이 글은 AI 도구 자체보다 조직 문화가 생산성을 좌우하는 더 근본적인 요소라고 주장한다. AI는 좋은 문화·명확한 구조·협업을 갖춘 조직에서는 성과를 증폭시키지만, 불신과 비난, 불명확한 책임이 있는 조직에서는 기존 문제를 더 빠르게 키울 뿐이다. 따라서 리더가 던져야 할 핵심 질문은 "어떻게 모두가 AI를 쓰게 할까?"가 아니라, "어떻게 뛰어난 사람들이 최선을 다하고 AI로 그 성과를 증폭할 수 있는 조직을 만들까?"여야 한다.

1. 스폰서 안내와 AI 에이전트의 맥락 문제

뉴스레터는 먼저 스폰서인 Unblocked의 무료 웨비나를 소개한다. 이 웨비나는 AI 에이전트가 코드를 생성할 수는 있지만, 각 회사의 시스템 구조·팀 관례·과거 의사결정까지 제대로 이해시키는 일은 별개의 어려운 문제라고 설명한다. 단순히 MCP를 늘리거나 규칙과 컨텍스트 윈도우를 확대하는 것만으로는 에이전트가 정보를 이해하게 만들 수 없다는 것이다.

Unblocked는 이를 해결하기 위해, 작업마다 에이전트에게 필요한 정보를 정확히 제공하는 컨텍스트 레이어(context layer)가 필요하다고 제안한다. 웨비나에서는 AI 도입 성숙도 단계에서 팀들이 막히는 지점, 흔한 해결책이 실패하는 이유, 품질·효율·비용을 개선하는 컨텍스트 레이어, 그리고 동일한 코딩 작업을 컨텍스트 레이어 유무에 따라 비교하는 시연을 다룬다고 안내한다.

2. AI 열풍 속에서 놓치고 있는 문화의 중요성

글쓴이는 요즘 거의 모든 대화가 AI, AI 도구, AI 생산성을 중심으로 흘러간다고 말한다. "이 AI 도구를 써야 한다", "이 AI 워크플로를 도입해야 한다", "엔지니어는 AI로 2배·5배·10배 더 생산적이어야 한다"는 식의 메시지가 넘친다는 것이다.

그는 AI가 소프트웨어 개발 방식을 바꾸고 있으며, 자신도 매일 AI 도구를 사용한다는 점은 인정한다. 하지만 조직들이 도구에만 지나치게 집중하고, 도구가 사용되는 환경에는 충분히 신경 쓰지 않는다고 지적한다.

"우리는 AI 도구에만 너무 집중하고, 그 도구가 사용되는 환경에는 충분히 집중하지 않고 있다. AI 도구보다 훨씬 더 중요한 것이 있는데, 바로 훌륭한 문화다."

13년 이상 엔지니어링 업계에서 일하며 글쓴이는 나쁜 문화가 낳는 부정적 결과와 좋은 문화가 만드는 긍정적 결과를 모두 보았다. 엔지니어와 엔지니어링 매니저로 일할 때는, 문제가 생기면 부서들이 하루 종일 서로를 탓하는 상황도 직접 경험했다. 이런 경험을 바탕으로 그는 좋은 문화가 모든 것의 출발점이라고 확신한다.

특히 경영진이 AI를 언급하며 구성원의 역할이나 필요성을 위협하는 식의 메시지를 던지는 것은 위험하다. 원문에는 구체적인 문제 문장이 누락되어 있지만, 글쓴이는 이러한 "AI가 있으니 사람은 덜 중요하다"는 취지의 발언이 구성원에게 자기 일이 중요하지 않다는 신호를 준다고 설명한다. CEO·CPO·CTO 같은 고위 리더가 이런 말을 할수록 피해는 더 크다.

그 결과는 심리적 안전감의 하락이다. 사람들은 "내가 앞으로도 필요한 사람일까?"를 걱정하게 되고, 자유롭게 의견을 내거나 도전하고 협력할 동력을 잃는다.

