당신의 AI는 페라리 엔진이다. 당신의 회사는 여전히 마차다.

몇 조 달러짜리 수수께끼가 하나 있다. 이제 거의 모든 회사가 코드를 짜고, 계약서 초안을 쓰고, 커피 한 잔 마시기도 전에 40페이지짜리 보고서를 요약해주는 AI를 갖고 있다. 그런데도 대부분의 회사에서는 실제로 아무것도 빨라지지 않았다. 급여는 그대로다. 분기 실적도 그대로다. 누군가 거금을 들여 슈퍼파워를 사왔는데, 조직도는 어깨만 으쓱했을 뿐이다.

경제학자들은 이걸 두고 생산성 역설이라 부른다. 나는 좀 더 직설적으로 말하겠다 — 우리는 마차에 제트 엔진을 달아놓고는, 말이 여전히 지쳐 있다는 사실에 당황하고 있는 것이다.

사고 모델: 낡은 몸에 든 젊은 심장

80세 노인이 새 심장을 이식받았다고 상상해보자 — 강하고 젊고 지치지 않는 심장이다. 놀랍다. 이제 그에게 1,000미터를 전력으로 달려보라고 시켜보자. 그는 할 수 없다. 심장은 날아갈 준비가 되어 있지만, 무릎과 폐와 부서지기 쉬운 뼈들은 그 소식을 전달받지 못했다. 새 부품이 한계가 아니다. 그것을 둘러싼 낡은 몸이 한계다.

그게 바로 AI를 도입한 당신의 회사다. 모델은 젊은 심장이다. 일이 어떻게 쪼개지고, 넘겨지고, 승인되는지를 규정하는 운영 모델은 낡은 몸이다. 지구상에서 가장 강력한 심장이라 해도 그 낡은 골격에 이식하면 여전히 작동하지 않는다. 뼈대가 병목이기 때문이다.

더 단순하게 생각해보자. 반 전체가 조별 과제를 위해 천재 로봇을 받았다고 상상해보자. 그런데 선생님은 여전히 예전 방식대로 하라고 고집한다. 로봇이 문단을 쓰면, Timmy에게 넘기고, Timmy는 점심 먹고 나서 읽고, Sara에게 넘기고, Sara는 서식을 다시 맞추고, 누군가는 그걸 선생님께 이메일로 보낸다. 로봇은 프로젝트 전체를 90초 안에 끝낼 수 있는데도, 정작 하루 종일 인간들이 쪽지를 돌리는 순서를 기다리는 데 시간을 쓴다. 사무실에 천재를 데려다 놓고는, 회계팀 Gary가 점심 먹고 돌아올 때까지 기다리게 만든 셈이다.

천재가 병목이 아니다. 쪽지를 돌리는 조립 라인 자체가 병목이다. 지금 모든 회사가 이 모양이다.

우리는 1900년의 전기 실수를 반복하고 있다

이 정확히 같은 영화가 이미 한 번 상영된 적이 있다 — 전기와 함께 말이다 — 그리고 그 결말은 이미 기록으로 남아 있다. 1882년, Edison의 회사(훗날 General Electric이 된 그 회사)는 맨해튼의 Pearl Street Station을 가동시켜 동네에 불을 켰다. 전력: 이용 가능하고, 명백하고, 세상을 바꿀 만한 것이었다. 그렇다면 공장들은 얼마나 빨리 이를 도입했을까?

1900년까지 — 대략 20년이 지난 뒤에도 — 공장 기계 동력 중 전기가 차지하는 비율은 약 5%에 불과했다. 20년의 세월 동안 미래가 바로 눈앞에 놓여 있었는데도, 대부분 무시당한 것이다. 왜일까?

