Every Employee an Intrapreneur: AI로 늘어난 실험을 조직의 결정으로 잇는 법
AI로 누구나 실험할 수 있게 됐지만 병목은 판단과 결정으로 옮겨 갔습니다. 자원자 네트워크, 결정 게이트, 공유 가정으로 탐색을 실행으로 잇는 설계를 정리했습니다.
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.
Content Supply Chain: Opella가 사내 AI 콘텐츠 공장으로 생산을 30배 늘리고 에이전트 14개로 검수하는 방식
소비자 헬스케어 기업 Opella는 사내 생성형 AI 콘텐츠 공장 Wonka로 마케팅 자산 21,000건 이상을 만들고 산출을 30배 늘렸습니다. 생산이 커지자 Microsoft와 검증 플랫폼 Lumen을 만들고 있으며 에이전트 14개가 효능 주장·의학 근거·인용·법적 고지를 검토하고 최종 승인은 사람 전문가가 합니다.
AI Knowledge Base for Drawings: 구켄공업, 70년치 도면 찾기를 평균 4.5분으로 줄이다
냉각탑을 만드는 일본 구켄공업이 Recursive와 OpenAI API로 70년 넘게 쌓인 도면·기술 자료를 지식 DB로 만들고, 부품표로 과거 도면을 찾는 기능과 문서 간 차이를 띄우는 기능을 붙였습니다. 후쿠오카 공장 시험에서 도면 찾기가 평균 4.5분이 됐고, 연간 검색 공수 약 90% 감소를 추정합니다.
On-premise LMM: 가와사키중공업이 도면과 숙련 엔지니어의 판단 기준을 사내 AI로 정리한다
가와사키중공업이 리코의 문서 독해형 LLM·LMM을 자사 서버에 설치하고, 항공기·로봇 설계 영역에서 도면·기술 문서의 지식과 숙련 엔지니어의 판단 기준을 AI로 정리해 이어받는 실증을 시작했습니다. 기밀 도면은 회사 밖으로 나가지 않고, 생산성 수치는 아직 공개되지 않았습니다.
The End of Feature Discovery: AI가 기능을 골라 주면 성장팀의 일은 신뢰와 첫 성공으로 바뀐다
Lovable에서 성장을 맡은 Elena Verna는 사용자가 목표를 말하면 AI가 쓸 기능을 고르는 제품에서는 온보딩·내비게이션·인앱 넛지로 기능을 알리던 일이 대부분 사라진다고 봅니다. 대신 AI의 선택을 믿게 만드는 일과 빈 입력창에서 무엇을 맡길 수 있는지 알려 주는 일이 성장팀의 새 과제가 됩니다.
VLM-OCR Fusion Scoring: Amazon이 상품 상세 A+ 콘텐츠 품질을 자동 판정하고 고칠 점까지 알려 주는 방법
Amazon Marketplace 팀은 판매자의 A+ 콘텐츠를 고객 화면 그대로 캡처해, 고정한 VLM의 항목 점수와 OCR 가독성 신호 8개를 CatBoost로 묶어 품질을 판정합니다. 전문가 라벨 5,478건 기준 정확도는 평균 점수 방식 0.80에서 0.94로 올랐고 SHAP과 LLM이 만든 권고를 반영한 페이지는 10점 척도에서 평균 1.4점 올랐습니다.
Human at the End of the Loop: 레드불 레이싱, 경주 중 규정 조회는 LLM이 하고 판단은 엔지니어가
Oracle Red Bull Racing은 경주 중 엔지니어가 경기 규정과 과거 경주 결정을 묻는 LLM 비서를 Oracle과 수개월에 걸쳐 만들었고 출력 확인과 최종 결정은 엔지니어가 합니다. 경주 전에는 몬테카를로 시뮬레이션 80억 회를 돌리며 파트너십 뒤 전략 시뮬레이션이 25% 늘었다고 팀은 밝혔습니다.
Machining Center Programming: Manitowoc 공장 엔지니어가 1만 줄 넘는 가공 프로그램을 AI로 짜고 시뮬레이션으로 검증한 사례
크레인 제조사 Manitowoc의 CEO는 3분기 콜에서 프랑스 Charlieu 공장의 제조 엔지니어가 AI로 머시닝센터 프로그램을 짰다고 소개했습니다. 프로그램은 1만 줄이 넘었고, 엔지니어는 AI로 가공 동작을 시뮬레이션해 정확도를 확인하며 지루한 작업 시간을 여러 시간 줄였습니다. 같은 방식을 공장에 옮길 때의 검증 단계와 6주 시범안을 붙였습니다.
