AI는 조직도의 아래, 옆, 사이 중 어디로 들어올까: 기업의 미래에 대한 세 가지 시나리오와 네 가지 질문 (feat. OpenAI)

9bow · 11월 1, 2026, 8:30오전

핵심 요약

OpenAI의 Intelligence Age 블로그가 2026년 10월 28일 에세이 기업의 미래(The future of the firm)를 공개했습니다. AI가 기업 조직도에 들어가는 경로를 사람 아래(승진), 옆(동료로 합류), 사이(중간 계층 추가)의 세 가지 시나리오로 나눕니다.
저자들의 핵심 주장은 다루는 범위가 넓은 AI일수록 만들기는 어렵지만 기업이 도입하기는 쉽다는 비대칭입니다. 좁은 도구는 일선 직원이 먼저 쓰고, 팀이나 기능 전체를 맡는 AI는 임원이 직접 도입할 수 있다는 것입니다.
이어서 행정 절차, 직원의 주도권, 기업 규모, 임금 격차의 네 가지 질문을 다룹니다. 저자들은 종합적으로 직원의 주도권이 커지고, 작은 기업이 많아지는 동시에 거대한 AI 지주회사도 생긴다고 전망합니다.
새 데이터나 실험 없이 경제학 문헌을 근거로 쓴 의견 글이며, 저자 주는 이 글이 OpenAI가 아닌 저자 두 사람의 견해라고 밝힙니다.

기업의 미래 에세이 소개

기업의 미래는 AI 에이전트가 회사에 들어왔을 때 조직도가 어떻게 바뀌는지를 시나리오로 풀어 본 에세이입니다. 사내에 에이전트를 도입하는 개발팀과 팀 리더라면, 누가 먼저 AI를 쓰고 어떤 역할이 먼저 바뀌는지를 생각해 볼 틀로 읽을 수 있습니다.

글을 쓴 사람은 OpenAI의 Hemanth Asirvatham과 Elliott Mokski입니다. 두 사람은 글 첫머리에서 스물네 살에 OpenAI에서 각자의 팀을 관리하기 시작했다고 소개합니다. 다만 그 팀은 밤낮없이 일하는 AI 에이전트이고, 그중에는 수학 올림피아드 금메달 수준의 조언자도 있다고 덧붙입니다. 저자들은 이 경험을 이렇게 요약합니다. "우리 둘 다 직급 사다리를 오르지 않았다. 대신 관리 업무가 우리 칸까지 내려왔다." 이 에세이는 그 승진의 의미와, 지능의 시대에 기업이 재편될 수 있는 다른 방식을 다룹니다.

이 글은 Intelligence Age 블로그의 차세대 경제(The Next Economy) 연재 중 두 번째 에세이입니다. Intelligence Age는 2026년 8월 20일 OpenAI의 Strategic Futures 팀이 연 블로그로, 첫 글에서 산업혁명의 기술, 특히 철도가 현대적인 경영 기업을 낳았듯 AI도 기업 구조를 바꿀 것이라는 예측을 연구 과제로 적었습니다. 같은 저자의 첫 번째 에세이 영원한 보완재(The eternal complement)는 10월 1일에 나왔고, 뛰어난 아이디어도 실행을 맡는 조직과 인력이 있어야 진보로 이어진다는 관점에서 AI의 역할을 살폈습니다. 이번 글은 그 실행 조직, 즉 기업의 내부 구조로 초점을 옮긴 셈입니다.

읽기 전에 알아 둘 점이 있습니다. 저자 주는 이 연재가 범용 인공지능(AGI, Artificial General Intelligence) 시대의 미래를 탐구하는 독립적인 목소리를 위한 공간이며, 글의 견해는 OpenAI나 동료들의 견해가 아니라고 밝힙니다. 또 글에 등장하는 회계 담당자 제이스(Jace), 가구 회사 부사장 실라(Sheila), CEO 아샤(Asha)는 시나리오를 설명하려고 만든 가상의 인물입니다. 저자들도 세 시나리오 중 어느 것도 묘사한 그대로 일어나지는 않으리라고 봅니다. 다만 세 가지의 일부는 모두 현실이 되며, 이미 미묘한 방식으로 일어나고 있다고 씁니다. 저자들이 다루는 대상은 완전 자동화가 아니라, AI가 점점 나아지며 기존 조직에 스며드는 전환기의 혼합형 기업(Hybrid Firm) 입니다.

세 가지 시나리오 한눈에 보기: AI는 조직도의 어디로 들어오는가

저자들은 AI가 기업에 들어가는 위치를 세 가지로 나눕니다. 아래 원문 도식에서 빈 원은 사람, 보라색 원은 AI입니다. 왼쪽은 모든 사람 아래에 AI 조직이 붙고, 가운데는 사람과 같은 줄에 AI 팀원이 끼어들며, 오른쪽은 사람 관리자와 사람 실무자 사이에 AI가 들어갑니다.

