AI-NATIVE 시리즈 · FUTURE MAKERS STRATEGIC COLLAB, 4부 중 3부

전략적 협업은 말이 아니라, 함께 걷는 과정에서 탄생한다

글쓴이Paul Jialiang Wu · agentic-portfolio-lovat.vercel.app · 2026-10-07 · 약 6분 소요

라벨 해석 가이드: EVIDENCE는 출처가 명확한 근거, DESIGN은 FM-SC의 설계 원리, OPEN은 아직 실험되지 않은 영역, LENS는 내 개인적 관점이다.

이번 편에서 다루는 주제: 전략적 협업에서 매칭이 어떻게 깊이 이해되는가

3부의 주제는 매칭이다. 즉, 선도 기업(공급자)과 그 성과를 실제로 활용할 수 있는 사람들(수요자)이 어떻게 서로를 충분히 이해하고 협업에 이르게 되는지 탐구한다. 파트너십을 중개하거나, 파일럿을 운영하거나, 그 자리에 직접 앉아 있는 이라면 누구에게나 해당된다. 내 결론은 이렇다: 전략적 협업은 단 한 번의 만남이 아니라, 여러 번의 '걷기'와 대화를 거치며 비로소 서로를 이해하게 된다.

먼저 생각 실험을 해보자

이 글을 읽기 전에, 아래 네 가지 중 무엇이 발표자와 청중이 발표 후 3개월이 지나도 함께 일하고 있을지를 가장 잘 예측한다고 생각하는지 스스로 답해보라:

• A. 발표자가 얼마나 유명한가.
• B. 참석자 수가 몇 명인가.
• C. 꼭 답을 얻고 싶은 구체적인 질문을 들고 온 사람이 몇 명인가.
• D. 슬라이드가 얼마나 잘 만들어졌는가.

당신의 답을 마음속에 남겨두라. 이 질문으로 다시 돌아올 것이다.

두 입장, 두 가지 고통, 두 가지 꿈

FM-SC의 모든 토크에는 두 주체가 있다. 쉽게 말해, 발표를 하는 회사를 나는 provider라 부르고, 그 작업을 실제로 활용할 수 있는 방 안의 사람들을 demanders라 부른다. 일반적인 컨퍼런스는 전자를 콘텐츠, 후자를 청중으로 본다. FM-SC는 양쪽 모두를 ‘해결해야 할 과제를 가진 사람’으로 다룬다.

이 표현은 의도적으로 가져왔다. Clayton Christensen의 jobs to be done 이론은 사람들이 제품을 단순히 구매하는 것이 아니라, 특정한 상황에서 진전을 이루기 위해 제품을 ‘고용(hire)’한다고 말한다 (Christensen et al., HBR 2016). DESIGN FM-SC는 양쪽 모두에게 같은 질문을 두 번 던진다. 지금 무엇이 아픈가? 그리고 1년 뒤, 진짜로 꿈이 이루어진다면 어떤 모습일까?

첫 Future Makers 사례였던 XTrace의 Felix Meng과 Austin Cai의 경우, provider 측의 고통과 꿈은 그들이 공개적으로 남긴 말에서 명확히 드러났다. 그들이 밝힌 고통은 이렇다: 한 번의 AI 세션에서 배운 것이 다음 세션으로 거의 이어지지 않으니, 오늘의 교정이 내일의 일에는 반영되지 않는다. 그들의 꿈은, Austin이 토크 이후 공개적으로 남긴 글에 따르면, "businesses that carry what they learn into how they work" (번역: 배운 것을 실제 업무에 녹여내는 기업들). XTrace의 공식 사이트 역시 같은 주장을 ‘사람과 AI 에이전트를 위한 공유 지능(shared intelligence)’이라고 표현한다 (xtrace.ai).

