대화 류예: OpenClaw는 단지 ‘손과 발’일 뿐이다. 우리는 ‘디지털 직원’에서 ‘디지털 조직’으로, ‘병사 양성’에서 ‘진형 배치’로 나아가야 한다.
대화｜장펑
모두가 ‘디지털 직원(Digital Employee)’과 ‘에이전트 도구(Agent Tool)’ 개발에 열을 올리고, 세부 시나리오 내에서 끝없이 내재적 경쟁을 벌일 때, AI 스타트업의 진정한 ‘보호벽(Moat)’은 어디에 있는가?
최근, 기크파크(GeekPark) 창립자이자 대표 장펑과 비전플로우(VisionFlow) 창립자 류예는 오픈클로우(OpenClaw) 폭발 이후 미래를 향해 전망하는 토론을 진행했다. 1979년 출생으로 중국 최초 세대 프로그래머인 류예는 하드웨어 저수준 계층에서 소프트웨어, 기업급 통합(ToB)에서 온라인 교육(산업 인터넷)에 이르기까지 완전한 주기를 경험했다. 수개월간의 은둔 기간 동안 그는 글로벌 최정상 AI 기업의 연구원들과 중국 내 정상급 창업가들과 ‘모두와 가능한 한 깊이 대화’한 후, 냉정한 결론을 내렸다: AI를 단일 작업을 대체하는 ‘디지털 직원’으로 간주하는 것은, 엔지니어 사고방식이 실제 비즈니스를 과도하게 단순화한 결과다.
이 대화에서 류예는 ‘점진적 노출(Gradual Exposure)’, ‘작업의 고차원·저차원 매트릭스(High-Dimensional/Low-Dimensional Task Matrix)’ 등 일련의 매우 영감을 주는 개념과 프레임워크를 제시했다. 논의 속에서 하나의 미래 가능성은 점차 분명해졌다: AI의 다음 단계는 무분별하게 확산되는 ‘도구 인간(Tool Human)’이 아니라, 협업·보고·성찰 메커니즘을 갖춘 ‘디지털 조직(Digital Organization)’을 구축하는 것이다. 기업 문화가 더 이상 필요 없게 되고, 저차원 업무가 완전히 소멸할 때, 미래의 CEO는 ‘최고경영자(Chief Executive Officer)’가 아니라, 극치의 미적 감각을 갖춘 ‘프로듀서(Producer)’가 될 수도 있다.
이는 AI 시대의 조직 형태, 상업적 보호벽, 그리고 차세대 창업가의 생태적 위치에 관한 심층적 탐색 및 전망이다. 이번 대화가 더 많은 창업가들 사이에서 미래에 대한 더욱 심도 있는 논의를 촉발하기를 기대한다.
다음은 기크파크가 정리한 대화 요약본이다:
01 만 A(만 개의 에이전트) 전쟁이 이미 시작됐다. 할 수 있는 일이 너무 많지만,
무엇을 해야 할 것인가가 가장 중요하다
장펑: 과거 ‘작업박스(JobBox)’에서 오늘날 오픈클로우가 가져온 변화를 이렇게 열렬히 탐구하게 된 배경에는, 당신 스스로 어떤 변화를 겪었는가?
류예: 저는 중국 최초 세대 프로그래머입니다. 어린 시절부터 프로그래밍을 배웠습니다. BASIC에서 DOS, 윈도우, 그리고 현재의 맥 시대로 이어지는 여정을 거쳤고, 중국 3대 포털의 부상도 목격했습니다. 저는 기업 정보화 사업을 수행하며 ‘중국의 IBM’을 만들고자 했습니다. 이후 ‘작업박스’로 전환하여 온라인 교육 분야에 깊이 관여했습니다. 온라인 교육은 매우 심층적인 산업이며, 산업 인터넷의 최고 형태이자 ‘마지막 기차’입니다. 이 경험을 통해 저는 산업 인터넷의 핵심이 기술이 아니라 산업 자체, 즉 비즈니스라는 점을 깊이 깨달았습니다. 산업 인터넷의 법칙은 먼저 정보 매칭을 하고, 다음에 표준화된 제품을 만들며, 그 후 공급망을 구축하고, 마지막으로 비표준 복잡 서비스를 제공하는 것입니다. 단계가 거듭될수록 마진은 높아지고, 동시에 난이도도 급격히 증가합니다.
따라서 AI 물결이 밀려올 때, 제가 한 첫 번째 일은 약 6개월간 아무것도 하지 않으며, 인사팀에게 모든 가능성을 다 탐색하라고 지시한 것이었습니다. 각 유명 스타트업의 수석 과학자부터 주요 기반 모델 대기업의 핵심 알고리즘 엔지니어·연구원, 그리고 신예 AI 창업가들까지 ‘모두와 가능한 한 깊이 대화’했고, 총 약 1,000시간에 달하는 집중적인 교류를 이뤄냈습니다. 어느 정도까지 대화했느냐면, 상대방이 말의 앞부분을 꺼내면 나는 뒷부분을 이미 예측할 수 있을 정도였고, 모든 사람들의 공통 인식은 거의 같아졌습니다.
이러한 대화를 모두 마친 후, 놀랍도록 일치된 결론이 도출됐습니다: 모두가 똑같은 일을 하고 있었습니다—‘디지털 직원’ 개발입니다. 이는 과거 어느 유명 인사가 클라우드 컴퓨팅에 대해 내린 전략적 오해를 떠올리게 합니다. 그는 알리바바의 클라우드 사업은 본질적으로 ‘온라인 저장공간(웹드라이브)’에 불과하다고 말했습니다. 오래된 틀로 새事物를 이해하려 한다면, 당신은 언제나 가장 얕은 층만 보게 될 것입니다.