각 시나리오의 이름은 OpenAI 한국어판의 번역을 따랐습니다. 세 시나리오를 나란히 놓으면 다음과 같습니다.

구분	승진 (The Promoting)	동료로 합류 (The Interleaving)	중간 계층 추가 (The Layering)
AI의 위치	모든 실무 직원의 아래	사람 팀과 나란히, 기존 관리자 밑	사람 경영진과 사람 실무자 사이
AI를 도입하는 사람	일을 직접 해 오던 일선 직원	기존 관리자와 임원	경영진
필요한 AI 역량	개별 작업에서 시작해 점차 넓어짐	팀 하나를 통째로 맡는 역량	조직 전체의 정보 파악과 판단
원문 사례	회계 담당자 제이스	가구 회사 부사장 실라	CEO 아샤와 엔지니어 사라
저자들이 본 주된 변화	모두가 관리자가 되고 신입의 맨 아래 칸이 사라짐	사람 인력은 줄 수 있지만 남은 사람의 업무 범위가 넓어짐	정보가 위로 모여 의사결정이 중앙집중화됨

저자들이 이 혼합형 기업을 중요하게 보는 이유는 AI 도입이 단번에 일어나지 않기 때문입니다. 모델이 일부 작업만 할 수 있을 때는 그 일에 익숙한 일선 직원이 가장 쉽게 도입하고, 모델이 기능 하나를 처음부터 끝까지 수행하게 되면 상급자가 직접 쓸 수 있습니다. 저자들은 이를 "기업은 기술을 배워야 하지만, 노동력은 기업을 배우고 스스로 적응한다"는 말로 정리합니다.

승진 시나리오: 모든 직원 아래에 AI 지하층이 생긴다

첫 번째 시나리오는 기존 질서를 가장 적게 흔듭니다. 사람의 자리와 보고 체계는 그대로이고, 사람만 놓고 보면 조직도는 지금과 같습니다. 차이는 각 실무 직원 아래에 새로 생기는 AI 노동력입니다. 저자들은 이를 조직도에 지하층(Basement) 이 생긴다고 표현합니다.

처음에는 이 지하층이 미완성입니다. 직원마다 에이전트를 한두 개 두는데, 노련한 직원보다는 감독이 필요한 인턴에 가깝습니다. 이메일 보내기, 보고서 초안 쓰기, Slack 메시지 답하기 정도를 맡깁니다. 모델이 나아지면서 에이전트는 감독을 덜 받고 서로 업무를 조율합니다. 저자들은 결국 각 직원이 관리자 AI와 회계사, 변호사 AI까지 거느린 작은 기업을 운영하고, 사람은 그 기업의 이사회 역할을 하게 된다고 봅니다.

원문의 회계 담당자 제이스는 이 모습을 보여 줍니다. 제이스는 여전히 회계를 맡지만 스프레드시트 작업은 에이전트가 하고, 제이스의 일은 몇 년 전 상사의 일에 가까워졌습니다. 회계팀 규모는 줄지 않았습니다. 회사의 다른 부서도 생산성이 높아져 회계 수요가 늘었고, 임원들은 재무 데이터를 다룰 줄 몰라 에이전트를 쓰려면 제이스의 전문성이 필요하기 때문입니다.

해고 없는 자동화의 두 가지 조건

저자들은 이 시나리오가 해고를 뜻하지 않는다고 강조합니다. 우리는 자신을 자동화하는 것이 아니라 과거의 자신을 자동화하고 위계에서 한 단계 올라간다는 것입니다. 예를 들어 AI가 내 일의 90%를 할 수 있다면, 일이 10%만 남았다고 볼 수도 있지만 열 배 큰 목표를 맡은 다른 직무를 하게 됐다고 볼 수도 있습니다. 저자들은 MIT의 직무 자동화 역사 연구와 생산성과 임금의 관계를 다룬 미국 국가경제연구소(NBER, National Bureau of Economic Research) 논문을 근거로, 생산성이 오르면 목표가 커지고 임금도 오를 수 있다는 것이 기술의 고전적인 효과라고 설명합니다.

다만 저자들은 이 결론에 두 가지 조건을 붙입니다. 첫째, 사람이 여전히 생산에 가치를 더해야 합니다. 이 부분은 자동화가 새 작업을 만들며 노동을 복원한다는 Acemoglu와 Restrepo(2019)의 논의를 인용합니다. AI가 모든 일을 할 수 있게 되더라도 사람이 만든 것에 더 가치를 두거나 최종 결정은 사람이 하도록 요구할 수 있다고도 덧붙입니다. 둘째, 소비자가 열 배의 산출물을 원해야 합니다. 그렇지 않으면 일하는 사람 수나 근로시간이 줄어드는 쪽으로 균형이 옮겨 갑니다. 저자들은 Our World in Data의 1인당 GDP와 근로시간 그래프를 보여 주며, 역사적으로 우리는 훨씬 많이 누리게 됐지만 일하는 시간은 조금만 줄었다고 지적합니다.

