Building a Company Around Intelligence: Block이 직능 조직·코치·거래 world model로 AI 중심 회사를 운영하는 법
HBR Innovation Summit 2026 대담에서 잭 도시는 Block이 2024년 사업부를 직능 조직으로 되돌려 도구·정책을 하나로 맞춘 덕에 AI 도구를 빨리 들였고 원격 우선으로 글로 남는 업무 기록을 한곳에 모아 누구나 묻게 하면서 보고용 위계가 덜 필요해졌다고 설명했습니다. 관리자는 코치로 바뀌었고 거래 데이터로 고객·판매자의 다음 행동을 예측하는 world model을 회사 자체로 넓히려 합니다.
잭 도시는 AI 중심 회사의 출발점을 모델이 아니라 조직 구조와 기록 습관에서 찾습니다. Block은 2024년 사업부를 직능 조직으로 되돌려 도구와 정책을 하나로 맞췄고 원격 우선으로 남는 글 기록을 한곳에 모아 누구나 묻게 했으며 관리자를 코치로 바꿨습니다. 따라 하려면 사업부마다 다른 도구 계약과 흩어진 업무 기록부터 정리하고 결정을 기록해 되돌아보는 습관을 함께 들여야 합니다.
요약
Harvard Business Review가 2026년 11월 19일 IdeaCast 특별편으로 내보낸 HBR Innovation Summit 2026 대담입니다. HBR executive editor Alison Beard가 Block(Square, Cash App, TIDAL, Proto를 거느린 회사)의 공동 창업자이자 회장인 잭 도시와 이야기를 나눴고 세계 각지의 임원 청중이 질문을 보탰습니다. 도시는 Block이 2024년에 Square와 Cash App 사업부를 엔지니어링, 디자인, 재무·법무 같은 직능(discipline) 조직으로 되돌린 이유부터 설명합니다. 두 사업부가 따로 굴러가면서 문화와 도구가 겹쳤고 느슨하게 묶인 복합 기업이 될 위험이 있었다는 것입니다. 재편 뒤 회사 전체가 같은 도구, 정책, 문화 기준을 쓰게 됐고 AI 도구를 들일 때 벤더를 여러 곳 고를 필요가 없어 빨라졌습니다.
두 번째 축은 정보가 흐르는 방식입니다. 도시는 회사를 일과 책임을 나눠 주는 정보 전달 기술로 봅니다. Block은 원격 우선 회사라 거의 모든 업무가 글로 남고 AI가 이 기록을 모아 누구나 언제든 묻고 바로 움직일 수 있는 하나의 면을 만듭니다. 그러면 정보를 위아래로 나르던 보고 위계가 덜 필요해집니다. 사람의 역할은 IC(Individual Contributor, 직접 만들고 운영하는 사람), DRI(Directly Responsible Individual, 전략과 로드맵을 책임지는 사람), 코치(예전 관리자) 셋으로 정리됩니다. 도시는 회사가 이제 거의 들여다보이는 상태가 됐다며 “almost perfectly legible”이라고 표현했습니다. 대담은 여기에 거래 데이터로 만드는 world model, 오픈소스를 가치 신호로 쓰는 법, 결정을 기록해 되돌아보는 리더의 일, 작은 습관으로 AI를 퍼뜨리는 법을 더합니다. 아래에서 개념별로 풀고 실제로 돌릴 때 필요한 기술·현업 디테일을 붙입니다.
핵심 메커니즘
Functional Organization: 사업부를 직능으로 되돌려 도구를 하나로
무엇인가. 제품별 사업부(Square, Cash App) 대신 엔지니어링, 디자인, 재무·법무 같은 직능별로 회사를 묶는 구조입니다. Block은 2024년에 이 구조로 돌아갔고 도시는 2009년 창업 때의 모습으로 되돌린 것이라고 설명합니다.
어떻게 작동하나. 입력은 사업부마다 따로 고른 도구, 정책, 문화입니다. 직능으로 묶으면 같은 일을 하는 사람이 같은 기준을 쓰고 겹치던 벤더 계약이 하나로 줄어듭니다. 출력은 회사 전체 공통 표준입니다. 도시가 짚은 효과는 AI 도구를 들일 때 나타났습니다. 사업부마다 벤더를 따로 고를 필요가 없어 도입 속도가 빨라졌습니다. 직능마다 장인 수준의 숙련을 쌓고 제품끼리는 서로 도움이 되는 생태계로 엮는다는 목표도 함께 밝혔습니다.