오늘날 누구나 ‘디지털 직원’을 만들어 클로드(Claude)로 ‘디지털 세일즈’나 ‘디지털 고객센터’를 구현하는 것을 당연시합니다. 그런데 여기서 기술적 장벽은 어디에 있는가? 보호벽은 어디에 있는가? 한 사람이 하루에 수억 토큰을 소비하는 것이 일반화된 지금, 이는 오히려 제조업과 유사하며, 결코 ‘날 수’ 없습니다. 그래서 저는 매 창업가에게 똑같은 질문을 던집니다: “왜 바로 당신인가?(Why are you?)” 당신이 성공할 수 있는 이유는 무엇인가? 당신이 더 젊은가? 더 영리한가? 더 밤새 일할 수 있는가? 단일 차원에서 경쟁한다면, 그것은 단지 ‘10초 69’와 ‘10초 70’의 차이일 뿐입니다.
장펑: 음, 오늘날 할 수 있는 일이 너무 많지만, 무엇을 해야 할 것인가가 가장 중요합니다. 이에 대한 당신의 생각은 무엇입니까?
02 산업 인터넷의 10년, 오늘날 다시 한번 재현될 것이다
류예: AI는 매우 다르지만, 그럼에도 불구하고 산업 인터넷의 법칙과 암묵적으로 일치하는 부분이 있다고 믿습니다. 초기에는 도구를 만들고, 중기에는 비즈니스를 구축하며, 후기에는 컨설팅을 제공합니다. 기술이 아직 성숙하지 않았을 때, 가장 먼저 진입하는 이들은 항상 엔지니어입니다. 그들은 세상을 지나치게 추상화하는 데 능숙합니다. 예컨대 바이두의 ‘프레임 컴퓨팅(Frame Computing)’은 모든 것을 ‘프레임’으로 보는 사고방식을 반영합니다. 그러나 모바일 인터넷 후반부는 ‘프레임’이 아니라 콘텐츠와 서비스였습니다.
엔지니어 출신의 사람들이 조직을 상상할 때는 종종 비즈니스를 과도하게 단순화합니다. 중국 1세대 인터넷 3대 포털을 보면, 결국 가장 멀리까지 간 기업은 텐센트와 알리바바인데, 이 두 기업은 기술에서 다소 멀었지만 산업에는 매우 가까웠습니다. 오늘날도 마찬가지입니다. 기술은 점점 더 중요하지 않아지고 있습니다.
장펑: 이번 물결로 인문계 출신들이 꽤 기뻐하고 있네요. 코드를 못 쓰더라도 이제는 크게 상관없는 것 같군요. 그렇다면 장기적으로 보면, AI 시대에 인간에게 요구되는 역량은 도대체 무엇이며, 어떤 변화가 일어난 것입니까?
류예: 중국의 인재 구조를 분석하면서 하나의 문제점을 발견했습니다. 중국 최초 세대 프로그래머는 곧 ‘제품 매니저(Product Manager)’였습니다. 당시에는 ‘제품 매니저’라는 직책이 존재하지 않았기 때문입니다. 이 직책이 널리 알려지게 된 것은 2010년경, 조브스가 아이폰4를 발표하고, 장샤오룽이 제품 철학을 제시한 이후였고, 그때 비로소 ‘모두가 제품 매니저다’는 말이 나왔습니다. 그 이전에는 프로그래머가 제품 매니저의 업무도 함께 맡았기에, 먼저 프로그래머가 있었고, 그 후 제품 매니저가 생겼습니다. 따라서 최초 세대 프로그래머는 모두 제품 매니저였습니다. 이들은 취업을 위해 코드를 배운 것이 아니라, 순전히 흥미와 열정에서 출발했습니다. 이러한 규범을 초월하고 정형화되지 않은 사람들이야말로 가장 뛰어났습니다.
그러나 두 번째 세대 프로그래머, 특히 최근 10년간 산업 인터넷 시대에 프로그래머는 ‘코드 농부(Code Farmer)’로 전락했고, 제품 매니저는 ‘건축가’가 되었습니다. ‘코드 농부’는 비즈니스를 고민하지 않도록 ‘훈련’받았습니다. 이제 AI 시대가 도래하면서 ‘코드’ 부분은 사라졌고, 진화하지 않으면 정말 남는 건 ‘농부’뿐입니다. 이 젊은이들은 매우 우수하지만, 산업에 대한 이해는 공백 상태입니다. 따라서 현재의 ‘만 A 전쟁’은 본질적으로 도구 계층의 과잉 현상일 뿐입니다.
산업 인터넷 후기 단계를 보면, 알리바바나 메이퇀 같은 기업은 모두 최정상 컨설팅 회사(MBB) 출신 인재를 상시 채용해 비즈니스 분석을 수행했고, 컨설팅 전문가들이 제품 매니저와 함께 비즈니스 프로세스를 설계했습니다. 왜냐하면 인터넷 제품 매니저의 머릿속에는 체계적인 사고가 본능적으로 부족하기 때문입니다. ‘피시(Feishu)’도 이런 방식으로 탄생했습니다. 바이트댄스는 순수 인터넷 기업이지만, 내부 프로세스 구축에도 컨설팅 회사를 대규모로 활용했습니다. AI 시대에는 이 법칙이 약화되기보다는 오히려 강화될 것입니다.
03 기업의 문제는 결코 직원의 문제가 아니라 조직의 문제다
장펑: 그렇다면, ‘디지털 직원’이라는 단일 포인트에 집중해 내재적 경쟁을 벌이는 것은 큰 의미가 없다고 보시는 것이군요.
류예: 이것이 제가 내린 가장 핵심적인 판단입니다: ‘디지털 직원’은 종착점이 아니며, ‘디지털 조직’이 진정한 종착점입니다. 만약 디지털 직원이 만연해져 채용 담당자조차 사라지고, 모든 사람이 우수한 디지털 직원을 보유하게 된다면, 그 다음은 무엇입니까? 그러면 모든 기업이 자동으로 수익을 내고 성공하게 될까요? 사실 모든 기업의 문제는 전략적 문제와 조직적 문제이며, 결코 직원의 문제가 아닙니다.
