AX 현장에서 지금 붙잡고 있는 질문들

요즘 AX 현장에서 받는 질문이 달라졌습니다.

실무단의 이야기를 해보자면 작년만해도 이걸 AI로 만들 수 있느냐? 이런질문이 대세였지만, 요즘은 만든 다음 사람과 조직이 어떻게 되느냐를 더 많이 묻습니다.

저는 지금 S사, B사와 AX를 진행하고 있습니다. S사와는 인사 시스템, 한 달에 3D 에셋 5ㅊㄴ개 이상을 검수해야 하는 실무 이미지 체킹 시스템, 각종 내부 보고용 확인 시스템을 만들고 있고요. B사의 핵심 고민은 AX를 인사와 어떻게 연결할지입니다.

솔직히 시스템을 만드는 일은 간단합니다 방향성을 만들면 poc까지는 AI가 진행하니까요, 돈이 들어오면 어떤문제든 해결가능하죠

어려운 건 사람, 기업문화, 그리고 인사죠. 프로젝트가 잘될수록 누군가의 일이 줄고 비용, 보안, 내부 반발이 바로 따라붙는데, 이 문제들은 결국 평가와 보상, 직무, 조직문화 부분이죠

시스템은 금방 섰는데, 질문은 사람 쪽에서 쏟아집니다

숫자를 먼저 봐볼까요? 맥킨지(McKinsey)가 직원과 리더 750명을 조사해 2026년 7월 발표한 결과를 보면, 응답자의 70%는 개인적으로 AI를 쓸 준비가 됐다고 답했지만 조직이 에이전트 시대의 변화를 감당할 준비가 됐다고 본 리더는 27%였습니다.

직원이 회사보다 빠르게 AI에 적응하고 있다는 말이죠.

물론 저도 답을 다 알지는 못합니다. 지금 풀어 가는 중이죠. 그래서 오늘은 현장에서 나오고있는 있는 질문들과 다른 회사들이 찾은 답을 정리해 보려 합니다.

시스템 이야기를 먼저 짚고, 아래 아홉 가지 질문에 대해서 이야기해볼게요

시스템을 만드는 일은 간단한 쪽입니다

S사의 이미지 체킹 시스템을 예로 들어 보겠습니다. 3D 에셋을 정해 둔 기준으로 걸러 내는 것까지는 기술로 보면 어렵지 않습니다. 이런 검사 기능은 실시간 3D 제작 도구인 언리얼 엔진(Unreal Engine)에 데이터 검증(Data Validation)이라는 기본 플러그인으로 들어 있을 만큼 익숙하거든요.

어려운 건 기준과 방향성 이죠. 검사가 돌기 시작하면 그 일을 하던 사람의 역할, 결과를 확인할 사람, 평가에 반영하는 방식이 곧바로 질문으로 나오고 사실상 암묵지의 영역에 있던걸 모두 명시지화 해야해요. 지금하고있는 B사의 고민이 AX와 인사의 연결에 있는 것도 같은 이유죠.

맥킨지의 다른 조사도 같은 이야기를 하고있습니다. 2026년 「The state of AI」에서 응답자 1,719명 중 80%가 AI로 개인 생산성이 나아졌다고 답했지만, 조직의 EBIT(이자·세금 차감 전 이익)에 긍정적으로 기여했다는 응답은 37%에 그쳤습니다.

맥킨지 「The state of AI」 2026년판 원문. 개인 생산성 개선 80%, 조직 EBIT 기여 37%(출처: McKinsey & Company, 2026)

10-20-70 원칙도 있습니다. 보스턴컨설팅그룹(BCG)이 2025년 보고서에서 정리한 것으로, AI 성과가 좋은 조직은 노력의 10%를 알고리즘에, 20%를 기술과 데이터에, 70%를 사람과 프로세스에 쓴다는 내용입니다.

쉽게 말하면 시스템에 드는 품은 3할이고 나머지 7할은 사람 쪽이라는 이야기죠. 다만 마이크로소프트(Microsoft)의 「2026 Work Trend Index」에서도 AI를 업무에 쓰는 지식노동자 20,000명이 체감한 AI 효과를 설명하는 비중은 조직 요인 67%, 개인 요인 32%였습니다. 인과가 아닌 연관이라는 점은 보고서도 밝혀 두었고요.

그렇기에 이부분이 상당히 어렵습니다 프로세스를 어떤식으로 잡을꺼고 이게 정말 잘적용되냐는 전혀 다른문제니까요

성과가 좋은 조직은 노력의 70%를 사람과 프로세스에 씁니다(BCG 10-20-70 원칙)

다른 회사들은 어떻게 답했을까요?

아주경제 보도에 따르면 초거대AI추진협의회는 2026년 5월 「AX 사례집」에서 AX가 실패하는 원인을 넷으로 정리했습니다. 책임 소재(R&R) 불명확, 운영 모니터링 부재, 현장 데이터 편차 미대응, 거버넌스 부재입니다. 가장 기억에 남는 문장을 가져와보면 아래문장이더군요

초거대AI추진협의회 「AX 사례집」을 전한 기사(출처: 아주경제, 2026)

아틀라시안(Atlassian)의 인사 분석 팀 28명은 다르게 답했습니다.

업무 시간 안에 보호 시간을 떼어 「AI Innovation Week」를 두 번 열고, 각자 자기 업무를 직접 스킬로 만들게 했습니다. 에이전트 AI를 잘 이해한다는 응답은 27%에서 82%, 91%로 올랐습니다. 회사의 설명은 이렇습니다.

의무 교육 대신 실제 업무에 붙였기 때문에 퍼졌다는 거죠.

2026년 7월 회사 블로그에 실린 이해도 수치라 성과 지표로 보기는 어렵긴하지만 그래도 방향성이 점점 잡히고 있어요, 저는 그래서 시스템 설계서에 기능 목록뿐 아니라 누구의 일이 바뀌는지, 결과는 누가 확인하는지를 같이 적어야 한다고 보고 있습니다.

S사의 검수·보고 확인 시스템도 이 기조를 고려하고 있고, B사와는 그 답이 인사 제도까지 어떻게 이어질지를 함께 풀어 가는 중입니다. 

잘되는 프로젝트가 누군가의 일을 줄이면, 그 사람의 역할은 어떻게 다시 정할까요

첫 질문은 S사의 이미지 체킹 시스템에서 바로 나옵니다. 이 시스템이 잘 돌아갈수록 검수에 들던 사람의 시간은 줄어듭니다. 프로젝트가 성공하는 지점에서 누군가의 일이 줄어드는 거죠.

