직원이 각자 AI로 바이브코딩하면, 회사 AI 도입은 필요 없을까?

AI 도입 이야기를 나누다 이런 질문을 받은 적이 있습니다.

직원이 각자 클로드 같은 AI를 쓰고 바이브코딩으로 직접 만들면, 회사가 AI를 따로 도입하지 않아도 되지 않나요?

바이브코딩은 말로 지시해 AI가 코드를 짜게 하는 방식입니다. 이 질문은 쉽게 부정할 수 없습니다. 글쓰기, 요약, 혼자 보는 확인용 분석은 개인 계정의 AI로 충분합니다. 'AI는 전문 업체만 다룰 수 있다'는 말도 사실이 아닙니다. 저희도 같은 도구를 쓰기 때문입니다.

그래서 결론부터 적습니다. 개인 AI는 각자 쓰면 되고, 회사 AI에는 개인이 못 하는 일만 맡기면 됩니다. 어려운 것은 '개인이 못 하는 일'을 고르는 쪽이었습니다. 저희가 이 답을 문서로 정리하면서 AI 장점으로 적은 항목 가운데 일부는 AI가 아니라 화면 개발이었습니다.

개인 AI와 회사 AI는 무엇이 다른가

먼저 용어를 나눕니다. '개인 AI'는 직원 개인 계정으로 쓰는 AI 대화와 바이브코딩입니다. '회사 AI'는 ERP 같은 회사 시스템 안에서 회사 데이터와 권한을 바탕으로 동작하는 AI 기능입니다. 채팅 조회, 알림, 분류 제안이 여기에 들어갑니다.

가장 큰 차이는 '집계 기준'입니다. 회사가 정한 숫자 계산 규칙을 말합니다. 취소 건 차감, 두 시스템에 두 번 잡힌 거래 제거, 반품을 반영한 매입 합계 같은 것입니다. 개인 AI는 이 방식을 매번 스스로 정합니다. 그래서 같은 매출을 두 번 세거나 취소와 반품을 빠뜨릴 수 있습니다.

에이전트에게 업무 설계도를 주고 측정했을 때도 점수 차이는 정책 질문에서 났습니다. 회사가 정한 기준을 아느냐가 실제 답변에서 드러난 사례입니다.

회사 시스템에서 받은 숫자라면 답이 달라집니다

다만 이 설명이 늘 맞는 것은 아닙니다. 직원이 회사 시스템에 로그인해 화면 자료를 가져왔다면, 그 숫자는 이미 회사 기준으로 계산된 값입니다. 이때 'AI는 회사 계산 기준을 모른다'는 말은 그대로 통하지 않습니다. 그래서 저희는 답을 쓰기 전에 직원이 실제로 무엇을 했는지부터 확인합니다.

숫자가 맞아도 위험은 남습니다. 저희가 꼽은 것은 세 가지입니다.

덜 들어온 자료로 판단합니다. 아직 다 들어오지 않은 최근 며칠 자료를 보고 '매출 급감'으로 읽는 경우입니다.

숫자는 맞아도 해석이 틀립니다. 구매 합계에 직거래분이 빠져 있다는 것을 모르면 '구매를 덜 한다'고 읽습니다.

AI는 틀린 판단에도 그럴듯한 이유를 붙입니다. 읽는 사람은 그 이유 때문에 판단이 맞다고 믿기 쉽습니다.

'AI만 할 수 있는 일'에 화면 개발이 섞여 있었습니다

문서의 첫 판은 개인 AI의 위험만 늘어놓았습니다. 다시 읽어 보니 방어적이었습니다. 그래서 'AI만 할 수 있는 일'을 앞으로 올렸는데, 이번에는 그 목록이 문제였습니다.

'여러 화면을 한 장으로 모은다'를 AI 장점으로 적어 두었습니다. 검토에서 지적이 나왔습니다.

그건 AI가 아니라 화면을 만들면 되는 거잖아.

맞는 말이었습니다. 화면을 모으는 일은 화면 개발입니다. AI가 맡을 일은 모은 글을 읽고 회의에서 할 이야기로 정리하는 것입니다. 고객 의견 문장, 상담 기록, 문의 내용 같은 글입니다.

같은 질문을 '거래가 끊긴 곳을 찾는 알림'에도 던졌습니다. 끊긴 곳을 찾는 일은 규칙으로 됩니다. AI는 상담 기록과 문의, 거래 이력을 읽어 왜 끊겼는지 근거를 붙이는 부분만 맡습니다.

이 질문을 거치지 않으면 회사는 AI 없이도 되는 일을 AI 비용으로 사게 됩니다. 항목마다 'AI 없이 화면이나 규칙으로 되나?'를 묻고 나니, 남는 것은 대개 숫자가 아닌 글을 읽고 쓰는 일이었습니다.

리뷰가 좋은 예입니다. 한 달치 리뷰를 실제로 세어 보니 별점 2점 이하는 극히 일부였습니다. 불만은 대부분 별점이 아니라 리뷰 문장 안에 있었습니다. 별점 필터를 붙인 화면으로는 찾을 수 없고, 글을 읽어야 찾을 수 있습니다.