Signal to Lever: Heineken이 품절 같은 신호를 조치로 바꿔 거래 시스템에 심는 법
Heineken 미국 CIO Frank Iannella는 품절 같은 신호를 찾아 배송 앞당기기 같은 조치와 짝짓고 이를 거래 시스템에 넣은 뒤 결과로 다시 맞추는 틀을 2년 넘게 다듬었습니다. 설정 작업 대부분은 기계가 읽는 온톨로지 계층에 있습니다. 신호·조치 등록부 JSON, 데이터 최신성 점검, 12주 계획을 붙였습니다.
Mapping Your Workflows: 업무 흐름 전체를 그린 회사가 AI로 매출 1.9배를 낸 실험
INSEAD 연구진이 515개 스타트업에 같은 AI 도구를 주고 절반에게만 다른 회사의 업무 재설계 사례를 보여 줬더니, 활용 사례 44%, 유료 고객 확보 18%가 늘고 매출은 1.9배가 됐습니다. 업무 흐름 지도 JSON, 병목 재점검 루프, 10주 계획을 붙였습니다.
Cost Without Benefit: 전사 AI 도구를 산 기업들이 Gartner에 business case를 다시 묻는다
Gartner CEO Gene Hall은 3분기 실적 콜에서 AI 벤더와 전사 계약을 맺은 고객 대다수가 비용만 늘고 효과를 보지 못해 business case와 비용 관리를 도와 달라고 한다고 전했습니다. 전사 AI 계약을 직무별 지표로 다시 재는 6주 점검 방법을 붙였습니다.
Agentic AI Tech Stack: Hilton이 에이전트 시대를 앞두고 기술 스택에 투자하는 방식
Hilton CEO Christopher Nassetta는 3분기 콜에서 에이전틱 AI로 고객 경험을 개선하고 비용을 줄이려고 기술 스택에 투자하고 있다고 밝혔습니다. 작은 업체까지 AI 에이전트 업체 모두와 일하고 있으며 지금 재무 효과는 작지만 인터넷만큼 커질 것으로 봤습니다. 따라 할 때 필요한 데이터 준비와 12주 계획을 붙였습니다.
PromoAI: Colgate가 과거 데이터 수억 건으로 판촉을 짜는 RGM 도구를 전 세계로 넓히는 방식
Colgate CEO는 3분기 콜에서 과거 데이터 포인트 수억 건을 분석하는 자체 RGM 도구 PromoAI를 여러 핵심 시장에 넣고 전 세계로 넓힌다고 밝혔습니다. 중국에서는 AI 생성 콘텐츠로 메시지를 개인화했고 재원은 생산성 절감의 일부를 AI·데이터에 재투자해 마련합니다. AI 단독 효과는 공개하지 않았으며 따라 할 때의 데이터·대조군·10주 시범안을 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.
Seller Hours and Cases per Mile: US Foods가 AI 성과를 영업 시간과 배송 효율로 재는 법
미국 식품 유통사 US Foods는 메뉴판을 읽어 제안서를 만드는 생성형 AI로 영업 시간을, 라우팅 소프트웨어로 마일당 배송 케이스를 잽니다. 도구마다 다른 단위로 성과를 밝히되 출처와 빈칸을 구분해 읽는 법, 제안서 파이프라인 설계와 8주 파일럿안을 붙였습니다.
대만 사이버보안청 AI Audit Expert Model: 사이버보안법 준수 감사를 내부 AI가 항목별로 먼저 판정
대만 사이버보안청이 법령과 10년치 감사 기록으로 학습한 온프레미스 AI가 감사 문서를 항목별로 먼저 판정하게 했습니다. 기관당 감사 인력이 30명에서 3명으로, 처리 시간이 24시간에서 4시간으로 줄었다고 보고했습니다. 파이프라인, 출력 형식, 12주 파일럿을 붙였습니다.
Pegatron PEGAVERSE AI Agent: 설비 보정·고장 진단·SOP 작성을 에이전트로 묶어 고장 정지 42% 단축
대만 전자 위탁생산 기업 Pegatron이 디지털 트윈 속 강화학습으로 설비를 보정하고 도메인 LLM과 정비기록 1,000건을 읽는 지식 에이전트로 고장 진단과 SOP 초안을 자연어 창구 하나에 묶었습니다. 고장 1건 정지 86분에서 50분, SOP 작성 40시간에서 20시간. 한국 제조 현장에 옮길 데이터 구조와 8주 계획을 붙였습니다.
