회사라는 조직의 모습, 앞으로도 그러할까?
산업혁명 이후 가정과 업장은 분리되기 시작했다. 그리고 컴퓨터의 발명 이후 생산직과 화이트 직종이 분리되었다. 그리고 2026년, 인류는 지금까지 경험하지 못한 거대한 전환점을 지나가고 있다.
8~10인의 팀이 수개월에 걸려 완성할 수 있었던 프로젝트를 이제는 AI로 중무중한 1인이 일주일 이내에 완수할 수 있게 되었다. 하루만에 만든 프로젝트로 수억원의 매출을 내는 일이 실제 발생하고 있다.
AI는 더이상 신기한 무엇이 아닌, 기업이 적극적으로 받아들이고 활용해야할 핵심 자원이다. 나아가 필자는 향후 3~5년 이내에 지금과 같은 모습과는 많이 다른 에이전틱 조직이 IT 회사를 중심으로 출현할 것이라 믿는다.
에이전틱 조직은 AI를 많이 도입한 조직이 아니다. 인간과 AI 에이전트가 하나의 실행 체계 안에서 움직이도록 업무, 팀, 조직 구조, 거버넌스, 데이터 인프라를 다시 설계한 조직이다.
기존 기업이 “사람이 일하고 AI가 돕는 구조”였다면, 에이전틱 조직은 “AI가 실행하고 인간이 방향·기준·책임을 관리하는 구조”에 가깝다. 여기서 인간은 사라지지 않는다. 오히려 인간의 역할은 더 높은 층위로 이동한다. 반복 실행에서 벗어나 목표를 정의하고, 예외를 판단하며, 에이전트가 만든 결과가 조직의 전략과 윤리에 맞는지 감독하는 역할을 맡는다.
이 도표는 농업·산업·디지털·AI 시대로 이어지는 조직 패러다임의 변화를 비즈니스 모델, 운영 모델, 거버넌스, 인력·문화, 기술·데이터의 5개 축으로 비교한다.
중요한 지점은 AI 시대가 단순히 디지털 시대의 연장이 아니라, 조직을 구성하는 기본 단위 자체를 다시 바꾸는 단계로 제시된다는 점이다. 디지털 시대의 기업은 온라인 채널, 데이터 분석, 크로스펑셔널 팀, 클라우드와 모바일 인프라를 중심으로 움직였다. 그러나 AI 시대의 기업은 AI 네이티브 채널, 에이전트 기반 워크플로, 실시간 거버넌스, 인간과 에이전트가 결합된 하이브리드 인력, 멀티모달 데이터와 에이전트 간 통신을 기반으로 움직인다.
개인 : 루프 위의 인간
에이전틱 조직에서 가장 먼저 바뀌는 것은 직무다. 기존 직무는 “마케터”, “기획자”, “분석가”, “운영 담당자”처럼 사람 단위로 정의되어 있었다. 한 사람이 시장을 조사하고, 자료를 만들고, 회의에 참석하고, 보고서를 작성하고, 실행 결과를 정리했다. 그러나 에이전트 시대에는 직무가 태스크 단위로 해체된다. 직무라는 하나의 큰 묶음이 더 작은 원자 단위의 일로 쪼개지고, 각 태스크가 AI와 인간에게 다시 배분된다.
예를 들어 마케터의 업무를 보면 시장 조사, 고객 세그먼트 분석, 키워드 발굴, 경쟁사 모니터링, 캠페인 초안 작성, 예산 배분안 작성, 성과 리포트 생성, 다음 액션 제안으로 나눌 수 있다.
그리고 이 중 상당수는 AI 에이전트가 더 빠르고 일관되게 수행한다. 검색 데이터와 고객 리뷰를 수집하고, 주요 패턴을 정리하고, 광고 카피 초안을 만들고, 성과 변동의 원인을 가설화하는 일은 에이전트에게 적합하다.
반대로 인간에게 남는 것은 브랜드 맥락 판단, 고객 감정 해석, 리스크 승인, 메시지의 최종 선택, 장기적 포지셔닝에 대한 판단처럼 지금 우리가 부르는 ‘작업’ ‘실무’ 라는 것들이 아닌 판단이 주된 역할이 된다.
이 변화의 핵심은 “사람이 덜 중요해진다”가 아니다. 오히려 사람의 역할이 실행에서 감독으로 올라간다. 현재 많은 직무는 실행 업무와 판단 업무가 뒤섞여 있다. 보고서를 작성하는 사람이 동시에 문제를 정의하고, 데이터를 정리하는 사람이 동시에 전략을 제안한다.
에이전틱 조직에서는 이 두 층위가 완전히 분리된다. AI는 더 많은 실행을 맡고, 인간은 목표 설정, 판단 기준 설계, 예외 승인, 윤리적 책임을 맡는다. 즉, 사람은 일을 덜 하는 것이 아니라 더 높은 수준의 일을 하게 된다. 물론, 지금처럼 많은 인력이 필요하진 않을 것이다.