따라서 오늘날의 에이전트(Agent)는 여전히 사람을 대신해 ‘일’을 하지만, 사람을 대신해 ‘결정’하지는 않습니다. 우리는 내부적으로 오픈클로우를 개조하여 ‘메타오그(MetaOrg)’라는 것을 만들었습니다. 이는 본질적으로 에이전트 팀을 생성할 수 있는 코어입니다. 우리는 어떤 작업을 해결할 때도 단일 직원을 파견하지 않고, 반드시 ‘조직’을 구성해 해결합니다. 이 조직은 협업 관계와 보고 관계를 갖추고 있으며, 사명과 목표, 실행 방식을 모두 포함합니다.
장펑: 그렇다면 미래에는 한 사람이 곧 한 부서가 될 수도 있고, 심지어 한 기업이 될 수도 있지 않을까요?
류예: 이는 매우 훌륭한 질문입니다. 우리가 미시적 수준의 작업, 예를 들어 AI로 짧은 동영상을 제작하거나 문서를 작성할 때를 생각해보면, 여러 차례의 대화가 필요합니다. 당신이 한 마디 하면, AI가 한 마디 답하고, 또 피드백을 주고, 다시 반응을 받는 식입니다. 이는 도구 인간처럼 사용하는 방식이며, AI는 단지 매우 영리할 뿐입니다.
그러므로 ‘사람’과 ‘부서’라는 개념은 단순히 수량적 차이가 아닙니다. 고위직의 채용 요건(JD)을 설명할 때, 보통 다음과 같이 표현합니다: 첫째, 다양한 업무를 수행할 수 있고, 다양한 도구를 사용할 수 있어야 한다. 고위직의 경우, 의도를 이해하고, 자율적으로 실행 경로를 계획·실행하며, 성과를 전달하고, 정기적으로 보고하며, 성과 결과를 성찰·요약하고, 성과 편차에 따라 전략을 동적으로 조정할 수 있어야 합니다. 이것이 고차원 역량입니다.
장펑: 적격한 부서란 ‘L4 수준 자율주행’과 같아야 합니다.
류예: 맞습니다. AI에게 단일 기능을 부여하면 복잡한 작업을 수행할 수 있고, 기능 시스템을 부여하면 복합적인 종합 작업을 수행할 수 있으며, 수많은 인텔리전트 에이전트(agent)를 편성하면 더 복잡한 작업, 예컨대 단편 드라마 제작까지 가능합니다. 저는 종종 직원들과 회의를 하며 이렇게 말합니다: “메타오그를 사용할 때는 자신을 부서장이 아니라, 회장으로 생각하세요. 그 한계를 끊임없이 시험해 보세요.”
미래의 젊은 창업가들은 과거에는 가족이 50만 위안을 지원해 창업을 시작했지만, 앞으로는 토큰 예산을 지정해 실험해 보는 방식이 될 수 있습니다. 얼마나 많은 토큰을 투입할 것인가가, 그가 담당할 수 있는 직무의 고도화 수준을 결정합니다. 직무가 고도화될수록 추론 체인은 길어지고, 반복적인 시도·오류·반복·성찰이 더 많이 필요합니다.
장펑: 앞선 질문으로 돌아가면, 에이전트 그룹이 더 세밀한 단위로 분해되거나, 유사한 직무와 역량으로 분해될 수 있다는 점입니다. 그러한 팀이 핵심 과제에 직면했을 때, 각 개인의 인재 질이 성패를 좌우합니다. 이는 다시 한 번 과거의 상업 조직 경쟁 논리로 회귀합니다: ‘인재 밀도(Talent Density)’, 즉 인재의 질이 높을수록 조직의 핵심 과제 수행이 용이해지고, 경쟁력을 확보할 수 있습니다.
이 문제의 핵심은, 미래에 AI가 모두 만능이 되어 우리가 세계 최고의 AI를 자유롭게 호출할 수 있게 된다면, 상업 조직이 더 효율적으로 세분화된 서비스를 제공함으로써 가치를 창출할 수 있는 것 외에, 또 다른 차원에서는 ‘인재 밀도’로 귀결되어야 한다는 점입니다. 즉, 당신의 에이전트나 봇이 이 체계 내에서 원자 수준까지 분해된 역량을 더 잘 갖추고 있다면, ‘인재 밀도’는 더 높아지고, 복잡한 과제 수행 시 결과·효율·혁신성까지 더 우수해질 수 있습니다. 이것이 올바른 추론인지 모르겠습니다.
류예: 저는 이 견해에 동의합니다. 기업 내부에는 일반적으로 ‘OD(Organization Development, 조직 개발)’라는 부서가 있습니다. 대기업에서는 이를 ‘조직 발전’ 부서라고 부릅니다. 조직이 전투에서 승리할 수 있는지를 평가하는 일반적인 방법은, 경쟁 기업의 모든 인재를 뽑아 비교 분석하고, 인재-직무 적합성과 역량-직무 적합성의 강약을 판단함으로써 전투 결과를 예측하는 것입니다. 따라서 대부분의 기업이 전투를 벌일 때는 비즈니스 전략이 아니라 조직 역량에 의존합니다. 가장 전형적인 사례가 알리바바입니다. 알리바바는 조직 건설을 매우 중시했기 때문에, 오늘날 ‘두 번째 봄’을 맞이할 수 있었습니다. 창업 팀은 노화되지만, 조직은 끊임없이 살아남을 수 있기 때문입니다. 본질적으로, 만약 우리가 경쟁자라면, 우리 둘 다 AI를 사용하고 있습니다. 저는 강력한 AI 조직을 구축하고, 뛰어난 AI 조직 개발 역량을 갖추고 있습니다. 그런 조직을 어떻게 구축해야 할까요? 저는 경쟁 기업의 모든 에이전트 스킬 시스템(agent skill system)을 하나씩 열어 분석하고, 그들의 스킬 코드를 검토한 후, 제 자신의 체계 내에서 더 우수한 스킬을 작성하거나, 그들이 누락한 기능을 보완합니다. 예를 들어, 전략부가 있다면, 우선 관찰과 분석을 실시합니다.
