AI를 도입하면 일이 빨라진다. 문서를 쓰는 시간, 자료를 찾는 시간, 보고서를 정리하는 시간, 고객 응대를 처리하는 시간까지 줄어든다. 이제 이건 전망이 아니라 현실에 가깝다.
그런데 AX를 이야기할 때 많은 조직이 가장 먼저 던지는 질문은 늘 비슷하다.
“업무 시간이 80% 줄어들면, 인력도 80% 줄여야 하는 것 아닌가?”
겉으로 보면 합리적으로 들린다. 10명이 하던 일을 2명이 한다면, 남은 8명은 비효율처럼 보인다. 하지만 바로 이 지점에서 대부분의 회사가 AX를 좁게 이해한다.
AI가 줄이는 건 사람의 가치가 아니라, 사람을 묶어두던 반복 업무다. 그러면 진짜 질문은 “누굴 내보낼까?”가 아니라 “남겨진 시간을 무엇으로 채울까?”가 되어야 한다.
최근 산업 특화 AI 에이전트를 도입한 조직들을 보면, AI 에이전트는 단순한 자동화 도구가 아니라 사람이 가진 지식을 증폭시키는 협업자에 가깝다. 이 관점이야말로 AI 도입 이후 조직이 사람의 가치를 재구성하는 데 필요한 출발점이라고 본다.
효율화의 함정: 배출인가, 배치인가
AI를 도입한 조직이 흔히 빠지는 함정이 있다. 효율이 생기면 그 효율을 곧바로 감원으로 연결하는 것이다.
이 사고의 문제는, 현재 존재하는 업무 총량이 고정되어 있다고 믿는 데 있다. 하지만 실제로는 그렇지 않다. 반복 업무가 줄어들면 조직은 그만큼 새로운 시장을 탐색할 수 있고, 더 많은 고객을 만나고, 더 많은 실험을 할 수 있다. 즉 AI는 사람을 덜 쓰게 만드는 기술이 아니라, 같은 사람으로 더 큰 파이를 만들게 하는 기술에 가깝다.
그런데도 회사가 “남는 인력 = 불필요한 인력”으로 판단하는 순간 어떤 일이 벌어질까.
| 관점 | 잘못된 대응 | 실제 결과 |
|---|---|---|
| 비용 | 인력 감축 | 단기 비용 절감처럼 보이지만 내부 공포 확산 |
| 지식 | 숙련자 배출 | 문서화되지 않은 암묵지까지 함께 유출 |
| 문화 | 효율 중심 메시지 | 구성원이 AI를 혁신이 아니라 해고 도구로 인식 |
| 실행 | 자동화 확대 | 현업의 저항으로 인해 AI 정착 실패 |
결국 단순 인력 배출은 조직 전체에 “AI를 잘 도입할수록 내가 위험해진다”는 신호를 준다. 그 순간 현업은 협조를 멈추고, 지식 공유는 줄어들고, AI 도입은 기술 문제가 아니라 정치 문제가 된다.
그래서 AX에서 중요한 건 인력을 배출하는 것이 아니라 재배치하는 것이다. 사람을 줄이는 대신, 사람이 더 높은 가치의 역할로 이동할 수 있게 설계해야 한다.
AI 에이전트는 대체재가 아니라 동료다
과거의 AI 담론은 대체로 “인간 vs AI”였다. 누가 더 잘하느냐, 누가 누구를 대체하느냐의 프레임이었다. 하지만 지금의 AI 에이전트는 다르다. 사람의 의도를 이해하고, 작업을 대신 수행하고, 연결된 맥락 안에서 실행을 이어간다. 즉 경쟁자가 아니라 협업자다.
이 관점을 조직에 적용하면 굉장히 중요한 전환이 생긴다.
- 기존 질문: “AI가 사람 일을 가져가면 남는 사람은 어떻게 하지?”
- 바뀐 질문: “AI가 반복 업무를 가져가면 사람은 더 높은 수준에서 무엇을 맡아야 하지?”
첫 번째 질문은 사람을 비용으로 본다. 두 번째 질문은 사람을 가치 창출의 원천으로 본다. 결국 AX의 방향은 여기서 갈린다.
AX의 핵심은 기술 도입이 아니라 암묵지의 체계화다
많은 회사가 AI 도입을 솔루션 구매 문제처럼 생각한다. 좋은 모델을 붙이고, 에이전트를 연결하고, 자동화 플로우를 만들면 성과가 날 거라고 기대한다. 하지만 실제 병목은 기술 바깥에 있다.
