AI를 잘 쓰는 한 명에서, AI를 잘 쓰는 팀으로
개인의 AI 활용이 조직의 AX로 이어지려면 무엇이 필요할까요? 도구 도입을 넘어, AI와 함께 일을 완성하는 능력과 팀의 운영 방식에 대해 생각해봤습니다.
AI를 업무에 적극적으로 사용하면서 개인의 생산성이 크게 달라지는 경험을 하고 있다.
기획 초안을 만들고, 화면을 설계하고, 코드를 작성하고, 오류를 찾아 수정하는 일까지. 예전에는 각각 다른 사람의 도움을 받아야 했던 일을 이제는 AI와 함께 상당 부분 직접 진행할 수 있다.
그러다 자연스럽게 이런 생각이 들었다.
이렇게 일하는 방식을 팀 전체가 사용하면 훨씬 빨라지지 않을까?
처음에는 단순하게 생각했다. 내가 하는 방식을 다른 사람에게도 알려주고, 같은 도구를 쓰게 하면 되는 문제라고.
그런데 조직의 관점에서 생각해보니 문제는 그렇게 단순하지 않았다.
AI를 주는 것과 AI를 활용하는 것은 다르다
예를 들어 새로운 기능 하나를 만든다고 해보자.
기존에는 보통 이런 흐름으로 진행했다.
요구사항 → 기획 → 디자인 → 개발 → 검토 → 수정
AI를 적극적으로 활용하면 한 사람이 요구사항을 정리하고, 화면 초안을 만들고, 구현하고, 직접 확인하는 데까지 갈 수 있다.
그래서 역할을 잘게 나누는 것보다 기능 하나를 맡아 처음부터 끝까지 완성하는 방식이 더 효율적일 수 있다고 생각하게 된다.
하지만 여기에는 중요한 전제가 하나 있다.
그 사람이 AI에게 일을 시킬 수 있어야 한다.
단순히 프롬프트를 잘 작성한다는 의미는 아니다.
무엇을 만들어야 하는지 정의하고, 결과가 이상한지 판단하고, 다시 수정하도록 지시하고, 최종적으로 실제 사용할 수 있는 수준인지 확인할 수 있어야 한다.
AI가 실행 범위를 넓혀줄 수는 있지만, 무엇이 좋은 결과인지 판단하는 능력까지 자동으로 생기는 것은 아니다.
같은 AI를 써도 결과가 다른 이유
조직에서 AI 활용을 이야기할 때 종종 도구부터 맞추려고 한다.
같은 계정을 쓰고, 같은 모델을 쓰고, 같은 예시 프롬프트를 공유하면 비슷한 생산성이 나올 것처럼 보이기 때문이다.
하지만 실제 업무에서는 사람마다 결과가 크게 달라질 수 있다.
누군가는 요구사항을 잘 정의하지만 결과물을 평가하기 어렵고, 누군가는 디자인 감각은 있지만 구현 과정에 익숙하지 않을 수 있다. 또 누군가는 AI가 만든 결과를 거의 그대로 받아들이기도 한다.
결국 차이를 만드는 것은 AI 자체보다 AI와 함께 일을 완성하는 과정에 가깝다.
여기에는 몇 가지 능력이 함께 필요하다.
- 문제를 작은 단위로 나누는 능력
- 필요한 맥락을 전달하는 능력
- 결과물을 검토하는 능력
- 잘못된 결과를 발견하고 다시 지시하는 능력
- 최종 결과에 책임지는 능력
생각해보면 이것들은 완전히 새로운 능력이라기보다 기존에 PM이나 PL에게 중요했던 능력과 상당히 닮아 있다.
달라진 것은 실행할 수 있는 범위가 훨씬 넓어졌다는 점이다.
개인의 AI 활용과 조직의 AX는 다른 문제다
혼자 AI를 사용하는 것은 비교적 단순하다.
내가 부족한 부분을 AI에게 맡기고 결과를 확인하면 된다.
하지만 조직에서는 개인의 사용법을 그대로 복제하는 것만으로는 부족하다.
누가 어느 범위까지 맡을 것인지, 어떤 결과는 반드시 다른 사람이 검토해야 하는지, 공통으로 지켜야 할 기준은 무엇인지 정해야 한다.
