사람과 AI는 어떤 기준으로 일을 나눌 것인가
업무를 조사해 생성, 검증 및 판단으로 나눠 사람과 AI가 일을 어떻게 구분하는지.
회사 계정과 데이터로 만든 업무 산출물은 회사의 관리 대상이 될 수 있습니다. 퇴근 후 개인이 익힌 숙련은 사정이 다릅니다.
문제는 직원보다 조직에 있습니다. 직원은 AI를 업무에 끌어들였지만 조직은 그 사용법을 어떻게 기록하고 나눌지 정하지 않았습니다.
공식적인 공유 경로가 없으면 좋은 프롬프트는 개인 계정에 남습니다. 검증하지 않은 AI 활용은 회사의 위험이 됩니다. 그렇다고 무조건 공유하라고 요구하면 직원은 노하우를 더 숨기게 될 것입니다.
AI 활용을 개인의 생산성에 머물게 하지 않으려면 조직이 세 가지 질문에 답해야 합니다.
업무를 조사해 생성, 검증 및 판단으로 나눠 사람과 AI가 일을 어떻게 구분하는지.
프롬프트와 AI 워크플로를 검증해 다른 구성원도 쓸 수 있는 업무 스킬로 체계화합니다.
공유가 강제가 되지 않도록 기여를 인정하고 기록과 접근 권한의 원칙을 정합니다.
컴퍼니 브레인은 IT 부서가 도입하는 하나의 AI 도구가 아닙니다. 검증한 업무 방식을 스킬 라이브러리에 쌓고, MCP 허브로 업무 도구와 데이터에 연결하며, 실행 과정에서 얻은 맥락과 판단 기준을 LLM 위키에 축적합니다. HR과 현업이 함께 설계하는 조직 운영 체계입니다.
스킬 라이브러리는 검증된 업무 방식, MCP 허브는 AI와 사내 도구·데이터의 연결, LLM 위키는 실행 과정에서 쌓이는 조직 지식을 뜻합니다.
1~3단계에서 스킬을 만들고, 4단계에서 업무 환경에 연결하며, 5단계에서 실행 지식을 축적합니다.
강연이 끝나면 우리 조직에서 먼저 축적할 업무를 고르고, 노하우의
공유와 보상, 접근 권한을 설계하는 기준을 세울 수 있습니다.
개인이 AI를 많이 쓰는 것과 조직의 생산성이 높아지는 것은 다른 문제입니다.프롬프트와 업무 노하우가 개인에게만 남을 때 지식 손실과 AI 도우미가 만드는 오류를 살펴봅니다.
목표를 정하는 단계부터 최종 판단까지 실제 업무를 AI와 함께 진행합니다. 숙련자의 판단 기준을 프롬프트와 체크리스트, 업무 절차로 정리하는 과정도 보여드립니다.
회사 자산과 개인 숙련을 어떻게 나눌지, 기여를 어떻게 인정하고 보상할지, 업무 과정의 어디까지 기록할지 기준을 제안합니다.
AI 사용법을 교육하는 데서 멈추지 않습니다. 직무와 리더십, 평가와 보상, 지식 관리와 거버넌스를 어떻게 연결할지 살펴봅니다.