전기화 100년의 교훈으로 읽는, AI 시대의 일하는 방식과 조직 설계
1882년 에디슨의 중앙발전소가 가동됐습니다. 그런데 미국 제조업 생산성 통계에 전기의 효과가 뚜렷이 나타나는 것은 1920년대입니다. 40년의 공백. 그 사이에 무슨 일이 있었는지가 오늘 발제의 출발점입니다.
증기 시대의 공장에는 건물당 1대의 증기기관이 있었고, 그 힘을 천장의 회전축(라인샤프트)과 가죽 벨트로 건물 전체에 나눠 썼습니다. 이 구조가 모든 것을 결정했습니다. 기계는 작업 순서가 아니라 축에서 가까운 순서로 배치됐고, 축을 짧게 하려고 공장은 다층으로 지어졌으며, 기계 한 대를 쓰려 해도 공장 전체의 축을 돌려야 했습니다.
40년이 걸린 이유는 세 가지였습니다. 기존 증기 설비가 멀쩡해서 바꿀 이유가 없었고, 축의 시대에 훈련받은 엔지니어들이 새 구조를 상상하지 못했으며, 진짜 이득이 모터가 아니라 공장과 조직의 재설계라는 보완 투자에서 나왔기 때문입니다. 그 투자는 사서 끝나는 게 아니라 발견해야 하는 것이었습니다.
1987년 노벨경제학상 수상자 로버트 솔로가 말했습니다. "컴퓨터 시대는 어디서나 보이는데 생산성 통계에서만 보이지 않는다." 기업들이 앞다퉈 컴퓨터를 사고 ERP를 깔던 시대의 생산성 역설입니다. 반등은 1990년대 후반에야 왔습니다. 이번엔 10년이 걸렸습니다.
폴 데이비드의 발견: 전기가 미국 공장 동력의 약 50%를 넘긴 시점이 1920년경이고, 생산성 반등은 정확히 그 직후에 왔다. 확산률이 임계점을 넘어야 통계에 잡힌다. "AI 도입률은 높은데 왜 안 보이나"라는 지금의 질문에 그대로 대입된다.
1990년대 이 수수께끼를 다른 각도에서 본 사람이 있었습니다. MIT의 에릭 브린욜프슨과 그의 제자 양신규. 두 사람이 미국 상장기업 수백 곳을 분석해 보니 이상한 숫자가 나왔습니다.
컴퓨터 한 대가 열 배의 가치를 만들 리 없습니다. 나머지 9달러는 그 컴퓨터를 계기로 진행된 직원 교육, 프로세스 재설계, 데이터 정비, 권한 재배분이었습니다. 회계는 이것을 전부 비용으로 적었지만, 시장은 자산으로 평가하고 있었던 겁니다. 양신규는 이것을 조직자본이라 불렀습니다. 사람들이 함께 일하는 방식 그 자체. 유닛 드라이브 시대의 공장 배치와 조립 라인이 바로 전기 시대의 조직자본이었습니다.
제1의 기계 시대(증기·전기)는 근력을 대체했고, 제2의 기계 시대는 인지노동을 대체합니다. 디지털 재화는 한계비용이 0이라 승자가 시장을 독식하고, 그래서 풍요(bounty)와 격차(spread)가 함께 커집니다. 가장 아픈 논지는 평균의 종말입니다. 평균적 능력의 평균적 조합은 가치가 0으로 수렴하고, 기계가 못 하는 것과 기계를 잘 부리는 것의 조합만 남습니다.
켈리는 기술 전체(테크늄)를 생물 진화처럼 자체 방향을 가진 시스템으로 봅니다. 개별 제품은 예측할 수 없어도 방향은 예측할 수 있다는 것. 더 다양하게, 더 특화되게, 더 편재하게, 더 자율적으로. 실천적 함의는 하나입니다. 기술의 결을 거슬러 베팅하지 말고, 결이 가는 길목에 먼저 가 있어라.
회의론자 로버트 고든은 절반은 맞았습니다. IT 생산성 붐은 1995~2004년, 약 10년 만에 꺼졌습니다. 그렇다면 AI도 일회성 레벨 상승일까요?
켈리의 반박: AI는 도구가 아니라 도구를 만드는 도구다. 자기증식하는 기술은 한 번의 반등으로 끝나지 않는다. 오늘 토론에서 두 입장 중 어느 쪽에 서시겠습니까?
각자 1인 또는 소수가 제품 하나씩을 풀스택으로 만드는 우리의 조건에서, 전기화의 교훈을 옮기면 다섯 가지가 됩니다.
유닛 드라이브 시대 공장주의 일은 기계를 돌리는 게 아니라 라인을 설계하는 것이었다. 위임 가능 여부는 AI 성능이 아니라 성공 기준의 명확성이 결정한다. "회원가입 만들어줘"가 아니라 "이 테스트 5개가 통과하면 완료"로.
