AI를 도입했는데 왜 회사는 빨라지지 않을까

AI 모델은 좋아졌습니다.

코딩 에이전트도 있고, 리서치 에이전트도 있고, 사내 데이터를 연결할 수 있는 인프라도 있습니다.

개발자는 몇 시간 걸리던 코드를 몇 분 만에 만들고, 기획자는 며칠 걸리던 초안을 몇십 분 안에 만들 수 있습니다.

그런데 이상한 일이 벌어집니다.

개인은 훨씬 빨라졌는데 회사는 생각만큼 빨라지지 않습니다.

Subbu Allamaraju의 글 「The Elephant in the Brownfield」는 그 이유를 AI 기술이 아니라 기존 조직이 만들어놓은 구조와 사람들의 정체성에서 찾습니다.

AI 기업 대부분은 Greenfield가 아니라 Brownfield다

소프트웨어 개발에서 Greenfield는 아무것도 없는 곳에서 새롭게 만드는 프로젝트를 의미합니다.

반대로 Brownfield는 이미 수많은 시스템과 제약조건이 존재하는 환경에서 무언가를 바꾸는 일입니다.

기업의 AI 도입도 마찬가지입니다.

스타트업이라면 처음부터 AI를 전제로 조직과 업무방식을 설계할 수 있습니다.

하지만 대부분의 기업에는 이미 존재하는 것들이 있습니다.

조직도직급팀의 책임 범위승인 절차백로그예산보안 규정아키텍처 리뷰성과평가회의와 보고 체계

AI는 빈 땅에 들어오는 것이 아닙니다.

수십 년 동안 만들어진 조직이라는 Brownfield 위에 올라옵니다.

그래서 좋은 AI 도구를 설치했다고 해서 조직 전체가 AI Native가 되는 것은 아닙니다.

AI가 빨라질수록 조직의 병목은 더 선명해진다

예를 들어 개발자가 AI를 이용해 하루 걸리던 작업을 한 시간 만에 끝냈다고 해보겠습니다.

하지만 배포하려면 다른 팀의 리뷰를 기다려야 합니다.

보안 승인이 필요합니다.

아키텍트의 결정을 기다립니다.

제품팀 백로그에도 올라가야 합니다.

다음 스프린트 계획에 반영해야 합니다.

코드를 만드는 시간은 8시간에서 1시간으로 줄었지만 전체 Lead Time은 거의 바뀌지 않습니다.

AI는 작업 시간을 줄였지만 대기 시간을 줄이지 못했기 때문입니다.

Subbu는 이를 조직 안의 Lane으로 설명합니다.

한 Lane 안에서 움직이는 일은 빠릅니다.

문제는 다른 Lane을 넘어가는 순간입니다.

팀과 팀 사이를 건너가려면 사람들이 결정을 맞춰야 하고, 우선순위를 협상해야 하고, 서로의 계획을 수정해야 합니다.

그래서 AI 이전에도 조직의 속도를 결정했던 것은 종종 실제 작업 시간이 아니라 경계를 넘어가는 비용이었습니다.

AI는 이 문제를 없애지 않습니다.

오히려 더 잘 보이게 만듭니다.

문제는 프로세스만이 아니다

그렇다면 승인 단계를 없애고 조직을 합치면 해결될까요?

여기서 이야기가 조금 더 복잡해집니다.

Subbu가 지적하는 중요한 부분은 Identity, 즉 사람의 직업적 정체성입니다.

예를 들어 아키텍트에게 중요한 것은 단순히 아키텍처 문서를 작성하는 일이 아닐 수 있습니다.

“중요한 기술 결정을 내리는 사람”

이라는 역할 자체가 정체성일 수 있습니다.

Product Manager 역시 백로그를 관리하는 사람이 아니라

“무엇을 만들 것인지 결정하는 사람”

이라는 정체성을 가지고 있을 수 있습니다.

Manager에게는 계획을 만들고 업무를 배분하고 진행 상황을 관리하는 것이 자신의 역할을 증명하는 방식일 수 있습니다.

그런데 AI와 에이전트는 바로 그 경계를 건드립니다.

개발자가 AI와 함께 요구사항 분석부터 구현까지 할 수 있다면 PM의 역할은 어떻게 변해야 할까요?

에이전트가 코드베이스를 분석하고 아키텍처 대안을 제안할 수 있다면 아키텍트의 의사결정권은 어디까지여야 할까요?

에이전트가 업무를 분해하고 상태를 추적한다면 Manager는 무엇을 해야 할까요?

그래서 AI 도입에 대한 저항을 단순히

“사람들이 AI를 싫어한다”

라고 설명하면 문제를 놓치게 됩니다.

사람들은 어쩌면 AI 자체보다 AI가 자신의 역할과 영향력을 어떻게 바꿀지에 반응하고 있는지도 모릅니다.

그래서 최고의 AI 인프라만으로는 부족하다

좋은 모델을 제공할 수 있습니다.

Claude Code나 Codex 같은 에이전트를 도입할 수도 있습니다.

MCP를 연결하고 Agent Platform을 구축하고 사내 데이터를 RAG로 연결할 수도 있습니다.

하지만 조직은 여전히 이렇게 움직일 수 있습니다.

아키텍트는 기존 Decision Right를 유지합니다.

PM은 기존 Backlog를 보호합니다.

Manager는 기존 Planning Ritual을 유지합니다.