조직의 가장 중요한 노하우는 대개 시스템 안에 없다. 실무자 머릿속에 있고, 팀의 관행 안에 있고, 몇 년간 부딪히며 생긴 감각 속에 숨어 있다. 즉 기업의 핵심 경쟁력은 대부분 암묵지의 형태로 존재한다.
문제는 AI가 이 암묵지를 저절로 이해하지 못한다는 점이다. 단어는 이해해도 맥락은 놓치고, 정보는 연결해도 관계는 모른다. 여기서 온톨로지(Ontology)가 중요해진다. 온톨로지는 단순 데이터 정리가 아니라, 지식 간의 관계를 구조화해서 AI가 맥락을 이해하고 제대로 일하게 만드는 작업이다.
- 고객 문의를 처리할 때 어떤 정보가 핵심인지
- 영업 과정에서 어떤 판단 순서가 중요한지
- 물류, 배송, 정산 과정에서 어떤 예외 규칙이 존재하는지
- 현업 담당자가 말로는 잘 설명 못 하지만 늘 지키는 판단 기준이 무엇인지
이런 것들이 정리되지 않으면 AI는 말은 그럴듯하게 해도 현장에서는 자꾸 어긋난다. 반대로 이 지식이 구조화되면, AI는 단순 자동화 툴이 아니라 조직의 업무 체계를 실제로 작동시키는 실행 엔진이 된다.
남는 사람은 어떤 역할로 진화할 것인가
반복 업무를 에이전트가 맡기 시작하면, 기존 실무자는 무엇을 해야 할까. 전통적인 회사는 여기서 감원을 떠올린다. 하지만 남는 인력은 불필요한 인력이 아니라, 오히려 가장 중요한 전환 인력이 된다. 왜냐하면 그들이야말로 조직의 암묵지를 가장 많이 가지고 있기 때문이다.
| 기존 역할 | AI 도입 후 단순 대응 | 더 나은 재배치 방향 |
|---|---|---|
| 반복 실무 담당자 | 감원 대상 | 지식 구조화 담당 |
| 숙련 운영 인력 | 자동화 대체 | 온톨로지 설계 참여 |
| 현업 관리자 | 보고 축소 | AI 검수 및 운영 기준 책임 |
| 기획/전략 인력 | 툴 사용 확대 | Spec 설계 및 프로세스 재정의 |
즉 남는 사람은 쉬는 사람이 아니라, AI가 일할 수 있도록 지식을 정제하고 연결하는 사람이 되어야 한다. AI 시대의 조직은 사람을 적게 쓰는 조직이 아니라, 사람을 더 높은 해상도로 쓰는 조직이 된다.
3P로 다시 보는 AX 이후의 조직 문제
People: 정체성 혼란
실무자가 불안해하는 이유는 일이 줄어서만이 아니다. 그동안 자신의 가치라고 믿었던 영역이 AI에게 넘어가고 있기 때문이다. “그럼 나는 여기서 뭘 하는 사람이지?” 이 질문에 조직이 답하지 못하면 사람은 버티기 모드로 들어간다.
그래서 AX는 기술 프로젝트이기 전에 정체성 재설계 프로젝트여야 한다. “AI가 너를 대체한다”가 아니라 “AI가 반복 업무를 가져가면, 너는 더 중요한 판단과 구조 설계를 맡게 된다”여야 한다.
Process: 에이전트 관리 부채
에이전트가 일하면 속도는 빨라진다. 하지만 속도만 빨라지고 관리 체계가 없으면 품질 사고가 더 크게 난다. 누가 스펙을 정의하는가, 누가 결과물을 검수하는가, 누가 실패 사례를 다시 지식으로 환원하는가. 이게 없으면 조직은 에이전트 관리 부채라는 새로운 부채를 쌓는다.
Profit: KPI의 전환
| 기존 KPI | 한계 | AX 이후 더 중요한 KPI |
|---|---|---|
| 처리 건수 | AI가 대부분 수행 가능 | 자동화 가능한 업무 정의 속도 |
| 투입 시간 | 클릭 몇 번으로 결과 생성 | 지식 구조화 및 명시지 전환 속도 |
| 인력 절감률 | 단기 비용만 반영 | AI 활용을 통한 신규 매출 기여 |
| 보고서 수 | 문서량은 의미 없음 | 의사결정 품질과 실행 전환율 |
핵심 메시지는 하나다. 효율화 지표를 ‘인원수 감축’에서 ‘지식 자산화의 속도’로 바꿔야 한다. 어떤 조직이 더 빨리 암묵지를 시스템 자산으로 바꾸고, 그걸 에이전트에 연결하느냐에 따라 격차가 벌어진다.
