AI 라이선스에 회사의 두뇌가 필요한 이유

이제 거의 모든 회사가 AI 라이선스를 갖고 있고, 그것을 쓰는 사람들은 1년 전보다 어떤 일에서는 더 빨라졌습니다. McKinsey의 2026년 설문에서 응답자 열 명 중 거의 아홉 명이 적어도 하나의 사업 기능에서 AI를 정기적으로 사용한다고 답했고, 열 명 중 여덟 명은 AI가 자신의 생산성을 높였다고 말했습니다.

그러나 회사 자체는 대부분의 경우 훨씬 덜 바뀌었습니다. 같은 설문에서 AI가 EBIT에 조금이라도 영향을 주었다고 답한 응답자의 비율은 37퍼센트로 제자리였습니다. 미국에서는 St. Louis Fed가 발표한 수치에 따르면 2026년 2분기까지 취업자의 39.2퍼센트가 한 주 동안 업무에 생성형 AI를 사용했고, 그것으로 절약한 시간은 전체 근무 시간의 2.2퍼센트였습니다.

저희는 이 격차의 원인이 단순하다고 봅니다. 어시스턴트는 인터넷을 압니다. 회사는 모릅니다.

어시스턴트가 초안만 내놓는 이유

어시스턴트에게 견적서를 부탁하면, 존재하지 않는 회사를 위한 좋은 견적서를 씁니다. 귀사의 가격, 조건, 고객의 이력, 귀사가 제안서를 구성하는 방식, 아무도 줘서는 안 되는 할인을 모르기 때문입니다. 그래서 초안을 쓰고, 사람이 복사하고, 붙여 넣고, 고칩니다. 품질은 누가 프롬프트를 입력했고 그 사람이 얼마나 알았는지에 달려 있습니다.

Anthropic의 경제 연구도 기업이 자사 모델을 쓰는 방식에서 같은 패턴을 발견했습니다. 복잡한 작업에 AI를 도입하는 일은 모델의 능력보다 정보에 대한 접근에 더 크게 제약받을 수 있다는 것입니다. MIT의 NANDA 이니셔티브는 지난해 이를 더 직설적으로 말했습니다. 기업 내 생성형 AI에 관한 보고서의 주저자에 따르면, 범용 도구는 일이 이루어지는 방식에서 배우지도, 그에 맞춰 적응하지도 않기 때문에 회사 안에서 멈춰 섭니다.

제공업체들조차 일이 끝나지 않았다고 말합니다. 8월에 업데이트된 OpenAI 연구진의 ChatGPT Enterprise 연구는 기업들이 여전히 AI를 업무 흐름에 통합하는 법을 배우는 중이며, 장기적 가치는 흩어진 개인 사용이 조직의 역량으로 자라나느냐에 달려 있다고 결론짓습니다.

회사의 두뇌에 담기는 것

회사의 두뇌는 바로 그 빠진 층이며, 네 가지를 담습니다. 지식: 문서, 이메일, 견적서, 계약서, 제품, 가격, 지난 프로젝트, 회사의 목소리를 최신 상태로 유지하고, 모든 답에 출처를 붙입니다. 규칙: 각 역할이 무엇을 보고 할 수 있는지, 무엇이 승인을 기다리고 무엇이 스스로 실행되어도 되는지. 시스템: bexio, Microsoft 365, CRM, 캘린더, 회사 자체 도구와의 연결로, 두뇌가 정보를 찾아보고 다시 기록할 수 있게 합니다. 그리고 스킬: 각 부서가 반복 업무를 하는 방식을 적어 두어 어시스턴트가 따를 수 있게 한 것입니다.

이것이 Twin입니다. Twin은 직원들이 이미 쓰는 어시스턴트, 곧 Claude, ChatGPT, Codex 안에서, 또는 데이터가 밖으로 나가서는 안 될 때는 프라이빗 모델 위에서 작동합니다. 그 프라이빗 모델이 파트너 Eigna Labs가 만든 Eigna로, 회사 자체의 업무로 학습하고 회사 자체의 클라우드나 서버에서 돌아갑니다. Twin은 회사가 소유하는 소스 코드로 제공되므로, 모델이 바뀌어도 두뇌는 회사에 남습니다.

부서별로

영업에서는 어제 통화에서 나온 견적서가 회사의 구조대로 초안이 되어 도착하고, 후속 연락은 회사의 목소리로 쓰여 있습니다. 둘 다 사람이 승인합니다. 지원에서는 답변이 근거로 삼은 매뉴얼 구절과 함께 나가고, 반품은 문서화된 정책대로 처리되며, 두뇌가 확신하지 못하는 것은 모두 사람에게 넘어갑니다.

