AX를 하고 싶다면, 결국 당신이 하셔야 합니다

AX의 출발점은 전문가 영입이 아니라, 아이디어를 가진 사람이 자신의 생각을 작동하는 형태로 표현하는 일입니다.

“AI를 잘하는 전문가를 영입하면 우리 회사도 AX를 할 수 있지 않을까요?”

요즘 많은 대표와 경영자가 이렇게 생각합니다. AI 전문가를 채용하고 회사의 업무를 설명한 뒤, 우리 조직에 맞는 시스템을 만들어 달라고 요청합니다.

전문가는 필요합니다. 데이터를 연결하고, 보안을 설계하고, AI의 권한을 통제하며, 안정적으로 운영되는 시스템을 만드는 일은 전문적인 영역입니다.

하지만 그 전에 해야 할 일이 있습니다. 아이디어를 가진 사람이 자신의 생각을 직접 AI에 설명하고, 화면이든 문서든 간단한 프로그램이든 먼저 작동하는 형태로 만들어보는 일입니다.

AX를 하고 싶다면, 결국 당신이 하셔야 합니다.

AX는 위임할 수 있는 기술 프로젝트가 아닙니다

생각이 여러 번 번역될수록 처음의 목적과 실제 결과물 사이에는 거리가 생깁니다.

AI 전문가는 어떤 모델을 사용할지 결정할 수 있습니다. 사내 데이터를 어떻게 연결할지, 어떤 업무에 에이전트를 적용할지, 어떤 자동화 도구가 적합한지도 제안할 수 있습니다.

그러나 우리 회사가 해결해야 할 가장 중요한 문제, 고객이 불편해하는 지점, 사람이 계속 판단해야 하는 영역, 허용 가능한 오류와 성공 기준은 대표를 대신해 결정하기 어렵습니다. 이것은 기술 질문이 아니라 경영 질문이기 때문입니다.

결정권자가 AI를 직접 사용하지 않으면 답은 실무자와 외부 전문가를 거쳐 전달됩니다. 대표의 말은 기획서가 되고 기획서는 다시 개발 명세가 됩니다. 여러 번의 해석을 거쳐 결과물이 만들어진 뒤에야 “제가 생각했던 건 이게 아닌데요”라는 말이 나옵니다.

이카이푸는 이를 직접적으로 표현했습니다. AI 전환은 이제 CEO가 단순히 위임할 수 있는 일이 아니라는 것입니다. AI가 특정 기능에 추가되는 수준을 넘어 의사결정과 조직 운영 방식에 영향을 주기 시작했기 때문입니다.

관련 근거 · Lee Kai-Fu — AI transformation is no longer something CEOs can simply delegate

이제 아이디어는 말이 아니라 작동하는 형태로 전달해야 합니다

프로토타입은 완성된 생각을 보여주는 결과물이 아니라, 아직 모호한 생각을 구체화하는 도구입니다.

“고객 문의가 들어오면 내용을 분석해 담당자를 찾아주고 필요한 자료도 추천해 주세요.” 듣기에는 구체적이지만 실제로 만들기 시작하면 질문이 쏟아집니다.

문의는 어디로 들어옵니까? 담당자는 어떤 기준으로 정합니까? AI가 고객에게 직접 답변해도 됩니까? 가격이나 계약 조건을 안내해도 됩니까? 잘못 분류한 문의는 누가 수정합니까? 최종 결과물은 이메일입니까, 보고서입니까, 관리 화면입니까?

대표가 이 질문에 답하지 않으면 실무자나 개발자가 자신의 경험으로 빈칸을 채웁니다. 반대로 대표가 AI와 대화하며 직접 간단한 프로토타입을 만들면 요구가 달라집니다. 금액이 들어간 답변은 승인 화면에 올리고, 담당자 추천의 근거를 보여주며, 원문과 AI 판단을 나란히 확인해야 한다는 식으로 바뀝니다.

a16z의 Josh Elman은 AI가 제품을 만드는 비용은 크게 낮췄지만 무엇을 만들어야 하는지 알아내는 비용까지 없애지는 않았다고 설명합니다. 기존의 순서가 ‘명세 작성 → 범위 설정 → 구현’이었다면, 새로운 순서는 ‘만들기 → 직접 사용하기 → 다시 설계하기 → 출시하기’에 가깝습니다.