새로운 역할은 이미 보이기 시작했다
에이전트 오케스트레이터
여러 AI 에이전트와 사람의 흐름을 조율하는 역할이다. 어디를 자동화할지, 어디서 사람 검수를 넣을지, 어떤 순서로 워크플로우를 엮을지를 설계한다. 실무자는 일을 처리하는 사람이 아니라, 일의 흐름 자체를 설계하는 사람으로 이동해야 한다.
인사이트 가디언
AI는 답을 많이 만든다. 하지만 그중 무엇이 중요한지, 어떤 방향이 비즈니스와 맞는지는 여전히 사람이 골라야 한다. 데이터 분석가라기보다, 전략적 판단의 최종 책임자에 가까운 역할이다.
스펙 엔지니어
AI는 결국 스펙대로 일한다. 애매한 요구사항, 팀마다 다른 기준, 말로만 전해지는 노하우를 구조화해서 AI가 일할 수 있는 규칙과 문맥으로 바꾸는 역할이다. 사실상 온톨로지 설계자, 지식 번역자, 비즈니스-기술 인터페이스를 한 몸에 맡는 포지션이다.
중요한 건 이 역할들이 하늘에서 뚝 떨어지는 새 직군이 아니라는 점이다. 기존 실무자, 관리자, 기획자들이 재교육을 통해 이동할 수 있다. AX의 핵심은 채용보다 먼저 재설계와 재교육이다.
조직 내부 갈등의 본질: 권한과 보상
AX가 조직 안에서 막히는 가장 큰 이유는 기술이 아니라 권한과 보상의 문제다. 현업은 “업무는 우리가 안다”고 말하고, IT는 “시스템은 우리가 관리해야 한다”고 말하고, 기획은 “우선순위는 우리가 정한다”고 말한다. 다 맞는 말이다. 그래서 더 충돌한다.
보상 체계가 달라져야 한다. AI를 많이 쓴 사람이 아니라, AI를 활용해서 새로운 비즈니스 기회를 발굴한 팀, 실무 노하우를 확장 가능한 자산으로 만든 팀에 보상해야 한다. 남는 시간을 단순 대기 시간이 아니라 공식적인 미래 먹거리 발굴 R&D 시간으로 인정해야 한다.
사람을 줄이지 않고도 파이를 키울 수 있다
실제로 산업 특화 AI 에이전트를 도입한 조직들 중에는 인력을 줄이지 않고도 사업 범위를 수십 개국으로 확장한 사례가 나오고 있다. 사람이 일일이 붙지 않아도, 지식이 잘 구조화된 에이전트는 더 넓은 범위에서 일할 수 있기 때문이다. 글로벌 확장성은 단순 인력 증가가 아니라, 지식 자산화의 수준에서 갈린다.
“남는 인력을 어떻게 할 것인가?”에 대한 가장 좋은 답은 이것이다.
그들은 해고 대상이 아니라, AI 에이전트의 스승이자 설계자가 되어야 한다.
실무자가 가진 노하우를 온톨로지로 정리하고, 프로세스를 스펙으로 바꾸고, 예외 규칙과 판단 기준을 시스템에 녹여 넣고, 그 결과 AI가 더 넓은 시장에서 더 안정적으로 일하게 만드는 것. 이게 진짜 재배치다.
결국 AX의 목적은 사람을 더 사람답게 쓰는 것이다
AX의 본질은 사람을 없애는 데 있지 않다. 오히려 사람을 반복 노동에서 꺼내서, 사람만 할 수 있는 영역으로 올려 보내는 데 있다.
- 문제를 정의하는 일
- 맥락을 해석하는 일
- 충돌하는 이해관계를 조정하는 일
- 암묵지를 구조로 바꾸는 일
- 전략적 선택을 내리는 일
- 새로운 시장 기회를 발견하는 일
이 영역은 여전히 사람의 몫이다. 아니, AI가 강해질수록 오히려 더 사람의 몫이 된다.
누구를 줄일까를 묻는 조직은 결국 작아질 것이다. 누구를 어떤 역할로 진화시킬까를 묻는 조직은 커질 것이다.
AI가 남긴 시간은 공백이 아니다. 그 시간은 조직이 미래를 설계하라고 받은 여지다.
AX의 승부는 모델 성능이 아니라, 남겨진 시간을 무엇으로 채우느냐에서 갈린다.