AI 네이티브 기업에서 실제로 벌어지고 있는 일

핵심 요약

70% 단순 노동 제거: AI 에이전트로 단순 데이터 처리 작업 자동화
의사결정 시간 단축: 한 달 걸리던 업무를 1시간 내로 압축
임직원 재교육 필수: 새로운 역할 찾기는 고통스럽지만 필수적 변화
AI 네이티브 인재 양성: 마케터부터 디자이너까지 AI 도구 실전 활용
미래 직업의 본질 변화: 의지와 신뢰, 감성 노동이 핵심 가치로 이동

AI 시대를 준비한 창업가의 선택

여섯 개 회사를 창업하고 우리나라 최초로 스타트업을 구글에 매각한 노정석 대표는 2009년 구글 근무 당시 머신러닝을 처음 접했습니다. 당시만 해도 기술은 초창기 수준이었지만, 2012년부터 2014년 사이 AI 기술의 급격한 발전을 목격하며 인생을 걸기로 결심했습니다.

3년간 현역 엔지니어로 복귀해 AI 세계를 깊이 있게 학습한 노 대표는 흥미로운 결론에 도달했습니다. AI 소프트웨어 기술 자체로는 구글, 아마존 같은 대기업과 경쟁할 수 없다 는 것이었습니다. 개발 비용이 천문학적으로 높기 때문입니다.

대신 그는 테슬라의 모델에 주목했습니다. 기존 사업(자동차)에 AI 기술을 결합하여 경쟁력을 만드는 방식 말입니다. 한국의 강점을 살리면서도 소프트웨어가 필수적으로 필요한 영역, 그리고 인간의 신체적 한계로 인해 자연스럽게 발생하는 비즈니스를 찾기 시작했습니다.

이런 기준으로 선택한 사업이 바로 뷰티(화장품) 산업 입니다. 최종적으로는 바이오 산업까지 진출할 비전을 가지고 비팩토리를 설립했습니다. 신규 상품 개발, 마케팅, 고객 관리 등 모든 영역에 AI를 적용하기 시작한 것입니다.

실제 경영에서 AI는 어떻게 작동하는가

단순 노동 제거와 가치 창출의 분리

화장품 회사의 가치 사슬을 분석해보면 복잡하게 보입니다. 시장 조사, 제품 기획, 제조, 유통, 마케팅, 고객 관리 등 수많은 단계가 있기 때문입니다. 하지만 노 대표가 발견한 것은 대부분의 직원이 실제 가치 창출 업무가 아닌 그것을 위한 준비 작업에 70~80% 시간을 쓴다 는 사실입니다.

예를 들어 마케터가 하는 일의 실제 구성은 이렇습니다:

70~80%: 엑셀 작성, 파워포인트 제작, 자료 조사, 데이터 정리 같은 노가다
20~30%: 실제 의사결정과 창의적 마케팅 액션

AI 에이전트의 역할 은 바로 이 앞의 70~80%를 없애는 것입니다. 노 대표의 표현대로 "주관식을 객관식으로 바꿔주는 행위" 입니다.

구체적인 사례: 신상품 개발 프로세스

전통적인 방식에서는 34명이 팀을 이루어 시장 조사, 경쟁사 분석, 마케팅 메시지 검토를 거쳐 대표에게 35개 안건을 보고하는 데 한 달이 걸립니다.

비팩토리의 AI 적용 방식은 다릅니다:

에이전트들이 자동으로 시장 데이터 수집: 마치 검색 회사처럼 모든 관련 정보를 수집
에이전트 간 토론 진행: 여러 AI가 서로 논의하며 정보 정리
담당자 검토 단계: 실무자는 AI가 제시한 객관식 문제(5개 선지) 중에서 자신의 의견과 취향을 표시만 함
최종 의사결정: 의사결정자(대표)는 이미 정리된 안건에서 선택

결과: 한 달이 걸리던 업무가 1시간 이내로 완료됩니다.

