AI를 도입했는데 왜 회사는 달라지지 않는가?

AI를 쓰면 일이 빨라질 것이라고 기대한다. 이 기대는 자연스럽다. 문서를 요약하고, 메일을 쓰고, 고객 질문에 답하고, 자료를 정리하는 일은 실제로 빨라진다. 이전에는 사람이 오래 붙잡고 있던 일이 몇 분 안에 끝나기도 한다.

그런데 회사 전체로 보면 이상한 일이 생긴다. 도구는 들어왔는데 조직은 크게 달라지지 않는다. 직원 몇 명은 열심히 써보지만, 팀의 일하는 방식은 그대로다. 보고서는 많아졌지만 결정은 여전히 늦다. 회의에서는 “AI를 활용하자”는 말이 반복되지만, 정작 어떤 일을 AI에게 맡기고 어떤 판단은 사람이 가져야 하는지 정해지지 않는다.

이때 문제는 AI 성능이 아닐 수 있다. 더 정확히 말하면, 문제는 기술 도입 이전에 회사가 일을 감지하고, 선택하고, 다시 배열하는 회로를 갖고 있는가에 있다. 경영학에서는 이런 힘을 동적역량(dynamic capabilities)이라고 부른다. 데이비드 티스(David Teece)는 동적역량을 변화하는 환경에 맞춰 기업의 자원을 통합하고, 만들고, 재구성하는 능력으로 설명했다.¹

이 글의 주장은 단순하다. AI 도입의 성과는 AI 자체에서 곧바로 나오지 않는다. AI가 조직의 감지, 선택, 재구성 회로 안으로 들어갈 때 성과가 난다.

도구와 성과 사이의 빈칸

디지털 전환을 이야기할 때 자주 빠지는 것이 있다. 도구와 성과 사이에는 빈칸이 있다는 점이다. 프로그램을 샀다고 매출이 오르지 않는다. 자동화 도구를 넣었다고 혁신이 생기지 않는다. 데이터 대시보드를 만들었다고 의사결정이 좋아지지도 않는다.

최근 중소기업 연구는 이 빈칸을 동적역량으로 설명한다. 디지털 성숙도(digital maturity)가 혁신성과로 이어지려면, 그 사이에서 감지(sensing), 포착(seizing), 재구성(reconfiguring)의 능력이 작동해야 한다는 것이다. 중국 하이테크 중소기업 587개사를 분석한 Jie, Gooi, Lou의 2025년 연구도 디지털 성숙도와 혁신성과 사이에서 동적역량이 중요한 매개 역할을 한다고 정리한다.²

쉽게 말하면 이렇다. 회사가 도구를 들여온 뒤에도 무엇을 봐야 하는지 모르면 성과는 생기지 않는다. 어떤 기회를 잡아야 하는지 고르지 못해도 성과는 생기지 않는다. 선택한 방향에 맞춰 기존 업무를 다시 바꾸지 못해도 성과는 생기지 않는다.

AI 도입도 이 구조를 벗어나지 않는다. AI는 문장을 쓰고, 표를 만들고, 코드를 제안하고, 고객 응답을 생성할 수 있다. 그러나 AI가 회사의 우선순위를 정해주지는 않는다. 어떤 업무를 자동화해야 하는지, 어떤 업무는 사람이 끝까지 책임져야 하는지, 자동화 뒤에 남는 역할을 어떻게 다시 나눌지는 조직이 정해야 한다.

그래서 “AI를 도입했는가”보다 중요한 질문은 따로 있다.

회사는 AI를 통해 무엇을 더 잘 볼 것인가. 그중 무엇을 선택할 것인가. 선택한 뒤 사람과 일과 책임을 어떻게 다시 나눌 것인가.

AI 직원이라는 말이 가리는 것

한국 실무 현장에서는 AI를 “AI 직원”처럼 부르는 표현이 자주 쓰인다. 이 말은 직관적이다. 사람이 하던 일을 AI가 일부 가져간다는 점을 한눈에 보여준다. 반복적인 문서 작성, 정보 검색, 고객 응대, 자료 정리 같은 업무에서는 꽤 잘 맞는 표현이기도 하다.

