AI를 도입한 조직에서도 AI가 일에 참여하는 방식은 서로 다릅니다. 직원이 초안을 만드는 데 활용하기도 하고, 팀이 특정 과업을 에이전트에 맡기기도 합니다. 여러 부서에 걸친 업무 흐름을 사람과 AI가 함께 수행하도록 다시 설계하는 조직도 있습니다.

Microsoft는 자사의 Frontier Firm 전환을 설명하면서 세 가지 패턴을 제시합니다. 이 구분을 따라가면 AI 도입으로 무엇이 바뀌고, 조직이 무엇을 정해야 하는지 살펴볼 수 있습니다. 세 방식은 한 조직 안에서도 업무에 따라 함께 나타납니다.


1. 개인이 AI의 도움을 받아 일합니다

Microsoft의 ‘Human with assistant’입니다. 직원이 AI를 활용해 자료를 찾고, 문서를 작성하고, 데이터를 분석합니다. 기존 조직과 역할 안에서 수행 방법을 바꾸는 방식입니다.

가상의 채용 업무를 예로 들어보겠습니다. 인사담당자가 AI로 채용공고 초안을 작성하면 작성시간은 줄어듭니다. 담당자에게는 실제 업무와 필요한 역량이 정확하게 담겼는지, 지원자가 오해할 표현은 없는지 확인하는 일이 남습니다. 회사가 절약된 시간만큼 작성 건수를 늘리면 검토할 시간은 부족해질 수 있습니다.

따라서 실제로 바뀐 과업과 업무량을 확인하고 목표와 검토 방식을 함께 조정해야 합니다. 직무기술서에 같은 업무가 적혀 있어도 담당자가 시간을 쓰고 전문성을 발휘하는 지점은 달라질 수 있습니다.

이때부터 일의 설계가 필요합니다. 어떤 결과를 만들어야 하고, AI에 무엇을 맡기며, 담당자는 무엇을 확인한 뒤 업무를 끝낼지 정해야 합니다.


2. 팀이 특정 과업을 에이전트에 맡깁니다

Microsoft의 ‘Human-agent teams’입니다. 에이전트가 사람의 지시에 따라 특정 과업을 수행합니다. 담당자가 매번 초안을 요청하던 방식에서 정해진 범위의 업무를 위임하는 방식으로 바뀝니다.

채용팀에서는 지원 서류의 누락 확인, 면접 일정 조율, 진행 상태 안내 등을 맡기는 상황을 생각해 볼 수 있습니다. 에이전트가 접근할 정보, 실행할 행동, 예외가 생겼을 때 연결할 사람을 정해야 합니다.

이를 관리하는 도구도 나오고 있습니다. Workday와 Microsoft는 2025년 9월, Azure AI Foundry와 Copilot Studio에서 만든 에이전트를 Workday의 Agent System of Record에 등록·관리하고 Microsoft Entra Agent ID와 연계하는 협력을 발표했습니다. 에이전트의 신원 확인과 권한 점검을 지원하려는 구상입니다.

에이전트를 ‘디지털 동료’로 대하는 방식에는 주의도 필요합니다. BCG와 보스턴대 연구진은 오류가 포함된 동일한 문서를 AI 도구, AI 직원, 사람 직원이 작성한 것으로 각각 제시하고 관리자의 검토 행동을 비교했습니다.

전체 표본의 평균 차이는 작았습니다. 다만 AI를 조직도에 올렸다고 응답한 조직의 관리자 집단에서는 ‘AI 직원’이라는 설명을 받았을 때 오류를 덜 발견하고, 다른 사람의 추가 검토를 더 요청하며, 자신의 책임을 AI 쪽으로 옮겨 인식하는 경향이 나타났습니다.

이 결과는 공개된 연구논문 초고에 담긴 탐색적 분석입니다. 조직도 보유 여부는 응답자의 자기 보고이며, 이 기준에 따른 집단 분석은 사전 분석계획의 주된 구분으로 지정되지 않았습니다. 연구진은 이 결과를 AI 에이전트를 쓰지 말아야 한다는 근거로 해석해서는 안 된다고 밝힙니다. 이 글에서는 그 결과를 감독과 책임을 명확히 정할 필요성으로 읽었습니다.

업무에서는 에이전트가 수행할 범위와 사람이 검토하고 책임질 범위를 함께 명시해야 합니다. 면접 일정의 충돌은 에이전트가 다시 조율할 수 있어도, 지원자에게 예외를 허용할지는 사람이 판단해야 할 수 있습니다. 어떤 조건이면 담당자가 끝낼 수 있고, 어느 사안은 채용 책임자가 답해야 하는지 정해야 일이 다음 단계로 이어집니다.


3. 사람과 AI가 함께 수행하도록 업무 전체를 다시 설계합니다

Microsoft의 ‘Human-led, agent-operated’입니다. 사람이 방향을 정하고 에이전트가 업무 프로세스와 워크플로를 실행하는 방식입니다. 이를 조직에 적용하려면 여러 과업과 인계, 사람의 개입 지점을 함께 검토해야 합니다.