화웨이는 ‘오관삼정(五看三定)’이라는 방법론을 가지고 있습니다. 저는 친구들과 장난삼아 이렇게 말하곤 합니다: “우리가 이 방법론만 활용해도, 경쟁자의 99%를 제압할 수 있다.” ‘오관’이란 산업 트렌드, 시장 고객, 경쟁자, 자사 역량, 전략적 기회를 보는 것을 의미하고, ‘삼정’은 통제 포인트, 목표, 전략을 정하는 것을 의미합니다. 이 방법론만으로도 대부분의 경쟁자를 걸러낼 수 있습니다. 왜냐하면 대부분의 사람들은 무작위로 바둑을 두고, 빠른 직관에 의존하지만, 고수는 기본적으로 심층 사고와 추론 모드를 작동시키기 때문입니다. 첫 번째 반응은, ‘나는 총사령관으로서 이 일을 어떻게 해야 할까?’를 고민하는 것입니다.
장펑: ‘오관삼정’이라는 개념은 본질적으로 ‘즉각적 반응(응급 반응)’을 피하고, 장기적 추론 과정을 고정화하는 것을 의미하는 것이군요.
류예: 고수는 모두 ‘딥 리서치(Deep Research)’와 ‘심층 사고(Thinking)’ 모델을 따르며, 먼저 전 세계 최고의 사례와 정보를 살펴보고, 이를 종합 분석한 후 심층 사고와 추론을 거쳐 최종 해답을 도출합니다. 한 수를 두면 바로 승부를 가릅니다.
따라서 저는 미래의 경쟁 핵심은 단 하나뿐이라고 봅니다: 전통 산업의 비즈니스를 모델링하여, 시스템적 역량을 갖추고, 동시에 인텔리전트 에이전트를 편성할 수 있는 능력을 구축하는 것입니다. 이것이 차세대 조직 개발(OD) 역량이며, 이는 향후 AIOD(Artificial Intelligence Organization Development)로 진화할 것이며, 미래 유일한 핵심 경쟁력이 될 것입니다.
알리바바의 핵심 강점은 조직 구축에 있습니다. 조직 구축이 제대로 이루어지면, 어떤 경쟁자와 싸우든, 어떤 비즈니스를 하든 모두 경쟁력을 갖출 수 있습니다. 그리고 마윈은 “전투의 목적은 특정 영역을 점령하는 것이 아니라, 전투를 통해 조직의 성장을 실현하는 것이다”라고 말했습니다. 알리바바는 조직의 성장을 핵심 평가 기준으로 삼아, 어떤 전투가 치를 가치가 있는지를 판단합니다. 이는 매우 고차원적인 사고방식입니다. 마윈 본인은 진정한 의미의 ‘정보 허브’로서, 매년 200차례 비행하며 각종 정보를 수집하고, 이를 조직 구축을 위한 자료로 활용합니다. 그는 진정한 의미의 ‘회장(Chairman)’이며, 단순한 ‘최고경영자(CEO)’가 아닙니다.
이것이 우리가 목격한 가장 고차원적인 조직 형태입니다—여러 세대를 넘어서고, 다양한 산업을 아우르며, 지속적인 성공을 거두고, 침체에 빠졌을 때도 회복과 재상승이 가능합니다. 일반적으로 기업이 10년 안에 잘못된 CEO를 임명하면, 대부분 쇠퇴로 이어집니다. 따라서 역사에서 교훈을 얻고, 더 높은 차원의 시각으로 현재의 발전을 ‘강등’하여 기존 모델을 일부 정리·최적화하는 것이, 바닥부터 새로 구축하는 것보다 훨씬 효율적입니다.
현재 누구나 쉽게 에이전트를 구축할 수 있고, 직원들의 도입 장벽은 극도로 낮으며, 오픈소스 커뮤니티의 지원으로 업계는 이미 비밀이 거의 없습니다. 도구 계층에서의 내재적 경쟁은 오픈소스 커뮤니티를 결코 이길 수 없습니다. 그렇다면, 오픈소스 커뮤니티가 갖추지 못하고, 복제할 수 없는 핵심 경쟁력은 무엇입니까?
04 AI 조직의 물리학: 왜 ‘점진적 노출’이 핵심인가?
장펑: ‘지난 시대’ 조직을 논할 때는 조직 문화, 가치관, KPI 등 다양한 내용을 강조했습니다. 우리가 지난 시대의 조직 관리에서 AI 에이전트 조직의 새로운 시대로 전환할 때, 어떤 내용은 완전히 버려야 하고, 어떤 내용은 보존하되 변환해야 합니까?
류예: 앤트로픽(Anthropic)이 스킬(Skills)을 도입한 핵심 이유 중 하나는 AI 코딩 분야의 ‘점진적 노출(Gradual Exposure)’ 개념입니다—AI가 엄청난 양의 혼란스러운 정보를 한꺼번에 받아들이면, 컨텍스트 부패(Context Corruption)와 주의력 부족으로 인해 혼란이 발생합니다. 점진적 노출만이 AI의 주의력을 유지하고 우수한 결과를 도출하게 합니다. 인공적으로 점진적 노출을 실현하려면, 본질적으로 전면적인 인간 대화가 필요하며, 이는 매우 비효율적입니다. 따라서 스킬의 핵심 가치는 복잡한 작업을 계층적으로 분해하여 AI에 대한 점진적 노출을 실현하는 데 있습니다.
