ChatGPT를 쓰고, Notion AI를 켜고, Copilot까지 붙였는데 팀의 속도는 크게 달라지지 않았다는 이야기를 자주 듣습니다. 툴이 문제가 아닙니다. 그 툴을 얹고 있는 워크플로우가 문제입니다.
도구가 아니라 구조가 병목이다
AI 툴 도입 효과가 기대에 못 미치는 이유는 대부분 같습니다. 기존 업무 흐름 위에 툴을 그냥 올려놓기 때문입니다.
예를 들어 보고서 작성에 AI를 쓴다고 해도, 보고서를 쓰기 위해 거치는 승인 단계가 5단계라면 글 쓰는 속도가 빨라져도 전체 납기는 줄지 않습니다. AI가 빠르게 초안을 만들어줘도, 그 초안을 누가 검토하고 어떤 기준으로 통과시킬지가 불명확하면 오히려 커뮤니케이션 비용이 늘어납니다.
에이전시나 팀 단위에서 이 문제가 특히 두드러지는 건, 개인 생산성과 팀 생산성이 다른 문제이기 때문입니다.
"왜 이렇게 해왔는가"를 먼저 물어야 한다
워크플로우 재설계의 출발점은 기술이 아닙니다. "이 업무는 왜 이 순서로 진행되고 있는가"라는 질문입니다.
많은 업무 방식은 과거의 제약 조건이 남긴 관성으로 유지됩니다. 수동으로 해야 했기 때문에 생긴 체크리스트, 소통이 느려서 생긴 중간 보고 레이어, 데이터가 분산돼 있어서 생긴 수집 단계. 이 중 상당수는 AI가 처리할 수 있거나, 아예 없애도 되는 단계입니다.
툴 선택보다 이 감사(audit) 단계가 성과 차이를 만드는 핵심 지점입니다. 어떤 팀이 같은 AI 툴을 써도 결과가 다른 이유가 여기 있습니다.
AI 시대에 맞는 역할 재정의
기존 조직 설계는 사람이 모든 판단과 처리를 담당한다는 전제로 설계되었습니다. AI가 일부 판단과 처리를 가져가게 되면, 역할의 경계 자체를 다시 그려야 합니다.
구체적으로는 세 가지 층위로 나눠볼 수 있습니다.
자동화 레이어: AI가 반복 처리하는 영역 (리서치 요약, 초안 생성, 데이터 정리)
판단 레이어: 사람이 기준을 세우고 AI 결과를 검수하는 영역
전략 레이어: 방향을 결정하고 클라이언트와 소통하는 영역
현업에서도 이 구분 없이 운영하다가 역할 혼선이 생기는 경우가 많습니다. 같은 업무를 AI도 하고 사람도 하면서 중복 비용이 발생하거나, 반대로 AI 결과를 아무도 검수하지 않아 품질 문제가 생기는 식입니다.
"우리 규모엔 해당 없다"는 착각
소규모 팀이나 1인 에이전시라면 이런 구조 설계가 불필요하다고 느낄 수 있습니다. 하지만 규모가 작을수록 잘못된 워크플로우가 개인에게 주는 피로도는 더 큽니다.
혼자 또는 소수가 모든 역할을 담당할 때, AI를 잘못 도입하면 툴 관리 비용만 늘고 실제 아웃풋은 늘지 않는 상황이 됩니다. 업종이나 규모와 무관하게, 결국 구조의 문제로 귀결되는 경우가 많습니다.
지금 당장 해볼 수 있는 것
첫 번째, 반복 업무 하나를 골라 단계를 적어보세요. 주간 보고서, 견적서 작성, 클라이언트 미팅 준비 등 무엇이든 좋습니다. 단계를 나열하고 나면 "이 단계, AI가 할 수 있지 않나?"라는 질문이 자연스럽게 나옵니다.
두 번째, 각 단계에 담당자와 판단 기준을 명시하세요. 누가 AI 결과를 받아서 무엇을 기준으로 통과 여부를 결정하는지. 이게 불명확한 채로 AI를 쓰면 책임 소재가 흐려집니다.
세 번째, 없애도 되는 단계를 하나 제거해보세요. 추가가 아니라 제거가 먼저입니다. AI 도입 전에 워크플로우를 단순하게 만드는 것이 결과적으로 더 빠른 변화를 만듭니다.
결국 사람이 하는 업무 위에서 생기는 병목 현상을 파악하여 정리하는 게 핵심입니다.
핵심 요약
AI 툴은 수단이고, 워크플로우가 구조입니다. 구조를 바꾸지 않으면 수단이 아무리 좋아도 한계가 있습니다. 진짜 생산성 변화는 "어떤 툴을 쓸까"가 아니라 "왜 이렇게 일해왔는가"라는 질문에서 시작됩니다.
지금 팀에서 가장 오래된 업무 방식 하나를 꺼내놓고, 거기서부터 다시 설계해보는 것도 나쁘지 않은 시작입니다.
출처: Robonomics Substack (https://robonomics.substack.com/p/org-design-in-the-age-of-ai)