관련 서비스
AX 컨설팅과 HR 컨설팅
HCG 컨설팅은 HR AI 전환을 지원하는 AX 컨설팅과 성과 · 조직 · 문화 체계를 설계하는 HR 컨설팅을 제공합니다.
HR의 복잡한 과제, HCG가 함께 해결합니다
지금 바로 전문가와 상담해 보세요
인사이트
AI 전환의 성패를 가르는 것은 도구가 아니라 업무와 결정 구조입니다.
“이 작업이 정상적으로 완료됐다는 것을 스스로 어떻게 검증할 것인지, 그 기준까지 포함해 실행해 주세요.”
AI 에이전트에게 이 한 문장을 덧붙이는 것만으로도 일하는 방식은 달라집니다. 사람이 옆에서 결과를 기다리고 일일이 확인하는 대신, 에이전트가 정해진 기준에 따라 실행과 검증을 반복할 수 있기 때문입니다. 하지만 진짜 변화는 프롬프트 한 줄에서 끝나지 않습니다. 에이전트가 무엇을 참고하고, 어떤 기준을 통과하며, 어디까지 스스로 판단하고, 어느 지점에서 사람에게 결정을 넘길지를 조직 차원에서 설계해야 합니다. AI 도구를 업무에 추가하는 것과 AI와 함께 일할 수 있는 조직으로 전환하는 것은 전혀 다른 문제입니다.
AWS는 아마존 스토어 조직의 50개 이상 개발팀을 대상으로 AI 도구와 업무 방식의 변화가 실제 배포 생산성에 미치는 영향을 비교했습니다. 특별히 선발된 엔지니어나 예외적으로 유리한 프로젝트가 아니라, 일반적인 개발팀이 기존 업무를 수행하는 환경에서 진행된 실험이었습니다.
결과는 분명했습니다. 새로운 AI 도구와 함께 업무 방식까지 바꾼 25개 팀은 생산성이 중위값 4.5배 향상됐고, 일부 팀은 10배 이상의 개선을 기록했습니다. 반면 기존 업무 방식 위에 AI 도구만 추가한 팀의 성과는 이에 미치지 못했습니다. 같은 기술을 도입했는데도 성과가 크게 달라졌다는 것은 생산성을 결정한 변수가 도구 밖에 있었다는 의미입니다.
AWS는 이를 다음과 같이 정리합니다. 문제는 잘못된 도구를 사용한다는 데 있지 않습니다. 올바른 도구를 잘못된 업무 방식 안에서 사용하고 있다는 데 있습니다.
높은 성과를 낸 팀들은 AI를 단순한 코딩 보조 도구로 사용하지 않았습니다. AI가 독립적으로 업무를 수행할 수 있도록 개발 환경과 업무 방식을 함께 바꿨습니다.
개발자의 머릿속에 있던 암묵지와 팀의 업무 규칙을 스킬 파일, 코딩 표준, 테스트 기준, 코드 탐색 가이드와 같은 명시적인 문서로 전환했습니다. AI가 매번 같은 실수를 반복하지 않도록 조직의 지식과 판단 기준을 지속적으로 축적한 것입니다. 동시에 모델과 업무 환경이 바뀔 때마다 불필요해진 규칙을 정리해 컨텍스트가 오염되지 않도록 관리했습니다.
고성과 팀들도 AI 도입 직후부터 빨라진 것은 아닙니다. 에이전트가 오류를 스스로 해석할 수 있도록 에러 메시지를 개선하고, 필요한 도구와 시스템을 연결하고, AI가 이해하기 쉬운 형태로 코드와 문서를 재구성하는 기반 작업을 먼저 진행했습니다. AWS는 첫 2주 동안 속도가 느려질 수 있다고 설명합니다. 이 기간을 견디고 업무 환경을 정비한 팀은 이후 생산성이 누적적으로 향상됐지만, 즉각적인 성과만 기대한 팀은 기존 업무 방식으로 돌아갔습니다.
에이전트가 작업하는 동안 사람이 화면을 지켜보고 결과가 나올 때마다 수정 지시를 내리는 방식은 AI의 자율성을 제한합니다. 고성과 팀은 업무 지시와 함께 완료 조건을 명확하게 제시했습니다.
