우리 팀에서 AI를 제일 잘 쓰는 한 명은 혼자 열 사람 몫을 낸다. 그런데 나머지 팀원은 그 속도를 따라가지 못한다. 저마다 AI 대화창을 열고 같은 설명을 처음부터 다시 한다. 그래서 AI 에이전트 도입 수준은 그 한 명 안에 갇혀 있다.
다른 회사 사람들과 얘기해 봐도 늘 비슷한 말을 듣는다. 같은 도구를 쓰는데 왜 누구는 열 배를 내고 누구는 제자리일까. Claude Code(클로드 코드)를 만든 Boris Cherny는 X에 올린 글에서 이 격차를 다섯 단계로 그렸다. 지난 글에서는 그의 말 “AI를 잘 쓰는 건 좋은 질문이 아니라 시스템을 만드는 일”을 다뤘다. 이번에는 그 시스템이 팀 단위로 커지면 어떤 모습인지 짚는다.
30초 요약
- 뺀 일: 팀원마다 AI에 같은 설명을 처음부터 다시 하는 일. 규칙 파일 하나를 팀이 같이 쓰는 방식으로 바꾼다.
- 남긴 일: 결과를 마지막에 확인하고 방향을 정하는 일. 단계가 오를수록 사람의 일이 이쪽으로 모인다.
- 되찾은 시간: 미측정. 잣대는 Cherny의 질문, 곧 “이거 어차피 사람이 했을 일인가? 몇 시간을 아꼈나?”다.
- 든 비용: 미측정. 자산을 너무 일찍 만들면 쓸지도 모를 것을 관리하느라 품이 든다.
AI 에이전트 도입 단계는 다섯 칸의 사다리다
조직의 AI 도입 단계는 성숙도 지도다. 팀이 AI를 업무에 얼마나 깊이 녹였는지를 0단계부터 4단계까지 나눈다. 내가 AI를 몇 번 써 봤는지는 기준이 아니다. 팀 전체가 AI에 일을 얼마나 믿고 맡기는지로 칸이 갈린다.
주방 일에 빗대면 감이 잡힌다. 처음에는 좁은 주방에서 혼자 다 한다. 그다음 보조 한 명과 손발을 맞춘다. 이어서 여러 사람에게 일을 나눠 맡기고, 나중에는 주방 여러 곳을 총괄한다. 마지막에는 방향만 정하면 알아서 돌아간다. 그래서 올라갈수록 하는 일이 ‘직접 칼을 잡는’ 데서 ‘무엇을 낼지 정하는’ 데로 옮겨간다.
막힘
보조
병렬 운용
감독형 자율
AI 네이티브
사다리에는 눈에 띄는 규칙이 하나 있다. 칸이 하나 오를 때마다 한 사람이 동시에 굴리는 AI 수가 대략 열 배씩 뛴다. 그래서 내 역할도 ‘직접 하는 사람’에서 ‘시키고 확인하는 사람’으로 옮겨간다. 숫자는 열 배씩 커지는데 관리하는 사람은 한 명 그대로다. 이것이 AI 도입이 무서운 지점이다.
그런데 Cherny가 강조하는 핵심은 따로 있다. 정답으로 가는 길은 하나가 아니고, 많이 쓴다고 다음 단계로 넘어가지지 않는다. 다음 단계로 가려면 두 가지가 필요하다. 지금 나를 붙잡는 걸림돌을 찾아 없애는 일이 하나다. 믿고 맡길 안전장치를 새로 세우는 일이 다른 하나다.
그래서 AI 도입은 사용량이 아니라 걸림돌 제거와 안전장치 만들기의 반복이다. 돈을 더 쓰고 AI를 더 자주 켠다고 저절로 성숙해지지 않는다는 뜻이다.
AI 에이전트 도입 5단계 중 우리 팀은 어디쯤일까?
우리 팀의 자리는 AI를 몇 개 켰는지가 아니라 어떤 모습으로 일하는지로 정해진다. 단계를 가르는 것이 걸림돌을 없앴는지와 믿고 맡길 안전장치가 있는지이기 때문이다. 그러니 아래 표에서 우리 팀의 하루와 가장 닮은 칸을 찾는다.