예를 들어 작은 내부 도구라면 담당자가 AI와 함께 빠르게 만들어볼 수 있다. 하지만 여러 사람이 사용하는 기능이라면 데이터 기준, 권한, 예외 상황, 운영 방법까지 확인해야 한다.
이 지점부터는 개인의 생산성 문제가 아니라 팀의 운영 방식이 된다.
AX를 단순히 “AI를 잘 쓰는 사람을 늘리는 일”이라고만 보기 어려운 이유다.
역할이 없어지는 게 아니라 경계가 움직인다
AI가 코드를 작성한다고 개발자의 전문성이 필요 없어지는 것은 아니다.
AI가 화면을 만든다고 디자이너의 경험이 사라지는 것도 아니다.
오히려 누구나 일정 수준까지 결과물을 만들 수 있게 될수록, 그 결과가 좋은지 판단할 수 있는 전문성은 더 중요해질 수 있다.
대신 전문성을 사용하는 위치는 달라질 수 있다.
예전에는 각자의 전문 영역에서 결과물을 만들어 다음 사람에게 넘겼다면, 앞으로는 한 사람이 기능이나 문제를 중심으로 더 넓은 범위를 진행하고 각 분야의 전문가가 중요한 지점에서 리뷰하는 방식이 늘어날 수 있다.
예를 들면 이런 식이다.
기능 A 담당자 → 기획·화면·구현·검증
그리고 필요한 시점에 디자이너가 사용성을 보고, 개발자가 구조와 안정성을 확인하고, PM이 업무 흐름과 우선순위를 점검한다.
전문성이 사라지는 것이 아니라 전문성이 개입하는 방식이 달라지는 것이다.
팀으로 확장하려면 작은 완주 경험부터
그렇다면 조직에서 무엇부터 해볼 수 있을까.
모든 사람에게 갑자기 “AI로 기능 하나를 만들어보세요”라고 하는 방식은 부담이 크다.
반대로 문서 요약이나 문장 다듬기처럼 안전한 사용만 반복하면 업무 방식 자체가 바뀌는 경험까지 가기 어렵다.
그래서 작은 업무 하나를 처음부터 끝까지 완주해보는 방식이 좋을 것 같다.
예를 들어,
- 반복되는 업무 하나를 고른다.
- 현재 흐름을 정리한다.
- AI와 개선 방법을 만든다.
- 실제로 사용해본다.
- 결과가 맞는지 다른 사람이 검토한다.
- 계속 사용할 가치가 있는지 판단한다.
이렇게 하면 AI 사용법뿐 아니라 문제 정의, 검토, 책임 범위까지 함께 경험할 수 있다.
그리고 이 과정에서 사람마다 부족한 부분도 드러난다.
누군가는 질문하는 방법보다 문제를 정의하는 것이 어렵고, 누군가는 결과를 만드는 것보다 결과를 평가하는 것이 어렵다.
그 차이를 발견하고 보완하는 과정이 조직의 AX에 더 가까울지도 모른다.
AI를 잘 쓰는 사람보다 AI와 일을 끝낼 수 있는 사람
요즘은 “AI를 잘 쓰는 사람”이라는 표현을 자주 사용한다.
하지만 앞으로 조직에서 더 중요한 기준은 조금 달라질 것 같다.
AI를 이용해 실제 업무를 끝낼 수 있는 사람.
좋은 프롬프트를 작성하는 것보다 문제를 정의하고, AI에게 실행시키고, 결과를 검토하고, 필요하면 다시 수정해서 실제 사용할 수 있는 결과까지 가져가는 능력이다.
그리고 조직의 AX 역시 AI를 잘 쓰는 한 명을 만드는 것에서 끝나지 않는다.
그 한 명의 방식을 그대로 복제하는 것도 아니다.
각자의 전문성을 유지하면서 AI를 통해 자신이 담당할 수 있는 범위를 조금씩 넓히고, 팀이 그 결과를 서로 검토하며 완성도를 높이는 방식.
최근에는 그것이 개인의 AI 활용이 팀의 AX로 넘어가는 시작점이 아닐까 생각하고 있다.