AI 도입이 아래에서 시작되는 이유

이 시나리오는 일선 직원이 먼저 AI를 고용한다는 가정에 기댑니다. 저자들은 AI에 일을 가장 잘 시키는 사람이 그 일을 직접 해 오던 사람인 동안에는 이 가정이 맞을 가능성이 높다고 봅니다. 모델이 데이터 과학 작업을 이미 많이 자동화할 수 있어도, 방법론과 세부 사항을 모르는 부서장은 도구를 제대로 쓰기 어렵습니다. 그래서 AI가 사용자가 모르는 것까지 먼저 알려 줄 만큼 주도적이 되기 전까지는 일을 아는 사람에게 가장 유용하다는 것이 저자들의 판단입니다. 저자들은 전면적인 구조 개편보다 기존 직원의 일을 돕는 쪽이 쉬운 첫걸음이며, 오늘날 이미 조직 개편 없이 직원들이 하나둘 AI에 업무를 맡기고 있다고 봅니다.

신입에게 맨 아래 칸이 없어진다

저자들은 이 시나리오에서 가장 큰 변화를 겪는 사람이 신입 직원이라고 봅니다. 적어도 사람에게는 사다리의 맨 아래 칸이 사라집니다. 그 결과 도제식 학습(Apprenticeship), 허드렛일을 하며 배우는 과정처럼 젊은 직원을 키우던 전통적인 경로 일부도 사라집니다. 저자들은 이것을 실제 비용이라고 인정하면서도 전반적으로는 혜택으로 봅니다. 가장 경험이 적은 신입도 좋은 아이디어만 있으면 실험할 자원을 갖게 되고, 인력이 없어서 못 한다는 핑계가 사라진다는 것입니다.

신입이 무엇을 배우게 되는지에 대해서도 저자들은 답을 냅니다. 판단력, 안목, 관리 역량, 창의적인 비전입니다. 이 역량이 결과물에 드러나므로 기를 동기가 생기고, Arrow(1962)가 말한 실행하며 배우기(Learning by Doing) 가 더 넓은 범위에서 일어난다는 것이 저자들의 설명입니다.

이 대목은 최근 나온 실증 자료와 함께 읽을 만합니다. Anthropic 사내 고용 보고서에서는 기술 부서 신규 채용 중 주니어 비중이 27%에서 9%로 줄었고, 채용 평가는 실행 능력보다 자율성과 판단력을 더 보기 시작했습니다. 반면 Google과 NBER의 특허 변호사 실험에서는 AI와 함께 쓴 결과물은 좋아졌지만, 3개월 뒤 AI 없이 수행한 과제에서 주니어의 실력은 평균적으로 늘지 않았습니다. 앞의 자료는 맨 아래 칸이 실제로 좁아지고 있음을, 뒤의 자료는 더 넓은 범위에서 실행하며 배운다는 저자들의 낙관이 자동으로 이루어지지는 않을 수 있음을 보여 줍니다.

동료로 합류 시나리오: AI가 사람 관리자 밑의 팀원이 된다

두 번째 시나리오에서 AI는 맨 밑의 말단이 아니라 동료입니다. 기존 관리자는 다른 직원에게 맡기듯 팀 업무의 일부를 모델에 위임합니다. 첫 번째 시나리오와의 핵심 차이는 일선 직원뿐 아니라 기존의 사람 관리자가 AI를 직접 도입한다는 점입니다. 그러려면 AI는 온전한 팀원으로 일할 만큼 유능해야 합니다.

원문의 실라는 가구 회사의 부사장이고 광고 캠페인을 해 본 적이 없습니다. 실라는 AI 마케팅팀에 예산과 신제품 소파를 맡깁니다. AI 팀은 영업 담당자 인터뷰, 공장과의 물량 조율, 온라인 설문, 시안 제작을 자체 에이전트들에게 나누고, 초안과 수정안은 실라를 거치지 않고 오갑니다. 월요일에 실라는 승인할 캠페인과 함께 사진 속 소파가 너무 파랗게 보이지 않느냐는 질문을 받습니다. 광고 전문가가 먼저 짚어 주지 않았다면 알아채지 못했을 세부 사항입니다.

범위가 넓을수록 만들기는 어렵고 도입은 쉽다

저자들은 AI가 도구에서 노동력으로 가는 과정을 범위가 넓어지는 범위의 에스컬레이터(Escalator of Scope) 로 설명합니다. 작업을 자동화한 뒤 직무, 팀, 마침내 기업을 자동화하며, 한 단계 올라갈 때마다 더 넓은 역량이 필요합니다. 직무는 여러 작업이 든 여행 가방과 같고, 팀이라면 그 가방에 훨씬 다양한 일이 들어 있습니다. 팀의 필수 작업 하나에라도 신체 노동이 들어가면 완전히 새로운 장치가 필요해지므로, 팀을 통째로 대체하려면 AI가 그 팀의 모든 업무를 할 수 있어야 합니다.

