AI를 도입한 뒤에도 조직의 속도가 크게 달라지지 않는 장면이 있다. 한 사람이 문서를 요약하고 코드를 고치고 분석 초안을 만드는 시간은 줄었는데, 제품 변경 하나를 확정하는 데 걸리는 시간은 그대로다.
Subbu Allamaraju는 8월 21일 에세이에서 이를 기존 조직, 즉 역할과 시스템과 고객 책임이 이미 자리를 잡은 브라운필드의 문제로 본다. AI를 기존 업무에 넣는 일은 필요하지만, 업무가 팀 경계를 넘을 때 누가 결정하고 승인하는지는 그대로 남는다. 개인 성과를 합쳐도 조직 성과가 바로 늘지 않는 이유가 여기에 있다.
왜 개인의 AI 성과가 조직 성과로 이어지지 않나
개인 자동화는 대체로 한 사람의 책임 범위 안에서 시작한다. 회의록 초안, 고객 문의 분류, 코드 탐색, 문서 비교처럼 입력과 결과가 비교적 가까운 업무다. 이 단계에서는 도구 사용법을 공유하거나 좋은 사례를 퍼뜨리는 방식도 효과가 있다. Allamaraju가 만난 조직들은 공통 AI 스킬을 배포하거나, 리더가 자기 자동화 사례를 보여 주는 방식으로 출발했다.
문제는 결과물이 다른 팀의 결정을 요구할 때 생긴다. 설계 변경은 아키텍처 검토로, 데이터 활용은 접근 권한 논의로, 고객 영향이 있는 배포는 제품 우선순위와 운영 준비로 이어진다. 원문은 업무가 같은 담당 구역 안에 있을 때는 빠르지만, 경계를 넘으면 계획, 의사소통, 합의가 추가된다고 짚는다. AI가 초안을 더 빨리 만들면 이 경계가 사라지는 것이 아니라 더 빨리 눈에 띈다.
팀 경계에서 실제로 멈추는 것은 무엇인가
여기서 병목은 단순히 오래된 시스템만 뜻하지 않는다. 누가 무엇을 소유하는지, 누가 결정할 수 있는지, 누가 승인해야 하는지가 역할과 절차에 묶여 있다. RACI나 DACI처럼 책임을 정리하는 장치는 갈등을 다루는 데 도움이 되지만, 예외 상황에서 여러 팀이 함께 움직이는 비용까지 없애지는 않는다.
그래서 개인의 작업 속도를 재는 지표만 보면 도입 효과가 과대평가되기 쉽다. 한 팀 안에서는 하루 만에 끝나는 변경이 팀 세 곳을 지나며 일주일을 쓴다면, 독자가 봐야 할 수치는 모델의 응답 시간보다 경계 통과 시간이다. 요청이 다른 팀에 도착한 시각, 필요한 정보에 접근한 시각, 최종 결론이 난 시각, 실행 권한이 열리는 시각을 한 흐름으로 남겨야 어디가 멈추는지 보인다.
공유 스킬과 개인 자동화가 넘지 못하는 선
전사 공통 스킬을 배포하는 방식은 사용법을 맞추는 데 유용하다. 그러나 팀 사이에서 충돌하는 결정권까지 정해 주지는 않는다. Allamaraju는 이를 지원처럼 보이는 완만한 지시라고 표현한다. 각 팀의 업무가 기존 구역에 머무는 한 잘 작동하지만, 경계를 넘는 순간 이전의 승인과 에스컬레이션 방식으로 되돌아간다.
모두가 AI로 자기 일을 자동화하는 접근도 비슷하다. 더 좋은 개인 사례가 쌓여도 팀들이 어떤 목표를 함께 책임지는지, 예외를 누가 처리하는지, 합의 뒤 누가 바꾸는지가 불분명하면 효과는 누적되지 않는다. 원문이 말하는 정체성의 문제도 이 지점에 있다. 직함과 팀 책임은 업무의 질서를 만들지만, 그 질서가 바뀌면 개인은 권한과 역할이 줄어든다고 느낄 수 있다.
Bain & Company의 2026년 조사도 같은 방향을 보여 준다. 전 세계 951개 기업 가운데 비용 절감 결과를 측정한 기업에서는, 11%에서 20% 절감을 목표로 한 비중이 37%였지만 측정 결과가 0%에서 10%에 머문 경우가 거의 40%였다. Bain은 기술 자체보다 데이터 접근, 거버넌스, 프로세스 재설계를 경영 과제로 다룬 기업이 목표에 더 가까웠다고 정리한다. 이 수치는 모든 조직의 원인을 설명하는 공식은 아니지만, 자동화의 사업 가치를 개인 도구의 성능만으로 판단하기 어렵다는 신호다.
AI 도입 전에 어떤 결론을 남겨야 하나
큰 조직 개편부터 시작할 필요는 없다. 실제로 자주 발생하는 변경 하나를 골라, 요청부터 실행까지 지나가는 팀과 결정을 먼저 펼쳐 보면 된다. 이때 자문하는 사람과 최종 승인자를 구분하고, 다른 팀에 묶인 정보가 무엇인지 확인하고, 사람 검토로 돌아가는 조건과 응답 시간을 정한다. 마지막으로 합의된 변경을 누가 바로 실행할 수 있는지도 적어야 한다.
이 기록은 새 회의 문서를 늘리기 위한 것이 아니다. 기존 절차가 위험을 줄이려고 만든 경계인지, 관성으로 남은 경계인지를 가르는 기준이다. 위험이 큰 결정에는 검토가 필요하다. 반면 반복되는 변경까지 같은 승인선에 묶여 있다면, AI를 더 붙이기보다 권한과 예외 규칙을 바꾸는 편이 낫다.
AI의 성과 지표에 경계 통과 시간을 넣는다
AI 도입 성과에는 절약한 작성 시간, 자동 처리 건수, 사용자 만족도처럼 개인 작업에서 바로 보이는 지표가 필요하다. 여기에 팀 경계를 넘는 변경의 리드타임과 재작업 횟수를 함께 둬야 한다. 어느 단계에서 대기했는지 드러나면, 다음 투자는 모델 교체인지 데이터 접근 개선인지 권한 위임인지 구분할 수 있다.
조직 속도는 고객 영향과 위험에 필요한 검토를 남기고, 나머지 경계의 통과 규칙을 짧고 예측 가능하게 만들 때 높아진다. AI는 그 규칙 안에서 실행을 가속한다. 조직이 먼저 풀어야 할 병목은 개인에게 새 도구를 배포하는 속도보다, 여러 사람이 같은 변경을 끝까지 책임질 수 있게 하는 결정 구조다.
출처: Subbu Allamaraju, The Elephant in the Brownfield (2026-08-21) · Bain & Company, Your AI Budget Is Growing. Your Returns Aren't. Here's Why. (2026-06-01)