AI 유료 계정도 지원하고, 실무에 써 보라고 권하고 있습니다. 이 정도면 된 걸까요?
이 질문에 대한 저희의 답을 정리했습니다.
AI를 쓰는 회사와 AI로 돌아가는 회사
AX라고 하면 보통 어떤 AI 도구를 들일지부터 고민합니다. 그런데 도구보다 먼저 정해야 할 것들이 있습니다. 누가 어떤 일을 맡을지, AI가 무엇을 보고 일할지, 그리고 그 기준을 어떻게 지켜 갈지입니다.
사람이 할 일과 AI가 할 일을 나눕니다
AI는 이미 많은 일에서 사람보다 낫고, 앞으로 더 나아질 겁니다. 그렇다고 사람이 할 일이 사라지지는 않습니다. 그래서 지금 회사에서 하는 일 가운데 10년 뒤에도 사람이 해야 할 일과 AI에게 넘기는 게 나은 일을 미리 가려 보는 것이 AX의 첫걸음입니다.
영업을 예로 들어 보겠습니다. 새 거래처와 중요한 미팅이 잡혔습니다. 자료 준비는 AI의 도움을 받을 수 있습니다. 하지만 당일 상대와 마주 앉아 설명하고, 자료에 다 담기지 않는 신뢰를 전하는 건 영업 담당자의 몫입니다. 새로 모신 영업 이사님이 상대 회사 주요 인사와 오래 알고 지낸 사이라면 일은 훨씬 빨리 풀립니다. 이것도 AI가 대신할 수 없습니다.
반대로 미팅 내용을 기록하고, 분기마다 팀의 영업 성과를 정리하는 일은 AI가 더 잘합니다. 다음 분기 영업 전략은 어떨까요? 이것도 AI가 더 잘 짭니다. 지난 분기 실적, 회사 전체의 현황과 목표, 시장 상황을 한꺼번에 놓고 전략을 세웁니다. 사람은 결정만 하면 됩니다.
이번에는 제조 회사로 가 보겠습니다. 어느 부서가 어떤 작업을 얼마나 해야 하는지는 AI가 쉽게 계산합니다. 그런데 갑자기 물량이 몰리면 어떨까요? 작업자분들께 상황을 설명하고 협조를 얻는 건 AI가 할 수 없습니다. 작업자들의 사정을 헤아리고 ‘이번엔 같이 해 보자’는 마음을 끌어내는 일은 현장 매니저의 몫입니다.
이렇게 보면 앞으로 사람을 보는 기준도 달라지겠다는 생각이 듭니다. 데이터 분석은 서툴러도 고객을 설득하는 데 탁월한 영업 담당자, 작업 지시 로직은 몰라도 작업자들이 믿고 따르는 현장 매니저. 이런 사람들의 가치가 더 커집니다. 사람이 할 일과 AI가 할 일을 잘 나눠 일하는 방식을 다시 짜면, 회사는 생산성이 오르고 구성원은 자기 일의 본질에 더 집중할 수 있습니다.
회사 전체가 쓰는 기준 정보 시스템을 설계합니다
AI에게 일을 맡겨 보면 기대에 못 미칠 때가 많습니다. 이유는 대개 두 가지입니다. 하나는 AI가 우리 회사 사정을 충분히 모른다는 것이고, 다른 하나는 그래서 어떤 결과물이 좋은 결과물인지 기준이 없다는 것입니다. 이 두 가지만 풀어도 AI는 생각보다 훨씬 많은 일을 해냅니다.
그 출발점이 기준 정보입니다. 기준 정보란 제품, 거래처, 매출처럼 회사 전체가 함께 보는 기본 데이터와 그 데이터를 다루는 규칙을 말합니다. 요즘은 ‘온톨로지’라고도 많이 부릅니다.
흩어진 정보를 한곳에 모읍니다
많은 회사에서 같은 정보가 여러 곳에 흩어져 있습니다. 제품 하나를 리뉴얼하면 ERP, 월별 매출 대시보드, 인허가 서류를 관리하는 스프레드시트 등 수십 곳에 반영해야 합니다. 사람이 이걸 다 맞추려면 손이 많이 가고 실수도 생깁니다. 결국 같아야 할 값이 곳마다 다르고, 담당자마다 다른 기준으로 적어 둔 경우도 흔합니다.
