AI 네이티브 기업이란 무엇인가
AI 네이티브 기업 1화 · 일하는 방식과 제품의 재설계
AI 네이티브 기업 · 1화
초안은 몇 초 만에 나왔다. 고객은 왜 사흘을 기다렸을까?
고객이 기능 하나를 문의한다. AI는 매뉴얼을 찾아 몇 초 만에 답변을 써준다. 담당자가 읽어보니 고객이 쓰는 버전에서는 그 기능이 다르게 작동한다. 최신 문서는 다른 폴더에 있고, 예외 사항을 아는 사람은 회의 중이다. 담당자가 문서를 찾고 답변을 고쳐 승인받는 사이 사흘이 지난다.
이 팀에서 AI가 빠르게 만든 것은 답변 초안이다. 고객이 기다린 시간의 대부분은 자료를 확인하고, 예외를 판단하고, 답변을 승인하는 데 쓰였다. 다음번에도 같은 일이 반복된다면 어디부터 바꿔야 할까?
AI가 맡을 일을 기준으로 업무를 설계한다
이 연재에서 AI 네이티브 기업은 AI가 안정적으로 맡을 수 있는 일을 기준으로 업무 흐름, 정보 접근, 의사결정 권한을 설계하는 기업을 뜻한다. 오래된 회사도 고객 지원 업무 한 가지에서 시작할 수 있다. AI가 참조할 최신 문서와 버전별 적용 범위를 정하고, 확인할 정보가 빠졌으면 고객에게 추가로 물을 내용을 준비한다. 계약이나 납기에 관한 약속이 걸렸다면, 해당 조건을 승인할 권한이 있는 사람이 답변을 검토한다.
업무 설계는 발송 이후까지 이어진다. 담당자가 답변을 수정한 이유를 남기면, 팀은 다음 문의가 왔을 때 어디서 같은 오류를 줄일 수 있는지 확인할 수 있다. 버전 안내가 반복해서 틀린다면 매뉴얼을 바로잡고, 권한을 확인하느라 매번 지연된다면 승인 경로를 손본다.
- 제품 버전과 문의 유형을 확인한다.
- 최신 문서에서 근거를 찾아 답변을 준비한다.
- 근거와 권한을 확인해 다음 행동을 정한다.
- 정해진 범위의 문의는 답변을 전달한다.
- 근거가 부족하거나 약속이 필요한 문의는 담당자가 검토한다.
- 결과와 수정 이유를 기록해 다음 응답에 반영한다.
앤트파이낸셜은 결제 데이터를 어디에 썼나
하버드경영대학원의 마르코 이안시티와 카림 라카니는 2020년 하버드 비즈니스 리뷰에서 앤트파이낸셜을 소개했다. 이 회사는 모바일 결제 서비스 알리페이의 데이터와 AI를 소비자 대출, 신용평가 등 여러 사업에 활용했다. 결제 과정에서 쌓인 정보가 다른 서비스의 판단에도 쓰이면서, 한 사업의 운영 데이터가 여러 사업을 뒷받침하는 자원이 됐다. Harvard Business Review · Competing in the Age of AI
고객 지원팀에도 같은 질문을 던질 수 있다. 이번 문의에서 확인한 사실 중 다음 문의에도 쓸 수 있는 것은 무엇인가? 담당자가 “이 기능은 이전 버전에서는 작동하지 않는다”고 답변을 수정했다면, 제품팀이 적용 버전을 확인하고 공식 문서를 갱신할 수 있다. 다음번에는 새 담당자도 그 근거를 찾아 답할 수 있다. 수정 이유가 상담 기록에만 남으면, 비슷한 질문이 올 때마다 다른 사람이 같은 사실을 다시 확인해야 한다.
일반 기업은 고객이 기다리는 시간을 본다
초안 작성에 걸린 시간만 측정하면 작성 단계가 빨라졌다는 사실은 알 수 있다. 고객 지원이 좋아졌는지 보려면 첫 답변까지 걸린 시간, 문의가 해결되기까지 걸린 시간, 같은 문제로 고객이 다시 연락한 비율도 함께 봐야 한다. 답변이 빨라졌어도 재문의가 늘었다면 문서의 정확도나 검토 기준을 다시 확인할 이유가 생긴다.
상담원 5,172명의 도입 결과가 보여준 것
에릭 브린욜프슨, 대니얼 리, 린지 레이먼드는 한 기업용 소프트웨어 회사가 상담 보조 AI를 단계적으로 도입한 과정을 분석했다. AI는 채팅 중 답변을 제안했고, 상담원은 제안을 고치거나 쓰지 않을 수 있었다. 2025년 The Quarterly Journal of Economics에 실린 논문에 따르면 상담원 5,172명의 시간당 해결 건수는 평균 15% 늘었다. 경험이 적은 상담원은 속도와 품질이 함께 개선됐지만, 숙련도가 가장 높은 상담원에게서는 속도 개선이 작았고 일부 품질 지표는 소폭 떨어졌다. The Quarterly Journal of Economics · Generative AI at Work
이 팀이 같은 도구를 도입한다면 상담 경력과 문의 유형을 나눠 볼 만하다. 신입이 제품 버전을 더 정확히 안내하는지, 숙련자가 드문 예외를 다룰 때 검토 시간이 늘어나는지 따로 기록할 수 있다. 시간당 해결 건수는 상담 업무의 처리량을 보여준다. 첫 문의부터 최종 해결까지 걸린 시간과 같은 문제로 다시 연락한 비율을 함께 보면 고객이 체감한 변화도 확인할 수 있다.
