🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

DoorDash는 전사적인 AI 접근성과 활용 역량을 높이고 내부 데이터·워크플로를 연결해, 기술 직군뿐 아니라 모든 직원이 더 빠르게 만들고 학습하며 인간의 판단을 보완할 수 있도록 하고 있다.

📌 핵심 요약

• DoorDash는 실험과 반복을 중시하는 기존의 운영자 문화를 바탕으로 AI를 도입해 학습, 테스트, 업무 개선의 속도를 높이고 있다.
• AI 전략은 전 직원의 도구 접근성과 리터러시 확대, 내부 데이터를 활용한 검색·콘텐츠 제공, 신뢰할 수 있는 에이전트 기반 업무 수행이라는 세 단계로 전개된다.
• 기업용 대화형 AI를 활용하면서 비개발자도 문서 업로드 자동화 같은 맞춤형 도구를 직접 만들고, 콘텐츠 제작·데이터 분석·워크플로 자동화에 참여하게 됐다.
• 성과 평가와 직원 설문에서는 AI가 방대한 피드백의 주제와 패턴을 정리하지만, 최종 해석과 의사결정은 사람이 담당하는 보완적 구조를 유지한다.
• 향후에는 개인별 목표와 성과 패턴, 경력 경로에 맞춘 개발 지원과 인사 업무용 에이전트를 확대하며, 이를 위해 HR과 IT 안에 통합된 엔지니어링 역량을 활용할 계획이다.

🧩 주요 포인트

1. DoorDash는 실험과 반복을 중시하는 기존의 운영자 문화를 바탕으로 AI를 도입해 학습, 테스트, 업무 개선의 속도를 높이고 있다.
2. AI 전략은 전 직원의 도구 접근성과 리터러시 확대, 내부 데이터를 활용한 검색·콘텐츠 제공, 신뢰할 수 있는 에이전트 기반 업무 수행이라는 세 단계로 전개된다.
3. 기업용 대화형 AI를 활용하면서 비개발자도 문서 업로드 자동화 같은 맞춤형 도구를 직접 만들고, 콘텐츠 제작·데이터 분석·워크플로 자동화에 참여하게 됐다.
4. 성과 평가와 직원 설문에서는 AI가 방대한 피드백의 주제와 패턴을 정리하지만, 최종 해석과 의사결정은 사람이 담당하는 보완적 구조를 유지한다.
5. 향후에는 개인별 목표와 성과 패턴, 경력 경로에 맞춘 개발 지원과 인사 업무용 에이전트를 확대하며, 이를 위해 HR과 IT 안에 통합된 엔지니어링 역량을 활용할 계획이다.

🧠 상세 정리

1. 실험 중심의 운영자 문화와 AI의 역할

DoorDash는 구성원 모두가 소비자 경험을 깊이 이해하고 제품팀과 같은 속도와 사고방식으로 움직이기를 기대하는 운영자 문화를 갖고 있다. AI가 발전하기 전부터 전환율이나 마케팅 캠페인 효과처럼 다양한 영역에서 실험을 지속해 왔으며, AI는 이러한 기존 문화를 새로 만드는 것이 아니라 학습·테스트·반복의 속도를 크게 높이는 역할을 한다. 특히 HR도 정해진 서비스를 반복 제공하는 지원 조직에 머무르지 않고, 제품팀이나 연구개발 조직처럼 문제를 찾고 가설을 검증하며 업무 경험을 개선하는 방향으로 운영된다. Mariana Garavaglia는 AI가 이런 방식의 실행을 가속해 직원들이 더 빠르게 해결책을 만들고 결과를 확인하도록 돕는다고 설명한다. 따라서 DoorDash의 AI 확장은 단순한 비용 절감이나 자동화 사업이 아니라, 이미 존재하던 실험 중심 운영 체계를 전사적으로 강화하는 과정에 가깝다.