"훌륭한 문화보다 더 좋은 생산성 비결은 없다. 어떤 AI 도구도 이보다 더 큰 생산성 향상을 제공하지 못한다."

3. 나쁜 문화는 제품에도 그대로 드러난다

글쓴이는 2025년과 2026년 초에 "AI가 사람을 대체하거나 생산성을 자동으로 폭증시킬 것"이라는 식의 말을 여러 차례 들었다고 밝힌다. 올해 들어서는 다소 나아졌다고 느끼지만, 이런 인식은 여전히 조직에 악영향을 줄 수 있다.

그 이유를 설명하기 위해 글은 콘웨이의 법칙(Conway's Law)을 제시한다. 이는 조직이 만드는 시스템이 결국 그 조직의 커뮤니케이션 구조를 닮게 된다는 원리다.

"시스템을 설계하는 조직은 그 조직의 의사소통 구조를 복제한 형태의 설계를 만들어낼 수밖에 없다."

즉, 조직의 소통 방식과 협업 방식은 단지 내부 분위기에 그치지 않는다. 생산성, 제품 구조, 최종 산출물에까지 그대로 반영된다. 문화가 나쁘다면 사람들이 원활히 협업하거나 제대로 소통하지 못하고, 결국 제품도 나빠질 가능성이 높다. 반대로 문화가 좋다면 팀이 더 잘 협력하고, 좋은 결과물을 만들 가능성도 커진다.

글쓴이는 좋은 문화를 인간의 건강에 비유한다. 건강이 나쁘면 다른 어떤 일도 잘하기 어렵듯, 조직 문화가 나쁘면 전략·도구·구조 등 다른 요소를 아무리 개선해도 기대한 만큼 잘 작동하기 어렵다는 뜻이다. 따라서 문화는 다른 모든 개선 활동에 앞서는 필수 조건으로 다뤄져야 한다.

4. 경쟁사 공포와 '10배 생산성' 주장에 휘둘리지 말 것

많은 CEO와 임원이 경쟁사나 다른 기업이 특정 AI 도구 덕분에 생산성이 10배가 됐다는 사례를 보면 불안해한다고 글은 말한다. 이들은 뒤처질지 모른다는 FOMO(놓칠까 봐 느끼는 두려움)에 빠지고, "왜 우리 조직은 저만큼 생산적이지 못한가?"라며 주변 사람들을 압박하거나 탓하기 시작한다.

그러나 이런 비난은 구성원에게 "너희는 일을 못 하고 있다", "나는 너희의 판단을 믿지 않는다"는 신호를 준다. 특히 AI 도입을 주도해야 한다고 기대받는 엔지니어와 엔지니어링 리더가 가장 큰 부담을 떠안게 된다.

또한 글쓴이는 이른바 'AI로 10배 생산성 향상'이라는 많은 보고가 실제로는 특정 AI 제품이나 파트너십을 홍보하기 위한 주장일 수 있다고 경고한다. 숫자만 보고 성급히 반응한 리더가 오히려 조직 문화를 훼손하는 셈이다.

"누군가가 어떤 말을 할 때는, 그 말 뒤에 어떤 인센티브가 있는지 항상 살펴보라. 그것만으로도 그 말이 사실인지 상당 부분 판단할 수 있다."

핵심은 외부 성공 사례를 무조건 부정하는 것이 아니다. 대신 누가, 왜, 어떤 조건에서 그 생산성 수치를 말하고 있는지를 검토해야 한다는 것이다. 다른 회사의 성과를 그대로 따라 하려 하기보다, 자신의 조직이 갖춘 문화·업무 방식·아키텍처·인력 구성을 먼저 봐야 한다.

5. AI는 조직이 가진 강점과 약점을 모두 증폭한다

글쓴이가 강조하는 핵심 원리는 간단하다. AI는 이미 조직 안에 존재하는 것을 증폭한다. 좋은 문화와 AI는 매우 잘 어울리지만, AI가 나쁜 문화를 알아서 고쳐 주지는 않는다.

