AI 네이티브 기업이 워크플로를 운영 역량으로 전환하는 방법

OpenAI의 최신 엔터프라이즈 시그널은 기업 AI가 지원에서 실행으로 전환되는 속도가 기업마다 크게 다르다는 것을 보여줍니다. 프런티어 기업(AI 사용량 상위 10% 기업)은 이제 활성 사용자당 일반 기업의 8.3배에 달하는 출력 토큰을 생성합니다. 1월의 2.6배에서 크게 증가한 수치입니다. 갈수록 벌어지는 격차는 더 근본적인 운영 방식의 변화를 보여줍니다. 선도 기업은 에이전트를 회사의 맥락 및 도구와 연결하고, 더 실질적인 업무를 맡기며, 성공한 워크플로를 쉽게 반복할 수 있게 합니다.

리더가 해결해야 할 과제는 이처럼 심화된 AI 활용을 사람들이 신뢰하고 측정하며 개선할 수 있는 업무로 전환하는 것입니다. 또한 리더는 첫 시도에서 가치가 분명하지 않은 사용 사례를 포함해 실험할 여지를 마련해야 합니다.

스타트업 Basis⁠(새 창에서 열기), Clay⁠(새 창에서 열기), Exa Labs⁠(새 창에서 열기)는 직원 온보딩, 고객 계정 관리, 개발자 생태계 성장에 에이전트를 도입했습니다. 워크플로는 서로 다르지만 그 발전 과정에서 얻을 수 있는 교훈은 분명합니다. 에이전트에게 일관된 프로세스를 학습시키고, 업무가 변화해도 지속적으로 유지되는 컨텍스트를 제공한 다음, 포착한 기회를 테스트를 거친 실행으로 이어가게 하는 것입니다.

이 사례들은 팀이 익숙한 업무에 에이전트를 도입하고 시간이 지나면서 프로세스를 개선하는 방법을 보여줍니다.

온보딩은 오랫동안 고용주와 직원 모두에게 번거로운 일이었습니다. 회계 법인용 AI 에이전트를 개발하는 Basis에서는 입사 첫날 온보딩 시간이 2시간에서 30분으로 줄어 인사팀이 조직 문화와 직원 지원에 더 많은 시간을 쓸 수 있게 되었습니다.

입사 첫날 직원은 Codex와 회사별 온보딩 스킬(특정 워크플로를 위한 재사용 가능한 지침 및 리소스 모음)을 즉시 이용할 수 있습니다. Codex는 직원을 맞이하고 회사의 핵심 개념을 소개하며, 직원의 컴퓨터를 사용해 백그라운드에서 통합 설정을 완료합니다. 반복되는 질문이나 예외가 생기면 인사팀은 다음 입사자 그룹이 오기 전에 스킬을 업데이트할 수 있습니다.

Basis는 온보딩 과정을 한 번 시연한 뒤 명확한 실행 조건, 정해진 단계, 적절한 도구에 대한 접근 권한, 명확한 ‘완료’ 기준을 갖춘 재사용 가능한 스킬로 만들었습니다. 이제 이 프로세스는 특정 담당자의 근무 여부에 좌우되지 않으면서도, 예외나 복잡한 질문이 생기면 팀이 개입할 수 있습니다. 이제 온보딩은 더 일관되고 반복 가능하며 개선하기 쉬워졌고, 신입 직원은 AI와 협업하는 방식을 입사 즉시 익힐 수 있습니다.

고투마켓 팀을 위한 자기 학습형 매출 엔진을 개발하는 Clay는 익숙한 영업 과제에 직면해 있습니다. 거래에 중요한 맥락이 CRM 기록, 이메일, Slack, 통화, 프레젠테이션, 문자 메시지, 사내 팀 및 고객 측 지지자와의 대화에 흩어져 있기 때문입니다.

