AI 도구를 도입해도 업무 순서와 책임 구조가 그대로라면 조직의 성과는 크게 달라지기 어려워요. AI가 리포트 초안을 쓰고 데이터를 정리해도, 담당자가 모든 단계를 이전과 같은 순서로 통과한다면 업무 전체의 속도는 크게 달라지지 않죠.
Modern Growth Stack 2026(MGS26)은 ‘Stack AI, Rewrite Everything’을 주제로 AX(AI Transformation)를 실행한 리더와 실무자의 경험을 다뤘어요.
AB180 대표 남성필 님은 오프닝에서 흥미로운 사례를 하나 소개했는데요. 여러 단계로 이어진 업무 프로세스를 하나씩 개선하려다 오히려 성과를 내지 못했다고 해요. 그러다 한 명의 담당자가 새로운 에이전트 워크플로우로 처음부터 끝까지 일하도록 구조를 바꾸자 성과가 나왔죠.
"AI는 점진적인 개선을 하는 게 아니라 파괴적인 창조를 한다는 것입니다. 새로운 기반에서 다시 쓰는 혁신적인 구조가 AI의 본질이라고 생각합니다." (AB180 대표 남성필)
같은 세션에 오른 스푼랩스 대표 최혁재 님의 사례가 그 실증이었어요. 글로벌 숏드라마 플랫폼 비글루는 AI가 1시간 단위로 수백에서 수천 개 캠페인을 분석하고 있다고 해요. 콘텐츠 제작도 영상 편집자 한 명이 AI를 활용해 하루 약 100개의 에셋을 만들고 퍼포먼스 마케터가 이를 집행하는 구조로 바뀌었고요.
“매시 정시에 AI 에이전트가 Slack에 알람을 울립니다. ‘이 캠페인은 끄셔야 합니다, 미국 지역에서 효율이 좋아지고 있으니 예산을 증액하세요’ 같은 것들이 자동으로 돌아갑니다.” (스푼랩스 대표 최혁재)
공통된 출발점은 반복 업무와 병목을 찾고, AI가 참고할 기준을 정리하는 일이었어요. 이후 실행 범위와 승인 지점을 나누고, 확보한 시간을 더 자주 검증하고 실행하는 데 활용했죠.
이 글에서는 그 흐름을 5가지 원칙으로 정리했어요.
👉️세션 영상 보러가기 : [MGS26] MGS 오프닝 키노트 : AI 시대의 글로벌 앱 비즈니스 | AB180, 스푼랩스
마이리얼트립 대표 이동건 님이 기능보다 업무 구조를 먼저 보게 된 계기는 실패 경험이었다고 해요. 2022년 말 ChatGPT 데모를 본 뒤 48시간 만에 AI 여행 플래너 기능을 만들었어요. 다음날 방송사와 마이크로소프트 본사에서도 연락이 왔고요. 하지만 사용자는 한 번의 체험 후 돌아오지 않았고 지표도 개선되지 않았다고 해요.
그 원인을 기능 중심 접근에서 찾았어요. 이후 질문을 '무엇을 붙일까'에서 'AI라는 구조적 변화에 맞춰 일터가 어떻게 달라져야 할까'로 바꿨어요.
가장 큰 변화는 직무 통합이었어요. iOS, Android, 백엔드, 프론트엔드의 경계를 합치고, 개발자와 디자이너, PM, QA, 데이터 분석의 역할을 프로덕트 엔지니어로 통합했어요. 고객의 문제는 직무별로 나뉘어 들어오지 않는다는 판단 때문이에요.
숙박 서비스의 문제를 가까이에서 발견한 개발자가 숙박 영업으로 자리를 옮겨 현장에서 문제를 해결한 사례도 소개했어요. 정해진 직무의 범위를 지키기보다, 고객 문제를 발견한 사람이 해결 과정까지 책임지는 작은 팀을 만들려는 시도였어요.
"이 작은 팀이 우월하다는 전제 아래 소수정예 조직을 만들어야 한다고 믿고, 이렇게 마이리얼트립이라는 여행 회사를 다시 쓰고 있습니다." (마이리얼트립 대표 이동건)
고객 경험도 같은 관점에서 다시 설계했어요. 마이리얼트립이 매월 받는 수 만건의 문의 중 채팅 문의의 80%를 AI가 먼저 응대하고 이 가운데 50%는 자체 종결하며, 전화 문의의 57%도 AI가 완결한다고 소개했어요. 상담사 1인당 처리량은 2배로 늘었고 고객센터 만족도는 여행 브랜드 1위를 기록했어요.