예를 들어 ‘신입사원이 입사해 독립적으로 일할 수 있게 한다’는 결과에서 출발해 보겠습니다. 채용·인사운영·교육·IT·현업이 입사 준비부터 초기 적응까지의 흐름을 함께 설계합니다.

에이전트는 필요한 서류를 확인하고, 계정과 장비를 신청하며, 교육 일정을 안내하고 준비 상태를 추적합니다. 사람은 배치의 적합성, 특별한 지원의 필요, 초기 적응 과정의 문제를 판단합니다. 계정 발급이 늦어지거나 교육 일정이 현업 배치와 충돌하면 누가 조정할지도 정합니다.

이 업무를 지속적으로 책임지고 개선할 팀까지 구성한다면 HR 제품 중심 조직과도 연결됩니다. 예를 들어 ‘입사와 초기 적응’을 하나의 제품으로 보고 여러 기능의 담당자가 함께 맡는 것입니다. 팀은 준비 완료까지 걸린 시간과 누락, 신입사원과 현업의 경험을 확인하며 업무를 개선합니다. 제품 중심 조직은 결과를 맡을 팀을 구성하고, 업무재설계는 그 팀이 사람과 AI를 활용해 일할 방식을 구체화합니다.

McKinsey는 성과에서 출발해 필요한 사람과 에이전트를 구성하고, 각자의 업무와 남아 있는 인계 지점을 드러내는 ‘orchestration chart’를 제안합니다. 해당 절에서는 사람의 판단과 책임이 중요한 지점, 에이전트의 자율성과 접근 권한, 감독과 상향 처리도 함께 다룹니다. 글 후반의 ‘agentic mission factory’ 설명에서는 실행 과정의 학습을 축적하고 다음 업무에 활용하는 운영 방식으로 논의를 넓힙니다.

현장에서는 이런 제안을 구체적인 기준과 담당자로 옮겨야 합니다. 신입사원의 준비가 충분하다고 누가 인정합니까. 준비가 덜 된 상태에서 배치를 진행한다면 누가 남은 위험을 받아들입니까. 첫 달에 발견한 문제는 누가 다음 입사자의 준비 과정에 반영합니까.

AI에 맡기는 범위가 넓어질수록 이런 질문의 중요성도 커집니다. 최고경영진과 고위 리더 1,330명을 조사한 BCG의 2026년 연구에서는 42%의 기업이 2030년까지 에이전트에 실질적인 의사결정 권한을 부여할 것으로 내다봤습니다. 현재 필요한 통제 장치를 모두 갖춘 기업은 5%였습니다. 이 통제에는 명확한 감독, 실행을 되돌릴 기준, 보안·감사·비용 관리 등이 포함됩니다. 미래의 권한 부여 전망과 현재의 준비 수준을 비교한 수치입니다.


세 방식 모두에서 일과 판단과 학습을 설계해야 합니다

AI가 참여하는 방식주로 달라지는 범위조직이 구체화할 내용
개인의 업무를 지원개인의 과업과 수행 방법결과 기준, 업무량, 검토시간과 책임
팀의 특정 과업을 수행팀 안의 역할과 위임실행 권한, 인계 조건, 예외 처리와 감독
업무 흐름을 실행부서 간 프로세스와 운영전체 성과 책임, 결정권, 개입 기준과 개선 과정

세 방식 모두에서 일을 설계하고, 판단을 끝내고, 실행에서 배워야 합니다. 개인이 AI로 만든 보고서에도 검토를 마칠 기준이 필요합니다. 팀의 에이전트가 반복하는 오류는 다음 실행에 반영해야 합니다. 여러 부서가 함께 일한다면 판단 기준과 경험을 부서 사이에서 이어갈 책임까지 정해야 합니다.

AI가 맡는 업무 범위가 넓어지면 조직이 조정할 범위도 넓어집니다. 조직도를 그릴 때는 사람과 AI의 위치에 더해 누가 어떤 결과를 책임지고, 어디까지 실행하며, 언제 사람의 판단을 받아야 하는지를 함께 살펴야 합니다.

그 내용을 실제 업무에서 확인하고 고치는 과정이 쌓일 때, AI 도입은 조직이 일하는 방식의 변화로 이어집니다.

사람과 AI의 역할을 나누고, 판단의 기준과 책임을 정하며, 실행 경험을 다음 업무에 반영하는 방법은 홈페이지의 일·판단·리더십 운영 체계에 정리했습니다.

이 글의 세 구분은 Microsoft의 전환 패턴과 공개 자료를 바탕으로 한 정리입니다. 채용과 신입사원 사례는 가상의 예시이며, HR 제품 중심 조직과의 연결은 필자의 해석입니다.


참고한 자료