시스템이 잘 돌아갈수록 누군가의 일은 줄어듭니다

여기서 이야기해야하는건 카니발라이제이션(cannibalization)이라는 개념이 있습니다.

새 제품이 같은 회사 기존 제품의 매출을 잠식하는 현상인데요, AX에서는 새 시스템이 기존 팀의 일을 잡아먹는 상황입니다. B사의 고민인 AX와 인사의 연결도 여기서 출발합니다. 누구의 일이 줄어드는지 명확하게 정의하지 않으면 평가도 보상도 올릴 데가 없거든요.

일이 줄어드는 쪽의 불안은 한 회사만의 이야기가 아닙니다. 미디어오늘이 2026년 3월 국내 게임사 창작자 4명을 취재한 기획에서 한 3D 모델러는 이렇게 말합니다.

숫자로 볼까요? 가트너(Gartner)가 자율 기술을 시범·도입한 연매출 10억 달러 이상 기업의 임원 350명을 조사한 결과(2026년 5월 발표), 약 80%가 인력 감축을 보고했습니다.

그런데 감축 비율은 AI 투자수익이 높은 조직과 낮은 조직이 거의 같았습니다. 줄인 인력이 수익으로 이어지지는 않았다는 뜻이죠.

앞에서 본 맥킨지 「The state of AI」 2026년판에서는 AI 때문에 부담(strain)을 겪었다는 응답이 중간관리자·실무자 47%, 임원·시니어 31%로 갈렸습니다. 일이 바뀌는 쪽에 가까울수록 더 크게 체감하는 셈이죠.

머서(Mercer)의 「Global Talent Trends 2026」에서는 임원 63%가 AI를 넣어 일을 다시 설계하는 것을 투자수익 기준 최우선 인사 과제로 꼽았습니다.

다른 회사들의 답은 세 갈래로 나뉩니다.

먼저 사람부터 줄인 경우입니다. ABC 보도에 따르면 호주 커먼웰스은행(Commonwealth Bank of Australia)은 2025년 7월 AI 음성봇을 들이며 고객센터 직무 45개 감원을 발표했다가 다음 달 철회했습니다. 필요한 역할을 충분히 따져 보지 않았다고 인정하고 사과했고요.

다음은 부서를 옮겨 고용을 지킨 경우입니다. 헤럴드경제 보도에 따르면 현대해상 자회사 콜센터는 AI 상담으로 일감이 절반 이상 줄었지만 인력을 유지하고 상담사를 다른 부서로 전환했습니다. 그런데 2024년 전환된 7명은 전원, 이듬해에는 14명 중 절반이 회사를 나갔습니다.

마지막은 일 자체를 다시 짠 경우입니다. 모더나(Moderna)는 2024년 11월 인사와 IT를 한 임원 아래로 합치고, 몇 명이 필요한지 묻는 인력 계획 대신 이 일을 사람이 할지 기술이 할지 묻는 일 계획으로 기준을 바꿨습니다.

물론 완성된 답은 아닙니다. 담당 임원 트레이시 프랭클린(Tracey Franklin)도 아직 진행 중이라고 했고, BBC 보도에서는 두 직군의 전문성이 희석될 수 있다는 경고도 나왔습니다.

그렇기에 저는 사람 수보다 일의 목록을 먼저 적어야 한다고 보고 있습니다.

시스템이 1차로 걸러 준 뒤 무엇이 줄고, 판정 기준을 정하는 일처럼 무엇이 새로 생기는지부터 나눠 보자는 기조죠. B사와도 평가와 보상 전에 이 목록부터 정해야 한다는 데서 출발하고 있습니다. 다만 줄어든 만큼 새 일이 생긴다는 보장은 없어서, 이 부분은 아직 답을 내지 못했습니다.

잘될수록 많이 쓰고, 많이 쓸수록 비용이 터집니다

일이 줄어드는 문제와 함께 바로 따라오는 것이 비용입니다.

S사의 에셋 검수처럼 양이 많은 일에 AI를 붙이면, 시스템이 잘 돌수록 호출도 같이 늘어나죠. 

물론 임원분들이나 경영진의 목표를 못만다는건 아닙니다 실제로 상상속에 있는건 80%이상 구현이 가능합니다. 다만 이걸 비용효용성까지 붙이면 상당히 어려운 문제가 되는것인데, AX를 인사와 연결하려는 B사에는 하나가 더 걸립니다. 사용량을 평가에 넣는 순간 쓰는 양 자체가 목표가 되기 쉽고, 그 청구서는 회사 예산으로 돌아오거든요.

많이 쓰자고 세운 리더보드가 예산 청구서로 돌아오는 순간

이 흐름은 많은곳에서 이야기되고 있습니다.

가트너는 2026년 6월 보도된 보고서에서 2028년까지 생성형 AI 프로젝트의 최소 50%가 예산을 넘길 것이라고 예측했습니다(Campus Technology 보도).  단가가 내려가면 나아질 것 같지만 그렇지도 않더라고요.

포춘(Fortune)이 인용한 실리콘 데이터(Silicon Data) 자료에 따르면 토큰 가격은 2023년 이후 90% 넘게 떨어졌는데, LLM 지출은 2025년 말 이후 오히려 두 배가 됐습니다.

경제학에서는 이걸 제번스 역설(Jevons paradox)이라고 부릅니다. 단가가 내려가면 쓰는 양이 더 늘어 총소비가 커진다는 이야기로, 1865년 석탄을 두고 나온 말이 지금 토큰에서 벌어지고 있는 셈이죠.

그럼 다른 회사들은 어떻게 답했을까요?

가장 유명한건 우버(Uber)입니다. 보도에 따르면 직원에게 AI를 최대한 많이 쓰라고 독려하고 사내 리더보드로 사용량을 겨루게 했더니 Claude Code 사용률이 32%에서 84%로 뛰었고, 4월에는 CTO가 연간 AI 예산을 이미 다 썼다고 밝혔습니다.

1년 예산을 산정한지 넉 달이 채 안 된 시점이었죠. 그렇기에 6월에는 직원 한 명이 도구 하나에 쓸 수 있는 금액을 월 1,500달러로 묶었다는 블룸버그(Bloomberg) 보도가 나왔습니다.