초기 공장주들이 정확히 '젊은 심장, 낡은 몸' 실수를 저질렀기 때문이다. 옛 공장들은 하나의 거대한 증기 엔진으로 라인 샤프트 — 천장에 볼트로 고정된 긴 막대 — 를 돌리고, 거기서 벨트와 풀리가 늘어져 내려와 모든 기계에 동력을 전달하는 방식으로 운영되었다. 전기 모터가 등장했을 때, 공장주들은 가장 손쉬운 선택을 했다. 증기 엔진을 뜯어내고 거대한 전기 모터 하나를 볼트로 박아 넣은 다음, 천장 샤프트와 벨트 전부를 그대로 남겨둔 것이다. 새 심장, 같은 골격. 기계들은 여전히 낡은 증기 엔진이 정해놓은 배치에 얼어붙은 채였다. 결과: 이득이라 할 것이 거의 없었다. 어깨를 한 번 들썩이고 마는 정도였다.

폭발적인 변화는 엔지니어들이 중앙 샤프트를 통째로 버리고 모든 기계에 각자의 작은 모터를 달아준 뒤에야 찾아왔다. 갑자기 배치가 자유로워졌다. 이제 기계들을 천장의 막대가 아니라 일의 흐름을 중심으로 배열할 수 있게 되었다 — 그리고 그 재배열이 문자 그대로 조립 라인이 되었다. 경제사학자 Paul David가 이 사례를 고전으로 만들었다 ("The Dynamo and the Computer," 1990년): 범용 기술의 생산성 효과는 수십 년 늦게 나타나며, 그것도 오직 일터를 그 기술에 맞게 재설계한 뒤에야 나타난다. 어려운 건 동력원이 아니었다. 어려운 건 재설계였다.

같은 동력원, 서로 다른 두 몸. 엔진만 교체하면 어깨를 으쓱하는 정도의 성과에 그쳤지만, 흐름을 중심으로 작업장을 재설계하자 20세기가 열렸다. AI는 새로운 엔진이다 — 문제는 벨트를 그대로 둘 것이냐다.

AI로 이메일 한 통을 작성하거나 회의 하나를 요약하는 건 "낡은 축에 커다란 모터 하나 다는" 식의 조치다. 나쁘지 않다. 하지만 이 역시 어깨를 으쓱하는 수준에 그친다. 성과가 갇혀버리는 이유는 작업을 둘러싼 모든 것이 여전히 AI 이전 세계에 맞춰져 있기 때문이다.

진짜 돌파구는 태스크가 아니라 체이닝에 있다

여기서부터가 직관에 반하는 부분이자, 사실상 이 이야기 전체의 핵심이다. MIT Sloan의 연구에 따르면 AI 가치의 실제 원천은 개별 태스크 수행 능력이 아니라 태스크 체이닝 — 즉 서로 의존하는 여러 단계를, 사람의 개입 없이 하나의 연속적이고 자율적인 실행으로 엮어내는 능력에 있다.

사람과 기계 사이의 모든 인계에는 숨은 비용이 따른다. 누군가는 하던 일을 멈추고, 다시 읽고, 머릿속에 맥락을 다시 불러오고, 확인한 뒤 다음으로 넘겨야 한다. 이를 인계 세금이라 부르자. 워크플로에 인계가 세 번이면 세금도 세 번이다. 그래서 교사가 강의를 준비하는 일(대체로 선형적이고 한 번 계획하면 되는 작업)은 자동화하기 아주 쉬운 반면, 튜터(끝없이 예측 불가능하게 주고받아야 하는 일)는 계속해서 인계 단계에 발이 걸린다.

그리고 이제 대부분의 사람들이 가진 직관을 깨는 결정타가 나온다: AI가 모든 단계 하나하나에서 인간보다 뛰어날 필요는 없다는 것이다. 세 단계를 하나로 이어 붙여 세 번의 인계 세금을 지워버리면, AI가 그중 한 단계에서 인간보다 조금 못하더라도 시스템 전체는 더 빨라지고 더 저렴해진다. 주자를 더 빠르게 만드는 게 아니라, 모두가 바통을 떨어뜨리는 계주 구간 자체를 없애버리는 것이다.

그래서 AI에서 가치를 뽑아내는 사다리에는 세 단이 있는데, 거의 모두가 첫 번째 단에 멈춰 서 있다.

