AI 네이티브 기업의 업무 전환법

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

AI 활용 상위 10% 기업은 활성 사용자당 출력 토큰이 일반 기업의 8.3배에 이르며, 1월의 2.6배보다 격차가 커졌다. Basis는 한 번 정리한 온보딩 절차를 재사용 가능한 Skill로 바꿔 첫날 소요 시간을 2시간에서 30분으로 줄였고, Clay는 계정별 지속형 맥락과 하위 에이전트로 흩어진 영업 정보를 매일 갱신한다. Exa Labs는 Codex가 통합 기회를 찾고 맥락을 모아 pull request와 테스트 결과를 준비하도록 하되, 사람의 검토 뒤에만 외부 실행이 이뤄지게 했다. 업무를 확장하려면 측정 가능한 가치 표면을 고르고, 트리거·맥락·도구·권한·증거·중단 조건을 정의한 뒤, 검증된 절차를 Skill·Plugin·공유 workspace로 재사용해야 한다.

빠른 이해

새로운 점

AI 도입을 단순한 보조 기능이 아니라 맥락·권한·테스트·사람의 검토를 포함한 반복 가능한 운영 능력으로 전환하는 세 가지 업무 패턴을 묶었다.

핵심 메커니즘

반복되는 업무를 트리거·절차·완료 조건이 있는 Skill 또는 workflow로 정의하고, 회사 자료와 도구를 에이전트에 연결한다. 에이전트는 지속형 workspace나 지정된 출처에서 맥락을 갱신한 뒤 우선 행동, pull request, 테스트 결과 같은 산출물을 만든다. 사람은 권한과 결정권을 유지하고 증거와 검토 지점에서 실행을 승인하며, 예외·검증 결과·사용자 피드백을 다음 실행의 workflow 수정에 반영한다.

핵심 수치

활성 사용자당 출력 토큰: 일반 기업 대비 8.3배 (1월 2.6배)- AI 활용 상위 10%인 frontier 기업 기준
Basis 온보딩 소요 시간: 30분 (기존 2시간)- 첫날 온보딩 기준
Clay 받은편지함 분류 시간: 매일 밤 약 1시간 절감- Clay 자체 설명 기준
AI 도입 6개월 후 메시지 증가: 초기 경력 직원이 임원보다 주당 13개 더 많이 발송- OpenAI 연구 결과

섹션별 상세

AI 활용 격차와 운영 전환

AI 활용 상위 10%에 속하는 frontier 기업은 활성 사용자당 일반 기업의 8.3배에 해당하는 출력 토큰을 만들며, 이 비율은 1월의 2.6배에서 커졌다. 선도 기업은 에이전트를 회사 맥락과 도구에 연결하고 더 실질적인 업무를 위임한 뒤, 성공한 흐름을 반복하기 쉽게 만든다. 출력 토큰 증가는 AI를 더 많이 요청한다는 신호일 뿐이고, 실제 가치는 완료 작업·처리 시간·품질·비용·매출·위험 같은 workflow 결과로 측정해야 한다. 따라서 핵심 과제는 에이전트의 깊은 업무 참여를 사람이 신뢰하고 측정하며 개선할 수 있는 운영 능력으로 바꾸는 데 있다.

Basis의 재사용 온보딩 Skill

Basis는 회계법인을 위한 AI 에이전트를 만들며, 입사 첫날 온보딩을 기존 2시간에서 30분으로 줄였다. 직원은 Codex와 회사별 onboarding skill에 즉시 접근하고, Codex는 회사 개념을 안내하면서 컴퓨터에서 integration 설정을 백그라운드로 처리한다. Basis는 온보딩 절차를 한 번 실행한 뒤 명확한 트리거·단계·도구 접근 권한·완료 조건을 포함한 재사용 Skill로 고정했으며, 반복 질문이나 예외가 나오면 HR이 다음 입사자 전에 내용을 갱신한다. 그 결과 특정 담당자의 가용성에 덜 의존하면서도 복잡한 질문과 예외에는 사람이 개입하는 반복 가능한 흐름이 마련됐다.

