[AI는 어떻게 조직을 배우는가] 3.답변하는 AI에서 스스로 일하는 AI로

지금 우리가 AI를 사용하는 방식은 대체로 명확합니다.

사람이 질문하거나 일을 시킵니다. AI가 답을 만들고, 사람이 결과를 확인합니다.

하지만 AI Agent가 발전하면서 이 관계가 조금씩 달라지고 있습니다.

앞으로는 사람이 컴퓨터 앞에 앉아 매 단계마다 AI를 호출하지 않아도 될 수 있습니다.

목표를 전달하면 AI가 필요한 자료를 찾고, 여러 도구를 사용하고, 몇 시간 동안 작업을 이어간 뒤 결과를 가져오는 방식입니다.

AI가 답변하는 도구에서 계속 일하는 동료로 바뀌는 것입니다.

Rowing에서 Steering으로

지금까지 사람은 직접 노를 저었습니다.

자료를 찾고, 표를 만들고, 문서를 작성하고, 필요한 사람에게 연락하고, 진행 상황을 확인했습니다.

AI가 이런 Execution을 더 많이 담당하면 사람의 역할도 달라집니다.

직접 모든 일을 수행하는 것보다 무엇을 해야 하는지 정하고, 올바른 방향으로 가고 있는지 확인하고, 어느 수준의 결과가 좋은 결과인지 판단하는 일이 중요해집니다.

직접 노를 젓는 Rowing에서 방향을 잡는 Steering으로 이동하는 것입니다.

그렇다고 사람이 덜 중요해지는 것은 아닙니다.

오히려 무엇이 중요한 문제인지 정의하는 능력, 결과를 판단하는 능력, 얼마나 높은 목표를 설정할 것인지가 더 중요해집니다.

AI의 Execution 비용이 낮아질수록 사람은 “이걸 할 수 있을까?”보다 “무엇을 해야 할까?”를 더 많이 고민하게 될 수 있습니다.

Persistent AI는 무엇이 다를까요?

Persistent AI Coworker에서 중요한 단어는 ‘Persistent’입니다.

작업을 시작한 사람이 자리를 떠나더라도 AI가 일을 이어갈 수 있어야 한다는 뜻입니다.

오늘 오후에 요청한 일을 밤에도 계속 처리하고, 다음 날 아침에는 완료된 결과와 사람이 판단해야 할 문제만 정리해서 보여줄 수 있습니다.

예를 들어 이런 업무를 생각해볼 수 있습니다.

회의가 끝난 뒤 관련 자료를 다시 찾아봅니다.

회의에서 나온 결정과 기존 문서를 비교합니다.

누락된 정보를 확인합니다.

필요한 초안을 작성합니다.

사람이 다음 날 출근했을 때는 “어디까지 진행됐는지”가 아니라 “무엇을 판단하면 되는지”를 보여줍니다.

이런 방식으로 AI를 사용하려면 단순히 모델의 성능만 좋아서는 안 됩니다.

AI가 사용할 도구가 필요하고, 필요한 데이터에 접근할 수 있어야 합니다.

어디까지 일을 진행해야 하는지, 어떤 상태를 ‘완료’라고 부르는지도 알아야 합니다.

그리고 무엇보다 중요한 것이 하나 있습니다.

AI가 지금까지 무슨 일이 있었는지를 알아야 합니다.

AI가 혼자 일할수록 Context는 더 중요해집니다

사람이 옆에서 계속 지켜보는 AI라면 모르는 것이 있을 때마다 질문할 수 있습니다.

하지만 몇 시간 동안 독립적으로 일하는 AI라면 이야기가 다릅니다.

지난 회의에서 어떤 결정을 했는지 모르고, 특정 고객에게 이미 무엇을 약속했는지 모르고, 프로젝트가 왜 현재 방향으로 바뀌었는지 모른다면 AI는 계속 사람을 다시 불러야 합니다.