프로세스가 아니라 결과를 중심으로 조직하라

대부분의 회사는 어떻게 일이 처리되는지를 중심으로 조직되어 있다 — 부서, 결재 단계, "그건 내 소관이 아니야" 같은 것들 — 무엇을 달성해야 하는지가 아니라. 전통적인 소프트웨어는 그저 기존 단계들을 더 빠르게 만들었을 뿐이다. 벨트를 자동화했을 뿐, 샤프트 자체에는 의문을 던진 적이 없다.

이걸 바로잡았을 때 얻는 이득은 결코 작지 않다. L.E.K. Consulting에 따르면 인간의 창의성은 고부가가치 아이디어를 최대 20배까지 더 만들어낸다 — 물론 AI를 제대로 짝지었을 때의 얘기다. 이걸 실제로 손에 넣으려면 조직을 의사결정 영역 중심으로 재편해야 한다 — "가격을 어떻게 책정하는가", "자본을 어떻게 배분하는가" 같은, 성과 단위로 묶여 기존 부서 구분을 그대로 가로지르는 영역들이다.

선두 기업들은 기다리지 않고 이미 움직이고 있다. Shopify에서는 CEO Tobi Lütke가 전 직원에게 이렇게 말했다: 신규 채용을 승인받으려면 먼저 AI가 그 일을 할 수 없다는 걸 증명해야 한다. 다시 읽어보라 — 기본값은 이제 채용 인원 0명이고, 인간은 정당화해야 하는 예외다. BNY Mellon은 자체 AI 플랫폼으로 수만 명의 직원을 교육시켜, 자율 에이전트가 리스크 관리와 고객 서비스에서 실제 업무를 맡을 수 있게 했다. 이들은 심장만 이식하는 게 아니라 몸 전체를 다시 짓고 있는 것이다.

기존 기술은 당신이 하는 일을 좀 더 쉽게 만들어줬을 뿐, 프로세스를 운전하는 건 여전히 사람이었다. 이제 해야 할 일은 성과.

도구에서 팀원으로 — 그리고 얼마나 자유를 줄 것인가

이 모든 것의 근저에 있는 전환은 이렇다: AI는 더 이상 당신이 휘두르는 도구가 아니라, 당신이 위임하는 팀원이 된다. 도구는 당신이 집어 들고 휘두를 때까지 기다리지만, 팀원은 지각하고 추론하고 행동하고 학습한다 — 당신은 클릭 단위 스크립트가 아니라 목표를 준다.

모든 권한을 한꺼번에 넘겨줄 필요는 없다. 진짜 설계상의 선택은 얼마나 여지를 줄 것인가이며 — 여기에는 세 가지 설정이 있다 (실레지안 공과대학교(Silesian University of Technology):

• ) 연구자들의 틀이다.) 휴먼 인 더 루프: AI가 제안하고, 인간이 모든 것을 결정한다. (보조 바퀴.)
• 휴먼 온 더 루프: AI가 주도권을 잡고, 인간은 지켜보다가 필요할 때만 브레이크를 밟는다. (운전자가 아니라 감독관.)
• 휴먼 아웃 오브 더 루프: AI가 엄격히 한정되고 예측 가능한 업무를 단독으로 처리한다 — 이를테면 물류 자동화다. (정해진 노선 위의 자율주행.)

함정: 서로를 마주 보는 두 개의 블랙박스

이 모든 게 작동하려면 서로가 서로를 믿어야 하는데, 여기엔 진짜 신뢰 문제가 하나 숨어 있다 — 바로 이중 블랙박스 문제다(이번에도 실레지아 공과대학교 그룹의 표현이다). 기계의 추론 과정은 인간에게 불투명하고(왜 저렇게 했지?), 기계 입장에서는 인간의 뒤죽박죽 직관적 추론이 불투명하다(당신은 왜 그걸 원하는 거지?). 서로의 내부를 들여다볼 수 없는 두 정신이 같은 비행기를 함께 조종하려는 셈이다.