이러한 맥락을 최신 상태로 유지하기 위해 Clay의 GTM 엔지니어 한 명은 고객 계정마다 상시 유지되는 워크스페이스와 전담 하위 에이전트를 두는 더 나은 방식을 실험했습니다. 각 하위 에이전트는 원본 자료를 검토하고 밤사이 담당 거래 폴더를 업데이트합니다. 매일 아침 조정 에이전트는 모든 고객 계정의 업데이트를 바탕으로 우선 처리할 작업을 간단한 목록으로 정리합니다. 미해결 고객 질문에 답하거나, 구매 의사결정에 필요한 관계자의 공백을 보완하거나, 잠재 고객이 다시 대화에 참여할 이유를 마련하는 식입니다.

Clay에 따르면 이 워크플로 덕분에 매일 밤 받은 편지함을 분류하는 시간이 약 1시간 줄었습니다. 일일 우선순위는 긴 엔터프라이즈 영업 주기에서 누적되어 큰 효과를 내는 작은 조치들을 빠짐없이 수행하는 데 도움이 됩니다. 각 권장 사항 가까이에 근거 자료가 함께 있어 영업 담당자는 실행하기 전에 원본 자료를 확인할 수 있습니다. 기업은 기존 고객 계정 권한 범위 내에서 이러한 공유 맥락을 고객 담당 임원, BDR, 솔루션 엔지니어, 영업 리더에게까지 확대할 수 있습니다.

Clay는 변화하는 업무를 확장하는 데 필요한 요소를 보여줍니다. 일관된 구조, 유용한 업데이트 주기, 공유된 근거, 그리고 실행 시점의 인간적 판단입니다.

AI 에이전트용 웹 검색 인프라를 개발하는 Exa Labs는 개발자가 필요한 곳이라면 어디서든 자사의 검색 API를 사용할 수 있게 하려 합니다. 팀은 이 목표를 ‘어디서나 Exa’라고 부릅니다. 이전에는 이를 추진하기 위해 개발자 관계팀과 고객 담당팀이 리포지토리와 더 넓은 생태계를 모니터링하고, 유망한 통합 기회를 파악하고, 맥락을 수집하며, 여러 시스템에 걸친 업무를 조율해야 했습니다. 기회는 제각각이었지만 발견에서 구현에 이르는 과정은 일관된 순서를 따랐습니다. Exa는 이 과정을 Codex용 워크플로로 정의하고, 명확한 우선순위와 필수 자료에 대한 접근 권한을 부여했으며, 실제 배포 전에는 사람이 검토하도록 했습니다.

이제 Codex는 우선순위가 높은 통합 기회를 모니터링하고 관련 맥락을 수집하며, 풀 리퀘스트를 생성하고 테스트를 실행한 뒤 Slack과 Notion 같은 자료를 활용해 주간 업데이트를 준비합니다. 적절한 경우에는 팀이 검토할 첫 공지문을 비롯해 다음 단계의 초안도 작성할 수 있습니다. 이 워크플로는 기회를 신호에서 테스트를 마친 결과물로 전환하는 동시에 조사, 엔지니어링, 커뮤니케이션 간의 인수인계를 줄입니다.

어떤 기회가 중요한지, Exa가 어떤 약속을 해야 하는지, 외부 관계를 어떻게 관리할지는 여전히 사람이 결정합니다. 테스트와 검토 지점을 통해 에이전트의 작업을 배포 전에 확인할 수 있습니다. 테스트 결과와 사람의 검토를 바탕으로 팀은 다음 실행 전에 워크플로에서 조정할 부분을 파악할 수 있습니다. 업무의 중요도가 높아질수록 권한, 근거, 의사결정권이 워크플로 설계에서 더 큰 비중을 차지합니다.