Novo Nordisk China Cognitive Shop Floor: 톈진 공장이 엣지 AI로 작업 오류와 설비 이상을 바로 잡는 법
노보 노디스크 중국 톈진 공장이 2026 Gartner Eye on Innovation Awards에 낸 Cognitive Shop Floor 사례입니다. 엣지 AI·VLM·RAG로 작업 오류와 설비 이상을 현장에서 바로 잡아 수동 검사시간 10%·공정 리드타임 10% 감소, 데이터 분석 효율 30% 증가를 보고했습니다. 한국 제조 라인에 옮기는 12주 계획을 붙였습니다.
AI-Powered Customer Service Center: 신베이시가 민원 전화의 기록·검색·검사·기관 배정을 AI에 맡긴 방식
신베이시 정보관리센터는 월 8만 건이 넘는 민원 전화에 실시간 STT·LLM·RAG를 붙여 기록, 지식 검색, 통화 검사, 담당기관 추천을 AI에 맡겼습니다. 기관 보고 기준 기록 처리는 6.5분에서 10초로, 검사 범위는 1%에서 100%로 바뀌었습니다. 제조 기업 고객센터·헬프데스크에 옮기는 12주 계획을 붙였습니다.
Hong Kong SFC SENSOR: SNS 금융사기 감시를 AI로 상시화해 위험 식별을 수일에서 수분으로
홍콩 증권선물위원회(SFC)는 SNS 게시물에서 금융사기와 시장교란 신호를 뽑아 위험 순으로 올리는 AI 감시 플랫폼 SENSOR를 2025년 3분기에 가동했습니다. 사례집 기준으로 위험 식별과 상향보고가 수일에서 수분으로 줄었습니다. 신호 스키마, 위험 등급, 감사 기록, 제조사가 SNS 품질·사칭 신호 감시에 옮기는 12주 계획을 붙였습니다.
Formosa Plastics의 Formosa GPT Decision Brain: 자체 에이전트 플랫폼으로 사내 문서·지식 업무를 바꾸다
대만 석유화학 그룹 Formosa Plastics가 외부 AI 대신 자체 에이전트 플랫폼과 데이터 레이크를 세워 문서 RAG, LIMS 연계 에이전트, 직원이 만드는 Assistant 460개를 운영한 사례입니다. 월 세션 2,000에서 12,200으로 늘었고(원문의 600% 표기는 두 값과 불일치), 한국 제조사가 4주 파일럿으로 옮기는 법을 붙였습니다.
Shop the Look: Fanatics가 OpenAI 모델로 리그 공식 스토어에 코디 추천을 붙여 참여 10% 올린 방식
OpenAI가 공개한 고객 사례입니다. Fanatics는 팬이 팀 저지를 보면 재고 있는 같은 팀 상품으로 코디를 짜 주는 기능을 NFL·NBA·MLB·NHL 공식 스토어에 붙였고, 첫 50개 상품은 하루 안에 테스트해 같은 주에 MVP를 승인했습니다. MLB 상품 약 30,000개 테스트에서 참여가 10% 높았습니다.
E.SUN Bank CALM · Smart Mortgage 360: 고액자산가 자문 준비와 주택담보대출 심사를 AI로 줄인 두 사례
대만 E.SUN Bank가 고액자산가의 지분·가족·자금흐름을 한 화면에 잇는 CALM으로 RM 준비시간을 66% 줄이고 상담부터 심사까지 AI를 넣은 Smart Mortgage 360으로 주담대 신청 70.2%를 자동 승인 흐름에 태웠습니다. 한국 제조 대기업이 거래처 360과 여신 심사에 옮기는 법을 붙였습니다.
Delta Electronics Closed-Loop Factory: 조립 계획, 소프트웨어 점검, 라인 데이터를 AI로 바꾼 사례 3건
대만 Delta Electronics가 대형 시스템 조립의 계획·인력·물류, 사내 소프트웨어 라이선스·보안 점검, 공장 라인 데이터 통합을 AI로 바꾼 사례 3건입니다. 세 사례 모두 데이터를 한 형식으로 모은 뒤 사건이 생기면 바로 판단해 실행까지 잇습니다. 한국 제조 AX 조직이 옮길 순서와 12주 계획을 붙였습니다.