하지만 이 말은 중요한 문제를 가린다. AI를 직원처럼 부르면, 기존 조직도 위에 AI라는 사람 하나를 더 앉히면 되는 것처럼 보인다. 실제 변화는 그렇지 않다. AI가 들어오면 사람이 하나 늘어나는 것이 아니라 직무의 경계가 다시 그어진다. 누구의 일이 AI로 넘어가고, 누구의 판단은 더 중요해지며, 어느 지점에서 사람이 개입해야 하는지가 바뀐다.

그래서 자동화 구조전환, 즉 AX는 단순한 도구 도입이 아니다. AX는 업무를 다시 자르는 일에 가깝다. 여기에는 적어도 세 가지 기준이 필요하다.

첫째, 반복도가 높은가. 둘째, 예외가 얼마나 자주 생기는가. 셋째, 맥락 판단이 얼마나 필요한가.³

반복도가 높고 예외가 적으며 맥락 판단이 낮은 일은 AI에게 넘기기 쉽다. 반대로 예외가 많고 맥락 판단이 큰 일은 AI가 초안을 만들 수는 있어도, 최종 판단을 맡기기 어렵다. 이 구분 없이 “AI로 효율화하자”고 말하면, 회사는 빠른 도구를 느린 구조 안에 집어넣는 셈이 된다.

회로가 없는 회사에서는 AI가 잡음을 늘린다

AI는 정보 처리 비용을 낮춘다. 하지만 정보 처리 비용이 낮아진다고 좋은 판단이 자동으로 생기지는 않는다. 판단 회로가 약한 조직에서는 오히려 더 많은 초안, 더 많은 아이디어, 더 많은 선택지가 생기면서 혼란이 커질 수 있다.

예를 들어 고객 문의를 AI가 요약해준다고 하자. 요약은 빨라진다. 그러나 그 요약을 누가 보고, 어떤 기준으로 제품 개선이나 운영 변경으로 연결할지 정해져 있지 않다면, 요약은 자료 더미가 된다.

영업 데이터를 AI가 분석해준다고 하자. 그래프는 빨리 나온다. 그러나 어떤 신호를 기회로 볼지, 어떤 신호를 일시적 변동으로 볼지, 누가 결정을 내릴지 정해져 있지 않다면, 그래프는 회의 자료로만 남는다.

이 지점에서 동적역량의 세 축이 중요해진다. 감지는 좋은 신호를 보는 힘이다. 포착은 그 신호 중 실제로 잡을 것을 고르는 힘이다. 재구성은 선택한 방향에 맞춰 사람, 일, 자원, 절차를 다시 배열하는 힘이다.

AI가 강해질수록 이 세 축은 덜 중요해지는 것이 아니라 더 중요해진다. AI는 감지할 재료를 늘리고, 선택지를 늘리고, 재구성의 가능성을 넓힌다. 가능성이 늘어날수록 조직에는 더 좋은 판단 회로가 필요하다.

중소기업에서 이 문제는 더 날카롭다

중소기업은 대기업보다 AI 도입의 효과를 더 빨리 기대한다. 인력이 적고, 반복 업무 부담이 크고, 전문 인력을 충분히 두기 어렵기 때문이다. 그래서 AI는 중소기업에 큰 기회처럼 보인다. 실제로 그럴 수 있다.

그러나 중소기업은 동시에 동적역량 회로가 약한 경우가 많다. 시장 신호를 따로 분석하는 팀이 없고, 실험을 설계하는 조직이 없고, 실패한 일을 학습으로 바꾸는 절차가 약하다. 대표나 핵심 임원 몇 사람의 직관에 많은 판단이 집중된다.

이 구조에서는 AI 도입이 곧바로 성과로 연결되기 어렵다. AI가 없어서 실패하는 회사도 있다. 하지만 AI를 넣고도 실패하는 회사는 더 많아질 수 있다. 차이는 도구가 아니라 인지와 조직 회로에서 갈린다.