Tech Debt 역시 기존 예산 프로세스를 그대로 통과해야 합니다.

Subbu가 LinkedIn에서 정리한 표현 그대로, 최고의 AI 설명과 최고의 Agentic AI 인프라를 제공해도 이런 경계에 부딪힐 수 있습니다.

이 상태에서 AI를 더 많이 도입하면 재미있는 일이 벌어집니다.

병목이 없어지는 것이 아니라,

병목에 더 빨리 도착합니다.

AI 시대에는 Work Time보다 Wait Time을 봐야 한다

그래서 기업의 AI 생산성을 측정할 때도 관점을 조금 바꿀 필요가 있습니다.

예를 들어 문서 작성 시간이

8시간 → 30분

으로 줄었다는 지표만 보는 것은 충분하지 않습니다.

중요한 것은 그 작업이 실제 고객에게 도달하기까지 걸린 전체 시간입니다.

30분 만에 만든 결과물이 승인 대기 때문에 4일 동안 멈춰 있다면 회사가 얻은 생산성은 제한적입니다.

AI가 줄여주는 것은 주로 Work Time입니다.

하지만 기업의 실제 속도를 결정하는 것은 상당 부분

Wait Time

일 수도 있습니다.

Review를 기다리는 시간.

다른 팀의 답변을 기다리는 시간.

권한을 기다리는 시간.

승인을 기다리는 시간.

다음 Sprint를 기다리는 시간.

AI 전환을 제대로 측정하려면 결국 이 대기 시간이 얼마나 줄었는지도 봐야 합니다.

AI Native 조직은 도구가 아니라 권한 구조가 다를지도 모른다

여기서 상당히 중요한 질문이 나옵니다.

AI Native 기업과 기존 기업의 차이는 정말 AI 사용률일까요?

어쩌면 더 중요한 차이는

“한 사람이 어디까지 결정하고 실행할 수 있는가?”

일 수도 있습니다.

작은 AI Native 팀에서는 Product Engineer 한 명이

고객 문제를 이해하고데이터를 분석하고프로토타입을 만들고코드를 수정하고테스트하고배포까지

진행할 수 있습니다.

AI가 개인의 능력 범위를 넓히면서 과거에는 여러 직무가 나눠서 하던 일을 한 사람이 처리할 수 있게 됩니다.

하지만 기존 조직에서 동일한 사람이 같은 일을 하려고 하면 조직의 경계를 여러 번 넘어야 합니다.

AI가 제공하는 속도와 기존 조직의 권한 구조가 충돌하는 것입니다.

그래서 앞으로 AI Transformation에서 중요한 질문은

“직원들에게 어떤 AI를 제공할 것인가?”

만이 아닐지도 모릅니다.

오히려

“AI로 능력이 확장된 사람이 어디까지 스스로 결정할 수 있도록 할 것인가?”

가 더 어려운 질문이 됩니다.

사람을 바꾸려고 하면 실패한다

이 글에서 개인적으로 가장 중요한 문장은 이것입니다.

사람들에게 일하는 방식을 바꾸라고 강제할 수는 없습니다. 바꾸려는 의지를 높일 수 있을 뿐입니다.

Subbu 역시 자신이 가장 좋은 결과를 얻었던 순간은 사람들이 자신의 목표를 스스로의 목표로 받아들였을 때였다고 이야기합니다.

반대로 목표가 상대방에게 중요한 것과 충돌하면 에스컬레이션과 힘겨루기가 시작됐다고 말합니다.

결국 AI Transformation도 Change Management입니다.

“앞으로 AI를 써야 합니다.”

“Agent를 활용하세요.”

“이제 AI Native하게 일합시다.”

라고 선언하는 것으로 끝나지 않습니다.

사람에게는 질문이 남습니다.

그럼 내 역할은 어떻게 되는가?내가 가지고 있던 전문성은 여전히 가치가 있는가?내 Decision Right는 어떻게 달라지는가?나는 앞으로 무엇으로 평가받는가?

이 질문에 대한 답 없이 AI만 공급하면 조직은 새로운 도구를 이용해 예전 방식으로 일할 가능성이 높습니다.

AI 전환의 진짜 병목

AI 도입 초기에는 모델이 병목이었습니다.

모델의 성능이 부족했고 비용도 비쌌습니다.

그다음에는 데이터와 인프라가 병목이 됐습니다.

사내 데이터를 연결하고 Tool을 제공하고 Agent 실행 환경을 만드는 일이 중요해졌습니다.

그런데 모델과 Agent Infrastructure가 빠르게 좋아지면서 다음 병목이 보이기 시작합니다.

조직입니다.

누가 결정하는가.

누가 승인하는가.

어떤 팀이 무엇을 소유하는가.

한 사람이 어디까지 실행할 수 있는가.

그리고 사람들이 자신의 역할을 무엇이라고 생각하는가.

AI 시대에는 기술 부채만큼이나 이런 조직의 Brownfield를 다루는 능력이 중요해질지도 모릅니다.

결국 AI Transformation의 가장 어려운 질문은

“어떤 모델을 도입할 것인가?”

가 아니라,

“AI로 인해 달라진 능력에 맞게 조직의 경계와 권한을 다시 설계할 수 있는가?”

일 수 있습니다.

AI는 이미 빨라지고 있습니다.

이제 남은 문제는

조직도 함께 빨라질 수 있느냐입니다.

원문: Subbu Allamaraju, The Elephant in the Brownfield