Tacit Knowledge Is Your Next Competitive Moat

California Management Review Insights · Frontier · 2026.03.16

3줄 요약

1. UC 버클리 California Management Review Insights에 Teresa Tung·Philippe Roussiere(둘 다 Accenture)가 발표한 평론. AI 시대 경쟁 해자가 어디에 있는지에 대한 진단이다.
2. 진짜 차별화는 데이터도 모델도 아니라 임직원의 판단에 박힌 암묵지(tacit knowledge, 暗默知)다. 베이비부머 은퇴와 agentic AI의 동시 임계점이 지금이라는 시점 인식.
3. 5단계 경영 처방 — 매핑 → 맥락 보존 성문화 → 시맨틱 레이어 구축 → 인간-AI 협업 설계 → 리더의 능동적 책임. 화장품 대기업 사례에서 규제 평가 처리량 100배·전문가 워크로드 80% 감소.

암묵지가 정확히 무엇인가

자료는 암묵지를 다음과 같이 정의한다.

추론 패턴, 비공식 휴리스틱, 상황 인식, 미묘한 해석 능력 — 전문가가 수년의 경험으로 발달시킨 이해. 매뉴얼이나 대시보드에 거의 등장하지 않지만, 팀이 모호함을 해석하고 의미 있는 신호를 잡음과 가르는 방식을 결정한다.

긴급성의 두 축이 같은 시점에 작동한다.

• 베이비부머가 대규모로 은퇴하면서 자기 머릿속의 암묵지를 가지고 떠난다.
• agentic·생성 AI가 비즈니스에 통합되면서 암묵지를 포착·구조화·적용할 필요가 가속한다.

자료는 결론을 두괄식으로 던진다. 데이터가 풍부하고 모델이 오픈된 시대에 차별화는 데이터도 모델도 아니다. 진짜 해자는 사람의 판단에 박힌 암묵지다.

5단계 경영 처방

자료의 본문은 다섯 가지 행동 권고로 구성된다.

1. Map — 어디 사는지 가시화한다

암묵지는 비공식 경로로 흐르므로 전통 KM(지식 관리) 도구로 잡히지 않는다. 모두에게 “다 적어라"라고 시키는 대신 어디 사는지를 먼저 매핑한다.

한 자동차 회사의 사례가 제시된다. 베테랑 엔지니어들의 판단이 어디에도 문서화되지 않았다는 사실이 은퇴가 누적되면서 드러났다. 회사는 마스터 엔지니어들의 추론 방식을 포착하는 AI 에이전트를 구축했다. 이 시스템은 설계 아카이브·테스트 결과·생산 로그뿐 아니라 issue-resolution 이력과 협업 엔지니어링 리뷰의 토론까지 흡수했다. 결과: 덜 숙련된 엔지니어도 조직이 복잡한 신호를 어떻게 해석하는지를 더 명확히 이해하면서 초기 업무를 진행하고, 정보가 필요할 때 누구한테 물어야 하는지에 의존하던 제도적 기억이 온디맨드로 가용해졌다.

다른 산업 — 가령 다국적 광산 기업의 유지보수 워크플로우 — 에서도 SNA(사회연결망분석)로 비공식 의존이 어디로 흐르고 어디서 의사결정이 막히는지를 가시화할 수 있다고 자료는 제안한다.

2. Codify Without Flattening — 맥락을 살려둔다

지식을 AI가 학습할 형식으로 옮기되 납작하게 만들지 않아야 한다. 핵심은 의사결정 맥락의 보존이다.

화학 제조 회사에서는 AI가 “특정 화학물이 규제 룰을 트리거한다"는 사실을 아는 것만으로는 부족하다. AI는 언제·왜 인간이 상황 뉘앙스 때문에 그 룰을 override할 수 있는지도 이해해야 한다.

한 글로벌 전문 서비스 회사가 여러 단계 절차로 이 작업을 했다. 거버넌스 전문가가 무엇이 들어갈 수 있는지의 룰을 먼저 세웠고(예: 익명성 보호를 위한 최소 클라이언트 사례 수), 시니어 리뷰어가 과거 제안서·산출물의 재사용 가능 여부를 판정했다. 다른 팀들은 회사 업무를 형성하는 개념을 포착해 AI 보조 도구로 knowledge graph에 배치했다. 또 다른 팀들은 데이터 종류별 위치를 정리했다. 핵심은 전문가 판단을 오버심플리파이드 룰로 환원하지 않고, 맥락을 유지한 채 시스템에 통합한 것이다.

3. Build the Semantic Layer — AI가 의미를 해석하는 구조

암묵지의 운영화는 결국 시맨틱 레이어 구축으로 수렴한다. 시맨틱 레이어란 AI 에이전트가 비즈니스 맥락에서 데이터의 의미를 해석할 수 있게 하는 구조를 말한다. 전문가가 추론에 쓰는 개념적 엔티티를 식별하고, 엔티티 사이의 관계와 지역·제품군·세그먼트별로 의미를 변형시키는 맥락 modifier를 인코딩한다.

자료가 제시하는 가장 인상적인 사례는 화장품 대기업의 규제 컴플라이언스다.

핵심은 시스템이 자신 없는 케이스를 인간 전문가에게 회부하도록 처음부터 human-in-the-loop를 박아 넣었다는 것이다. 그 회부가 새로운 엣지 케이스마다 그래프와 모델을 강화시켜, 시스템이 전문가 감독을 잃지 않은 채로 새 규범을 흡수한다.

시맨틱 레이어의 또 다른 효과는 재사용성이다.

