Hands-on Rollout: 북양은행이 생성형 AI 2,500 ID를 영업 현장에 정착시킨 1년
일본 홋카이도의 북양은행은 생성형 AI 약 2,500 ID를 전행에 배포한 뒤 영업점을 돌며 대면 실습을 했고, 1년 만에 이용 인원 약 3.0배·이용 횟수 약 7.1배, 영업 현장 이용률 70%에 이르렀습니다. 면담 기록 입력 시간은 체감 약 40% 줄었고, 이 경험으로 AI 교육·컨설팅 자회사 AI Ignition을 세웠습니다.
AI-Native Push: Tencent 창업자가 직원 절반을 AI 신사업으로 옮기자고 한 조직 구상
마화텅(Pony Ma)은 창립 28주년 사내 연설에서 핵심 사업은 AI로 효율을 높여 지키고 직원 절반은 AI 네이티브 신사업으로 옮기겠다고 했습니다. 회사는 50%가 감원 비율이 아니라 비유라고 밝혔고 대상·시점·부서는 공개하지 않았습니다.
AI Fluency·Agent Registry: TD SYNNEX가 직원 인증과 에이전트 소유자 제도로 AI를 넓히는 법
TD SYNNEX CIO Kristie Grinnell은 직원에게 출처·계산·편향을 확인하는 4단계 AI fluency 인증을, 에이전트에게는 등록과 사람 소유자를 요구합니다. 에이전트 권한은 쓰는 사람의 권한을 따르고, 사내 AI factory는 승인된 데이터에만 연결됩니다.
The New CFO: Figma 재무팀은 업무 도구를 직접 만들고, 인수 실사에선 대상 제품을 재현해 본다
Figma CFO Praveer Melwani는 a16z 대담에서 재무 담당자들이 Codex, ChatGPT 에이전트, Figma Make로 채권 회수, 출장·경비 분석, 인수 실사 도구를 직접 만든다고 밝혔습니다. 실사에서는 대상 제품을 바이브 코딩으로 재현해 기술 해자를 가늠합니다. 핵심 원장은 사고 워크플로만 만들며, 만든 도구는 네 가지 질문으로 제품화 여부를 가립니다.
Embedded AI Engineers: 마케팅·채용·재무 팀 안에 AI 엔지니어를 두라는 Andrew Ng의 제안
Andrew Ng은 코딩 에이전트로 개발 생산성이 오른 지금, AI 엔지니어를 마케팅·채용·재무 같은 현업 부서 안에 두는 편이 훨씬 합리적이라고 말합니다. 자기 팀에서 해 보니 만들 거리가 늘 엔지니어 역량을 넘었고, 병목은 코딩이 아니라 기획·워크플로 재설계·판단이었다고 합니다.
Code Factory: 에이전트가 나눠 짜고 리뷰 에이전트가 병합을 허락하는 개발 공장
Every 엔지니어 Loren Stewart는 계획을 사람과 에이전트가 한 번씩 검토한 뒤 작은 단위로 쪼개 여러 에이전트에 병렬로 맡기고, 자동 검사와 리뷰 에이전트 승인을 모두 넘어야 병합하는 '코드 공장'을 두 달 남짓 돌렸습니다. 결과는 더 빠르고 직접 쓴 것보다 나을 수도 있지만 손으로 짜며 얻던 시행착오를 잃는다고 봅니다. 시범 설정값과 4주 일정을 붙였습니다.
Claude in 45 Days: Brown & Brown이 6,000명 배포와 1년 단위 예산으로 AI 회수를 재는 법
보험중개사 Brown & Brown은 3분기 실적 콜에서 Claude를 45일 만에 직원 6,000명 넘게 배포했고 90% 이상이 실제로 쓴다고 밝혔습니다. 예산은 다년 대형 프로그램 대신 측정 가능한 1년 단위 트랜치로 나누고 value management office가 과제별 수익을 잽니다. 따라 할 때 필요한 사용 로그, 과제 등록부, 45일 배포안을 붙였습니다.
Snowflake AI Data Cloud: Novo가 80개국 데이터를 한곳에 모아 에이전트 약 8,000개를 돌리는 방식
Novo는 80개국 계열사가 따로 쓰던 Snowflake를 글로벌 조직 하나로 묶었습니다. 지금은 900TB가 넘는 데이터 위에서 에이전트 약 8,000개가 돌고 직원 60% 이상이 매주 AI를 씁니다. 현업에 데이터를 넘기되 가드레일·교육을 함께 깔고 모델은 갈아 끼울 수 있게 둔 구조입니다. 따라 만들 때 필요한 에이전트 등록부, 모델 평가, 12주 일정을 붙였습니다.
Unlimited Tokens: Cisco가 27세 직원 2인 팀에 레거시 코드 98% 리팩터링을 맡긴 방식
Cisco의 Jeetu Patel 사장은 인수 기업 창업자 출신 27세 직원에게 AI 토큰을 무제한으로 주고 레거시 코드 98%를 24개월 안에 리팩터링하는 과제를 맡겼습니다. 2인 팀으로 4주 안에 접근법을 증명하는 조건입니다. 4주 증명을 설계하는 방법과 판정 기준을 붙였습니다.
AI harness: Carwow가 팀별 도구와 1:1 지원으로 AI 프로젝트를 10개에서 50개로 늘린 방식
영국 자동차 거래 플랫폼 Carwow는 도구 계정을 나눠 주는 대신 실제 업무 문제로 1:1 지원을 하고 팀마다 다른 harness를 맞춰 AI 프로젝트를 10개에서 50개로 늘렸습니다. 검증 가능한 일부터 맡기고 쉼 없는 AI 작업의 피로를 관리하는 원칙과 8주 도입안을 붙였습니다.
