0.04%, 채널팀은 AI로 임팩트를 만들어 가는 중입니다

AI로 어떤 임팩트를 만들고 있나요?

지난 2월 타운홀에서 AI Impact에 대해 강조하는 시간을 가졌습니다. 지난 1월 타운홀에서 CAIO 브라이언이 채널팀 멤버 모두가 클로드 코드를 사용할 것이라고 공유해주셨는데요. 그 일이 실제로 일어났습니다. 채널팀은 AI 구호만 외치지 않고 주도적으로 일하는 방식을 변화시켜 나가고자 합니다. 이를위한 시작으로 AX팀에서 모든 멤버에게 클로드 코드 사용법과 실제 사용 사례를 공유해주었습니다. 채널팀 멤버들이 노트북을 가지고 라운지에 모여 클로드 코드를 직접 활용하면서 익숙해질 수 있는 시간이었습니다. 그리고 제품에 AI를 담는 것 이상으로 우리가 일하는 방식의 혁신이 필요함을 모두가 공감할 수 있었습니다.

AI를 잘 쓴다는 것의 실체: '질문'을 넘어 '위임'하는 매니저가 되는 법

"AI를 잘 쓴다는 것은 무엇일까요? 이 질문에 대해 단순히 기술적인 답변을 내놓기란 쉽지 않습니다. 하지만 생산성의 관점에서 본다면, AI 활용 능력은 크게 세 단계의 진화 과정을 거칩니다."

CAIO Brian

AI를 사용하는 방식은 단순히 토큰(데이터량)을 얼마나 많이 쓰느냐가 아니라, '어떤 관계를 맺느냐'에 따라 레버리지가 달라집니다. 1단계는 정보를 검색하고 질문하고 답을 얻는 기초적인 단계이고, 2단계는 전략을 고민하거나 아이디어를 빌딩할 때 토론하는 단계입니다. 3단계는 내가 없어도 AI가 스스로 업무를 수행하도록 일을 맡기는 위임 단계입니다. 단계가 올라갈수록 생산성 레버리지는 매우 극대화됩니다.

AI에게 업무를 위임한다는 것은 단순히 명령어를 던지는 것이 아닙니다. 이는 유능한 팀 멤버에게 일을 맡기는 '매니징' 과정과 매우 닮아 있습니다. 성공적인 위임을 위해 사람에게 필요한 역량은 세 가지입니다. 첫째, 업무에 대한 명확한 이해가 필요합니다. 내가 먼저 SOP를 완벽히 이해해야만 AI에게 일을 시킬 수 있습니다. 둘째, 명확한 지시를 해야 합니다. 업무의 배경, 목적, 방법론을 구체적으로 AI에게 전달해야 합니다. 셋째, 결과 평가와 리뷰입니다. AI가 산출한 결과물을 단순히 좋다/나쁘다로 바라보는 것이 아니라 구체적인 피드백을 통해 퀄리티를 끌어올릴 수 있어야 합니다.

많은 이들이 '코드'라는 단어에 심리적 거부감을 느끼지만, 본질은 자연어(일상 언어)입니다. 우리가 평소에 대화하듯 업무의 맥락과 데이터를 전달하기만 하면 AI는 강력한 실행력을 발휘합니다. 발표의 스토리라인과 PPT 구성 역시 AI에게 전달하여 순식간에 완성되었습니다. 이처럼 '위임'을 잘하는 사람은 자신의 시간을 더 본질적인 고민에 쓸 수 있게 됩니다.

말만 하는 AI는 끝났다, 이제 '일하는 AI'를 채용하라

"인공지능을 단순히 똑똑한 챗봇으로만 쓰고 계신가요? AX팀에서 제안하는 클로드 코드(Claude Code) 활용법은 차원이 다릅니다. 단순히 답을 주는 것을 넘어, 내 옆에서 직접 손을 움직여 업무를 처리해 주는 일잘러 딱쇠(일꾼)를 채용하는 법을 소개합니다."

AX Team Giri, Nunu, Pete

많은 이들이 클로드 AI와 클로드 코드를 혼동하지만 이 둘의 차이는 명확합니다. 클로드 AI가 '방법을 알려주는 AI'라면, 클로드 코드는 '직접 일을 해주는 AI'입니다. 예를 들어, 클로드 AI에게 “파일 정리하는 방법을 알려줘”라고 하면 정리 방법을 설명해 줍니다. 반면 클로드 코드에게 “다운로드 폴더를 날짜별로 정리해 줘”라고 하면 실제로 내 컴퓨터의 파일을 정리해 결과를 만들어 냅니다.

• Claude.ai : 질문에 답하고 아이디어를 주는 '말하는 친구'입니다.

