당신은 이미 AI 사용자 상위 1%에 속해 있다. 물론, 당신과 최전선에 있는 사람들 사이에는 격차가 존재한다. 20개의 터미널을 동시에 돌리면서 매번 실행 후 스스로 재작성되는 지식 베이스를 가진 그 괴짜들 말이다.
나쁜 소식은 그들을 따라잡을 수 없다는 것이다. 좋은 소식은 따라잡을 필요가 없다는 것이다. 당신 앞에 놓인 격차는 당신 뒤에 있는 격차보다 훨씬 작다.
X에서 괴짜들이 에이전트 함대를 가볍게 만들어내는 모습을 보면 상위 1%라는 게 실감이 나지 않을 수도 있다. 하지만 믿어라, 당신은 상위 1%다. 당신은 아마 매일 모델을 사용하고 있을 것이고, 어떻게 하면 가장 잘 쓸 수 있는지에 대한 의견도 가지고 있으며, 에이전트를 직접 만져보거나 자신의 컴퓨터에 Hermes를 설치해본 적도 있을 것이다.
반면, 당신과 대기업의 평범한 직원 사이에는 심연이 있다. 그들은 아마 2년 동안 ChatGPT를 4번 정도밖에 열어보지 않았을 것이다. 3.5-turbo를 써보고 AI는 멍청하다고 결론 내렸지만, GPT-5.6 Sol Ultra가 50년 동안 미해결이었던 그래프 이론 추측의 증명을 방금 완성했다는 사실은 모르고 있다. 모든 AI 전략 기사와 게시물은 이 평범한 직원이 언젠가는 따라잡을 것이라고 가정한다.
장담하는데, 그들은 절대 못 따라온다.
참고로, 나는 @varickagents의 CEO다. 우리는 지구상에서 가장 큰 기업들과 협력하여 조직 전체에 AI 에이전트와 전략을 구현한다. 엔터프라이즈에서 AI의 현실에 대해 한두 가지는 알고 있다는 뜻이다.
그림 1 - 심연
세상에서 가장 좋은 AI 도구도 그들을 더 빠르게 만들지 못했다
최근에 비기술적 엔터프라이즈의 운영 조직(수천 명 규모) 리더와 대화를 나눴다. AI 없이도 그의 팀은 꽤 괜찮은 속도로 움직이고 있었다고 그는 말했다. 특별히 불만은 없었다.
그런데 그들이 Claude Cowork를 도입했다. 그리고 무슨 일이 일어났는지 아는가? 팀은 여전히 같은 속도로 일하고 있었다. 그는 나에게 이유를 물었다.
나는 모든 조직에서 똑같은 분포를 봐왔다. 50명이든 5000명이든 상관없다. 매번 같은 분포가 나타난다: 바벨. 5-10%의 사람들은 파워 유저가 되었다. 그들은 매일 Cowork를 사용하고, 스킬 파일, Outlook 커넥터 등을 활용했다. 이들은 복음 전도사들이었다. 애초에 Claude Cowork 도입을 밀어붙인 사람들이 바로 그들인데, 업무 밖에서 AI를 만져보며 그것이 얼마나 강력한지 직접 목격했기 때문이다.
나머지 90% 중에서 20%는 하루에 몇 번씩 꽤 서툴게 사용했다. 그들도 어느 정도 가치를 얻긴 하지만, 최전선 사용자들이 얻는 것의 극히 일부에 불과했다. 그리고 나머지 70%는 아예 사용하지 않았다.
그림 2 - 그중 10분의 1만 잘한다
그의 조직의 대시보드는 이번 도입이 채택으로 집계된다는 것을 보여줄 것이다. 하지만 그에게는 아무것도 빨라지지 않았다. 두 가지 모두 동시에 사실이었다.
사용하는 것과 잘 사용하는 것은 다른 기술이다
AI를 사용하는 사람들 사이에서도 실력 격차는 엄청나다. 무엇을 하고 있는지 전혀 모르는 AI 사용자들은 AI 이후 오히려 이전보다 더 나빠진 상태다.
