다.
Harvard Business School Working Knowledge가 소개한 연구에 따르면 ChatGPT 출시 이후 반복적·구조화된 업무가 많은 직종의 채용 공고는 감소한 반면, 분석·기술·창의 역량이 필요하고 AI로 증강될 수 있는 역할의 수요는 증가했다. 연구는 생성형 AI가 일자리를 단순히 제거하는 것이 아니라, AI로 강화되는 역할에 대한 새로운 수요를 만든다고 설명한다.2
기업 입장에서는 이 변화를 비용 절감의 언어로만 해석하면 안 된다. "AI가 이 업무를 대신할 수 있는가"보다 "AI가 들어오면 이 직무의 핵심 가치는 어디로 이동하는가"를 물어야 한다. 재무 담당자는 숫자를 옮겨 적는 사람이 아니라 이상 징후를 해석하는 사람이 된다. 마케터는 콘텐츠를 많이 쓰는 사람이 아니라 고객 반응을 실험하고 메시지 방향을 판단하는 사람이 된다. 개발자는 코드 줄 수를 늘리는 사람이 아니라 시스템 구조와 품질을 책임지는 사람이 된다.
AI 시대의 직무 변화는 제거보다 재편에 가깝다. 반복 실행의 비중은 낮아지고, 문제 정의, 검토, 조정, 예외 판단, 책임 있는 승인 능력의 비중이 높아진다.
인간의 역할은 실행자에서 설계자와 감독자로 이동한다
AI와 함께 일하는 조직에서 사람의 역할은 크게 네 방향으로 이동한다.
첫째, 사람은 리뷰어가 된다. AI가 만든 보고서, 답변, 분석, 코드, 계약 검토 초안을 그대로 쓰지 않고 확인한다. 사실이 맞는지, 근거가 충분한지, 회사 정책에 맞는지, 고객에게 오해를 주지 않는지 검토한다. 리뷰어의 역할은 단순 교정이 아니다. AI 결과물이 업무 목적에 맞는지 판단하는 품질 책임이다.
둘째, 사람은 업무 디자이너가 된다. AI에게 일을 맡기려면 먼저 업무를 쪼개야 한다. 어떤 입력이 필요하고, 어떤 기준으로 판단해야 하며, 어느 지점에서 사람 승인이 필요한지 설계해야 한다. 좋은 AI 활용은 좋은 업무 설계에서 나온다. 프로세스가 혼란스러우면 AI도 혼란스럽게 작동한다.
셋째, 사람은 감독자가 된다. AI가 처리한 결과를 모두 사람이 다시 수행할 필요는 없다. 대신 위험 신호를 보고, 예외 상황을 판단하고, 자동화가 멈춰야 할 지점을 정해야 한다. 특히 채용, 금융, 의료, 법무, 고객 보상처럼 사람에게 큰 영향을 주는 업무에서는 감독자의 역할이 필수다.
넷째, 사람은 agent boss가 된다. 앞으로는 한 사람이 여러 AI 에이전트를 조율할 수 있다. 영업 담당자는 리드 분석 에이전트, 제안서 작성 에이전트, 고객 리스크 탐지 에이전트를 함께 쓸 수 있다. 운영 관리자는 재고 예측 에이전트, 발주 추천 에이전트, 배송 이슈 탐지 에이전트를 관리할 수 있다. 이때 사람은 에이전트에게 목표를 주고, 우선순위를 정하고, 결과를 비교하고, 최종 결정을 내린다.
agent boss는 AI를 많이 쓰는 사람이 아니다. 여러 AI가 만든 결과를 하나의 업무 성과로 묶어내는 사람이다. 따라서 필요한 역량도 달라진다. 질문을 잘하는 능력, 업무 기준을 명확히 쓰는 능력, 데이터의 한계를 이해하는 능력, 결과를 검증하는 능력, 잘못된 자동화를 멈추는 능력이 중요해진다.
팀 구조는 사람 수가 아니라 역할 조합으로 설계된다
AI와 함께 일하는 팀은 기존 팀과 다르게 설계되어야 한다. 과거의 팀 설계는 "몇 명이 필요한가"에서 출발했다. 앞으로는 "어떤 업무를 사람이 맡고, 어떤 업무를 AI가 맡고, 어디에서 사람이 승인해야 하는가"에서 출발해야 한다.
기본 구조는 단순하다. AI는 제안, 분석, 초안, 검색, 분류, 반복 실행을 맡는다. 사람은 목표 설정, 맥락 판단, 이해관계 조율, 예외 처리, 최종 책임을 맡는다. 이 원칙을 정하지 않으면 두 가지 문제가 생긴다. 하나는 사람이 AI 결과를 무비판적으로 받아들이는 것이다. 다른 하나는 AI가 할 수 있는 일까지 사람이 계속 반복하는 것이다.
팀 운영 방식도 바뀐다. 먼저 책임 소재를 정해야 한다. AI가 만든 답변이 고객에게 전달되었다면 책임은 AI가 아니라 조직과 담당자에게 있다. AI가 분석한 리스크가 틀렸다면 누가 검토했는지, 어떤 기준으로 승인했는지 확인할 수 있어야 한다.
승인 권한도 새로 설계해야 한다. 낮은 위험의 내부 문서 초안은 AI가 만들고 담당자가 수정해도 된다. 고객 안내 문구는 사람 검토가 필요하다. 계약 조건, 채용 판단, 대출 심사, 의료 안내처럼 민감한 업무는 사전 승인과 기록이 필요하다.