제가 더 눈여겨본 건 그다음 대응이었습니다. 우버는 접근을 막는 대신 비용을 사용자 수, 사용자당 세션, 세션당 턴, 턴당 요청, 요청당 토큰, 토큰 단가의 곱으로 쪼개, 앞의 두 항은 키우고 나머지는 모델 선택과 캐싱 같은 장치로 줄였습니다.

8월 우버 엔지니어링 블로그에 따르면 주간 활성 사용자가 7배로 느는 동안 총지출은 4월 이후 비교적 안정됐고, 같은 모델로 고정해 비교한 세션당 비용은 6월 정점보다 52% 내려갔습니다. CTO 프라빈 네팔리 나가(Praveen Neppalli Naga)의 말입니다(포춘 보도).

효율을 예산 문제가 아니라 엔지니어링 문제로 다뤘다는 뜻입니다. 다만 예산 총액과 절감액은 공개되지 않았으니, 해결은 총지출이 안정됐다는 정도로 읽어야 합니다.

세션당 비용이 6월 정점 대비 52% 내려갔다는 대목(출처: Uber Engineering, 2026)

메타(Meta)는 평가 쪽에서 답했습니다.

4월 직원이 만든 사내 리더보드 「Claudeonomics」가 8만 5천 명 넘는 직원의 토큰 사용량을 집계했고, 30일 동안 약 60조 토큰이 쓰였다는 보도가 나왔습니다.

프래그머틱 엔지니어(Pragmatic Engineer)는 이를 API 정가로 환산하면 약 9억 달러라고 추정했죠(실제 지출액은 아닙니다).

리더보드는 보도 하루 만에 내려갔고, 6월에는 토큰 중앙 통제와 팀별 쿼터가, 9월에는 연간 성과 평가에서 토큰 사용량을 빼겠다는 메모가 나왔습니다. 그에 앞서 앤드루 보즈워스(Andrew Bosworth) CTO가 따로 낸 메모의 문장입니다(AI News Weekly 보도).

토큰 사용량만으로는 어떤 성과도 잴 수 없다는 말이죠.

아마존(Amazon)은 리더보드를 내리고 잴 것을 바꿨습니다.

FT 보도를 전한 기사들에 따르면, 개발 도구 Kiro의 활동량으로 직원 순위를 매기던 비공식 대시보드 「Kirorank」에서 일부 직원이 필요 없는 작업에 에이전트를 돌려 점수를 올렸고 늘어난 컴퓨팅 비용은 회사가 떠안았습니다. 아마존은 이를 내렸고, 데이브 트레드웰(Dave Treadwell) 수석 부사장은 직원들에게 이렇게 당부했습니다(HR Director 보도).

AI를 쓰려고 AI를 쓰지는 말아 달라는 당부죠.

대신 쓸 만한 코드를 꾸준히 만들어 내는지를 보는 「normalised deployments」를 척도로 내세웠는데, 정확한 정의는 공개되지 않았습니다.

저는 상한부터 거는 것보다, 우버처럼 비용을 항목별로 쪼개 어디서 새는지 먼저 보는 쪽이 맞다고 봅니다.

그래서 B사와 AX를 인사에 연결하는 방안을 이야기할 때도 사용량은 평가 지표가 아니라 비용 관리 지표로 따로 두는 기조를 검토하고 있습니다. 다만 상한을 팀별로 둘지 직군별로 둘지는 아직 정하지 못했습니다.

회사의 가장 민감한 자료를 AI에 어디까지 넣게 할까요

S사와 만들고 있는 시스템은 셋 다 회사 안쪽 자료를 넣어야 돌아갑니다.

인사 시스템은 인사 데이터를, 이미지 체킹 시스템은 3D 에셋을, 보고 확인 시스템은 내부 보고서를 읽어야 하죠. B사가 고민하는 AX와 인사의 연결도 결국 인사 데이터를 AI 옆에 두는 일입니다.

물론 보안팀이 일단 막고 싶어 하는 것도 충분히 이해가 갑니다.

다만 막으면 직원은 다른 길로 가기 마련이죠. 회사가 승인하지 않은 AI 도구를 직원이 알아서 업무에 쓰는 것을 섀도 AI(shadow AI)라고 부르죠.

멜버른대학교와 KPMG(The University of Melbourne with KPMG)의 2025년 조사에서 업무에 AI를 쓰는 직원 48%가 재무·영업·고객 정보 같은 회사 정보를 공개 AI 도구에 올린 적이 있다고 답했습니다. AI 사용을 금지한 조직에서는 이 비율이 67%로, 정책이 없는 조직(33%)보다 오히려 높았고요.

전면 금지는 효과가 없을 수 있다는 보고서의 해석입니다.

도구를 준다고 끝나지도 않습니다. 가트너의 2026년 조사에서 회사 AI 접근권이 있는 직원의 88%가 개인 AI 도구도 업무에 같이 쓰고 있었습니다. IBM이 포네몬 연구소(Ponemon Institute)와 낸 「Cost of a Data Breach Report 2025」에서는 침해를 겪은 조직 600곳 중 5곳에 1곳이 섀도 AI 때문에 침해를 겪었고, 섀도 AI 관리·탐지 정책을 갖춘 곳은 37%였습니다. 

5곳 중 1곳이 섀도 AI로 침해를 겪었다는 대목(출처: IBM, 2025)

다른 회사들은 크게 두 쪽으로 답했습니다.

하나는 회사 안에 쓸 환경을 만들고, 그 환경을 쓸 사람의 자격을 정하는 쪽입니다.

삼성전자는 2023년 반도체(DS) 부문에서 사내 정보가 ChatGPT에 올라가자(SBS Biz 보도 기준 설비정보 2건, 회의내용 1건) 완제품(DX) 부문 사내 PC의 생성 AI 사용을 일시 제한했습니다.

그리고 2026년 5월, DX 부문에 6월 중 외부 생성 AI를 공식으로 열겠다고 공지하면서 권한은 보안 교육 이수자에게만 주기로 했습니다(연합뉴스 등 보도). 반도체 부문은 사내 결재를 받은 경우에만 쓰는 방침을 유지했죠. 넣을 수 있는 자료의 범위를 교육과 결재라는 사람 쪽 제도로 나눈 셈이죠.