무엇을 해야 하는지만 알려주는 것이 아니라, 무엇을 '완료'로 판단할 것인지까지 전달한 것입니다.
요구사항이 불명확한 상태에서 많은 코드를 생성한 뒤 수정하는 것은 오히려 더 많은 비용을 발생시킵니다. 고성과 팀은 코드를 작성하기 전에 목적, 요구사항, 제약 조건, 예외 상황, 완료 기준을 담은 스펙을 먼저 정리했습니다. 코드가 아니라 의도를 먼저 명확히 한 것입니다. 스펙 단계에서는 한 문장을 수정하면 되지만, 구현 이후에는 여러 코드와 시스템을 함께 수정해야 합니다. AI가 빠르게 많은 결과물을 만들수록 사전 합의의 중요성은 더 커집니다.
에이전트가 독립적으로 작업하려면 빠르게 실패하고 스스로 수정할 수 있어야 합니다. 고성과 팀은 외부 시스템에 연결하지 않고도 로컬에서 통합 테스트를 실행할 수 있는 환경과 자동화된 가드레일을 구축했습니다. 이를 통해 에이전트는 문제가 발생할 때마다 사람에게 질문하지 않고, 테스트 결과를 기반으로 수정과 검증을 반복할 수 있었습니다.
이 다섯 가지 습관은 개발 생산성을 높이는 개별적인 팁이 아닙니다. 조직이 AI와 함께 일하기 위해 갖춰야 할 세 가지 운영 기반을 보여줍니다.
첫째는 업무 맥락의 구조화입니다. AI가 참고해야 할 조직의 지식, 업무 규칙, 정책과 판단 기준을 문서와 데이터로 명확하게 전환해야 합니다.
둘째는 실행 · 검증 구조의 재설계입니다. AI가 어떤 업무를 수행하고, 어떤 기준으로 결과를 검증하며, 실패했을 때 어떻게 스스로 수정할지를 프로세스와 시스템에 반영해야 합니다.
셋째는 의사결정 경계의 재설계입니다. AI가 독립적으로 처리할 수 있는 영역과 사람이 반드시 판단해야 하는 영역, 최종 승인권과 예외처리 방식을 구분해야 합니다.
고성과 팀은 어떤 코드를 통과시킬 것인지를 스펙과 테스트 기준으로 미리 정의해 에이전트에게 넘겼습니다. 반면 무엇을 만들 것인지, 어디까지 자동화할 것인지, 어떤 위험을 수용할 것인지는 사람이 결정했습니다. AI 전환의 핵심은 사람의 일을 AI로 단순히 대체하는 것이 아닙니다. 사람과 AI가 각각 어떤 실행과 결정을 담당할지를 다시 설계하는 것입니다.
AI가 코드 생성 속도를 높이면서 새로운 문제도 나타났습니다. Stack Overflow Blog가 소개한 Smartsheet의 연구에 따르면 기업 사용자의 자동화 강도는 전년 대비 55%, 전체 업무 활동량은 46% 증가했습니다. AI가 생성한 콘텐츠의 80%는 최종 확정 전에 사람의 수정을 거쳤습니다.
AI가 만들어내는 산출물은 급격히 늘었지만, 이를 검토하고 판단해야 하는 사람의 시간은 늘어나지 않았습니다. 근무 시간은 그대로인데 업무와 결정의 밀도만 높아진 것입니다. 코드 구현 기간이 9~12개월에서 1~2개월로 줄어들어도, 무엇을 만들지 결정하고 이해관계자의 승인을 받는 데 두 달이 걸린다면 조직 전체의 속도는 빨라지지 않습니다. 실행 단가가 낮아질수록 병목은 자연스럽게 결정으로 이동합니다.
이제 개발팀의 경쟁력은 코드를 얼마나 빨리 작성하는가보다, 되돌릴 수 있는 결정과 되돌리기 어려운 결정을 구분하고 필요한 판단을 얼마나 정확하고 빠르게 내리는가에 달려 있습니다.