여기서 가장 많이 착각하는 지점이 있다. 대화창을 여러 개 띄웠다고 상위 단계가 되지는 않는다. Cherny는 이 상태를 여전히 ‘1단계 흩어짐’이라고 못 박는다. 오케스트레이션(여러 작업을 서로 맞추는 조율)이나 안전장치 없이 대화창만 여러 개이기 때문이다. 단계는 켜 둔 창의 개수가 아니라 걸림돌을 없앴는지로 정의된다.
참고로 Cherny는 자기 위치를 공개했다. 본인 글에 따르면 Anthropic은 조직 전체로 3단계다. 본인은 얼마 전 4단계에 올랐다. 그러면서 “당신 팀은 몇 단계냐”고 되묻는다.
AI 에이전트 도입 때 각자 쓰는 AI는 왜 팀 안에서 꼬일까?
각자 AI를 쓰면 당장은 빨라 보여도 시간이 지나면 결과물이 엉키고 노하우가 개인 머릿속에만 남는다. 현업에서 가장 흔한 모습이 이렇다. 팀원들이 저마다 AI 대화창을 열고 알아서 작업한다. Cherny의 기준으로는 창을 아무리 많이 열어도 이것이 ‘1단계 흩어짐’이다.
증상 셋과 붙일 규칙
증상은 셋이다. 같은 프로젝트를 각자 건드리다 결과물이 충돌한다. 누가 뭘 했는지 추적이 안 된다. 각자 터득한 요령은 팀에 쌓이지 않아서 사람이 바뀌면 그대로 사라진다.
그래서 해법은 하나다. 개인에게 갇힌 요령을 팀의 공용 자산으로 꺼낸다. 아래 표는 막히는 지점마다 붙일 규칙을 짝지은 것이다.
| 막히는 지점 | 그래서 붙일 규칙 |
|---|---|
| 같은 프로젝트를 각자 건드려 결과물이 충돌한다 | AI마다 작업 공간을 따로 준다. 같은 프로젝트를 폴더 여러 개로 복제하는 worktree 방식이다 |
| 누가 뭘 했는지 추적이 안 되고 요령이 팀에 쌓이지 않는다 | 개인에게 갇힌 요령을 규칙 파일에 적어 팀의 공용 자산으로 꺼낸다 |
| 팀 저장소를 같이 쓰는데 규칙 파일은 각자 컴퓨터에만 있다 | 규칙 파일을 팀 저장소에 올려 팀 공용 규칙으로 만든다 |
규칙 파일은 팀 저장소에 올린다
Cherny 팀은 이 문제를 CLAUDE.md로 푼다. CLAUDE.md는 AI가 일을 시작할 때마다 자동으로 읽는 규칙 파일이다. Cherny가 정리한 활용법을 보면 그는 Claude가 실수할 때마다 다르게 하라고 말하지 않는다. 대신 규칙 파일에 적거나 스킬로 만든다. 스킬은 Claude Code가 필요할 때 불러 쓰는 작업 절차 묶음이다.
그런데 함정이 있다. 팀이 하나의 팀 저장소(팀의 파일을 모아 두는 공용 창고)를 쓴다고 하자. 팀원이 각자 자기 컴퓨터의 규칙 파일만 쓰면, 그 표준은 개인에 갇혀 아무 의미가 없다. 그래서 규칙 파일을 팀 저장소에 올려야 한다. 이렇게 올리는 일을 커밋이라 부른다. 내 컴퓨터에만 있던 파일을 팀이 함께 보는 공용 창고에 올려 공유하는 일이다.
담을 내용은 거창하지 않다. 빌드·테스트 명령(프로그램을 만들고 점검하는 명령)이 들어간다. 코드 규칙, 폴더 지도, ‘하지 마’ 목록, 자주 쓰는 용어도 담는다. 새 팀원에게 처음 알려 줄 것들을 문서로 박아 두는 셈이다.
코드 팀만의 이야기도 아니다. 어떤 문의에는 이렇게 답하고 어떤 보고서는 이 순서로 정리한다는 업무 규칙도 같은 방식으로 남긴다. 반복되는 일을 규칙으로 남기면 왜 남는 장사인지는 지난 글에서 자세히 다뤘다.
회사원이라면 Claude Code에 이렇게 말로 시키면 된다.
우리 팀이 보고서를 정리하는 순서와 문의에 답하는 방식을 규칙 파일로 만들어줘.
새 팀원에게 처음 알려 줄 내용 기준으로 써줘.
다 만들면 팀원이 같이 보는 팀 저장소에 올려줘.
