Every Employee an Intrapreneur: AI로 늘어난 실험을 조직의 결정으로 잇는 법

AI는 모든 부서에 실험실을 쥐여 줬지만, 실험 결과를 조직의 결정으로 바꾸는 장치는 그대로입니다. 본업을 유지한 자원자 네트워크, 탐색이 끝났음을 선언하는 결정 게이트, 결정과 가정을 남기는 공유 기록이 있어야 실험이 실행으로 이어집니다.

요약

Afoot 공동창업자 Vanessa Meyer는 AI 네이티브 기업에서 직원 한 명 한 명이 사내 창업가(intrapreneur)처럼 일하기 시작했다고 봅니다. 근거로 BCG 조사를 듭니다. AI 선도 기업의 3분의 2 가까이가 결재 절차를 걷어냈고, 절반가량은 결정권을 아래로 내렸으며, 4분의 3은 활동량보다 판단의 질로 성과를 봅니다. 업무와 인재를 AI 중심으로 다시 설계한 기업은 업종 보정 주주수익률에서 동종 기업보다 해마다 11%p 넘게 앞섰다는 BCG 연구도 함께 인용합니다.

문제는 인계(handoff)입니다. AI 덕분에 영업 담당자는 일주일에 피치 다섯 가지를 실제 고객에게 시험하고, 재무 담당자는 새 가격 구조를 하루 만에 모델링합니다. 만드는 비용은 내려갔지만 그 결과가 무슨 뜻인지, 누가 움직여야 하는지 판단하는 비용은 그대로입니다. 저자는 병목이 여기로 옮겨 갔다고 보고, 해법으로 다섯 가지를 엮습니다. 혁신을 줄거리로 생각하는 narrative cognition, 현업 자원자 네트워크를 두는 dual operating system, 불확실성 아래 의사결정 원칙인 effectuation, 탐색 종료를 선언하는 decision gate, 그리고 이 모두를 잇는 governance loop입니다. 아래에서 하나씩 풀어 봅니다.

핵심 메커니즘

Groan Zone: 산출물은 늘고 판단 구간은 그대로

무엇인가. 퍼실리테이션 전문가 Sam Kaner가 쓴 말입니다. 아이디어를 넓게 펼친 뒤 그룹이 그 결과의 의미와 실행 여부를 정해야 하는 불편한 구간을 가리킵니다.

어떻게 작동하나. 입력은 AI가 쏟아낸 초안·모델·데모입니다. 이것들은 완성된 모습으로 도착하지만 왜 중요한지, 누가 움직여야 하는지에 대한 설명이 없습니다. 그래서 판단 부담은 받는 사람에게 넘어갑니다. 조직 전체로 곱하면 Shopify CEO Tobias Lütke가 말한 ‘slop grenades’, 즉 서로에게 던지는 저품질 산출물 폭탄이 됩니다. 출력은 무시되거나, 너무 일찍 기획 절차에 올라가 천천히 죽는 아이디어입니다.

언제 쓰나. AI 도입 뒤 아이디어·데모는 늘었는데 실제로 바뀐 운영이 없다면 이 진단부터 합니다.

작은 예시(가상). 마케팅팀이 AI로 캠페인 시안 40개를 만들었지만 어떤 기준으로 고를지 정한 사람이 없어 3주째 공유 폴더에만 쌓여 있는 상황입니다.

Narrative Cognition: 혁신을 줄거리로 앞으로 돌려 보기

무엇인가. Ohio State 대학 Project Narrative의 Angus Fletcher와 Mike Benveniste가 제안한 창의성 훈련 방식입니다. 행동·원인·결과의 연쇄로 생각합니다. 질문은 ‘무엇을 만들 수 있나’가 아니라 ‘이게 사실이면 다음에 무슨 일이 생기나’입니다.

