3년 뒤 경쟁사가 절반의 인원으로 일한다면: 지금부터 무엇을 바꿔야 할까

1. 2028~2029년의 경쟁 구도

"인원 절반"이라는 말은 실제보다 무섭게 들립니다. 모든 회사가 직원을 절반씩 내보내야 한다는 뜻은 아닙니다. 회사에서는 사람 손이 여섯 번 가야 끝나는 업무 한 건을 경쟁사는 한 번 만에 끝낼 수 있다는 뜻입니다. 그 차이는 더 낮은 가격이나 더 빠른 고객 응대로 돌아갑니다.

앞으로 2~3년 사이에 AI 도구는 지시를 기다리는 어시스턴트에서, 업무를 계속 넘겨받고 여러 종류의 데이터와 도구를 불러 쓰며 예외만 사람에게 넘기는 시스템으로 바뀔 가능성이 큽니다. 워크플로(Workflow)를 미리 설계해 둔 회사는 업무량을 늘리면서도 인원은 매출보다 느리게 늘릴 수 있습니다. 반면 기존 방식의 회사는 매출이 늘 때마다 사무 지원 인력, 업무 조정 담당자, 관리자를 더 뽑아야 합니다.

"인원 절반"은 거래 한 건에 사람 개입(Human Touch)이 얼마나 필요한지의 차이를 가리킵니다. 사람이 이메일을 열고, 데이터를 옮겨 적고, 문서를 만들고, 승인을 받고, 시스템을 업데이트해야 하던 업무가 나중에는 전체 건의 10~30%만 사람이 확인하면 되는 수준이 될 수 있습니다. 경쟁사가 먼저 여기에 이르면 그 차이로 가격을 낮추거나, 서비스를 늘리거나, 신규 고객 확보에 투자할 수 있습니다.

2. 경쟁력 격차는 도구 구독보다 시스템에서 생깁니다

같은 도구를 산 두 회사가 서로 다른 결과를 얻는 일은 흔합니다. 한 회사는 직원이 AI에게 그때그때 질문하고 답을 직접 시스템에 옮겨 붙입니다. 다른 회사는 데이터가 시스템 사이를 알아서 오가도록 구성해 둡니다. 차이는 도구보다 일을 짜는 방식에서 납니다.

AI 모델이 같아도 결과는 달라질 수 있습니다. 첫 번째 회사에서는 직원이 질문을 하나씩 던지고 결과를 시스템에 다시 복사합니다. 두 번째 회사에는 중앙 데이터, 업무 규칙, 워크플로, 모니터링이 갖춰져 있어 AI가 반복 업무를 하루 종일 맡습니다. 두 회사를 가르는 것은 프롬프트 실력보다 회사의 운영 체계(Operating System)입니다.

이 격차는 복리처럼 쌓입니다. 워크플로가 돌아가기 시작하면 회사는 피드백과 예외 사례를 더 많이 모으고, 시스템은 나아지고, 비용은 내려가고, 팀은 다음 업무 프로세스를 설계할 시간을 얻습니다. 아직 여기저기서 따로 실험만 하는 회사에는 함께 배울 데이터가 없습니다. 부서마다 처음부터 다시 시작하고, 아무도 실제 업무를 AI에게 맡기지 못합니다.

의사결정 속도도 달라집니다. 보고서가 자동으로 요약되고 문제가 바로 알려지면 경영진은 가격, 재고, 캠페인을 더 빨리 조정할 수 있습니다. 그래서 이점은 인건비 절감에 더해, 문제를 늦게 발견해서 생기는 손실을 줄이는 데까지 이어집니다.

3. 기존 방식의 회사와 AI 기반(AI-enabled) 회사 비교

AI 기반 회사라고 해서 인원이 가장 적어야 하는 것은 아닙니다. 이런 회사는 신뢰를 쌓는 일, 판단이 필요한 일, 새 아이디어를 내는 일에 사람을 씁니다. 고객 경험을 해치지 않는다면 낮은 비용 구조는 모든 부서를 똑같은 비율로 줄이는 감원보다 오래가는 이점이 됩니다.

4. 경쟁에서 뒤처질 위험 점검하기

Lead-to-Quote(문의부터 견적까지), Order-to-Cash(주문부터 대금 회수까지), Issue-to-Resolution(문제 접수부터 해결까지)처럼 핵심 업무 프로세스 세 가지를 골라 물어보십시오. 같은 데이터를 몇 번 다시 입력하는지, 인계(Handoff) 지점이 몇 곳인지, 표준적인 건이 몇 퍼센트인지, 직원이 실제로 판단하는 데 쓰는 시간이 몇 분인지. 시간의 절반 넘게 찾고, 베끼고, 요약하고, 넘기는 데 쓰고 있다면 자동화할 여지가 큽니다.