여기서 저자들이 전체 전환 과정의 핵심 비대칭이라고 부르는 주장이 나옵니다. 범위가 넓은 AI는 만들기 어렵지만, 기업 입장에서는 범위가 넓을수록 도입하기 쉽다는 것입니다. 처음부터 끝까지 자동화된 팀이나 기능은 임원이 직접 도입할 수 있습니다. 반면 기능이 좁은 도구는 위에서 지시한다고 도입되지 않고, 직원 전반의 동의와 재교육이 필요합니다.

기업은 기술을 배우고, 노동력은 기업을 배운다

이 비대칭의 근거는 기술과 노동의 차이입니다. 전통적으로 신기술은 한정된 작업의 비용을 낮추고, 그다음 부담은 구매자에게 넘어갑니다. 기업은 새 도구에 맞춰 직원을 재교육하고, 조직을 바꾸고, 절차를 다시 설계해야 합니다. 저자들은 전기 모터와 컴퓨터가 생산성으로 이어지기까지 오래 걸린 이유를 다룬 The Dynamo and the Computer를 인용합니다. 스프레드시트도 스스로 회계 부서에 자리 잡지 않았고, 회계 부서가 소프트웨어에 맞춰 바뀌었다는 것입니다.

노동은 그 반대입니다. 좋은 인턴과 팀은 질문하고, 상황을 파악하고, 상대가 모르는 줄도 몰랐던 것을 알려 줍니다. 저자들은 AI가 이런 주도성과 적응력을 갖출수록 기업이 AI 사용법을 배울 부담이 줄어든다고 봅니다. 임원은 디자인 소프트웨어 입문 강의를 끝까지 듣지 않겠지만, "말씀만 하시면 마케팅 조직 전체를 꾸려 드리겠습니다"라는 제안에는 귀를 기울인다는 것입니다.

AGI의 기준은 한 사람이 아니라 여러 사람

저자들은 하나의 직무를 자동화하는 것을 AGI의 목표로 삼는 관점이 사람의 능력을 과소평가한다고 비판합니다. 경제의 산출물 중 혼자 일하는 사람에게서 나오는 몫은 아주 작습니다. 저자들이 링크한 미국 인구조사국(Census Bureau) 자료에서 2017년 직원 없는 사업체는 전체 사업체의 약 83%였지만 매출은 약 3%였습니다. 직무는 팀에, 팀은 기업에 기여한다는 것이 저자들의 설명입니다. 사람의 역량은 개인보다 조직에 있다는 Simon(1991)의 논의를 이어, 저자들은 "경제적 AGI는 개인(person)이 아니라 사람들(people)의 기준에 도달해야 한다"고 씁니다.

이 관점에서 보면 두 번째 시나리오에는 약점이 있습니다. AI가 팀이나 기업 수준이 아니라 도구나 개별 직원 수준에 머물면, 직원마다 모델을 하나씩 끼워 넣는 구성은 Becker와 Murphy(1992)가 말한 조율 비용처럼 수많은 연결 지점과 업무 인계를 만듭니다. 저자들은 그래서 일찍 나오지만 역량이 낮은 구현과 늦게 나오지만 역량이 높은 모델 사이의 경주가 있다고 봅니다. 승부는 미래 모델의 도입 속도가 그 역량에 도달하는 데 더 걸린 시간을 만회할 만큼 빠른지에 달려 있습니다.

두 번째 시나리오는 첫 번째와 함께 일어날 수 있습니다. AI가 특정 기능을 자동화하면서 기업의 사람 인력은 줄고, 남은 사람은 에이전트의 도움으로 더 넓은 업무를 맡을 수 있습니다. 다만 저자들은 이 시나리오만으로 전체 고용이 줄어든다고 볼 수는 없으며, 기업 수가 늘고 기업당 인원이 줄 수도 있다고 덧붙입니다.

중간 계층 추가 시나리오: 사람과 사람 사이에 AI가 들어간다

세 번째 시나리오에서 AI는 사람들 위에 자리 잡으며 기업에 들어옵니다. 사람, AI, 사람으로 이어지는 구조이고, 저자들은 이를 자동화 샌드위치(Automation Sandwich) 라고 부릅니다. 저자들도 이것이 현실과 동떨어져 들리고 도입의 출발점으로는 더 그렇다고 인정하면서, 덜 급진적인 형태로는 이미 시작됐다고 봅니다.

원문의 CEO 아샤는 AI 컨설팅 조직에서 곧 출시할 제품에 문제가 있다는 알림을 받습니다. AI는 Slack의 일상적인 업무 대화에서 영업팀이 개발팀이 만들지 않는 기능을 약속했다는 사실을 찾아냈고, 그때까지 누구도 이 소통 오류를 알아채지 못했습니다. AI는 출시 연기와 엔지니어 세 명의 재배치를 제안하고, 재택근무 중인 엔지니어 사라가 지시 없이 유용한 인프라를 이미 만들어 둔 사실도 아샤에게 전합니다. 아샤는 사라를 새 프로젝트의 개발 책임자로 임명합니다.