언제 쓰고 언제 안 쓰나. 사업부마다 같은 종류의 SaaS·AI 도구를 따로 계약하고 있고 데이터와 고객이 사업부 사이에 겹칠 때 맞습니다. 사업부 사이에 고객도 데이터도 거의 겹치지 않는 지주사형 구조라면 도구 통합만 먼저 하고 조직은 그대로 두는 편이 덜 흔들립니다.
원문의 예. Cash App은 Square 출시 약 5년 뒤에 성장했고 두 사업부는 사실상 다른 회사처럼 운영됐습니다. 도시는 느슨하게 묶인 복합 기업을 원하지 않았다고 말합니다.
Written Artifacts: 글로 남는 업무 기록을 하나의 질의 면으로
무엇인가. 원격 우선 회사에서 업무가 남기는 글 기록(채팅, 문서, 계획, 결정)을 AI가 모아, 누구든 언제든 묻고 바로 움직일 수 있게 만든 하나의 면(surface)입니다.
어떻게 작동하나. 입력은 원격 근무라 거의 모든 상호작용에서 생기는 글입니다. AI가 이를 수집해 검색과 질의가 되는 상태로 둡니다. 출력은 사람이 위로 물어 내려받던 정보를 각자 직접 꺼내 쓰는 환경입니다. 도시는 회사를 정보 전달 기술로 보고 그 계보를 철도, GE, Silicon Graphics, Google의 관리 방식으로 짚습니다. 조직의 지능은 사람들 머릿속에 있고 정보가 얼마나 잘 흐르느냐에 달려 있는데, 기록이 한곳에 모이면 그 흐름에 위계가 덜 필요하다는 논리입니다.
언제 쓰고 언제 안 쓰나. 결정과 진행 상황이 채팅·문서로 남는 조직에서 성립합니다. 중요한 결정이 대면 회의와 구두 지시로만 오가는 조직은 질의 면을 만들어도 빈칸이 많습니다. 먼저 회의록과 결정 기록을 남기는 습관이 필요합니다.
원문의 예. Block 자체입니다. 도시는 이렇게 모인 기록 덕에 회사가 거의 완전히 들여다보인다고 말합니다.
Coach Assignment: 관리자를 코치로, 지휘 대신 배정
무엇인가. Block의 사람 역할은 셋입니다. IC는 직접 만들고 운영합니다. DRI는 전략과 책임, 로드맵을 맡습니다. 코치는 예전에 관리자라 부르던 역할로, IC나 DRI에게 배정돼 그들이 자기 기술을 깊게 익히도록 돕습니다. 이 세 역할 자체는 앞선 노트에서 다뤘고 이번 대담에서 새로 나온 것은 코치라는 이름과 배정이라는 운영 원리입니다.
어떻게 작동하나. 도시는 이 구조를 지휘와 통제가 아니라 배정(assignment)에 기반한 것으로 설명합니다. IC와 DRI는 회사 전체 정보를 보고 빠르게 만들고 고객 가까이에서 맥락이 풍부한 결정을 내립니다. 회사 지식 위에 만든 시스템은 회사가 다음에 할 만한 행동을 제안하고 그것을 실행할지는 사람이 정합니다. 가장자리의 사람은 일이 회사의 가치, 목적, 전략에 맞는지 맞춥니다. 도시는 어려운 일은 만드는 것이 아니라 무엇을 내놓고 무엇을 유지할지 고르는 것이라고 봅니다.
언제 쓰고 언제 안 쓰나. 코치가 평가와 결재까지 쥐고 있으면 이름만 바뀐 관리자가 됩니다. 결재 책임선이 규정으로 정해진 직무(재무 승인, 규제 보고)는 코치 역할과 분리해 둬야 합니다. 대담은 코치를 누가 어떻게 배정하는지는 밝히지 않았습니다.