AI 에이전트의 구조와 작동 원리

에이전트란 무엇인가

사실 AI 에이전트는 생각보다 간단한 구조입니다. 복잡해 보이지만 핵심은 세 가지입니다:

지능(Intelligence): 언어 모델 자체 (Claude, GPT 등)
데이터 커넥터(Data Connector): 필요한 정보에 접근 (이메일, DB, 슬랙 등)
프롬프트(Prompt): 명확한 지시사항

나머지는 모두 모델과 에이전트 프레임워크가 처리합니다. 따라서 실제로 만들어야 할 것은 본질적인 데이터 커넥터 와 정교한 프롬프트 뿐입니다.

에이전트 구축 과정

1단계: 직무 분석
노 대표가 만든 에이전트 중 하나인 '익스플로러(Explorer)'는 직원들의 이메일, 문서, 슬랙 메시지 등 모든 기록을 분석합니다. 이를 통해 각 직원이 실제로 매일 무엇을 하는지 객관적으로 파악합니다.

2단계: 단순 노동 자동화
직무 분석이 끝나면 단순한 데이터 처리 작업들(데이터 가공, 문서 작성, 정보 정리)을 AI에게 맡깁니다.

3단계: 피드백 루프
AI의 결과물을 담당자가 검토하고 피드백을 주면, 에이전트는 이를 통해 데이터 커넥터와 프롬프트의 품질을 지속적으로 개선 합니다.

모델 성능의 급격한 향상이 바꾼 현실

비팩토리가 AI 에이전트를 도입한 것은 3년 전부터이지만, 작년 가을까지만 해도 만족스럽지 않았습니다. 모델의 성능이 부족해서 실수가 많았기 때문입니다.

하지만 2024년 이후 상황이 급변했습니다:

Claude Opus 4.6 출시
GPT-5.4 수준의 모델 등장
이전에 "이건 못 한다"고 평가했던 작업들이 "이제 나보다 훨씬 낫다"로 변경

노 대표의 표현대로 "과거에 안 돌던 시스템이 마법처럼 다 돌기 시작했습니다". 모델의 성능이 임계점을 넘으면서 시스템 전체가 작동하기 시작한 것입니다.

직원 반응: 극명하게 갈리는 선택

AI를 도입하면 직원들도 변할 것이라고 예상하지만, 현실은 더 복잡합니다. 노 대표가 경험한 직원들의 반응은 극명하게 양분됩니다.

저항의 이유: "편함의 박탈"

단순 노동을 제거하고 더 높은 가치의 업무로 이동하라고 하면 많은 직원들이 거부합니다. 왜일까요?

이유 1: 단순 노동은 "숙달되면 빠르게 끝나고" "그만큼 놀 수 있는 시간이 생깁니다".

이유 2: 새로운 가치를 찾아내는 것은 매우 ** 고통스럽습니다**. 이것은 CEO의 역할과 같기 때문입니다. 혁신을 찾아 제시해야 하는 고민이 필요합니다.

노 대표는 이를 "작은 규모의 러다이트 운동"이라고 표현합니다. 기술을 거부하려는 움직임이 계속 생기는 것입니다.

교육과 진화의 경로

이 문제를 해결하기 위해 비팩토리는 전사적 AI 교육 을 진행합니다:

전체 직원 대상 교육: 세상이 어떻게 변하고 있는지, 이 기술들을 배우지 않으면 다음 회사에서 고민이 될 것이라는 점을 명확히 함
실제 도구 체험: Claude Code나 Copilot 같은 AI 코딩 도구를 직접 써보게 함
성공 경험의 중요성: 마케터나 디자이너가 처음 Claude Code로 앱을 만들어보면 "동공 지진"을 경험합니다

엔지니어가 아닌 직원의 AI 학습

흥미로운 발견은 개발 환경 설정만 넘으면 급격하게 성장한다 는 것입니다:

초기 병목: 터미널 명령어, 개발 환경 설치 등 "마우스로 해결할 수 없는 부분"
해결 후: 오직 클라우드 배포와 앱 스토어 등록만 도와주면 ** AI 네이티브 탤런트로 급격하게 전환**

직원들은 예전처럼 엔지니어팀에 요청하고 기획서를 쓴 후 기다릴 필요가 없어집니다. Claude Code 앞에서 "네가 하려던 일 이렇게 하자"고 하면 눈앞에서 바로 구현됩니다.