지금
한곳에 모으면
이런 환경에서는 AI도 제 실력을 못 냅니다. 일을 시작하기도 전에 어느 데이터를 믿어야 할지 가려내느라 힘을 다 써 버립니다. 그래서 데이터를 한 시스템으로 모으고, 기존 프로그램과 AI가 모두 그 시스템만 보도록 맞춰야 합니다.
어떻게 쌓을지도 중요합니다
모으는 것만큼 중요한 건 앞으로 정보를 어떻게 쌓느냐입니다. 회사마다 따져 볼 게 많지만, 대표적인 것은 세 가지입니다.
첫째, 무엇을 얼마나 쌓을지 정해야 합니다. 영업팀 회의를 예로 들어 보겠습니다. 매일 아침 회의에서는 그날 팀과 개인의 목표를 공유하고, 가끔은 사적인 이야기도 나눕니다. 주간 회의에서는 한 주 실적과 다음 주 목표, 회사의 주요 이슈를 다룹니다. 분기 회의에는 경영진도 참석해 실적을 돌아보고 다음 분기 전략을 정합니다. 셋 다 똑같이 기록할 수는 있지만 쓸모는 크게 다릅니다. 분기 회의 내용은 다른 팀에도 공유되어 중요한 결정에 쓰입니다. 아침 회의 기록은 영업팀조차 다시 볼 일이 거의 없습니다. 그렇다면 아침 회의는 기록하지 않거나, 아예 횟수를 줄이는 것도 방법입니다. 모든 정보를 쌓을 필요는 없습니다. 쌓는 데 드는 비용이 얻는 것보다 크다면 쌓지 않는 편이 낫습니다. 쌓인 게 많을수록 그중 무엇이 중요한지 AI에게 가려 주는 데도 비용이 듭니다.
둘째, 부서마다 다른 기준을 어떻게 다룰지 정해야 합니다. 매출이 대표적입니다. 영업팀은 수주를, 재무팀은 세금계산서 발행을, 운영팀은 출고를 기준으로 매출을 잡습니다. 데이터를 합치는 김에 기준도 하나로 통일하고 싶어집니다. 하지만 각 부서의 기준에는 이유가 있습니다. 영업팀 입장에서는 발주를 받아 온 순간 할 일을 다 했습니다. 그 뒤 내부 사정으로 납기를 놓치거나 폐기가 생겼는데 영업 실적이 깎인다면 억울할 수밖에 없습니다. 운영팀은 들어온 주문을 탈 없이 처리했는지가, 재무팀은 세금계산서가 제대로 나갔는지가 중요합니다.
그래서 매출의 정의를 하나로 통일할 필요는 없습니다. 대신 부서마다 어떤 지표를 보는지 파악하고, 그 지표를 계산할 데이터가 빠짐없이 쌓이게 해야 합니다. 부서마다 계산법이 다르다는 사실도 AI에게 분명히 알려 줘야 합니다.
셋째, 구조를 단순하게 설계해야 합니다. 이 부분은 전문적인 영역입니다. 담는 정보가 복잡해도 구조는 단순할 수 있고, 앞으로의 변화를 내다보고 설계할 수도 있습니다. 이 차이는 AI의 성능으로 이어집니다. 같은 데이터라도 단순한 구조로 저장되어 있으면 AI가 찾는 비용이 줄고, 한 번에 더 많은 데이터를 살펴볼 수 있습니다. 정리된 방에서 물건을 빨리 찾는 것과 비슷합니다.
복잡한 정보 · 복잡한 구조
복잡하게 담으면 AI가 찾기 더 어렵습니다.
복잡한 정보 · 단순한 구조
복잡한 정보도 AI가 잘 활용하도록 구조화할 수 있습니다.
회사 사정을 아는 AI에게는 일을 맡길 수 있습니다
이렇게 정리한 기준 정보에 AI 에이전트를 연결하면 결과가 확연히 달라집니다. 유능한 사람을 뽑아도 회사 사정을 모르면 성과를 내기 어려운 것과 같은 이치입니다. 회사 사정을 아는 AI는 세 가지가 다릅니다.
첫째, 결정이 빨라지고 정확해집니다. 데이터가 어디 있는지 찾거나, 다른 팀에 요청하고 기다릴 필요가 없습니다. 필요한 데이터는 늘 약속된 곳에, 약속된 규칙대로 쌓여 있습니다. 분석도 깊어집니다. 분석은 AI가 특히 잘하는 일이라, 팀에 데이터 전문가가 없어도 수준 높은 분석을 바탕으로 결정할 수 있습니다.