어떻게 작동하나. 두 사람은 기존 창의성 교육이 divergent thinking(확산적 사고, 아는 것을 재조합해 아이디어를 많이 내는 방식)에 기대 왔다고 봅니다. 수십 년의 훈련으로 확산적 사고 시험 점수는 올랐지만 실제 혁신은 기대만큼 늘지 않았습니다. 확산적 사고는 계산 과정이라 AI가 대신할 수 있는데, AI가 이를 훨씬 큰 규모로 해도 창의적 과제 성적은 대부분 나아지지 않았다는 것이 두 사람의 관찰입니다. 대안인 narrative cognition은 세 가지로 훈련합니다. 예상 밖 사건을 새 기준으로 가정하는 world building, 다른 사람이 믿는 인과 모델을 빌려 보는 perspective shifting, 새 행위자를 기존 환경에 넣어 이어질 행동을 상상하는 action generating입니다.

언제 쓰나. 가격·영업·온보딩·보상처럼 시제품이 없는 혁신에 씁니다. 저자는 가격 인상을 예로 듭니다. 진입 가격을 올리면 소규모 고객은 이탈하지만 중견 시장은 넓어질 수 있고, 영업이 잠재 고객 선별 방식을 바꾸면 재무가 보는 매출 곡선이 달라집니다. 이런 혁신은 만들어 볼 수 없고 앞으로 돌려 볼 수만 있습니다.

왜 인계에 도움이 되나. 줄거리에는 처음부터 실행할 사람들이 등장인물로 들어 있습니다. 영업·마케팅·재무·운영이 나중에 통보받는 쪽이 아닙니다.

Dual Operating System: 위계는 운영하고 자원자 네트워크는 탐색한다

무엇인가. 하버드경영대학원 명예교수 John Kotter의 구조입니다. MIT의 Edgar Schein은 비슷한 구조를 parallel structures(병렬 구조)라고 불렀습니다. 기존 위계는 사업을 돌리고, 위계 곳곳에서 모인 자원자 네트워크가 다음 일을 탐색합니다. Kotter는 이들을 volunteer army(자원자 군단)라고 부릅니다.

어떻게 작동하나. 핵심은 네트워크 구성원입니다. 상설 랩 팀이 아니라 모든 직급에서 본업을 유지한 채 참여한 자원자입니다. 그래서 탐색한 사람이 곧 채택·자원 배분·확산을 맡을 사람이 되고, 인계가 문서가 아니라 사람으로 이뤄집니다. 구성은 유동적입니다. 기회 하나를 중심으로 모였다가 일이 끝나면 흩어지고, 각자의 에너지와 일의 필요에 따라 들고 납니다.

원문의 예. 저자는 별도 혁신 랩이 대부분 실패하는 이유를 조직과의 연결이 끊긴 데서 찾습니다. Google Labs VP Josh Woodward도 Lenny’s Podcast에서 같은 취지로 말했습니다. 데모는 다들 감탄하지만 회사가 흡수하지 못해 아무 일도 일어나지 않는다는 것입니다.

네트워크 안 관리자의 역할. 위계에서처럼 정보를 중계하고 거부권을 쥐지 않습니다. 자원자와 대등하게 참여해 코치와 촉진자 역할을 하고, 네트워크가 약속한 일에 정당성을 부여합니다.

Effectuation과 Decision Gate: 탐색이 실행으로 바뀌는 순간을 선언한다

무엇인가. Cynefin 프레임워크는 일을 둘로 나눕니다. complicated work(분석하면 답이 나오는 일)는 sense-analyse-respond로, complex work(인과가 나중에야 보이는 일)는 probe-sense-respond로 다룹니다. 위계는 주로 앞의 것을, 네트워크는 뒤의 것을 맡습니다. 복잡한 일에 사업계획서를 들이대면 아직 예측할 수 없는 결과를 예측하라고 요구하게 되어 탐색이 죽습니다.