👉️세션 영상 보러가기 : [MGS26] Rewrite Travel: AI로 다시 설계하는 여행 플랫폼 | MyRealTrip
AI로 워크플로우를 재설계할 때는 반복이 명확하고 자동화 난이도가 낮은 업무가 첫 과제로 가장 적합해요. 크래프톤 그로스 마케팅 매니저 정여원 님도 개발이나 도구 선택보다 업무 분류를 먼저 시작했어요.
크래프톤의 그로스 마케팅 UA 업무를 펼쳐놓자 약 13개가 나왔다고 하는데요. 각 업무에 몇 시간이 드는지, 누가 담당하는지, 어느 지점이 반복되는지 기록한 뒤 임팩트와 자동화 난이도를 기준으로 분류했다고 해요.
데이터 적재나 전처리, 리포트처럼 복잡도는 낮고 체감 효과가 큰 업무는 Quick Wins로 먼저 진행했어요. 소재 제작 전체 자동화처럼 임팩트는 크지만 단기간에 완성하기 어려운 과제는 조직의 경험이 쌓인 뒤로 미뤘고요. 첫 과제가 너무 크면 성공 경험보다 실패 경험이 먼저 쌓일 수 있다고 판단했기 때문이에요.
위 분류표는 어떤 업무에 조직의 지원이 필요한지 보여주는 근거이기도 했어요. AX에는 구축 시간뿐 아니라 토큰 비용과 상위 플랜 구독료가 들어가요. 무엇을 어떤 순서로 바꿀지 보여주면 필요한 예산과 리소스를 더 구체적으로 설명할 수 있죠.
그렇게 만든 사내 자동화 제품으로 월 60시간이 들던 업무를 5시간으로 줄였다고 하는데요. AI로 확보된 시간이 단순히 여유 시간으로 남지는 않았다고 해요.
"AI가 만든 것은 칼퇴가 아니라 몰입인 것 같아요." (크래프톤 그로스마케팅 매니저 정여원)
이전에는 엑셀의 빈칸과 흔들린 지표를 메우며 오류를 막는 데 시간을 썼다면, 이제는 담당 게임의 성장과 다음 기회를 찾는 데 더 많이 쓸 수 있게 됐어요. 절약한 시간이 사라진 게 아니라 반복 정확도를 지키는 시간에서 더 나은 판단을 만드는 시간으로 이동한 것이죠.
👉️세션 영상 보러가기 : [MGS26] AI로 되찾은, 저녁이 있는 삶에 대하여 | Krafton
자동화할 업무를 골랐다면 다음 질문은 "AI가 무엇을 기준으로 판단하게 해야 할까?"예요.
코오롱FnC 온라인 마케팅 팀장 김연한 님은 반복되는 업무에서 출발했어요. 코오롱몰은 500여 개 브랜드의 기획전 메시지를 주당 약 24건 발송하고 있었는데요. 숙련자는 1건을 10분 안팎에 처리할 수 있었지만 보통 30분가량이 들었고, 신규 담당자는 초기에 1~2시간이 걸리기도 했어요.
코오롱몰은 자동화에 앞서 약 25장 분량의 CRM 업무 가이드를 AI가 읽을 수 있도록 연결했는데요. 가이드에는 채널별 기준, 요일별 발송 규칙, 데이터를 확인하는 방식이 담겨 있었어요. 담당자의 경험과 여러 업무 기록에 흩어져 있던 기준을 조직이 공식적으로 참고하는 문서, 즉 정본으로 만든 거죠.
정본이 없으면 AI가 조직의 의도와 다른 기준으로 데이터를 해석할 수 있어요. 실제로 한 코드에 두 브랜드가 묶여 있어 AI가 등급을 잘못 판단한 적도 있었는데요. 지적을 받은 뒤 구분 규칙을 새로 만들고 그 내용을 다시 가이드에 기록했어요.
문서는 자동화를 시작하기 위한 준비물이면서, 자동화가 진행될수록 업데이트되는 운영 기반이에요.
자동화 범위를 넓히는 것과 판단·책임까지 모두 넘기는 것은 다른 문제예요. 오픈AI 어카운트 디렉터 이동재 님은 이 경계를 워크플로우 관점에서 설명했어요. AI가 리포트의 일부만 도우면 개별 작업은 빨라지지만, 담당자가 여전히 자료 수집부터 작성·검토까지 모두 거쳐야 하는 구조는 남아요.