관련 근거 · Josh Elman·a16z — Prototypes are cheap, judgment still matters

대표가 개발자가 되어야 한다는 뜻은 아닙니다

경영자가 맡아야 하는 것은 구현의 전부가 아니라 목적과 경계를 정하는 일입니다.

대표가 프로토타입을 직접 만들어야 한다는 말은 데이터베이스를 설계하고 서버를 배포하라는 뜻이 아닙니다. 대표가 직접 해야 하는 것은 구현의 전부가 아니라 의도의 구체화입니다.

어떤 문제를 해결하는지, 누가 사용하는지, 무엇을 입력받는지, AI가 어떤 판단을 내려야 하는지, 최종 산출물은 무엇인지, 어디서 사람의 승인을 받아야 하는지, 무엇이 틀리면 실패한 것인지를 직접 정해야 합니다.

전문가는 대표의 생각을 대신 정의하는 사람이 아닙니다. 대표가 표현한 판단을 데이터 구조, 권한, 검증 절차와 운영 시스템으로 발전시키는 사람입니다.

YC의 Garry Tan은 AI와 에이전트 코딩이 개인의 실행력을 크게 확장하고 있다고 설명합니다. 이 환경에서는 다른 사람의 해석을 기다리는 것보다 직접 만들어보고 확인한 경험의 가치가 커집니다.

관련 근거 · Garry Tan·a16z — AI is a multiplier on the individual

원하는 것의 90%는 본인이 표현해야 합니다

AI가 구현을 도울 수는 있어도 회사의 목적과 판단 기준까지 대신 정해주지는 않습니다.

C레벨이 시스템 구현의 90%를 직접 해야 하는 것은 아닙니다. 하지만 자신이 원하는 것의 90%는 직접 표현할 수 있어야 합니다.

여기서 90%는 버튼의 위치나 화면 색상을 뜻하지 않습니다. 문제의 맥락, 목적, 우선순위, 제약 조건, 예외 상황, 책임 범위와 완료 기준을 의미합니다.

“AI 영업 시스템을 만들어주세요”라는 말로는 부족합니다. 어떤 고객을 좋은 고객으로 판단하는지, 받지 않는 프로젝트는 무엇인지, 반드시 확인해야 할 정보가 무엇인지, 가격을 바로 제시할 수 있는 경우와 없는 경우가 무엇인지, AI가 고객에게 직접 행동할 수 있는 범위가 어디까지인지 표현해야 합니다.

Greg Isenberg는 범용 모델은 AI 기업이 만들지만 실제 산업의 구체적인 일은 그 업무를 아는 사람이 정의해야 한다고 설명합니다. 보험 청구가 언제 완료된 것인지, 어떤 서류가 거절되는지, 어느 과정에서 비용이 새는지는 범용 모델보다 현업이 더 잘 알고 있습니다.

관련 근거 · Greg Isenberg — The general model is theirs, the specific jobs are yours

직접 만들어보면 경영자의 생각도 달라집니다

만들고 사용하고 다시 고치는 짧은 반복은 경영자의 판단을 구체화합니다.

프로토타입의 목적은 이미 완성된 생각을 전달하는 데만 있지 않습니다. 직접 만들어보면 중요하다고 생각했던 기능이 실제로는 필요 없거나, 사소하게 여긴 예외가 전체 서비스의 신뢰를 결정한다는 사실이 드러납니다.

대표가 프로토타입을 사용하면 질문도 달라집니다. “이 기능을 넣을 수 있습니까?”는 “이 판단을 AI에게 맡겨도 됩니까?”로 바뀝니다. “얼마나 빨리 만들 수 있습니까?”는 “어떤 상태가 되면 고객에게 보여줘도 됩니까?”로 바뀝니다.

Lightfield 공동창업자 Keith Peiris는 역할을 지나치게 분리한 조직에서는 제품 전환이 느려질 수 있다고 설명합니다. 제품·마케팅·고객 성공 담당자가 각자의 영역만 지키기보다 중요한 문제를 함께 소유하도록 운영한다는 이야기입니다. AI가 실행 영역의 경계를 낮추면서 대표 역시 방향 제시와 승인에만 머물기 어려워지고 있습니다.

관련 근거 · Keith Peiris·a16z — AI ends organizational swim lanes

첫 프로토타입은 완성품일 필요가 없습니다

첫 프로토타입의 목적은 출시가 아니라 생각과 판단 기준을 확인하는 것입니다.