사다리는 위에서부터 불탈 수도 있다

우리는 보통 자동화가 위계를 타고 올라간다고 생각합니다. 단순한 인지 업무가 먼저이고 판단은 마지막이며, 관리자는 최후의 보루라는 것입니다. 저자들은 이 직관을 뒤집습니다. 관리자의 일은 대부분 읽기, 회의, 검토, 맥락 기억, 결정입니다. 이런 일은 컴퓨터와 머릿속에서 일어납니다. 저자들은 현장에 직접 있는 일의 가치도 인정하지만, 물리적 세계와 도구에 더 많이 얽힌 쪽은 일선 업무이고, 복사기로 보내지는 사람은 상사가 아니라 인턴이라는 것입니다.

저자들은 이 주장의 한계도 함께 적습니다. 관리자의 의사결정은 성공 기준이 모호하고 오랜 시간이 지나야 결과를 알 수 있어 모델에 가르치기 어렵고, 같은 이유로 사람 관리자를 키우기도 어렵습니다. 또 실행 중심의 인지 노동을 평가하는 벤치마크는 많지만, 관리자와 임원 수준의 대규모 조율을 측정하는 평가는 드물어서 모델이 관리를 얼마나 잘하는지는 아직 모른다고 씁니다. 그래서 저자들의 주장은 오늘날 모델이 일선 직원보다 사람 관리자에 더 가까울 가능성을 생각해 볼 가치가 있다는 수준에 머뭅니다.

언제 어디에나 있는 AI 컨설턴트와 중앙집중화

이 시나리오가 완전히 실현되면 AI가 생각을 맡고, 부족한 역량은 AI에게 보고하는 사람 계약 인력으로 채우는 모습일 수 있습니다. 저자들도 그 세계는 상당히 낯설다고 말합니다. 더 자연스러운 형태는 자문이고, 이미 시작됐습니다. 오늘날 임원은 ChatGPT에 회사 전반의 Slack 채널 수백 개와 문서, 코드 파일을 읽히고 질문할 수 있습니다. 저자들은 비싸고 일시적인 경영 컨설팅과 달리 AI 컨설턴트는 비용이 거의 들지 않고 항상 곁에 있을 수 있다고 봅니다. 모델은 이제 막 기업 문서와 대화를 믿을 만하게 분석하기 시작했고 안목과 주도성은 더 성숙해야 하지만, 결국 경영진의 사내 통신원이자 자문역이 된다는 것입니다. 저자들은 이 AI가 하위 직원의 진짜 관리자가 아니며, 문제를 먼저 드러내고 우선순위를 정하도록 돕는 역할이라고 구분합니다.

저자들이 지적하는 구조적 효과는 중앙집중화(Centralization) 입니다. 예전에는 정보 전달의 마찰 때문에 분산된 의사결정이 유리했지만, AI 컨설턴트는 최고경영진과 현장의 거리를 좁혀 상층부에 더 많은 권한을 모읍니다. 이것이 이로울지 해로울지는 경영진에 달려 있다고 저자들은 씁니다. 도입이 쉽다는 점도 강조합니다. 컴퓨터는 타자와 터미널을 다룰 줄 아는 사람들이 아래에서부터 도입했습니다. 반면 AI 컨설턴트는 말만 하면 되므로 도입의 물결이 임원실에서 시작될 수 있고, 그것이 조직 전체의 AI 도입을 앞당길 수 있다는 것입니다.

업무를 이해하는 감시자와 바뀌는 고용 계약

기업이 원격근무와 외부 계약 인력을 꺼리는 큰 이유는 일을 제대로 하는지 확인하기 어렵다는 점입니다. 업무를 충분히 관찰할 싼 방법이 없으니 기업은 클릭 수, 마우스 움직임, 초록색 접속 표시처럼 실제 성과와 동떨어진 신호를 잽니다. 저자들은 측정하기 쉬운 업무에 노력이 쏠리는 문제를 다룬 Holmström과 Milgrom의 다중 과업 주인-대리인 모형을 인용해 이를 일하는 시늉을 측정한다고 표현합니다.

저자들은 AI가 업무를 이해하는 감시자가 될 수 있다고 봅니다. 결과물을 보고 실제 진전을 알아본다면, 직원은 상사가 추적하기 쉬운 한 가지 방식이 아니라 원하는 방식으로 일할 수 있습니다. 저자들은 이를 차에 추적 장치를 달면 보험료를 깎아 주는 보험사에 비유합니다. 제도를 악용하려던 사람에게는 손해지만, 성실히 일한 사람에게는 그 사실을 증명해 주는 장치가 된다는 것입니다. 저자들은 이렇게 생긴 신뢰가 하이브리드 근무, 외부 계약 인력, 먼 나라의 인재 채용을 꺼리던 기업의 태도를 바꿀 수 있다고 봅니다. 근거로 든 Liang 등(2025)은 한 온라인 노동 플랫폼이 감시 시스템을 도입한 뒤 프로젝트 입찰이 27.8% 늘었고, 늘어난 입찰은 주로 경험이 적은 작업자에게서 나왔다고 보고합니다. 일선 직원 쪽에서도, 직접 본 문제를 위로 알릴 길이 없거나 좋은 성과를 인정받지 못하는 문제를 오늘날의 조잡한 지표가 놓치는 기여까지 알아보는 감시자가 풀 수 있다고 저자들은 봅니다.