수요자 쪽은 훨씬 조용하지만, 오히려 더 구체적이다. AI용 공유 메모리를 실제로 쓸 법한 사람들은 실무적인 질문을 던진다. 예컨대, 일이 계속 바뀌는 환경에서 규칙이 어떻게 최신 상태를 유지할 수 있는지, 잘못된 교훈이 퍼지는 걸 어떻게 막는지, 하나의 규칙집이 여러 AI 도구에 동시에 통할 수 있는지 등이다. 이 질문들은 실제로 우리 방에서 인용된 문장은 아니고, 전형적인 예시일 뿐이다.DESIGN 실제로 우리는 방에서 나온 질문을 인용 근거와 함께 메모로 남겨두고, 당사자가 직접 확인할 때까지 임시로 보류한다. 그래서 우리가 실제로 대응하는 수요자 쪽의 요구는 우리가 추측한 것이 아니라, 사람들이 실제로 던진 질문에 기반한다.

왜 한 번의 대화로는 본질을 알 수 없는가

사람을 매칭할 때 마주하는 불편한 진실이 있다. 한 번의 만남은 상대가 말하는 바를 보여줄 뿐, 그들이 진짜로 필요로 하는 것이 무엇인지는 알려주지 않는다. 한 번 멋진 데모를 보고 소프트웨어를 산 경험이 있다면 누구나 알 것이다.

EVIDENCE 엔지니어들의 소통은 물리적 거리가 멀어질수록 급격히 줄어든다. MIT의 Thomas Allen이 R&D 연구실을 대상으로 한 연구에 따르면, 정기적으로 기술적 대화를 나눌 확률은 처음 수십 미터 이내에서 급격히 떨어진다(Allen, Managing the Flow of Technology, 1977; 요약은 the Allen curve). 가까움이란 한 번의 방문이 아니라, 여러 번 직접 찾아가며 쌓는 것이다.EVIDENCE BMW Startup Garage는 스스로를 세계 최초의 벤처-클라이언트 유닛이라 칭한다. 이들은 280개가 넘는 스타트업과 파일럿을 진행했고, 이 중 38개 이상이 BMW의 공식 공급업체가 되었으며, 졸업생의 절반 이상이 유료 후속 프로젝트를 따냈다. 첫 접점부터 최종 평가까지는 4~8주가 걸린다(BMW Startup Garage). 두 수치의 하한을 나누면 약 13.6%가 공급업체가 된 셈이다(내 계산 기준). 숙련된 매치메이커조차도 진짜 매칭이 이루어지려면 반복적인 접촉과 한정된 테스트가 필요하다.

그래서 FM-SC는 한 번의 토크가 아니라, 여러 번의 걷기와 대화로 설계되어 있다.

• 토크 전 각 자리는 공급자가 실제로 만드는 것과의 정렬을 기준으로 선정한다. 각 참가자는 도착 전에 실제 질문, 도전과제, 요청을 하나씩 기록한다. 우리는 공급자 측 엔지니어와 리더들과 사전 미팅을 갖는다. 또한 사전에 우리가 진행할 실시간 테스트를 미리 전달해, 불시에 당황시키는 것이 아니라 공정한 평가가 되도록 한다.
• 토크 중 질문이 가장 먼저 화면에 올라간다. 준비된 질문들은 오픈 마이크 전에 순서대로 다룬다. 마지막 10분은 각 약속을 한 명의 책임자와 날짜를 명확히 하여 소리 내어 읽는다.
• 토크 후 연사를 초대한 사람이 아닌 제3자가 우리가 무엇을 배웠는지 판정한다. 연사는 먼저 정량적 피드백을 받고, 그 다음에야 우리가 다음에 만나야 할 세 사람을 요청한다.

DESIGN각 순간은 이전에 드러나지 않았던 것을 새롭게 배우는 기회다. 이것이 여기서 말하는 "복리형 클로즈드 루프(compounding closed loop)"의 본질이다. 즉, 한 번의 걷기가 다음 걷기의 방식을 바꾼다.

"좋은 매칭"의 의미 — 실제로 검증 가능한 수치로 정의한다

"훌륭한 매칭"은 감정에 머물 수 있다. FM-SC는 이를 실패 가능성이 있는 지표로 명확히 적어둔다.