Honest Signal World Model: 거래 데이터로 다음 행동을 예측
무엇인가. 다음 단어 대신 고객과 판매자의 다음 행동을 예측하는 모델입니다. 도시는 돈의 움직임을 정직한 신호(honest signal)라고 부릅니다. 말이나 설문과 달리 실제로 쓴 돈은 꾸미기 어렵다는 뜻입니다.
어떻게 작동하나. 입력은 Cash App과 Square를 오가는 거래 기록입니다. 처리 단계에서 고객이 하루를 어떻게 쓰는지, 판매자가 어떤 흐름으로 장사하는지를 모델로 만들고 다음에 할 행동을 예측합니다. 출력은 Block이 그 사람을 어떻게 도울지 가늠하는 판단입니다. 도시는 고객마다, 판매자마다 world model을 만들 수 있고 같은 방식으로 회사 자체의 현재 상태와 활동을 담은 모델도 만들 수 있다고 봅니다. 그는 LLM의 대안으로 world model 연구에 관심을 두고 있다고 말합니다.
언제 쓰고 언제 안 쓰나. 거래가 자주, 촘촘하게 쌓이는 결제·유통·구독 사업에 맞습니다. 거래가 1년에 몇 번뿐인 B2B 대형 계약은 거래만으로 다음 행동을 읽기 어려워 영업 기록과 계약 이력을 함께 써야 합니다.
작은 예시 (가상). 매주 화요일 식자재를 결제하던 식당이 3주 연속 결제액이 줄면, 모델은 다음 달 운영 자금 부족 가능성을 높게 보고 담당 DRI의 화면에 올립니다. 대출을 제안할지는 사람이 정합니다.
Decision Retrospective: 결정을 기록하고 되돌아보는 리더의 일
무엇인가. 도시가 꼽은 리더의 일 세 가지 가운데 두 번째, 좋은 결정이 맥락 속에서 내려지게 하는 일을 받치는 습관입니다. 무엇을 왜 결정했고 어떻게 됐고 무엇이 잘됐고 무엇을 더 잘할 수 있었는지를 남겨 되돌아봅니다.
어떻게 작동하나. 리더의 일은 셋입니다. 목적, 사명, 문화, 사람들이 서로를 대하는 방식이라는 환경을 정하고 그 이유를 설명합니다. 모든 결정을 직접 내리지 않고 결정이 고객·산업·경쟁사 맥락을 쓰도록 짜여 있는지 확인합니다. 회사를 성공하게 만든 것에도 도전해 바꾸거나 걷어 냅니다. 도시는 스스로 단일 장애점(single point of failure)이 되지 않으려 합니다. 결정 회고는 흔치 않고 보통 실패한 뒤에만 열리는데, 새 도구가 결정을 잘 보이게 해 회고를 쉽게 만든다는 것이 그의 설명입니다.
언제 쓰고 언제 안 쓰나. 결정 권한을 DRI에게 넘긴 조직일수록 필요합니다. 회고가 책임 추궁 자리로 쓰이면 사람들이 결정 기록을 덜 남기므로, 잘된 결정도 같은 형식으로 돌아봐야 합니다.
Show, Don’t Force: 보여 주고 작은 습관으로 퍼뜨리기
무엇인가. 가족 투자회사 여러 곳을 맡은 COO의 질문에 도시가 내놓은 AI 확산 방법입니다. 사고방식은 강제로 바꿀 수 없으니 도구를 앞에 두고 가장 단순한 일부터 해 보게 합니다.
어떻게 작동하나. 더 깊이 가고 싶은 사람은 스스로 일을 맡고 억지로 쓰게 하면 마찰이 생깁니다. 도시는 명상에 빗대 하루 1분을 2주 동안 해서 습관을 만든 뒤 늘리라고 권하고 이 생각을 James Clear의 『Atomic Habits』에서 얻었다고 밝힙니다. 기술 회사가 아닌 곳의 리더에게는 시간을 아껴 주거나 뭔가를 가르쳐 주는 시스템을 직접 하나 만들어 보라고 권합니다. 도시 자신은 매일 아침 3시간 동안 arXiv에서 논문 두세 편, 때로는 한 편을 읽고 도구로 직접 만들어 보며 한계를 익힌다고 말합니다.
