매주 한 번, 1%씩
현장 피드백을 사람이 반영합니다. 1년 52번.
AI를 도입한 날이 가장 똑똑한 날이어서는 안 됩니다. 테슬라가 고객의 주행으로 매일 나아지듯, 우리 회사의 AI도 직원이 쓰고 고칠 때마다 나아지는 구조를 회사 안에 만듭니다.
AX의 승부는 첫 모형의 완성도가 아니라
루프를 얼마나 빨리, 자주 돌리느냐에서 갈립니다.
처음 만든 모형은 어설퍼 보입니다. 그러나 현장 실무자 손에 쥐여 주고 피드백을 받기 시작하면 성능이 쭉 올라갑니다. 피드백이 성능을 끌어올리고, 좋아진 성능이 더 많은 사용과 더 정확한 피드백을 부릅니다. 사람이 가르치는 루프와 AI가 스스로 배우는 루프가 맞물릴 때 기업은 비로소 스스로 자라기 시작합니다.
현장 피드백을 사람이 반영합니다. 1년 52번.
한 번은 사람이 현장 피드백을, 한 번은 AI가 데이터를 분석해 스스로. 1년 104번.
주 1회를 주 2회로 늘렸을 뿐인데 성장률은 68%에서 181%로 뜁니다. 사람을 두 배로 늘릴 필요는 없습니다. 사람은 지금처럼 주 1회를 책임지고, AI가 한 번 더 맡습니다. AI가 기록과 리뷰를 분석해 수정안과 테스트까지 준비하면, 사람은 만드는 대신 검토하고 승인합니다.
복리는 반대로도 작동합니다. 업데이트마다 1%씩 나빠지면 50번 뒤 처음의 60%, 100번 뒤 37%가 됩니다. 그래서 자율성장시스템에서 더 중요한 것은 속도보다 뒷걸음질을 막는 장치입니다.
“성장하는 회사에는 반드시 돌아가는 루프가 있고, 멈춘 회사에는 끊어진 고리가 있다.”
김문수, 「루프를 보면 가슴이 뛴다」 CEO경제신문 2026.10.07
차가 늘면 주행거리가 늘고, 주행거리가 늘면 학습 데이터가 쌓입니다. 데이터가 제품을 낫게 만들고, 나아진 제품이 더 많이 팔려 차가 또 늡니다. 이 양의 루프가 한번 돌기 시작하면 뒤따르는 회사는 좀처럼 따라잡기 어렵습니다.
핵심은 많이 모으는 것이 아니라 틀린 순간을 골라 모으는 것입니다. 사람이 운전하는 동안에도 FSD는 뒤에서 ‘나라면 어떻게 했을까’를 따져 봅니다. 이른바 섀도 모드입니다. 그러다 사람의 운전과 판단이 엇갈린 순간만 골라 회사로 보냅니다. 우리 회사에도 그 ‘개입’은 매일 일어납니다. 기록되지 않고 버려질 뿐입니다.
| 테슬라 | 우리 회사 |
|---|---|
| 차량 | 업무 에이전트 |
| 주행 | 업무 처리 한 건 |
| 운전자 개입 | 직원의 수정 · 고객 재문의 · 불만 |
| 섀도 모드 | 새 버전을 뒤에서 병행 실행해 결과만 비교 |
| 무선 업데이트 | 지침 · 지식 · 도구 버전 배포 |
| 개입 사이 주행거리 | 사람 손을 타지 않은 처리 비율 |
FSD 수치 출처: 김문수, 「루프를 보면 가슴이 뛴다」 CEO경제신문 2026.10.07. 대응표: CEO전략최신화과정 강의 「매일 똑똑해지는 AI 자율성장시스템」(2026.10.7, 서울대학교 교수회관).
같은 모델을 같은 날 도입해도 1년 뒤 성적은 회사마다 다릅니다. 차이를 만드는 것은 모델 성능보다 회사 안의 순환 구조입니다. 다섯 고리 중 하나라도 끊기면 기록은 쌓여도 성장은 없습니다.
틀린 답이 어디에 쌓이고 있는가
이렇게 달라집니다그냥 버려지던 수정과 재문의가 다음 개선의 재료로 쌓입니다.
작년보다 정확해졌다고 숫자로 말할 수 있는가
이렇게 달라집니다무엇이 ‘잘한 제안서’이고 ‘잘한 응대’인지 회사가 처음으로 글로 정해 둡니다.