2. 접근성·내부 데이터·에이전트로 이어지는 3단계 전략

DoorDash의 HR과 IT 팀은 AI 도구 체계를 세 가지 층으로 나누어 확장하고 있다. 첫 번째는 기술 직군이 아닌 직원까지 첨단 도구와 코파일럿을 사용할 수 있도록 기업 전반에 배포하고, 해커톤과 튜토리얼을 통해 접근성과 AI 리터러시를 높이는 단계다. 두 번째는 내부 데이터를 연결해 조직 내 정보 장벽을 낮추고, AI 기반 검색과 더 적절한 콘텐츠 제공이 가능하도록 만드는 단계다. 세 번째는 AI 에이전트가 직원의 업무를 지능적이고 신뢰할 수 있는 방식으로 맡을 수 있는 영역을 탐색하는 것이다. 이 전략의 목표는 사람이 하던 일을 기계로 치환하는 데 있지 않고, 핵심 워크플로와 직원의 업무 경험을 함께 개선하는 데 있다. People 팀은 직원이 더 생산적이고 몰입도 높으며 효과적으로 일하도록 지원할 책임이 있기 때문에, AI 접근성과 활용 능력의 확대를 전사적인 인사 전략의 일부로 보고 있다.

3. 비개발자를 기술 창작자로 바꾸는 일상적 활용

DoorDash에서는 기업용 대화형 AI 도구만으로도 직원들의 일상 업무 방식에 큰 변화가 나타났다. 대표적으로 People Operations 팀의 한 직원은 이전에 파일을 하나씩 올려야 했던 문서 업로드 작업을 자동화하는 스크립트를 직접 만들었다. 과거라면 엔지니어의 지원을 받아야 했던 자동화와 워크플로 제작을 비개발자가 자신의 필요에 맞춰 구현했다는 점에서 의미가 크다. 이런 사례는 AI가 자동화 역량을 일부 기술 조직에 한정하지 않고, 구체적인 업무 문제를 가장 잘 아는 개인에게 분산한다는 사실을 보여준다. 개별 사례의 효과를 도입 직후 정확히 수치화하기는 어렵지만, 작은 개선들이 직원의 반복 작업을 줄이고 각자 업무에 맞는 해결책을 빠르게 만들도록 한다. 그 결과 기술 직군과 비기술 직군의 경계가 완화되고, 더 많은 직원이 단순한 도구 사용자를 넘어 업무 경험을 설계하는 창작자로 참여하게 된다.

4. AI 리터러시와 영향 측정의 출발점

DoorDash는 AI 활용 수준을 평가하는 작업이 아직 초기 단계라고 인정하면서, 우선 도입률과 사용 빈도를 기초 지표로 삼고 있다. 엔지니어가 과거 며칠 걸리던 결과물을 몇 분 만에 만들 수 있게 된 사례가 있으며, 여러 팀도 주어진 도구를 이용해 자발적으로 문제를 해결하면서 빠르고 유기적인 확산이 일어나고 있다. 회사는 전체 라이선스 보유자 수만 보는 것이 아니라 누가 접근 권한을 받았는지, 권한이 조직 전반에 얼마나 고르게 분포하는지, 실제로 얼마나 자주 사용하는지도 살핀다. 또한 새로운 도구를 기꺼이 받아들이는 태도와 지속적으로 학습하는 사고방식을 성과 체계의 역량 요소에 포함하는 방안을 검토하고 있다. 다만 기능별 성숙도에는 차이가 있어 엔지니어링 조직이 앞서 있고 다른 조직은 각자의 속도로 측정 방식을 발전시키는 중이다. 도구가 빠르게 변하는 환경인 만큼 처음부터 복잡한 생산성 지표를 고정하기보다, 오래 유지할 수 있는 기본 지표에서 출발해 평가 범위를 넓히겠다는 접근이다.

5. 개인화된 직원 경험과 자기주도 학습

Garavaglia는 AI의 가치를 인사 서비스의 효율적인 제공에만 한정하지 않고, 직원이 성장하고 업무에서 더 큰 영향을 내도록 돕는 수단으로 본다. 비기술 직원도 AI를 통해 개인화된 콘텐츠를 만들고, 반복 업무를 자동화하며, 데이터를 분석할 수 있게 되면서 과거 기술 역량이 필요했던 학습 기회에 직접 접근하고 있다. 자기주도 학습 문화가 강한 DoorDash에서는 이러한 진입 장벽의 하락이 직무 간 이동과 맞춤형 역량 개발을 더욱 촉진할 수 있다. 장기적으로는 각 직원의 목표, 성과 패턴, 경력 경로에 맞춘 개발 계획을 대규모로 제공하는 것이 회사가 기대하는 변화다. 이는 모든 구성원에게 동일한 프로그램을 제공하던 방식에서 벗어나, 개인별 상황에 따라 지원 내용과 성장 경로를 조정하는 모델로의 전환을 뜻한다. AI는 여기서 직원의 경력을 대신 결정하는 도구라기보다, 더 세밀하고 확장 가능한 학습 경험을 제공하는 기반으로 제시된다.

