Block이 3,500명 엔지니어링 조직을 AI 자율 조직으로 전환하는 과정은 놀랍도록 독특한 접근 방식을 보여줍니다. 모든 직원을 교육하는 대신 50명의 핵심 인력, 즉 'AI 챔피언'을 선발했고, 사람을 바꾸기보다는 '코드 저장소'를 혁신하는 데 집중했습니다. 이 전환을 처음부터 끝까지 설계한 Angie Jones의 발표를 통해, 기업이 AI를 도입하는 실제 순서와 AI 시대에 우리가 어디에 서 있는지 진단할 수 있는 6단계 성숙도 모델을 알아봅니다. 최종적으로는 AI 전환이 가져올 수 있는 파괴적인 변화와 그에 대한 대비의 중요성을 강조합니다.

1. Block의 충격적인 AI 전환 헤드라인

2026년 2월, CNN 비즈니스에는 Block이 AI 때문에 직원의 절반 가까이를 해고했으며, CEO인 잭 도시는 대부분의 회사가 같은 길을 걷게 될 것이라고 언급했다는 충격적인 헤드라인이 올라왔습니다. 이 소식이 나오기 몇 달 전, 3,500명 규모의 Block 엔지니어링 조직에서 2년간 AI 전환을 직접 설계한 Angie Jones가 그 전 과정을 상세히 발표했는데요. 이 발표의 마지막 1분이 바로 이 헤드라인으로 끝을 맺습니다.

이 영상을 통해 우리는 두 가지 중요한 것을 얻을 수 있습니다:

• 회사의 AI 전환 실제 순서: 여러분 회사가 앞으로 겪게 될 AI 전환의 실제 단계를 엿볼 수 있습니다.
• 6단계 AI 성숙도 진단표: 내가, 그리고 우리 팀이 현재 AI 전환 과정의 어느 단계에 있는지 파악할 수 있는 유용한 도구입니다.

Block은 AI 전환에 있어 가장 발 빠르게 움직인 회사 중 하나였습니다. AI가 도구를 직접 사용하는 '툴콜링' 기능을 지원하기도 전부터 자체 코딩 에이전트인 구스(Goose)를 만들고 있었으며, Anthropic의 Claude 모델이 등장했을 때는 디자인 파트너로 초기 설계에 참여하기도 했습니다.

2. 90% 사용률과 CEO의 회의감: 도입 ≠ 임팩트

Block의 AI 전환을 주도한 Angie Jones(VP of Agentic AI Foundation)는 2025년 상반기에는 마케팅, 법무, 재무 등 전사 12,000명의 AI 도입을 총괄했고, 이후 CTO로부터 엔지니어링 조직 전체를 에이전트 기반으로 바꾸라는 미션을 받았습니다. 하지만 시작하자마자 이상한 상황에 직면했죠.

도입 몇 달 만에 엔지니어의 90%가 구스와 클로드 코드를 일상적으로 사용하고 있었습니다. 서류상으로는 완벽한 성공처럼 보였지만, CEO는 정반대로 확신했습니다.

"우리 엔지니어들 AI 안 쓰고 있는 게 분명하다."

Engie Jones의 설명에 따르면, 놀랍게도 둘 다 맞았다는 것이 진짜 문제였습니다.

"90%가 쓰고 있다는 지표도 맞고 고객한테 기능이 나가는 속도가 그대로라는 CEO 감각도 맞았거든요."

이는 도입이 임팩트로 이어지지 않고 있음을 보여줍니다. Block의 엔지니어들은 AI를 사용하고 있었지만, 주로 IDE 내에서 질문하거나 보일러플레이트 코드(반복적인 코드)를 만드는 수준에 머물러 있었습니다. 즉, 성과로 이어지는 임팩트 단계까지는 가지 못했던 것이죠.

3. 6단계 AI 성숙도 모델과 1/9/90 법칙

Block은 이러한 문제 인식을 바탕으로 목표 지점을 정의하기 위해 6단계 AI 성숙도 모델을 만들었습니다. 이 모델의 기준은 AI 실력이 아니라 '엔지니어와 에이전트의 관계'를 측정합니다.