아직까지 AI 업무 도입 관점에서, 인간은 아직 업무의 루프 안에 있다. AI가 제안하면 인간이 중간중간 확인하고 승인하는 방식이다. 그러나 에이전틱 조직에서는 모든 단계마다 인간이 끼어들면 속도의 이점이 사라진다.
따라서 인간은 모든 작업의 중간에 개입하는 대신, 루프 위에서 목표와 기준을 정하고, 예외 상황에서만 개입하며, 최종 책임을 관리한다. 인간의 역할은 개별 산출물의 교정자가 아니라 시스템 전체의 감독자에 가까워진다. 이 말은 AI의 작업이 훨씬 더 신뢰가능하게 된다라는 말과 같다.
예를 들어 숙련된 영업 리더는 더 이상 모든 제안서를 직접 검토하지 않는다. 대신 “이 고객군에는 어떤 제안 구조가 적합한가”, “가격 양보의 한계선은 어디인가”, “브랜드 신뢰를 해칠 수 있는 표현은 무엇인가”, “어떤 조건에서는 반드시 사람의 승인을 받아야 하는가”를 규칙과 예외 조건으로 정의한다. 이것이 판단 기준의 규칙화다. 전문가의 직관이 개인의 머릿속에만 남아 있으면 확장되지 않지만, 이를 데이터, 규칙, 임계값, 검토 기준으로 바꾸면 에이전트가 반복 실행할 수 있는 조직 자산이 된다. 마치 claud.md 지침을 정하는 것과 같다.
예를 들어 고객 불만 대응에서 숙련자는 고객의 표현 강도, 과거 구매 이력, 공개 채널 확산 가능성, 보상 요구의 합리성을 동시에 고려한다. 이 판단을 에이전트가 활용하려면 감정 신호, 고객 가치, 확산 위험, 보상 한도, 승인 단계가 모두 규칙으로 정리되어야 한다. 결국 미래의 전문가는 일을 직접 처리하는 사람에서 “좋은 판단을 시스템에게 지침으로 번역하는 사람”으로 바뀐다.
따라서 에이전트 시대의 핵심 인재는 세 가지 능력을 갖춰야 한다.
- 첫째는 시스템 오케스트레이션 능력이다. 여러 에이전트가 서로 다른 하위 업무를 수행할 때, 이들이 하나의 목표를 향해 움직이도록 흐름을 설계하는 능력이다.
- 둘째는 판단 기준의 지침화 능력이다. 암묵지를 명확한 지식으로 바꾸고, 인간의 기준을 에이전트가 실행 가능한 규칙으로 만드는 능력이다.
- 셋째는 전략적 감수성이다. 데이터만으로 판단하기 어려운 맥락, 고객의 정서, 조직의 평판, 장기적 신뢰를 읽는 능력이다. AI가 실행을 담당할수록 이 세 능력은 더 희소해진다.
이 도표의 핵심은 에이전틱 시대의 인재 변화가 단순히 “AI를 잘 쓰는 사람”으로 좁혀지지 않는다는 점이다. M자형 감독자는 여러 도메인과 에이전트 흐름을 폭넓게 이해하고, 인간과 에이전트가 결합된 워크포스를 조율하는 역할이다. T자형 전문가는 특정 영역의 깊은 전문성을 바탕으로 워크플로를 재설계하고, 에이전트가 실패하는 예외 상황을 다루며, 품질 기준을 지킨다. AI로 강화된 현장 직원은 시스템 조작에 쓰던 시간을 줄이고, 고객·동료·현장 문제 해결에 더 많은 시간을 쓰는 역할이다.
팀 : 피자 두 판을 넘어선 에이전트 스쿼드
기존 팀 설계에는 물리적 한계가 있었다. 사람이 늘어나면 회의가 늘고, 보고가 늘고, 조정 비용이 증가한다. 각자가 무엇을 하는지 확인해야 하고, 업무 간 의존성을 맞춰야 하며, 의사결정권자를 설득해야 한다.
그래서 디지털 조직에서는 “피자 두 판으로 먹을 수 있는 팀”처럼 작은 팀을 이상적인 단위로 삼았다. 작은 팀은 빠르게 움직일 수 있지만, 동시에 처리할 수 있는 일의 양과 범위에는 한계가 있다.
에이전틱 조직에서는 이 제약이 달라진다. AI가 정보 수집, 진행 상황 공유, 문서화, 품질 검토, 반복 실행을 흡수하면 인간 간 조정 비용이 급격히 줄어든다. 팀이 커지지 않아도 실행 역량은 커질 수 있다. 핵심은 사람 수가 아니라, 사람이 지휘할 수 있는 에이전트의 수와 품질이다. 2~5명의 인간 전문가가 50~100개의 특화 에이전트를 감독하면서 고객 온보딩, 제품 출시, 결산, 리스크 검토 같은 엔드투엔드 프로세스를 운영하는 모델이 등장한다. 이 팀은 단순한 자동화 팀이 아니다.
- 비즈니스 오너는 목표와 성과 기준, 승인 기준과 예외 처리를 정한다.
- 도메인 전문가는 판단 기준을 규칙으로 정리한다.