경영자 인지역량(managerial cognitive capabilities) 연구는 이 문제를 더 잘 보게 해준다. 콘스턴스 헬팟과 마거릿 피터라프(Constance Helfat and Margaret Peteraf)는 동적역량의 미시기초를 경영자의 주의, 문제 해결, 언어, 사회적 인지 같은 능력과 연결해 설명한다.⁴

AI 도입은 바로 이 인지 역량을 시험한다. 어떤 신호를 볼지, 무엇을 문제로 부를지, 어떤 언어로 직원에게 설명할지, 누구의 반대를 어떻게 해석할지가 모두 중요해진다.

좋은 질문은 “무엇을 자동화할까”가 아니다

AI 도입을 시작할 때 가장 흔한 질문은 “무엇을 자동화할까”다. 이 질문은 필요하지만 충분하지 않다. 더 좋은 질문은 “자동화 뒤에 남는 판단은 무엇인가”다.

업무를 AI에게 넘긴다는 것은 사람이 사라진다는 뜻이 아니다. 사람이 해야 할 일이 바뀐다는 뜻이다. 반복 입력을 하던 사람은 예외를 판단하는 사람이 될 수 있다. 보고서를 쓰던 사람은 질문을 설계하는 사람이 될 수 있다. 고객 응대를 하던 사람은 AI가 놓친 감정과 맥락을 읽는 사람이 될 수 있다.

이 변화가 직무 재설계로 이어지지 않으면 자동화는 반쪽짜리가 된다. 직원은 AI를 쓰면서도 예전 방식으로 보고하고, 관리자는 더 많은 자료를 요구하고, 대표는 더 빠른 결과를 기대한다. 도구는 빨라졌지만 조직의 약속은 그대로다. 그래서 피로가 늘어난다.

따라서 AI 도입의 첫 단계는 소프트웨어 목록을 고르는 일이 아니라, 업무를 세 부류로 나누는 일이어야 한다.

첫째, AI에게 넘길 반복 업무. 둘째, AI가 초안을 만들되 사람이 판단할 업무. 셋째, 처음부터 사람이 책임져야 할 업무. 이 세 구분이 없으면 AI는 생산성 도구가 아니라 책임을 흐리는 도구가 될 수 있다.

방법론 제안: 3단계 회로와 3분류 업무

여기서 하나의 간단한 방법론을 제안할 수 있다. 이름을 붙이면 “AI 도입의 3단계 회로와 3분류 업무”다.

먼저 회사는 AI 도입 대상을 업무 단위로 나눈다.

첫 번째는 AI에게 넘길 일이다. 반복도가 높고, 예외가 적고, 맥락 판단이 낮은 일이다. 자료 정리, 초벌 요약, 정형화된 응답, 단순 변환 업무가 여기에 가깝다.

두 번째는 AI가 초안을 만들 일이다. 반복되는 부분은 있지만 예외가 있고, 맥락 판단도 필요한 일이다. 보고서 초안, 제안서 구조, 고객 응대 초안, 데이터 해석 초안이 여기에 들어간다. 이 영역에서는 AI가 시작을 돕지만 사람의 검토가 반드시 필요하다.

세 번째는 사람이 책임질 일이다. 예외가 많고, 맥락 의존도가 높고, 최종 책임이 필요한 일이다. 중요한 의사결정, 사람 사이의 갈등 조정, 전략적 선택, 윤리적 판단은 이 영역에 남는다.

그다음 이 세 업무 분류를 동적역량의 세 회로에 연결한다.

감지 단계에서는 AI가 어떤 신호를 더 잘 보게 해주는지 묻는다. 고객 불만, 반복 질문, 시장 변화, 내부 병목을 더 잘 볼 수 있는가.

포착 단계에서는 그 신호 중 무엇을 선택할지 묻는다. 모든 자동화 후보를 한꺼번에 처리하지 않고, 성과와 위험을 기준으로 우선순위를 정한다.