성공은 어떻게 재나. 도시는 고객이 도구를 쓰고 가치를 느끼고 더 쓰고 생각지 못한 용도를 찾는지를 봅니다. Clay Christensen의 Jobs to Be Done을 끌어와, 고객이 제품으로 무엇을 하려다 실패하는지까지 지켜보고 그것을 지원하라고 말합니다. 트위터의 @멘션이 대화 기능으로 자란 일을 예로 들고 같은 패턴이 Square, Cash App, goose, Buzz에서도 나타났다고 말합니다. 핵심 지표도 함께 봅니다.
통념과 다른 주장
흔히 이렇게 봅니다AI 도입 속도는 어떤 모델과 도구를 고르느냐에 달려 있다.
도시는 이렇게 봅니다도입 속도는 조직 구조가 먼저 정한다. 사업부마다 도구와 정책이 다르면 고르는 일부터 느려진다.
근거2024년 직능 재편으로 회사 공통 도구·정책이 생긴 뒤, AI 도구를 들일 때 여러 벤더를 고를 필요가 없어 빨라졌다고 설명합니다.
흔히 이렇게 봅니다AI를 전사에 퍼뜨리려면 사용을 의무화하고 목표치를 내려야 한다.
도시는 이렇게 봅니다강요는 마찰을 낳는다. 도구를 보여 주고 가장 단순한 일부터 해 보게 하면, 원하는 사람이 스스로 깊이 들어간다.
근거하루 1분 명상을 2주 이어 습관을 만든 뒤 늘리는 방식에 빗대고 『Atomic Habits』를 근거로 듭니다.
흔히 이렇게 봅니다사내에서 만든 AI 도구를 오픈소스로 풀면 경쟁사에 가치를 넘겨준다.
도시는 이렇게 봅니다오픈소스는 배포 채널이자 가치를 재는 신호다. 직접 고쳐 쓰지 않고 호스팅과 관리에 돈을 내려는 곳이 있으면 그것이 가치의 증거다.
근거Stripe가 한 달 안에 goose를 포크했다는 사례를 들고 호스팅, 유료 추론, 규정 준수·보안용 기업 커넥터를 수익화 기회로 꼽습니다.
저자가 든 사례
2024년 직능 재편
| 구분 | 내용 |
|---|---|
| 상황 | Square와 Cash App이 다른 회사처럼 운영돼 문화·도구가 겹치고 느슨한 복합 기업이 될 위험 |
| 한 일 | 사업부를 엔지니어링, 디자인, 재무·법무 등 직능 조직으로 되돌림(2009년 출발 구조) |
| 결과 | 회사 공통 도구·정책·문화 기준, 중복 벤더 축소, AI 도구 도입 가속. 줄어든 벤더 수와 기간은 원문에서 밝히지 않음 |
| 연결 | Functional Organization |
goose와 Buzz의 오픈소스 공개
| 구분 | 내용 |
|---|---|
| 상황 | Block이 사내 에이전트 도구 goose와 Buzz를 만듦 |
| 한 일 | 오픈소스로 공개해 배포 채널이자 가치 신호로 씀 |
| 결과 | Stripe가 한 달 안에 goose를 포크. 수익화 후보로 호스팅, 유료 추론, 규정 준수·보안용 기업 커넥터를 꼽음. 매출 수치는 원문에서 밝히지 않음 |
| 연결 | Show, Don’t Force(예상 밖 쓰임 관찰), 통념과 다른 주장 세 번째 |
음성 모델 Dessa
| 구분 | 내용 |
|---|---|
| 상황 | 도시는 LLM이 연산을 비효율적으로 쓴다고 봄 |
| 한 일 | 언어 지식 없이 말소리만으로 학습한 음성 모델 Dessa를 만듦 |
| 결과 | 노트북에서 돌고 앞으로 휴대폰에서도 돌 것이라고 설명. 도시는 연산이 한곳에 몰리지 않는 분산 구조를 지지 |
| 연결 | Honest Signal World Model(LLM 밖의 모델에 대한 관심) |
기술 디테일: 글 기록 질의 면과 거래 world model을 돌리려면
아래는 원문에 없는 내용으로, 같은 구조를 우리 회사에서 실제로 돌릴 때 필요한 것을 정리했습니다. 필드, 수치, 설정은 모두 가상 예시입니다.