다만 저자들은 새 감시 체계를 가볍게 도입해서는 안 된다고 경고하며 Bernstein의 투명성의 역설(The Transparency Paradox)을 링크합니다. 이 논문은 중국의 대형 휴대전화 공장에서 진행한 현장 실험으로, 작업자를 계속 관찰하면 작업자가 활동을 숨기느라 오히려 성과가 떨어질 수 있고 생산 라인에 작은 사생활 공간을 주자 성과가 지속적으로 올랐다고 보고합니다.

네 가지 질문: 행정 절차, 주도권, 기업 규모, 임금 격차

에세이의 마지막 절은 세 시나리오를 바탕으로 기업의 미래를 좌우할 네 가지 질문을 다룹니다. 저자들은 질문마다 양쪽으로 작용하는 힘을 함께 제시하고, 일부 질문에만 자신의 전망을 밝힙니다.

질문	한쪽으로 미는 힘	반대로 미는 힘	저자들의 전망
행정 절차는 줄어들까?	제작 비용이 낮아지면 계획보다 시도가 싸져 승인 절차가 줄어듦	같은 기술이 더 많은 행정 절차를 강제할 수도 있음	기업이 개인 중심으로 기울고 중간 관리 계층이 줄어들 수 있음
직원의 주도권은 커질까?	모두가 좋은 조언을 받으면 관리자의 간섭 이유가 줄어듦	AI 컨설턴트가 CEO의 방식을 조직 전체에 강제할 수 있음	종합적으로 직원의 주도권이 커짐
기업은 커질까, 작아질까?	AI가 조율 계층이 되면 큰 기업도 운영이 쉬워짐	계약 이행을 점검하기 쉬워지면 외부 업체에 맡기기 쉬워짐	작은 기업이 많아지는 동시에 거대한 AI 지주회사도 생김
임금 격차는 커질까?	AI가 모두에게 같은 좋은 아이디어를 주면 격차가 줄어듦	각자 맡는 규모가 커지면 판단력 차이가 더 크게 드러남	사람이 판단을 내리는 쪽인지 따르는 쪽인지에 달림

행정 절차: 덜 겨누고 더 많이 쏜다

앱, 영화, 발표 자료, 기능처럼 무언가를 만드는 데는 비용이 많이 들고 다시 만들기도 어렵습니다. 기회가 사실상 한 번뿐이니 기업은 계획 주기, 로드맵 회의, 승인 위원회로 신중하게 겨눕니다. 저자들은 위계 속 많은 확인 절차가 실행이 귀했기 때문에 존재한다고 봅니다. AI가 적어도 시제품 단계까지 제작 비용을 낮추고 있으므로, 기업도 덜 겨누고 더 많이 쏘는(aim less, fire more) 방식으로 바뀌어야 한다는 것입니다. 근거로는 시제품 실험의 비용이 제품 개발 방식을 바꾼다는 Thomke(1998)를 듭니다.

저자들은 더 급진적인 질문도 던집니다. 공동 계획보다 서로 독립적인 다양한 아이디어가 중요해진다면, 한 팀이 빠르게 반복하는 편이 나은지, 여러 개인이 각자 작동하는 시제품을 내놓는 편이 나은지 묻습니다. 실제 시제품이 어떤 기획 문서보다 비전을 잘 전달한다면, 보고서 대신 결과물을 더 일찍 공유하는 쪽으로 소통 방식도 바뀔 수 있다고 봅니다. 저자들의 표현으로는 예전에는 허락을 구하는 것이 직접 해 보는 것보다 쌌지만, 이제는 그렇지 않습니다.

직원의 주도권: 비계인가, 통제 장치인가

기업이 하향식으로 관리하는 큰 이유는 경영진이 하위 직원보다 사업 관련 결정을 더 잘 내린다는 믿음입니다. 저자들은 지식이 위계를 따라 배분된다는 Garicano(2000)를 인용하며, AI가 모든 직원에게 좋은 조언을 주면 이 격차가 줄고 관리자가 간섭할 이유도 줄어든다고 봅니다. 또 AI 컨설턴트가 중요한 일이 경영진 모르게 벌어지지 않도록 알려 주면, 경영진은 Aghion과 Tirole(1997)이 다룬 형식적 권한과 실질적 권한의 문제처럼 직원을 엄격하게 묶어 둘 필요가 줄어듭니다.