- 에이전트 오케스트레이터는 에이전트 간 업무 흐름을 설계한다.
- 데이터 담당자는 에이전트가 접근해야 할 데이터의 품질과 권한을 관리한다. 이 역할들이 결합될 때 에이전트 스쿼드는 단순히 빠른 팀이 아니라, 작은 규모로 큰 범위의 일을 처리하는 고밀도 실행 단위가 된다.
예를 들어 신제품 출시 팀을 생각해볼 수 있다. 과거에는 시장 조사팀, 제품팀, 마케팅팀, 영업팀, 법무팀, 고객지원팀이 순차적으로 움직였다. 시장 조사가 끝나야 제품 메시지가 나오고, 메시지가 나온 뒤 법무 검토가 진행되며, 영업 자료는 마지막에 만들어지는 식이다. 이 구조에서는 한 단계가 지연되면 전체 일정이 밀린다. 또한 부서별 KPI가 달라서 최종 고객 가치보다 내부 조정이 더 큰 일이 되기도 한다.
에이전트 스쿼드에서는 시장 분석 에이전트가 경쟁 제품과 검색 수요를 분석하고, 고객 인사이트 에이전트가 리뷰와 VOC를 요약하며, 카피 에이전트가 메시지 초안을 만들고, 리스크 에이전트가 법무·브랜드 기준을 검토한다.
가격 시뮬레이션 에이전트는 예상 수익성을 계산하고, 영업 지원 에이전트는 고객군별 제안 자료를 자동 생성한다. 인간은 모든 산출물을 직접 만들지 않는다. 대신 어떤 결과를 채택할지, 어떤 리스크를 감수할지, 어떤 메시지가 브랜드에 맞는지를 결정한다.
이 모델에서 팀 운영 리듬도 바뀐다. 기존 팀은 주간 회의, 월간 보고, 분기 리뷰를 중심으로 움직였다. 에이전트 스쿼드는 실시간 대시보드, 예외 알림, 성과 기반 재배치로 운영된다.
인간은 모든 작업 현황을 보고받지 않는다. 기준을 벗어난 결과, 리스크가 높은 의사결정, 예상 대비 큰 성과 변동, 고객 경험에 영향을 미치는 예외만 확인한다. 보고의 목적은 “일을 했는지 증명하는 것”에서 “개입이 필요한 지점을 찾는 것”으로 바뀐다.
또 하나의 변화는 팀의 경계다. 기존 팀은 조직도에 따라 고정되어 있었다. 마케팅팀, 영업팀, 개발팀, 운영팀은 각자의 인력과 예산을 갖고 움직였다.
그러나 에이전트 스쿼드는 목표 중심으로 형성되고 해체된다. 신규 고객 전환율을 높이는 것이 목표라면 마케팅, 세일즈, 데이터, 제품, 고객지원 에이전트가 하나의 흐름으로 묶인다. 문제가 해결되면 일부 에이전트와 인간 전문가는 다른 목표로 이동한다. 팀은 더 이상 부서가 아니라, 특정 성과를 달성하기 위한 임시적이면서도 고도로 조직화된 실행 단위가 된다.
부서라는 개념은 필요 없다.
에이전틱 조직으로의 전환이 어려운 이유는 기술이 부족해서가 아니다. 문제는 기존 조직이 AI의 속도를 흡수할 수 없다는 점이다. 많은 기업은 여전히 부서별 예산, 직무별 KPI, 단계별 승인, 데이터 사일로, 연간 계획 중심으로 움직인다. 이 구조 안에서는 AI가 아무리 빠르게 결과를 만들어도, 의사결정과 실행은 기존 조직의 속도에 묶인다.
그래서 AI의 ROI는 “기술 도입률”이 아니라 “조직 재설계 수준”에 의해 결정된다. 단순히 챗봇을 붙이거나 보고서 작성 시간을 줄이는 방식으로는 손익계산서에 큰 변화가 나타나기 어렵다.
AI가 실질적 ROI로 이어지려면 고객 획득, 고객 온보딩, 제품 출시, 클레임 처리, 결산, 수요 예측처럼 명확한 비즈니스 결과와 연결된 엔드투엔드 워크플로가 다시 설계되어야 한다. 개별 업무의 효율화가 아니라 전체 흐름의 재설계가 필요하다.
기존 조직은 기능별 부서를 중심으로 움직인다. 마케팅은 리드를 만들고, 영업은 전환을 맡고, 운영은 서비스를 제공하고, 재무는 결과를 집계한다. 각 부서는 자신의 KPI를 최적화하지만, 고객 입장에서의 전체 경험이나 기업 입장에서의 전체 가치 흐름은 단절되기 쉽다.
에이전틱 조직은 기능별 부서보다 가치 흐름을 중심으로 움직인다. 고객 획득부터 유지, 재구매, 추천까지 하나의 결과를 중심으로 인간과 에이전트가 묶인다. 조직도는 사람과 보고 라인을 보여주는 문서에서, 업무와 결과의 흐름을 보여주는 작업 네트워크로 바뀐다. 이게 원래 맞는 조직이다.