빠져나갈 길은 설명 가능한 AI 다 — 에이전트가 자신의 작업 과정을 보여줄 수 있어야 한다 — 그리고 탈숙련화에 대한 경계도 함께 필요하다. 자동조종에 너무 의존하면 스스로 비행하는 능력이 조용히 썩어버린다. (지도 앱 없이는 길을 못 찾는 사람에게 물어보라.) L.E.K.가 현장에서 검증한 도입 레시피는 놀랍도록 신비주의가 없다:

또 하나의 몸: 사람도 다시 만들고 있다

지금까지 다룬 이야기는 전부 하드웨어 — 배치도, 체이닝, 의사결정 영역 — 에 관한 것이었다. 하지만 공장은 기계만으로 이루어지지 않는다. 그 바닥 위에는 사람이 서 있다. 그리고 여기, 엔지니어링 도면에는 나오지 않는 두 번째 이식 대상이 있다. 바로 사람이라는 몸이다. 두 편의 연구는 이 부분이야말로 리빌드의 생사를 가르는 진짜 절반이라고 주장한다. 월요일 아침의 현실과 부딪혔을 때 버텨낼지 말지를 결정하는 것이 바로 이 부분이라는 것이다.

첫 번째는 Harvard Business Review의 "How Behavioral Science Can Improve the Return on AI Investments" (번역: 행동과학이 AI 투자 수익률을 어떻게 개선할 수 있는가) 인데, 여기서 하나의 직설적인 지적이 나온다. 대부분의 AI 프로젝트가 실패하는 이유는 리더들이 도입을 기술 구매 문제로 취급하기 때문이라는 것이다. 실은 행동 변화의 문제인 것을. 사람들은 자신의 루틴을 흐트러뜨리는 도구에 저항하고, 눈에 보이는 AI 오류 단 한 번에도 과민 반응을 보인다(할루시네이션으로 숫자 하나만 틀려도 팀 전체가 조용히 신뢰를 거둬들인다). 두 번째 연구인 "The Psychological Costs of Adopting AI" (번역: AI 도입의 심리적 비용) 는 그 청구서를 직접 내민다. AI와 함께 일하는 것은 심리적 비용을 부과하는데, 이는 자율성 ("이제 내가 어떻게 일할지는 기계가 정한다"), 역량 ("내가 뭘 잘하는 사람인지 이제 잘 모르겠다"), 그리고 정체성 ("이건 나를 나답게 만들어주던 일의 일부였는데")에 걸쳐 조용히 쌓이는 빚들이다. 이 빚을 갚지 않고 내버려 두면 효율성 향상 전체가 상쇄될 수 있다 — 생산성이 오르는 속도보다 동기가 꺾이는 속도가 더 빠르기 때문이다.

여기서 불편한 지점이 겹친다. 이게 핵심이다: 이 글이 찬양하는 모든 업그레이드는 인간의 입장에서 보면 위협이다. "부리토를 풀어라"라는 말은 곧 당신의 일이 화이트보드 위에서 방금 분해당했다는 뜻이다. Shopify의 "채용하기 전에 AI가 못한다는 걸 먼저 증명하라"는 곧 당신이 해체당할 대상이 아님을 증명하라는 뜻이다. "핸드오프를 삭제하라"는 말은 누군가가 쓸모 있다고 느꼈던 순간들을 조용히 지워버린다. 구조적 승리와 심리적 비용은 별개의 두 문제가 아니다. 둘은 책상의 양쪽에서 바라본 같은 하나의 움직임일 뿐이다. 바닥을 너무 빨리 다시 깔면 조립 라인이 아니라 조립 라인 위의 조용한 태업을 얻게 된다. 뜯어내는 걸 잊어버린 그 라인샤프트는 알고 보니 사람들의 자율성과 정체성으로 만들어져 있었다. 그리고 그건 조직 개편 메모 한 장으로는 굴복하지 않는다.

만 성립한다. 하지만 두 진영이 동의하는 지점을 눈여겨보라. 이 글 전체가 외치고 있던 것과 같은 문장이기 때문이다: 모델은 애초에 병목이 아니었다. 양쪽 모두 AI를 구매하는 대상으로 취급하는 걸 멈추고, 그 주위를 재조직 대상으로 삼는 것. 이 글은 일을 재조직하고, 행동과학 연구는 사람들이 일과 맺는 관계를 재조직한다. 둘은 하나의 과업을 이루는 두 반쪽이며, 어느 한쪽만으로는 무용지물이다.