소통이 나쁜 조직에서는 AI가 잘못된 가정과 불분명한 요구사항을 더 빠르게 코드와 문서로 만들어 혼란을 키울 수 있다. 아키텍처가 나쁜 조직에서는 AI도 나쁜 구조를 토대로 더 많은 코드를 만들기 때문에 복잡성과 기술 부채가 커질 수 있다. 프로세스가 불명확하고 팀워크가 부족한 상태에서 AI를 전면 도입하면, 조직 구성원은 결국 잘못된 방향으로 더 빨리 달려갈 뿐이다.

"좋은 프로세스와 아키텍처가 없고 사람들이 팀으로 함께 일하지 않는다면, 모든 것에 AI를 쓰기 시작하는 일은 상황을 더 나쁘게 만들 뿐이다."

반대로 좋은 문화와 좋은 아키텍처가 있다면 사람들은 서로를 돕고 지식을 교환한다. AI 역시 일관된 구조와 명확한 기준이라는 더 좋은 '청사진'을 받아, 조직이 기대하는 수준의 결과를 낼 가능성이 높아진다.

6. 좋은 엔지니어링 문화를 점검하는 질문

글쓴이는 팀이나 조직의 문화가 건강한지 판단하기 위해 다음과 같은 질문에 답해 보라고 권한다. 대부분에 "예"라고 답할 수 있다면, 좋은 문화로 가는 길에 올라서 있다고 볼 수 있다. 😊

• 사람들은 자신이 무엇을 책임져야 하는지 알고 있는가?
• 불필요한 승인 절차 없이 스스로 결정을 내릴 수 있는가?
• 리더십에 이견을 제기해도 안전하다고 느끼는가?
• 팀들은 서로를 신뢰하는가?
• 우선순위가 명확한가?
• 사람들은 건설적으로 의견 충돌을 해결할 수 있는가?
• 과정이나 활동량보다 성과와 결과를 보상하는가?
• 구성원은 자신들이 왜 어떤 일을 만들고 있는지 이해하는가?
• 실패가 발생했을 때 배우는가, 아니면 책임질 사람을 찾는가?

이 질문들은 문화의 핵심이 단순한 친목이나 만족도에 있지 않음을 보여 준다. 좋은 문화란 명확한 책임, 자율적인 의사결정, 심리적 안전감, 팀 간 신뢰, 우선순위 정렬, 실패에서의 학습이 실제 업무 방식에 녹아 있는 상태다.

글쓴이는 자신이 엔지니어링 문화를 평가할 때 쓰는 별도의 체크리스트도 소개한다. 이 체크리스트는 여러 팀을 가진 대규모 조직뿐 아니라 작은 조직, 혹은 더 큰 조직 안의 개별 팀에도 적용할 수 있다. 목표는 구성원 모두가 성장하고 성과를 낼 수 있는 훌륭한 엔지니어링 조직을 만드는 데 있다.

7. AI 도입은 '대체'가 아니라 역량 강화로 말해야 한다

AI 도입을 조직에 전달하는 방식은 문화에 직접적인 영향을 준다. 글쓴이가 가장 효과적이었다고 평가하는 메시지는, 뛰어난 엔지니어와 엔지니어링 리더라면 원래부터 일을 더 잘하기 위해 다양한 도구를 배우고 활용해 왔으며, AI도 그 도구들 중 하나라는 접근이다.

"훌륭한 엔지니어와 엔지니어링 리더는 일을 더 잘하기 위해 도움이 되는 여러 도구를 배우고 활용한다. 이것은 달라진 적이 없다."

"AI는 수년에 걸쳐 등장해 온 다른 도구들과 같다. 팀과 조직, 비즈니스에 도움이 되도록 활용하라. 그것이 훌륭한 엔지니어와 리더가 해 오던 일이며, AI 시대에도 달라지지 않았다."

반대로 "AI가 사람을 대체할 것이다", "이제 당신은 중요하지 않다"는 식의 말은 절대 피해야 한다. 이런 메시지는 사기를 무너뜨리고, 조직 문화를 근본부터 해친다.