Claude를 설치하고, 저장소를 가리키고, 네 단어짜리 프롬프트를 보내고, 뭔가가 일어나는 것을 지켜보는 것은 사소한 일이다. (맞을 수도, 틀릴 수도 있다)
잘 사용하는 것은 다른 기술이다. 컨텍스트를 언제 비워야 하는지 아는 것. 방금 두 번 했던 일을 매번 다시 입력하는 프롬프트가 아니라 모델이 매번 읽는 스킬 파일로 만들어야 한다는 것을 아는 것. 자동화 프로젝트 중 어느 15%가 판단을 위해 모델을 필요로 하고, 어느 85%가 결정론적 코드만 필요로 하는지 아는 것. 그리고 가장 중요한 것은: 승인하기 전에 diff를 제대로 읽는 것이다.
같은 티켓을 두 엔지니어에게 주면, 이 차이는 처음 5분 안에 드러난다. 첫 번째 엔지니어는 Jira에서 텍스트를 복사해 Claude에 붙여넣고 제출 버튼을 누를 것이다. 수정 사항은 여섯 개의 파일에 걸쳐 있을 것이고, 이 엔지니어는 훑어보고 테스트가 여전히 통과하는 것을 확인한 다음 PR을 병합할 것이다. 3주 후, 프로덕션에서 문제가 발생하기 시작하면, 누군가 이 PR이 이유 없이 설정 값을 변경했다는 것을 알아챌 것이다.
두 번째 엔지니어도 같은 방식으로 시작한다. Jira에서 텍스트를 붙여넣지만, 그다음에는 코드가 저장소의 어디에 있는지, 어떤 폴더와 파일을 건드려야 하고 어떤 것을 건드리지 말아야 하는지 짚어준다. 그리고 Claude가 제출하는 모든 PR이 장황하지 않고 미니멀하며 제출 전에 충분히 테스트되도록 보장하는 스킬 파일을 이미 가지고 있다. 그런 다음 diff를 읽고, 잘못 들어간 변경 사항을 발견하고, 빠른 프롬프트로 수정한 다음, 첫 번째 엔지니어의 절반 크기인 PR을 병합한다.
그림 3 - 같은 도구, 같은 자리, 다른 결과
어떤 조직이든 최소 절반의 인원은 절대 두 번째 버전에 도달하지 못한다. AI를 잘 사용하는 것은 하나의 기술이다. AI 사용에 정말 능숙해지려면 엄청난 반복이 필요하다. AI를 쓰지 않는 사람의 관성은 많은 이들에게 넘을 수 없는 벽이다. 질 낮은 결과물을 쏟아내는 사람을 정교한 파워 유저로 만드는 것도 마찬가지로 어렵다.
완벽한 도입도 여전히 바벨을 만들어낸다
당연한 반론은 "그건 그냥 도입을 잘못한 회사들이다. 나는 훨씬 잘할 텐데."일 것이다. 아니다. 완벽하게 도입한다 해도 결과는 어차피 바벨이다.
우리가 이야기한 또 다른 임원은 방금 조직 전체에 엔터프라이즈 라이선스를 배포한 참이었다. 연간 8자리 수의 투자였다. 대략 10%의 사람들이 토큰의 90%를 소비한다.
이게 어떤 의미인지 감안하면: 나머지 90%가 상위 10%처럼 AI를 사용한다면, 지출은 약 10배로 늘어난다. 1,000만 달러의 투자가 1억 달러가 되고, 최상의 시나리오가 이제 최악의 시나리오가 된다.
그림 4 - 라이선스의 10%가 토큰의 90%를 소비한다
도입은 이분법이고, 실력은 스펙트럼이다
McKinsey의 2025년 조사에 따르면 조직의 88%가 최소 하나의 비즈니스 기능에서 AI를 사용한다. EBIT의 5% 이상을 AI에서 창출하는 조직은 6%뿐이다. MIT NANDA의 GenAI Divide 보고서의 또 다른 통계: 통합된 파일럿의 5%가 수백만 달러의 가치를 창출하고, 나머지 95%는 측정 가능한 P&L 영향이 전혀 없다.