코딩 민주화와 직업 경계의 붕괴

예전의 진입 장벽: 학문적 배경

과거에는 흥미로운 패턴이 있었습니다:

공과계 출신 → 경영/경제/디자인 학습: 상대적으로 수월
경영/디자인 출신 → 코딩 학습: 엄청난 진입 장벽

현재: 직무 자체의 변화

이제 상황이 완전히 달라졌습니다. 코딩이라는 직무 자체가 없어졌습니다:

엔지니어들도 이제 코딩을 하지 않습니다
모두가 "말로 하는 바이브 코더(Vibe Coder)"가 됩니다
차이점: 엔지니어는 전체 아키텍처, 시스템 설계, 고급 지시어를 이해합니다
유사점: AI가 자연어를 완벽하게 이해하므로 전문 지식의 격차도 감소 중입니다

결국 "문제를 해결하는 데 필요한 것을 말로 설명하면 AI가 목적물을 만들어주는 세상" 이 이미 도래했습니다.

AI 시대의 능력 격차와 양극화

새로운 불평등 구조의 출현

노 대표가 심각하게 지적하는 부분이 바로 능력 격차의 극단적 확대 입니다:

예전 기업의 인력 분포:

상위 20%: 회사의 부가가치 창출
중간 60%: 있으면 편한 허리 역할
하위 20%: 제거되어야 할 계층

이 분포는 AI 도입 후에도 재현됩니다. 하지만 그 극단성이 더 심해집니다:

AI를 극강으로 활용하는 소수: 생산성이 "안드로메다"로 향함
AI를 따라가기로 결정한 사람들: 우주를 향해 나아가는 중
따라가지 않기로 결정한 사람들: 계속 남겨집니다

초격차의 예: 개별 엔지니어의 위상 변화

비팩토리에도 이미 이런 사례가 있습니다. 외국인 엔지니어 한 명이 AI를 극강으로 활용하자 능력이 너무 뛰어나서, 노 대표가 직접 제안했습니다:

"내가 너에게 스톡옵션과 월급을 주면서 내 아래에 있으라는 게 말이 안 된다. 차라리 너가 회사를 차리고 내가 너에게 투자하면서 너는 우리 일도 하고 네 일도 하면 우리가 서로 윈윈하지 않을까?"

이것은 조직의 위계질서 자체가 붕괴되는 현상 을 보여줍니다.

가장 큰 피해자: "중간 진화 경로"

가장 문제가 되는 집단은 무엇일까요? 노 대표의 관찰에 따르면:

기존 조직에서 "주니어에서 중간 관리자로, 중간 관리자에서 시니어로" 올라가는 경로를 예상했던 사람들 입니다.

왜일까요?

시니어들은 조직 경험과 AI를 결합할 수 있습니다
신입들은 "따라가지 않기로 결정하면 떨어집니다" 같은 명확한 선택지가 있습니다
하지만 중간 경로에 있는 사람들은 "언제쯤 시니어 노하우를 얻을 수 있을까"라는 근본적인 질문에 답이 없습니다

신입 채용 기준의 변화

과거: 경력과 스펙

전통적으로 회사는 학력, 경력, 자격증을 중심으로 채용했습니다.

현재: "또라이 지수"

노 대표는 흥미로운 표현을 씁니다 - "또라이 지수". 즉:

지적 능력: 당연히 중요 (AI는 이를 보완해줌)
불굴의 의지: ** 극도로 중요해짐**
- 첫 아이템이 실패할 수 있다
- 하지만 그 의지가 있으면 두 번째, 세 번째에 성공한다
- 이것이 기업가정신(Entrepreneurship)의 핵심

노 대표는 "AI 시대 인간의 가치는 의지를 표현하거나 신뢰를 제공하는 것 외에는 거의 없다" 고 단언합니다.