이는 기업 관리 논리와 일치합니다: 이사회는 전략적 문제에 집중하고, CEO는 전술적 문제와 고위 경영진 관리에 집중하며, 직원은 단순한 업무를 처리합니다. 만약 300명이 동시에 동일한 회의에 참석한다면, 그 회의는 전혀 진행될 수 없습니다. 조직이 존재하는 핵심 이유는 정보를 계층적으로 처리하는 데 있으며, 데이터베이스의 3정규화(Third Normal Form)가 정보 압축과 계층화를 통해 효율성을 높이는 것과 유사합니다. 복잡한 문제는 반드시 계층적으로 분해되고 점진적으로 노출되어야 하며, 한 번에 방대한 컨텍스트를 입력해서는 안 됩니다. 이것이 전통 기업 조직 형태의 핵심 논리이며, 특정 시간 내의 연산 능력은 한정되어 있기 때문입니다.
장펑: 모델이 매번 처음부터 방대한 연산 능력을 소모해 새로 창조해야 하므로, 효율성이 극도로 낮습니다.
류예: 불가능합니다. 핵심은 여전히 계층적 점진적 노출에 있습니다. 필요한 자원은 반드시 호출되어야 하며, 이는 AI 모델의 능력 한계에 의해 결정됩니다. 또한 앤트로픽이 스킬을 도입한 또 다른 이유는, 복잡한 작업이 기초 물리학 법칙을 넘어섰기 때문입니다. 스킬은 복잡한 작업을 하나하나 저차원의 단순 작업으로 분해할 수 있습니다. 작업을 구분하는 핵심 차원은 난이도가 아니라 복잡성입니다—즉, ‘저차원 고난이도’, ‘고차원 고난이도’ 등 다양한 유형이 존재합니다. 예를 들어, 프로그래머의 코딩이나 수학 문제 풀이는 저차원 고난이도 작업에 해당합니다.
지평선(Horizon Robotics)의 위카이는 고전적인 모델을 제시했습니다: 모든 직업은 ‘경쟁 강도’와 ‘차원 고도’에 따라 네 가지 사분면으로 분류될 수 있습니다—즉, 고차원·고경쟁, 저차원·저경쟁, 저차원·고경쟁, 고차원·저경쟁입니다. 이 중, 영업과 엔지니어는 저차원·고경쟁에 속하고, 제품 매니저와 CEO는 고차원·고경쟁에 속하며, 과학자는 고차원·저경쟁에 속합니다—이 분야의 연구자는 전 세계에 단 한 명뿐일 수도 있으며, 경쟁은 낮지만 차원은 매우 높습니다. 우수한 단편 드라마나 훌륭한 소설 같은 고차원·고경쟁 작업은 현재 AI가 아직 수행할 수 없지만, 코드 최적화 같은 저차원·고경쟁 작업은 AI가 이미 훌륭하게 수행할 수 있습니다. 차원이 높을수록 데이터 소스는 줄어들지만, 모델을 훈련하는 데 필요한 데이터 양은 오히려 증가합니다. 이것이 텍스트 모델이 먼저 등장하고, 그 후 이미지 및 비디오 모델이 등장했으며, 특히 단편 동영상 모델이 실용화되기 어려운 핵심 원인입니다. 이러한 고차원 작업과 고차원 데이터 간의 공급-수요 불균형은 스킬을 통한 작업 분해로만 보완할 수 있습니다. 기업에서 고차원 고위직 인재를 찾을 수 없을 때, 이를 세 개의 기초 직무로 분해하는 것과 같습니다. 다만 CEO 같은 고차원 직무는 대체 불가능합니다.
장펑: 저차원·고경쟁 작업은 거의 100% AI에 의해 대체될 것입니다.
류예: 완전히 대체될 것이며, 이미 대체가 진행 중입니다.
장펑: 실제로 그렇습니다. 따라서 모든 저차원·고경쟁 작업은 가능한 한 빨리 AI로 해결해야 하며, 이를 스킬로 분해한 후 에이전트 조직을 통해 구현할 수 있습니다. 이 과정에는 반드시 인간이 개입할 필요는 없습니다.
류예: 제가 한 가지 초기 구상이 있습니다. IBM과 액센츄어는 세계 최대의 두 컨설팅 기업으로, 그 핵심 사업은 산업 최고 사례(Best Practice)를 추출하고, 이를 디지털화와 연결하는 것입니다. 즉, 그들이 판매하는 것은 도구가 아니라 프로세스입니다. 기업이 리스크 관리 프로세스나 IP를 구매할 때는 반드시 컨설팅 기업이 현장에서 구현하도록 요청합니다. 현재 우리의 핵심 작업은 스킬 클러스터를 구축하고, 각 분야의 최정상 전문가를 찾아 그들의 역량을 추출하고 정렬하여 표준화된 스킬셋(Skill Set)을 형성하는 것입니다. 이는 ‘작업박스’의 모델과 유사합니다—작업박스는 베이징 사중, 런민다쉬, 고교 입시 출제단, 스터디닷컴의 교사들과 협력하여 문제 출제·해설·채점 등의 핵심 방법론을 추출하고, 바이두의 알고리즘 엔지니어들과 협력해 시스템을 구축했는데, 이 역시 최고 사례와의 정렬을 본질로 합니다. 조직 역량의 핵심은 우수한 크로스디스플리너리 팀을 구성하는 데 있습니다. 즉, 산업과 공학을 모두 이해하고, 다양한 수직 분야의 최정상 산업 전문가를 연계할 수 있어야 하며, 동시에 비즈니스, 인재 채용 및 관리 역량도 갖춰야 합니다. 이것이 차세대 AI SaaS 기업의 핵심 구성 요소입니다.