• 0단계: AI를 전혀 사용하지 않음.
• 1단계: 자동 완성 기능만 사용.
• 2단계: 채팅은 하지만 실제 코드 반영(PR)까지는 이어지지 않음.
• 3단계: 작업을 통째로 맡기고 결과를 검수.
• 4단계: 여러 에이전트를 동시에 운용.
• 5단계: 사람이 직접 관여하지 않아도 배포 가능한 결과물이 나옴.

대부분의 팀은 1단계에서 2단계 사이에 머물러 있을 것입니다. Block의 3,500명 엔지니어 대다수도 1단계와 2단계 사이였고, 목표는 전원 5단계였습니다.

하지만 Block의 접근 방식은 예상을 벗어났습니다. 3,500명 전체를 교육하려 하지 않았죠. 당시 상황은 매우 좋지 않았습니다. 참고할 만한 표준적인 방법(플레이북)도 없었고, 빠르게 변하는 기술 때문에 조직에는 이미 AI 피로감이 쌓여 있었습니다. 게다가 "AI 아니면 도태"라는 식의 하향식 압박(톱다운 압박)에 직원들은 이미 지쳐 있었죠.

이때 Angie Jones가 제시한 것이 바로 1/9/90 법칙입니다. 온라인 커뮤니티에서 콘텐츠를 만드는 사람은 1%, 댓글을 달고 반응하는 사람은 9%, 그리고 나머지 90%는 보기만 하는 것처럼, 엔지니어의 AI 적응도 이 분포를 따른다는 것입니다.

"어떤 사람들은 AI 사용을 완전히 마스터하고 에이전트와 함께 작업하는 데 유용한 패턴과 기술을 발견할 거예요. 어떤 사람들은 agent.md 파일을 조금씩 수정하겠지만, 대부분의 사람들은 이 모든 것을 알아내기 위해 추가적인 노력을 들이지 않을 겁니다."

결론적으로, 개개인의 레벨업에 의존하는 전략은 실패할 수밖에 없다는 것을 깨달았습니다.

"AI 전략이 개인의 레벨업에 의존한다면, 우리는 결코 그 임팩트를 보지 못할 겁니다."

4. 50명의 AI 챔피언과 저장소 혁신

그래서 Block은 3,500명이 아닌 50명의 'AI 챔피언'을 선발했습니다. 자원자를 받은 것이 아니라, 일주일 동안 기술 리더(테크 리드)와 매니저들을 만나 지명하는 방식으로 선발했습니다. 조건은 세 가지였습니다.

• 업무 시간의 30% 이상을 AI 챔피언 활동에 할애할 수 있을 것.
• AI가 뜻대로 되지 않을 때(실제로 자주 그랬다고 합니다) 포기하지 않을 것.
• 회사에서 가장 중요한 저장소(레포지토리)들을 대표할 것 (Square, Cash App, Afterpay부터 프론트엔드, 백엔드, 모바일 인프라까지).

이 50명의 챔피언이 가장 먼저 한 일은 무엇이었을까요? 산내 강의나 프롬프트 가이드 배포가 아니었습니다. 바로 코드 저장소를 고쳤습니다. 사람을 바꾸는 대신, 에이전트가 일을 잘할 수 있는 환경을 저장소에 구축한 것이죠.

이것이 핵심인 이유는 다음과 같습니다. 2025년 중반 모델들은 기능 하나는 잘 짜주지만, 팀의 컨벤션(관례), 코드 스타일, 그리고 하면 안 되는 것들을 모르기 때문에 결과물을 믿을 수 없었습니다. 믿을 수 없으니 일을 맡길 수도 없었던 거죠. 즉, 막혀 있던 것은 모델 성능이 아니라 신뢰였습니다.

그래서 만들어진 것이 AI 프렌들리 저장소라는 표준입니다. 네 가지 요소가 포함됩니다.

