AI 네이티브 팀은 사람 수보다 피드백 루프를 늘린다
YC 파트너 Diana Hu의 이야기를 바탕으로, AI를 개인 생산성 도구로 쓰는 팀과 회사 운영체제에 내재화하는 팀의 차이를 정리했다. 핵심은 더 많은 AI 사용량이 아니라, 회사가 AI에게 읽히는 구조가 되는 것이다.
제일 먼저 든 생각
이 영상에서 가장 오래 남은 말은 “AI는 회사가 그냥 쓰는 도구가 아니라, 회사가 굴러가는 운영체제가 되어야 한다”는 주장이다. 지금 많은 조직은 AI를 개인 생산성 도구로 받아들인다. 개발자는 코파일럿을 쓰고, 기획자는 초안을 만들고, 마케터는 카피를 뽑는다. 나쁜 변화는 아니다. 하지만 영상이 말하는 AI 네이티브 조직은 그보다 한 단계 더 깊다.
AI를 각자 잘 쓰는 팀과, AI가 회사의 정보 흐름 한가운데 들어간 팀은 다르다. 전자는 일을 조금 더 빠르게 만든다. 후자는 회사가 판단하고 실행하고 학습하는 방식을 바꾼다.
영상은 AI를 “엔지니어 생산성 20% 향상” 같은 생산성 도구가 아니라, 한 사람이 과거 팀 전체가 하던 일을 가능하게 만드는 새로운 역량으로 봐야 한다고 말한다.
생산성보다 역량이라는 말
영상의 출발점은 “AI를 생산성 향상으로만 보는 관점이 너무 좁다”는 것이다. 엔지니어가 더 빨리 코드를 쓰고, 기존 워크플로우에 코파일럿을 붙이고, 기능을 더 많이 배포하는 정도로 이해하면 지금 벌어지는 변화를 놓친다는 말이다.
“AI should not be a tool your company just uses. It should be the operating system your company runs on.”
한국어로 옮기면, AI는 회사가 단순히 사용하는 도구가 아니라 회사가 그 위에서 굴러가는 운영체제여야 한다는 뜻이다.
이 말이 중요한 이유는 AI 도입의 질문을 바꾸기 때문이다. “어떤 AI 도구를 사줄까?”가 아니라 “우리 회사의 어떤 정보가 AI에게 읽히고 있는가?”를 묻게 만든다. 회의, 결정, 고객 피드백, 영업 요청, 개발 티켓, 채용 상태, 운영 지표가 흩어져 있으면 AI는 똑똑해도 회사 전체를 읽지 못한다.
그래서 AI 네이티브 전환의 첫 번째 조건은 모델 성능이 아니라 회사의 가독성이다. 회사가 AI에게 읽히는 구조가 되어야 한다.
열린 루프 회사와 폐쇄 루프 회사
영상에서 가장 유용한 개념은 열린 루프(open loop)와 폐쇄 루프(closed loop)의 구분이었다.
기존 회사는 대체로 열린 루프에 가깝다. 회의에서 결정하고, 누군가 실행하고, 결과는 여기저기 흩어진다. 잘됐는지 안 됐는지 사람들은 감으로 기억한다. 다음 결정에 그 결과가 체계적으로 반영되지 않는다. 의지는 있어도 운영체제가 받쳐주지 못한다.
반대로 폐쇄 루프 회사는 실행, 결과, 판단이 계속 다시 시스템으로 들어온다. 상태와 결정과 결과가 기록되고, AI가 그것을 읽고, 다음 실행을 더 정확하게 제안한다.
AI 네이티브 팀의 핵심은 더 많은 AI 사용량이 아니다. 회의, 실행, 결과가 AI가 읽을 수 있는 형태로 남고 다시 다음 결정으로 돌아오는 폐쇄 루프를 만드는 것이다.
이 관점에서 보면 DM과 이메일은 단순한 커뮤니케이션 도구가 아니라 지식 누수 지점이 된다. 중요한 결정이 개인 메신저나 구두 지시로만 오가면 AI는 그 결정을 학습할 수 없다. 특정 관리자와 가까운 사람만 맥락을 아는 구조도 그대로 남는다.
영상은 회사 전체가 “queryable”, 즉 질문 가능한 상태가 되어야 한다고 말한다. 지난달 고객이 가장 많이 불평한 문제, 이번 분기 영업팀이 가장 많이 요청받은 기능, 지난 6개월간 실패한 의사결정의 공통점 같은 질문을 누구나 던질 수 있어야 한다는 것이다.
이건 데이터베이스를 잘 만든다는 말보다 넓다. 회사의 기억을 AI가 읽을 수 있게 만드는 일이다.
소프트웨어 팩토리: 사람은 무엇을, AI는 어떻게
두 번째 축은 AI 소프트웨어 팩토리다. 여기서 사람의 역할은 코드를 직접 쓰는 것에서, 만들 것의 스펙과 통과 기준을 정하는 쪽으로 이동한다.
“The human defines what to build and judges the output. The actual code is the agent’s job.”
사람은 무엇을 만들지 정의하고 결과를 판단한다. 실제 구현은 에이전트가 맡는다. 이 말은 개발자에게만 해당하지 않는다. 업무 전체로 넓히면 사람은 성공 기준과 제약 조건을 세우고, AI는 가능한 실행안을 만들고, 시스템은 테스트와 피드백을 통해 계속 고친다.
영상은 사람이 스펙과 테스트를 정하고 AI가 구현과 반복 개선을 맡는 소프트웨어 팩토리를 설명한다.