어떻게 작동하나. 예측할 수 없을 때 어떻게 움직이나에 대해 저자는 Darden 경영대학원 Saras Sarasvathy의 Effectuation(숙련 창업가의 불확실성 아래 의사결정 방식) 네 원칙을 가져옵니다. 목표에서 거꾸로 계획하지 않고 가진 자원에서 출발합니다. 계획 경로를 지키기보다 뜻밖의 일을 활용합니다. 기대수익이 아니라 감당 가능한 손실(시간·돈·평판)로 베팅 크기를 정합니다. 미리 고른 ‘적임자’가 아니라 실제로 참여하는 사람과 만듭니다. 작은 베팅이 의미 있는 신호를 내면 일의 성격이 complex에서 complicated로 바뀝니다.

왜 게이트가 필요한가. 이 전환은 눈에 보이지 않습니다. 같은 사람, 같은 부업, 같은 반쯤 된 아이디어로 남아 있습니다. 그래서 너무 일찍 기획 절차에 올라가 죽거나, 아무도 키우지도 끝내지도 않는 부업으로 남다가 자원자가 지쳐 떠납니다. 저자는 이 순간을 ‘이제 실험이 아니다’ 또는 ‘배울 것은 배웠고 멈춘다’라고 소리 내어 결정하라고 말합니다. 이것이 decision gate입니다.

Governance Loop: 통제가 아니라 연결로서의 거버넌스

무엇인가. 탐색이 반드시 결정에 이르도록 하는 다섯 단계 순환입니다. 저자는 거버넌스를 통제가 아니라 연결로 정의합니다.

어떻게 작동하나. 첫째, 고객·시장·사람의 행동에 대한 공유 가정(shared assumptions)에서 출발합니다. 가정이 드러나 있으면 실험은 ‘어떤 믿음을 시험했나’가 되고, 이상 신호는 현실이 가정에서 벗어난 것으로 정의됩니다. 둘째, 신호는 여러 곳에서 들어옵니다. 운영 계획의 트립와이어, 전략적 예측이 그린 시나리오, 아무도 찾지 않던 이상을 AI가 짚어 낸 것까지 포함합니다. 셋째, 어느 부서에서든 작은 probe로 서사와 시제품을 시험합니다. 목표는 성공이 아니라 신호입니다. 넷째, 판단력과 전문성이 있는 사람들이 결정 게이트에 모여 두 질문에 답합니다. 무슨 뜻인가, 그리고 실행할 것인가. 다섯째, 결정을 제자리로 보냅니다. 통하는 것은 운영 계획으로 확산하고, 공유 가정을 고치고, 방향을 당장 바꿔야 하면 위로 올립니다.

빠지기 쉬운 고리. 저자는 결정 자체가 사라지는 문제를 짚습니다. 회의에서 합의해도 아무도 다시 보지 않는 메모나 세 명만 본 Slack 스레드로 흩어지면, 다음 실험은 방금 무너진 가정 위에 다시 지어집니다. 창업 초기에는 창업자가 모든 대화에 있어 이 문제가 드뭅니다. 수백 명이 동시에 탐색하는 대기업은 창업자 머릿속에 있던 것, 즉 무엇을 누가 결정했고 그것이 유지됐는지에 대한 공유 기록이 따로 있어야 합니다. 저자의 회사 Afoot가 만드는 제품이 이 기록 도구입니다.

통념과 다른 주장

저자가 든 사례

P&G: AI가 자기 영역 밖의 해법을 내게 했다

• 상황: P&G 전문가 791명을 대상으로 한 무작위 실험입니다.
• 한 일: AI를 쓰는 집단과 쓰지 않는 집단으로 나눴습니다.
• 결과: AI 없이 일한 사람은 자기 영역에 머물렀습니다. R&D는 기술적 해법을, 상업 부문은 상업적 해법을 냈습니다. AI를 쓴 사람은 출신과 관계없이 양쪽을 아우르는 해법을 냈고 결과물 품질도 올랐습니다.
• 연결: AI가 인접 전문성을 빌리는 비용을 낮춰 누구나 자기 영역 밖에서 시도하게 됩니다. 그만큼 groan zone에 쌓이는 산출물도 늘어납니다.