이 네트워크를 가능하게 하는 기반이 에이전트 AI 메쉬다. 에이전트 AI 메쉬는 여러 에이전트가 각자 따로 움직이는 혼란을 막고, 공통 데이터, 권한, 정책, 실행 규칙, 감사 로그를 기반으로 협업하게 만드는 운영 인프라다.
**에이전트가 많아질수록 문제는 “에이전트가 있느냐”가 아니라 “에이전트들이 서로 충돌하지 않고 같은 맥락을 공유하느냐”**가 된다. 한 에이전트는 비용 절감을 위해 재고를 줄이고, 다른 에이전트는 고객 만족을 위해 재고를 늘리라고 제안할 수 있다. 메쉬가 없다면 이런 충돌은 조직 내 새로운 혼란이 된다.
에이전트 AI 메쉬는 실행 계층, 오케스트레이션 계층, 데이터 계층을 분리한다. 실행 계층에서는 개별 에이전트가 특정 업무를 수행한다. 오케스트레이션 계층에서는 에이전트 간 순서, 역할, 권한, 예외 처리를 조정한다. 데이터 계층에서는 에이전트가 신뢰할 수 있는 데이터에 접근하도록 품질, 권한, 계보, 감사 가능성을 관리한다. 이 세 계층이 분리되어야 에이전트를 재사용하고, 확장하고, 통제할 수 있다.
조직 구조도 이에 맞춰 달라진다. 중앙은 모든 실행을 직접 통제하는 곳이 아니라, 공통 플랫폼과 기준을 제공하는 곳이 된다. 현장 팀은 고객과 시장에 가까운 곳에서 에이전트를 조합하고 실행한다.
중앙은 데이터 표준, 보안, 거버넌스, 공통 에이전트 라이브러리, 성과 측정 체계를 제공한다. 현장은 이를 바탕으로 자신의 문제에 맞는 에이전트 스쿼드를 빠르게 구성한다. 본사는 명령하는 조직에서, 팀이 더 잘 실행하도록 돕는 플랫폼으로 전환된다.
도표는 에이전틱 조직의 15개 전환 테마를 비즈니스 모델, 운영 모델, 거버넌스, 인력·문화, 기술·데이터의 5개 축으로 정리한다. 이 문단의 ‘조직도에서 작업 차트로’, ‘평평하고 유동적인 네트워크’, ‘에이전트 AI 메쉬’ 논지와 직접 연결된다.
이 도표에서 조직 구조와 관련해 가장 중요한 항목은 운영 모델 축이다. 도표는 기존 조직이 기능별 위계와 부서 간 핸드오프를 중심으로 움직였다면, 에이전틱 조직은 엔드투엔드 성과를 책임지는 작은 인간+에이전트 팀의 네트워크로 움직인다는 점을 보여준다. 조직도는 누가 누구에게 보고하는지를 보여주는 그림이지만, 작업 차트는 어떤 일이 어떤 순서와 책임 구조로 완성되는지를 보여주는 그림이다. 이 차이가 바로 “부서라는 개념은 필요 없다”는 본문 주장의 핵심 근거가 된다.
또한 도표의 기술·데이터 축은 에이전트 AI 메쉬 논의를 보강한다. 에이전틱 조직에서는 에이전트가 여러 시스템과 데이터를 오가며 실행하기 때문에, 단일 부서 안에서만 작동하는 도구로는 충분하지 않다. 공통 데이터, 권한, 정책, 실행 규칙, 감사 로그가 연결된 기반이 있어야 에이전트들이 같은 맥락을 공유하고 충돌 없이 협업할 수 있다. 따라서 이 도표는 조직 구조 변화와 기술 인프라 변화가 따로 일어나는 것이 아니라, 하나의 운영 모델 안에서 동시에 설계되어야 한다는 점을 설명하고 있다.
사후 승인에서 실시간 감사 체계로
에이전틱 조직에서는 거버넌스도 바뀐다. 기존 방식은 사람이 보고서를 만들고, 관리자가 검토하고, 리스크 부서가 승인하는 구조였다. 이 방식은 안정적이지만 느리다. 에이전트가 실시간으로 판단하고 실행하는 환경에서는 사후 승인만으로는 충분하지 않다. 모든 결과를 사람이 승인하려 하면 에이전트의 속도가 사라지고, 아무 승인 없이 실행하게 두면 책임과 신뢰가 무너진다.
앞으로는 비평가 에이전트, 가드레일 에이전트, 컴플라이언스 에이전트가 업무 흐름 안에 내장된다. 비평가 에이전트는 산출물의 논리 오류와 품질 문제를 점검하고, 가드레일 에이전트는 정책 위반을 막으며, 컴플라이언스 에이전트는 규제 기준과 내부 기준을 실시간으로 확인한다. 브랜드 에이전트는 표현의 톤과 메시지 일관성을 확인하고, 데이터 접근 에이전트는 민감 정보 사용 여부를 검토한다. 거버넌스는 문서가 아니라 실행 흐름 안에 들어간다.
