AI 챔피언 프로그램 1기 회고와 2기에서 중요하게 본 것들
-AI Lab 이동훈 팀장
-AI Lab 이동훈 팀장
AI Lab 리더 이동훈입니다.
지난 몇 달 동안 AI 챔피언 프로그램 1기를 함께 운영하며 여러 시행착오와 배움을 겪었습니다. 이 글에서는 1기를 운영하며 얻은 통찰과, 2기에서는 어떤 기준을 더 중요하게 보게 되었는지 정리해 보았습니다.
AI 챔피언을 시작하게 된 배경: “누가 만들어주느냐”에서 “내가 직접 만든다”로
AI 챔피언 프로그램을 만들기 전, 저는 ‘크몽’이라는 내부 바운티 프로그램을 먼저 운영했습니다. 당시에는 “문제를 가장 잘 아는 사람과 이를 해결할 수 있는 사람은 다르다”는 전제가 널리 받아들여졌고, 그 간극을 연결하는 것이 합리적이라고 생각했습니다. 실무에서 마주치는 문제들은 일정 복잡도를 넘어가면 결국 소프트웨어로 해결할 수밖에 없었기 때문에, 비개발자가 직접 해결하는 것은 어렵다고 보는 시각이 자연스러웠습니다.
하지만 크몽을 운영하며 두 가지 구조적 한계가 나타났습니다.
첫 번째는 유지보수의 어려움이었습니다. 3~4주 동안 만들어진 결과물은 당장의 문제를 해결했지만, 업무 상황이 바뀌면 다시 손을 봐야 했습니다. 수정은 문제를 발제한 당사자가 해야 했지만, 비개발자에게는 여전히 높은 장벽이었습니다.
두 번째는 동기부여의 지속성이었습니다. 해결자는 상금 외 추가 동기가 부족했고, 관계가 길게 유지되기 어려웠습니다. 자연스럽게 프로그램의 지속성 역시 떨어졌습니다.
그러던 중 팀에 합류한 임수진 님이 Cursor 같은 AI 코딩 도구를 사용해 재무회계팀의 반복 업무를 스스로 자동화하는 장면을 보면서 제 관점이 크게 바뀌었습니다. “비개발자가 코딩 도구를 쥐고 문제를 해결한다”는 가능성이 실제로 눈앞에서 증명된 순간이었죠.
이 경험을 계기로 저는 ‘문제를 겪는 사람이 스스로 해결하는 구조’를 중심에 둔 새로운 프로그램을 설계하기로 했고, 그렇게 AI 챔피언 1기가 시작되었습니다.
1기에서 있었던 변화들: 구성원들이 직접 만들고 직접 배포하기 시작했다
1기에서 가장 인상 깊었던 순간은 비개발자가 자신이 필요로 하는 기능을 직접 만들고 실제로 팀에 배포하는 장면들이었습니다. 특히 커뮤니케이션디자인(컴디)팀의 사례는 초기에 세웠던 가설을 명확히 검증해 주었습니다.
디자인 조직은 빠듯한 일정 속에서 소재를 만들고, 문구와 레이아웃을 바꾸며 실험과 학습을 반복합니다. 반복이 많아질수록 수기 작업이 쌓이고, 재현 비용도 커졌습니다. 컴디팀은 이 과정을 AI와 자동화로 해결했습니다. 중요한 판단 로직을 정리해 커스텀 GPT와 간단한 코딩으로 자동화했고, 이후에는 피그마 플러그인 형태로 기능을 확장하기도 했습니다.
결과의 완성도도 의미 있었지만, 제가 보기에는 “개발팀만 할 수 있다고 생각했던 일”을 스스로 만들고 운영할 수 있다는 감각을 팀이 얻게 된 점이 더 큰 변화였습니다.
참가자들은 단순히 도구 사용법을 익힌 것이 아니라, 문제를 다시 정의하고 → 작은 형태로 빠르게 만들고 → 실제 업무에 적용해보고 → 피드백을 반영해 개선하는 흐름을 몸으로 익혔습니다.
이 경험은 구성원들을 단순 사용자에서 ‘필요하면 직접 만들어내는 사람’으로 인식하게 만들었습니다.
1기에서 얻은 배움: 가능성은 충분했지만, 운영 원칙이 부족했다
1기에서 확인한 가장 큰 배움은 “비개발자도 문제를 직접 해결하고, 실전에서 사용되는 무언가를 만들어낼 수 있다”는 가능성이었습니다. 하지만 동시에 운영 측면에서는 여러 개선 지점도 드러났습니다.
1기는 명확한 운영 원칙 없이 시작되었습니다. 그 때문에 다음과 같은 질문이 계속되었습니다.
“기수제로 운영되나요?”
“중간 합류가 가능한가요?”
“언제 모집하나요?”
이 질문들은 모두 정당했지만, AI Lab은 명확한 기준 없이 답할 수밖에 없었습니다.