Google Labs: 실패 지점은 인계

• 상황: 별도 랩이 그럴듯한 것을 만들고 모두가 데모에 감탄합니다.
• 한 일: Josh Woodward가 Lenny’s Podcast 인터뷰에서 랩이 실패하는 조건을 설명했습니다.
• 결과: 조직과 연결되지 않으면 회사가 흡수하지 못해 아무 일도 일어나지 않습니다. 그는 팀의 좋은 아이디어가 디자인 스프린트가 아니라 산책·점심·한밤중·휴가 중에 나온다고도 했습니다. 수치는 원문에서 밝히지 않았습니다.
• 연결: Dual operating system과, 호기심이 켜질 때 그 흐름을 타라는 운영 원칙의 근거입니다.

PwC 2026 Hopes and Fears: 회사 안의 두 가지 사고방식

• 상황: 약 5만 명을 조사한 PwC 2026 Hopes and Fears 조사입니다.
• 한 일: 희소 기술과 높은 AI 역량을 갖춘 ‘front-runners’, 희소 직무 밖에서 AI로 앞서 나가는 ‘AI insurgents’, 나머지 ‘engine room’으로 나눴습니다.
• 결과: 프런트러너는 AI를 잘 쓰고 일하는 방식에 도전한 일로 보상받는다고 답하는 비율이 평균보다 훨씬 높고, 실수 회피에는 덜 매달립니다. 저자는 노동자의 약 3분의 1이 이미 사내 창업가처럼 움직인다고 정리합니다. 프런트러너의 29%는 1년 안에 직장을 옮길 가능성이 매우 또는 극히 높다고 답했습니다.
• 연결: 아이디어가 결정으로 이어지지 않으면 가장 앞선 인재부터 떠납니다. 결정 게이트와 공유 기록이 인재 유지 문제이기도 한 이유입니다.

기술 디테일: 결정·가정·신호를 데이터로 다루기

결정 게이트를 시스템으로 받치려면 회의 결과를 구조화된 결정 레코드로 남깁니다. 회의 녹취나 메모를 LLM에 넣어 초안을 만들고, 참석자 전원에게 확인을 받은 뒤에만 status: confirmed로 바꿉니다. 원문의 Afoot도 결정을 포착해 결정한 사람들에게 확인받는 흐름을 씁니다. 초안 생성은 temperature 0~0.2로 두고, 결정 문장이 회의 기록 어느 구간에서 나왔는지 evidence 필드에 타임스탬프로 남겨 지어낸 결정을 막습니다.

{
  "decision_id": "DG-2026-031",
  "probe_id": "PRB-PRICING-07",
  "outcome": "scale | stop | continue | escalate",
  "statement": "중견 고객 대상 진입가 인상 실험을 운영 계획으로 넘긴다",
  "tested_assumptions": ["ASM-014"],
  "assumption_result": "held | broken | unclear",
  "decided_by": ["영업본부장", "재무 FP&A 리드", "실험 오너"],
  "confirmed_by": [],
  "owner_after_gate": "영업운영팀",
  "evidence": [{"source": "meeting-1104.vtt", "t": "00:42:10"}],
  "status": "draft | confirmed"
}

공유 가정과 AI 신호 탐지를 연결하려면 가정을 먼저 레지스터로 만듭니다. 필드는 assumption_id, statement, owner, metric, threshold, last_checked 정도면 충분합니다. 이상 탐지는 지표가 threshold를 벗어날 때 그 가정 ID를 붙여 알림을 내고, LLM은 ‘어떤 가정을 시험할 probe가 필요한가’를 한 문장으로 제안합니다. 가정 없이 이상만 잡으면 알림이 쌓이기만 하므로, 가정에 묶이지 않은 알림은 주간 리뷰에서만 봅니다.