Chiayi City의 AI Care Workforce: 장기요양 담당자의 서류 작업을 AI 디지털 직원이 맡다
대만 자이시가 장기요양 사례관리자의 사례 요약·돌봄계획·방문 기록을 Agentic AI 디지털 직원에게 맡겨, 문서·계획 작성 시간을 120분에서 30분으로 줄이고 AI 초안 채택률 80% 초과를 보고한 사례입니다. 한국 제조 대기업이 현장 보고서 업무로 옮기는 법을 붙였습니다.
Cathay United Bank RM AI Assistant: RM 통화를 니즈·위험 신호로 정리하고 고객 배정을 데이터로
대만 Cathay United Bank는 자산관리 RM의 고객 통화를 생성형 AI로 요약·니즈·위험·제안으로 정리해 RM과 관리자 화면에 넣고 고객과 RM의 라벨로 배정을 정하는 RM AI Assistant를 만들어 연간 100만 건 이상의 고객 상호작용을 지원한다고 밝혔습니다. 한국 제조 대기업이 B2B 영업 통화와 담당자 배정에 옮기는 법을 붙였습니다.
Cathay Century Insurance AI Injury Compensation Estimator: 판결문을 지식 그래프로 바꿔 위자료 산정을 표준화하다
대만 손해보험사 Cathay Century는 판결문에서 위자료를 좌우하는 요인과 인정 금액을 뽑아 법률 지식 그래프를 만들고 배상 범위를 예측해 손해사정사에게 보여 줍니다. 사례집 기준으로 판결 검토가 30분에서 5분으로, 지급액 편차 지표가 30%에서 10%로 줄었습니다. 추출 스키마, 범위 예측 설정, 제조사 품질 클레임에 옮기는 12주 계획을 붙였습니다.
AI-Powered Call Quality Inspection: AIA가 고객 통화를 밤사이 전수 채점하고 사람은 위험 통화만 보는 방식
AIA Group은 사람이 5% 미만만 듣던 고객 통화를 ASR과 LLM으로 밤사이 전부 채점하고 아침마다 감점 보고서와 고위험 통화 목록을 검사자에게 넘깁니다. 회사 보고 기준 검토 기간은 20일에서 1일로 줄었습니다. 제조 AX 조직이 고객센터 통화에 옮기는 순서와 12주 일정을 붙였습니다.
The Rise of DeployCos: 엔지니어를 고객사에 심어 AI를 실제 업무로 옮기는 회사들
OpenAI와 Anthropic이 2026년 엔지니어를 고객사에 상주시키는 별도 회사(DeployCo)를 세웠고 AWS도 10억 달러를 약속했습니다. Wing의 Tanay Jaipuria가 이 회사 형태의 구조, 생기는 이유, 세 유형과 플레이북을 정리했습니다. DeployCo와 계약하거나 내부에 같은 기능을 세울 때 정할 것을 붙였습니다.
Human-in-the-loop 견적: 닛토공업, 도면에서 분전반 견적 정보를 뽑고 영업이 고친 결과를 지식으로 쌓다
닛토공업이 일본IBM과 1년 반 동안 만든 생성형 AI 앱으로 설비 도면에서 분전반 견적용 회로·기기·특기사항을 뽑고, 영업이 고친 결과를 구조화 데이터로 쌓습니다. 2026년 10월부터 23개 거점 약 50명에게 단계 적용합니다. 출력 스키마, 수정 로그, 12주 파일럿안을 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.
10 Years After Growth Hacking: 그로스 해킹 10년, 성장 전술이 통한 곳과 AI가 바꿀 다음 채널
Andrew Chen이 2014년 그로스 해킹 글 이후 10년을 돌아봅니다. 성장은 풍요에서 희소로 바뀌었고 A/B 테스트는 PMF를 찾기보다 큰 제품의 퍼널을 키우는 데 쓰였습니다. 저자는 AI가 새로움을 되살리고 마케팅을 일대일 세일즈에 가깝게 바꾼다고 예측합니다. 실험 설계, 공유 루프 계측, 4주 진단 계획을 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.
Where to Draw the Line: 전문가용 업무 도구에 채팅·화면·에이전트를 나눠 붙이는 기준
B2B 제품에 일괄로 붙인 채팅창이 숙련자를 오히려 느리게 만들 수 있다는 글입니다. 반복 업무는 화면에 두고, 드문 질문은 채팅으로, 상시 감시는 Ambient Agent로 보내라는 배치 기준과 함께, 티켓 분석·검증 시간·fallback ratio로 판정하는 4주 계획을 붙였습니다.