반대 방향의 힘도 있습니다. 저자들은 AI 컨설턴트를 양날의 검이라 부르며 Bloom, Garicano, Sadun, Van Reenen(2014)을 링크합니다. 이 논문은 정보 접근을 돕는 기술은 결정을 아래로 내려보내고, 소통 비용을 낮추는 기술은 결정을 위로 모은다는 결과를 보여 줍니다. AI 컨설턴트는 두 성격을 함께 갖고 있어, 직원을 믿게 하는 감시자도 되고 CEO의 방식을 조직 전체에 강제하는 수단도 될 수 있습니다. 기업은 문화, 브랜드, 규모의 경제와 맞는 일관된 결정을 원하고(Dessein과 Santos 2006), 직원은 자기 영역의 성공을, 임원은 기업 전체를 생각한다는 이해관계의 차이도 저자들은 통제 쪽으로 미는 힘으로 듭니다(이 전제로 인용한 Alonso 등 2008 자체는 조율이 중요해도 분권이 나을 수 있다는 결론입니다).

저자들은 종합적으로 직원의 주도권이 커진다고 봅니다. 이 낙관은 기업이 AI로 중대한 예외만 잡아내고 더 많은 결정을 직원에게 맡긴다는 전제에 기댑니다. 저자들의 비유로는 AI가 비계(Scaffold) 가 되어, 브랜드 일관성 같은 제약은 그 안에서 움직이면 되는 틀로 남고 직원은 그 바깥에서 더 안심하고 새 시도를 할 수 있다는 것입니다.

기업 규모: 작은 기업과 AI 지주회사가 함께 늘어난다

저자들은 Coase(1937)의 질문, 즉 왜 생산을 계약망이 아니라 기업 안에서 조직하는가에서 출발합니다. 비행기도 개인 간 계약만으로 만들 수는 있지만 매우 비효율적이고, 기업은 규모의 경제와 이해관계 정렬, 대형 프로젝트 조직을 제공합니다. AI가 소통을 쉽게 하면 양쪽 근거가 다 생깁니다. AI가 조율 계층이 되면 임원이 창업자가 20명 스타트업을 알듯 큰 회사를 파악할 수 있어 큰 기업이 덜 버거워집니다. 반대로 소통에 마찰이 없고 계약 이행을 점검하기 쉬워지면, Grossman과 Hart(1986)의 불완전 계약(Incomplete Contracts) 문제 때문에 공급업체를 인수하던 수직계열화의 이유가 약해집니다.

저자들의 전망은 둘 다입니다. 작은 기업이 많이 생기는 동시에, 수많은 프로젝트를 한 기업 안에서 진행하는 거대한 AI 지주회사도 생긴다는 것입니다. 이런 복합기업은 여러 프로젝트가 함께 쓰는 공통 자산이 있을 때 경제성이 있습니다. 저자들은 컴퓨팅 자원은 필요할 때 조금씩 쉽게 빌릴 수 있어 그 이유가 되기 약하고, 공용 공장이나 로봇 군단이 더 설득력 있는 이유라고 봅니다. 또 암 정복처럼 하나의 사명에 매진하는 AI 조직은 권력 다툼 없이 정보를 공유하고, 필요할 때 에이전트 사이에 다양성을 만들어 여러 경로를 탐색할 수 있다고 덧붙입니다.

임금 격차: 판단을 내리는가, 따르는가

마지막 질문은 임금입니다. AI가 모두에게 똑같이 좋은 아이디어를 주면 차별화할 기회가 줄어 임금 격차가 좁아집니다. 이에 맞서는 힘은 판단력, 안목, 책임의 범위입니다. 각자 AI 기업을 거느리게 되면 사람에게 남는 가치는 의사결정이고, 맡은 규모가 클수록 좋은 판단과 나쁜 판단의 차이가 커집니다. 저자들은 맡은 자원의 규모가 큰 자리일수록 작은 능력 차이가 큰 보수 차이로 이어진다는 Rosen의 연구(1982, 1990)를 근거로, 이 논리가 CEO 보수를 정당화하는 데 쓰여 온 것처럼 일반 직원에게도 적용될 수 있다고 봅니다. 저자들은 어느 쪽 힘이 이길지는 우리가 주로 판단을 내리는 쪽인지, 내려진 판단을 따르는 쪽인지에 달려 있을지 모른다는 문장으로 글을 마칩니다.

읽을 때 고려할 점: 시나리오 글의 조건과 한계

이 에세이는 새 데이터 없이 설명용 가정(AI가 일의 90%를 하는 경우)과 경제학 문헌 링크로 논지를 세운 시나리오 글입니다. 저자들도 시나리오를 예시(illustrative) 라고 부르고, 관리 업무의 자동화 가능성처럼 측정 수단이 아직 없는 부분은 그렇다고 밝힙니다. 그래서 이 글은 예측보다, 어떤 조건에서 어느 쪽으로 갈지를 따져 보는 틀에 가깝습니다.