Narrative cognition을 LLM으로 돌리려면 perspective shifting을 프롬프트 구조로 만듭니다. 시나리오 하나에 관점 3~5개(영업 담당, 재무, 핵심 고객, 경쟁사 등)를 주고 관점마다 ‘다음에 할 행동 3개와 그 이유’를 JSON으로 받습니다. 같은 입력을 서로 다른 모델 2종에 3회씩 돌려, 두 모델이 공통으로 예측한 행동은 ‘유력’, 한쪽에서만 나온 행동은 ‘확인 필요’로 표시합니다. 관점끼리 행동이 부딪히는 지점이 결정 게이트에서 물을 질문이 됩니다. 결과는 예측이 아니라 시험할 가정 목록으로 다룹니다.

Probe 카드에 감당 가능한 손실을 적으려면 실험 시작 전에 max_hours, max_cost, reputation_risk(낮음·중간·높음), tested_assumptions, review_date를 채웁니다. 상한을 넘으면 자동으로 게이트 안건에 오르게 합니다. 기대수익 필드는 일부러 두지 않습니다. Effectuation 원칙과 맞추기 위해서입니다.

실패하는 경우와 대응. 결정 레코드가 확인 없이 쌓이면 기록 도구가 또 하나의 슬롭 저장소가 됩니다. 7일 안에 확인되지 않은 초안은 폐기하고 실험 오너에게 알립니다. 가정 레지스터가 50개를 넘으면 아무도 보지 않으므로, 분기마다 실험에 한 번도 쓰이지 않은 가정을 정리합니다.

현업 실행 디테일: 누가, 언제, 무엇을

원문이 소개한 Nathaniel Whittemore(The AI Daily Brief)의 세 역할을 실행 역할로 옮기면 다음과 같습니다.

역할	맡는 일	우리 조직에서 맡을 사람(예시)
Intrapreneur Coach	탐색하는 사람에게 밀 때·멈출 때·놓을 때를 코칭	부서 리더 중 지원자 2~3명
Experiment Portfolio Manager	실험을 포트폴리오로 보고 지원·확산·통합·중단 결정 운영	AX 추진 조직 리드
Internal Agent Product Manager	탐색에 쓰는 도구·데이터·에이전트·보안 정책 관리	IT·데이터 조직
Decision gate 위원	무슨 뜻인지, 실행할지 판단	관련 부서 결정권자 3~5명
실험 오너	probe 설계와 신호 보고	자원자(본업 유지)

시작 전 준비물. 시험할 공유 가정 10~15개, 자원자 모집 공지, probe 카드 양식, 결정 레코드 양식, 게이트 일정(6주 뒤)입니다.

기간	할 일	산출물
1주	경영진·부서장이 공유 가정 등록, 자원자 모집	가정 레지스터, 자원자 명단
2~4주	부서별 probe 3~5개 실행(가격·영업 피치·온보딩 등)	probe 카드, 신호 기록
2~5주	매주 30분 신호 리뷰, 가정별 결과 갱신	주간 신호 요약
6주	Decision gate 개최, 결정 확인·배분	확인된 결정 레코드, 수정된 가정

게이트에서 묻는 질문. 이 probe는 어떤 가정을 시험했나. 그 가정은 유지됐나, 깨졌나. 실행한다면 누구의 운영 계획에 들어가나. 멈춘다면 무엇을 배웠고 누구에게 알려야 하나. 이 결정으로 고쳐야 할 다른 가정은 무엇인가.

진행 판정 기준(예시). 시험한 가정이 유지되고 운영 조직의 책임자가 인수 의사를 밝히면 확산합니다. 가정이 깨졌거나 감당 가능한 손실 상한에 이르면 중단하고 학습 내용을 기록합니다. 신호가 불분명하면 범위를 줄여 한 번만 연장합니다. 두 번째 연장은 없습니다.