둘째, 진짜 일을 맡길 수 있습니다. 기준 정보 없이 쓰는 AI는 실무에 바로 쓰기엔 아쉬운 결과를 내기 쉽습니다. 기준 정보가 붙으면 이야기가 달라집니다. IT 구독 서비스의 고객 문의 응대를 생각해 보겠습니다. 응대 매뉴얼만 주면 AI의 답변은 무난한 수준에 그칩니다. 그런데 그 고객의 데이터와 관련 코드까지 보여 주면, AI는 답변은 물론 우리 팀의 다음 개발 과제까지 정리해 줍니다.
기준 정보 없이
사람이 중간에 자료를 찾아 건네야 합니다.
기준 정보가 붙으면
AI가 다음 개발 과제까지 정리합니다.
셋째, 한 번 정리한 상태가 계속 유지됩니다. 처음 정리는 손이 많이 갑니다. 꼬인 데이터를 풀고 규칙을 세워야 하니까요. 하지만 그 뒤로는 적은 노력으로 정리된 상태를 지킬 수 있습니다. 기준 정보 관리를 AI가 맡을 수 있기 때문입니다. 규칙만 잘 짜여 있으면 AI는 어떤 사람보다 규칙을 잘 지킵니다. 제품을 리뉴얼하거나 공급업체가 바뀌어도 ‘A 제품 리뉴얼했어’라고만 하면, AI가 필요한 걸 되묻습니다.
실무자
A 제품 리뉴얼했어.
AI
표시사항이 바뀌었나요, 아니면 원재료 공급업체가 바뀌었나요?
실무자는 복잡한 규칙을 몰라도 대화만 하면 되고, 기록은 규칙대로 쌓입니다.
누구나 필요한 프로그램을 직접 만들 수 있게 합니다
기준 정보가 갖춰지면 할 수 있는 일이 하나 더 있습니다. 실무자가 직접 프로그램을 만드는 것입니다. AI 덕분에 웹이나 앱 같은 프로그램을 만드는 문턱이 크게 낮아졌습니다. 엑셀이나 파워포인트를 다루듯 프로그램을 만드는 시대가 오고 있습니다. 흔히 ‘바이브코딩’이라고 부릅니다.
저는 앞으로 더 많은 프로그램을 실무자가 직접 만들어야 한다고 생각합니다. 프로그램은 결국 현업에서 쓰려고 만드는데, 현업의 세세한 사정은 개발자가 다 알 수 없습니다. 그리고 디테일이 빠진 프로그램은 현업에 자리 잡지 못합니다. 예전에는 디테일을 살리는 비용이 너무 컸지만, 이제는 실무자가 직접 할 수 있습니다.
물론 걱정도 됩니다. 처음 만들 때는 기대 이상으로 잘되는데, 고치고 기능을 붙이다 보면 점점 손대기 어려워집니다. 보안도 문제입니다. 아직 사고가 나지 않았을 뿐, 중요한 정보가 위험하게 노출되어 있을 수 있습니다. 그리고 스프레드시트가 그랬듯, 프로그램마다 제각각 데이터를 갖게 되면서 정보가 다시 흩어집니다.
이 문제는 대부분 두 가지로 풀 수 있습니다. 프로그램을 기준 정보에 연결하는 것, 그리고 개발자와 실무자가 맡을 영역을 나누는 것입니다.
프로그램을 만드는 일은 건물을 짓는 일과 닮았습니다. 요즘 AI는 ‘15층 빌딩 지어 줘’라고 하면 멋진 빌딩을 금세 지어 냅니다. 그런데 다 짓고 보니 자연을 느낄 공간이 필요해졌습니다. 15층 빌딩이라면 옥상에 정원을 만들거나 입구 앞을 공원으로 꾸미는 게 현실적입니다. 문제는 실무자는 어떤 선택지가 현실적인지 모르고, AI는 그 공간이 얼마나 필요한지 모른다는 데 있습니다. 그러다 보면 AI가 요청을 너무 크게 받아들여 빌딩을 허물고 산속에 전원주택을 지어 버립니다. 이런 대공사가 몇 번 반복되면 AI도 사람도 방향을 잃습니다.
