AI로 더 빨라진 회사, 정말 더 벌고 있을까

AI를 업무에 쓰기 시작한 뒤로 확실히 편해졌습니다. 코드 초안은 빨라졌고, 회의록 정리도 쉬워졌고, 기획 문서나 리서치 요약도 예전보다 훨씬 빠르게 나옵니다.

저도 한동안은 개인 생산성 쪽에 관심이 더 컸어요. Claude Code를 쓰면서 공부 우선순위가 바뀐 이야기도 그 연장선에 있습니다.

그 뒤에는 관심이 팀 단위로 넘어갔습니다. 5인팀 스타트업에서 AI 워크플로우를 다시 짜고 싶어진 이유를 정리하면서, AI는 이미 개인 도구를 넘어 팀의 일하는 방식에 들어와 있다고 느꼈습니다.

그런데 요즘은 다른 질문이 생겼어요.

“

AI로 산출물은 늘었는데, 그중 몇 개가 회사의 결정과 매출을 실제로 바꿨을까요?

저는 대표도 아니고 경영 컨설턴트도 아닙니다. 현재 스타트업에서 일하는 평범한 5년차 개발자예요. 다만 작은 팀에서 AI가 만든 문서와 코드와 요약이 쌓이는 걸 보다 보니, 이제는 “그 속도가 회사의 돈과 결정으로 이어지고 있나”를 봐야 하지 않을까 싶었습니다.

AI로 빨라진 건 분명합니다

AI 도구가 없던 때와 비교하면 업무 초안의 속도는 완전히 달라졌어요. 회의록, 기획 문서, 테스트 초안, PR 설명처럼 손이 많이 가던 일이 훨씬 가벼워졌습니다.

개발 쪽 변화도 꽤 큽니다. Claude Code, Codex, Cursor처럼 요즘 자주 들리는 도구들은 한 줄 자동완성보다 더 큰 단위의 일을 맡기기 쉽게 만듭니다. 코드베이스를 읽고, 여러 파일을 고치고, 테스트를 돌리고, PR 설명까지 초안으로 만들어요.

이 흐름 자체를 부정하고 싶진 않습니다. 저도 매일 도움을 받고 있고, 앞으로 더 적극적으로 써야 한다고 생각합니다.

그런데 산출물도 같이 늘었습니다

문제는 속도가 좋아지면서 문서와 산출물의 양도 같이 늘었다는 점이에요. 예전에는 문서가 없어서 막히는 일이 많았고, 문서를 작성하는 데도 오래 걸렸어요.

그런데 요즘은 반대로 문서가 많아서 핵심이 묻히는 순간도 생깁니다. 회의록은 있고, 요약본도 있고, 기획안도 있고, 리서치 정리도 있는데 정작 “그래서 무엇을 결정했나”가 흐릿한 경우예요.

AI가 만든 문서는 대체로 그럴듯합니다. 문장도 자연스럽고, 표도 깔끔하고, 항목도 잘 나뉘어 있어요. 그래서 더 위험할 때가 있습니다. 모양이 그럴듯하면 내용을 충분히 검토했다는 착각이 생기거든요.

제가 요즘 일하면서 의심하는 지점은 이거예요. 주변에서도 비슷한 이야기를 조금씩 듣고 있고요.

이 많은 산출물을 우리가 정말 읽고 판단하고 있을까?

이걸 모든 회사의 문제처럼 말하고 싶진 않습니다. 다만 제가 겪는 범위에서는 산출물이 빨리 만들어지는 속도에 비해, 사람이 읽고 판단하는 시간은 같이 늘어나지 않는 느낌이 있어요.

그 간격이 커지면 산출물은 회사의 자산이라기보다 업무 소음에 가까워질 수 있다고 봅니다.

제가 걱정하는 흐름은 따로 있습니다

가끔은 이런 흐름이 걱정됩니다.

겉으로 보면 일이 빠르게 굴러가는 것 같아요. 그런데 중간에 사람이 충분히 판단하지 않았다면, 사실상 AI가 만든 결과를 다시 AI에게 전달하는 구조가 됩니다.

결국 회사는 돈을 벌어야 합니다

직원 입장에서는 일의 편의성이 먼저 체감됩니다. 문서가 빨라지고, 코드가 빨라지고, 보고서가 빨라지면 당연히 좋아요.

그런데 회사 입장에서는 질문이 조금 다를 수밖에 없습니다.

AI 사용 횟수

어떤 반복 비용이 줄었나

생성한 문서 수

어떤 결정이 빨라졌나

작성한 코드 양

고객 문제 해결까지 걸린 시간이 줄었나

회의록 자동화

후속 액션 누락이 줄었나

리서치 요약 수

실제 제품·영업 판단에 반영됐나

AI를 많이 썼다는 것과 회사가 돈을 더 잘 번다는 건 다릅니다. AI로 안 팔리는 기능을 더 빨리 만들 수도 있습니다.

