조직에서 가장 값비싼 지식은 어디에 있을까?
사내 위키도, 공유 드라이브도 아니다. 10년 차 시니어의 머릿속이다. “이 상황에서는 이렇게 판단하면 된다”는 감각, 고객 클레임이 들어왔을 때 즉각적으로 떠오르는 대응 시나리오, 코드를 보는 순간 “여기가 문제겠네”라고 직감하는 능력. 이 모든 것이 암묵지(Tacit Knowledge)다.
문제는 명확하다. 암묵지는 사람에게 종속된다.
시니어가 퇴사하면 그 지식도 함께 걸어 나간다. 주니어에게 전수하려면 수년간 옆자리에 앉혀놓고 어깨너머로 가르쳐야 한다. 조직이 커질수록, 사람이 바뀔수록 이 방식은 한계에 부딪힌다.
그렇다면 시니어의 머릿속에만 존재하는 이 지식을, 조직 전체가 활용할 수 있는 형태로 바꿀 수는 없을까?
SECI 모델: 지식이 만들어지고 퍼지는 원리
경영학자 노나카 이쿠지로(Nonaka Ikujiro)는 1990년대에 이 질문에 대한 프레임워크를 제시했다. 바로 SECI 모델이다. 조직 내에서 지식이 어떻게 생성되고 전파되는지를 네 단계의 순환으로 설명한다.
| 단계 | 지식의 변환 | 핵심 활동 | 현실 속 예시 |
|---|---|---|---|
| 공동화(Socialization) | 암묵지 → 암묵지 | 경험을 공유하며 체득 | 신입이 선배 옆에서 고객 응대를 지켜보며 감을 익히는 과정 |
| 표출화(Externalization) | 암묵지 → 형식지 | 노하우를 문서·데이터로 변환 | 베테랑 상담사의 응대 패턴을 SOP로 정리하는 작업 |
| 연결화(Combination) | 형식지 → 형식지 | 흩어진 지식을 체계화 | 개별 SOP를 통합하여 회사 전체 매뉴얼 시스템으로 구축 |
| 내면화(Internalization) | 형식지 → 암묵지 | 체계화된 지식을 체화 | 매뉴얼을 읽고 실습한 뒤 자기만의 응대 스킬로 만드는 것 |
이 네 단계가 끊임없이 돌아가면서 조직의 지식은 점점 두꺼워진다. 이론적으로는 완벽하다.
하지만 현실에서는 늘 같은 지점에서 멈췄다.
30년간 풀리지 않던 병목: 표출화와 내면화
표출화의 어려움 — “내가 어떻게 일하는지, 나도 잘 모르겠는데요.”
시니어에게 노하우를 문서로 정리해 달라고 요청하면 돌아오는 대답이다. 수천 번의 반복으로 무의식에 각인된 판단 패턴을 글로 풀어내는 것은 고통스러운 작업이다. 결국 대부분의 표출화 프로젝트는 형식적인 매뉴얼 몇 장을 남기고 흐지부지된다.
내면화의 한계 — 설령 좋은 매뉴얼이 만들어진다 해도, 주니어가 이를 자기 것으로 만드는 데는 오랜 시간이 걸린다.
궁금한 점이 생길 때마다 시니어의 시간을 빌려야 하고, 시니어는 자기 일을 하느라 바쁘다. 학습 속도는 시니어의 가용 시간에 종속된다.
SECI 모델이 제안된 지 30년 가까이 되었지만, 이 두 가지 병목 때문에 많은 조직에서 지식 순환은 느리게, 때로는 거의 멈춘 채로 돌아갔다.
AI가 풀어내는 지식 순환의 병목
AI, 특히 대규모 언어 모델(LLM)의 등장이 이 병목을 극적으로 해소하고 있다.
표출화의 가속: “몰라도 괜찮다, AI가 꺼내준다”
시니어 상담사가 자기 노하우를 직접 문서화하지 못해도 괜찮다.
AI가 수천 건의 상담 기록을 분석하면, 그 안에서 반복되는 판단 패턴을 자동으로 추출할 수 있다. “이 유형의 문의에는 이런 순서로 응대하면 해결률이 높다”는 식의 SOP 초안이 AI에 의해 만들어진다. 시니어는 이 초안을 검토하고 보완하기만 하면 된다.
백지에서 시작하는 고통이 사라지는 것이다.
개발 영역도 마찬가지다. 시니어 개발자의 코드 리뷰 히스토리, PR 코멘트, 아키텍처 의사결정 기록을 AI에 학습시키면, “이 팀의 시니어라면 이 코드를 이렇게 리뷰할 것이다”라는 수준의 피드백을 자동 생성할 수 있다.
내면화의 가속: “24시간 대기하는 시니어”
과거에는 주니어가 막히면 시니어를 찾아가 질문하고, 시니어가 회의 중이면 기다려야 했다.
이제는 시니어의 노하우가 녹아든 AI 에이전트에 바로 물어볼 수 있다. “이 고객이 이런 불만을 제기했는데 어떻게 대응하면 좋을까?” 혹은 “이 에러 로그의 패턴이 뭘 의미하지?”에 대해 시니어의 관점이 반영된 답을 실시간으로 받을 수 있다.
중요한 것은, 이것이 단순한 검색이나 FAQ가 아니라는 점이다. 맥락을 이해하고 상황에 맞는 판단을 제시하는 것이다.
형식지를 자기만의 암묵지로 체화하는 속도가 이전과는 비교할 수 없을 만큼 빨라진다.
AI 시대의 ‘코어 휴먼’은 누구인가
SECI 모델의 관점에서 보면, AI 시대에 대체 불가능한 인재의 윤곽이 명확해진다. 이들은 SECI 순환 고리의 핵심 축을 담당하는 사람이다.
- 새로운 경험을 만들어내는 사람 (공동화) — 현장에서 부딪히며 아직 데이터화되지 않은 새로운 암묵지를 축적한다. AI는 기존 패턴을 잘 정리하지만, 패턴 자체를 처음 만드는 것은 사람의 몫이다.
- AI에게 가르칠 수 있는 사람 (표출화) — 자신의 노하우를 구조화하여 AI 시스템에 효과적으로 반영할 수 있다. 단순히 일을 잘하는 것을 넘어, 자신이 ‘왜’ 그렇게 판단하는지를 설명할 수 있는 능력이다.
- AI를 통해 끊임없이 성장하는 사람 (내면화) — 조직에 축적된 지식을 AI를 통해 빠르게 흡수하고, 이를 현장에 다시 적용하여 새로운 경험을 만든다.
이 세 가지를 순환시킬 수 있는 사람이 바로 ‘코어 휴먼’이며, 이런 인재가 만드는 지식 순환 시스템이야말로 AI 시대에 기업이 구축해야 할 진짜 해자(Moat)다.
정리: 암묵지 데이터화는 기술 프로젝트가 아니다
암묵지의 데이터화를 단순한 “문서화 프로젝트”나 “AI 도입”으로 바라보면 본질을 놓친다.
이것은 SECI 모델이라는 30년 된 지식 순환 프레임워크 위에 AI라는 강력한 엔진을 얹는 일이다. 시니어의 머릿속에만 잠들어 있던 지식이 조직 전체를 흐르기 시작할 때, 그것이 진정한 AI 트랜스포메이션(AX)의 시작이다.
당신의 조직에서 가장 값진 암묵지는 누구의 머릿속에 있는가?
그리고 그것이 그 사람과 함께 걸어 나가기 전에, 조직의 자산으로 바꿀 준비가 되어 있는가?