몇 가지 낙관은 저자들 스스로 붙인 조건 위에 서 있습니다. 해고 없는 자동화는 사람이 계속 가치를 더하고 소비 수요가 산출물만큼 늘어날 때의 이야기입니다. 직원의 주도권 확대는 기업이 AI를 통제 수단이 아니라 예외 감지에 쓸 때의 이야기입니다. 저자들이 경고의 근거로 링크한 문헌(투명성의 역설, 정보 기술과 소통 기술의 서로 다른 효과)은 그 반대 방향의 위험이 실증 연구에서도 관찰된 현상임을 보여 줍니다. 또 글이 OpenAI 웹사이트에 실렸고 AI 컨설턴트의 예로 ChatGPT를 직접 언급한다는 점도 함께 고려할 만합니다.

실제 도입 현장과 비교하려면 PyTorchKR에 정리된 다른 자료가 도움이 됩니다. OECD의 25개 조직 인터뷰 보고서에서는 에이전트에 제한 없는 자율성을 맡긴 조직이 없었고, 되돌릴 수 없는 작업에는 사람 승인을 거는 방식이 일반적이었습니다. 편집자의 해석으로는, 현실이 아직 승진 시나리오의 초기 단계, 즉 감독이 필요한 인턴 같은 에이전트 쪽에 가깝다고 볼 수 있습니다. 반면 사람의 주의가 병목이 되고 에이전트를 관리하는 메타 업무 비중이 10%에서 22%로 늘었다는 Anthropic 보고서의 관찰은, 모두가 관리자가 된다는 저자들의 예측이 이미 일부 조직에서 시작됐다는 신호로 읽을 수 있습니다.

에세이가 인용한 경제학 문헌

에세이의 주장은 대부분 본문 링크로 연결된 경제학, 경영학 문헌에 기대고 있습니다. 원문은 링크에 제목을 붙이지 않으므로, 주요 문헌의 저자와 제목을 정리합니다.

에세이의 주장	인용 문헌
자동화가 새 작업을 만들어 노동을 복원함	Acemoglu, Restrepo (2019), Automation and New Tasks, Journal of Economic Perspectives
생산성 향상이 임금으로 이어질 수 있음	NBER Working Paper 24165 (2017), Productivity and Pay: Is the link broken?
실행하며 배우기	Arrow (1962), The Economic Implications of Learning by Doing, Review of Economic Studies
신기술이 생산성으로 이어지려면 조직이 바뀌어야 함	David (1990), The Dynamo and the Computer
사람의 역량은 조직에 있음	Simon (1991), Organizations and Markets, Journal of Economic Perspectives
분업이 늘수록 조율 비용이 커짐	Becker, Murphy (1992), The Division of Labor, Coordination Costs, and Knowledge, Quarterly Journal of Economics
측정하기 쉬운 신호만 재면 노력이 왜곡됨	Holmström, Milgrom (1991), Multitask Principal-Agent Analyses
관찰이 오히려 성과를 떨어뜨릴 수 있음	Bernstein (2012), The Transparency Paradox, Administrative Science Quarterly
감시가 새 인력 채용을 도움	Liang, Hong, Gu (2025), Monitoring and the Cold Start Problem in Digital Platforms, Information Systems Research
시제품 실험이 개발 방식을 바꿈	Thomke (1998), Managing Experimentation in the Design of New Products, Management Science
지식에 따라 위계가 생김	Garicano (2000), Hierarchies and the Organization of Knowledge in Production, Journal of Political Economy
형식적 권한과 실질적 권한	Aghion, Tirole (1997), Formal and Real Authority in Organizations, Journal of Political Economy
정보 기술과 소통 기술은 반대 방향으로 작용함	Bloom, Garicano, Sadun, Van Reenen (2014), The Distinct Effects of Information Technology and Communication Technology on Firm Organization, Management Science
조직의 일관성과 적응	Dessein, Santos (2006), Adaptive Organizations, Journal of Political Economy
조율에는 중앙집중이 필요한가	Alonso, Dessein, Matouschek (2008), When Does Coordination Require Centralization?, American Economic Review
기업은 왜 존재하는가	Coase (1937), The Nature of the Firm, Economica
불완전 계약과 수직계열화	Grossman, Hart (1986), The Costs and Benefits of Ownership, Journal of Political Economy
맡은 규모가 클수록 능력 차이가 보수 차이로 커짐	Rosen (1982), Authority, Control, and the Distribution of Earnings, Bell Journal of Economics, Rosen (1990), Contracts and the Market for Executives, NBER

기업의 미래 에세이 (한국어판)

The future of the firm 에세이 (영문 원문)

더 읽어보기

이 글은 GPT 모델로 정리한 초안을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 댓글로 알려주시기를 부탁드립니다.

파이토치 한국 사용자 모임은 이런 글들을 한국어로 정리해 나누고 있습니다. 회원으로 가입하시면 주요 글들을 이메일로 보내드리고, 텔레그램(Telegram)과 Slack/Discord/Teams/Dooray/GoogleChat 등으로도 새 글 알림을 받으실 수 있습니다.

아래쪽에 좋아요를 눌러주시면 다음 글을 정리하는 데 힘이 됩니다~