• Claude Code : 내 컴퓨터의 파일과 폴더에 접근해 직접 작업을 수행하는 '일하는 일꾼'입니다.

클로드 코드를 일 잘하는 팀원으로 만들기 위해 알아야 할 두 가지 핵심 개념이 있습니다. 첫째, 클로드 스킬입니다. 신규 입사자에게 업무 가이드를 주듯, 반복적인 업무 프로세스를 문서로 작성해두어야 합니다. 좋은 온보딩 문서가 신입 사원을 일잘러로 만들듯, 정교한 스킬 작성은 AI의 업무 퀄리티를 결정합니다. 둘째, MCP(Model Context Protocol)입니다. 이는 AI가 노션, 깃허브, 슬랙 등 다른 도구와 소통하며 일할 수 있게 해주는 장치입니다. 이를 통해 AI는 팀 내 흩어진 지식을 스스로 찾아내고 업무에 활용합니다.

• 지저분한 다운로드 폴더 정리: "다운로드 폴더 날짜별, 확장자별로 정리해 줘" 한 마디면 수백 개의 파일이 순식간에 정돈됩니다.

• 대용량 데이터 분석: 파일을 하나하나 열어볼 필요 없습니다. "어느 요일에 상담이 가장 많은지 분석해서 결과 파일로 만들어 줘"라고 시키면 클로드 코드가 직접 데이터를 읽고 분석 리포트를 생성합니다.

• 사내 지식 검색: 슬랙이나 노션에 흩어진 파편화된 정보를 MCP를 통해 연결하면, AI가 사내 최고 전문가처럼 질문에 답해줍니다.

"터미널? 검은 화면? 난 못 해!"라고 생각하실 필요 없습니다. 클로드 코드는 이제 데스크탑 앱에서 채팅하듯 자연어로 쓸 수 있습니다. 코딩 지식이 전혀 없어도 파일 관리부터 데이터 분석까지 모든 '위임'이 가능해졌습니다. 실행 중심의 마인드셋이 AI 시대에 생산성을 높이는 가장 빠른 길입니다.

0.04%의 기회, 당신은 '계산하는 사람'으로 남을 것인가? '미래를 설계하는 사람'이 될 것인가?

"세상이 무서운 속도로 변하고 있다고들 말합니다. 하지만 통계는 조금 다른 이야기를 하고 있습니다. 우리가 마주한 변화는 이제 막 시작되었으며, 그 안에는 거대한 기회의 틈새가 존재합니다."

CEO Red

현재 전 세계 인구 중 AI를 코딩/업무 자동화 도구로 적극적으로 활용하는 인구는 극소수 0.04%에 불과합니다. 우리 채널팀이 지금 AI를 활용해 일하는 방식을 혁신하는 것은 전 세계 0.04% 안에 드는 선구적인 행동입니다. 주변의 동료, 지인, 가족 대다수는 아직 이 변화의 실체를 모르고 있습니다. 이 '격차'를 아는 것에서 그치지 않고, 이를 어떻게 내 삶과 직무에 확산시켜 기회를 잡을 것인가가 지금 우리가 고민해야 할 핵심입니다.

"채널팀의 '도로시 본'은 누구인가요?"

과거에 Computer는 기계의 컴퓨터가 아닌 계산하는 사람을 뜻하는 단어였습니다. 1960년대 NASA(나사)에 IBM 컴퓨터가 처음 도입되었을 때, 대다수의 인간 컴퓨터들은 위기감을 느끼지 못했습니다. 하지만 '도로시 본(Dorothy Vaughan)'은 달랐습니다. 그녀는 기계의 도입이 일자리 지형을 바꿀 것을 직감하고 독학으로 'FORTRAN(포트란)'을 마스터했습니다. 결국 그녀는 단순 계산원에서 프로그래밍 전수자로 거듭나며 대체 불가능한 존재가 되었습니다.

"AI로 어떤 임팩트를 만들고 있나요?"

이제 AI는 단순히 "하면 좋은 것"이 아니라, 나의 성과와 가치를 증명하는 필수 도구가 되었습니다. 0.04%의 범주에 먼저 들어온 우리가 이 기회를 놓치지 않고 자신만의 임팩트를 만들어낸다면, 우리는 전혀 다른 결과물을 증명하게 될 것입니다.

• 회색: AI를 한 번도 써본적 없는 사람들 (82%)

• 초록색: 무료 챗봇을 사용하는 사람들 (16%)

• 노란색: AI에 월 $20 정도 결제하는 사람들 (0.3%)

• 빨간색: AI를 코딩/업무 자동화 도구로 적극 사용하는 사람들 (0.04%)