업무를 전부 AI와 함께 하면 조직에서 무엇이 달라집니까
저희는 거의 모든 업무를 AI와 함께 처리합니다. 제안서와 분석 문서를 쓰는 일, 코드를 만드는 일, 만든 것을 검증하는 일, 회의 기록을 남기고 다음 할 일로 넘기는 일까지 포함해서입니다.


저희는 거의 모든 업무를 AI와 함께 처리합니다. 제안서와 분석 문서를 쓰는 일, 코드를 만드는 일, 만든 것을 검증하는 일, 회의 기록을 남기고 다음 할 일로 넘기는 일까지 포함해서입니다.
효율이 얼마나 올랐다는 이야기를 하려는 게 아닙니다. 그렇게 일하기 시작하니 조직 안에서 생긴 일을 적으려고 합니다. 좋은 쪽만 있지는 않습니다.

같은 시간에 나오는 양이 옆자리와 그대로 비교됩니다
이게 가장 먼저 나타난 변화입니다.
예전에는 사람마다 일하는 속도 차이가 어느 정도 가려졌습니다. 일의 성격이 다르고, 맡은 범위가 다르고, 무엇이 어려웠는지는 본인만 알기 때문입니다. 그런데 같은 도구를 모두가 쥐고 나면 그 가림막이 얇아집니다. 도구가 같으니 차이가 도구 탓이 아니라는 게 서로에게 보입니다.
그리고 그 차이가 작지 않습니다. 두세 배 정도면 열심히 했다는 설명이 되는데, 몇 배씩 벌어지면 설명이 안 됩니다. 앞선 사람은 같은 일을 두 번 하지 않게 만들어 두고 그 위에서 다음 일을 하고 있고, 그렇지 않은 사람은 매일 처음부터 시작하기 때문입니다.

이건 누가 지적해서 알려지는 게 아닙니다. 회의에서 각자 이번 주에 한 것을 꺼내 놓으면 그냥 보입니다.
안 맞는 분은 대개 먼저 이야기를 꺼냅니다
여기부터는 불편한 부분입니다. 그래도 적겠습니다. 채용을 준비하시는 분이나 이런 조직에 오실 분에게는 이게 실제 정보이기 때문입니다.
AI를 검색과 초안 작성 정도로 사용하는 방식이 익숙한 분들은 이 환경에서 오래 편안하지 않습니다. 그리고 대개 회사가 무슨 판정을 내리기 전에 본인이 먼저 이야기를 꺼냅니다.
능력 문제가 아니라는 점을 분명히 적고 싶습니다. 전 직장에서 잘하시던 분들이고, 다른 조직에 가시면 다시 잘하실 분들입니다. 어긋나는 것은 실력이 아니라 일을 처리한다는 것의 정의입니다. 한쪽에서 성실함은 맡은 일을 직접 끝까지 해내는 것인데, 여기서는 같은 일이 다음에 저절로 되게 만들어 두지 않으면 성실해도 뒤처집니다. 앞의 정의로 몇 년을 잘해 오신 분에게 이건 사소한 조정이 아닙니다.
저희 쪽 잘못도 있습니다. 들어오시기 전에 이 이야기를 충분히 안 했습니다. 채용할 때 "AI를 활용하는 회사"라고만 말하면 듣는 쪽은 도구를 지원해 준다는 뜻으로 받아들입니다. 실제로는 일하는 방식 자체가 그것을 전제로 짜여 있다는 뜻인데, 그 차이를 설명하지 않았습니다. 그래서 지금은 자리 설명에 이 내용을 먼저 적습니다.
인원이 적어서 한 사람이 넓게 맡아야 합니다
이 압력을 키우는 조건이 하나 더 있습니다. 저희가 아직 작은 회사라는 것입니다.
큰 조직이면 한 사람이 좁고 깊게 맡습니다. 인원이 적으면 그렇게 나눌 수가 없어서 한 사람이 여러 종류의 일을 동시에 봅니다. 문서도 쓰고, 데이터도 보고, 고객 앞에도 서고, 만든 것이 도는지도 확인합니다.
그래서 자동화가 선택이 아니라 조건이 됩니다. 맡은 범위가 넓은데 전부 직접 하면 물리적으로 안 됩니다. 반복되는 것을 덜어내야 넓은 범위를 감당할 수 있습니다. 인원이 많은 조직에서는 개인의 취향일 수 있는 것이, 여기서는 그 자리를 유지하는 방법입니다.
구체적으로 어떻게 바뀌었는지 세 가지만 적겠습니다.
문서를 쓰는 일 — 예전에는 매번 처음부터 썼습니다. 지금은 회사 사실을 담은 원본을 한 곳에 두고 문서가 거기서 값을 가져오게 합니다. 숫자가 바뀌면 인용한 곳을 찾아다니는 대신 원본만 고칩니다
검토하는 일 — 사람이 눈으로 읽던 확인 항목을 기계가 먼저 훑고, 사람은 기계가 못 잡는 것만 봅니다. 금지된 표현이나 어긋난 숫자는 사람보다 기계가 잘 찾습니다
회의 뒤에 남기는 일 — 기록하고, 할 일을 뽑고, 담당과 기한을 붙이고, 다음에 그것을 다시 꺼내는 것까지가 한 줄로 이어집니다. 예전에는 이 사이사이에서 일이 샜습니다
셋 다 대단한 기술이 아닙니다. 한 사람이 한 번 만들면 그 뒤로 팀 전체가 그만큼을 매번 아낍니다. 인원이 적을수록 이 배수가 크게 느껴집니다.
"업무"라는 말의 뜻이 달라졌습니다
위의 것들을 합치면 결국 이 이야기가 됩니다.
전통적으로 일을 한다는 것은 그 일을 직접 처리하는 것이었습니다. 잘한다는 것은 빠르고 정확하게 처리한다는 뜻이었고, 성과는 처리한 양이었습니다.
지금 저희 조직에서 일을 잘한다는 것은 그 일이 되게 만드는 구조를 짜고, 그것이 제대로 돌아가는지 보는 것에 가깝습니다. 직접 처리하는 시간이 줄고 판단 기준을 정하고 결과를 확인하는 시간이 늘었습니다.
구분 | 예전 기준 | 지금 기준 |
|---|---|---|
잘한다 | 빠르고 정확하게 처리 | 다음에도 되게 만듦 |
성과 | 처리한 양 | 안 해도 되게 만든 양 |
어려운 일 | 손이 많이 가는 일 | 기준을 못 세운 일 |

