AI 파일럿을 넘어: AI 우선 조직을 구축하는 리더들의 네 가지 교훈

Jessica O

콘텐츠 총괄

2026년 11월 4일

Jessica O

콘텐츠 총괄

2026년 11월 4일

문의하기
읽는 데 7 분
인공지능은 가능성의 단계를 넘어 실제 활용 단계에 접어들었습니다.​
동남아시아 전역에서 기업들은 업무를 자동화하고, 의사결정을 개선하며, 새로운 방식으로 일하기 위해 AI를 실험하고 있습니다. 일부는 이미 첫 AI 이니셔티브를 통해 유망한 성과를 확인하고 있습니다.​
하지만 초기 성공은 새로운 과제를 만들어냅니다.​
개별적인 AI 이니셔티브를 넘어서는 방법은 무엇일까요? AI를 중심으로 사람들이 일하는 방식을 어떻게 재설계할 수 있을까요? 그리고 이러한 성공을 비즈니스 전반으로 어떻게 확장할 수 있을까요?​
이 질문들은 Lark Reimagine 2026에서 Carro COO Zi Yong Chua와 StoreHub Chieftain 겸 공동 창립자 Wai Hong Fong의 대담의 핵심 주제였습니다.​
두 기업의 사업은 서로 달랐고, 출발점도 달랐습니다. 그러나 그들이 공유한 많은 교훈은 놀라울 정도로 비슷했습니다.​
채용, 고객 운영, 워크플로 설계 등 어떤 주제를 논의하든, 그들의 경험은 조직 전반에 AI를 확장하려는 리더들에게 네 가지 공통된 교훈을 제시했습니다.​
세션을 놓치셨나요? 여기에서 전체 대화를 시청하세요: ​
​
​
loading...
​
​

1강: AI는 단순한 수작업뿐만 아니라 제약도 제거합니다

​
​
AI는 기존 작업의 속도를 높이는 것뿐만 아니라, 과거에 비즈니스 운영 방식을 규정했던 제약을 제거함으로써 가치를 창출합니다.​
Carro에서의 과제는 고객 대화의 부족이 아니었습니다. 이 회사는 이미 매달 수만 건의 고객 상호작용을 보유하고 있었습니다. 문제는 모든 대화를 수동으로 검토하는 것이 현실적으로 불가능했다는 점이었습니다. 관리자는 전환 결과는 확인할 수 있었지만, 고객이 구매한 이유나 구매하지 않은 이유, 또는 상담원이 각 상호작용을 어떻게 처리했는지에 대해서는 가시성이 제한적이었습니다.​
모든 대화를 기록하고 분석함으로써 AI는 표본에 의존하는 대신 모든 고객 상호작용을 이해할 수 있게 만들었습니다. 이전에는 분석 비용과 시간이 너무 많이 들어 분석하기 어려웠던 정보가 이제는 기업이 지속적으로 학습하고 실행에 옮길 수 있는 대상이 되었습니다.​
​StoreHub Chieftain and co-founder sharing insights during an AI leadership panel at Lark Reimagine 2026​​
StoreHub는 또 다른 과제에 직면했습니다. 소규모 채용팀이 한 달에 약 10,000건의 입사 지원서를 처리하고 있었고, 지원자들은 답변을 받기까지 몇 주씩 기다리는 경우가 많았습니다.​
Wai Hong은 이러한 한계를 받아들이는 대신 직접 AI를 실험했습니다. 그는 하루 만에 이력서와 지원 응답을 선별하는 AI 에이전트를 구축했고, 다음 날에는 짧은 영상 인터뷰를 평가하는 또 다른 에이전트를 만들었습니다.​
그의 결론은 간단했습니다:​
"기업이 AI 우선이 될 수 있는 유일한 방법은 리더십이 무엇이 가능한지 이해하는 것입니다."​
그러한 이해는 기술을 넘어섭니다. 모든 운영 모델은 무엇이 검토하기에 너무 비용이 많이 드는지, 구축하기에 너무 느린지, 또는 확장하기에 너무 많은 노동력이 필요한지에 대한 가정을 기반으로 구축됩니다. AI가 이러한 제약을 제거함에 따라 리더는 업무 수행 방식을 재고할 기회를 얻게 됩니다.​
​