Written Artifacts 질의 면을 만들려면 원천과 권한부터 정합니다. 수집 대상은 메신저 공개 채널, 문서 저장소, 이슈 트래커, 회의 녹취 요약, 결정 기록 다섯 가지로 시작합니다. 문서마다 source, owner, team, acl(볼 수 있는 그룹), updated_at, project_id를 붙여 색인합니다. 질의 때는 질문한 사람의 권한으로 검색 결과를 먼저 거르고 LLM은 걸러진 근거만 써서 답합니다. temperature는 0~0.2로 낮게 두고 근거 문서가 하나도 없으면 답을 지어내지 않고 “기록 없음”과 함께 물어볼 담당자(owner)를 돌려줍니다. 답에는 근거 문서 링크와 마지막 수정일을 함께 붙이고 근거가 30일 넘게 갱신되지 않았으면 “오래된 근거”로 표시합니다. 개인 메시지와 인사·급여 문서는 처음부터 수집하지 않습니다. 가장 흔한 실패는 권한 필터를 검색 뒤에 거는 경우인데, 그러면 LLM이 볼 수 없는 내용을 요약해 흘립니다.
{
"question": "이번 분기 가맹점 이탈 대응 프로젝트에서 막힌 항목",
"asker": "u-2381",
"answer": "결제 연동 테스트 일정이 2주 밀렸고 법무 검토가 대기 중입니다.",
"evidence": [
{"doc_id": "TKT-4471", "source": "issue_tracker", "updated_at": "2026-11-18"},
{"doc_id": "MTG-1109", "source": "meeting_summary", "updated_at": "2026-11-12"}
],
"stale_evidence": false,
"filtered_by_acl": 3
}
Honest Signal World Model을 시험하려면 다음 행동 하나를 정해 예측 문제로 만듭니다. 처음부터 고객의 하루 전체를 모델로 만들지 않습니다. “30일 안에 운영 자금 대출을 신청할 판매자”처럼 행동 하나를 정하고 지난 12개월 거래를 주 단위로 묶어 결제 건수, 결제액, 객단가, 환불률, 정산 주기 변화를 특징으로 씁니다. 처음에는 그래디언트 부스팅 같은 표 데이터 모델로 기준선을 잡고 시퀀스 모델은 기준선을 넘을 때만 씁니다. 평가는 상위 1% 판매자 중 실제로 그 행동을 한 비율(precision@1%)과, 모델 없이 담당자가 고른 명단의 같은 비율을 나란히 봅니다. 모델이 고른 명단은 DRI 화면에 근거 특징 세 개와 함께 올리고 제안 여부는 사람이 정합니다. 금융 상품 제안이면 규제 검토를 거친 문안만 씁니다. 실패 신호는 계절 요인입니다. 연말 매출 급증을 이상으로 읽지 않도록 전년 같은 주와 비교한 값을 특징에 넣습니다.
Decision Retrospective를 돌리려면 결정 기록을 질의 면의 한 원천으로 둡니다. 결정마다 한 건씩 남기고 분기마다 무작위로 뽑은 결정과 결과가 크게 빗나간 결정을 함께 돌아봅니다. 잘된 결정도 같은 비율로 넣어야 회고가 추궁 자리가 되지 않습니다. AI는 회고 전에 결정 당시의 근거 문서와 이후 지표 변화를 모아 한 장으로 정리하는 데만 쓰고 평가는 사람이 합니다.
{
"decision_id": "DEC-2026-0317",
"dri": "u-1044",
"decided_at": "2026-09-02",
"what": "소상공인 대상 정산 주기 단축 기능을 2개 지역에 먼저 출시",
"why": ["해당 지역 이탈률 상승", "정산 지연 문의 증가"],
"context_docs": ["DOC-8812", "TKT-3920"],
"expected": "90일 이탈률 1%p 감소",
"review_at": "2026-12-01",
"outcome": null,
"went_well": null,
"do_better": null
}
Functional Organization의 효과를 보려면 도구 계약 장부를 먼저 만듭니다. 사업부별 SaaS·AI 계약을 vendor, category(코딩 보조, 문서, 검색, 고객 응대 등), business_unit, seats, annual_cost, data_scope, renewal_date로 정리하면 같은 범주에 벤더가 몇 개인지 바로 보입니다. 범주마다 표준 하나를 정하고 갱신일이 먼저 오는 계약부터 옮깁니다. 이 장부는 질의 면의 권한 설계에도 쓰입니다. 벤더가 하나로 줄면 수집 원천과 권한 연동도 하나로 줄어듭니다.