시키고, 기다리고, 확인하고, 다시 시키는 하루는 그룹 드라이브다. 아침에 루프 서너 개를 띄우고, 낮에는 기계가 못 하는 일(고객, 제휴, 가격)과 루프 결과의 승인만 한다. 감독하는 루프의 개수가 곧 생산능력이다.
"고객 문의 응대에 AI 쓰기"는 그룹 드라이브. "문의가 아예 안 생기려면 온보딩이 어때야 하는가"부터 다시 묻는 것이 유닛 드라이브다. 답이 챗봇이 아니라 제품 수정으로 나올 수 있다.
실행 비용이 0으로 가면 실행 자체는 아무의 해자도 아니다. 남는 것은 루프가 돌 때마다 쌓이고 남이 복제 못 하는 것뿐이다.
전기화 때도 공장 개조 자체에 심취한 회사는 망했다. 워크플로우 재설계가 목표가 되면 그것은 또 하나의 도구 수집이다. 우선순위는 매출과 고객에 가장 가까운 루프부터.
전기 시대의 조직자본이 공장 배치와 조립 라인이었고 컴퓨터 시대가 ERP와 프로세스 재설계였다면, AI 시대의 조직자본은 세 개의 층으로 이루어집니다. 위로 갈수록 사람의 자리입니다.
나델라: AI 자본이 커질수록 사람 자본은 더 귀해진다. 방향 없는 AI는 빙글빙글 도는 다음 단어 예측 게임일 뿐. 목표는 "인간 개입의 최소화"가 아니라 "가장 비싼 지점에만 재배치"다.
턴 기반 → 목표 기반 → 시간 기반 → 사전 예방적. 인간 개입이 줄어드는 순서다. 모든 작업에 복잡한 루프가 필요한 것은 아니다. 큰 실행 전에 작은 조각으로 먼저.
AI는 박스 밖 맥락을 매번 처음부터 배운다. 그 약점을 메우는 층이라서 해자가 된다. 모델은 임차하는 것, 기억층은 소유하는 것. 단, 쌓인 맥락을 소비하는 루프가 없으면 조직자본이 아니라 창고 임대료다.
| 루프 | 트리거와 정지 | 적합한 일 |
|---|---|---|
| 턴 기반 | 프롬프트마다 사람이 확인 | 짧고 일회성인 작업. 검증 기준이 구체적일수록 효과가 크다 |
| 목표 기반 | 완료 조건 충족까지 반복 ("점수 90 이상, 5회 시도 후 정지") | 한 턴으로 안 끝나는 작업. 딱 떨어지는 기준일수록 적합 |
| 시간 기반 | 정해진 주기로 실행 | 매일 아침 요약, 정기 리포트, 외부 시스템 연동 |
| 사전 예방적 | 이벤트 발생 시 자동 실행, 사람 개입 없음 | 버그 분류, 이슈 파악 같은 정형화된 반복 업무 통째 위임 |
"self-improving AI" · 모델이 스스로 똑똑해지는 것(자기학습)은 아직 불가능하다. 똑똑해지는 것은 모델을 둘러싼 시스템(메모리, 스킬, 평가 루프)이다. 자기개선은 모델의 성질이 아니라 당신이 만든 시스템의 성질이다.
"문어발 경영의 시대" · 탐색(빌드) 비용이 붕괴한 것은 사실이다. 그러나 낮아진 것은 빌드 비용뿐, 검증 비용과 유통 비용은 그대로다. kill 기준 없는 저비용 탐색은 포트폴리오가 아니라 좀비 목록을 만든다. 탐색이 싸진 시대에 희소한 것은 리소스가 아니라 kill 기준이다.
대기업이 조직자본 투자를 못 하는 이유는 그것이 장부에 비용으로 찍히기 때문입니다. 분기 실적을 관리하는 조직일수록 장부에 안 남는 투자를 기피합니다. 그런데 우리 같은 작은 팀은 봐야 할 장부도, 설득할 CFO도 없습니다. 조직자본 투자에서 작은 팀이 대기업보다 구조적으로 유리한, 아마도 유일한 시대입니다.
우리는 각자 지금 그룹 드라이브인가, 유닛 드라이브인가?
당신의 일하는 방식 중, 경쟁자가 같은 AI로 하루 만에 복제하지 못하는 것은 무엇인가?
우리 회사에서 모델을 바꿔도 남는 것은 무엇인가?
전기는 40년, 컴퓨터는 10년. 우리는 지금 몇 년도에 서 있는가?
우리 제품은 "AI가 하는 일의 평균적 조합"인가, "AI가 못 하는 무언가를 쥔 조합"인가?