걸러 내고 남은 것은 셋이었습니다

이렇게 항목을 걸러 내니 회사 AI의 차별점은 셋으로 줄었습니다.

회사가 정한 집계 기준의 숫자입니다. 누가 물어도 같은 기준으로 계산한 값을 받습니다.

사람이 찾기 전에 먼저 알립니다. 품질 불만이 담긴 글을 매일 아침 보내고, 거래가 끊긴 곳을 근거와 함께 알리고, 월요일 경영 브리핑 초안을 준비합니다.

이미 처리된 데이터로 정확도를 확인하고 나서 적용합니다.

AI의 결과는 담당자가 확인한 뒤에 회사 데이터로 들어갑니다. 그래서 시스템에 들어간 값은 사람이 확인한 값입니다. 한 번 만든 기능은 전 직원이 함께 사용할 수 있습니다.

'정확도를 확인합니다'만으로는 전달되지 않았습니다

셋째 항목은 처음에 '정답표로 정확도를 측정한다'라고 절차만 적었습니다. '정답표'는 사람이 이미 확인해 둔 답 모음입니다. 다시 읽어 보니 와닿지 않아 실제 예로 바꿨습니다.

담당자가 이미 분류해 둔 품목 이름 전부를 답을 가린 채 AI에 맡깁니다. 그러면 적용하기 전에 '몇 개 중 몇 개 맞혔나'를 보고할 수 있습니다. 회사에 쌓인 처리 이력이 그대로 정답표가 됩니다.

이 시험은 아직 제안까지만 했습니다. 실제로 몇 %가 나올지는 저희도 모릅니다. 그래도 도입 전에 숫자로 판단할 재료는 이미 회사 안에 있습니다.

한 번의 결과만 보고 믿기도 어렵습니다. 저희 측정에서는 같은 판을 두 번 실행해도 근거가 달라진 적이 있습니다.

혼자 보던 자료를 여러 사람이 보기 시작하면

혼자 보는 확인용 분석이라면 개인 AI로 충분합니다. 달라지는 때는 그 결과를 여러 사람이 판단에 쓰고 매일 받기 시작할 때입니다. 아래는 그때 일반적으로 생기는 일입니다.

화면끼리 섞어 합치면 틀립니다. 판매 채널별 매출을 총매출에 더하면 같은 거래를 두 번 셉니다.

회사 시스템 화면이 바뀌면 화면을 읽어 오는 프로그램은 오류 없이 엉뚱한 칸을 읽습니다.

회사 데이터가 개인 계정으로 나갑니다.

만든 사람만 봅니다. 그 사람이 없으면 아무도 고치지 못합니다.

그렇다고 막을 일은 아닙니다. 직원이 AI로 화면을 직접 만들었다면 '지금 시스템에 없는 화면이 필요하다'는 요구로 읽을 수 있습니다. 저희가 권하는 순서는 이렇습니다.

직원이 만든 것을 함께 보고, 쓸 만한 것은 정식 화면으로 옮깁니다.

필요한 자료는 엑셀 내려받기 같은 정식 방법으로 제공합니다.

개인 AI에 회사 데이터를 넣어도 되는 기준을 정합니다.

회사 AI가 늘 필요하다는 뜻은 아닙니다. ERP가 없거나 집계 기준이 정리되지 않은 회사라면 '회사 기준 숫자'라는 차별점이 약해집니다. 그 경우에는 집계 기준을 정하는 일이 AI보다 먼저입니다.

이 문서를 고치며 남긴 규칙

답의 내용만큼 쓰는 순서에서도 배운 것이 있어 저희 문서 규칙으로 남겼습니다.

장점을 먼저, 위험은 뒤에 적습니다. 위험만 쓰면 방어로 읽힙니다.

저희 사고 사례를 'AI 탓' 맥락으로 쓰지 않습니다. 한 사례를 넣었더니 'AI로 만들어서 사고가 났다'로 읽혔습니다. 실제 원인은 AI가 아니라 시스템 설정이어서 뺐습니다.

절차보다 실제 예로 씁니다.

같은 질문이 나왔다면 이것부터 보세요

직원이 실제로 무엇을 했는지 결과물을 받아 봅니다. 자료가 회사 시스템에서 나왔는지, 다른 곳에서 나왔는지에 따라 답이 달라집니다.

혼자 보는 확인용인지, 여러 사람이 매일 보는 자료인지 구분합니다.

회사 AI 후보마다 'AI 없이 화면이나 규칙으로 되나?'를 묻습니다.

남은 후보는 이미 처리된 데이터로 정확도를 확인할 수 있는지 봅니다.

개인 AI로 충분한 일까지 회사 AI로 만들 필요는 없습니다. 회사 AI에는 개인이 못 하는 일만 맡기면 됩니다. 사내에서 같은 질문이 나왔다면 덕랩에 문의해 주세요.