1. 컨텍스트 파일: agent.md나 claude.md와 같이 저장소의 안내서 역할을 합니다.
2. 규칙 파일: 에이전트가 넘지 말아야 할 가드레일 역할을 합니다.
3. 슬래시 커맨드와 스킬: 반복 작업을 담아 빠르게 실행할 수 있도록 합니다.
4. AI 코드 리뷰어: AI 코드 리뷰어를 켜고, PR(Pull Request)에는 AI가 작성했다는 표시까지 남깁니다.

이 네 가지가 강력한 이유는 저장소는 팀 전원이 매일 지나다니는 길목이기 때문입니다. 1%의 챔피언이 여기에 지식을 심어두면, 나머지 90%는 아무것도 배우지 않아도 자동으로 혜택을 받습니다. 이는 개인의 실력을 높이는 것이 아니라, 팀 전체의 기본 수준(바닥)을 끌어올리는 효과를 가져옵니다.

흥미로운 점은, 표준을 강제로 하달한 것이 아니라 챔피언들 스스로 자기 저장소에 맞는 해결책을 찾도록 했더니, 비슷한 팀끼리 알아서 같은 패턴으로 수렴했다는 것입니다. 모노레포는 루트에 공통 컨텍스트를 두고 서비스별 세부 규칙을 상속시키는 방식이었고, 웹과 모바일은 아예 다른 접근 방식을 취했습니다.

5. 일의 입구에 심은 '위임'과 동난 스프린트

저장소가 준비되자 다음 문제는 위임이 귀찮다는 것이었습니다. 챔피언들도 에이전트를 계속 옆에서 지켜보고 있었고, 나머지 사람들은 시작도 하지 않았기 때문이죠.

그래서 이 팀이 주목한 것이 바로 엔지니어에게 일이 들어오는 세 가지 입구였습니다.

• 지라(Jira) 같은 이슈 트래커
• 깃허브(GitHub) 이슈
• 슬랙(Slack)

이 세 입구 모두에서 새로운 도구를 배울 필요 없이, 그 자리에서 바로 에이전트에게 일을 넘길 수 있도록 만들었습니다. 예를 들어, 슬랙에서 버그를 발견하고 PR까지 생성하는 과정이 5분 만에 이루어졌다고 합니다.

"진짜 있었던 이야기예요. 어느 날 슬랙에서 한 엔지니어가 제품에서 버그를 발견하고 '야, 이 버그 본 사람 있어?'라고 물었어요. 엔지니어 2가 '아니, 난 못 봤는데'라고 대답했죠. 그때 엔지니어 3이 슬랙에서 바로 '야, 구스, 너 이 버그 전에 본 적 있어? 이게 버그인지 확인해 줄 수 있어?'라고 했어요. 그러자 구스가 저장소에서 파일을 내려받아 '네, 이거 버그 맞아요. 여기 있어요. 하지만 해결책으로 세 가지 옵션을 제시할게요.'라고 답변했어요. 바로 슬랙 코드 스니펫으로요. 엔지니어 1이 '옵션 1이 좋네요'라고 하자, 엔지니어 2도 '응, 나도'라고 동의했어요. 그래서 엔지니어 3이 '구스, 옵션 1 구현해 줘'라고 지시했고, 구스가 구현을 마치고 PR 링크를 반환했어요. 이렇게 논의, 진단, 이슈 생성, 합의, 수정까지 전체 사이클이 슬랙에서 5분 만에 끝났어요."

이러한 방식이 표준이 되자, 에이전트는 아예 스프린트(Sprint)의 멤버로 합류하게 됩니다. 그리고 처음 진행된 스프린트에서는 팀이 할 일이 동나서 티켓을 두 번이나 더 당겨왔다고 합니다. 언뜻 들으면 생산성 향상의 미담 같지만, 이는 같은 일에 필요한 사람의 수가 줄어드는 속도를 의미합니다.

