AI가 코드를 작성하고, 자료를 정리하고, 복잡한 업무까지 처리하는 모습을 보면 예전에는 열 명이 필요했던 일을 이제 서너 명이 할 수 있지 않을까?라는 생각이 든다.
Meta의 Project OT는 이런 기대를 실제 조직 운영에 적용하려던 계획이었다. OT는 Organization Transformation의 약자다. 로이터의 2026년 8월 26일 보도에 따르면, 메타는 AI가 상당한 업무를 수행하고 더 작은 규모의 직원 집단이 이를 감독하는 조직을 구상했다. 일부 팀을 최대 60% 축소하는 시나리오도 검토했다. 다만 Meta는 이 수치에 인력 재배치가 포함됐으며, 전 직원의 60%를 해고하려던 계획은 아니었다고 설명했다.
이 사례에서 눈여겨볼 부분은 감축 규모만이 아니다. AI가 일을 더 빨리 처리할 수 있다는 기대를, 조직이 더 적은 인원으로 운영될 수 있다는 판단으로 연결하는 과정이다. 두 가지는 비슷해 보이지만 확인해야 할 내용이 상당히 다르다.
마크 저커버그가 공개적으로 밝힌 방향도 분명했다. 그는 2026년 1월 28일 실적 발표에서 AI가 일하는 방식을 크게 바꿀 것이라고 전망했다. 메타가 AI 중심의 업무 도구에 투자하고, 개별 실무자의 역할을 강화하며, 팀의 관리 계층을 줄이고 있다고 설명했다. 과거에 큰 팀이 필요했던 프로젝트를 뛰어난 개인 한 명이 수행하는 사례도 나타나고 있다는 주장이었다. 이는 당시 경영진의 기대와 관찰을 보여주는 발언이지, 회사 전체의 생산성이 그만큼 향상됐다는 검증 결과는 아니다.
여기서 말하는 ‘AI 네이티브’는 업무의 출발점부터 AI 활용을 전제로 삼는다는 뜻으로 이해하면 쉽다. 예를 들어 보고서를 작성할 때 사람이 자료를 모으고 마지막에 AI로 문장을 다듬는 방식이 있다. 반면 AI가 자료 수집과 초안 작성을 맡고, 사람이 출처를 확인하고 결론을 결정하도록 처음부터 업무를 설계할 수도 있다. 후자의 경우에는 업무 순서뿐 아니라 담당자의 역할과 검토 방식도 달라진다.
조직을 바꾸려면 바로 그 지점까지 설계해야 한다. 누가 AI에 일을 맡기는지, 결과를 누가 확인하는지, 잘못됐을 때 누가 수정하는지가 정해져 있어야 한다. 도구를 설치하는 것보다 훨씬 큰 변화다.
Meta는 실제로 인력 배치와 관리 구조를 함께 손대려 했다. 로이터가 확인한 2026년 5월 내부 공지에는 직원 7,000명을 AI 관련 신규 업무로 옮기고 관리직을 줄이는 계획이 담겼다. 더 작은 ‘팟’이나 ‘코호트’ 단위로 일하면서 실행 속도와 책임 범위를 높이겠다는 설명이었다. 팟은 특정 목표를 중심으로 움직이는 소규모 팀이라고 생각하면 된다.
작은 팀의 장점은 충분히 상상할 수 있다. 간단한 기능 하나를 바꾸기 위해 여러 부서를 거칠 필요가 줄어들고, 아이디어를 빠르게 시험해 볼 수도 있다. 하지만 팀에서 사람이 빠졌다고 그 사람이 하던 일이 모두 사라지는 것은 아니다. 요구사항을 정리하고, 다른 부서와 충돌을 조정하고, 결과물을 검토하는 일은 여전히 남는다. AI가 맡지 못한 업무가 남은 사람에게 얼마나 이동하는지도 계산해야 한다.
이 계획을 이해할 때 가장 조심해서 읽어야 할 부분은 생산성 수치다.
- 내부 소프트웨어 플랫폼/인프라의 코드 변경 -> 220% 증가
- 신규/개선 기능 변경 -> 36% 증가
- 주요 기술/보안 사고 -> 40% 증가
- 사고 대응에 직원들이 사용한 시간 -> 70% 증가
두 증가율을 나눠서 ‘AI가 만든 코드의 몇 퍼센트만 쓸모 있었다’고 계산하는 것도 적절하지 않다. 서로 다른 대상을 집계한 지표이기 때문이다. 사고 증가분 전체를 AI 탓으로 돌리려면 추가 근거도 필요하다.