고객이 읽지 않는 문서를 더 많이 만들 수도 있고, 아무도 책임지지 않는 회의록을 더 깔끔하게 쌓을 수도 있어요. 그런 의미에서 AI는 생산성을 올리는 도구이면서, 동시에 잘못된 방향으로 가는 속도도 올리는 도구라고 생각합니다.

AI를 더 적극적으로 쓰려면 기준이 필요합니다

제가 대표가 아니기 때문에 회사 전체 전략을 말할 수는 없어요. 대신 직원으로서 현장에서 느끼는 기준은 있습니다.

AI는 더 적극적으로 써야 한다고 봐요. 저도 이미 그렇게 일하고 있고, 앞으로는 AI를 잘 쓰는 사람이 더 오래 살아남을 가능성이 크다고 생각합니다.

다만 생산성이 늘어난다고 해서 바로 돈을 더 받는 건 아니에요. 오히려 “이제 더 빨리 할 수 있지?”라는 식으로 일이 몰릴 수도 있습니다.

그래도 피할 수는 없다고 생각합니다. 회사는 결국 돈을 벌어야 하고, 개인은 AI로 올린 생산성을 진짜 성과와 생존력으로 바꿔야 하니까요.

그래서 매일 AI를 쓰면서도 자주 돌아보게 됩니다. 내가 지금 빨라진 건 맞는데, 이 속도가 회사와 내 커리어에 어떤 의미로 남고 있는지요.

그래서 저는 AI를 쓸 때 먼저 이런 질문을 해보려고 합니다.

저라면 AI를 “뭘 더 많이 만들까”보다 “어떤 결정을 덜 막히게 할까”에 먼저 붙이고 싶어요.

예를 들어 고객 문의 분류, 장애 리포트 요약, 영업 미팅 후속 액션 추출, 반복 제안서 초안화, 릴리즈 노트 정리 같은 곳은 다음 행동이 비교적 분명합니다.

반대로 목적이 흐릿한 리서치 문서나 기획안 초안은 조심해야 한다고 봐요. 만들기는 쉬운데, 실제 결정으로 이어지지 않으면 읽는 사람의 시간만 가져갈 수 있으니까요.

제가 대표였다면, 사용량보다 결정의 흔적을 볼 것 같아요

이건 어디까지나 사고 실험입니다. 저는 대표가 아니고, 실제 경영 책임을 져본 사람도 아니에요. 그래도 제가 대표라면 AI 사용량 대시보드보다 먼저 보고 싶은 게 있을 것 같습니다.

AI가 만든 산출물이 어떤 결정을 바꿨는지예요. 예를 들면 이런 질문입니다.

결정

이 문서로 어떤 결정을 했나

반복 감소

이 요약으로 어떤 회의나 반복 작업을 줄였나

시간 절감

이 자동화로 누가 시간을 아꼈나

성과 연결

고객 응대, 매출, 유지율, 장애 감소 중 어디에 닿았나

폐기 기준

안 해도 되는 일을 더 빠르게 만든 건 아닌가

AI를 잘 쓰는 회사는 프롬프트를 많이 쓰는 회사가 아니라, AI가 만든 결과를 의사결정과 실행에 잘 연결하는 회사일 것 같아요.

직원 입장에서도 이 관점은 꽤 중요하다고 봅니다. 앞으로는 “AI 잘 씁니다”보다 “AI로 이 반복 비용을 줄였고, 이 결정이 빨라졌습니다”라고 말할 수 있어야 하지 않을까 싶습니다.

그래서 산출물마다 네 가지를 붙이려 합니다

요즘 제가 의식적으로 하려는 건 AI 결과물을 그대로 넘기지 않는 것이에요. AI가 만든 문서든 코드든 회의록이든, 팀에 공유하기 전에 최소한 네 가지를 붙이려고 합니다.

이 네 가지를 붙이면 산출물 양은 오히려 줄어들 수 있어요. 하지만 저는 그게 더 낫다고 봅니다. 회사는 문서가 많은 곳이 아니라, 결정이 잘 남고 실행이 이어지는 곳이어야 하니까요.

물론, 문서가 훨씬 중요한 프로젝트도 있겠지만요.

이 글의 한계

레스덕의 정리

AI가 일을 편하게 만든 건 맞습니다. 저도 매일 도움을 받고 있고, 예전으로 돌아가고 싶지는 않아요.

하지만 이제 제 관심은 “얼마나 빨리 만들었나”에서 “그 결과가 어디에 닿았나”로 옮겨가고 있습니다.
문서가 하나 더 생겼는지보다, 그 문서로 어떤 결정이 빨라졌는지. 코드가 얼마나 늘었는지보다, 고객 문제 해결까지 걸린 시간이 줄었는지요.

AI를 많이 쓰는 것만으로는 회사도, 개인도 오래 버티기 어렵다고 생각합니다. 결국 남는 건 산출물의 양이 아니라 결정과 실행의 흔적일 테니까요.

그래서 앞으로는 AI 결과물을 쌓는 속도보다, 그 결과가 실제 판단과 성과로 이어지는지를 더 집요하게 보려 합니다.