더 많은 콘텐츠가 플렉스웍 뉴스레터로 배달됩니다. AI와 함께 일하는 조직들의 실제 워크플로우, HR·인재 이야기를 매주 구독해보세요.
Flexwork x 기고만장 웨비나 2부 · 임태은 베러웍스(FlexWork) 대표 발표 정리
“AI가 일을 더 작은 단위로 쪼갤 수 있게 만들었다면, 사람을 활용하는 방식도 달라져야 하지 않을까요?”
AI가 조직에 들어오면서 가장 눈에 띄는 변화는 업무 속도입니다.
리서치하고, 정리하고, 초안을 만들고, 반복적인 실행 업무를 처리하는 데 필요한 시간이 크게 줄어들고 있습니다.
하지만 임태은 대표가 이번 세션에서 이야기한 변화는 단순히 “AI를 쓰면 한 사람이 더 많은 일을 할 수 있다”는 데 그치지 않습니다.
업무 자체를 더 작은 단위로 나눌 수 있게 되면서, 그 업무를 수행할 사람을 찾는 방식도 달라지고 있다는 것입니다.
기존에는 새로운 문제가 생기면 먼저 사람을 채용했습니다.
하지만 앞으로는 먼저 무슨 업무를 해결해야 하는지 정의하고, AI가 할 수 있는 일과 내부 구성원이 해야 하는 일, 외부 전문가의 경험이 필요한 일을 구분한 뒤 필요한 역량을 연결하는 방식이 중요해지고 있습니다.
AI 시대의 인재 전략은 ‘어떤 사람을 채용할 것인가’에서 ‘어떤 업무를 누구에게 맡길 것인가’로 이동하고 있습니다.
하나의 직무 안에는 사실 서로 다른 성격의 업무가 섞여 있습니다.
자료를 찾는 일, 정리하는 일, 결과물을 만드는 일, 이해관계자와 조율하는 일, 전문적인 판단을 내리는 일까지 모두 한 사람의 역할로 묶여 있었습니다.
그런데 AI가 일부 실행 업무를 맡기 시작하면 이 묶음을 다시 나눌 수 있습니다.
AI가 맡을 수 있는 일은 AI에게 넘기고, 조직 내부에서 반드시 책임져야 하는 일은 내부 구성원이 맡고, 특정 경험이나 전문성이 필요한 순간에는 외부 전문가가 들어올 수도 있습니다.
한 사람을 채용해 모든 업무를 맡기는 방식에서, 업무마다 가장 적합한 자원을 조합하는 방식으로 조직 운영의 단위가 바뀌고 있는 것입니다.
기존 조직에서는 사람과 업무가 강하게 묶여 있었습니다.
새로운 기능을 만들려면 해당 직무의 사람을 채용하고, 새로운 시장에 진출하려면 그 일을 담당할 사람을 뽑았습니다.
한 명을 채용하면 그 사람이 맡을 직무와 책임 범위를 함께 정하는 방식입니다.
하지만 AI를 활용하면 기존 직무 안의 업무를 더 세밀하게 나눌 수 있습니다.
예를 들어 하나의 프로젝트를 진행한다고 할 때,
자료를 수집하는 일
정보를 구조화하는 일
초안을 만드는 일
반복적인 운영 업무
특정 도메인의 경험이 필요한 판단
최종 의사결정과 책임
을 하나의 역할로 묶어둘 필요가 줄어듭니다.
일부 실행은 AI가 담당하고, 내부 담당자는 맥락과 의사결정을 담당하며, 조직 안에 없는 전문성이 필요한 부분에만 외부 전문가가 참여할 수 있습니다.
업무의 단위가 작아질수록 사람을 활용하는 단위도 ‘한 명의 풀타임 인력’보다 작아질 수 있는 것입니다.
정규직 채용은 여전히 조직에 중요한 방식입니다. 특히 장기적으로 조직의 핵심 역량을 쌓아야 하는 역할이라면 내부 인력이 필요합니다. 다만 모든 문제를 정규직 채용으로 해결하려 하면 몇 가지 현실적인 어려움이 생깁니다.
조직에서 어떤 문제가 생긴 시점과 새로운 사람이 실제로 일을 시작하는 시점 사이에는 차이가 있습니다. 공고를 만들고, 후보자를 찾고, 인터뷰하고, 입사 시점을 조율해야 합니다. 반면 현업에서 해결해야 하는 문제는 이미 발생한 상태입니다.
필요한 전문성이 하나의 직무에 깔끔하게 들어맞지 않는 경우도 많습니다. 특정 프로젝트에서는 AI 자동화 경험이 필요하고, 다른 단계에서는 도메인 전문가의 판단이 필요할 수 있습니다. 이 모든 역량을 한 사람이 동시에 가지고 있기를 기대하면 인재를 찾는 난이도가 크게 높아집니다.