6. 병목 현상 이동과 회사 전체 지도 구축

결과적으로, AI 챔피언 프로그램 3개월 만에 놀라운 숫자들이 나왔습니다.

• AI가 작성한 코드 69% 증가
• 엔지니어가 체감한 시간 절약 37% 증가
• 자동으로 만들어진 PR(Pull Request) 21배 증가

이제 4단계 병렬화 단계입니다. 위임이 가능해진 조직에서 에이전트 수를 늘리는 것은 거의 공짜였다고 합니다. 대신 병목 현상이 다른 곳으로 옮겨갔습니다. 한 사람이 PR을 서너 배로 쏟아내기 시작하자, 이번에는 코드 리뷰가 밀려서 터진 것이죠.

해법은 흥미로웠습니다. 코드 리뷰어를 전체 저장소에 켜고, 리뷰어가 문제를 지적하면 또 다른 에이전트가 그걸 자동으로 고쳐서 커밋하는 자동 수정 루프를 만들었습니다. 사람이 PR을 열어 볼 때쯤엔 웬만한 지적 사항이 이미 정리된 상태가 된 것이죠.

재미있는 점은, 이 AI 리뷰어를 초반에는 강제로 켜지 않았다는 것입니다. 초기에는 리뷰 품질이 너무 형편없어서 엔지니어들의 불만만 쌓였기 때문입니다. 저장소가 준비되고 모델이 충분히 좋아진 다음에야 켰습니다. 즉, 순서가 중요했다는 것을 보여줍니다.

두 번째 병목은 하드웨어였습니다. 에이전트를 네다섯 개씩 돌리다 보니 노트북 메모리와 CPU가 버티지 못했습니다. 그래서 에이전트마다 격리된 클라우드 작업 공간을 하나씩 제공하는 데 투자했고, 이제 어디서든 병렬로 돌릴 수 있게 되었습니다.

마지막 5단계에서는 에이전트가 많아지자 이를 지휘할 오케스트레이터를 직접 만들었습니다. 이름은 빌더봇(BuilderBot)입니다. 그리고 진정한 자율화로 가기 위해 필요했던 마지막 조각은 바로 회사 전체의 지도였습니다. 25,000개의 저장소를 전부 분석해서 어떤 서비스가 어디에 있고, 무엇이 무엇에 의존하는지를 기계가 읽을 수 있는 형태로 만들었습니다.

이제 여러 에이전트가 시스템 곳곳을 병렬로 탐색하고, 오케스트레이터가 이를 모아서 여러 코드 베이스에 걸친 실행 계획을 짤 수 있게 되었습니다. 이 시점에서 어떤 일이 가능해졌냐면, 엔지니어가 아니어도, 깃허브 계정이 없어도, 회사의 누구든 슬랙에서 빌더봇을 불러 버그를 고치고 기능을 만들 수 있게 된 것입니다. 발표자 표현으로는 '꿈 같았다'고 합니다.

"이것은 꿈처럼 느껴졌어요... 악몽이 되기 전까지는요."

7. 충격적인 결말과 AI 시대의 신호

발표는 여기서 끝납니다. 답 없이 세 개의 질문만 남기면서요.

"나는 많은 질문을 가지고 있었습니다. 이게 내 잘못이었을까요? 직원들이 경력 중 가장 놀라운 일을 할 수 있도록 가능하게 한 것이 궁극적으로 그들의 해고로 이어진 것일까요? 바로 전날만 해도 저는 너무나 자랑스러웠어요. 우리가 일하는 방식에 완전히 감탄하고 있었고, 자율적인 엔지니어링 조직을 성공적으로 구축했다는 사실에 꽤 성취감을 느끼고 있었죠. 하지만 무엇을 위해서였을까요? 몇 가지 질문을 남기면서 마무리하고 싶습니다. 우리는 무엇을 하고 있는 걸까요? 우리는 어디로 향하고 있는 걸까요? 그리고 그곳이 우리가 정말로 도달하고 싶은 곳이 맞을까요?"