오른쪽 칸이 옳고 왼쪽이 틀렸다는 말이 아닙니다. 다만 저희가 있는 자리에서는 오른쪽 기준으로 굴러가고 있고, 그러면 왼쪽 기준으로 훈련된 분에게 이 조직은 잘 맞지 않습니다.
이 방식으로 크게 틀린 적도 있습니다
자랑만 적으면 안 되니 반대쪽도 적겠습니다.
문서 하나에 사실과 다른 문장이 하나 들어간 적이 있습니다. 예전 같으면 그 문서 한 곳의 문제였을 텐데, 저희는 문서들이 서로를 참조하며 자동으로 채워지도록 만들어 두었기 때문에 그 한 문장이 수십 곳으로 퍼졌습니다. 발견했을 때는 어디까지 갔는지 세는 일부터 해야 했습니다.
여기서 배운 것이 두 가지입니다.
첫째, 자동화는 맞는 것과 틀린 것을 구분하지 않고 똑같이 빠르게 퍼뜨립니다. 속도를 올리면 오류의 속도도 같이 올라갑니다. 그래서 퍼뜨리는 구조를 만들 때는 들어오는 자리에 검사를 같이 만들어야 하는데, 저희는 퍼뜨리는 쪽을 먼저 만들고 검사를 나중에 붙였습니다. 순서가 틀렸습니다.
둘째, 되돌리는 경로를 먼저 만들어야 합니다. 무엇이 언제 바뀌었는지 남아 있지 않으면 정정도 손으로 하게 됩니다. 지금은 바꾸기 전에 이전 상태를 남기고, 값이 바뀌면 그 근거와 바꾼 사람을 함께 적습니다. 자동화의 속도를 얻는 대가로 붙는 관리 비용입니다.
그럼 처음 배우는 사람은 어떻게 합니까
가장 자주 받는 질문이고, 저희도 아직 다 못 푼 문제입니다.
직접 해 보면서 익히는 과정이 실력을 만드는데, 그 과정을 자동화가 건너뛰게 만듭니다. 결과는 빨리 나오는데 왜 그렇게 되는지는 안 남습니다. 이 상태로 몇 달이 지나면 결과를 만들 줄은 아는데 그 결과가 틀렸을 때 알아채지 못하는 상태가 됩니다. 위에서 적은 셋째 질문이 못 하게 막으려는 것이 바로 이것입니다.
지금 하고 있는 대응은 두 가지입니다. 새로 만든 것은 처음 몇 번을 반드시 손으로 대조해 보게 하고, 검증은 만든 사람이 아닌 다른 사람이 다른 경로로 하게 합니다. 완전한 답은 아닙니다. 시간이 더 들고, 급할 때 제일 먼저 빠지는 것이 이 단계입니다.
그래서 사람을 볼 때 보는 것이 바뀌었습니다
기준을 다시 짜면서 실제로 물어보는 것이 달라졌습니다.
어떤 도구를 사용하시는지 묻지 않습니다 — 도구 이름은 몇 달이면 바뀌고, 빨리 익히는 능력이라 문턱으로 두면 손해입니다
모르는 영역에서 결과를 낸 사건이 있는지 묻습니다 — 자기 전공 밖의 문제를 실제 결과까지 끌고 간 적이 있는가
그 답이 맞는지 무엇으로 확인했는지 묻습니다 — 되물어봤다·다시 시켜 봤다는 확인이 아닙니다. 직접 계산했다·기록을 열어 봤다·현장에서 재 봤다가 확인입니다
만든 것을 지금 누가 사용하는지 묻습니다 — 본인만 사용하면 개인 요령이고, 남이 사용하면 조직이 가진 것입니다
세 번째가 가장 중요합니다. 앞의 두 가지만 있고 이게 없으면, 모르는 영역에서 그럴듯한 오답을 자신 있게 들고 오는 사람이 됩니다. 고객 공장에서 혼자 판단해야 하는 자리에서는 그걸 되돌려 줄 사람이 옆에 없습니다.
모두에게 맞는 환경은 아닙니다
마지막으로 이건 적어 두는 게 맞겠습니다.
이렇게 일하는 것이 더 나은 방식이라고 주장하려는 게 아닙니다. 저희가 처한 조건 — 인원은 적고 맡은 범위는 넓고 고객은 제조 현장에 있는 상황 — 에서 이 방식이 필요했던 것이고, 다른 조건에서는 다른 답이 나옵니다.