로그 기록도 중요하다. 누가 어떤 목적으로 AI를 사용했는지, 어떤 데이터를 입력했는지, 어떤 결과가 나왔는지, 사람이 무엇을 수정했는지 남겨야 한다. 로그는 감시 도구가 아니라 신뢰를 만드는 장치다. 문제가 생겼을 때 원인을 찾고, 좋은 사례를 재사용하고, 품질을 개선하기 위해 필요하다.
성과 평가도 바뀌어야 한다. 개인이 얼마나 많은 일을 혼자 처리했는지가 아니라, AI와 함께 더 좋은 결과를 만들었는지를 봐야 한다. 처리 속도, 품질, 고객 만족도, 오류 감소, 재사용 가능한 프롬프트와 워크플로우 기여도, 리스크 관리 수준이 함께 평가되어야 한다.
프런티어 기업은 AI를 워크플로우 안에 넣는다
프런티어 기업은 AI 도구를 많이 구독한 회사가 아니다. AI를 모든 워크플로우, 의사결정, 고객 경험에 내재화한 회사다. 개인이 각자 AI를 쓰는 수준을 넘어, 조직 전체가 AI와 함께 일하도록 운영 방식을 바꾼 기업이다.
Microsoft는 AI 실험에서 프런티어 전환으로 나아가려면 AI를 모든 업무 흐름, 의사결정, 경험 안에 넣어야 한다고 설명한다. 직원의 일상 도구 안에서 AI가 판단을 보강하고 실행을 빠르게 하며, 고객 접점과 운영 프로세스 전반에 지능을 연결해야 한다는 관점이다.3
프런티어 기업에는 몇 가지 공통점이 있다.
첫째, AI가 전사적으로 배포되어 있다. 일부 혁신팀만 쓰는 것이 아니라 영업, 마케팅, 고객지원, 재무, 인사, 개발, 운영이 각자의 업무 맥락에서 쓴다.
둘째, AI 성숙도가 높다. 단순한 문서 작성이나 요약을 넘어, 사내 데이터와 시스템, 승인 절차, 로그, 품질 평가와 연결되어 있다.
셋째, 에이전트를 활용한다. AI가 단순 답변을 넘어 일정한 목표를 받고, 도구를 사용하고, 업무 단계를 수행한다. 단, 모든 것을 자율화하지는 않는다. 권한과 책임 범위 안에서 움직인다.
넷째, ROI를 인식한다. 사용량이 아니라 업무 시간 절감, 오류 감소, 고객 경험 개선, 전환율 상승, 의사결정 속도 개선 같은 성과로 본다.
다섯째, 현장 실험을 반복한다. 중앙에서 완벽한 계획을 만든 뒤 배포하는 방식이 아니라, 실제 업무에서 작은 실험을 하고 결과를 표준화해 확산한다.
결국 프런티어 기업은 AI를 기술 프로젝트가 아니라 운영모델의 변화로 다룬다. AX가 DX 이후의 변화인 이유도 여기에 있다. AX는 새로운 기술을 적용하는 데 그치지 않고 업무 프로세스, 의사결정 방식, 조직 구조를 함께 재설계하는 전환이다.4
함께 일하기 위한 조건
인간 조직과 AI 시스템이 결합되려면 몇 가지 조건이 필요하다.
첫째, 신뢰 가능한 데이터가 있어야 한다. AI가 읽는 문서가 오래되었거나, 고객 데이터가 부정확하거나, 업무 기준이 부서마다 다르면 AI는 빠르게 틀린 답을 낸다. AI 협업의 품질은 데이터와 지식의 품질에서 시작된다.
둘째, 투명한 사용 기록이 필요하다. AI가 어떤 정보를 바탕으로 어떤 결과를 만들었는지 알 수 있어야 한다. 투명성이 없으면 직원도, 고객도, 경영진도 AI를 신뢰하기 어렵다.
셋째, 직원의 불안에 대응해야 한다. AI 도입을 "인력 절감"으로만 말하면 직원은 방어적으로 움직인다. 반대로 AI를 반복 업무를 줄이고 더 높은 수준의 판단과 고객 가치에 집중하게 만드는 도구로 설명해야 한다. 역할 변화, 교육, 평가 기준을 함께 제시해야 한다.
넷째, AI 리터러시 학습 문화가 필요하다. 한 번의 프롬프트 교육으로는 부족하다. 직원은 AI의 한계, 데이터 보안, 결과 검토, 업무별 활용 방식, 리스크 판단을 계속 배워야 한다. 팀은 실패 사례도 공유해야 한다. AI가 틀린 답을 냈다면 개인의 실수로만 끝내지 말고, 프롬프트, 데이터, 검토 기준, 승인 절차 중 무엇을 고쳐야 하는지 학습해야 한다.
AI와 함께 일하는 조직은 사람을 지우는 조직이 아니다. 사람의 역할을 더 명확히 하는 조직이다. AI는 빠르게 찾고, 만들고, 비교하고, 실행한다. 사람은 왜 해야 하는지 정하고, 무엇이 중요한지 판단하고, 누구에게 어떤 영향을 주는지 책임진다.
AX의 미래는 무인 조직이 아니다. 더 적은 사람이 더 많은 일을 하는 것만도 아니다. 핵심은 사람과 AI가 각자 잘하는 일을 나누고, 그 사이의 책임과 신뢰를 설계하는 것이다. 성공하는 기업은 AI를 도입한 기업이 아니라, AI와 함께 일하도록 조직을 다시 설계한 기업이다.
참고
1Defining the Future of Business with AI
2Enhance or Eliminate? How AI Will Likely Change These Jobs
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.