뼈대는 개발자가, 각 층은 실무자가 맡으면 문제가 해결됩니다. 기둥, 엘리베이터, 수도관, 전기 배선 같은 뼈대를 개발자가 먼저 잡아 두면, 각 층을 정원으로 쓸지 사무실이나 공장으로 쓸지는 실무자가 자유롭게 정하면 됩니다. 문제가 생겨도 자기 층만 고치면 되니 다른 층에는 영향이 없습니다.
| 뼈대개발자 | 1 기둥 2 엘리베이터 3 수도관 4 전기 배선 |
|---|---|
| 각 층실무자 | 정원, 사무실, 공장 |
| 자기 층만 고치면 다른 층에는 영향이 없습니다. |
보안도 기준 정보로 상당 부분 풀립니다. 정보가 여러 곳에 흩어져 있으면 지켜야 할 자물쇠도 그만큼 많습니다. 정보가 한곳에 모이면 지킬 곳도 하나로 줄어듭니다.
이런 환경이 갖춰지면 구성원 누구나 자기 일에 필요한 프로그램을 직접 만들 수 있습니다. 불량품을 실시간으로 잡아내는 프로그램, 복잡한 정산을 자동으로 처리하는 프로그램처럼, 개발비 때문에 미뤄 두었던 것들을 하나씩 만들 수 있습니다.
기준 정보와 규칙을 운영하는 체계를 설계합니다
회사는 계속 바뀝니다. 지금 정한 기준 정보와 규칙은 지금 상황에 맞춘 것이라, 상황이 바뀌면 함께 바뀌어야 합니다. 다행히 어려운 건 처음 한 번입니다. 운영 체계만 갖춰 두면 이후의 변화는 충분히 따라갈 수 있습니다.
변화는 보통 현장에서 먼저 보입니다. ‘이번에 새로운 케이스가 생겼는데 지금 규칙에는 안 맞습니다.’ 이런 이야기가 실무에서 올라오면 다음 순서로 처리합니다.
실무자가 AI에게 상황을 설명합니다.
AI가 먼저 검토합니다.
지금 규칙으로 처리할 수 있는지, 규칙을 바꿔야 한다면 어떤 방법이 있고 어디까지 영향이 가는지 정리합니다.
지금 규칙으로 처리할 수 있으면 그 자리에서 마무리합니다.
규칙을 바꿔야 하면 운영 협의체에 올립니다.
관련 부서 담당자, 시스템을 맡은 개발자, 최종 결정권자가 매주 또는 매달 모여 쌓인 안건을 검토하고 결정합니다.
결정된 내용은 기준 정보와 규칙, AI의 지침에 반영하고, 무엇을 왜 바꿨는지 기록으로 남깁니다.
이렇게 하면 웬만한 일은 실무와 AI 선에서 끝나고, 꼭 필요한 변경만 사람이 결정합니다. 회사가 바뀌어도 시스템이 함께 따라가게 됩니다.
Orbit 16.7이 하는 일
Orbit 16.7은 어느 회사에나 쓰는 범용 툴을 만들지 않습니다. 고객사 한 곳만을 위한 AX 솔루션을 설계하고 도입합니다. 그 회사에 딱 맞는 방식이 아니면 결국 현업에 자리 잡지 못하기 때문입니다.
1. AX 전략 수립 1개월~
AX 전문가가 고객사에 상주합니다. 실무자 인터뷰, 업무 방식 분석, 현장 업무 체험으로 회사가 겪는 문제를 정확히 짚어 냅니다.
지금의 AI 기술과 앞으로의 흐름을 함께 놓고 회사에 맞는 전략을 세웁니다. 업무 방식을 어떻게 바꿀지, 어떤 맞춤 소프트웨어가 필요한지, 어떤 순서와 일정으로 도입할지 정합니다.
2. AX 실행 3개월~
회사에 맞는 기준 정보 시스템(온톨로지)을 설계하고 구축합니다. 설계에서 그치지 않고 기존 데이터를 옮겨 바로 업무에 쓸 수 있게 합니다. 앞으로도 잘 관리되도록 규칙과 실무 매뉴얼을 만들고, 보안과 조회·편집 권한도 함께 설계합니다.
전략 단계에서 필요하다고 정한 프로그램을 모두 개발합니다. 웹, 앱, AI, IoT까지 직접 만듭니다. 모든 프로그램은 이후 고객사가 바이브코딩으로 직접 고쳐 쓸 수 있게 구성해 드립니다.
새 시스템이 현업에 무리 없이 자리 잡도록 AX 전문가가 상주하며 돕습니다.
3. 유지보수
회사가 바뀌는 만큼 AX 시스템도 함께 바뀌도록 계속 지원합니다. 운영 협의체에 참여해 기준 정보 변경 같은 주요 결정을 함께 검토하고 자문합니다. 필요할 때 현장에 전문가를 보냅니다.