블리자드(Blizzard)는 2023년 자사 타이틀로 학습시킨 사내 이미지 생성기를 콘셉트 아트에 쓰게 하면서, 기밀과 IP가 새지 않도록 서드파티 AI 플랫폼은 쓰지 말라고 했습니다(뉴욕타임스 보도를 인용한 Eurogamer·Decrypt 기준). 미공개 IP를 다루는 회사가 막는 데서 그치지 않고 쓸 곳을 먼저 내준 사례입니다.

다른 하나는 인사 데이터에 선을 긋는 쪽입니다.

JP모건 체이스(JPMorgan Chase)는 2025년 연말 성과평가 초안을 사내 AI 포털 LLM Suite로 쓰게 했지만, 최종 책임은 본인이 지고 보상 결정에는 쓰지 않는다고 했습니다(FT 보도 경유). 반대로 메타는 2026년 직원 업무 컴퓨터의 클릭·키 입력·화면 내용을 AI 학습 데이터로 모으다가 1,600명 넘는 직원의 중단 청원을 받았습니다. 가디언(The Guardian)이 전한 와이어드(Wired) 보도에 따르면 인사·성과 데이터("people and performance data")가 담긴 테이블까지 사내에서 열람 가능했고, 회사는 조사 기간 동안 프로그램을 멈췄습니다.

저는 자료 전체를 한 규칙으로 막기보다, 자료를 민감도별 등급으로 나누고(데이터 분류) 등급마다 어떤 환경에 넣을 수 있는지 먼저 정하는 방향이 맞다고 봅니다.

이걸 거버넌스 설계라고 칭하는데 S사의 에셋 검수나 보고 확인처럼 회사 작업물을 읽는 시스템은 사내 환경에서 돌리고, 쓰는 권한은 교육과 묶는 쪽을 생각하고 있습니다.

인사 데이터는 직원이 묻고 답을 받는 데까지는 열되 평가·보상 결정에는 넣지 않는 선에서 출발해야 하지 않을까 싶습니다. 그 선을 정확히 어디에 그을지는 B사와 함께 정하는 중입니다.

자료를 등급별로 나누는 공냥이

툴에 익숙한 직원과 아닌 직원, 누구부터 어떻게 바꿀까요

AX 프로젝트에 들어가 보면 한 팀 안에 매일 AI를 쓰는 직원과 아직 제대로 열어 보지 않은 직원이 늘 함께 있습니다. 그래서 교육 계획을 짤 때마다 같은 질문으로 돌아오죠.

잘 쓰는 사람을 더 키울지, 낯선 사람부터 끌어올릴지, 리더부터 바꿀지요.

격차는 크고, 대부분은 직원 혼자 메우고 있습니다.

EY가 2025년 미국 대기업 사무직 1,148명을 조사했더니, 응답자의 83%가 에이전트 AI에 관해 아는 것 대부분을 독학으로 익혔고 54%는 에이전트 AI 활용에서 동료보다 뒤처진다고 느꼈습니다.

PwC의 2026년 Hopes and Fears 조사에서 AI 활용 우위와 시장 수요가 큰 역량을 함께 갖춘 선도 인력(front-runners)은 글로벌 14%, 한국 4%였습니다. 한국 수치는 표본 한계 단서가 붙어 있어 방향 정도로 읽는 게 맞겠죠.

BCG는 2025년 10,600명 이상 조사에서 현장 직원의 정규 사용률이 51%에서 멈춘 현상을 실리콘 실링(silicon ceiling)이라고 불렀습니다. 리더 지원이 강하면 AI에 긍정적인 직원이 15%에서 55%로 늘었지만, 그런 지원을 받는다는 현장 직원은 약 4분의 1뿐이었고요.

누구를 먼저 도와야 효과가 클지도 볼까요?

브린욜프슨(Erik Brynjolfsson) 연구팀의 2023년 NBER 논문에서 고객지원 상담원 5,179명의 시간당 해결 건수는 AI 도구를 쓴 뒤 평균 14%, 초보·저숙련 상담원은 34% 늘었고 숙련자는 거의 그대로였습니다. 한 회사, 한 직무의 연구라 그대로 옮길 수는 없지만, 익숙하지 않은 쪽이 얻을 것이 더 많을 수 있다는 신호로 볼 수는 있겠죠.

같은 팀 안에서도 AI를 다루는 출발점은 사람마다 다릅니다

그럼 다른 회사들은 어디서부터 손을 댔을까요? 

위에서부터 내려간 곳은 삼성입니다. 보도에 따르면 삼성그룹은 2026년 사장단 약 50명, 임원 약 2,300명, 전 직원 순서로 교육을 넓히고 있습니다. 앞서 삼성전자 DX부문은 임원 600여 명 교육에 「AX 가속화를 위한 리더의 역할」을 넣었고요. 

옆에서 돕는 사람을 늘린 곳도 있습니다.

우아한형제들 기술 블로그(2026년 9월)에 따르면 사내 수요조사에 92명이 손을 들었지만 1:1로 도울 사람은 글쓴이 한 명이었습니다. 그래서 코치 두 명이 동료 한 명을 5주 동안 돕게 하고, 코치 둘은 AI 경험의 깊이가 다른 사람끼리 일부러 짝지었습니다. 성공 기준은 해결한 문제 수 대신 발언과 행동의 변화로 잡았죠. 피코치 12명의 「스스로 해결할 수 있을 것 같다」 자기평가는 5점 척도 평균 2.58점에서 4.17점으로 올랐고, 보상 없이 모인 코치는 65명이 됐습니다.

코칭의 성공 기준을 해결한 문제 수 대신 발언과 행동의 변화로 정했다는 대목(출처: 우아한형제들 기술블로그, 2026)

자원자 네트워크로 넓힌 곳도 있습니다.

보도에 따르면 씨티(Citi)는 자원한 직원 약 4,000명과 챔피언 25~30명에게 사업부별 데모와 직무별 교육을 맡겼고, 자체 AI 도구 채택률은 70%를 넘었다고 합니다.

저는 지금 익숙한 직원을 먼저 코치로 세우고, 리더는 그 코치들이 쓸 시간을 지켜 주는 쪽을 생각하고 있습니다. 이걸 히어로 방식이라고 하는데 일종의 FOMO를 자극하는 방식과 도비슷해요, 다만 여기서 핵심은 보상 없이 마음으로 움직이는 구조를 어느 회사에나 옮길 수 있을지는 아직 확신이 없기는 합니다. 꽤나 오랜시간이 필요할것같아요

「내 일이 없어진다」, 「감시당한다」는 목소리는 어떻게 다룰까요

S사와 만드는 이미지 체킹 시스템과 내부 보고용 확인 시스템을 나란히 놓고 보면, 이 두 목소리가 왜 함께 나오는지 이해가 됩니다.