AI 시대의 미래 직업: 감성과 신뢰의 영역

사라질 직업들

단순 정보 처리, 데이터 정리, 문서 작성 등 AI가 할 수 있는 모든 일:

초기 리서치 업무
일반 콘텐츠 작성
표준화된 고객 서비스
기본 소프트웨어 개발

살아남을 직업들

인간의 감정과 신뢰가 필수인 영역:

상담가, 심리치료사: 위로와 신뢰 제공
장인, 명품 제작자: 핸드메이드의 감성
의료 종사자: 감정 노동과 책임감
교육자, 멘토: 영감과 신뢰 전달

다만 물리적 AI(로봇)의 발전 까지 고려하면, 장기적으로는 "의지 표현"이 유일한 차별점 일 수 있습니다.

모델의 성능 향상과 "더 많은 일"의 역설

AI가 많은 일을 해주면 일이 줄어들까?

흥미로운 역설이 있습니다. 노 대표가 존경하는 신정규 대표의 말:

"인간이 문제를 해결하는 속도보다 인간이 문제를 만드는 속도가 항상 더 빠르다"

실제로 비팩토리의 경험:

예전: 시간과 공간 제약으로 포기했던 일들
현재: "이제 할 수 있겠는데?"라는 생각으로 동시에 5~6개 프로젝트 진행

결과적으로 의사결정자는 더 바빠집니다.

교육의 변화: AI 시대를 위한 학습 전략

암기식 교육이 악인가?

노 대표는 흥미롭게도 한국의 주입식 교육을 완전히 부정하지 않습니다:

"많은 데이터를 밀어 넣는 것 자체는 나쁘지 않다"

이유: AI 모델이 똑똑해지는 과정을 보면:

프리트레이닝(Pre-training): 80~90%의 시간 투자 - 세상의 모든 지식 학습
포스트트레이닝(Post-training): 10~20%의 시간 - 강화학습을 통한 능력 발현

인간도 같습니다. 따라서 광범위한 기초 지식은 필수적입니다.

AI와 함께하는 새로운 학습 방식

다만 방식은 변합니다:

개인화 학습: AI 튜터가 각 학생에 맞춘 수준의 설명 제공
학습 속도 향상: 깊은 개념 이해를 훨씬 빠르게 달성
과정의 효율화: 기존의 책-시험 반복이 아닌 AI와의 상호작용

실리콘 밸리 최고의 조언: 독서

흥미롭게도 AI를 가장 잘 아는 실리콘 밸리 지도자들의 자녀 교육 조언은:

"독서를 가장 강조한다. 양(Quantity)이 중요하다."

노 대표도 자녀에게:

"이해가 안 되더라도 무조건 다 읽고 책을 끝내라"

이는 AI 모델의 프리트레이닝과 동일한 논리 입니다.

산업과 비즈니스 모델의 근본적 변화

B2C 시장의 혁신

기존 B2C 구조:

구글: 검색 주도권
쿠팡, 배민: 물류와 배달 플랫폼
모두 "고객 눈앞에 가장 가까운 곳의 위치"를 확보 함으로써 마진 창출

AI 에이전트의 등장

AI 에이전트가 중간에 끼어들면:

고객은 쿠팡, 배민 앱을 열 필요가 없음
에이전트에게 "맛있는 짜장면 주문해"라고만 말함
에이전트가 최적의 선택지를 찾아 중개

결과: 기존 플랫폼의 ** 미디어 파워가 전부 사라짐**

쿠팡, 배민은 도구로 전환
마진은 에이전트 제공자에게 이동

B2B 시장의 붕괴

더 심각한 것은 B2B입니다:

기존: 회사가 직원을 위한 도구/솔루션을 구매
미래: 문제 해결(Outcome-based)을 구매
- "우리 인사관리 시스템 팔아요" (X)
- "당신의 인사 문제를 완벽하게 해결해드려요" (O)

결국 모든 회사가 자신의 산업에서 "회장님의 업무" 를 수행하게 됩니다. 직접 문제를 해결합니다.