재구성 단계에서는 선택한 자동화가 사람의 역할, 회의 방식, 책임 구조를 어떻게 바꾸는지 묻는다. 여기까지 가지 않으면 AI 도입은 업무 개선이 아니라 도구 사용에 머문다.

이 방법론의 핵심은 AI를 기술 목록으로 보지 않는 데 있다. AI를 조직의 감지, 선택, 재구성 회로 안에 배치하는 것이다.

반론과 한계

이 주장에 대한 반론도 가능하다. 어떤 회사에서는 AI 도입 자체가 곧바로 성과를 낼 수 있다. 반복 업무가 명확하고, 예외가 적고, 기존 절차가 잘 정리되어 있다면 AI는 빠르게 효과를 낼 수 있다.

하지만 이 반론은 오히려 이 글의 주장을 보강한다. 그런 회사는 이미 업무 구조가 어느 정도 정리되어 있기 때문이다. AI가 성과를 낸 것이 아니라, AI가 들어갈 수 있는 회로가 있었던 것이다.

또 다른 한계도 있다. 이 글은 AI 도입의 모든 성과를 동적역량 하나로 설명하려 하지 않는다. 산업 특성, 데이터 품질, 직원의 학습 능력, 시스템 보안, 규제 환경도 중요하다. 다만 이 글은 도구와 성과 사이에 조직 회로라는 매개 변수가 있다는 점을 강조한다.

이 매개 변수를 보지 않으면 AI 도입 논의는 너무 쉽게 기술 낙관론으로 흐른다.

결론: AI보다 먼저 볼 것은 회로다

AI는 일을 빠르게 만든다. 그러나 어떤 일을 빠르게 해야 하는지는 회사가 정해야 한다. AI는 자료를 많이 만든다. 그러나 어떤 자료가 신호이고 어떤 자료가 소음인지는 회사가 판단해야 한다. AI는 여러 선택지를 제시한다. 그러나 선택의 책임은 조직에 남는다.

그래서 AI 도입을 연구할 때, 우리는 도구 목록보다 회로를 보아야 한다. 디지털 성숙도와 혁신성과 사이의 빈칸을 보아야 한다. 그 빈칸의 이름이 동적역량이다.

이 글의 방법론적 제안은 다음 한 문장으로 정리된다.

AI 도입은 “무엇을 자동화할 것인가”가 아니라, “AI가 늘린 가능성을 조직이 어떻게 감지하고, 선택하고, 다시 배열할 것인가”의 문제다.

이 문장이 학술 글의 끝이다. 이후 누군가 이 방법론을 도구로 만들거나, 서비스로 만들거나, 교육 과정으로 만들 수는 있다. 그러나 그것은 다음 단계다. 이 글의 범위는 이론 위에서 방법론을 세우는 데 있다.

각주

---

© 2026 김민조. All rights reserved.
본 글의 저작권은 김민조에게 있으며, 무단 복제·배포·전재를 금지합니다.

Footnotes

1. 2026-05-14_paper_teece-dynamic-capabilities-microfoundations — Teece의 동적역량과 sensing, seizing, transforming/reconfiguring 논의. ↩

2. 2026-05-16_paper_jie-gooi-lou-digital-maturity-dc-hightech-sme-2025 — Jie, Gooi, Lou(2025)의 중국 하이테크 SME 587개사 PLS-SEM 연구. Source Note는 디지털 성숙도와 혁신성과 사이에서 동적역량이 매개 역할을 한다고 정리한다. ↩

3. AX_AI직원분업_역할재정의 — AI 직원 분업을 반복도, 예외율, 맥락의존도로 나누는 김민조의 방법론 후보. ↩

4. 2026-05-19_paper_helfat-peteraf-2015-managerial-cognitive-capabilities — Helfat & Peteraf(2015), Managerial Cognitive Capabilities and the Microfoundations of Dynamic Capabilities. ↩