AI Agents for Service Technicians: TK엘리베이터가 출동 브리핑과 작업보고를 에이전트로 바꾼 방식
TK엘리베이터가 기술자 2만5천 명에게 출동 전 브리핑 에이전트와 말로 보고하면 추가 질문까지 하는 음성 디브리핑 에이전트를 주고, 140만 대 연결 설비를 보는 9개 원격 운영센터와 한 순환으로 묶었습니다. 브리핑 필드, 디브리핑 슬롯, 6주 파일럿과 판정 기준을 붙였습니다.
The Missing Infrastructure for AI Agents: 에이전트가 PDF·스캔·엑셀을 빠짐없이 읽게 하는 문서 계층
누적 70억 쪽을 처리한 문서 파싱 기업 Reducto의 CEO가 프런티어 모델은 긴 추출에서 틀리기보다 조용히 빠뜨린다고 말합니다. 문서를 쪼개 읽고 에이전트가 검증 규칙으로 스스로 다시 보게 하는 구조, 그리고 우리 문서로 평가하는 방법과 4주 파일럿을 붙였습니다.
The New Startup Playbook: 에이전트를 다루는 3~10명 팀이 예전엔 수지 안 맞던 일까지 해내는 방식
Box CEO Aaron Levie는 에이전트에 일을 맡기고 검토하는 3~10명 팀이 예전 50~200명 팀의 몫을 내고, 싸진 AI 노동이 사람을 뽑은 적 없는 일의 수요를 만들며, 다음 모델 향상의 몫은 기업이 가져간다고 봅니다. 기업 안에서 작은 에이전트 팀을 6주 동안 시험하는 검토 로그, 사양 템플릿, 판정 기준을 붙였습니다.
Governed Self-Service Analytics: Brilliant Earth가 숫자는 코드로 계산하고 문장만 LLM에 맡긴 사내 분석
주얼리 기업 Brilliant Earth가 Snowflake 안에서 Posit을 돌려 권한은 Snowflake에 맡기고, 마케팅 믹스 모델을 시나리오 앱으로, 매장 대시보드를 자연어 질의로 바꿨습니다. 주간 보고는 코드가 지표를 계산·검증한 뒤 LLM이 문장만 쓰게 했습니다. 벤더 블로그 사례에 지표 페이로드 설계와 6주 실행안을 붙였습니다.
S&P 493: 빅테크 7곳을 빼면 AI 수익 효과는 아직 0이라는 Apollo 분석
Apollo의 Torsten Slok은 S&P 500에서 빅테크 7곳을 뺀 493곳의 1인당 매출과 이익률이 평평하고, 생산성 지표에도 AI 효과가 보이지 않는다고 분석했습니다. 우리 회사의 AI 성과를 사용 사례 수가 아니라 손익으로 재는 원장 구조와 4주 점검 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.
Agent-Led Transformation: AI 어시스턴트 일곱 개로 S/4HANA 전환 공수를 줄이는 방식
SAP가 2026년에 내놓은 Agent-Led Transformation과 일곱 개 Migration and Modernization Assistant가 ECC→S/4HANA 전환의 어느 단계를 맡는지, 그리고 35% 공수 절감 목표를 우리 프로젝트에서 어떻게 검증할지 정리했습니다. 커스텀 코드 파일럿 설계와 에이전트 권한표를 붙였습니다.
REA (Reverse Engineer Anything): AI 에이전트가 소스 없이 앱을 뜯어보고 기능을 다시 만드는 도구
AI 슬래시 채널이 GitHub에서 일주일 만에 약 19만 스타를 모은 오픈소스 REA를 정리한 영상입니다. 코딩 에이전트가 MCP로 Ghidra 같은 분석 도구를 부려 컴파일된 앱의 기능을 근거와 함께 설명하고 다시 만드는 구조를 풀고, 기업이 레거시 이해와 보안 점검에 쓰려면 갖출 법무·격리·검증 절차를 덧붙였습니다.
Forward Deployed Engineering: 시범을 운영까지 끌고 가서 다음 팀이 하루에 쓰게 만드는 법
OpenAI의 FDE 책임자 Colin Jarvis가 고객사 AI 도입에서 배운 것을 정리했습니다. 운영 기준 eval을 먼저 세우고, 사용 사례별 맞춤 코드를 공통 harness 위의 skill·plugin으로 바꾸면 첫 배포에 두 달 걸린 일이 다음 팀에는 하루에 넘어갑니다. 우리 조직의 시범 사업을 같은 구조로 돌리는 12주 일정과 판정 기준을 붙였습니다.