Clay의 계정별 지속형 맥락

Clay의 영업 관련 정보는 CRM 기록, 이메일, Slack, 통화, 발표 자료, 문자 메시지, 내부 팀과 고객 옹호자의 대화로 흩어져 있어 거래 맥락을 계속 최신 상태로 유지하기 어려웠다. Clay의 GTM 엔지니어는 계정마다 지속형 workspace와 전용 하위 에이전트를 두고, 각 하위 에이전트가 1차 자료를 읽어 밤사이 deal folder를 갱신하게 했다. 조정 에이전트는 아침마다 모든 계정의 변경 사항을 모아 남은 고객 질문에 답하기, buying committee의 빈틈 채우기, 잠재 고객 재참여 유도 같은 우선 행동 목록으로 바꾼다. Clay에 따르면 이 흐름은 매일 밤 받은편지함을 분류하는 데 드는 시간을 약 1시간 줄였고, 각 추천에 근거 자료를 붙여 영업 담당자가 실행 전에 원문을 확인하게 했다.

Exa Labs의 검증된 실행 연결

Exa Labs는 AI 에이전트용 web search infrastructure를 만들며 개발자가 어디서든 search API를 사용할 수 있게 하는 “Exa everywhere” 목표를 추진했다. 저장소와 개발자 생태계에서 통합 기회를 찾고 맥락을 모아 여러 시스템의 업무를 조정하는 과정이 반복되자, Exa는 이를 Codex용 workflow로 정의하고 우선순위와 자료 접근 권한을 부여했다. Codex는 Slack과 Notion 같은 출처를 확인해 높은 우선순위의 기회를 찾고, 관련 맥락을 모으고, pull request를 만들고, 테스트를 실행하고, 주간 업데이트를 준비하며 필요할 때 초기 공지 초안까지 작성한다. 사람은 기회의 중요도와 Exa의 약속, 외부 관계를 결정하고, 테스트와 검토 결과를 이용해 다음 실행의 경계를 조정한다.

실험을 확장하는 운영 절차

조직은 전략적 우선순위와 시스템·인수인계·통제·측정 가능한 이해관계가 만나는 반복 업무 하나를 가치 표면으로 고르고, 책임자·KPI·기준선·Guardrails를 먼저 정해야 한다. 에이전트의 직무에는 트리거, 기대 결과, 필요한 맥락, 도구, 권한, 지속 실행 정도, 제출할 증거, 사람에게 멈출 조건을 포함한다. 업무에 가까운 사람들이 설계에 참여하고 결과 책임, 도메인 규칙, 접근 통제, 도입, 일상 사용의 결정권을 나눠야 하며, 초기 경력 직원이 임원보다 주당 13개 더 많은 메시지를 보냈다는 연구 결과는 실험 공간의 필요성을 뒷받침한다. 검증된 절차와 근거는 Skill·Plugin·공유 workspace로 포장하고, 다음 업무에도 맥락·권한·평가·검토 지점·책임자·측정 기준을 이어 붙여 확장한다.

용어 해설

AI 에이전트(AI Agent): — AI 에이전트는 정해진 목표를 바탕으로 필요한 맥락과 도구를 활용해 여러 작업을 이어서 처리하는 소프트웨어 구성요소입니다. 트리거를 받아 정보를 읽고, 정해진 절차를 실행하며, 결과물과 근거를 남기거나 사람의 검토 지점에서 멈춥니다.
지속형 맥락(Persistent Context): — 지속형 맥락은 업무가 바뀌어도 계정·거래·문서 같은 정보를 저장하고 갱신해 다음 작업에 이어 쓰는 구조입니다. 매번 자료를 처음부터 모으지 않고 최신 근거를 유지하므로 장기 영업이나 반복 업무에서 일관된 판단을 돕습니다.
온보딩 Skill(Onboarding Skill): — 온보딩 Skill은 특정 업무에 필요한 지침, 자료, 실행 순서, 완료 조건을 묶은 재사용 가능한 설정입니다. 한 번 시연한 온보딩 절차를 트리거와 도구 접근 권한이 있는 형태로 고정해 다음 입사자에게 반복 적용하고 예외가 생기면 갱신합니다.
Guardrails: — Guardrails는 에이전트가 수행할 수 있는 범위와 사람의 확인이 필요한 경계를 정하는 통제 장치입니다. 권한, 중단 조건, 검토 지점, 측정 기준을 미리 지정해 실행 속도를 유지하면서도 외부 발송이나 중요한 결정의 위험을 제한합니다.
KPI: — KPI는 업무 성과를 측정하는 핵심 지표입니다. 에이전트 도입에서는 출력량만 세지 않고 완료된 작업, 처리 시간, 품질, 비용, 매출, 위험, 예외와 검토 부담을 기준선과 비교해 실제 업무 가치의 변화를 판단합니다.

기술

Codex
Slack
Notion
CRM
Chat
Work

언급된 리소스

문서원문 링크