Persistence가 커질수록 Context의 중요성도 함께 커지는 이유입니다.

실제로 함께 일하는 동료를 생각해봐도 비슷합니다.

일을 잘 맡길 수 있는 사람은 단순히 능력이 좋은 사람이 아닙니다.

현재 상황과 목표를 이해하고 있기 때문에 세세한 설명 없이도 일을 이어갈 수 있는 사람입니다.

AI도 마찬가지입니다.

독립적으로 일할 수 있는 능력과 조직을 이해하는 능력이 함께 발전해야 합니다.

Voice는 AI에게 일을 맡기는 인터페이스가 될 수 있습니다

컴퓨터를 사용하는 방식도 달라질 수 있습니다.

지금은 사람이 여러 애플리케이션을 열고 필요한 화면을 찾아가며 직접 조작합니다.

하지만 AI가 여러 도구를 대신 사용할 수 있다면 사람은 모든 UI를 직접 다룰 필요가 없습니다.

“어제 고객 미팅에서 나온 요청사항을 기존 기획안과 비교해줘.”

“오늘 회의에서 결정한 내용 기준으로 해야 할 일을 정리해줘.”

“지난달부터 이 프로젝트 방향이 어떻게 바뀌었는지 찾아줘.”

이런 요청을 자연어로 전달하면 AI가 필요한 도구와 데이터를 찾아 일을 수행하는 방식입니다.

그리고 사람이 AI에게 복잡한 일을 지시할수록 키보드보다 말이 더 편한 상황도 많아질 수 있습니다.

생각을 길게 설명하거나 여러 조건을 한 번에 전달할 때는 음성이 자연스러운 인터페이스이기 때문입니다.

Voice는 단순히 텍스트를 입력하는 또 하나의 방법이 아니라, 여러 AI Agent와 업무를 지휘하는 Orchestration Interface가 될 수도 있습니다.

사람이 없는 동안에도 AI가 일하려면

Persistent AI의 미래를 생각하면 흔히 “AI가 얼마나 똑똑해질 것인가”부터 떠올립니다.

하지만 실제 업무에서는 지능만큼 중요한 요소들이 있습니다.

AI가 사용할 수 있는 Tool.

업무에 필요한 Permission.

지속적으로 최신 상태를 유지하는 Context.

작업을 언제 완료했다고 볼 것인지에 대한 기준.

결과를 사람이 어떻게 검토할 것인지에 대한 Process.

AI가 실제 동료처럼 일을 맡으려면 이런 요소들이 함께 작동해야 합니다.

결국 좋은 Agent는 좋은 모델 하나로 완성되지 않습니다.

Context와 Tool, Workflow가 함께 있는 시스템이 필요합니다.

다글로의 역할도 여기서 달라집니다

Persistent AI가 일을 잘하려면 사람이 없는 동안 무엇을 해야 하는지도 중요하지만, 사람이 함께 있을 때 무엇이 결정됐는지를 알아야 합니다.

그 정보의 상당 부분은 회의와 통화에 있습니다.

AI가 밤새 일을 할 수 있어도 낮에 사람들이 나눈 대화를 모른다면 제대로 이어서 일하기 어렵습니다.

그래서 음성을 텍스트로 바꾸는 일은 미래의 AI 업무 환경에서도 중요한 입력 계층이 됩니다.

다글로는 사람들이 일하면서 자연스럽게 만들어내는 음성을 기록하고, 전사하고, 다시 활용할 수 있는 정보로 바꿉니다.

오늘은 회의록을 만들기 위해 사용하는 기록일 수 있습니다.

하지만 Persistent AI Coworker가 보편화될수록 그 기록은 AI가 다음 일을 이어가기 위한 Context가 됩니다.

AI에게 더 많은 일을 맡길수록 AI가 우리에 대해 더 많이 알아야 합니다.

그리고 그 이해는 우리가 이미 매일 나누고 있는 대화에서 시작될 수 있습니다.