6부. 회사와 부서를 실제로 굴리는 agent ops

16장. 개인 AI에서 institutional AI로

에이전트 컴퍼니 v0.4.0

AI 도입은 보통 개인 생산성에서 시작한다.

직원이 글을 빨리 쓰고, 회의록을 요약하고, 코드를 보조받고, 리서치를 빠르게 한다. 이것은 필요하다. 하지만 이것만으로 회사가 바뀌지는 않는다.

회사가 바뀌려면 AI가 개인의 비서가 아니라 기관의 운영 능력이 되어야 한다.

HubSpot의 AI-first 운영 플레이북이 중요한 이유가 여기에 있다. HubSpot은 AI 전환을 세 단계로 설명한다. 첫째는 전사 AI fluency다. 모두가 도구를 쓰고, 실험하고, 학습한다. 둘째는 팀 단위 전환이다. 팀별 maturity와 readiness를 보고 pace setter, near-in win, big bet으로 나눠 다른 플레이북을 쓴다. 셋째가 institutional transformation이다.

Institutional AI는 이런 장면으로 나타난다.

엔지니어가 코드베이스 맥락을 동료에게 묻는 대신 내부 coding agent에게 묻는다.

세일즈 매니저가 deal이 왜 막혔는지 리포트를 뽑는 대신 Guided Selling Assistant에게 묻는다.

신입이 회사가 어떻게 결정하는지 기다리며 배우는 대신 내부 AI 도구를 통해 decision context를 읽는다.

이 단계에서 핵심은 "AI를 많이 쓰는 사람"이 아니다. 회사의 collective context가 agent를 통해 바로 쓰일 수 있어야 한다.

그래서 institutional AI에는 네 가지 레이어가 필요하다.

레이어
Tool layer
역할
모두가 쓸 수 있는 AI 도구와 agent
레이어
Context layer
역할
회사의 데이터, 문서, 대화, 결정 흔적
레이어
Permission layer
역할
누가 무엇을 볼 수 있고 실행할 수 있는가
레이어
Audit and escalation layer
역할
무엇이 실행됐고 언제 사람에게 올라가야 하는가

개인 AI는 사용량으로 시작할 수 있다.

기관 AI는 운영 결과로 증명해야 한다.

Early Reader Feedback

원고 피드백 남기기

읽다가 헷갈린 곳, 더 듣고 싶은 사례, 동의하기 어려운 문장을 알려주세요. 공개 댓글이 아니라 저자에게만 전달되는 피드백입니다.

본문에서 문장을 드래그한 뒤 누르면 선택 문장이 함께 저장됩니다.

피드백 유형

BiteMark Press는 Cloudflare Web Analytics로 익명 트래픽을 보고, 동의한 경우에만 GA4와 Microsoft Clarity를 켭니다.