다만 업무 성과를 평가하는 관점에서는 중요한 질문이 생긴다. 결과물을 만드는 속도가 빨라졌을 때, 검토와 수정까지 포함한 전체 작업 시간도 줄었을까?
예를 들어보자. 기존에는 기능을 구현하는 데 5시간, 검토와 수정에 2시간이 걸렸다고 하자. AI를 사용한 뒤 구현은 한 시간으로 줄었지만 검토와 수정에 여섯 시간이 필요하다면 전체 작업 시간은 그대로다.
여기에 배포 후 오류를 처리하는 시간이 늘어나면 오히려 더 많은 노동이 들어갈 수도 있다. 반대로 검토 부담까지 줄었다면 그때는 분명한 개선이라고 평가할 수 있다.
그래서 AI의 효과를 확인하려면 초안 생성 시간과 함께, 최종 승인까지 걸린 시간, 재작업량, 오류율, 운영 비용을 봐야 한다. 화면에 결과가 빠르게 나타나는 경험만으로는 알 수 없는 부분이다.
이런 측정의 어려움을 보여주는 별도의 연구도 있다. AI 평가기관 METR은 2025년 숙련된 오픈소스 개발자 16명이 자신에게 익숙한 프로젝트의 실제 과제 246개를 수행하는 실험을 진행했다. 당시 AI 도구 사용이 허용된 조건에서는 작업 완료 시간이 평균 19% 더 길어졌다. 그런데 참가자들은 실험 후에도 AI 덕분에 시간이 줄었다고 추정했다. 체감과 측정 결과 사이에 차이가 있었던 셈이다.
이 연구를 근거로 지금의 AI 도구가 개발자를 항상 느리게 만든다고 말할 수는 없다. 연구 대상과 작업 환경, 사용한 도구가 제한돼 있기 때문이다. METR도 2026년 후속 설명에서 도구의 효과가 개선됐을 가능성을 언급했다. 동시에 AI 없이 일하기를 원하지 않는 개발자들이 실험에 참여하지 않는 등의 선택 편향 때문에, 새로운 데이터로 향상 폭을 신뢰성 있게 판단하기 어렵다고 밝혔다.
Meta 사례와 이 연구를 함께 읽으며 얻을 수 있는 교훈은 측정의 필요성이다. AI에 대한 기대도, 실망도 실제 업무 조건에서 확인해야 한다.
조직 전환에는 직원들의 신뢰라는 문제도 있었다. 5월 로이터 보도에 따르면, 메타 직원들은 인력 이동과 감축에 반발했고, AI 학습에 활용할 마우스 추적 소프트웨어 설치를 비판하는 청원에는 1,000명 이상이 서명했다.
- 구체적인 업무에 AI를 적용하고, 검토와 오류 대응을 포함한 전체 효과를 확인해야 한다.
- 이 결과를 바탕으로 업무 범위와 인력 배치를 조정하는 편이 타당하다. 그래야 기대했던 성능이 나오지 않았을 때 남은 직원과 사용자가 그 비용을 떠안는 상황을 줄일 수 있다.
로이터의 2026년 8월 26일 보도에 따르면, 메타는 AI가 상당한 업무를 수행하고 더 작은 규모의 직원 집단이 이를 감독하는 조직을 구상했다. 일부 팀을 최대 60% 축소하는 시나리오도 검토했다. 다만 Meta는 이 수치에 인력 재배치가 포함됐으며, 전 직원의 60%를 해고하려던 계획은 아니었다고 설명했다.
이 사례에서 눈여겨볼 부분은 감축 규모만이 아니다. AI가 일을 더 빨리 처리할 수 있다는 기대를 조직이 더 적은 인원으로 운영될 수 있다는 판단으로 연결하는 과정이다. 두 가지는 비슷해 보이지만 확인해야 할 내용이 상당히 다르다.
마크 저커버그가 공개적으로 밝힌 방향은 분명했다. 그는 2026년 1월 28일 실적 발표에서 AI가 일하는 방식을 크게 바꿀 것이라고 전망했다. Meta가 AI 중심의 업무 도구에 투자하고, 개별 실무자의 역할을 강화하며, 팀의 관리 계층을 줄이고 있다고 설명했다.
과거에 큰 팀이 필요했던 프로젝트를 뛰어난 개인 한 명이 수행하는 사례도 나타나고 있다는 주장이었다. 이는 당시 경영진의 기대와 관찰을 보여주는 발언이지, 회사 전체의 생산성이 그만큼 향상됐다는 검증 결과는 아니었다.