처음 5개 프로젝트로 시작했지만, 진행 중 6개가 추가되고 4개가 드랍 또는 연장 되면서 현재 7개가 완료되었고, 로드맵 중심이 아닌 상황 중심의 운영을 할 수밖에 없었습니다.
이 과정에서 참가자와 AI Lab 모두 혼란을 겪었습니다. 돌아보면 가능성은 충분히 보았습니다. 하지만 이를 조직적으로 확장하려면 운영의 기준이 필요했습니다.
사람을 어떻게 모으고, 프로젝트는 어떤 기준으로 선정하며, 중간 합류나 탈락 조건은 무엇이고, 참가자에게 어떤 경험이 보장되는지 등 최소한의 합의가 없다면, 가장 열심히 참여하는 사람들이 오히려 혼란을 떠안게 됩니다.
이 경험은 “프로그램의 성패는 도구가 아니라 운영 체계가 좌우한다”는 사실을 명확하게 보여주었습니다.
2기에서 중요하게 본 기준들: 임팩트·지속성
이 배움을 바탕으로 2기에서는 두 가지 기준을 중심에 두고 운영했습니다.
첫 번째는 임팩트입니다.
시간 절감, 비용 절감, 매출·성장 기여처럼 조직의 숫자와 방식이 실제로 바뀌는 문제에 더 높은 점수를 두었습니다. ‘만들었다’보다 ‘업무가 달라졌다’가 기준이었습니다.
두 번째는 지속성입니다.
프로젝트가 끝난 뒤에도 운영이 이어지는지, 특정 개인의 열정이나 스킬에만 의존하지 않는지, 팀의 프로세스와 역할 안으로 자연스럽게 편입되는지를 중요하게 봤습니다.
그리고 1기를 거치며 얻은 레슨런은 이 두 가지(임팩트·지속성)를 동시에 만족시키려면 주니어보다 시니어가, 가능하면 팀장/실장 이상처럼 우선순위를 바꾸고 자원을 붙일 수 있는 리더십일수록 유리하다는 점이었습니다.
또한 운영 방식 자체도 1기와 달리 스프린트 기반으로 전환했습니다. 스프린트가 끝날 때마다 회고를 진행해 바로 프로그램에 반영했고, 이틀에 한 번씩 싱크업하며 운영의 유연성을 높였습니다.
AI Native하게 일하기: AI Lab부터 변해야 했다
1기를 통해 “비개발자도 만들 수 있다”는 가능성은 충분히 확인했습니다.
하지만 AI Lab의 일 방식은 여전히 사람이 먼저 뛰고 도구가 뒤따르는 형태에 머물러 있었습니다. 프로젝트 수가 늘고 이해관계자가 증가할수록 프로그램 설계, 커뮤니케이션, 모집, 의사결정 기록 등 운영 난이도가 빠르게 높아졌습니다.
그래서 2기에서는 “우리부터 AI Native하게 일하자”는 원칙을 세웠습니다.
프로그램 설계 단계에서부터 AI를 붙였고, 프로젝트 선정 기준을 문장으로 정리했으며, 질문지를 구조화했습니다. 지원자 사전 인터뷰는 챗봇을 사용해 표준화했고, 사후 인터뷰는 모두 녹음·전사해 평가의 근거 자료로 삼았습니다.
그 결과, 운영의 속도와 일관성이 크게 개선되었습니다. 일주일 만에 20여 팀의 요구사항을 수집하고 평가할 수 있었고, 적은 리소스로도 더 많은 프로젝트를 지원할 수 있는 기반이 마련되었습니다.
현재 AI Lab은 2명과 10월 말에 합류한 인턴 1명이 이 구조로 15개 프로젝트를 운영하고 있습니다.
AI가 더 이상 누군가의 개인 스킬이 아니라, 팀의 기본 업무 방식이 된 변화였습니다.
마무리: 한 번에 완벽한 프로그램보다 ‘꾸준히 굴러가는 구조’를 만든다
1기를 통해 가능성은 충분히 확인했습니다.
2기에서는 그 가능성이 조직 안에서 자연스럽게 이어질 수 있도록 더 깊게 고민하고 있습니다.
결국 중요한 것은 화려한 도구나 한두 번의 성공 사례가 아니라, 그것이 일의 방식으로 자리 잡고, 다음 사람이 쉽게 이어서 할 수 있는 형태로 남는지라고 생각합니다. 지금도 2기는 스프린트, 싱크업, 회고를 통해 계속 다듬어지고 있습니다. 2기가 끝나면 더 많은 배움이 쌓일 것이고, 다음 기수는 더 명확한 기준 아래 더욱 빠르게 진행될 것입니다.
AI Lab은 한 번에 완벽한 프로그램을 만들기보다는, 매 스프린트마다 조금씩 개선되는 프로그램을 만드는 방식을 선택했습니다.
꾸준히 굴러가게 만드는 일. 그것이 AI 챔피언을 운영하며 얻은 가장 큰 교훈입니다.
