조동근 조코딩 AX파트너스 대표 “외부에서 만든 산출물은 결국 방치” 전사 교육·1대1 코칭·데이터 거버넌스 “스스로 문제 정의하는 조직으로” “AX 실패 원인은 리더의 이해 부족… 압박만으론 보고용 업무만 늘어”
“AI를 아는 조직이 아니라, AI로 성과를 내는 조직이 돼야 합니다.”
조동근 조코딩 AX파트너스 대표가 국내 기업들의 AI 전환(AX) 현주소를 두고 한 말이다. 그는 본지와 인터뷰에서 많은 기업이 AI 도입률이나 사용 횟수 같은 지표를 성과로 잡는 순간, 직원들은 실제 문제 해결이 아니라 지표를 채우는 방향으로 움직이게 된다고 지적했다.
조 대표는 구독자 70만 명을 보유한 개발 분야 크리에이터로 이름을 알린 뒤 기업 대상 AX 컨설팅으로 사업을 확장했다. 일반 대중을 상대로 AI 교육을 하던 중 수강생들이 직접 창업하거나 자기 업무에 맞는 툴을 만들어 쓰는 사례가 이어졌다. 개인 한 명이 이 정도 변화를 만든다면 조직 단위에서는 훨씬 큰 성과가 가능하다고 봤다.
◇ 기업 AX는 4단계로 움직인다
조 대표가 정리한 국내 기업들의 AX 흐름은 네 단계다. 시작은 전사 AI 교육이다. 아무리 좋은 도구가 있어도 직원들이 존재와 활용법을 모르면 소용이 없다. 다음은 데이터 환경 구축이다. 데이터 거버넌스와 데이터 레이크를 마련해 AI가 사내 데이터를 활용할 기반을 세운다.
세 번째는 흩어진 자산의 통합과 확산. 직원 개개인에게 분산된 데이터를 한곳으로 모으고, 각자가 AI 에이전트로 만든 결과물도 공유하게 한다. 한 명의 뛰어난 결과물이 개인에 머물지 않고 전사로 퍼지도록 하는 게 핵심이다. 마지막은 제도화 단계다. AI 활용을 인사 평가 제도 안에 넣어 모든 직원이 AI로 성과를 만들어내도록 정착시킨다.
◇ “AX 부작용의 뿌리는 리더에 있다”
AI 전환 과정에서 오히려 기존 인력의 업무 부담이 커지거나 불필요한 중간 업무가 생겨나는 부작용도 나타난다. 조 대표는 가장 근본적인 원인으로 리더의 이해 부족을 꼽았다.
AI로 무엇을 어디까지 할 수 있는지 리더 스스로 명확히 알지 못한 상태에서 “AI를 쓰라”고 밀어붙이는 경우가 많다. 방향 없이 압박만 주어지면 직원들은 의미 있는 문제를 푸는 데 AI를 쓰지 않는다. 대신 썼다는 것을 보여주기 위한 산출물을 만드는 데 급급해진다. AI 전환이 성과가 아니라 또 하나의 보고용 업무로 변질되는 지점이다.
검증 부재도 문제로 지적했다. 어떤 산출물을 만들려 할 때 그것이 AI로 실제 가능한 일인지, 만들었을 때 임팩트가 있을지를 판별해 줄 사람이 필요하다. 경험이 부족한 상태에서 검증 없이 산출물을 찍어내다 보면 노력만 들고 성과는 나지 않는다.
해법 역시 리더에서 시작한다는 게 그의 진단이다. 리더가 먼저 AI가 잘하는 것과 못하는 것의 경계를 정확히 이해하고, 그것을 회사에 어떤 방향으로 녹여낼지 그림을 그릴 수 있어야 한다. 그 그림이 있어야 직원들도 보여주기식 산출물에서 벗어나 진짜 문제 해결에 AI를 쓸 수 있다는 게 그의 진단이다.
리더의 이해가 관건이라는 점을 간파한 조직들은 실무자뿐 아니라 임원을 대상으로도 AI를 직접 다루는 실습형 교육을 운영하기 시작했다. 조코딩 AX파트너스 역시 올해 4월 슈피겐코리아 임원진을 대상으로 AI 활용 실습 교육을 진행했다. 임원들이 직접 실습 과제를 수행하며 AI의 가능성과 한계를 체감했다. 리더가 이를 직접 겪어야 조직 전체의 방향을 잡을 수 있다는 문제의식이 반영된 사례다.