장펑: 더 나아가 추론해보면, 미래에는 비즈니스 차원에서 역으로 필요한 조직 형태를 도출해야 합니다. 조직은 본질적으로 편성 구조이며, 비즈니스 운영체제와 유사합니다—인간을 생산성 단위로 삼아 적절한 조직에 배치하면 최대 가치를 발휘할 수 있지만, 그렇지 않으면 효율적으로 작동하지 못합니다. 현재 생산성 요소는 인력 의존에서 무한히 공급 가능한 AI로 대체되었으며, 긍정적 피드백 루프가 형성되면 지속적으로 확장할 수 있습니다. 과거의 조직 문화는 이제 목표와 컨텍스트로 전환될 수 있으며, 구호, ‘삼판부 회의(Three-Board Meeting)’, 빙하기 해소 활동 등 형식적인 요소는 더 이상 필요하지 않습니다.
류예: 문화는 관리 의도를 위한 것이지, 비즈니스 의도를 위한 것이 아닙니다. 지난 시대에는 전략이 비전에서 출발했고, 비전이 가치를 결정하며, 조직은 전략에 복무하고, 비즈니스가 모든 것을 검증했습니다. 문화는 단지 조직을 관리하는 수단일 뿐이며, 전략을 직접적으로 뒷받침하지 않으며, 심지어 창업자의 개인적 선호일 수도 있습니다.
장펑: 과거에 인간이 전략을 실행하는 과정에서 많은 간극이 존재했으나, AI가 이러한 간극을 해소하고 있는 것입니까?
류예: 그렇습니다. AI 시대에는 문화가 더 이상 중요하지 않습니다. 문화는 인간 조직의 신념 부분이지만, AI는 필요하지 않습니다. AI는 살과 피가 없으므로 문화의 이끌림이 필요 없습니다. AI의 핵심 요구사항은 연산 능력입니다.
장펑: 당신의 말씀은, AI가 필요로 하는 것은 목표와 원칙이라는 뜻입니까? 하나의 문서만으로도 목표와 원칙을 명확히 정의할 수 있고, 모든 생산성 단위는 즉시 동기화되어 충실하게 실행하며, 편차가 발생하지 않습니다. 인간 조직에서 발생하던 상당한 마찰력이 사라진 것입니다.
류예: 그렇습니다. 기존 조직의 흐름은 ‘전략→문화→인재→실행’이었고, 현재 AI 조직의 흐름은 ‘목표→원칙→스킬→편성’입니다. 전체 관리 체인은 절반으로 압축되었습니다.
05 마지막 보호벽: 심미성과 편성
장펑: 기업의 새로운 보호벽은 무엇입니까? 인재 질은 스킬셋으로 대체되었고, 내가 심미성을 갖추고 있다면 전 세계 최고의 스킬을 자유롭게 확보할 수 있습니다. 그렇다면 그 다음 단계는 ‘편성(Orchestration)’이겠지요? 이는 어떤 변화를 가져올 것입니까?
류예: 화창북(Huaqiangbei)에서는 모든 전자 부품을 구입할 수 있지만, 왜 모두가 애플을 만들 수는 없는 것입니까? ‘乔布斯传’(조브스 전기)에서 심미성에 대한 정의는 매우 명확합니다: 세상의 훌륭한 것들을 충분히 많이 접해보고, 그것의 우열을 구분할 수 있는 능력이 바로 심미성입니다. 훌륭한 제품, 훌륭한 프로세스, 훌륭한 조직을 한 번도 본 적이 없다면, 우수한 성과를 창출할 수 없습니다.
장펑: 견문이 심미성의 전제입니다.
류예: 견문에 천부적인 재능이 더해질 뿐입니다.
장펑: 심미성은 두 가지 방식으로 나타납니다: 첫째, 능동적으로 설계하고 편성하는 방식이고, 둘째, 혼돈 속에서 우수한 사물이 자연스럽게 드러나는 것을 인식하고 선택하는 방식입니다. 이 두 방식은 서로 배타적이지 않습니다.
류예: 물론 배타적이지 않습니다. 애플의 일부 성과는 자체 개발이지만, 일부는 제3자 인수를 통해 이루어졌습니다. 핵심은 심미성을 갖추는 것입니다—바퀴를 다시 만들 필요 없이, 필요할 때 자체 개발하면 됩니다.
장펑: 핵심은, 에이전트를 사전 설정된 모듈 내에서 실행한 후 경로를 확인하여 ‘자연 발현형 편성(Emergent Orchestration)’을 실현하는가, 아니면 모든 경로를 사전에 설정하여 ‘설계형 편성(Designed Orchestration)’을 수행하는가 하는 점입니다.
류예: 자연 발현은 조작 불가능한 것이며, 먼저 ‘씨앗 규칙(Seed Rule)’과 원칙을 설정해야 하며, 이것이 바로 한 사람의 심미성을 반영합니다. 우수한 엔지니어는 500행 또는 5,000행의 코드로도 훌륭한 오픈클로우를 만들 수 있지만, 부적합한 엔지니어는 5만 행의 코드를 작성해도 동일한 효과를 얻을 수 없습니다. 이 ‘씨앗 규칙’은 여전히 인간이 설정해야 합니다.
장펑: 따라서 혼돈 속에서 자연 발현을 기다리는 것은 시간이 너무 오래 걸리므로, 편성은 여전히 매우 중요합니다. 이러한 편성은 궁극적으로 창업자에게만 가능할까요? 아니면 오히려 ‘프로듀서’에 가까운 역할일까요?
류예: 저는 ‘프로듀서’라는 정의가 매우 적절하다고 생각합니다. 실제로 그렇습니다. 자연 발현과 규모의 효과가 있다 하더라도, 데이터 라벨링, 데이터 정제, 그리고 알고리즘의 지속적 정렬이 필요하며, 무질서한 확장을 방지해야 합니다.