이러한 현상은 개발 조직만의 문제가 아닙니다. Gartner의 조사에 따르면 기업이 제공한 AI에 접근할 수 있는 직원의 88%가 개인용 AI 도구도 업무에 함께 사용하고 있습니다. 그러나 별도의 경영진 조사에서는 포괄적인 AI 전략을 보유한 기업이 27%, 자사 인력이 AI를 활용할 준비가 됐다고 평가한 기업은 20%에 그쳤습니다. 도구에 대한 접근이 늘어난 것을 조직의 AI 전환으로 착각하고 있는 것입니다.
HR 업무에서도 같은 패턴이 나타납니다.
AI가 수많은 지원자의 정보를 몇 초 만에 분석해 적합한 후보자를 추천할 수 있습니다. 그러나 AI가 독립적으로 제외할 수 있는 조건, 사람이 재검토해야 하는 조건, 추천 결과를 뒤집을 수 있는 권한이 정의되지 않으면 의사결정 속도는 빨라지지 않습니다. 잘못 설계할 경우 편향된 결과가 반복적으로 확대되거나, 사람이 모든 결과를 다시 검토해야 하는 이중 업무가 발생할 수 있습니다.
AI는 1년 동안 축적된 성과 데이터와 피드백을 분석해 평가 의견을 정리할 수 있습니다. 하지만 AI의 결과를 참고자료로만 활용할 것인지, 평가 초안으로 인정할 것인지, 최종 등급을 조정할 권한이 현업 리더와 HR 중 누구에게 있는지가 불명확하면 새로운 병목이 생깁니다. 평가 의견을 작성하는 시간은 줄어들지만, 결과를 검토하고 조정하는 회의는 오히려 늘어날 수 있습니다.
AI는 시장 데이터, 내부 형평성, 성과 수준을 반영해 보상 밴드와 인상안을 시뮬레이션할 수 있습니다. 그러나 허용 가능한 편차와 예외 조건, 예산 초과 시 조정 원칙, 최종 승인권자가 정의되지 않으면 AI가 제시하는 대안만 늘어날 뿐 결정 속도는 빨라지지 않습니다. 세 사례 모두 도구는 새롭게 도입됐지만, AI가 만든 결과를 누가, 언제, 어떤 기준으로 검토하고 승인할 것인지에 대한 구조는 그대로 남아 있습니다. AI가 실행을 빠르게 할수록, 이러한 결정 구조의 공백은 더 크게 드러납니다.
HCG가 바라보는 AX는 AI 솔루션을 기존 업무에 추가하는 것이 아닙니다. AI가 참고할 업무 맥락을 구조화하고, 독립적으로 실행과 검증을 반복할 수 있는 프로세스를 만들며, 사람과 AI 사이의 의사결정 경계를 다시 설계하는 과정입니다.
특히 HR은 제도, 규정, 데이터, 시스템, 권한과 예외가 복잡하게 연결된 영역입니다. 기술만으로는 무엇을 자동화하고 어떤 판단을 사람에게 남겨야 하는지 결정하기 어렵습니다. HR 제도와 실제 운영에 대한 이해가 함께 필요한 이유입니다.
HCG AX Consulting은 다음의 5단계 접근을 통해 AI가 실제 업무 안에서 작동하는 구조를 설계합니다.
HCG는 전략 보고서에서 끝나는 것이 아니라, 전략과 제도, 프로세스와 시스템, 사람의 역할이 실제 업무 안에서 연결되는 지점까지 AX를 설계합니다.
도구를 도입하는 일은 점점 쉬워지고 있습니다. 그러나 AI가 참고할 맥락을 구조화하고, 스스로 실행과 검증을 반복할 수 있는 업무 환경을 만들고, 사람과 AI 사이의 결정 경계를 다시 설계하는 일은 저절로 이루어지지 않습니다. 같은 AI 도구를 사용해도 성과가 달라지는 이유는 여기에 있습니다.
AI 전환의 성과는 도구의 기능보다 조직이 일하는 방식을 얼마나 다시 설계했는가에서 갈립니다. HCG가 바라보는 AX는 AI를 업무에 추가하는 것이 아니라, 전략과 제도, 프로세스와 시스템, 사람의 역할을 AI 시대에 맞게 다시 연결하는 일입니다.