앱의 시대 종료: "제로 클릭 사회"

예전: 구글 검색 → 앱 스토어 다운로드 → 앱 실행
미래: AI에게 말하기만 함 → 답변 즉시 제공

"제로 클릭 사회" 라는 용어가 생겨난 이유입니다.

승자독식 사회와 불균형의 미래

우려: 극단적 양극화

노 대표도 이 부분을 인정합니다:

AI를 극강으로 활용하는 소수의 지배
사이버펑크 영화처럼 정부가 아닌 기업이 지배 주체가 되는 미래
상대적 빈곤의 심화

해법: 역사적 패턴의 반복

하지만 낙관적 관점도 있습니다:

1. 기술 발전은 항상 새로운 시장을 창출

스마트폰은 기자, PD의 기득권을 빼앗았지만
유튜브, 인스타그램 같은 새로운 플랫폼 생성
시장이 "좁고 깊었던" 것에서 "넓고 얇은" 것으로 변화
전체 시장 규모는 오히려 증가

2. 엔지니어의 사례

예전: "좋은 회사의 엔지니어"라는 것만으로 대단함
현재: 모두가 엔지니어 도구 접근 가능 (기득권 상실)
하지만: 기자/PD의 기득권이 사라질 때와 비슷한 패턴

3. 의외의 민주화

영향력을 갖기가 상대적으로 쉬워짐
모두가 슈퍼스타가 될 가능성이 높아짐
새로운 기회 구조 형성 중

상대성의 영속성

흥미로운 관찰:

모두가 슈퍼스타가 될 수 있으면 왜 소수만 잘 나갈까?
상대성(Relativity)이 지속 되고
새로운 것이 계속 나타나면서 또 다른 트랜지션 발생

이는 변화의 과정이지 고착이 아닙니다.

기업과 개인의 생존 전략

변화가 필수인 이유

노 대표의 직설적 표현:

"환경이 변화하고 있고, 내가 국식을 거두던 공간이 없어지고 있으니 변화해야 한다"

변화는 저절로 일어난다

흥미롭게도 노 대표는 "변화는 저절로 찾아질 것" 이라고 본다:

이미 예제들이 많이 나오는 중
사람들의 꿈과 직업이 자동으로 변화 중 (유튜버, 인플루언서)
희소(Scarcity)가 있는 곳으로 자동 이동

적응의 핵심

1. 학습의 비중 증대

AI에게 질문하는 수준이 당신의 능력을 결정
좋은 질문을 하려면 깊은 지식 필요
따라서 학습량 증가 필수

2. 불굴의 의지

단순 스펙이 아닌 문제 해결 의지
첫 시도 실패해도 계속하는 태도
이것이 AI 시대의 차별점

3. 신뢰와 감성

AI가 복제 불가능한 영역
개인의 가치관, 신뢰, 공감 능력

결론

노정석 대표의 비팩토리 사례가 보여주는 것은 AI가 단순히 "좋은 기술"이 아니라 모든 것을 바꾸는 패러다임 시프트 라는 것입니다.

주요 인사이트:

70% 단순 노동 제거는 가능하다 - AI 에이전트의 실제 성능이 이를 입증
하지만 그 결과는 선택에 따라 극명하게 달라진다 - 의지와 신뢰의 영역으로 이동할 준비가 필요
능력 격차가 극단적으로 벌어진다 - AI를 활용하는 사람과 그렇지 않은 사람의 생산성 차이
비즈니스 모델의 본질이 변한다 - 도구 판매에서 문제 해결로의 이동
교육과 채용 기준이 변한다 - 광범위한 지식과 불굴의 의지를 갖춘 인재 필요

AI 시대를 맞이하는 방식은 거부가 아닌 진화 입니다. 이는 피할 수 없고, 이미 일어나고 있으며, 그 과정에서 새로운 기회들이 계속 생겨날 것입니다.

가장 중요한 것은 "지금 무엇을 선택하느냐" 입니다.

원문출처: AI 네이티브 기업에서 실제로 벌어지고 있는 일 - 노정석 대표(비팩토리)

powered by osmu.app

AI 네이티브 기업의 현실: 노정석 대표가 말하는 경영 혁신