이 변화가 현실화되면 “일을 잘하는 사람”의 정의도 달라진다. 예전에는 직접 많이 처리하는 사람이 강했다. 이제는 문제를 명확히 정의하고, 좋은 테스트를 만들고, AI가 반복할 수 있는 구조를 짜고, 결과를 판단하는 사람이 강해진다.
그래서 AI 네이티브 조직에서 중요한 능력은 프롬프트를 예쁘게 쓰는 기술만이 아니다. 스펙을 정확히 쓰는 능력, 통과 기준을 세우는 능력, 결과를 검증하는 능력, 그리고 실패한 결과가 다시 시스템에 들어가게 만드는 능력이다.
중간관리자는 사라진다기보다, 정보 라우터 역할을 잃는다
영상 후반부에서는 조직 구조 이야기가 나온다. Jack Dorsey와 Block 사례를 언급하며, AI 네이티브 조직에서는 중간관리자의 전통적 역할이 약해질 수 있다고 말한다.
여기서 조심해서 읽어야 할 점이 있다. “중간관리자가 필요 없다”는 말은 사람을 관리하거나 코칭하거나 책임지는 일이 사라진다는 뜻은 아니다. 사라지는 것은 정보를 위아래로 전달하고, 상태를 취합하고, 누가 무엇을 했는지 말로 라우팅하는 역할에 가깝다.
회사가 AI에게 읽히는 구조가 되면 상태 보고와 업무 취합의 상당 부분은 시스템이 한다. 그러면 사람에게 남는 일은 더 선명해진다.
- 직접 만들고 운영하는 사람
- 결과에 명확히 책임지는 사람
- AI 활용의 기준을 몸으로 보여주는 창업자/리더
영상에서는 모든 직원이 회의에 말뿐인 제안이 아니라 작동하는 프로토타입을 들고 와야 한다고 말한다. 이 부분이 특히 중요하다. AI 네이티브 조직에서는 “나중에 개발팀에 요청하겠습니다”보다 “일단 이렇게 돌아가는 버전을 만들어봤습니다”가 기본 언어가 된다.
스타트업에게 유리한 이유
영상의 결론은 작은 팀에게 꽤 낙관적이다. 큰 회사는 이미 돌아가는 제품, 기존 조직도, 표준 운영 절차, 수많은 사람의 습관을 바꿔야 한다. AI 네이티브로 가려면 기존 시스템을 유지하면서 동시에 다시 설계해야 한다. 어렵다.
반대로 초기 스타트업은 처음부터 AI가 읽을 수 있는 회사로 설계할 수 있다. 회의는 기록되고, 결정은 문서화되고, 고객 피드백은 한곳에 쌓이고, 실행 결과는 다음 판단에 들어간다. 인원이 적기 때문에 바꾸는 비용도 낮다.
영상은 AI 네이티브 스타트업이 기존 강자보다 훨씬 빠르게 운영할 수 있는 기회를 갖는다고 말한다.
다만 이것은 자동으로 주어지는 이점은 아니다. 작은 팀이 AI를 각자 흩어져 쓰기만 하면 그냥 작은 열린 루프가 된다. 작은 팀의 장점은 처음부터 폐쇄 루프를 만들 수 있다는 데 있다.
내 쪽으로 가져오면
이 영상을 Deciflow식 작업 메모로 가져오면, 질문은 꽤 구체적이다. “AI를 얼마나 많이 쓰는가”보다 “AI가 읽을 수 있는 업무 흔적이 얼마나 남는가”를 봐야 한다.
작게 실험해볼 것은 네 가지다.
첫째, 중요한 결정은 DM이 아니라 기록으로 남긴다. 구두 결정, 메신저 지시, 개인 기억에 남은 판단은 AI가 읽을 수 없다. 결정 이유와 기대 결과를 짧게라도 남겨야 한다.
둘째, 반복 업무마다 통과 기준을 먼저 쓴다. AI에게 일을 맡기기 전에 “좋은 결과란 무엇인가”를 적어야 한다. 스펙과 테스트가 없으면 AI는 빠르게 만들지만, 사람이 다시 감으로 고치게 된다.
셋째, 회의록을 보관하는 데서 멈추지 않고 다음 실행에 연결한다. 회의록이 쌓이는 것만으로는 폐쇄 루프가 아니다. 결정, 담당자, 결과, 다음 조정이 이어져야 한다.
넷째, 작은 별동대부터 AI 네이티브로 운영해본다. 조직 전체를 한 번에 바꾸기 어렵다면, 한 프로젝트 팀만이라도 회의·결정·실행·결과를 모두 AI가 읽을 수 있게 설계해본다.
오늘의 결론
이 영상의 핵심은 “AI를 더 많이 써라”가 아니다. AI가 회사의 일을 읽고, 판단에 참여하고, 다음 실행으로 되돌릴 수 있게 회사의 운영체제를 바꾸라는 말에 가깝다.
AI를 각자 잘 쓰는 팀은 개인 작업이 빨라진다. 하지만 AI 네이티브 팀은 회사의 기억과 의사결정 속도가 달라진다. 열린 루프에서는 정보가 흩어지고 사람의 기억에 의존한다. 폐쇄 루프에서는 실행과 결과가 다시 시스템으로 들어와 다음 판단을 바꾼다.
그래서 앞으로 AI 도입을 볼 때는 도구 목록보다 이 질문을 먼저 봐야겠다. 이 조직은 AI가 읽을 수 있는가. 그리고 AI가 읽은 것이 다음 의사결정과 실행으로 다시 돌아오는가.
원본 영상
- 제목: AI를 팀원 각자 쓰는 팀 vs 뼛속까지 내재화한 팀
- 채널: Ladder Game