• 준비 충족률: 초대받은 사람 중 사전에 질문을 기록하고 참석한 비율. 기준선은 80%다.
• 후속 실행 속도: 토크 이후, 책임자와 날짜가 명시된 첫 커밋까지 걸린 일수. 기준선은 2일이다.
• 이행률: 약속된 커밋이 제때 완료된 비율 그리고 그 결과를 책임자가 아닌 제3자가 확인했는지 여부. EVIDENCE팀 회고 솔루션 벤더의 보고에 따르면, 책임자와 마감일이 모두 명확한 액션 아이템은 약 90%가 완료되었고, 둘 다 없는 경우는 약 67%에 그쳤다(TeamRetro, vendor-reported). 우리는 이 수치를 목표가 아니라 참고할 방향으로 삼는다.
• 추천 연결망: 발표자가 우리를 다음 연구실, 빌더, 혹은 인물에게 실제로 소개해주고, 그 소개가 새로운 토크로 이어지는지 여부.

DESIGN이 수치를 일일이 손으로 관리하는 사람은 없다.FM-SC 웹앱이 기록된 데이터를 바탕으로 자동으로 수치를 산출한다. Getting better라는 페이지에서 확인할 수 있으며, 집계할 데이터가 부족하면 UNMEASURED로 표시한다. 이 앱은 누구나 로그인 없이 접근할 수 있다. 데모는 가상의 토크를 기반으로 하므로 실제 작업 내용을 노출하지 않고 점수 산출 과정을 볼 수 있다.

DESIGN 맨 위에서 제시한 선택지에 대한 내 답은 C이다. 분명히 밝혀두자. 이것은 실제 측정값이 아니라 설계상의 가설이다. 내가 아는 한, 발표 이후 3개월 뒤에도 협업이 이어지는지를 추적한 연구는 없다. 네 가지 중 실제로 우리 설계가 측정하는 유일한 항목이기도 하다. EVIDENCE 가장 인접한 관련 연구는 교육 분야에 있다. 사람들이 어떤 세션을 liked 했는지는 실제로 무엇을 배웠는지 거의 알려주지 않는다. 반면, 그 세션이 useful 했는지는 실제 업무 현장에 적용되는지를 더 잘 예측한다(Alliger et al., 1997). 질문을 갖고 들어온 방은 실제로 무언가를 활용하러 온 방이다. 명성, 인원수, 슬라이드는 모두 한 번의 멋진 데모가 가진 요소다. 그리고 가격표를 보라. 유명 연사는 출연료가 들고, 많은 인원은 행사장이 필요하며, 좋은 슬라이드는 주말을 잡아먹는다. 질문 하나는 손님에게 5분이면 충분하다. 네 가지 중 가장 비용이 적게 드는 항목이 우리가 측정하기로 한 것이다.

정직한 평가표

FM-SC가 실제로 운영한 것은 단 한 번의 토크였다. 그 첫 번째 걸음에서 우리가 매칭에 관해 얻은 교훈은 다음과 같다.

EVIDENCE 공급자 측은 그들의 공개 자료와 세션 자체를 통해 충분히 파악할 수 있었다. EVIDENCE 수요자 측에서는, 내 집계로 사전 심층 논의가 3회 이상, 행사 중과 이후에 나온 질문이 15개 이상이었다. 하지만 행사 전까지 준비 상황을 우리 시스템에 기록하지 않았다. 우리 규칙에 따르면, 사후에 기록된 준비는 실제로 준비되어 왔다는 증거가 아니므로 첫 번째 루프는 닫힌 것으로 간주할 수 없다. DESIGN 그래서 이 실수를 규칙으로 삼았다. 이제 시스템은 준비 기록이 없는 세션이 있으면 사전에 경고한다.

첫 번째 걸음에서 가장 큰 사각지대는 바로 우리 자신이었다. 방의 준비 상황을 기록하는 시스템을 만들어 놓고, 정작 행사 전에 사용하지 않았다. 그래서 여러 번 걸어야 한다. 첫 번째 걸음은 어디서 우리가 추측에 의존했는지 드러낸다.