이때 인간은 모든 결과물을 직접 검토하는 대신, 어떤 상황에서 에이전트가 멈춰야 하는지, 어떤 예외를 인간에게 올려야 하는지, 어떤 리스크는 허용할 수 없는지를 정의한다. 예를 들어 고객 보상 제안이 일정 금액을 넘거나, 규제 리스크가 있는 표현이 포함되거나, 모델이 낮은 신뢰도로 결론을 제시하거나, 고객 이탈 가능성이 높은 고위험 계정에 영향을 미치는 경우에는 인간 승인을 요구할 수 있다. 반대로 낮은 리스크의 반복 업무는 에이전트가 자동으로 처리하도록 허용한다.
이 구조에서 중요한 것은 책임의 공백을 만들지 않는 것이다. 에이전트가 실행하더라도 최종 책임은 인간과 조직에 남는다. 따라서 에이전틱 조직의 거버넌스는 “AI가 알아서 하게 두는 체계”가 아니라, “AI가 빠르게 실행하되 인간이 기준과 책임을 소유하는 체계”다. 에이전트의 모든 행동은 기록되어야 하고, 어떤 데이터에 접근했는지, 어떤 판단 기준을 적용했는지, 어떤 결과를 냈는지 추적 가능해야 한다.
거버넌스의 또 다른 축은 예산과 성과관리다. 기존 예산은 연간 계획을 세우고 분기별로 조정하는 방식이었다. 그러나 에이전틱 조직에서는 시장 신호와 성과 데이터가 실시간으로 들어온다. 에이전트 예산 편성은 AI가 예산안을 제안하고, 시나리오 에이전트가 여러 가능성을 시뮬레이션하며, 리포팅 에이전트가 실시간 성과를 보여주는 방식으로 발전한다. 재무 리더의 역할은 스프레드시트를 모으는 것에서 신호를 해석하고, 시나리오를 스트레스 테스트하며, 비즈니스와 직접 의사결정하는 방향으로 바뀐다.
신뢰 체계는 외부 고객에게도 중요하다. 고객은 AI가 빠르게 응답하는 것만 원하지 않는다. 정확하고, 공정하며, 설명 가능한 경험을 원한다. 따라서 에이전틱 조직의 신뢰는 속도와 함께 설계되어야 한다. 잘못된 자동화는 한 번의 오류로 브랜드 신뢰를 훼손할 수 있다. 반대로 잘 설계된 거버넌스는 빠른 실행과 높은 신뢰를 동시에 가능하게 한다.
HR의 역할
이 변화는 HR의 역할도 바꾼다. HR은 채용, 평가, 교육을 관리하는 지원 부서에 머물 수 없다. 에이전틱 조직에서 HR은 인간과 에이전트가 함께 일하는 인재 시스템을 설계해야 한다. 어떤 역할이 재편되는지, 어떤 직원이 에이전트 감독자로 이동할 수 있는지, 어떤 전문성이 규칙으로 정리되어야 하는지, 어떤 학습 경로가 필요한지, 어떤 성과 기준이 새로 필요할지를 설계해야 한다.
IT 인재 구조에서도 전환이 필요하다. 많은 기업은 핵심 기술 역량을 외주에 의존하거나, 관리자 중심 구조로 운영해 왔다. 그러나 에이전틱 조직에서는 에이전트를 설계하고, 운영하고, 감독하고, 개선할 수 있는 내부 근육이 필요하다. 외부 솔루션을 도입하는 것만으로는 차별화가 어렵다. 조직의 고유 데이터, 업무 방식, 고객 맥락, 리스크 기준을 에이전트에 반영하려면 내부의 도메인 전문가와 기술 인재가 긴밀하게 협력해야 한다.
따라서 인력 전략은 세 가지 방향으로 재편된다.
- 첫째, 핵심 기술과 데이터 역량을 내부화해야 한다. 에이전트 오케스트레이션, 데이터 품질 관리, 모델 운영, 보안, 거버넌스는 조직의 핵심 운영 역량이 된다.
- 둘째, 도메인 전문가를 새로운 방식으로 활용해야 한다. 이들은 단순히 경험을 가진 사람이 아니라, 자신의 경험을 에이전트가 실행 가능한 판단 기준으로 전환하는 사람이다.
- 셋째, 관리자 역할을 다시 정의해야 한다. 관리자는 업무 지시자가 아니라 인간과 에이전트가 결합된 하이브리드 시스템의 오케스트레이터가 된다.
학습 방식도 바뀐다. 에이전트 시대의 교육은 단순한 AI 리터러시 교육으로 끝나지 않는다. 프롬프트 작성법을 배우는 것만으로는 충분하지 않다. 직원은 자신의 일상 업무 안에서 AI를 어떻게 쓰고, 어떤 결과를 신뢰하며, 어떤 상황에서 멈추고, 어떤 기준을 개선해야 하는지를 배워야 한다. 학습은 교육장에서 분리된 활동이 아니라 업무 흐름 안에 내장되어야 한다. 에이전트가 실행하고, 인간이 검토하고, 그 결과가 다시 기준 개선으로 이어지는 순환 자체가 학습이 된다.