시맨틱 레이어를 이미 구축한 회사는 새 AI 유스 케이스에서 시맨틱 구조의 절반 이상을 재사용할 수 있어, 애플리케이션을 개월이 아니라 주 단위로 출시했다.

4. Help People and AI Work Well Together — 협업 설계

시맨틱 레이어 위에서 AI 에이전트는 룰 팔로워가 아니라 해석자가 된다. 미묘한 판단을 적용하고, 맥락을 이해하며, 조직의 의사결정 방식과 정렬되게 자기 추론을 설명한다. 사람 측은 정적 대시보드 대신 대화형 탐색 도구를 받는다.

이 협업이 자동운항으로 굴러가지는 않는다. 자료가 제시하는 설계 원칙은 다음 셋이다.

• 임원이 명시한다. AI는 전문가 의사결정을 지원하는 것이지 대체하는 것이 아니다.
• human-in-the-loop를 처음부터 박는다. 사후 추가가 아니라 설계 시점부터.
• 인센티브를 정렬한다. 인간 성과나 AI 정확도 단독이 아니라, 상호작용의 품질을 보상한다.

자료는 또한 Accenture의 기존 연구에서 가져온 fusion skills 개념을 짚는다. knowledge curation·model interpretation·human-AI orchestration이 새 핵심 역량이다. 즉 은퇴 파도는 손실이 아니라 암묵지 이전과 새 역할 창출의 기회로 재정의된다.

가상의 글로벌 금융사 시나리오로 결론을 묶는다. 언더라이팅 프로세스를 재설계하면서 분석가를 대체하는 대신, 시니어 직원이 엣지 케이스 리뷰와 반례 기여로 AI를 훈련하게 한다. 시간이 지나면 시스템은 의사결정 보조를 넘어 추론 파트너가 되고, 협업이 성과 지표에 박혀 있어 채택률이 올라가고 대출 정확도가 개선된다.

5. Ensure Business Leaders Shape AI — 리더의 능동적 책임

암묵지가 전략적 우위의 핵심 입력이 되면, AI 전략을 기술팀에 위임하거나 지식 보존을 백오피스 기능으로 다루는 것은 더 이상 가능하지 않다. 리더가 능동적 챔피언이어야 한다.

Accenture 연구에 따르면 인간-AI 협업에 강한 임원 후원이 있는 회사는 AI 투자에서 유의미한 재무 수익을 낼 확률이 그렇지 않은 회사의 약 2배다.

리더가 해야 하는 일은 셋이다.

• AI 투자가 인간 가치와 정렬되도록 비전을 세운다.
• 도메인 전문가를 시스템 설계에 참여시키는 행동을 모범으로 보인다.
• 인센티브를 비용 절감·속도가 아닌 지식 공유·교차기능 협업·인간-AI 의사결정 품질에 맞춘다.

데이터 리터러시를 마케팅·재무·운영 등 모든 직군에 확산시키는 것도 리더의 일이다. 사람들이 데이터를 해석하고 질문할 자신감을 가져야, 자기 전문성을 데이터 기반 의사결정에 가져올 수 있다.

결론: 다음 경쟁 해자

자료는 마지막 섹션을 자기 제목으로 닫는다.

데이터가 풍부하고 모델이 오픈된 세상에서, 암묵지가 다음 경쟁 해자다. 그것이 은퇴할 때까지 기다리지 마라.

운영화에 실패한 회사가 마주칠 비용이 다음과 같이 정리된다.

• 부서지기 쉬운 AI 시스템
• 일관성 없는 의사결정
• 사라지는 전문성
• 좌초된 투자

더 위험한 것은 AI 성숙도의 환상 — 확장 가능한 자동화와 실제 비즈니스 판단 사이의 지식 격차를 무시하는 자기 만족이다.

반대로 인간 통찰을 AI 스택 설계에 박아 넣은 회사는 복합 우위를 얻는다. 더 좋은 의사결정, 더 빠른 적응, 그리고 자기 회사의 가장 뛰어난 사람들이 사고하는 방식대로 추론하는 AI 시스템.

핵심 함의

자료의 두 가지 함의가 두드러진다.

첫째, 시맨틱 레이어 재사용성이다. 처음 구축할 때는 비싸지만 두 번째 use case부터는 절반 이상을 가져다 쓸 수 있다. 암묵지의 운영화는 단일 프로젝트 비용이 아니라 조직 차원의 추론 프레임워크를 구축하는 일이며, 화장품 대기업의 80% 워크로드 감소 수치도 후속 use case에서 본격적으로 회수된다.

둘째, “AI는 인터프리터다"라는 정의다. 룰을 따르는 자동화에서 맥락을 해석하고 자기 추론을 설명하는 파트너로 이동하면, 문제는 AI에게 암묵지를 가르치는 것이 가능한지가 아니라 인간 전문가가 그 학습을 어떻게 끝까지 지휘하느냐로 귀결된다.

출처

• Teresa Tung & Philippe Roussiere, “Tacit Knowledge Is Your Next Competitive Moat”, California Management Review Insights, 2026년 3월 16일.
• 두 저자 모두 Accenture 글로벌 리드 — 데이터 역량(Tung), 혁신·AI 리서치(Roussiere).
• 원문: https://cmr.berkeley.edu/2026/03/tacit-knowledge-is-your-next-competitive-moat/
• 관련 선행 자료: Dorothy Leonard & Sylvia Sensiper, “The Role of Tacit Knowledge in Group Innovation”, California Management Review 40(3), 1998. 본 평론이 의지하는 암묵지 개념의 토대.

원문은 hero 이미지(Adobe Stock 라이선스) 외에 도식·차트가 없어 텍스트로만 정리했다.