도입을 지표로 추적한다면, 기껏해야 예/아니요 질문을 추상화한 수준을 측정하고 있을 가능성이 매우 높다. "이 사람이 이번 달에 로그인했는가?" "이 사람이 올해 로그인했는가?" "이 사람이 하루에 최소 5개의 프롬프트를 보냈는가?" "한 번도 열어본 적 없다"와 "이메일을 붙여넣어 형식을 바꾼다"와 "프로덕션에서 총계정원장을 다루는 에이전트 3개를 운영한다"를 구분하고 싶다면, 더 나은 측정 시스템이 필요하다. 엔터프라이즈 AI 도입 추적기의 99.9%는 그렇지 않다. 이것은 명백한 이유로 멍청한 짓이다. (위의 바벨을 보라)
그림 5 - 도입 숫자가 감추고 있는 것
하지만 엄밀히 말해 그 숫자는 실제 수치이고, 사람들은 도입에 대해 거짓말을 하고 있지 않다. 이것은 당신이 실제로 관심을 갖는 것, 즉 각 사람이 AI를 얼마나 능숙하게 사용하는지, 그리고 사용된 토큰당 ROI가 얼마인지보다 훨씬 측정하기 쉽다.
그래서 AI 도입은 신화다. 이 지표를 실제로 추적한다면, 엔터프라이즈에서 압도적 다수의 사람들이 AI 네이티브가 될 가능성은 없다는 것을 깨닫게 될 것이다. 그들이 가치가 없다는 뜻인가? 물론 아니다. 다만 구현과 배포 계획을 그에 맞게 조정해야 한다는 뜻이다.
모든 인센티브가 심연을 유지한다
모든 AI 공급업체의 로드맵은 에이전트의 향상된 역량을 내세우지만, 팀이 그것을 효과적으로 사용할 수 있는 능력에 대해서는 아무 말도 하지 않는다. 그래서 그것을 효과적으로 사용하는 사람들은 최전선 사용자들뿐이고, 그들이 가장 목소리가 크기 때문에 그들의 의견이 반영된다. 그들은 또한 만들기에 가장 매력적인 대상이기도 하다. 명백한 윈-윈이다. 모든 기능 릴리스는 제품을 잘 사용하기 위한 실력의 최소 기준을 높이고, 이는 조직에서 최전선과 다수 사이의 심연을 더욱 넓힐 뿐이다.
나는 기업들이 "직원들에게 프롬프트하는 법을 가르치자!"는 아이디어에 매료되는 모습을 계속 목격한다. 이것은 게임의 10%일 뿐이다. 나머지 90%는 "어떤 워크플로우는 절대 모델을 거치지 않아야 하고, 어떤 워크플로우는 완전히 자동화되어야 하는지를 직원들이 이해하도록 교육하는 것"이다. 이것을 프롬프트 교육만큼 쉽게 팔 수 없는 이유는 답이 회사마다 다르고, 현장에서 몇 주를 보내야 알아낼 수 있기 때문이다.
그리고 회사 내부의 AI 닌자들도 그것을 고칠 인센티브가 없다. 그들의 우위는 바로 그 심연이다. 그들은 자기 일을 70% 더 빠르게 끝내고 여유를 즐긴다. 또는 세 사람 분의 일을 한다. 하지만 모든 사람이 그 물결을 타는 순간, 그들의 우위는 사라진다. 추가 인센티브 없이 왜 그것을 고치려 하겠는가?
그렇다면 해결책은 무엇인가?
어쨌든 교육은 해야 한다. 교육을 하기 전까지는 누가 상위 계층에 속하는지 알 수 없기 때문이다. 이런 의미에서 교육은 보충이 아니라 진단이다. 당신 회사에는 확실히 AI에 관심이 있지만 깊이 파고들 시간과 여유가 없는 사람들이 있다. 모든 사람의 능력과 친숙도를 드러내기 위해 교육을 해야 한다.
상위 계층, 즉 파워 유저들에게는 공유 데이터베이스 같은 발행처를 제공하라. 그들이 만드는 모든 스킬이 게시되고, 순위가 매겨지고, 다른 사람들에 의해 설치되도록 말이다. 이것이 한 사람의 돌파구를 공유 가능한 무언가로 바꾸는 유일한 메커니즘이다. 여기서 순위가 인센티브다: 파워 유저들은 조직 내 지위를 위해 자신의 우위를 거래할 것이다. 하지만 격차는 여전히 존재한다: 이걸 모두에게 알려도 50%의 사람들은 결코 스킬을 사용하지 않을 것이다.