이 여정을 압축하면 이렇습니다. 90%가 AI를 써도 임팩트가 없던 조직이, 전원 교육 대신 50명의 AI 챔피언으로 저장소를 바꾸고, 위임을 일의 입구에 심고, 회사 전체에 지도를 만들어서 5단계 자율화까지 도달했습니다. 그리고 몇 달 뒤, 바로 그 헤드라인이 나왔습니다.

이 발표는 단순한 성공 후기가 아니라, 기술 발전이 가져오는 파괴적인 결과를 적나라하게 보여줍니다. 교과서적으로는 모두 아는 이야기입니다. 산업 혁명 이후 기술은 생산성을 높여왔고, 생산성 증가는 더 적은 사람으로 더 많은 결과를 낸다는 의미이며, 기업의 목적은 고용이 아니라 이윤입니다. 앞서 '일이 동나서 티켓을 두 번 더 당겨오던 스프린트'는 바로 이 명제가 현실이 되는 장면이었습니다.

Block만의 이야기가 아니라는 세 가지 신호가 지금 계속 쌓이고 있습니다.

1. Anthropic CEO Dario Amodei의 예언: 2026년 기준으로 지난 2025년, Dario Amodei는 파이낸셜 타임즈 인터뷰에서 향후 5년 안에 초급 사무직의 절반이 자동화될 수 있다고 말했습니다. 당시에는 과장이라고 생각되었지만, Block의 사례를 보니 다르게 읽힙니다. 무제한으로 AI 모델을 사용하는 내부자의 눈에는 그것이 예언이 아니라 단순한 관찰이었을 수도 있습니다.
2. AI 모델 가격의 하락: 고성능 AI 모델은 비싸서 아무나 못 쓴다는 반론도 이제는 오래가지 못할 것 같습니다. 2025년에 나온 Opus 4.1의 토큰 단가는 입력/출력 합계 75달러였지만, 2026년 현재 최상위 모델인 Claude 3.5 Sonnet은 10달러/50달러입니다. 최상위 모델인데도 전 세대 출시가보다 저렴하며, Opus 4.5는 5달러/25달러까지 내려왔습니다. 성능은 올라가는데 단가는 계속 내려오는 추세입니다.
3. OpenAI의 서울 채용 공고: 바다 건너 먼 이야기도 아닙니다. 현재 OpenAI 채용 페이지에 서울 공고가 올라와 있습니다. '전방 배치 엔지니어(Forward Deployed Engineer)'라는 직무인데요. 공고 첫 문장을 우리말로 옮기면 "가장 전략적인 고객사 곁에서 최신 모델을 실제 운영 시스템에 배포하는 전 과정을 이끄는 사람"입니다. 단순한 데모가 아니라, 프로덕션의 요구 사항 파악부터 설계, 구축, 배포까지 전부를 담당합니다. 성공의 기준도 공고에 명시되어 있습니다. 바로 측정 가능한 업무 임팩트입니다. 이들은 한국 기업의 병목에 AI를 밀어넣는 것이 직업인 셈이며, 그 임팩트의 다른 이름이 바로 우리가 Block에서 본 '효율화'입니다.

8. 마무리: 공포가 아니라 대비

이러한 이야기를 하는 이유는 여러분을 겁주려는 것이 아닙니다. Block의 기록이 보여주는 것은 AI로 인한 전환이 막연한 관념이 아니라 이미 작동하는 절차라는 사실입니다.

그렇다면 우리에게 남는 선택지는 이 전환을 '당하는 쪽'이 아니라, '아는 쪽'에서, 그리고 '대비하는 쪽'에서 맞이하는 것입니다. 시작은 거창한 것이 아닙니다. 앞서 제시된 6단계 AI 성숙도 진단표를 통해 현재 나의 위치, 그리고 우리 팀의 위치를 아는 것에서부터 시작해야 합니다. 여러분의 팀은 지금 몇 단계에 있고, 이러한 AI 시대의 흐름을 어떻게 보고 계신가요? 🚀