이 방식이 실패할 수 있는 경우

세 가지를 지금 명확히 적어둔다. 앞으로 우리를 평가할 때 이 기준을 적용해도 좋다:

1. 매칭이 단순 네트워킹으로 변질된다.만약 자리에 앉는 기준이 '누가 이 일에 진짜 맞는 사람인가'가 아니라 '그냥 시간이 되는 사람'이라면, 그 자리는 슬라이드가 곁들여진 점심 모임으로 전락한다. 준비도 충족률이 기준선 아래로 떨어지는 신호가 될 것이다.
2. 루프가 사람의 손에서 멈춘다.소프트웨어는 마감일을 띄워줄 수는 있다. 하지만 누구에게 결과를 판정하라고 하거나, 감사 인사를 보내게 만들 수는 없다. 만약 판정이 늦게 오거나 아예 오지 않는다면, 그 루프는 그냥 파이프라인에 머문다.
3. 추천 연결 고리가 아예 생기지 않는다. OPEN만약 발표자가 다음 실무자나 랩을 소개하지 않는다면, FM-SC는 계속 외부로만 초대장을 보내는 리스트에 머문다. 이것이 진짜 네트워크로 안으로 들어오는 구조로 바뀔 수 있을지는, 단 한 번의 세션만으로는 여전히 미지수다.

이번 주에 직접 해볼 일

팀 밖의 누군가와 잡힌 미팅을 하나 골라라. 시작 전에 두 가지를 적는다: 그들에게 지금아픈 점이 무엇인지, 그리고 1년 뒤 그들에게 정말 바라는 결과가 무엇인지. 둘 사이의 간극에 대해 구체적으로 한 가지 질문을 준비한다. 미팅이 끝난 뒤, 둘 중 누가 했든 약속한 한 가지를 이름과 날짜와 함께 적는다. 이것이 한 번의 걷기다.

다음 예고

4부에서는 내가 가장 자주 받는 질문을 다룬다. 왜 AI 토크 프로그램이 잠언과 경영과학을 동시에 끌어들이는가? 그 이유는 FM-SC에서 가장 어려운 문제가 결국 사람에 관한 것이기 때문이다.

출처

• Christensen, C., Hall, T., Dillon, K. & Duncan, D. (2016). Know Your Customers' "Jobs to Be Done." Harvard Business Review. https://hbr.org/2016/09/know-your-customers-jobs-to-be-done
• Allen, T. J. (1977). Managing the Flow of Technology. MIT Press. Allen 곡선 요약: https://en.wikipedia.org/wiki/Allen_curve
• BMW Startup Garage, 프로그램 수치. https://bmwstartupgarage.com/
• TeamRetro, Follow-Through Index (vendor-reported). https://www.teamretro.com/guides/follow-through-index/
• Alliger, G. M., Tannenbaum, S. I., Bennett, W., Traver, H. & Shotland, A. (1997). 교육 평가 기준 간의 관계에 대한 메타분석.Personnel Psychology, 50, 341–358. https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1744-6570.1997.tb00911.x
• XTrace, 공식 사이트.https://xtrace.ai/
• Austin Cai, 2026년 10월 2일 토크 이후 공개 LinkedIn 게시글. 원문 그대로 인용(증언); LinkedIn은 로그인 필요.
• Wu, P. J. (2022). Here comes the 12X-Future Southern Data Science Conferences. LinkedIn. https://www.linkedin.com/pulse/here-coms-12x-future-southern-data-science-conference-wu-phd/

관련 글

• Part 1 — 또 다른 기술 토크가 아니다: Future Makers Strategic Collab(FM-SC)의 차별점
• Part 2 — 왜 지금인가: AI 접근성이 저렴해진 시대, 복리로 쌓이는 것은 컨텍스트
• Part 4 — 머리, 지갑, 마음, 영혼: FM-SC에서 성경 원칙과 경영 과학이 만나는 이유