언제 Orbit 16.7을 찾아야 할까요?
대부분의 회사는 AI 서비스를 구독하고 구성원들에게 잘 써 보라고 권하는 데서 AX를 시작합니다. 그러다 보면 뛰어난 몇몇이 새로운 방식을 찾아내 생산성을 크게 끌어올리기도 합니다. 좋은 일입니다. 하지만 이 방식으로는 회사 전체의 일하는 방식을 바꾸기 어렵습니다. 성과가 몇몇 개인에게 머물기 때문입니다. 앞서 말씀드렸듯 AI가 회사 단위에서 힘을 쓰려면 잘 설계된 기준 정보 시스템이 붙어야 합니다. 그래야 팀마다 새로운 업무 표준이 생기고 회사 전체가 바뀝니다. 개인의 역량에 기대는 것과는 차원이 다른 성과입니다.
그렇다고 모든 회사가 지금 당장 저희를 찾아야 한다는 뜻은 아닙니다. 직접 해 보는 게 의미 없다는 말도 아닙니다. 오히려 저희는 스스로 많이 시도해 본 회사를 더 반깁니다. 갈 수 있는 데까지 가 본 회사는 외부 전문가가 풀어야 할 문제가 분명하고, 풀었을 때 얻는 것도 큽니다.
무엇보다 AX의 핵심은 구성원의 변화입니다. 유클리드가 왕에게 ‘기하학에는 왕도가 없다’고 했듯, 좋은 전문가를 데려온다고 모든 문제가 풀리지는 않습니다. 대표님과 구성원이 큰 의지를 갖고 꽤 긴 시간을 함께 들여야 합니다. 그 과정에서 시행착오와 실패는 당연히 겪습니다. 그걸 거치지 않고는 성과도 없습니다. 그러니 먼저 할 수 있는 만큼 직접 해 보시길 권합니다. 그러다 도저히 넘기 어려운 벽을 만났을 때 저희를 찾아 주세요.
안녕하세요. Orbit 16.7 대표 류승준입니다.

- 서울과학고 졸업
- 서울대학교 물리학·경제학 전공
- 이커머스 플랫폼 ‘와슨’ 창업
- MAU 200만 심리테스트 플랫폼 ‘푸망’ 창업 및 엑싯
저는 AI 도입의 본질이 대표님과 핵심 인원이 정말 중요한 문제에만 집중하게 만드는 데 있다고 생각합니다. 회사를 운영하다 보면 회사의 성장과 별 상관없는 일에 엄청난 시간과 에너지가 들어갑니다. 문제는 이런 일이 회사 규모에 비례해 늘어난다는 겁니다. 사람이 늘고 매출이 늘수록 중요한 일에 쓸 시간은 오히려 줄어듭니다. 역설적이지만, 일이 늘어도 회사의 구조는 작고 단순하게 유지해야 회사가 더 클 수 있습니다.
물리학에는 ‘우주 속도’라는 개념이 있습니다. 초속 11.2km로 쏘아 올린 물체는 지구 중력을 벗어나 다시 떨어지지 않습니다. 초속 16.7km면 태양계까지 벗어납니다. 그보다 느리면 무슨 수를 써도 벗어날 수 없습니다.
느리면다시 떨어짐
11.2km/s지구 중력을 벗어남
16.7km/s태양계까지 벗어남
지금의 일하는 방식이 한계에 닿았다면, 다른 엔진을 달고 궤도를 벗어나야 합니다. Orbit 16.7은 지구를 넘어 태양계까지 벗어날 방법을 함께 찾자는 뜻으로 지은 이름입니다.
의지와 도메인 전문성을 모두 갖춘 대표님이라도 궤도를 바꾸는 일은 쉽지 않습니다. 챙겨야 할 다른 일도 많고, AI나 IT는 전문 분야가 아닐 수 있습니다. 그리고 저는 몇 시간의 컨설팅이나 임직원 교육, 멋진 AI 툴로는 궤도가 바뀌지 않는다고 생각합니다. 그래서 직접 가서 함께 일합니다. 회사의 맥락을 가장 빨리 파악하는 길이고, 새 방식을 현업에 무리 없이 안착시키는 길이기도 합니다. 저희에게도 번거로운 방식입니다. 하지만 다른 방법으로는 궤도를 바꿀 수 없다고 보기에 이 방식을 고집합니다.
타협 없이 오직 고객사의 궤도를 바꾸는 데 집중하는 것이 저희가 추구하는 가치입니다.
류승준Orbit 16.7 대표