검수 시스템이 잘 돌수록 검수하던 사람의 일은 줄고, 확인 시스템이 잘 돌수록 누가 언제 무엇을 했는지가 기록으로 남거든요.

AX를 인사와 연결하려는 B사도 마찬가지입니다. 직원 입장에서는 AI가 일을 덜어 주는 도구이면서 동시에 나를 재는 장치로 보이기 쉽습니다.

업계 단위로 넓혀 봐도 이 불편함은 이미 다수가 느끼고 있습니다.

게임개발자회의(GDC, Game Developers Conference)가 2026년 1월 발표한 업계 설문에서는 응답자 2,300여 명 중 52%가 생성 AI가 업계에 부정적이라고 답했습니다. 2024년 18%, 2025년 30%에서 2년 만에 다수가 됐고, 직군별로는 시각·기술 아트가 64%로 가장 높았습니다.

GDC 2026 업계 설문 보도 화면. 생성 AI가 업계에 부정적이라는 응답이 52%로 올라섰습니다(출처: GamesBeat, 2026)

연합뉴스 보도에 따르면 민주노총 화학섬유식품노조 IT위원회가 국내 게임사 직원 1,078명에게 물었더니, AI를 자주 쓴다는 응답은 65.6%인데 고용이 불안하다는 응답은 77.3%였습니다.

회사나 노조 차원의 공식 논의가 있다는 응답은 26.7%뿐이었고요. 노조가 진행한 설문이라 표본이 치우쳤을 수 있다는 건 감안해서 봐야겠죠.

가트너는 2025년 12월 발표에서 직원 37%가 AI를 쓸 수 있는데도 동료가 안 쓴다는 이유로 쓰지 않는다고 밝혔습니다(2025년 7월 직원 2,986명 조사). 임원들은 성과 부진을 직원 저항 탓으로 돌리지만, 인사(HR) 참여 없이 서두른 도입이 더 유력한 원인이라는 해석도 덧붙였죠.

다른 회사들의 답은 감시 우려에는 설계로, 일자리 우려에는 문서로 갈렸습니다.

마이크로소프트는 2020년 개인별 활동을 보여 주던 Productivity Score가 감시 도구라는 비판을 받자, 한 주 만에 사용자 이름을 제품에서 지우고 조직 단위 집계만 남겼습니다.

조직 안의 누구도 개인의 사용 데이터를 볼 수 없게 하겠다는 재러드 스파타로(Jared Spataro)의 설명입니다. AI 이전 사례지만, 감시 우려를 설계로 줄인 예로 저는 이만큼 분명한 걸 아직 못 봤습니다.

약속이 깨졌다고 믿는 순간 무슨 일이 생기는지는 한화오션이 보여 줍니다. 헤럴드경제 보도에 따르면 노조는 AI 안전 기술 일부에 동의했다가, 안전용 바디캠으로 노조를 사찰했다며 동의를 철회했습니다. 「노무 관리나, 작업자 현장 통제용으로 쓰지 않기로 합의했는데 회사가 어겼다」는 노조 주장에 회사는 사실무근이라고 반박했고, 시스템은 3년째 표류 중입니다. 제조 현장의 노사 사례라 결은 다르지만, 용도에 대한 약속 하나가 흔들리면 도입 전체가 멈출 수도 있다는 건 그대로 참고할 만합니다.

한화오션 AI 안전 시스템이 감시 논란 끝에 3년째 표류 중이라는 보도(출처: 헤럴드경제, 2026)

문서로 답한 곳은 SBS입니다. 한국기자협회보 보도에 따르면 SBS 노사는 2026년 단체협약에 AI 도입으로 직무가 바뀌는 직원에게 직무 교육을 하고 재배치가 되도록 노력할 의무를 회사에 지웠습니다.

다만 노조가 요구한 사전 합의 조항은 빠졌고, 재배치도 노력 의무 수준입니다. 국내에서 문서로 받아 낸 약속이 아직 이 정도라는 뜻이기도 하죠.

그래서 저는 두 가지를 먼저 정하는 방향으로 답을 찾고 있습니다.

S사의 검수·보고 확인 시스템에서는 개인 단위 기록을 평가에 쓸지, 쓴다면 누가 볼 수 있는지를 화면을 만들기 전에 정해 두는 쪽을 고려하고 있습니다.

B사와는 역할이 어떻게 바뀌는지를 도입 전에 공식적으로 이야기하는 순서가 맞다고 보고 있고요. 물론 이것만으로 불안이 사라지지는 않을 겁니다.

다만 OECD가 7개국 제조·금융업 근로자 5,334명 조사를 바탕으로 낸 2024년 보고서에서도 새 기술 도입을 근로자와 협의한 회사에서 결과가 더 긍정적인 경향(인과가 아닌 연관)이 보였던 만큼, 공식적으로 말할 기회부터 만드는 것이 지금으로서는 현실적인 출발이라고 생각합니다.

검수와 확인 시스템이 잘 돌수록 두 목소리도 함께 커집니다

AI로 아낀 시간과 성과는 누구의 것이고, 평가에는 어떻게 넣을까요

이 질문은 B사의 고민인 AX와 인사의 연결 한가운데에 있습니다.

AI로 어떤 직원의 일이 하루 줄었다면 그 하루는 누구의 것일까요?

본인 성과로 인정할 수도, 다른 일로 채울 수도, 인력 계획에서 덜어 낼 수도 있죠. 어느 쪽이냐에 따라 직원이 줄어든 일을 드러낼지 숨길지가 갈리고, 카니발라이제이션도 바로 이 지점에서 인사와 만납니다. 그래서 저는 이 질문을 평가 제도보다 조직문화와 일하는 방식이 함께 바뀌는 문제로 보고 있습니다.

AI로 아낀 하루를 평가표 어디에 올려야 할지 고민하는 공냥이

답을 정한 회사는 아직 많지 않습니다.

BCG의 2026년 「AI at Work」 조사에서 66%가 아낀 시간을 어디에 쓸지 지침이 제한적이거나 없다고 답했습니다. 가트너가 2025년 HR 리더 114명에게 물었을 때 아낀 시간의 쓰임새를 안내하는 조직은 7%였고요. 같은 발표문은 이렇게 정리합니다.