예상 밖 쓰임을 잡으려면 사내 AI 도구의 질의 로그를 의도별로 나눕니다. 설계 때 정한 용도(예: 코드 리뷰, 회의 요약)에 해당하지 않는 질의를 주마다 묶어 상위 묶음 다섯 개를 제품 담당에게 넘깁니다. 실패한 시도, 곧 사용자가 다시 묻거나 중간에 포기한 대화를 따로 세면 무엇을 지원해야 할지 보입니다. 로그는 개인을 지운 상태로만 봅니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| CEO·경영진 | 환경(목적·문화) 설명, 직능 재편 여부 결정, 결정 회고 참석 |
| AX 추진 리더(파일럿 오너) | 질의 면 범위와 첫 행동 예측 과제 선정, 12주 판정 보고 |
| CHRO | 관리자 → 코치 역할 정의, 평가·결재 책임 분리 |
| IT·보안 | 도구 계약 장부, 수집 원천과 권한(acl) 설계 |
| 데이터 팀 | 거래 데이터 특징, 기준선 모델, 결정 기록 저장소 |
| DRI(시범 과제 1개) | 모델 명단 검토, 결정 기록 작성, 회고 발표 |
시작 전 준비물. 사업부별 SaaS·AI 계약 목록과 갱신일, 시범 팀 하나의 지난 3개월 채팅·문서·이슈 기록 위치, 지난 12개월 거래 데이터 접근 승인, 지난 분기 주요 결정 10건과 그 결과, 관리자 직무 기술서(코치로 옮길 일과 남길 결재를 가르기 위해)입니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주차 | 도구 계약 장부 작성, 시범 팀·원천 5개 선정 | 범주별 벤더 표, 수집 범위서 |
| 3~5주차 | 질의 면 구축(권한 필터 포함), 시범 팀 사용 시작 | 질의 로그, 근거 링크 정확도 |
| 4~8주차 | 다음 행동 하나 정의, 기준선 모델과 담당자 명단 비교 | precision@1% 비교표 |
| 6~10주차 | 결정 기록 시작, 코치 역할 정의 초안 | 결정 기록 20건, 역할 정의서 |
| 11~12주차 | 첫 결정 회고, 확대 여부 판정 | 판정 보고서 |
확인 질문. 지금 사업부마다 같은 범주의 AI 도구를 몇 개씩 계약하고 있나? 지난주 가장 중요했던 결정은 어디에 글로 남아 있나? 팀장 업무 가운데 정보 전달이 차지하는 시간은 얼마이고 그중 질의 면이 대신할 수 있는 몫은? 거래 데이터로 예측할 다음 행동 하나를 고른다면 무엇이고 맞히면 누가 무엇을 하나? 코치가 된 관리자는 평가 권한을 그대로 갖나?
진행 판정 기준(가상 예시). 시범 팀 주간 질의가 인원당 5건 이상이고 근거 링크가 맞는 비율이 90% 이상, 행동 예측 명단의 precision@1%가 담당자 명단보다 높고 결정 기록이 20건 이상 쌓였으면 다음 팀으로 넓힙니다. 하나라도 못 미치면 원인을 고쳐 4주 더 돌리고 두 번째에도 못 미치면 그 항목은 접습니다.