‘또 틀렸네’로 끝내지 말고, 어디서 틀렸는지 묻는다
이렇게 달라집니다실수마다 원인에 맞게 고치니 같은 실수가 되풀이되지 않습니다.
고친 것이 다른 곳을 망가뜨리지 않았는가
이렇게 달라집니다되돌릴 수 있어야 맡길 수 있습니다. 되돌리는 시간이 짧을수록 AI에게 더 많이 맡깁니다.
누가, 언제, 무엇을 고쳤는가
이렇게 달라집니다일하고 채점하고 고치는 것은 AI가 맡아도, 기준을 정하고 표본을 읽는 일은 사람이 놓지 않습니다.
| 원인 | 증상 | 처방 |
|---|---|---|
| ① 지식 부족 | 문서에 없는 내용을 지어내거나 모른다고 한다 | 지식 문서 보강 |
| ② 지침 모호 | 같은 요청에 답이 매번 달라진다 | 지침 문장 명확화 |
| ③ 도구 오류 | 조회·계산 결과가 틀리거나 비어 있다 | 도구·연결 수정 |
| ④ 판단 오류 | 규칙을 알지만 상황에 잘못 적용한다 | 예시 추가 · 판단 기준 보강 |
| ⑤ 채점 오류 | 정답인데 오답으로 처리된다 | 채점 기준 수정 (경영자 승인) |
기준은 두 가지입니다. 영향이 얼마나 큰지, 그리고 되돌리기 쉬운지입니다. 자동 범위를 넓히는 것은 사람이, 좁히는 것은 시스템이 합니다.
금지에이전트가 자기 채점 기준을 스스로 바꾸는 일. 학생이 자기 시험지를 직접 채점하는 격입니다.
뼈대는 모두 같습니다. 업무 기록이 시험지가 되고, 사람이 고친 내용이 다음 학습의 정답이 됩니다. 사례마다 이미 된 것과 아직 남은 과제를 나눠 적었습니다. 첫 성과는 성장 수치보다, 성장을 잴 수 있는 틀을 갖춘 데 있습니다.
AI에 관해 무엇을 물어도 말로 답하는 에이전트입니다. 질문 분야마다 시험지를 따로 두고 채점합니다.
실제 통화와 함정 문항으로 시험지를 만들고, 틀린 답은 회귀 시험에 넣어 다시 틀리지 않는지 봅니다.
완성된 도면을 정답지로 삼습니다. 설계팀이 고친 내용은 다시 학습 정답으로 거둬들입니다.
사람이 검토하고 승인한 전표만 정답 사례가 됩니다. 이 사례가 다음 전표를 쓸 때 참고 자료로 돌아옵니다. 승인은 반드시 사람이 합니다. AI가 지어내면 안 되는 계정·원가센터 코드는 서버가 비워 두고 사람이 채웁니다.
매일 00시에 그날 들어온 자료·제안·코멘트·메일을 모읍니다. AI가 근거를 달아 내용을 읽으면, 서버 규칙이 초록(자동)·노랑(한 번 확인)·빨강(사람만)으로 나눕니다. 사람이 승인하거나 반려하며 남긴 사유는 다음 날 AI가 참고할 예시가 됩니다.
배포 기록부와 관문 설계를 묶어, 나중에 감사할 수 있는 기업용 에이전트를 만드는 방법으로 정리한 논문입니다.
사례에는 고객사 이름과 내부 성과 수치를 싣지 않았습니다. ‘현재’와 ‘과제’는 2026년 10월 강의 때를 기준으로 적었습니다.
6번에서 AI 점수만 오른다면 점수 해킹을 의심합니다.
처음부터 전사로 넓히지 않습니다. 90일 뒤 보고받을 것도 하나뿐입니다. 이 업무의 AI 성적이 매주 어떻게 변했는가.
이 화면은 AX 컨설팅에서 만드는 네 가지(맞춤형 에이전트 · 데이터 허브 · 지능형 경영 시스템 · 자율 성장 시스템) 가운데 네 번째를 자세히 풀어 쓴 것입니다. 원리와 사례는 CEO전략최신화과정 강의 「매일 똑똑해지는 AI 자율성장시스템」(김문수 주임교수, 2026.10.7)에서 가져왔습니다.
어느 업무에서 첫 바퀴를 돌릴지, 지금 쌓인 기록으로 첫 시험지를 만들 수 있을지부터 같이 살펴봅니다. 미리 준비하실 자료는 없습니다.