인력이 아니라 일을 바꾸라는 이야기죠.

보상 쪽은 더 비어 있습니다.

앞에서 본 마이크로소프트 「2026 Work Trend Index」에서 AI로 일을 다시 짜면 결과가 나오지 않아도 보상받는다고 답한 AI 사용자는 13%였고, 45%는 AI로 일을 다시 짜기보다 지금 목표에 집중하는 편이 안전하다고 느꼈습니다. 국내에서는 앞의 화섬식품노조 IT위원회 게임업계 설문에서 82.3%가 수익 배분 가이드라인이 필요하다고 답했습니다. 노조 설문이라는 단서는 그대로지만, 기여도를 따질 기준이 아직 없다는 대목은 이 질문과 그대로 겹칩니다.

다른 회사들은 이 질문에 꽤 다르게 답했습니다.

먼저 점수에 크게 넣는 쪽입니다. 한국경제 보도에 따르면 삼성전자는 2026년 하반기 임원 MBO(목표 관리 평가)에서 「AX 역량 제고」 배점을 2~5점에서 20점으로 올렸고, AI로 일하는 방식을 얼마나 바꿨는지 같은 결과를 본다고 하죠. 반면 FT 보도에 따르면 액센츄어(Accenture)는 일부 고위 직원의 AI 도구 주간 로그인, 즉 쓴 양을 승진 심사 자료로 씁니다.

삼성전자 임원 평가의 「AX 역량 제고」 배점을 20점으로 올렸다는 보도(출처: 한국경제, 2026)

다음은 아낀 시간을 직원 몫으로 돌려주는 쪽입니다.

포춘 보도에 따르면 옴니센드(Omnisend)는 2026년 4월부터 AI를 잘 쓰는 직원에게 2~4% 임금 인상을 주고, 절감한 시간과 비용, 산출물, 그 워크플로가 얼마나 퍼졌는지로 평가합니다.

마지막은 넣었다가 뺀 쪽입니다.

듀오링고(Duolingo)는 2025년 AI 사용을 성과 평가에 넣겠다고 했다가, 직원들이 AI를 위한 AI 사용이냐고 묻기 시작하자 1년이 채 안 돼 평가 항목에서 내렸습니다. CEO 루이스 폰 안(Luis von Ahn)은 팟캐스트에서 실제 결과를 책임지게 하는 대신(rather than being held accountable for the actual outcome) 맞지도 않는 것을 밀어붙이는 느낌이었다고 돌아봤습니다. 맥킨지의 2025년 1월 보고서에서도 미국 직원이 꼽은 AI 사용 증가 요인 가운데 OKR·KPI 연동은 22%로 가장 낮았습니다.

물론 평가에 넣는 것도 의미가 있습니다.

회사가 무엇을 중요하게 보는지 가장 분명하게 알리는 방법이니까요. 다만 저는 점수보다 먼저 아낀 시간을 어디에 쓸지, 일이 줄어든 사람이 어떤 일로 옮겨 가는지를 정해야 한다고 보고 있습니다. 그래서 B사와는 AI를 얼마나 썼는지보다 일하는 방식이 실제로 바뀌었는지를 먼저 보는 쪽으로 생각하고 있습니다. 그걸 무엇으로 측정해야 하는가 어떻게 보상해야하는가 이것들이 다음 질문이죠.

평가에 넣는 순간 쓰는 척이 생깁니다. 그럼 무엇을 잴까요

평가에 넣자는 이야기가 나오면 B사와의 대화도 곧바로 여기로 옵니다.

그럼 무엇을 측장할요? 가장 쉬운 답은 사용량입니다. 로그인 횟수나 토큰 수처럼 시스템이 알아서 뽑아 주는 숫자죠.

굿하트의 법칙(Goodhart's law)이라는 개념이 있습니다. 어떤 지표를 목표로 삼는 순간 그 지표는 더 이상 좋은 지표가 아니게 된다는 말입니다. 쉽게 말하면 사용량을 평가에 넣으면 일을 잘하기보다 사용량을 늘리는 쪽으로 사람이 움직인다는 거죠.

사용량 대시보드 숫자가 올라가도 결과물이 나아졌는지는 따로 봐야 합니다

문제는 한쪽에만 있지 않습니다.

앞에서 섀도 AI 이야기로 본 멜버른대학교·KPMG 조사(47개국 직원 3만 2천여 명)에서는 57%가 AI 사용 사실을 밝히지 않거나 AI 결과물을 자기 것처럼 낸 적이 있다고 답했습니다. 업무 도구 회사 슬랙(Slack)이 2024년 15개국 데스크 근로자 1만 7천여 명에게 물은 조사에서는 48%가 AI를 썼다고 상사에게 말하기 불편하다고 했고요. 이유는 부정행위 같아서(47%), 게을러 보여서(46%)였고, 회사 정책 때문이라는 답은 21%에 그쳤습니다.

직원 57%가 AI 사용을 숨기거나 AI 결과물을 자기 것처럼 냈다는 공동 발표(출처: 멜버른대학교·KPMG, 2025)

반대편에서는 의심이 쌓입니다.

딜로이트(Deloitte)의 2026년 Global Human Capital Trends에서는 리더·관리자·직원의 80%가 동료가 생산적으로 보이려고 AI를 쓴다고 우려했습니다. 사용이 늘 때 좋아지는 지표와 나빠지는 지표가 같이 움직이기도 합니다. 구글 클라우드의 DORA 2025 보고서(약 5천 명 설문)에서 AI 도입은 배포 처리량과는 양의 관계, 배포 안정성과는 음의 관계였죠.

회사들의 답은 사용량을 얼마나 믿느냐로 갈립니다.

먼저 사용량을 그대로 잰 쪽입니다. 메타와 아마존이 올해 상반기 사내 토큰 순위표를 내린 일은 앞에서 비용 이야기로 다뤘으니 줄이겠습니다. 마이크로소프트도 올해 1월부터 사내 토큰 사용 대시보드를 두고 있는데, 프래그머틱 엔지니어 보도에 따르면 한 엔지니어는 문서에 이미 있는 답을 AI에 묻고 만들 생각도 없는 기능을 시제품으로 만들었다고 말했습니다.

AI를 너무 적게 쓰는 사람으로 보이고 싶지 않다는 겁니다. 익명 한 명의 제보이고 회사가 확인한 내용은 아닙니다.