AX 적용 제언. 국내 그룹사와 금융·유통사라면 조직 개편보다 도구 계약 장부가 먼저입니다. 계열사·사업부마다 다른 AI 도구를 쓰는 상태에서는 질의 면도, 권한 설계도 갈라집니다. 장부로 범주별 표준을 정한 뒤, 기록이 가장 잘 남는 팀 하나에서 질의 면을 열고 그 팀의 팀장 업무 중 정보 전달 몫을 재는 순서가 현실적입니다. 거래 데이터가 많은 카드·유통·플랫폼 사업은 다음 행동 예측 과제 하나를 함께 붙이면 경영진에게 “보고 위계 축소”와 “고객 선제 대응”을 한 시범으로 보여 줄 수 있습니다. 관리자 명칭을 바꾸는 일은 평가·결재 권한을 나눈 뒤에 해야 이름만 바뀌는 일을 피합니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | HBR IdeaCast 특별편, HBR Innovation Summit 2026, 2026.11.19 (5주 연속 시리즈 첫 회) |
| 화자 | Jack Dorsey(Block 공동 창업자·회장), 진행 Alison Beard |
| 2024년 재편 | 사업부(Square·Cash App) → 직능 조직(엔지니어링·디자인·재무·법무), 2009년 출발 구조로 복귀, 공통 도구·정책·문화, 중복 벤더 축소, AI 도구 도입 가속 |
| 정보 흐름 | 원격 우선이라 거의 모든 업무가 글로 남음, AI가 모아 누구나 질의, 소통 위계 축소 |
| 역할 | IC(만들고 운영), DRI(전략·책임·로드맵), Coach(예전 관리자, IC·DRI에 배정) |
| world model | 거래 데이터를 정직한 신호로, 고객·판매자의 다음 행동 예측, 회사 자체 모델 가능 |
| 오픈소스 | goose를 Stripe가 한 달 안에 포크, Buzz, 수익화 후보: 호스팅·유료 추론·기업 커넥터 |
| 성공 측정 | 사용·가치·예상 밖 용도, Jobs to Be Done, 트위터 @멘션 예, 핵심 지표 병행 |
| 연산 | 음성 모델 Dessa(말소리만 학습, 노트북 실행, 휴대폰 목표), 분산 연산 지지 |
| 리더의 일 | 환경 정하기, 결정이 맥락 속에서 내려지게 하기, 기준 올리기, 결정 회고 |
| 확산 | 보여 주고 강요하지 않기, 하루 1분·2주 습관 비유(Atomic Habits), 직접 만들어 보기 |
| 도시의 공부 | 매일 아침 3시간 arXiv 논문 2~3편 |
| 청중 질문 | CGI, Hitachi, PRS for Music, 가족 투자회사 COO |
핵심 개념
- Remote-first
- 사무실 출근이 아니라 원격 근무를 기본값으로 두는 운영 방식으로, 대화와 결정이 글로 남는 바탕이 됩니다.
- Legible
- 조직의 상태가 밖에서 읽히고 들여다보이는 정도를 가리키며 도시는 Block이 거의 그런 상태가 됐다고 말합니다.
- Single point of failure
- 그 하나가 멈추면 전체가 멈추는 지점으로, 도시는 자신이 모든 결정을 내리는 사람이 되지 않으려 합니다.
- Jobs to Be Done
- 고객이 제품을 사는 이유를 그 제품으로 끝내려는 일로 보는 Clay Christensen의 관점입니다.
- goose
- Block이 만들어 오픈소스로 공개한 에이전트 도구입니다.
- Dessa
- 언어 지식 없이 말소리만으로 학습한 Block의 음성 모델입니다.
- Fork
- 공개된 소스 코드를 복사해 자기 버전으로 따로 고쳐 쓰는 일입니다.
내 메모
TODO: 내 생각 추가
원문은 Harvard Business Review IdeaCast의 「Innovation Summit 2026: Block’s Jack Dorsey on Building a Company Around Intelligence」(2026.11.19)이며 HBR 페이지에 실린 녹취를 기준으로 정리했습니다. 요약, 핵심 메커니즘의 원문 내용, 통념과 다른 주장, 사례, 원문 사례 표는 대담에서 잭 도시가 말한 내용을 AX Review가 다시 정리했으며 효과 설명은 회사 측 주장입니다. IC·DRI 역할과 world model의 기본 구상은 앞선 노트(「From Hierarchy to Intelligence」)에서 다뤘고 이 노트는 이번 대담에서 새로 나온 내용을 중심으로 썼습니다. 핵심 메커니즘의 작동 설명과 작은 예시, 기술·현업 디테일, 인포그래픽, 표는 새로 작성했습니다(디테일 절의 필드, 수치, 일정은 가상 예시). 전체 내용은 원문에서 들을 수 있습니다.