데이터 체계도 점검하십시오. 제품 목록, 가격, 계약서, 고객 이력이 개인 파일에 흩어져 있으면 AI가 업무를 이어 붙이기 어렵습니다. 지금부터 데이터와 접근 권한을 정리하는 회사는 기술이 발전할 때 새 모델을 더 빨리 도입할 수 있습니다.

5. 지금부터 바꾸기 시작해야 할 다섯 가지

1. 업무 프로세스 기준선(Process Baseline) 만들기: 주요 워크플로의 처리량, 직접 작업 시간(Touch Time), 대기 시간(Wait Time), 오류, 작업당 비용(Cost/Task)을 잽니다
2. 기준 원본 데이터(Source of Truth) 만들기: 제품, 고객, 정책, 가격 데이터를 정하고 각각 책임자와 업데이트 주기를 둡니다
3. 한 경로를 끝까지 자동화하기: 모든 부서에 챗봇을 흩어 놓지 말고, ROI와 결과를 확인할 수 있는 워크플로 하나에서 시작합니다
4. 사람이 맡을 예외 설계하기: 어떤 건은 AI가 처리하고 어떤 건은 사람이 맡을지, SLA(서비스 수준 협약)는 얼마로 할지 정합니다
5. 오래 쓸 측정 체계 만들기: 프롬프트 수보다 품질, 비용, 속도, 고객 성과를 보여 주는 대시보드를 만듭니다

이런 준비는 기술이 바뀌어도 가치가 남습니다. 업무 프로세스, 데이터, 거버넌스는 여러 세대의 모델에 그대로 쓸 수 있기 때문입니다. AI가 완벽해질 때까지 기다렸다가 데이터를 정리하려 해서는 안 됩니다. 그때쯤이면 기반을 갖춘 경쟁사는 이미 몇 차례나 사업을 넓혀 놓았을 것입니다.

6. 당황하지 않되 늦지 않게 인력 계획 세우기

직무별로 업무 가운데 자동화(Automate), 보조(Augment), 사람 주도(Human-led)에 해당하는 비중을 나눠 보십시오. 당장 해고할 필요는 없습니다. 빈자리는 충원하지 않고, 사람을 매출을 만드는 일로 옮기고, 팀장에게 시스템의 작업 대기열(Queue)을 관리하는 법을 가르치십시오. 남는 처리 용량이 크다는 것이 데이터로 확인되면 그때 조직 구조를 결정하고, 그 과정은 투명하게 진행하십시오.

투자할 만한 기술은 업무 프로세스 설계, 품질 검사, 데이터 활용, 예외 판단, 고객 관리, 그리고 현장 지식을 시스템이 쓸 수 있는 규칙으로 바꾸는 능력입니다. 사업을 이해하고 AI를 부릴 줄 아는 직원은 손으로 하는 일을 빨리 처리하기만 하는 직원보다 더 큰 지렛대(Leverage)를 갖습니다.

AI가 효율을 20%, 40%, 60% 높이는 세 가지 인력 시나리오(Workforce Scenario)를 세우고, 경우마다 필요한 인원, 새 역할, 리스킬링(Reskill)에 걸리는 시간을 계산하십시오. 그러면 실제 결과가 나오기도 전에 줄어들 수 있는 자리에 장기 채용을 하는 일을 피할 수 있습니다.

7. 유행을 모두 좇지 않는 투자

8. 조정할 수 있는 3년 로드맵

1년 차: 핵심 워크플로를 측정하고, 운영 환경에 올릴 활용 사례 2~3건을 만들고, 데이터와 보안 기준을 정리합니다. 목표는 입증된 사업 성과와 이를 되풀이할 수 있는 핵심 팀입니다.

2년 차: 부서를 넘나드는 워크플로를 연결하고, 특화된 에이전트를 추가하고, 자동화된 업무에 맞춰 역할과 처리 용량 계획(Capacity Planning)을 조정합니다. 목표는 직원 1인당 매출과 제품 출시 속도가 눈에 띄게 오르는 것입니다.

3년 차: 운영 모델(Operating Model), 가격 정책, 그리고 AI 덕분에 가능해진 상품을 다시 짭니다. 개인 맞춤 서비스, 실시간 대응, 비용이 낮은 신제품 같은 것들입니다. 회사 구조는 기존 인력 계획에 얽매이지 말고 실제 결과를 보고 다시 검토합니다.

요약: 인원 절반으로 일하는 경쟁사가 앞서는 이유는 더 많이 줄여서라기보다, 한 사람 한 사람이 더 많은 성과를 내도록 시스템을 설계했기 때문일 수 있습니다. 업무 프로세스, 데이터, 측정에서 시작하고, 인력 시나리오를 세우고, 포트폴리오로 투자하십시오. 오늘 시작하면 가격과 속도의 압박이 급해지기 전에 배울 시간을 벌 수 있습니다.