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.
Fold Subagents into the Main Agent Loop: 서브에이전트를 하나의 루프로 합쳐 품질과 속도를 높이는 법
팀마다 만든 서브에이전트 위에 orchestrator를 얹는 대신, 하나의 에이전트 루프가 skills와 tool search로 필요한 것만 불러 쓰게 바꾸면 품질·비용·지연이 함께 나아지는 경우가 많다는 Anthropic의 모범 사례. eval부터 만드는 6주 이행안을 붙였습니다.
The New Apex Predator: 에이전트로 무장한 공격자에 맞서 기업이 먼저 점검할 것
CrowdStrike CEO George Kurtz는 AI 에이전트가 공격자 피라미드를 평평하게 만들어 breakout time이 평균 29분까지 줄었고, 공격은 악성코드가 아니라 프롬프트로 이뤄진다고 말합니다. 방어는 전용 보안 모델과 에이전트 추적(AIDR)으로 답하고, 기업은 업무 가치별로 모델 등급을 나눕니다. 사내 에이전트 인벤토리 스키마와 6주 점검 일정을 붙였습니다.
Clairic: 추출 전용 모델을 앞에 세운 단계별 파이프라인으로 청구 처리 비용 49% 절감
Cloudflare가 문서에서 값만 뽑아내는 추출 모델 Clairic을 미리보기로 내놓고, 보험 청구 처리를 추출(Clairic) → 판단(Clef) → 답장(LLM)으로 나눠 돌려 LLM 단독 대비 비용 49%, 시간 69%를 줄인 시험을 공개했습니다. 반복 문서 업무에 이 구조를 옮기는 필드 설계, 임계값, 4주 파일럿을 붙였습니다.
Reduce Layers and Increase Spans of Control: Amex가 AI 도입 전에 관리 단계를 먼저 줄이는 이유
American Express가 2026년 3분기 실적과 함께 전 세계 인력 약 5%를 줄인다고 밝혔습니다. CFO는 자동화와 AI를 쓰기 전에 관리 단계를 줄이고 관리 범위를 넓히는 것이 먼저라고 설명했습니다. 공시와 실적 발표 내용으로 사실을 확인하고, 우리 조직에서 같은 순서를 밟을 때의 진단 지표와 8주 일정을 붙였습니다.
에이전트 시대 PM의 일은 결정이다: 로비 스타인의 3단계
에이전트가 무엇이든 만들어 주는 시대에 PM의 가치는 판단으로 옮겨 갑니다. 사람 이해, 근본 원인 진단, 크래프트의 3단계를 AI로 넓히는 방법과 4주 사이클 실행안입니다.
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.
결정만 하는 AI: Jev로 만든 214개 프로젝트에서 보이는 패턴
글을 쓰지 않고 정해진 형식의 결정과 확률만 돌려주는 TypeSafe의 Jev. 이 모델로 만든 214개 프로젝트를 모은 갤러리에서 결정 모델을 쓰는 다섯 가지 패턴과, 기업 업무에 붙이는 2주 파일럿을 정리했습니다.
Cross-Cutting Context Objects: 여러 엔진을 거친 AI 점수의 이유를 한곳에 기록하는 설계
여러 엔진이 이어 붙은 공급망 위험 점수를, 계산하는 순간 하나의 공유 객체에 근거를 적어 UI·LLM·감사 문서가 같은 근거를 쓰게 만든 설계. 설명 스키마부터 정하는 4주 도입안을 붙였습니다.
From Hierarchy to Intelligence: 잭 도시가 블록에서 중간 관리층을 AI로 대체하는 설계
블록은 직원 40%를 줄이고, 관리자가 하던 정보 전달을 회사 전체의 world model과 intelligence layer에 맡기려 합니다. 피라미드 대신 원형 조직의 작동 방식과, 사업부 하나에서 시험하는 12주 실행안을 정리했습니다.
에이전틱 추론 지도: 혼자 풀기, 스스로 나아지기, 함께 풀기
LLM 에이전트의 추론을 세 층(기초·자기 진화·집단)과 두 방식(추론 시점 설계·사후 학습)으로 정리한 서베이. 기업 에이전트를 층별로 쌓는 12주 로드맵을 붙였습니다.