레슨 2: 도입은 자동화가 아니라 신뢰에서 시작됩니다

​
​
유능한 AI 시스템이 자동으로 직원들이 신뢰하는 시스템이 되는 것은 아닙니다.​
직원들은 AI가 자신의 업무를 지원할 것이라는 확신이 있어야만 AI에 의존하려고 합니다.​
Carro는 대출 승인 워크플로를 개발하는 동안 이러한 점을 경험했습니다. 딜러들은 승인됨, 거절 또는 에스컬레이션 여부를 결정하기 전에 직원들이 검토하는 길고 비정형적인 문서를 제출했습니다.​
The first AI workflow, built in Lark Base, did not replace employees. Instead, it generated recommendations while keeping the final decision with a human reviewer through a dedicated "Human Check" step.​
Lark Base에서 구축된 첫 번째 AI 워크플로는 직원을 대체하지 않았습니다. 대신 전용 "Human Check" 단계를 통해 최종 결정은 사람이 검토하도록 유지하면서 추천 결과를 생성했습니다.​
이 워크플로는 약 6개월 동안 이러한 형태로 유지되었습니다.​
그 기간 동안 직원들은 AI의 추천 결과를 자신의 결정과 비교하며, 해당 시스템이 일상적인 워크플로의 일부가 되기 전에 점진적으로 신뢰를 쌓아 갔습니다.​
그 후에야 Carro는 해당 워크플로를 딜러 관리 시스템에 통합했습니다. 신뢰가 높아짐에 따라 수동 검토가 필요한 신청 비율은 100%에서 약 40%까지 감소했습니다.​
​Carro COO discussing AI transformation during a panel at Lark Reimagine 2026​​
그 6개월은 지연이 아니었습니다. 그것은 도입 과정의 일부였습니다.​
직원들은 AI에 의존하려면 먼저 AI가 자신의 업무를 지원해 줄 것이라는 확신이 필요합니다. 직원들에게 AI를 실험하고, 그 결과물을 직접 경험하며, 인간의 판단이 여전히 중요한 시점을 이해할 기회를 제공하면 이러한 신뢰를 구축하는 데 도움이 됩니다.​
Zi Yong이 설명했듯이, 직원들은 AI를 실험하고 그 결과물을 직접 경험하며 시간이 지나면서 확신을 쌓을 기회가 필요합니다.​
핵심은 첫날부터 모든 것을 자동화하는 것이 아닙니다. 먼저 신뢰를 구축한 다음, 확신이 커짐에 따라 자동화를 확대하는 것입니다.​
​

3과: 워크플로를 자동화하기 전에 먼저 재설계하세요

​
​
많은 기업은 반복적인 작업을 식별하고 기존 프로세스에 AI를 어디에 적용할 수 있을지 검토하는 방식으로 AI 프로젝트를 시작합니다.​
이러한 접근 방식은 효율성을 개선할 수 있지만, 처음부터 워크플로를 비효율적으로 만들었던 동일한 인계 절차, 승인, 그리고 프로세스 제약을 그대로 유지하는 경우가 많습니다.​
더 나은 질문은 다음과 같습니다:​
"이 프로세스를 설계할 당시 AI가 존재했다면, 우리는 같은 방식으로 만들었을까?"​
StoreHub는 판매자 온보딩에 이러한 사고방식을 적용했습니다.​
기존 온보딩 여정에는 메뉴 설정, 판매자 교육, 그리고 첫 번째 거래기록을 완료하기 전에 구조화된 온보딩 프로세스를 안내하는 과정이 포함되어 있었습니다.​
팀은 각 개별 단계를 자동화하는 대신, 모든 단계가 여전히 필요한지에 대해 의문을 제기했습니다.​
대신 고객은 대화형으로 상호작용하고, 보다 자연스럽게 정보를 제공하며, 실제 업무 방식에 더 잘 맞는 방식으로 온보딩을 완료할 수 있었습니다.​
​Carro and StoreHub leaders speaking onstage during an AI-first organization panel at Lark Reimagine 2026​​
Carro는 고객 운영 부문에서도 유사한 변화를 경험했습니다.​
AI가 등장하기 전에는 모든 고객 대화를 검토하는 것이 사실상 불가능했습니다. 모든 상호작용을 자동으로 분석할 수 있게 되자, 관리자는 코칭 기회를 파악하기 위해 더 이상 월간 검토를 기다릴 필요가 없어졌습니다. AI는 문제를 지속적으로 드러냈고, 대화에서 놓친 작업이나 기회가 나타날 때마다 매주 코칭이 이루어질 수 있도록 했습니다.​
AI는 관리자가 볼 수 있는 것뿐만 아니라 언제 행동할 수 있는지도 바꾸었습니다.​
조직은 어제의 프로세스를 자동화한다고 해서 AI 우선 조직이 되는 것이 아닙니다. 이전에는 존재하지 않았던 역량을 중심으로 업무를 재설계할 때 AI 우선 조직이 됩니다.​
​