거창한 프로그램 없이 시작하는 AI 에이전트 도입
에이전트는 알아서 도는 일감 하나다
Cherny가 말하는 ‘에이전트 여러 개’는 특별한 프로그램을 새로 만들라는 뜻이 아니다. 스스로 도는 작업 하나하나를 여러 개 굴리라는 뜻이다. 여기서 에이전트는 ‘자율 작업 단위’, 즉 알아서 굴러가는 일감 하나를 가리킨다. 그래서 이 오해를 풀면 진입장벽이 확 낮아진다.
자율 작업 단위를 만드는 방법은 다섯 가지다. 첫째는 AI와의 대화창 하나, 둘째는 작업 폴더별로 따로 연 대화창, 셋째는 역할을 나눈 보조 AI다. 넷째는 예약해 두면 알아서 도는 작업이고, 다섯째는 정해 둔 절차를 한 번에 실행하는 명령이다. 이 중 무엇이든 병렬(여러 개를 나란히 동시에)로 굴리면 그것이 ‘에이전트 여러 개’다. 역할을 나눈 보조 AI를 직접 짠 과정은 Claude Code로 AI 리서치 에이전트 팀 만들기에 적었다.
이때 자주 쓰는 방식이 앞 표의 worktree다. AI마다 방을 하나씩 주어 서로 안 부딪치게 하는 셈이다.
세 번 반복되면 자산으로 승격한다
그렇다면 언제 거창하게 만들어야 할까. 기준은 지속성이다. AI와의 대화창은 닫는 순간 그때의 판단과 맥락이 사라지고 결과물만 남는다. 그래서 일을 그때그때 대화로만 처리하면 노하우가 개인의 대화 기록에만 남는다. 사람이 바뀌면 그 노하우는 소실된다. 여기서 두 갈래 전략이 나온다.
승격 기준은 단순하다. 세 번쯤 반복되고 방식이 굳으면 그때 자산으로 만든다. 절차는 명령으로, 역할은 보조 AI로, 지식은 규칙 파일로 남긴다.
그런데 양쪽 모두 함정이 있다. 너무 일찍 만들면 아직 쓸지도 모를 것을 관리하느라 품만 든다. 너무 늦으면 매번 같은 것을 처음부터 다시 만든다. 일회용으로 하다가 반복되는 걸림돌을 자산으로 굳힌다. 이 리듬이 Cherny가 말한 ‘걸림돌 제거 더하기 안전장치’의 실제 모습이다.
AI 에이전트 도입 후 아낀 시간은 토큰이 아니라 사람의 시간으로 잰다
앞에서 Cherny가 되물은 “당신 팀은 몇 단계냐”에 답하려면 잣대가 하나 필요하다. 자가진단이 애매하면 질문 하나를 던져 본다. ‘이거 어차피 사람이 했을 일인가? 그렇다면 몇 시간을 아꼈나?’
Cherny는 포춘 인터뷰에서도 같은 말을 했다. AI 비용을 토큰 사용량으로 재는 것은 잘못된 잣대다. 진짜 성과는 사람이 했다면 걸렸을 시간이다. 토큰은 AI가 글을 나눠 세는 단위다. 그래서 AI를 얼마나 켰느냐로는 단계를 가르지 못한다. 실제로 아낀 시간이 클수록 윗 칸에 가깝다.
이 글에는 그 시간을 잰 숫자가 없다. 그래서 되찾은 시간과 든 비용은 미측정으로 남긴다. 숫자를 얻으려면 질문을 그대로 쓴다. 규칙 파일로 바꾼 일마다 사람이 했다면 걸렸을 시간을 적어 둔다.
마무리하며
AI 에이전트 도입 단계를 가르는 것은 AI를 얼마나 많이 쓰느냐가 아니라 반복을 자산으로 바꾸는 습관이다. 같은 설명을 규칙 파일에 넘기면 그 시간은 무엇을 낼지 정하는 일로 돌아온다. 칸이 오를수록 사람의 일이 직접 칼을 잡는 데서 방향을 정하는 데로 옮겨가기 때문이다.
오늘 우리 팀이 매번 똑같이 설명하고 있는 일이 하나라도 있다면, 그것이 다음 칸으로 오르는 첫 계단이다. 자가진단은 거기서 시작하면 된다.
함께 읽으면 좋은 글