결국 에이전틱 조직의 인재 경쟁력은 세 가지로 압축된다. 첫째, 에이전트를 다룰 수 있는 기술 이해력이다. 둘째, 자신의 전문성을 에이전트가 실행 가능한 기준으로 바꾸는 능력이다. 셋째, AI가 처리할 수 없는 인간적 판단, 공감, 협상, 윤리적 책임을 수행하는 능력이다. 이 세 가지를 갖춘 인재는 단순히 AI를 사용하는 사람이 아니라, AI와 함께 더 큰 성과를 만드는 사람이다.
에이전틱 조직의 인프라
에이전틱 조직의 가장 큰 오해 중 하나는 좋은 모델만 있으면 된다는 생각이다. 실제로 에이전트가 기업 안에서 안정적으로 작동하려면 고품질 데이터와 신뢰 가능한 인프라가 필요하다. 에이전트는 단순히 문장을 생성하는 도구가 아니라, 여러 시스템을 오가며 정보를 찾고, 판단하고, 실행한다. 따라서 데이터가 흩어져 있거나, 권한 체계가 불명확하거나, 데이터 품질이 낮으면 에이전트는 잘못된 결정을 내리거나 서로 충돌할 수 있다.
데이터는 에이전틱 조직의 연료이자 안전장치다. 고객 데이터, 제품 데이터, 거래 데이터, 운영 로그, 문서, 이미지, 음성, 센서 데이터가 모두 에이전트의 판단 근거가 될 수 있다. 그러나 이 데이터가 부서별로 단절되어 있으면 에이전트는 전체 맥락을 이해하지 못한다. 예를 들어 고객지원 에이전트가 고객 불만을 처리하려면 구매 이력, 배송 상태, 과거 문의 내용, 고객 등급, 보상 정책을 모두 이해해야 한다. 어느 하나라도 연결되지 않으면 응답은 빨라도 정확하지 않을 수 있다.
따라서 조직은 데이터 가든을 구축해야 한다. 여기서 데이터 가든은 단순한 데이터 저장소가 아니다. 조직이 보유한 고유 데이터가 품질 기준, 접근 권한, 계보, 보안, 활용 목적에 맞게 정리된 환경이다. 공공 인터넷에는 없는 고객 행동, 제품 사용, 내부 운영, 전문가 판단 데이터가 조직의 차별적 자산이 된다. 에이전트가 이 데이터를 안전하게 활용할 수 있을 때, 기업은 범용 AI 도구만 쓰는 경쟁사와 다른 결과를 만들 수 있다.
인프라 역시 바뀌어야 한다. 기존 IT 인프라는 사람이 티켓을 만들고, 담당자가 처리하고, 시스템별로 운영하는 방식에 맞춰 설계되었다. 에이전틱 조직에서는 이런 티켓 기반 운영만으로는 충분하지 않다. 에이전트가 실시간으로 시스템 상태를 파악하고, 문제를 진단하고, 일부 조치를 자동 실행하려면 API, 로그, 권한, 모니터링, 감사 체계가 모두 연결되어야 한다. 인프라는 단순한 지원 기능이 아니라 에이전틱 조직의 실행 신경망이 된다.
특히 중요한 것은 재사용성이다. 각 팀이 제각각 에이전트를 만들면 초기에는 빠르게 보이지만, 곧 중복과 혼란이 커진다. 같은 고객 데이터를 여러 에이전트가 다르게 해석하고, 같은 정책을 서로 다르게 적용할 수 있다. 따라서 조직은 원자 단위 에이전트, 공통 데이터 제품, 표준 API, 공통 거버넌스 규칙을 제공해야 한다. 현장 팀은 이를 조합해 빠르게 실행하고, 중앙은 품질과 보안을 관리한다.
에이전틱 조직의 인프라는 확장성과 통제 사이의 균형을 요구한다. 너무 중앙집중적이면 현장의 속도가 떨어지고, 너무 분산되면 보안과 품질이 무너진다. 좋은 설계는 중앙의 표준과 현장의 자율성을 동시에 제공한다. 이것이 에이전트 AI 메쉬가 필요한 이유다. 메쉬는 각 에이전트가 독립적으로 일하면서도 공통 맥락, 공통 정책, 공통 데이터에 연결되도록 만드는 기반이다.
레거시 조직에서 에이전틱 조직으로
에이전틱 조직으로의 전환은 한 번에 완성되지 않는다. 전사 전체를 동시에 바꾸려 하면 저항이 커지고, 성과를 증명하기 어렵다. 반대로 작은 실험만 반복하면 조직 전체가 바뀌지 않는다. 따라서 현실적인 접근은 핵심 시범 영역을 선정해 하나의 엔드투엔드 흐름을 깊게 바꾸고, 그 성과를 바탕으로 확장하는 방식이다.