토큰 대시보드 앞에서 AI를 덜 쓰는 사람으로 보일까 신경 쓴다는 익명 엔지니어의 말(출처: Pragmatic Engineer, 2026)

두 번째는 사용량 옆에 결과 지표를 붙인 쪽입니다. 같은 매체가 2025년 9월 정리한 바에 따르면 드롭박스(Dropbox)는 주간 활성 사용자와 절감 시간 옆에 변경 실패율과 PR 처리량을 함께 보고, 웹플로(Webflow)는 AI 사용자와 비사용자의 PR 처리량을 비교하고, 근속 연수 같은 속성별로 나눠 누가 시간을 가장 많이 아끼는지도 봅니다.

사용률 90%는 조직과 팀, 개인에게 도움이 될 때만 의미가 있다는, 드롭박스 사례에 글쓴이가 붙인 설명입니다.

세 번째는 개인을 들여다보지 않는 쪽입니다. 같은 글에 따르면 몬조(Monzo)는 단일 지표 대신 사용 수치와 설문, 체감 가치를 섞어 보고, 직원 노트북에 추적 에이전트는 깔지 않는다고 밝혔습니다. 국내에서는 토스가 사내 AI 플랫폼에서 사용량을 프로젝트 단위로 합쳐 예산, 모델 권한과 함께 관리합니다. 다만 이건 비용 관리 장치이고, 생산성을 어떻게 재는지까지 공개한 것은 아닙니다.

저는 사용량은 조직의 도입 상태를 진단하는 데만 쓰고, 개인 평가에는 넣지 않는 쪽으로 기울어 있습니다. S사의 에셋 검수라면 AI를 몇 번 불렀는지보다 놓친 결함과 다시 손댄 건수를 보는 편이 맞다고 보고 있고요. 다만 직무마다 결과의 정의가 달라서, 무엇을 결과로 칠지는 저도 아직 답을 찾는 중입니다.

AI가 먼저 검수하면, 최종 책임은 누가 질까요

S사와 만드는 시스템 가운데 이미지 체킹 시스템과 내부 보고 확인 시스템은 둘 다 확인하는 일입니다. AI가 먼저 보고 사람이 나중에 보는 구조 자체는 금방 그려지는데요, 정작 오래 붙잡게 되는 건 그다음 질문입니다. AI가 통과시킨 에셋에서 문제가 나오면 누가 책임을 지는지, 사람이 다시 본다면 무엇을 얼마나 봐야 하는지요. 이게 정해지지 않으면 검수자는 전부 다시 보거나, AI를 믿고 훑어보거나 둘 중 하나로 흐르기 쉽거든요.

사람이 실제로 확인하는 양은 생각보다 적습니다. 맥킨지가 2025년 3월 발표한 「The state of AI」에서 생성형 AI를 쓰는 조직의 응답자 가운데 산출물 전부를 직원이 검토한다는 답은 27%였고, 비슷한 비율이 20% 이하만 검토한다고 답했습니다. 그런데 책임은 사람 쪽으로 쏠립니다. IBM 기업가치연구소(IBM Institute for Business Value)의 2026년 조사에서 정규직 직원 8,800명 중 43%가 AI에 문제가 생기면 비난은 자기에게 온다고 답했거든요. 같은 조사에서 어떤 결정을 사람이 계속 맡을지에 대해 CHRO(최고인사책임자)가 최소한 책임을 나눠 지는 조직은 직원 76%가 AI 추천을 의심하거나 뒤집어도 안전하다고 느꼈습니다. 인사가 자문에만 머무는 조직에서는 이 비율이 43%였고요. 

검토하는 사람의 일도 늘어납니다. 개발 분석 업체 패로스(Faros AI)가 2025년 개발자 1만여 명의 작업 기록을 분석했더니, AI를 많이 쓰는 팀은 PR(코드 변경 요청) 병합이 98% 늘었지만 PR 리뷰 시간도 91% 늘었습니다. 업체가 낸 자체 리포트입니다.

사람의 승인이 병목으로 드러났다는 거죠.

PR 병합 98% 증가, PR 리뷰 시간 91% 증가를 보여 주는 리포트 원문(출처: Faros AI, 2025)

AI가 1차로 걸러 낸 에셋을 사람이 최종 확인하는 장면

법원과 기업이 내놓은 답은 두 갈래였습니다.

먼저 책임은 AI를 쓴 쪽에 있다는 판단입니다.

2024년 캐나다 브리티시컬럼비아주 민사분쟁재판소(Civil Resolution Tribunal)는 Moffatt v. Air Canada 사건에서 에어캐나다(Air Canada)에 책임을 물었습니다. 웹사이트 챗봇이 사별 할인 운임을 나중에 소급해 신청할 수 있다고 잘못 안내했는데, 회사는 챗봇이 자기 행동에 책임지는 별개의 법적 주체라고 주장했죠. 재판관은 판결문에 이렇게 적었습니다.

회사 주장을 놀라운 주장이라고 적고, 정보가 정적인 웹페이지에서 나왔든 챗봇에서 나왔든 다르지 않다고 못 박은 거죠. 지급 명령액은 812.02캐나다달러로 크지 않았지만, 쟁점은 회사가 챗봇이 정확하도록 합리적인 주의를 다했느냐였습니다.

국내 법원도 같은 방향으로 제도를 만들고 있습니다. 머니투데이 보도에 따르면 법원행정처는 2026년 3월 AI가 만든 가짜 판례로 소송이 늘어지면 낸 쪽에 소송비용을 부담시킬 수 있게 하고, 검증 없이 낸 변호사는 대한변협에 징계를 의뢰할 수 있게 하는 방안을 내놨습니다. 받는 쪽의 일은 늘었고요. 연합뉴스가 전한 한 부장판사의 말입니다.

다른 하나는 사람의 검토가 무너지지 않게 검토 자체를 다시 짜는 쪽입니다.

앤트로픽(Anthropic)은 엔지니어 1인당 코드 산출이 1년 새 200% 늘면서 코드 리뷰가 병목이 됐다고 밝혔습니다. 그래서 PR마다 에이전트 여러 개가 먼저 리뷰하는 도구를 사내에서 돌렸고, 실질적인 리뷰 의견을 받는 PR이 16%에서 54%로 늘었다고 합니다. 자사 제품을 소개하는 글이고 수치도 자체 측정입니다. 다만 승인만큼은 AI에 넘기지 않았더라고요.

PR 승인은 하지 않고, 그건 여전히 사람이 판단할 일이라는 설명이 이어집니다.