그렇다면 — 누가, 언제 가장 큰 혜택을 보는가? 구조적 재구축(이 글의 주제)은 기업 쪽에 이득이며 — 마진, 속도, 손익 — 그 이득은 늦게 온다. 통행료를 낸 뒤, 의사결정 영역을 다시 그리는 리더들을 통해 전달되는 식이다. 반면 행동 설계는 사람 쪽에 이득이며 — 동기, 신뢰, 이들이 남을지 여부 — 그 이득은 일찍 온다. 일이 재구축되는 바로 그 당사자들을 통해 전달되지만, 이는 오직 그들이 설계에 함께 참여할 때만 그렇다. 지속 가능한 승자는 이 둘을 의도적인 순서로 함께 돌린다. '자발적 참여자 연합'이 도구를 시험해보는 데 그치지 않고 재구축을 공동 저작하도록 해서, 언바운들링이 사람들과 함께 일어나게 하고 그들에게 일방적으로 일어나지 않도록 한다. AI를 정체성을 긍정하는 존재로 규정하고 (사람이 아니라 지겨운 잡일을 없애는 것이니까), 사람들이 계속 감각을 유지할 만큼은 루프 안에 남아 있도록 약간의 의도적 마찰을 설계하고 — 앞서 나온 탈숙련화 방지책이 여기서 다시 한 번 쓰이는 셈이다 — 신뢰와 채택률을 재야 한다, 처리량만 잴 게 아니라. 구조적 재설계는 엔진이다. 심리적 부채를 갚는 일이야말로 그 동력을 실제로 운전할 사람들에게까지 도달하게 만드는 조건이다.

공장을 다시 짓는 것, 물론 해야 한다. 하지만 정말로 끊어내기 어려운 벨트는 천장에 달려 있지 않다 — 사람들이 자기 존재 가치에 매달아 놓은 벨트다. 그 벨트는 그들과 함께 끊어야 한다. 그러지 않으면 새 엔진은 헛돌 뿐, 아무것도 움직이지 않는다.

결론: 일을 언바운들하라

이 모든 걸 하나로 묶는 사고 전환이 여기 있다. 대부분의 직함은 하나의 역할이 아니라 부리토다. AI 이전 세상에서는 한 사람이 여러 가지를 한꺼번에 짊어지는 게 편했기 때문에, 서로 별 관련 없는 잡일 뭉치가 하나의 직무로 둘둘 말려버린 것이다. '마케팅 코디네이터'라는 직함은 사실 토르티야 한 장에 싸인, 서로 무관한 열한 가지 잡일이다.

AI 우선의 세상에서는 이 부리토를 언바운들해야 한다. 뭉치를 실제 과업 단위로 쪼갠 뒤, 각 과업에 가장 적합한 대상 — 사람이든 에이전트든 — 을 중심으로 다시 체이닝해야 한다. 일부는 에이전트에게, 일부는 사람에게 남기고, 그 사이의 이음새는 방치하지 않고 설계해야 한다.

MIT Sloan의 경고는 마무리하기에 딱 맞는 냉정한 대목이다. 실제로 조직을 재편하기 전까지는, AI의 비용 — 재교육, 구조 조정, 데이터 배관 작업 — 이 얻는 것보다 진짜로 더 크다. 그렇다고 기다리라는 뜻은 아니다. 이건 다리를 건너기 전에 반드시 지나야 할 톨게이트일 뿐이다. 지금 그렇게 많은 CEO들이 막대한 AI 청구서와 초라한 수익률을 보며 멍해 있는 이유도 바로 여기에 있다. 그들은 통행료는 냈지만 다리를 건너기를 거부하고 있는 것이다.

그러니 이 시대의 승부는 가장 크고 번쩍이는 LLM을 가진 회사에 돌아가지 않는다. 그 심장은 누구나 빌릴 수 있다. 승부는 그 심장을 담을 몸을 다시 지을 용기가 있는 회사, 그래서 동력이 실제로 흐르게 만드는 회사에게 돌아간다.

페라리 엔진을 사는 것, 물론 좋다. 하지만 제발, 마차에서는 내려라.