다른 모든 사람들을 위해서는, 그들이 일하는 방식을 바꾸지 않아도 작업이 완료되어야 한다. 즉 AI가 백그라운드로 들어가야 한다는 뜻이다. 왜 AI가 인간의 프롬프트를 필요로 하는가? 가장 반복적인 프로세스가 무엇인지 파악하고, 직원들이 이미 사용 중인 기존 시스템(Salesforce, NetSuite, Dynamics 등)에 에이전트를 구축하고, 두 번째 확인이 필요한 경우에만 인간을 개입시키면 된다.
예를 들어: 수십 명의 AP(미지급금) 분석가가 하루 종일 송장을 처리하고 있다. 이것의 90%는 자동화 가능하다. 그들이 프로덕션을 망가뜨리지 않고 안정적으로 에이전트를 만들거나 프롬프트로 처리하길 기대할 수는 없다. 그러니 매일 실행되는 에이전트를 구축하고, 이제 분석가들은 에이전트가 한 작업을 승인하거나 거부하거나 수정하기만 하면 된다.
기억해야 할 한 가지: 사람들은 작업을 완료하는 데 도움이 되는 도구를 원하는 것이 아니다. 그들은 그저 작업이 완료되기를 원한다.
그림 6 - 실제 이용자 수에 비례한 두 가지 경로
그러니 이사회에 '도입'을 보고하지 마세요. 오늘날 작업 중 수동 vs 하이브리드 vs 완전 자동화의 비중이 얼마인지 보고하세요. 그것이 유일하게 의미 있는 보고이자 대화다.
그 백그라운드 에이전트를 어떻게 구축하고 운영할 것인가? 그것은 완전히 별개의 기사 주제다. 하지만 더 자세한 내용을 원한다면, 이것이 바로 우리 Varick이 하는 일이고, AI를 도입한 고객들에게 효과가 있었던 유일한 방법이다. 수천 명의 인원을 가진 엄청나게 큰 회사들이고, 플레이북은 동일하다:
우리는 조직 내에서 작업이 실제로 어디서 일어나는지 파악한 다음, 기존 시스템에 에이전트를 구축한다. 그래서 5천 명의 사람들에게 그들이 선택하지 않은 기술을 잘하게 요구하지 않아도 작업이 완료된다.
우리는 매출 5억 달러 이상의 기업들과 재무, 영업, 구매, 운영, HR 등 다양한 분야에서 협업한다. varickagents.com에서 확인해보세요. 이런 콘텐츠를 더 원한다면 varickagents.com/newsletter에서 뉴스레터를 구독하세요.
핵심 요약
- 당신은 아마 상위 1%일 것이다. 당신 앞에는 여전히 격차가 있지만, 당신 뒤에는 심연이 있다. 회사의 평범한 직원은 당신보다 한참 뒤처져 있고, 그 격차는 릴리스가 나올 때마다 실제로 더 벌어진다.
- 평균적인 Claude Cowork 또는 유사한 도입은 이렇게 진행된다: 5-10%는 파워 유저가 되고, 20%는 서툴게 사용하며, 70%는 거의 사용하지 않는다. 그리고 아무것도 빨라지지 않지만 수백만 달러는 확실히 태운다.
- 도구를 사용하는 것과 잘 사용하는 것은 별개의 기술이며, 어떤 조직이든 최소 절반은 결코 잘 사용하지 못한다.
- 훌륭한 도입도 이것을 해결하지 못한다. 수천 명 앞에 AI를 내놓을 수는 있지만, 조직의 10%가 여전히 토큰의 90%를 소비할 것이다.
- 도입 지표는 전체 스펙트럼을 이분법적인 예/아니요로 압축한다. 그래서 88%의 도입률을 달성하면서도 실제 EBIT 영향을 보는 곳은 6%에 불과한 것이다.
- 상위 계층을 교육하고 그들이 만드는 것을 공개해야 한다. 다른 모든 사람들을 위해서는 그들이 이미 일하고 있는 시스템의 백그라운드에 AI를 넣어야 한다.