또한 글쓴이는 AI 도입은 위에서 아래로 강제하는 방식이 아니라, 아래에서 위로 확산되는 방식으로 이루어져야 한다고 주장한다. AI 환경은 너무 빠르게 바뀌며 새 도구도 매일 등장하기 때문에, 현장에서 실험하고 서로 배우며 지식을 지속적으로 교환해야 하기 때문이다. 사용을 강요하면 결국 저항과 형식적 사용, 좋지 않은 결과만 낳는다.

"AI 도입은 도구의 문제가 아니라 리더십의 문제다."

AI 사용량 자체를 목표로 삼는 것도 잘못이다. "우리 직원이 AI를 얼마나 자주 쓰는가"보다 중요한 것은 비즈니스 성공과 전체적인 결과다. AI는 목적이 아니라, 더 나은 제품과 고객 경험, 조직 성과를 위한 수단으로 다뤄져야 한다.

8. AI 시대에도 더 많은 엔지니어와 더 빠른 실행이 필요하다

글쓴이는 2025년 7월에 쓴 "AI 시대에 기업은 엔지니어를 더 많이 채용해야 한다"는 자신의 주장이 지금은 더욱 맞다고 말한다. 최고의 회사는 엔지니어를 줄이기보다 더 많이 확보하며, 이를 통해 생산성을 선형적이 아니라 훨씬 크게 높일 수 있다고 본다.

물론 이것도 좋은 문화가 전제되어야 한다. 문화가 무너지면 사람을 더 채용해도 협업 비용, 조율 실패, 중복 작업, 책임 회피가 커져 기대한 효과를 내기 어렵다. 그러나 건강한 문화 안에서는 더 많은 뛰어난 인력이 더 많은 아이디어·실험·실행력을 만들어 낼 수 있다.

글쓴이가 특히 중요하게 보는 지표는 시장 출시 시간(Time to Market, TTM)이다. AI 시대에는 변화가 훨씬 빠르기 때문에, 업계에서 앞서가는 기업은 시장 요구에 가장 신속하게 대응하고, 빠르게 조정하며, 사용자에게 더 나은 경험을 제공하는 기업이 될 가능성이 높다.

이는 AI 이전에도 중요했지만, 지금은 더 결정적이다. 더 많은 역량과 재능을 활용해 더 빠르게 움직일 수 있는데도, 'AI가 있으니 인력을 줄이자'며 스스로 생산성과 인재를 제한할 이유가 없다는 것이다.

"이를 알고 있다면, 왜 더 낮은 생산성과 더 적은 인재로 스스로를 제한하려 하는가?"

글쓴이는 생산성을 충분히 높일 수 있는데도 낮은 상태에 머무르는 것은 장기적으로 시장 점유율 하락으로 이어질 수 있는 큰 부담이자 위험이라고 본다. 엔지니어를 AI로 대체하는 전략은 회사를 더 강하게 만드는 것이 아니라, 오히려 더 약하게 만들 수 있다는 것이 그의 결론이다.

9. 마무리: AI 사용률이 아니라 사람이 최고의 일을 하게 만들기

이 글의 결론은 AI를 거부하자는 것이 아니다. 오히려 AI를 적극 활용하되, 그보다 먼저 사람들이 신뢰 속에서 자율적으로 협업하고 좋은 판단을 내릴 수 있는 환경을 만들어야 한다는 주장이다.

리더가 가장 먼저 물어야 할 질문은 "어떻게 모든 사람에게 AI를 쓰게 할까?"가 아니다.

"어떻게 뛰어난 사람들이 최고의 일을 할 수 있는 조직을 만들고, 그다음 AI로 그들을 증폭시킬 것인가?"

결국 훌륭한 문화가 가장 큰 생산성 해킹이다. AI는 그 문화를 대체할 수 없지만, 좋은 문화 위에서는 개인과 팀의 역량을 크게 확장하는 강력한 도구가 될 수 있다.