직접 만들라고 하면 많은 경영자가 완성도부터 걱정합니다. 그러나 첫 프로토타입은 고객에게 공개하기 위한 완성품이 아닙니다. 대표의 생각이 실제로 작동할 수 있는지 확인하기 위한 실험입니다.

버튼 일부가 작동하지 않아도 됩니다. 실제 데이터 대신 샘플 데이터를 넣어도 됩니다. 화면 몇 장과 예상 결과만 있어도 됩니다. 중요한 것은 실제 업무 사례를 넣고, AI의 판단을 확인하고, 틀린 이유를 적고, 빠진 기준을 다시 설명하는 것입니다.

Paul Graham이 소개한 한 스타트업 창업자의 책상에는 두 개의 역할이 적혀 있었습니다. 하나는 ‘Build Stuff’, 다른 하나는 ‘Talk to Users’였습니다. 만들고 사용자와 이야기하고 다시 만드는 반복은 이제 개발 조직만의 일이 아닙니다.

관련 근거 · Paul Graham — Build Stuff / Talk to Users

전문가는 그다음부터 필요합니다

전문가는 대표가 검증한 판단을 조직이 신뢰할 수 있는 시스템으로 만듭니다.

대표가 만든 프로토타입을 그대로 회사 운영 시스템에 연결해서는 안 됩니다. 고객 데이터가 들어오고 직원이 사용하며 AI가 외부로 행동하기 시작하면 보안과 책임 문제가 생깁니다.

이 지점부터 전문가의 역할이 중요해집니다. AI가 읽을 수 있는 데이터, 사용할 수 있는 도구, 외부 발송과 결제 전 승인 절차, 판단 근거와 실행 기록, 실패 시 중단과 복구, 비용과 품질 관리 기준을 설계해야 합니다.

Greg Isenberg는 하네스의 경쟁력이 특정 업무에 대한 지식과 사람의 수정 사항을 규칙으로 축적하는 데 있다고 설명합니다. 범용 AI가 좋아지는 것만으로는 특정 회사의 일을 안정적으로 수행할 수 없습니다. 그 회사가 무엇을 중요하게 판단하는지가 시스템에 남아야 합니다.

관련 근거 · Greg Isenberg — Agent harnesses are the new GPT wrappers

이제 대표의 말은 작동해야 합니다

대표의 생각이 작동하는 형태가 될 때 조직은 같은 대상을 보며 판단하고 개선할 수 있습니다.

과거에는 대표가 방향을 말하고, 실무자가 해석하고, 개발자가 구현했습니다. AI는 이 과정의 거리를 크게 줄이고 있습니다. 이제 대표가 말한 내용을 몇 시간 안에 화면이나 업무 흐름으로 바꾸고, 직접 사용해본 뒤, 틀린 부분을 수정해 조직에 전달할 수 있습니다.

여기서 필요한 것은 전문적인 코딩 능력이 아닙니다. 자신의 생각을 구체적으로 설명하는 능력, 실제 사례를 넣어보는 능력, 결과를 보고 무엇이 잘못됐는지 판단하는 능력입니다. 이것은 원래부터 경영자가 해야 했던 일입니다.

앞으로의 AI 네이티브 기업은 AI 전문가가 많은 회사만을 의미하지 않을 것입니다. 아이디어를 가진 사람이 먼저 작동하게 만들고, 조직이 실제 업무로 검증하며, 전문가가 안전한 시스템으로 완성하는 회사에 가까울 것입니다.

AI 전문가를 찾기 전에 먼저 AI를 열어보십시오. 가장 해결하고 싶은 업무 하나를 설명하고 작은 결과물을 만들어보십시오. 마음에 들지 않으면 왜 마음에 들지 않는지 다시 설명해보십시오.

누가 먼저 해야 할까요?
결국, 아이디어를 가진 당신이 하셔야 합니다.

관련 근거 · Lee Kai-Fu — CEO가 위임할 수 없는 AI 전환 · Josh Elman·a16z — Build, play, design, ship

출처 및 참고
Lee Kai-Fu — AI transformation is no longer something CEOs can simply delegate
Josh Elman·a16z — Prototypes are cheap, judgment still matters
Garry Tan·a16z — AI is a multiplier on the individual
Keith Peiris·a16z — AI ends organizational swim lanes
Greg Isenberg — The general model is theirs, the specific jobs are yours
Greg Isenberg — Agent harnesses are the new GPT wrappers
Paul Graham — Build Stuff / Talk to Users