전문가의 역량이 필요하더라도 반드시 장기간, 주 5일 필요한 것은 아닙니다. 특정 프로젝트를 시작할 때 몇 주간의 경험이 필요할 수도 있고, 매주 몇 시간 정도의 리뷰와 의사결정만 필요할 수도 있습니다. 필요한 전문성과 필요한 시간이 서로 다르다면, 사람을 활용하는 방식도 하나일 필요가 없습니다.
이러한 변화와 함께 발표에서는 Fractional Talent라는 인재 활용 방식이 소개됐습니다.
Fractional Talent는 특정 분야의 전문가가 하나의 조직에 풀타임으로 소속되지 않고, 여러 조직에 자신의 전문성을 일정 부분씩 제공하는 방식입니다.
예를 들어 한 기업에 주 5일 근무하는 CMO 대신 여러 기업의 마케팅 전략을 일정 시간씩 맡는 Fractional CMO, 제품이나 기술 조직의 중요한 의사결정에 일정 시간 참여하는 Fractional CTO 같은 형태입니다.
중요한 것은 단순히 근무 시간이 짧다는 점이 아닙니다.
조직이 필요한 전문성을 ‘직무 전체’가 아니라 ‘필요한 역할과 시간’ 단위로 활용한다는 점입니다.
AI로 실행 업무를 처리할 수 있는 범위가 넓어질수록 이러한 방식은 더욱 현실적인 선택지가 됩니다.
전문가가 반드시 모든 실행을 직접 할 필요 없이, 중요한 방향을 잡고 판단 기준을 만들고 내부 구성원과 AI가 움직일 수 있는 구조를 만드는 데 집중할 수 있기 때문입니다.
발표에서는 사람을 활용하는 단위가 더 작아지는 흐름을 Nano Hiring이라는 개념으로도 설명했습니다.
기존 채용에서는 먼저 한 명의 사람을 채용하고 그 사람에게 업무를 배분합니다.
Nano Hiring에서는 반대로 접근합니다.
먼저 해결해야 할 업무를 구체적으로 나누고, 해당 업무를 처리하는 데 어떤 역량이 필요한지를 정한 뒤 사람을 연결합니다.
즉, 사람을 채용한다 → 역할을 부여한다 → 업무를 맡긴다 는 흐름에서 업무를 정의한다 → 필요한 역량을 찾는다 → AI·내부 인력·외부 전문가를 배치한다 는 흐름으로 바뀌는 것입니다.
이 차이는 작아 보이지만 조직 설계에는 큰 영향을 줍니다. 이제 사람의 직함이나 소속보다 실제로 어떤 문제를 해결할 수 있는가가 더 중요한 기준이 됩니다.
세션 후 Q&A에서 임태은 대표는 AI 전환 과정에서 반복적으로 나타나는 문제도 짚었습니다.
조직에서는 흔히 “AI를 도입해야 한다”고 말하지만, 정작 현재 업무가 어떻게 돌아가고 있는지 구조화되어 있지 않은 경우가 많습니다. 일이 개인의 경험과 암묵지에 의존하고 있고, 누가 어떤 판단을 해서 다음 단계로 넘기는지 명확하지 않다면 AI를 적용하기도 어렵습니다. 발표에서는 이를 두고 DX도 제대로 되어 있지 않은데 AX부터 하기 어렵다는 취지의 이야기도 나왔습니다. 문서화되지 않은 업무를 AI에게 맡기려면 결국 사람이 알고 있는 암묵적인 기준까지 먼저 꺼내야 하기 때문입니다.
그래서 AI 전환의 시작은 새로운 AI 도구를 설치하는 것이 아니라,
현재 업무를 실제 수행 단위로 쪼개는 것
에 가까울 수 있습니다.
그런데 업무를 직접 나누는 것 자체가 쉽지 않은 조직도 많습니다. 내부에서는 지금까지 해오던 방식이 너무 익숙해 어떤 부분을 AI로 바꿀 수 있는지 판단하기 어렵기 때문입니다.
임태은 대표는 이런 상황에서 이미 비슷한 전환을 경험해본 외부 전문가가 어드바이저로 참여하는 방식을 이야기했습니다.
예를 들어 이미 AI를 활용한 조직 운영을 경험한 사람이 들어와 현재 업무를 함께 살펴보고,
어떤 업무부터 나눌 것인지
AI를 어디까지 활용할 수 있는지
내부 담당자가 계속 가져가야 할 영역은 무엇인지
어떤 영역에서 외부 전문성이 필요한지
어떤 팀부터 시작해야 효과가 클지
를 함께 정리하는 것입니다.
외부 전문가의 역할은 단순히 부족한 일손을 대신하는 데 있지 않습니다. 이미 한 번 겪어본 시행착오와 판단 기준을 조직 안으로 가져오는 데 더 큰 가치가 있을 수 있습니다.