편성자의 역할은 비즈니스의 복잡도에 따라 달라집니다—복잡한 비즈니스는 한 사람으로는 완수할 수 없습니다. 예를 들어, 단편 드라마 제작이나 프롬프트 작성은 실제 작업에서 많은 어려움에 직면합니다. ‘1인 기업(One-Person Company)’이라는 개념은 남용되고 있습니다. 세상은 무한히 단순화될 수 없습니다. 컴퓨터는 한 사람으로 조작할 수 있지만, 한 사람이 모든 고차원 역량을 통달하기는 어렵습니다. 일론 머스크나 리페이페이처럼 여러 분야를 정통하고, 임의의 직무를 맡을 수 있는 초인재는 극히 드뭅니다.
장펑: 우리가 전 세계 최정상의 에이전트와 스킬 체계, 예를 들어 우수한 각본가를 호출할 수 있다면, 이 자원들을 활용해 전 세계적으로 유명하고 수익성 있는 영화를 제작할 수 있을까요? 각본가는 핵심 강점(좋은 각본)을 갖추고 있지만, 모든 단계를 수행할 수는 없으며, 이러한 ‘핵심 강점+글로벌 자원’의 폐쇄 루프는 실현 가능한가요?
류예: 이는 본질적으로 데이터 문제입니다—즉, 가장 고차원 정보를 저장할 수 있는 데이터가 존재하는가 하는 문제입니다. 예를 들어, CEO의 스킬을 훈련시키려면 현재 충분한 데이터가 부족합니다: 렌정페이의 만 자 분량의 장문, 마윈의 구두 발언도 그들의 고차원 인지 능력을 완전히 반영하지 못합니다. 전 세계 기업의 재무제표와 CEO의 모든 발언을 수집하더라도, CEO 역량을 수행할 수 있는 모델을 훈련시킬 수 없습니다. 왜냐하면 CEO의 핵심 역량은 암묵지(Implicit Knowledge)이며, 텍스트로 완전히 드러낼 수 없기 때문입니다.
장펑: 즉, CEO의 핵심 역량은 현재로서는 벡터화할 수 없습니다. 이는 ‘1인 기업’이라는 이상적 구상에 제약을 부과합니다—모든 사람이 단일 차원의 강점을 발휘하고 글로벌 최정상 자원을 결합하더라도, 핵심 편성자가 부재합니다. 본질적으로 이는 여전히 편성 능력의 문제입니다. 결국, 최고의 ‘부품’을 보유하더라도 강력한 편성 능력이 필수적입니다.
류예: 제품 매니저도 마찬가지로, 그 암묵지가 완전히 텍스트화될 수 없습니다. 이것이 현재 AI 파트너나 AI 생성 콘텐츠가 ‘생기 있게’ 보이지 않는 근본적인 이유입니다—고차원 암묵지 데이터의 부족 때문입니다. 데이터가 적을 때는 스킬에 집중하고, 데이터가 많아지면 모델 개발에 집중합니다. 로봇이 아직 실용화되지 않은 핵심 이유도 바로 충분한 데이터의 부재입니다.
장펑: 따라서 추론해보면, 미래 기업의 경쟁 승패는 최정상 모델에 접근할 수 있는지 여부가 아니라—초기 AI 자원은 표면적으로 동일하고, 연산 능력도 재정력과 비즈니스 폐쇄 루프 능력과 관련이 있으므로—궁극적인 차이는 ‘프로듀서’ 자체, 즉 그 편성 능력과 목표의 혁신성 및 의미성에 달려 있습니다. 이 두 가지가 바로 기업의 핵심 경쟁력입니다.
류예: 맥킨지 전 파트너는 저에게 맥킨지의 핵심 사업은 최고 사례를 추출하고 모델을 구축한 후, 기업에 이를 하나씩 실현하도록 돕는 것이라고 말했습니다. 예를 들어, 중국 자동차 제조사에 컨설팅을 제공할 때는 일본 동료에게 도요타의 사례를 물어보는 것입니다. 본질적으로 이는 최고 사례의 복제 및 실현입니다.
미멍(Mengmeng)의 단편 드라마 사례는 매우 참고가 됩니다. 그녀는 중국어학과 출신이지만, 핵심 팀은 칭화대·베이징대학 수학과 및 컴퓨터공학과 인재들로 구성되어, 히트 단편 동영상의 논리를 철저히 분석하여 매우 높은 히트율을 달성했습니다. 이 사고방식은 본질적으로 산업의 사회공학적 모델링이며, 과적합(Overfitting)의 가능성이 있더라도, 모델링 방향은 올바릅니다.
IBM, 액센츄어, 맥킨지는 모두 이와 같은 일을 합니다—1세대 맥킨지는 최고 사례를 파트너에게 모델링했고, IBM은 이를 디지털 프로세스로 전환했습니다. 본질적으로 모두 ‘관리와 프로세스의 판매’입니다.
장펑: 핵심은 최고 사례를 추출하고, 반복적으로 검증·실현하는 것입니다. 이것이 미래 상업 조직의 승패를 가르는 핵심입니다. 철저히 분해되어야만 효율적인 편성이 가능합니다. 따라서 여러분의 다음 단계 핵심 방향은 바로 이 사고방식을 따라 추진하는 것입니까?
류예: 지난 3년간 우리는 주로 AI ToC 비즈니스를 수행해왔으며, 메타오그 방식으로 전체 교육·연구 체계를 재구축했습니다. 이것은 단순한 ‘AI로 효율성 향상’ 이야기가 아닙니다. 우리는 완전한 ‘에이전트 기반 교육·연구 조직’을 구축했으며, 그 뒤에는 가상의 교육·연구 팀들이 움직이고 있습니다: 언어 학습 연구팀은 이중 언어 습득 이론의 최신 동향을 추적하고, 수직 분야 언어 자료 수집팀은 실제 언어 환경에서 자연스러운 표현을 수집하며, 대화 평가팀은 구두 표현 능력의 다차원 평가 기준을 수립하고, 대화 설계팀은 교수법을 자연스러운 인간-기계 상호작용으로 전환하며, 문제 컨테이너 설계팀은 연습 형식과 내용 적합성 문제를 해결하고, 데이터 분석팀은 사용자 행동에서 학습 효과의 진짜 신호를 발굴합니다. 각 팀은 고유한 스킬, 고유한 워크플로우, 고유한 평가 기준을 갖추고 있습니다. 현재 교재 데이터 라벨링, 모니터링 평가, 사용자 인사이트, 제품 반복 개선 등 약 80%의 작업이 AI에 의해 수행되고 있습니다.