레슨 4: AI와 함께 거버넌스 구축

​
​
모든 워크플로 재설계는 정보에 접근하는 방식, 의사결정이 이루어지는 방식, 그리고 책임이 위치하는 지점을 변화시킵니다.​
AI가 정보를 검색하고, 권장 사항을 제시하거나, 작업을 수행하기 시작하면서 거버넌스를 더 이상 별도의 컴플라이언스 활동으로 취급할 수 없게 되었습니다. 거버넌스는 워크플로 자체의 일부가 됩니다.​
Carro에서는 AI 에이전트를 지원하는 인프라에 가드레일이 내장되어 있습니다. 여기에는 프롬프트 인젝션과 회사 데이터에 대한 무단 접근으로부터 시스템을 보호하는 것이 포함되며, 특히 에이전트가 API를 통해 내부 데이터 소스에 직접 연결될 때 더욱 중요합니다. 접근 권한은 의도적으로 제한되어 있으며, 특히 에이전트가 API를 통해 내부 시스템에 직접 연결될 때 무단 데이터 접근 위험을 줄이기 위해 설계되었습니다.​
Carro는 또한 AI가 전체 워크플로를 대체하도록 두는 대신, 워크플로에 사람이 계속 참여하도록 유지합니다. 인간 검토자는 시스템의 출력을 확인하는 책임을 계속 맡고 있으며, AI 사용 방식에 대한 통제를 통해 프로세스 내에서 AI의 영향 범위를 제한합니다.​
이러한 가드레일은 AI 에이전트를 지원하는 인프라와 워크플로에 내장되어 있으며, 책임감 있게 AI를 확장하는 데 필요한 신뢰를 제공합니다.​
이러한 시스템이 비즈니스 프로세스 전반에 걸쳐 더욱 긴밀하게 연결됨에 따라, 거버넌스는 기업이 책임감 있게 확장하는 데 필요한 신뢰를 제공합니다.​
가드레일은 혁신의 장애물이 아닙니다. 오히려 혁신을 지속 가능하게 만드는 요소입니다.​
​

AI 전환은 파일럿 이후에 시작됩니다

​
​
성공적인 AI 파일럿은 해당 기술이 효과적으로 작동한다는 것을 입증합니다.​
AI 우선 기업을 구축하는 것은 비즈니스가 다른 방식으로 운영될 수 있음을 입증합니다.​
Carro와 StoreHub가 공유한 경험은 지속적인 혁신이 단순히 새로운 모델을 배포하거나 새로운 도구를 도입하는 것만으로는 이루어지지 않는다는 점을 보여줍니다. 이를 위해서는 리더가 무엇이 가능한지에 대해 다시 생각해야 하고, 직원들은 AI에 대한 신뢰를 구축해야 하며, 워크플로는 새로운 역량을 중심으로 재설계되어야 하고, 거버넌스는 자동화와 함께 발전해야 합니다.​
기술은 대화를 시작합니다. AI가 지속적인 비즈니스 가치를 창출할 수 있는지는 기업의 변화에 달려 있습니다.​
경쟁 우위는 최신 모델을 가장 먼저 도입하는 데서 나오지 않을 것입니다.​
그것은 사람, 워크플로, 그리고 AI가 함께 운영되는 방식을 재설계하는 데서 나올 것입니다.​
​

AI 파일럿 단계를 넘어설 준비가 되셨나요? 함께 이야기해 보세요.

​
​

Jessica O

콘텐츠 총괄

Jessica는 Lark APAC에서 콘텐츠 부문을 이끌며, 팀 간 조율부터 의사결정까지 조직이 대규모로 업무를 실행하는 방법에 대해 글을 씁니다. 팀이 성장하는 과정에서도 같은 방향을 유지하는 데 도움이 되는 요소에 집중합니다.

계속 읽기

© 2026 Lark Technologies Pte. Ltd.