조직 변화

앤드루 응은 AI가 일자리를 없앤다는 공포가 과장됐고, 그 공포는 일부 선두 AI 기업의 규제 포획 시도에서 비롯됐다고 주장한다. 그는 대학 교육이 변화를 2년 늦게 반영한다는 점과 지금의 AI 사용 습관이 학습을 해친다는 점을 문제로 꼽고, 만드는 비용이 급락한 지금은 무엇을 만들지 정하는 일이 병목이라고 말한다.

Anthropic이 사내 파워 유저를 인터뷰해 열 개 팀의 Claude Code 사용법을 팀마다 두 쪽씩 정리한 23쪽 자료. 데이터 인프라와 보안, 추론 팀의 개발 워크플로우부터 법무와 마케팅, 디자인 팀이 코드를 모르는 채로 만든 도구까지, 팀별 사례와 자체 측정한 효과, 각 팀이 남긴 운용 수칙을 담았다.

스태프 엔지니어는 캘린더에 사고 시간을 비워 문제를 찾지 않는다. 일상의 대화를 흡수해 문제를 쌓아 두고, 서로 달라 보이는 요청들이 같은 형태로 겹칠 때까지 기다린 뒤에 만들기 시작한다는 실무 기록.

데이터 컨설턴트 니킬 수레시가 300여 건의 현장 대화를 근거로, AI 열풍에 사로잡힌 조직에서 합리적 의사결정이 어떻게 마비되는지 진단한다. 실패한 프로젝트, 신앙 고백이 된 AI 찬양, 그리고 아무도 먼저 진실을 말하지 못하는 조율 실패의 구조.

“배포해줘~” 한마디로 보안 점검 후 사내망에 배포되는 시스템을 완성한 subicura(조성일)가 회고한, 퍼플아이오의 1년간 전사 AX 여정. 세 번의 실험이 공통으로 가리킨 결론은 AI 성능이 아니라 요구사항 정의와 조직의 맥락(Context)이었다.

Zuckerberg가 town hall에서 지난 넉 달간 에이전틱 AI 개발 궤적이 기대만큼 빨라지지 않았다고 시인했다. Eshu Marneedi는 이것을 속도의 문제가 아니라 전략 부재의 문제로 읽는다. 메타버스 실패에서 배우지 못한 채, Alexandr Wang의 ‘프로그래머는 소모품’ 이론으로 대규모 감원과 키스트로크 감시까지 밀어붙인 판단이 어떻게 조립되어 있었는지를 짚는다.

Will Larson(Imprint CTO)이 하이퍼그로스와 AI 툴링 시대를 1년 겪고 자기 엔지니어링 리더십 원칙 5개를 개정한 글. 개별의 판단, 개발 하네스, 에이전트 우선 프로세스, 오래 가는 팀, 빠르고 결정적인 의사결정이 새로운 다섯 축이라 결론 낸다.

한국은행 조사국 고용연구팀이 2025년 5~6월 국내 취업자 5,512명 가계조사로 추정했다. AI 활용은 업무시간을 평균 3.8%(주 1.5시간) 줄였지만 실제 업무처리량 증가와의 상관계수는 0이다. 자영업자·전문직·AI 고강도 사용자에서만 산출 증가가 관찰된다. 저자들은 J-curve와 Solow 역설로 해석하며 정책 초점을 ‘AI 확산’이 아니라 ‘전환 과정 지원’으로 옮기자고 제안한다.

측정할 수 있는 일은 곧 학습 대상이 되어 commodity로 빨려 들어간다. Sarah Guo는 가치가 ‘학습 불가능한(untrainable)’ 영역 — frontier 난이도이면서 정답이 사적인 마지막 사분면 — 으로 이동한다고 본다.

Spotify가 사내 AI 코딩 도구 채택과 백그라운드 에이전트 Honk를 공개한 자료. 수년 전 만든 Backstage·Fleet Management·Soundcheck가 에이전트의 가드레일이 됐고, 병목이 코딩에서 의사결정으로 이동했다는 것이 골자다.