우리의 발전 경로는 ‘AI를 기능으로서’에서 ‘AI를 조직 역량으로서’로 업그레이드되는 것입니다. 영어 교사라는 직무는 중간 수준의 복잡도를 갖추고 있으며, 우리는 이를 메타오그를 통해 추상화했고, 다른 직무를 생성할 수 있었습니다. 최신 스킬 아키텍처와 결합한다면, 더 고차원의 직무를 구축할 수 있을 것입니다.
현재 우리는 AI 튜터의 전 과정을 구축했으며, 편성 능력의 추상화 및 공학적 실현도 완료했습니다. 향후 메타 튜터에서 메타 조직으로 업그레이드될 가능성이 높습니다—그 최소 단위는 ‘직원’이 아니라 ‘직무’이며, 핵심은 직무 간 협업 및 관리에 있습니다. 현재 우리의 중점은 각 산업 분야의 최정상 CEO와 연계하는 것입니다. 왜냐하면 CEO야말로 핵심 ‘프로듀서’이기 때문입니다.
장펑: 따라서 여러분이 출시한 것은 확장 가능한 부서에 더 가까운 것입니까?
류예: 목표는 ‘기업’ 방향으로 진전하는 것입니다. 대기업은 본질적으로 여러 개의 작은 기업으로 구성되어 있으며, 그 최소 단위는 ‘직무’입니다. 전 산업 전략 선택을 고려해야 하면서도, 동시에 직무 수준에서 제품 반복 개선을 추진해야 합니다—직무가 제대로 설계되지 않으면, 관리자 역량이 아무리 뛰어나도 효율적인 조직을 형성할 수 없습니다.
장펑: 부서를 잘 운영하려면, 먼저 부서 관련 역량과 직무를 분해하고, 그 직무에 대응하는 스킬을 분해한 후, 이 스킬들이 SOTA(State-of-the-Art) 수준에 도달하도록 추구해야 합니다.
류예: 핵심 방법은 하나뿐입니다: 최정상 고객 기업과 공동 창조하는 것입니다. 개발된 스킬은 최정상 기업이 평가하여 요구 사항을 충족하는지 확인해야 하며, 이는 부하 직원이 작성한 방안을 상사가 검토하는 것과 같습니다. 자기 만족(self-hype)은 금물입니다. 예를 들어, 단편 드라마 모델링을 할 때는 업계 최정상 기관의 인정을 받아야 진정한 최정상이라 할 수 있습니다. 모든 것은 평가와 측정이 필요합니다.
미드저니(Midjourney)가 우수한 이미지를 생성할 수 있는 핵심은, 사진작가와 엔지니어로 구성된 팀이 최고 수준의 이미지 심미성을 갖추고 있기 때문입니다. LV가 스테이블 디퓨전(Stable Diffusion)으로 훈련한 이미지 모델이 일반 모델보다 훨씬 뛰어난 이유도, LV가 세계 최정상의 이미지 심미성과 데이터를 보유하고 있기 때문입니다. 이로부터 평가 능력이 핵심임을 알 수 있습니다. AI 기업을 운영하려면 IBM이나 화웨이처럼 해야 합니다—IBM은 최정상 자동차 기업을 서비스한 후, 자동차 제조 최고 사례를 습득하고 이를 외부에 제공합니다. 화웨이는 40억 위안을 들여 IPD(Integrated Product Development) 프로세스를 구입하여 자사 내부 관리에 활용할 뿐 아니라 외부에도 제공합니다. 이것이 바로 핵심 경쟁력입니다.
장펑: 본질적으로 최고 사례를 분해하여 스킬을 SOTA 수준으로 만들고, 이를 직무와 부서의 SOTA로 업그레이드한 후, 궁극적으로 비즈니스의 SOTA로 편성하는 것입니다. 이것이 비즈니스 최정상에 도달하기 위한 명확한 경로입니다. 또 하나의 핵심 질문은: 스킬을 어떻게 시대에 맞게 지속적으로 업데이트할 것인가? 지구 생물권의 변이처럼, 각 시대의 SOTA는 다음 시대에 도태될 수 있습니다. 이러한 변화에 어떻게 대응할 것입니까?
류예: 핵심 논리는 인간과 생물의 진화와 동일합니다: 인지(Perception), 계획(Planning), 실행(Action), 성찰(Reflection). 조직의 고인재 밀도와 크로스디스플리너리 특성을 유지하고, 한쪽 끝은 기술 최전선(연구자)과 연결하고, 다른 쪽 끝은 비즈니스 모델을 연구하며, 동시에 업계 최정상 고객과 공동 창조하고, 실제 시나리오에서 지속적으로 평가 및 최적화하는 것이 유일한 방법입니다.
장펑: 이로부터 역으로 추론해보면, 최정상 기업의 최고 사례로 형성된 체계는 중간 수준 기업의 비약적 향상을 가능하게 하지만, 이러한 체계는 자원과 재정을 갖춘 기업만이 이용할 수 있을 것이며, 중소기업과 젊은 창업가들은 부담하기 어려울 것입니다. 컨설팅 산업은 전통적 서비스에서 도구화된 제품으로 진화했고, 신세대의 기회는 스킬 수준에서만 존재할 수 있을까요? 스킬 수
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
极客公园