핵심 시범 영역은 가치 창출 잠재력이 크고, 데이터 접근이 가능하며, 업무 흐름이 비교적 명확하고, 성과 측정이 가능한 영역이어야 한다. 고객 서비스, IT 서비스 데스크, R&D 테스트, 마케팅 캠페인 운영, 영업 제안 생성, 결산, 채용 프로세스 등이 후보가 될 수 있다. 중요한 것은 단일 태스크 자동화가 아니라 하나의 도메인을 끝에서 끝까지 다시 설계하는 것이다. 예를 들어 고객 서비스에서 FAQ 답변만 자동화하는 것이 아니라, 문의 접수, 고객 식별, 이슈 분류, 해결안 제안, 보상 판단, 후속 관리까지 전체 흐름을 재설계해야 한다.
전환은 네 단계로 진행될 수 있다.
- 첫째, 업무를 태스크 단위로 분해한다.
- 둘째, AI가 맡을 실행과 인간이 맡을 판단을 구분한다.
- 셋째, 필요한 데이터와 권한, 거버넌스 기준을 정의한다.
- 넷째, 성과를 측정하고 기준을 개선한다. 이 과정에서 가장 중요한 것은 빠른 파일럿 자체가 아니라 학습이다. 어떤 태스크가 에이전트에 적합한지, 어떤 판단은 인간에게 남겨야 하는지, 어떤 데이터 품질 문제가 병목이 되는지, 어떤 직원이 새로운 역할로 이동할 수 있는지를 배워야 한다.
성공한 핵심 시범 영역은 조직 내 설득의 언어가 된다. “AI가 좋다”는 추상적 메시지보다 “이 프로세스에서 처리 시간이 줄었고, 비용이 낮아졌으며, 고객 만족이 올라갔고, 직원이 더 고부가가치 업무로 이동했다”는 구체적 증거가 훨씬 강하다. 에이전틱 조직 전환은 비전만으로 추진되지 않는다. P&L과 운영 지표로 증명되어야 한다.
그러나 전환 과정에서 반드시 피해야 할 함정도 있다. 첫째, 기술팀에만 맡기는 것이다. 에이전트 전환은 소프트웨어 배포가 아니라 업무 재설계이므로 비즈니스 리더, 도메인 전문가, 리스크 담당자, HR이 함께 참여해야 한다. 둘째, 기존 업무 위에 AI만 덧붙이는 것이다. 이 방식은 초기 효율은 만들 수 있지만 근본적 ROI로 이어지기 어렵다. 셋째, 데이터 기반 없이 에이전트를 확장하는 것이다. 데이터 품질과 권한 체계가 준비되지 않으면 확장은 곧 리스크가 된다.
미래의 회사는 모두 연예기획사
미래의 회사는 하나의 거대한 피라미드라기보다, 수많은 작은 아메바형 사업체를 품은 매니지먼트 플랫폼에 가까워질 것이다. 여기서 아메바형 사업체란 2~5명의 핵심 인력이 수십 개의 에이전트를 지휘하며 하나의 고객 가치, 하나의 제품, 하나의 매출 흐름을 책임지는 소규모 독립 단위다. 이 단위는 기존 회사 안의 팀처럼 보이지만, 실제 작동 방식은 작은 회사에 가깝다. 목표를 정하고, 에이전트를 구성하고, 고객을 확보하고, 매출을 만들고, 성과에 따라 보상을 나눈다.
이 관점에서 현재의 회사 조직은 점차 연예기획사와 비슷한 형태로 바뀐다. 스타가 직접 콘텐츠를 만들고 팬덤과 시장에서 매출을 발생시키면, 기획사는 법무, 세무, 계약, 정산, 브랜드 관리, 리스크 대응, 인프라, 네트워크를 제공한다. 미래의 에이전틱 조직도 이와 유사하다. 아메바형 팀이 제품과 고객 성과를 직접 만들고, 중앙 조직은 그 팀이 안전하고 빠르게 움직일 수 있도록 거버넌스, 법무, 세금 처리, 데이터 인프라, 보안, 브랜드 기준, 에이전트 운영 플랫폼을 제공한다.
이 구조는 McKinsey가 말하는 “조직도에서 작업 차트로의 이동”과 맞닿아 있다. 과거 회사는 누가 누구에게 보고하는지, 어느 부서에 속하는지를 중심으로 설계되었다. 그러나 에이전틱 조직에서는 어떤 성과를 만들고, 그 성과를 위해 어떤 인간과 에이전트가 연결되는지가 더 중요해진다. 즉, 조직의 기본 단위는 부서가 아니라 성과 책임을 가진 아메바형 팀이 된다. 이 팀은 고정된 직제보다 유동적이며, 특정 고객 문제나 시장 기회가 생길 때 형성되고, 성과를 만들거나 기회가 사라지면 재편된다.
연예기획사 비유가 중요한 이유는 “중앙 조직의 역할 변화”를 직관적으로 설명하기 때문이다. 기존 회사의 중앙은 명령하고 승인하고 통제하는 곳이었다. 미래 회사의 중앙은 직접 매출을 만드는 주체라기보다, 매출을 만드는 아메바형 팀들이 더 크게 성공하도록 돕는 플랫폼이 된다. 법무는 계약 리스크를 줄이고, 재무는 매출 배분과 세금 처리를 담당하며, HR은 인간 인재와 에이전트 역량의 조합을 관리한다. 기술 조직은 공통 에이전트 라이브러리와 데이터 메쉬를 제공하고, 브랜드 조직은 각 팀이 시장에서 신뢰를 잃지 않도록 기준을 만든다.