저는 S사의 검수·보고 확인 시스템에서도 AI는 먼저 걸러 내는 일까지만 맡기고, 통과 판정과 그 기록은 사람 이름으로 남기는 쪽으로 생각하고 있습니다. 대신 사람이 다시 볼 범위를 미리 정해 두지 않으면 검토가 훑어보기로 바뀐다고 보고 있어서, AI가 통과시킨 것 중 무엇을 사람이 다시 볼지부터 정하려 합니다. 그 검토 시간을 평가에서 어떤 일로 인정할지는 아직 정하지 못했습니다.

AI 전환은 위에서 선언할까요, 아래에서 키울까요

마지막 질문은 출발점입니다. 대표가 전사에 선언하고 내려갈지, 잘 쓰는 팀에서 작게 시작해 옆으로 퍼뜨릴지요. B사처럼 AX를 인사와 연결하려는 곳에서는 더 예민합니다.

위에서 선언하는 순간 평가와 직무 이야기가 같이 따라 나오니까요.

CEO가 직접 쥐는 몫은 커지는 중입니다. BCG의 2026년 「AI Radar」에서 CEO의 72%가 자신이 회사 AI 의사결정의 핵심 주체라고 답했습니다.

전년의 약 2배이고, 절반은 AI 전략의 성패에 자기 자리가 달렸다고 봤습니다. 다만 선언만으로 일이 바뀌지는 않습니다.

앞에서 본 BCG 「AI at Work」 2026년판에서 업무를 다시 짜는 단계의 회사는 직원 43%가 프로세스 재설계에 참여했지만, 도구 배포 단계에 머문 회사는 12%였습니다. 리더의 말과 조직의 실제 행동이 잘 이어진다고 본 현장 직원은 28%뿐이었죠.

위에서 내려오는 선언과 아래에서 올라오는 모임 사이에 선 공냥이

다른 회사들은 어디서 출발했을까요?

먼저 위에서 선언한 쪽입니다.

앞에서 평가 항목을 내린 이야기로 본 듀오링고는, 그보다 1년 앞선 2025년 4월 전사 메모로 AI-first를 선언했습니다. AI가 할 수 있는 일은 계약직을 점진적으로 줄이고, AI 활용을 평가에 넣고, 자동화가 안 될 때만 인력을 늘리겠다는 내용이었죠. 보도로 확인되는 반발은 바깥 이용자 쪽이었습니다. SNS 게시물마다 항의 댓글이 달렸고, 폰 안 CEO는 링크드인에 정정 글을 올렸습니다.

직원의 일을 대체하려는 게 아니라며 워크숍과 실험 시간을 내놓았고, 8월 실적 발표에서는 사용자 성장이 목표 하단에 그친 이유로 충분한 맥락 없이 한 자기 발언을 꼽았습니다. 더 센 쪽은 2026년 2월 직원 절반 가까운 4,000명 이상을 줄이며 AI를 이유로 든 블록(Block)입니다.

다음은 아래에서 키운 쪽입니다. 앞에서 코칭 사례로 본 우아한형제들의 2026년 3월 기술 블로그 글에 따르면, 시작은 회의록 정리로 주말까지 일하던 PM 동료였습니다. 그 동료를 도운 뒤 비개발 직군 대상 AI Dive Deep 공지를 올리자 정원 15명에 하루 만에 40명 넘게 신청했습니다. 5주 뒤 한 마케터의 주 150분짜리 업무가 25분이 됐고, 성과가 조직장에서 CTO, CEO까지 올라가 전담 TF가 꾸려졌습니다.

마지막은 위와 아래의 몫을 나눈 쪽입니다. 마이크로소프트는 2026년 9월, 인사 총괄 출신 캐슬린 호건(Kathleen Hogan)의 글에서 20만 명 넘게 라이선스를 줘도 일하는 방식은 바뀌지 않았다고 돌아봤습니다. 영업 조직은 채택을 더 밀지 않고 계정 담당자의 한 주를 먼저 그린 뒤 동료가 이끄는 주간 모임으로 습관을 만들었습니다. 글은 리더가 결과와 책임을 정하고, 현장에 가까운 사람이 쓸 곳을 찾고, 매니저가 둘을 잇는다고 정리하더라고요.

물론 위에서 선언하는 데도 이유가 있습니다. 회사가 어디로 가는지 한 번에 알릴 수 있으니까요. 다만 저는 선언에 계약직, 증원, 평가처럼 사람에 관한 문장이 들어간다면 그 뜻부터 정해 두고 나가야 한다고 봅니다. 그래서 S사·B사와는 위에서 목표와 인사 원칙을 먼저 밝히고, AI를 어디에 쓸지는 현업 모임이 찾게 하는 쪽을 고려하고 있습니다. 둘을 이을 매니저를 어떻게 세울지는 아직 고민하고 있습니다.

마치며

아홉 가지 질문을 하나씩 짚어 봤지만, 실제 현장에서는 이 질문들은 훨씬더 다양합니다.

누군가의 일이 줄면 그 사람을 어떻게 평가할지가 따라오고, 사용량을 평가에 넣으면 쓰는 척과 비용이 함께 늘고, 데이터 범위를 정하는 일은 누구에게 권한을 줄지라는 인사 문제로 넘어가죠.

다른 회사들의 답도 한 방향이 아니었습니다. 순위표를 걸었다가 내린 회사도, AI 활용을 평가에 넣었다가 다시 뺀 회사도, 위에서 선언한 회사도, 동료 모임에서 키운 회사도 있었으니까요.

물론 이 정리가 정답이라는 이야기를 하고 싶은 것은 아닙니다. 다른 회사의 답은 업종도 규모도 조건도 달라서 그대로 가져오기 어렵고, S사와 B사에서도 이 질문들은 아직 풀어 가는 중입니다.

다만 저는 지금 단계에서는 시스템을 만들기 전에, 아낀 시간과 줄어든 일이 누구에게 어떻게 돌아갈지를 인사와 먼저 정해 두고 들어가는 것이 가장 현실적인 방향이라고 보고 있습니다.

이걸 한마디로 바꾸면 AX는 시스템을 들이는 일이 아니라, 일하는 방식과 그 일을 평가하는 방식을 함께 바꾸는 일에 가깝습니다.

이렇게 정리하며 이번 뉴스레터를 마칩니다.

완성된 시스템 옆에 놓인 평가표와 조직도

참고문헌