Hunger beats tenure: 코딩 면접을 접고 prototype으로 사람을 고르는 Anthropic 팀
Anthropic 엔지니어링 매니저 Felix Rieseberg는 Claude가 작은 코딩 과제를 사람보다 잘 풀자 자기 팀 채용에서 코딩 면접을 뺐습니다. 대신 지원자가 만든 작은 prototype에서 안목과 공감, 원칙을 봅니다. 연차보다 의욕이 앞선다는 근거와 AI 허용 과제 평가안, 4주 전환 일정을 붙였습니다.
Stealth Innovation: Capital One이 직원 눈에 띄지 않는 AI로 업무 단계를 줄이고 가설로 실험하는 법
Capital One 엔터프라이즈 기술 MVP가 VentureBeat 후원 기고에서 좋은 사내 AI는 직원이 의식하지 못한 채 업무 단계를 줄여 주는 AI라고 말합니다. 12단계를 2단계로 줄인 업무 예, 가설 기반 5단계 실험, 리더십 세 기둥을 다룹니다. 단계 지도, 측정 지표, 6주 파일럿을 붙였습니다.
The 3 Levels of AI Workflows: 채팅창 AI를 일이 사는 도구에 연결해 복사·붙여넣기를 없애는 단계
AI를 잘 쓰는 사람과 못 쓰는 사람의 차이는 프롬프트가 아니라 AI가 일하는 도구에 연결돼 있느냐에 있다는 글. 채팅창(Level 1)에서 커넥터 연결(Level 2)을 거쳐 에이전트 작업 공간(Level 3)으로 가는 단계와, 이를 부서 진단·권한 승인·공용 skill 라이브러리·12주 확산 계획으로 옮기는 방법을 붙였습니다.
Product Sense: AI 초안을 더 낫게 고치는 판단력이 제품 인력의 유일한 해자
Shreyas Doshi는 몇 년 안에 모든 회사가 거의 모든 제품 활동에 AI를 쓰게 되면 도구 숙련은 우위가 아니게 되고 이미 강한 AI 산출물을 더 낫게 만드는 판단력(Product Sense 5요소)만 해자로 남는다고 봅니다. AI 초안 대비 개선을 블라인드로 채점하는 평가 방법, 5요소 루브릭, 채용 면접 질문을 붙였습니다.
Why AI Hasn't Triggered Mass Layoffs: 감원이 늦는 건 도입이 서툴러서, AI 실험 성공은 약 3분의 1
HBS의 Joseph Fuller는 AI가 업무 과제의 41%를 할 수 있는데도 대량 감원이 없는 이유를 서툰 도입에서 찾습니다. 기업 AI 실험은 약 3분의 1만 성공하고, Raffaella Sadun은 사람 투자를 끊는 선택을 함정으로 봅니다. 인력 계획 전에 돌릴 과제 노출도·실험 장부 진단과 6주 일정을 붙였습니다.
Hub-and-Spoke AI: Wells Fargo가 중앙 통제와 현업 팀을 나눠 AI를 전사로 넓히는 방식
Wells Fargo AI 제품 책임자 Faraz Shafiq이 Money20/20에서 밝힌 전사 AI 운영 원칙 네 가지(허브-스포크 구조, 고가치 쓰임새 집중, 처음부터 넣는 통제, 직원 역량 강화)를 정리하고, 우리 조직에서 허브를 세우고 첫 8주를 돌리는 방법을 붙였습니다.
Reduce Duplicative Work: Kroger가 AI로 본사 중복 업무를 줄여 가격·매장에 돌리는 계획
Kroger가 2026년 10월 20일 투자자의 날에서 technology and AI로 운영을 단순화하겠다고 밝혔습니다. 앞서 CEO 메모로 본사 약 8,200명 가운데 약 3,000개 역할을 3년에 걸쳐 줄이고 절감분을 가격과 매장에 돌리겠다고 했습니다. 업무 인벤토리, 단계 채점표, 절감 장부, 8주 일정을 붙였습니다.
AI-Native Teams: 기존 개발팀을 AI 중심 팀으로 바꾸는 People·Projects·Platforms·Processes
Andrew Ng이 엔지니어링 리더에게 권하는 AI 네이티브 팀 만들기. 리더가 직접 만들어 보고(People), 성장 과제를 위에서 밀어주고(Projects), 에이전트가 쓸 수 있게 저장소·데이터·도구를 열고(Platforms), 무엇을 만들지 정하는 새 병목에 맞춰 작은 고권한 팀으로 일을 다시 짜라(Processes)는 조언입니다. 권한 설정, 샌드박스, skills 공유, 6주 계획을 덧붙였습니다.
30 Months on the Exponential: AI가 통째로 맡는 일이 4분에서 17시간이 된 30개월
Co-Intelligence(2024)에서 Co-Existence(2026)까지 30개월 동안 AI가 한 번의 지시로 끝내는 일의 길이가 4분에서 17시간으로 늘었고, 선두 모델은 스무 번 바뀌었습니다. 이 추세를 기업 계획의 가정으로 옮기는 법과, 사람이 루프 밖에서 에이전트를 부리는 Conjurer 방식을 정리했습니다.
Systems thinkers, not specialists: 넷플릭스 CPTO가 말하는 AI 시대에 뽑는 사람과 일하는 방식
AI로 직군 경계가 흐려진 지금, 넷플릭스는 좁은 전문가보다 시스템 전체를 보는 사람을 더 뽑고, 공통 paved path와 guardrails로 AI 산출물의 품질을 지킵니다. 8주 도입안을 붙였습니다.