AX 적용 제언. 국내 대기업 AX에서 흔한 장면은 AI 공모전·해커톤 데모가 쌓이는데 현업 반영 건수는 적은 상황입니다. 이 글의 처방은 아이디어를 더 모으는 것이 아니라 게이트를 먼저 만드는 것입니다. 첫 적용처는 시제품이 없는 영역, 즉 영업 피치·가격·온보딩·월 마감처럼 현업 리더가 스폰서로 나설 수 있는 업무가 좋습니다. 게이트 위원에 실제 인수 부서의 결정권자를 넣어야 인계가 사람으로 이뤄집니다. 결정 기록은 회의록 시스템이 아니라 사람과 에이전트가 함께 참조하는 데이터로 설계해, 이후 업무 에이전트가 ‘지금 유효한 결정과 가정’을 읽고 움직이도록 연결합니다.

원문 사례

항목	내용
저자·매체	Vanessa Meyer(Afoot 공동창업자), The Coordination Layer, 2026년 10월 20일
핵심 주장	AI는 탐색을 모든 부서로 넓혔고, 병목은 탐색을 결정으로 잇는 인계로 옮겨 갔다
BCG	AI 선도 기업의 3분의 2 가까이 결재 절차 제거, 절반가량 결정 하향, 4분의 3이 판단의 질로 평가. 업무·인재 재설계 기업이 연 11%p 이상 높은 주주수익률
PwC 2026	약 5만 명 조사, front-runners·AI insurgents·engine room 구분, 프런트러너 29% 1년 내 이직 가능성 높음
Doblin	성공한 혁신 2,000건 이상 분석, 혁신 10유형 중 제품 관련은 2개, 강한 혁신은 여러 유형을 결합
Anthropic	컴퓨터·수학 분야도 AI가 이론적으로 가능한 범위의 약 3분의 1만 활용
MIT 보고(Fortune 보도)	기업 생성형 AI 파일럿 95%가 손익 효과를 내지 못함
P&G	전문가 791명 무작위 실험, AI 사용 시 영역을 넘는 균형 잡힌 해법과 품질 향상
프레임워크	Kaner groan zone, Fletcher·Benveniste narrative cognition, Kotter dual operating system, Schein parallel structures, Cynefin, Sarasvathy effectuation
새 역할	Whittemore: Intrapreneur Coach, Experiment Portfolio Manager, Internal Agent Product Manager

핵심 개념

Intrapreneur

회사 안에서 창업가처럼 문제를 찾고 실험하는 직원

Ten Types of Innovation

Doblin이 정리한 혁신 10유형. 수익 모델·네트워크·구조·프로세스·제품 성능·제품 시스템·서비스·채널·브랜드·고객 참여

Exploration / Exploitation

새 가능성을 찾는 탐색과, 아는 것을 효율적으로 실행하는 활용

Affordable loss

기대수익 대신 잃어도 되는 시간·돈·평판의 상한으로 베팅 크기를 정하는 원칙

Trip-wire

운영 계획에 미리 정해 두는 경보 기준. 넘으면 재검토가 시작됨

Slop grenades

설명 없이 던져지는 AI 산출물. 판단 부담을 받는 사람에게 떠넘김

내 메모

TODO: 내 생각 추가

원문: Vanessa Meyer, “How AI-Native Companies Turn Every Employee into an Intrapreneur”, The Coordination Layer(2026-10-20). 요약·핵심 메커니즘·사례는 저자가 언급한 내용을 AX Partners가 다시 정리했고, 기술·현업 디테일과 인포그래픽·표는 새로 작성했습니다. 저자는 결정 기록 도구 Afoot의 공동창업자이며, 원문 끝에 디자인 파트너 모집 안내가 있습니다. 전체 내용은 원문에서 볼 수 있습니다.