재무에서는 Kontor를 통해 bexio에서 부분 청구서가 준비되고, 미결 항목은 제때 후속 조치되며, 월말 결산은 검토할 수 있게 준비되어 도착합니다. 마케팅에서는 다음 주 게시물이 브랜드에 맞게 나오고, 캠페인 보고서는 다음 단계 세 가지로 끝납니다. 대표는 월요일에 매출, 현금, 미결 항목에 대한 브리핑과 모든 숫자에 출처가 달린 의사결정 메모를 받습니다.

가장 많이 얻는 것은 새로 온 사람들입니다. Erik Brynjolfsson, Danielle Li, Lindsey Raymond는 고객 지원 상담원 5'179명을 대상으로 한 연구에서, AI 어시스턴트가 시간당 해결 건수를 평균 14퍼센트, 신입과 숙련도가 낮은 상담원은 34퍼센트 높였다는 것을 발견했습니다. 저자들은 그 효과가 가장 유능한 상담원의 지식을 새로 온 사람들에게 퍼뜨리는 방식으로 나타났다고 봅니다. 회사의 두뇌는 그것을 의도적으로 합니다. 가장 뛰어난 동료의 지식을, 모든 책상에, 첫날부터.

품질, 속도, 비용, 업무량

첫 번째 변화는 품질입니다. 누가 물었느냐에 따라 달라지는 결과 대신, 모든 책상에 하나의 기준이 있고 모든 답에 출처가 있습니다. 속도가 뒤따릅니다. 몇 시간 걸리던 일이 완성된 초안에서 시작하기 때문입니다. 일상 업무, 재작업, 같은 일을 하는 도구가 줄어들면서 비용도 내려갑니다. 그리고 업무량이 이동합니다. 사람들은 창과 창 사이로 텍스트를 옮기는 일을 멈추고, 자신만 할 수 있는 일로 돌아갑니다.

그 마지막 지점이 저희에게 중요합니다. 두뇌는 복사, 찾아보기, 첫 초안을 맡습니다. 판단, 고객과의 대화, 검토, 그리고 회사를 떠나는 것에 대한 책임은 사람에게 남으며, 사람의 시간은 바로 거기에 쓰여야 합니다.

저희는 회사를 알기 전에는 이런 이득에 숫자를 매기지 않습니다. 이득은 그 회사의 일 가운데 얼마나 많은 부분이 반복되고, 글로 쓰이고, 검토되느냐에 달려 있으며, 바로 그것을 현황 진단이 찾아냅니다.

자동화보다 먼저 더 나은 프로세스

가치가 어디에 있는지에 대해서는 연구들이 일치합니다. BCG는 자사 고객 업무를 바탕으로 이렇게 나눕니다. AI 전환 가치의 약 10퍼센트는 애플리케이션 자체에서, 20퍼센트는 데이터와 기술에서, 70퍼센트는 업무 흐름 재설계, 문화, 거버넌스, 그리고 사람과 AI가 함께 일하는 방식에서 나옵니다. McKinsey 설문에서 소수의 고성과 그룹 가운데 거의 4분의 3이 AI 때문에 업무 흐름을 근본적으로 재설계했는데, 나머지 모두에서는 4분의 1이었습니다. Deloitte의 2026년 보고서는 조직의 37퍼센트가 AI를 표면적인 수준에서만 쓰고 있으며, 일하는 방식은 거의 바뀌지 않았다는 것을 발견했습니다.

그래서 저희는 소프트웨어가 아니라 현황 진단으로 시작합니다. 사람, 도구, 데이터, 그리고 아직 손으로 하는 일입니다. 그런 다음 기계에 가르치기 전에 프로세스를 다듬습니다. 아무도 합의하지 않은 견적서 템플릿, 일주일을 기다리는 승인, 두 부서에서 두 번 만드는 보고서. 이런 것을 고치는 것이 흔히 가장 큰 이득이며, 뒤따르는 자동화를 더 단순하고 안전하게 만듭니다.

어디서 시작할까

회사는 새 도구 없이도 이번 주에 시작할 수 있습니다. 회사가 가장 자주 쓰는 문서 열 가지를 나열하십시오. 누군가의 머릿속에만 있는 규칙을 적으십시오. 가격, 할인, 어조, 누가 무엇에 서명하는지. 일이 어떤 시스템을 거치는지, 사람들이 어디서 한 시스템에서 다른 시스템으로 복사하는지 기록하십시오. 그 목록이 회사 두뇌의 윤곽입니다.

그런 다음 한 부서와 하나의 루틴을 고르고, 그 뒤의 지식과 시스템을 연결하고, 무엇이든 회사를 떠나는 지점에는 사람을 두십시오. 초안에 더 이상 수정이 필요 없어지면 다음 루틴으로 넘어가십시오. 이미 비용을 내고 있는 라이선스가 책상 앞의 한 사람만이 아니라 회사를 위해 일하기 시작할 것입니다.