이때 수익 구조도 달라진다. 지금의 회사는 직원에게 급여를 지급하고, 회사가 매출과 이익을 소유하는 구조에 가깝다. 그러나 아메바형 에이전틱 조직에서는 각 팀이 하나의 작은 사업 단위처럼 매출과 비용을 인식할 수 있다. 팀이 만든 매출에서 에이전트 실행 비용, 공통 인프라 사용료, 법무·세무·브랜드·거버넌스 비용을 차감하고, 남은 성과를 팀과 중앙이 배분하는 방식이 가능해진다. 이는 연예기획사가 스타의 활동 매출을 정산하고, 매니지먼트 비용과 수익 배분을 처리하는 구조와 닮아 있다.
이 모델의 핵심은 “소유와 통제”가 아니라 “지원과 정산”이다. 중앙이 모든 일을 승인하면 아메바형 팀의 속도는 사라진다. 반대로 중앙이 아무 기준도 제공하지 않으면 법무, 보안, 브랜드, 데이터 리스크가 폭발한다. 따라서 중앙은 사전 통제자가 아니라 실시간 신뢰 체계의 제공자가 되어야 한다. 비평가 에이전트, 가드레일 에이전트, 컴플라이언스 에이전트는 각 아메바 팀의 실행 흐름 안에 붙어 있어야 한다. 인간 중앙 조직은 모든 산출물을 검토하지 않고, 어떤 기준에서 멈추고 어떤 예외를 올릴지 정의한다.
아메바형 팀은 기존 스타트업보다 더 작고, 기존 사내 팀보다 더 독립적이다. 스타트업은 법인 설립, 회계, 채용, 인프라, 보안, 법무를 직접 감당해야 한다. 반면 회사 안의 아메바 팀은 중앙 플랫폼이 제공하는 공통 기능을 활용한다. 이 때문에 창업 수준의 자율성과 대기업 수준의 지원 인프라가 결합될 수 있다. 팀은 시장 기회를 빠르게 실험하고, 중앙은 실패 비용과 리스크를 흡수 가능한 범위로 제한한다.
이 구조에서는 리더십의 의미도 바뀐다. 미래의 리더는 부하 직원을 많이 거느리는 사람이 아니라, 하나의 아메바 회사를 성공시키는 프로듀서에 가까워진다. 프로듀서는 시장 기회를 읽고, 인간 전문가와 에이전트 조합을 설계하고, 브랜드 방향을 정하며, 성과가 날 때까지 실행 흐름을 조율한다. 연예기획사의 프로듀서가 스타의 재능, 콘텐츠, 팬덤, 유통, 계약을 묶어 하나의 사업을 만들듯이, 에이전틱 조직의 리더는 인간의 판단력, 에이전트의 실행력, 데이터 자산, 시장 기회를 묶어 하나의 매출 단위를 만든다.
이 관점에서 HR도 “인사 부서”가 아니라 “탤런트 매니지먼트”가 된다. 사람을 채용하고 평가하는 수준을 넘어, 어떤 인간이 어떤 에이전트 조합과 함께 일할 때 가장 큰 성과를 내는지 설계해야 한다. 어떤 사람은 제품형 아메바에 적합하고, 어떤 사람은 세일즈형 아메바에 적합하며, 어떤 사람은 리스크와 품질을 관리하는 감독형 역할에 적합하다. HR은 사람의 직무를 관리하는 부서에서, 인간과 에이전트가 결합된 성과 단위를 캐스팅하고 성장시키는 조직으로 바뀐다.
결국 미래 회사의 경쟁력은 내부에 몇 명의 직원을 보유했는가가 아니라, 얼마나 많은 고성과 아메바 팀을 배출하고 성장시키는가에 달려 있다. 연예기획사가 스타 한 명의 성공에 그치지 않고, 지속적으로 새로운 스타를 발굴하고 키우며 포트폴리오를 만드는 것처럼, 에이전틱 조직의 중앙은 새로운 아메바 팀을 만들고, 성과가 검증된 팀을 확장하고, 실패한 팀은 빠르게 해체하며, 핵심 인재와 에이전트를 다른 기회로 재배치한다.
따라서 “미래의 회사는 모두 연예기획사”라는 말은 단순한 비유가 아니다. 이는 회사의 본질이 직접 실행 조직에서 성과 단위를 발굴·지원·관리·정산하는 플랫폼으로 이동한다는 의미다. 매출은 아메바형 팀이 만들고, 중앙은 신뢰와 인프라와 배분 구조를 제공한다. 미래의 회사는 더 이상 하나의 거대한 부서 집합체가 아니라, 수많은 작은 에이전틱 사업체를 품은 매니지먼트 플랫폼이 될 것이다.