소프트웨어 기업은 고객의 일이 어디까지 끝났는지 본다
재무 담당자가 “이번 달 비용이 예산을 넘긴 이유를 보여줘”라고 요청한다고 해보자. 제품이 예산표와 실제 거래를 불러오고, 차이가 큰 항목을 찾아 근거 거래와 함께 정리하면 담당자는 여러 화면을 오가며 자료를 모으는 시간을 줄일 수 있다. 거래의 분류가 틀렸을 가능성이 있다면 그 항목을 드러내고, 장부 수정은 권한 있는 사람이 승인하도록 설계할 수 있다.
이때 제품의 가치는 답변이 생성된 건수보다 고객이 검토를 끝내기까지 걸린 시간과 결과를 근거 자료로 확인할 수 있는지에서 드러난다. 과금 기준도 고객이 제품을 쓰는 방식에 따라 달라질 수 있다. 여러 사람이 화면에서 협업한다면 사용자 수가 적절할 수 있고, 반복 검토를 자동으로 처리하는 제품이라면 처리 건수가 고객이 얻는 가치에 더 가까울 수 있다.
BCG 실험에서 빠른 답이 틀린 판단으로 이어진 경우
파브리치오 델라쿠아와 공동 연구진은 보스턴컨설팅그룹(BCG) 컨설턴트를 대상으로 무작위 실험을 진행했다. AI가 잘 다루는 여러 과제에서는 작업 속도와 결과물의 품질이 개선됐다. 그러나 인터뷰와 재무 자료를 종합해 성장 가능성이 가장 높은 브랜드를 골라야 했던 한 과제에서는 AI를 쓴 집단의 정답률이 평균 19%포인트 낮았다. 이 수치는 해당 과제의 결과다. Dell’Acqua 외 · Navigating the Jagged Technological Frontier
예산 검토 제품에 적용하면, 예산과 실적의 차이를 계산하는 일과 그 원인을 판단하는 일에 서로 다른 검증이 필요하다. 가령 운송비가 늘었을 때 거래 내역에서 금액과 날짜를 확인할 수는 있다. 단가가 올랐는지, 주문량이 늘었는지, 전월 청구서가 뒤늦게 반영됐는지 판단하려면 계약 조건이나 발주 기록이 더 필요할 수 있다. 제품이 확인된 차이, 가능한 원인, 아직 필요한 자료를 구분해서 보여주면 담당자는 어디서 검토를 이어갈지 알 수 있다.
앤드루 응이라면 어떤 실험부터 고를까
앤드루 응은 하버드 비즈니스 리뷰에서 회사의 실제 업무와 맞닿아 있고, 비교적 짧은 기간에 성과를 보여줄 수 있는 과제로 AI 도입을 시작하라고 제안한다. 이 사례에서 첫 실험은 제품 하나의 버전별 기능 문의로 좁힐 수 있다. 제품팀은 버전별 문서를 관리하고, 지원팀은 계약이나 납기 약속을 승인할 담당자를 정한다. Harvard Business Review · How to Choose Your First AI Project
실험 전후에 같은 유형의 문의를 비교한다. 문의 접수, 첫 답변, 승인, 최종 해결 시각과 재문의 여부를 기록하면 어느 구간이 달라졌는지 알 수 있다. 답변 작성은 빨라졌는데 고객이 여전히 사흘을 기다린다면, 승인 대기 시간과 문서 누락 건수부터 확인한다. 그래야 다음 실험에서 문서를 고칠지, 승인 경로를 바꿀지, AI가 맡는 범위를 넓힐지 판단할 수 있다.
첫 사례로 돌아가면, AI 네이티브 기업인지 살펴볼 기준은 사흘의 어디에서 시간이 줄었는지, 답변을 믿을 근거가 남았는지, 예외가 생겼을 때 누가 판단했는지다. 다음 편에서는 이런 기준을 한 사람이 만든 시제품에 적용해, 팀이 매일 쓸 도구가 되기까지 무엇이 필요한지 살펴본다.
연재 목차
- AI 네이티브 기업이란 무엇인가 · 기업의 업무와 고객이 사용하는 제품을 AI에 맞춰 설계한다는 말의 의미.
- AI 시제품이 팀의 도구가 되려면 · 자료 갱신, 오류 수정, 검토 시간을 포함한 성과 측정.
- AI에게 어디까지 맡길 것인가 · 고객 문의와 견적에서 AI의 권한과 사람의 승인 기준.
- 소프트웨어는 고객의 일을 어디까지 끝내줄 수 있을까 · 요청을 이해하고 근거를 설명하며 다음 단계까지 실행하는 제품.
- AI 시대에 기술기업의 경쟁력은 어디에 남는가 · 검증된 데이터, 예외를 다루는 전문성, 고객 시스템과의 통합.