그리고 이 환경에는 비용이 있습니다. 계속 배워야 하고, 어제의 방식이 오늘 안 통하는 일이 자주 생기고, 옆자리와 비교되는 것이 편하지 않습니다. 안정적인 범위 안에서 깊이 파고드는 쪽이 잘 맞는 분들께는 좋은 자리가 아닙니다. 그건 부족한 게 아니라 다른 종류의 강점이고, 그 강점이 값을 하는 조직이 따로 있습니다.
관리하는 쪽에서 조심할 것도 하나 있습니다. 이 격차가 보이기 시작하면 뒤처진 사람을 재촉하게 되는데, 재촉으로는 안 바뀝니다. 바뀌는 것은 자기 일에서 반복되는 자리를 하나 찾아 실제로 덜어내 본 다음입니다. 한 번 성공하면 그다음은 스스로 찾습니다. 그래서 저희는 속도를 요구하는 대신 각자 맡은 일에서 그 첫 하나를 같이 찾아보는 자리를 만듭니다. 그래도 안 맞는 분은 안 맞고, 그건 앞에서 적은 대로입니다.
저희가 지금 하려는 것은 이 조건을 들어오시기 전에 정확히 말씀드리는 것입니다. 들어와서 알게 되면 서로 몇 달을 잃습니다.
혹시 조직에서 이 격차를 겪고 계시다면, 어떻게 다루고 계신지 듣고 싶습니다.
이 글이 도움이 되셨다면 공유해 주세요
새 글이 올라오면 메일로 알려드립니다
제조 현장에서 확인한 것들을 기록합니다. 광고성 발송은 하지 않습니다.
제조 AI 성숙도 자가진단 — 회사 정보 없이 10문항이면 됩니다.

제조 AI 운영체제 VEXPLOR를 만들고 있습니다. 스마트공장 구축 현장에서 데이터 표준화·온톨로지·디지털트윈·자율형공장을 다루며, 이 블로그에는 현장에서 실제로 부딪힌 문제와 그때 내린 판단을 씁니다.
contact@wace.me이 문제를 실제 현장에서 풀고 있습니다
(주)웨이스는 제조 AI 운영체제 VEXPLOR로 데이터 표준화부터 자율형공장까지 만들어가고 있습니다. 이 글에서 말한 방식으로 일할 사람을 찾고 있습니다.
함께 읽어보세요
우리 공장은 몇 단계입니까: 스마트공장 수준 등급 읽는 법
정부 지원사업 공고를 보다 보면 자격 조건에 등급이 나옵니다. 스마트공장 수준 중간1 이상. 이런 문장입니다. 그런데 정작 우리 공장이 몇 단계인지는 어디서 알 수 있는지, 중간1이 무엇을 요구하는지는 공고에 안 적혀 있습니다.

공장이 멈추면 그 화면도 멈춥니까
디지털트윈이라는 말은 자료마다 다르게 쓰입니다. 3D로 그린 공장 화면을 그렇게 부르기도 하고, 설비 데이터를 실시간으로 보여주는 대시보드를 그렇게 부르기도 합니다. 한 번 만들어 돌려 본 시뮬레이션을 디지털트윈이라고 적어 놓은 제안서도 있습니다.

MES가 정확히 무엇을 뜻하는지 아시나요
제안서를 서너 개 나란히 놓으면 같은 말이 다르게 쓰여 있습니다. MES, 생산관리시스템, ERP 생산 모듈, POP. 업체마다 부르는 이름이 다르고, 어떤 곳은 셋을 한 단어로 묶어 부릅니다.