그렇다면 AI 전환은 모든 부서에서 동시에 시작해야 할까요?
발표와 이어진 Q&A에서는 오히려 성과가 빠르게 나올 수 있는 한 팀을 먼저 만드는 방식이 중요하게 언급됐습니다. 업무를 나눠보고 AI 적용 가능성이 높은 영역을 찾은 뒤, 먼저 하나의 부서에서 눈에 보이는 성과를 만드는 것입니다.
이를 일종의 챔피언 부서로 볼 수 있습니다. 한 팀이 기존보다 훨씬 빠르고 효율적으로 일하기 시작하면 다른 구성원들도 변화를 훨씬 구체적으로 받아들입니다.
막연하게 “앞으로 AI를 써야 한다”고 교육하는 것보다,
“옆 팀은 저렇게 일해서 실제로 성과가 나고 있다”
는 것을 보여주는 것이 조직의 행동을 움직이기 쉽습니다.
이후 사례를 공유하고 조직 내에서 수요가 생기기 시작하면, 개별적인 지원과 교육을 확대하고 마지막 단계에서 전사 표준화로 이어갈 수 있습니다.
하지만 업무 구조와 도구만 바꾼다고 새로운 방식이 정착되는 것은 아닙니다. 임태은 대표가 Q&A 후반부에서 특히 강조한 것은 조직문화였습니다. 외부 인재를 유연하게 활용하려 해도 기존 구성원이 이를 받아들이지 못하면 실행되지 않습니다. 업무 단위를 나누고 새로운 협업 구조를 적용하려 해도 리더와 구성원이 동의하지 않으면 움직이기 어렵습니다.
발표에서는 Schneider Electric이 사내 긱 플랫폼을 만들어 글로벌 조직의 인재를 프로젝트와 연결한 사례도 언급됐습니다. 이 정도 규모의 변화는 플랫폼 하나를 만드는 것만으로 일어나지 않습니다. 국가와 조직마다 서로 다른 반대와 이해관계를 조율하면서 새로운 인재 운영 방식을 실제 문화로 정착시키는 과정이 필요합니다.
새로운 인재 전략은 시스템을 하나 도입하는 프로젝트가 아니라, 조직이 사람과 일을 바라보는 문화를 바꾸는 일입니다.
AI가 많은 실행 업무를 처리하면 HR의 역할이 줄어들 것이라고 생각할 수 있습니다. 하지만 발표에서 이어진 논의는 오히려 반대 방향을 가리킵니다.
조직이 일하는 방식을 더 유연하게 설계하려면 누군가는
어떤 업무를 AI가 맡을 수 있는지
어떤 역할을 내부에 남겨야 하는지
외부 전문가를 어디에 투입해야 하는지
새로운 협업 방식을 구성원이 받아들일 수 있는지
한 팀의 성공을 어떻게 조직 전체의 방식으로 확장할지
를 설계해야 합니다.
이 문제는 단순한 툴 선택보다 사람과 조직에 더 가까운 문제입니다. AI 시대의 HR은 필요한 사람을 채용하는 것에서 나아가, 필요한 역량을 조직 안팎에서 찾아 가장 적절한 위치에 배치하는 역할로 확장될 수 있습니다.
이번 발표와 Q&A의 내용을 세 가지로 정리할 수 있습니다.
1) 업무: 직무보다 먼저 일을 나눠봐야 합니다.
AI가 기존 직무 안의 실행 업무를 일부 맡으면서, 하나의 사람에게 묶여 있던 일을 다시 나눌 수 있게 됐습니다.
2) 인재: 모든 전문성을 정규직 채용으로 확보할 필요는 없습니다.
Fractional Talent와 Nano Hiring처럼 필요한 전문성을 업무와 시간 단위로 활용하는 방식이 새로운 선택지가 되고 있습니다.
3) 조직: AI 전환의 마지막 조건은 문화입니다.
먼저 작은 성공 사례를 만들고, 구성원이 필요성을 느끼게 하고, 새로운 방식의 협업을 조직이 받아들일 수 있어야 변화가 확산됩니다.
결국 AI 시대의 질문은 “몇 명을 더 채용할 것인가”가 아니라, “이 업무를 가장 잘 해결할 조합은 무엇인가”로 바뀌고 있습니다.
AI, 내부 구성원, 외부 전문가. 이 세 가지를 어떤 업무에 어떻게 배치할 것인지 설계하는 능력이 앞으로 조직의 실행 속도와 경쟁력을 가르는 중요한 조건이 될 수 있습니다.
본 정리본은 Flexwork x 기고만장 웨비나 2부, 임태은 베러웍스(FlexWork) 대표 발표 및 세션 Q&A 내용을 바탕으로 작성되었습니다.