◇ 재고 담당자가 직접 만든 자동화 도구
조 대표는 성공 사례로 한 기업 이야기를 들었다. 이 회사의 재고 관리 담당자는 가용재고 확인부터 오더 할당, 세일즈 시트 대조까지 모든 단계를 수기로 처리해 왔다. 반복 작업에서 오는 피로도도 문제였지만, 더 큰 문제는 따로 있었다. 업무 방식이 담당자 개인의 경험에 묶여 있다는 점이다. 노하우가 사람에게만 있으니 담당자가 퇴사하면 인수인계조차 쉽지 않았다.
이 담당자는 AI 바이브코딩 교육을 받은 뒤 재고 출고 관리 과정을 자동화하는 도구를 직접 개발했다. 외부에서 만들어 넘겨준 것이 아니라 자기 업무를 가장 잘 아는 담당자 본인이 만들었다. 반복 업무 부담이 줄어든 것은 물론, 개인의 경험에 의존하던 프로세스가 하나의 도구로 정리돼 담당자가 바뀌어도 업무가 끊기지 않는 기반이 마련됐다.
조 대표가 외부 완성품 납품 대신 퍼실리테이팅 방식을 고집하는 이유도 여기 있다. 산출물은 한 번 만들고 끝나지 않는다. 계속 유지보수하고 다듬어야 하는데, 쓰는 사람에게 그럴 능력이 없으면 결국 방치되고 버려진다.
◇ “경계는 직업이 아니라 일하는 방식에 있다”
향후 5년, 사람의 업무와 AI가 대체할 업무의 경계를 묻자 조 대표는 업무의 종류가 아니라 일하는 방식으로 봐야 한다고 답했다.
그는 의사를 예로 들었다. “AI 시대에 의사가 대체될 것”이라는 전망과 “처방은 사람이 검수해야 하니 대체되지 않는다”는 반론이 맞선다. 조 대표는 단순 검수만이 이유라면 오히려 대체된다고 봤다. AI가 사람의 작은 실수조차 하지 않게 되면 검수를 이유로 사람을 남길 근거가 약해지기 때문이다.
그가 핵심으로 꼽은 건 ‘지식의 평등’이다. 과거 의사와 변호사의 높은 가치는 남들이 못 가진 전문지식에서 나왔다. 이제는 누구나 AI를 통해 그 지식에 접근한다. 늘 같은 유형의 문제만 다루던 전문가라면 AI가 그 과정을 학습해 더 빠르고 정확하고 저렴하게 대체한다.
조 대표는 예상되는 반론을 먼저 꺼냈다. AI 역시 가설을 세우고 문제를 발굴하지 않느냐는 지적이다. 그는 AI가 이상 징후를 찾아내고 문제 후보를 제시할 수는 있다고 인정했다. 다만 그 가운데 무엇을 불편하다고 느끼고 무엇에 가치를 둘지는 결과를 감당하는 사람이 정할 수밖에 없다고 했다. AI는 불편함 자체를 느끼지 못한다. 문제를 나열하는 일과 결과를 책임지며 “이것을 풀겠다”고 결단하는 일은 층위가 다르다는 설명이다.
다만 그는 문제 정의 능력을 소수만의 초능력처럼 말하려는 게 아니라고 선을 그었다. 오히려 누구나 옮겨갈 수 있는 자리라는 점을 강조했다. 오늘 반복 업무를 하는 사람도 자기 일에서 새로운 문제를 던지기 시작하는 순간 대체되지 않는 쪽으로 이동한다.
AI 시대에 지식은 평등해졌다. 조 대표는 이제 기업의 경쟁력이 무엇을 아느냐가 아니라 어떤 문제를 정의하고 풀어내느냐에서 갈린다고 봤다. 그는 “국내 기업들이 단순히 AI를 도입한 조직을 넘어, 스스로 문제를 정의하고 AI로 성과를 만들어내는 ‘AI 네이티브’ 조직으로 나아가야 한다”고 강조했다.
댓글 0
로그인하고 댓글 남기기