유능한 팀장이 AI도 잘 쓴다

팀장의 역할을 3가지로 요약하면

1. 팀원에게 맥락을 충분히 제공하고

2. 팀의 병목을 찾아 해결하거나 위임하고

3. 꾸준한 피드백을 통해 팀을 발전시켜 성과를 만드는 것이다.

이 3가지를 잘하는 유능한 팀장은 AI도 잘 쓸 가능성이 높다. 흔히 알려진 AI를 잘 쓰는 방식은 놀랍도록 팀장의 업무 방식과 닮아있기 때문이다.

좋은 팀장은 맥락을 전달한다

많은 사람들이 AI를 쓰면서 이런 이야기를 한다. "생각보다 별로인데요?" "그냥 제가 하는 게 빠르더라고요"

그런데 대부분의 경우 AI가 문제라기보다 지시가 문제인 경우가 많다. AI를 사람보다 더 믿어서일까? 이상하게도 우리는 사람에게 일을 맡길 때 보다 AI에게 일을 더 대충 시킨다. "(데이터 던지고) 분석해 줘"처럼 말이다. 만약 팀원이 출근 첫날 이런 지시를 받는다면 어떨까.

분석의 목적은 무엇인지, 어떤 서비스, 고객의 데이터인지, 어떤 형식으로 작성해야 하는지, 분석 결과는 어떻게 검증할 것인지, 아무것도 모른 채 분석 자료를 만들어야 한다. 좋은 결과가 나올 리 없다.

사람 팀원이라면 "맥락을 더 알려주세요" 요청이라도 하겠지만, 룰 세팅이 덜 된 AI는 그대로 지시를 수행한다. 검증도 안된 그럴듯한 결과물을 어떻게든(숫자를 지어내서라도) 만들어 내기도 한다. 낭비된 시간도 아깝지만 잘못된 데이터에 근거한 의사결정이 더 큰 리스크다.

그래서 맥락을 잘 전달하는 팀장은 AI도 잘 쓴다. 왜 이 일을 하는지, 이 프로젝트가 회사에서 어떤 의미인지, 이번 결과물이 어떤 의사결정을 위해 필요한지 등, 업무보다 맥락을 먼저 전달하면 팀원도, AI도 가진 잠재력을 활용해 최상의 결과물을 만들어 낼 수 있기 때문이다.

좋은 팀장은 병목을 찾는다

좋은 팀장은 병목을 찾고 해결한다. 맥락이 부족해서인지, 방법을 모르는 것인지, 반복적인 업무에 시간을 과도하게 쏟고 있는 것인지, 타 조직과의 협업 문제인지 등, 팀의 성과를 가로막는 장애물을 치우는 것이 팀장의 가장 중요한 역할임을 잘 알고 있기 때문이다.

사실 예전에는 병목을 진단하더라도 문제를 해결하는 데 팀장의 시간이 많이 들었다. 즉 팀의 병목을 해결하는데 필요한 팀장의 리소스가 부족하다는 점이 또 다른 병목이었다. 그러나 AI는 이러한 팀장의 병목을 없애준다.

리서치, 데이터 정리, 고정 블로그 쓰기, 단순 고객 응대와 같은 업무는 AI로 커버가 충분히 가능하다. 예전엔 이 병목을 해결하기 위해 사람을 채용해야 했고, 팀장이 컨트롤할 수 없는 채용 리드타임이라는 또 다른 병목이 있었다면, 이제는 팀장이 직접 AI직원을 만들고 시키면 된다.

만약 팀에 맥락이 부족해 병목이 생기는 경우라면, 팀의 목표, 일하는 방식을 담은 문서를 AI가 읽기 쉽게 만들고, 팀원들 뿐만 아니라 팀원들의 AI 에이전트에게도 작업시작 전 해당 문서를 참고하게 만드는 세팅을 할 수도 있다.

이처럼 AI는 병목을 해결해 주는 훌륭한 도구이지만, 핵심은 병목을 진단하고 문제를 정의하는 건 여전히 팀장의 중요한 몫이라는 점이다. 즉 병목을 잘 찾고 정의하는 팀장이라면 AI는 그 팀장에게 더 훨훨 날 수 있는 날개를 달아줄 것이다.

반대로 '팀의 병목을 찾는다'라는 프레임이 흐릿한 팀장은 아무리 토큰을 많이 쓴다 하더라도 팀의 성과를 높이는 데에는 한계가 있을 것이다.

좋은 팀장은 피드백을 통해 팀원을 성장시킨다

한 번 지시하고 결과물만 확인하는 팀장과 달리, 결과물을 두고 몇 번이고 구체적으로 짚어주는 팀장의 팀원은 성장 속도가 빠를 수밖에 없다. "이 부분은 좋았는데 이 표현은 모호하다", "여기는 근거가 더 필요하고, 다음엔 이 순서로 정리해 보자" 같은 구체적인 피드백이 쌓일수록, 팀원은 팀장의 기준을 스스로 내재화하면서 발전하기 때문이다.

팀장이 AI를 대하는 태도도 여기서 갈린다. 프롬프트 하나 던지고 마음에 안 들면 "역시 AI는 별로네" 하고 덮어버리는 사람이 있다. 반면 잘 쓰는 사람은 첫 결과물을 초안 취급한다. 초안을 보고 부족한 부분에 대해 구체적으로 피드백을 주고, 대화를 이어가며 결과물을 다듬는다. 팀원에게 피드백을 한 번만 주고 끝내지 않는 것처럼, AI에게도 한 번의 업무지시로 끝내지 않는다.

좋은 팀장은 결과물이 기대에 못 미칠 때 팀원의 역량부터 탓하지 않는다. "내가 맥락을 충분히 줬나", "피드백이 구체적이었나"를 먼저 돌아본다. AI를 쓸 때도 다르지 않다. "생각보다 별로인데요"라는 말이 나오기 전에, 내가 어떤 맥락과 피드백을 줬는지부터 점검해봐야 한다.

결국 AI를 잘 쓰는 능력은 새로 배워야 할 특별한 기술이 아니다. 맥락을 전달하고, 병목을 찾아 위임하고, 피드백으로 다듬는 것이다. 그리고 이는 유능한 팀장이라면 사람 팀원들에게 이미 하고 있던 일이다.

물론 최소한의 메커니즘 이해와 트렌드 팔로우는 필요하다. 하지만 새롭게 출현하는 AI 기술들도 결국 이 토대 위에 반영되어야 의미가 있다. 팀장의 역할은 AI를 잘 쓰는 것이 아니라 팀의 성과를 만드는 것이라는 본질은 여전히 유효하기 때문이다.