"아무리 좋은 AI를 쓰셔도 워크플로우 그 자체가 바뀌지 않으면 AI를 통해 얻으실 수 있는 이점도 제한적입니다." (오픈AI 어카운트 디렉터 이동재)
세션에서 시연한 캠페인 성과 보고 업무가 그 예시였어요. 담당자가 구글 드라이브에서 자료를 찾고 최신 데이터를 확인해 슬라이드로 옮기던 과정을, 에이전트가 자료 탐색부터 보고서 작성과 공유까지 먼저 수행해요. 담당자는 목표와 기준을 제시하고 결과를 검토하며, 예산 변경처럼 판단이 필요한 순간에 개입하죠.
오픈AI 사내에서는 전체 출력 토큰의 99.8%가 코덱스와 ChatGPT Work 같은 에이전트를 통해 생성된다고 소개했어요. 재무, 리크루팅, 리걸처럼 개발 직군이 아닌 조직의 활용 비중도 90%에 육박하고요.
업무를 넘길 때 지시에 담을 것도 정리해줬어요. 명확한 목표, 충분한 컨텍스트와 제약 조건, 그리고 언제 끝낼지에 대한 'Done When' 기준이에요. 처음부터 여러 서브 에이전트를 두기보다 하나의 강한 에이전트로 시작하고, 복잡한 작업은 계획을 먼저 세우게 한 뒤 실행하도록 설계하는 편이 좋다고 했어요.
어디가 병목인지 고르기 어렵다면 문제 정의부터 AI와 함께할 수도 있어요. 이동재 님도 주기적으로 이전 대화를 바탕으로 병목 진단을 맡긴다고 설명했어요. 해결책을 바로 요청하기 전에, 지금 가장 많은 대기와 반복이 생기는 지점을 먼저 찾는 방식이에요.
자동화의 성과는 절약한 시간만으로 설명하기 어려워요. 확보한 시간을 더 빠른 검증에 다시 투입하면서 의사결정의 주기가 짧아진 사례가 있어요.
W컨셉 퍼포먼스 마케팅팀은 매일 오전 8시부터 10시까지 데이터가 모이기를 기다렸어요. Claude Code와 Airbridge MCP를 연동한 뒤에는 출근과 동시에 전일 성과 브리핑을 받았고, 매월 약 40시간을 판단에 쓸 수 있게 됐어요.
180일 이상 접속하지 않은 것으로 분류된 사용자를 대상으로 4개 매체에 광고를 집행한 뒤 데이터를 다시 확인했어요. 광고 대상자 가운데 실제 장기 미접속 사용자는 4%뿐이었고, 나머지 96%는 이미 활성 상태이거나 최근 접속한 사용자였죠.
SQL로 데이터를 대조하면 3~4시간이 필요했지만 Airbridge MCP를 활용한 분석은 원인 확인까지 약 1시간이 걸렸어요. AI가 분석을 대신했다기보다, 틀린 가정을 유지하는 시간을 줄인 사례예요. 그 결과 해당 예산을 신규 사용자 확보로 곧바로 옮길 수 있었고요.
속도가 빨라질수록 검증 구조도 함께 필요했어요. 단일 에이전트가 자신이 세운 가설을 스스로 강화하는 문제가 관찰되자, 같은 데이터를 정량 관점과 전략 관점의 서로 다른 에이전트에 맡겨 병렬로 분석했어요. 두 결과가 충돌하면 담당자가 근거를 다시 확인했고요.
여기서 담당자는 모든 단계가 아니라 오류 비용이 커지는 지점에 개입해요. AI가 반복 실행과 분석을 맡고, 담당자는 그 결과를 승인하고 책임지는 구조이죠. 이 구조가 자리 잡으면 실무자의 역할도 직접 처리하는 작업자에서 여러 결과를 비교하고 결정하는 책임자로 이동해요.
👉️세션 영상 보러가기 : [MGS26] 속도가 곧 전략 - AI와 연결된 데이터가 만드는 더 빠른 마케팅 의사결정 | WConcept
MGS26에서 강조한 AX의 순서는 비슷했어요. 먼저 업무를 펼쳐 반복과 병목을 찾았어요. AI가 참고할 정본과 판단 기준을 정리한 뒤에는 수행 권한과 담당자의 승인 지점을 나눴죠. 그렇게 확보한 시간은 검증과 실행의 횟수를 늘리는 데 다시 사용됐어요.
따라서 AX의 첫 과제는 가장 거대한 업무보다, 규칙은 분명하지만 반복 실행과 확인에 많은 시간이 드는 업무에 가까울 수 있어요. 다음 4가지 질문으로 후보를 추려볼 수 있어요.
이 질문들에 모두 해당하는 업무가 있다면, 현재 어떤 순서로 진행하고 있는지부터 적어보세요. 어떤 AI 도구를 사용할지는 그다음에 결정해도 늦지 않아요.