Basis, Clay, Exa의 사례는 엔터프라이즈 시그널 전반에서 확인되는 패턴을 실제 운영 방식으로 보여줍니다. Basis는 검증된 프로세스를 재사용 가능한 스킬로 전환합니다. Clay는 변화하는 업무를 최신 상태로 유지하는 데 필요한 맥락과 지속성을 에이전트에 제공합니다. Exa는 도구, 테스트, 검토 절차를 더해 에이전트가 신호를 명확한 범위 내의 실행으로 옮길 수 있게 합니다. 세 기업 모두 개선을 워크플로의 일부로 만듭니다. 온보딩의 예외 사항은 스킬을 다듬어야 할 부분을 드러내고, 새로운 고객 계정 활동과 영업 담당자의 검증은 거래 맥락을 최신 상태로 유지하며, 테스트와 사람의 검토는 향후 실행 범위를 더 명확하게 설정합니다. 각 사례는 구체적인 업무를 정하고, 이를 충분히 시험하고 조정할 수 있도록 하는 것에서 시작합니다. 사용하면서 역할 분담이 더욱 명확해지고, 워크플로의 효과가 입증됨에 따라 책임 범위도 확대됩니다.

프런티어 격차가 커지는 상황에서 기업 리더는 직원들이 중요한 워크플로를 시험하고 성공 여부를 측정하며, 가장 효과적인 실험을 반복 가능한 업무 방식으로 전환할 수 있도록 여지를 제공해야 합니다.

• 중요한 가치 창출 영역 하나를 선택하세요. 전략적 우선순위, 시스템, 인수인계, 통제, 측정 가능한 이해관계가 모두 맞물리는 엔드투엔드 워크플로부터 시작하세요. 학습할 수 있을 만큼 자주 반복되고, 재설계를 정당화할 만큼 중요한 업무여야 합니다.
• 성과와 측정 방법을 정의하세요. 책임자, KPI, 기준값, 안전장치를 명시하세요. 완료된 작업, 연결된 맥락과 도구, 예외 사항, 검토 부담을 기준으로 활용의 깊이를 추적하세요. 소요 시간, 품질, 비용, 매출 또는 위험을 기준으로 가치를 추적하세요. 출력량은 사람들이 AI에 더 많은 일을 맡기고 있음을 보여주지만, 그것이 실제로 가치 있는지는 워크플로의 성과로 알 수 있습니다.
• 에이전트의 직무 기술서를 작성하세요. 업무를 시작하는 조건, 목표 성과, 필요한 맥락, 도구, 권한, 그리고 에이전트가 완료를 위해 어느 정도까지 지속적으로 작업해야 하는지 정의하세요. 에이전트가 제시해야 할 근거와 사람의 검토를 위해 멈춰야 할 지점을 명시하세요.
• 에이전트를 뒷받침할 사람 중심의 체계를 구축하세요. 워크플로를 가장 잘 아는 사람들을 설계 과정에 참여시키세요. 비즈니스 성과, 도메인 논리, 접근 권한과 통제, 도입, 일상적인 사용을 각각 누가 책임질지 명시하세요. 스타트업에서는 소수의 인원이 이러한 책임을 함께 맡지만, 기업에서는 워크플로가 확장될수록 의사결정권을 명확히 정해야 합니다.
• 실험을 다른 사람도 확인하고 재사용할 수 있게 하세요. OpenAI의 연구에 따르면 도입 6개월 후 경력 초기 직원은 임원보다 일주일에 13개 더 많은 메시지를 보냈습니다. 직원들이 새로운 사용 사례를 시험할 수 있게 한 다음, 효과가 입증된 프로세스와 근거를 기록해 스킬, 플러그인 또는 공유 워크스페이스로 구성하세요. Chat, Work, Codex⁠(새 창에서 열기)는 서로 다른 모드를 지원합니다. Chat은 질문과 빠른 협업에, Work는 여러 단계의 지식 업무와 완성된 결과물 제작에, Codex는 기술적 실행에 적합합니다.
• 검증된 운영 패턴을 이어가세요. 효과가 입증된 맥락, 권한, 평가, 검토 지점, 책임자, 측정 기준, 지원 체계를 유지한 다음, 이를 다음 가치 창출 영역에 적용하세요. 새로운 실험을 할 때마다 다음 팀이 더 나은 출발점에서 시작할 수 있어야 합니다.