여기서 말하는 ‘AI 네이티브’는 업무의 출발점부터 AI 활용을 전제로 삼는다는 뜻으로 이해하면 쉽다. 예를 들어 보고서를 작성할 때 사람이 자료를 모으고 마지막에 AI로 문장을 다듬는 방식이 있다. 반면 AI가 자료 수집과 초안 작성을 맡고, 사람이 출처를 확인하고 결론을 결정하도록 업무를 설계할 수도 있다. 후자의 경우에는 업무 순서뿐 아니라 담당자의 역할과 검토 방식도 달라진다.
조직을 바꾸려면 그 지점까지 설계해야 한다. 누가 AI에 일을 맡기는지, 결과를 누가 확인하는지, 잘못됐을 때 누가 수정하는지가 정해져 있어야 한다. 도구를 설치하는 것보다 훨씬 큰 변화다.
Meta는 실제로 인력 배치와 관리 구조를 함께 손대려 했다. 로이터가 확인한 2026년 5월 내부 공지에는 직원 7,000명을 AI 관련 신규 업무로 옮기고 관리직을 줄이는 계획이 담겼다. 더 작은 ‘팟’이나 ‘코호트’ 단위로 일하면서 실행 속도와 책임 범위를 높이겠다는 설명이었다. 팟은 특정 목표를 중심으로 움직이는 소규모 팀이라고 생각하면 된다.
작은 팀의 장점은 충분히 상상할 수 있다. 간단한 기능 하나를 바꾸기 위해 여러 부서와 협의할 필요가 줄어들고, 아이디어를 빠르게 시험해 볼 수 있다. 하지만 팀에서 사람이 빠졌다고 그 사람이 하던 일이 모두 사라지는 것은 아니다. 요구사항을 정리하고, 다른 부서와의 충돌을 조정하고, 결과물을 검토하는 일은 존재한다. AI가 맡지 못한 업무가 남은 사람에게 얼마나 이동하는지도 계산해야 한다.
이 계획을 이해할 때 가장 조심해서 읽어야 할 부분은 생산성 수치다. 로이터가 인용한 메타 내부 자료에는 다음과 같은 전년 대비 변화가 나타난다.
위 상황은 기술 도입을 추진하는 조직이라면 생각해 볼 만하다. 직원에게 자신의 업무를 AI가 학습하도록 협조하라고 요청하면서, 자신의 역할이 어떻게 달라질지는 설명하지 않는 상황을 가정해 보자. 회사는 이를 업무 개선이라고 받아들여도 직원은 고용 불안으로 느낄 수 있다. 같은 프로젝트를 바라보는 출발점부터 달라지는 것이다.
현장의 협조가 필요한 변화라면, 어떤 업무를 자동화하고 어떤 역할을 새로 맡길지 구체적으로 설명할 필요가 있다. 직원이 오류나 한계를 발견했을 때 이를 솔직하게 말할 수 있어야 평가도 정확해진다. 사용량을 높이는 것과 실제로 도움이 되는 사용을 늘리는 것은 별개의 과제다.
그렇다면 Project OT는 어떻게 됐을까?
로이터에 따르면 메타는 2026년 5월 20일 직원 약 10%를 감축했지만, 11월로 예정했던 두 번째 개편/감축 계획은 중단했다. 로이터는 저커버그가 방향을 바꾼 정확한 이유까지 확인하지는 못했다고 밝혔다. 따라서 ‘AI 성능 부족이라는 단일 원인 때문에 모든 조직 전환을 폐기했다’고 단정하는 것은 보도보다 앞서 나간 해석이다.
이후 보도에서는 저커버그의 내부 발언이 전해졌다. 그는 최근 몇 달간 AI 에이전트 발전이 기대만큼 빨라지지 않았고, 새로운 조직 구조에 대한 기대도 아직 실현되지 않았다고 말했다. 당시 경영진의 예상과 실제 진행 상황 사이에 간격이 있었음을 보여준다.
이 간격이 앞으로 얼마나 줄어들지는 별도로 확인해야 한다. 기술이 개선될 수 있다는 전망과, 현재 조직에서 안정적으로 맡길 수 있는 업무 범위는 구분해서 판단할 필요가 있다.
회사는 AI가 할 수 있을 것으로 기대하는 일을 기준으로 조직을 설계해야 할까? 아니면 실제로 해내고 있는 일을 기준으로 설계해야 할까?
내가 이 사례에서 읽는 교훈은 변화의 순서에 있다.
AI가 초안을 몇 개 더 만들었는지보다, 그 초안이 얼마나 적은 수정으로 실제 업무에 쓰였는지가 더 중요하다. 코드가 얼마나 늘었는지보다, 사용자가 원하는 기능이 안정적으로 전달됐는지가 더 중요하다.
조직 전환의 성과는 결국 이런 일상의 결과에서 드러난다.
0 Comments:
댓글 쓰기