6. 성과 평가와 직원 설문에서 인간 판단 보완

DoorDash는 AI가 인간의 판단을 대체하기보다 방대한 정보를 정리하고 핵심 신호를 드러내는 보조 수단이어야 한다는 원칙을 강조한다. 성과 평가 시스템에는 많은 피드백이 모이지만 직원이나 관리자가 이를 종합하기 어려웠고, AI는 반복되는 주제와 강점, 성장 영역을 추출해 원자료보다 명확한 결론을 제공한다. 직원 설문에서도 과거에는 수천 건의 응답을 사람이 직접 읽었지만, 이제 AI가 공통 패턴을 찾고 관리자가 실행할 수 있는 요약을 생성한다. 회사는 팀의 설문 응답이 시간에 따라 어떻게 변했는지를 반영해, 관리자가 내용을 채우고 활용할 수 있는 맞춤형 행동 계획 워크플로도 구축했다. 이러한 활용은 People Analytics의 처리 능력을 높이는 동시에, 수집된 의견이 실제 후속 조치로 이어지도록 돕는다. 다만 AI가 제시한 요약이나 패턴 자체를 최종 판단으로 취급하지 않으며, 맥락을 해석하고 조치를 결정하는 책임은 여전히 사람에게 남아 있다.

7. 임원 성과 예측과 코칭의 제한적 활용

DoorDash는 현재 AI를 임원 코칭에 직접 사용하고 있지는 않지만, 내부 승진 후보와 외부 채용자의 임원 성과를 평가하기 위한 예측 모델을 구축하고 있다. 모델에는 비교 집단 데이터, 면접 평가, 평판 조회 등 여러 신호가 사용되며, 이를 바탕으로 후보자의 성공 가능성을 더 높은 확신으로 판단하는 것이 목적이다. 임원 코칭 결과도 활용 가능한 여러 데이터 지점 가운데 하나일 뿐, 단독으로 승진이나 채용 결정을 좌우하는 기준은 아니다. 예측을 통해 특정한 역량 격차가 확인되면 코칭을 그 부족한 부분을 보완하는 수단으로 활용할 수 있다는 구상이다. 회사는 데이터와 모델이 판단을 지원할 수는 있어도 사람의 해석을 제거해서는 안 된다는 입장을 분명히 한다. 이 사례는 민감한 인사 결정에서 AI의 역할을 자동 결정이 아니라 증거와 신호를 체계적으로 정리하는 보조 장치로 제한하려는 원칙을 보여준다.

8. 향후 에이전트·개인화 확장과 실행 조직

향후 12~24개월 동안 DoorDash HR 팀이 주목하는 분야는 핵심 인사 워크플로를 지원하는 AI 에이전트와 개인화 기술이다. 회사는 직원의 정책 관련 질문에 답하고, 개인의 개발을 지원하며, 관리자의 업무를 돕는 에이전트 활용을 아직 초기 단계에서 탐색하고 있다. 그중에서도 모든 직원에게 각자의 상황에 맞는 경험과 지원을 제공하는 개인화 기술을 가장 잠재력이 큰 영역으로 본다. 이 구상을 실행할 수 있는 배경에는 HR과 IT 팀 내부에서 직원용 워크플로를 담당하는 전담 엔지니어와 엔지니어링 자원이 있다는 점이 있다. 기술 지원이 People 전략과 통합돼 있어 기초 도구부터 더 발전된 에이전트 기능까지 하나의 전략 아래 빠르게 구현하고 반복할 수 있다. DoorDash는 ChatGPT Enterprise를 재무, 영업, 운영, IT, 마케팅 등 기술·비기술 조직에 사용하고 있으며, OpenAI API는 월 300만 건의 채팅을 처리하는 고객 서비스 플랫폼과 리뷰 조정 및 지원을 위한 내부 워크플로에도 활용되고 있다.

🧾 핵심 주장 / 시사점

• AI 확산의 핵심은 도구를 배포하는 데 그치지 않고, 접근 권한의 분포와 실제 사용 빈도, 새로운 도구를 배우려는 태도까지 함께 관리하는 데 있다.
• 비개발자가 자신의 반복 업무를 직접 자동화할 수 있게 되면 중앙 엔지니어링 조직의 지원을 기다리지 않고 현업 지식을 즉시 해결책으로 전환할 수 있다.
• 성과 평가나 임원 예측처럼 민감한 인사 영역에서는 AI가 패턴과 신호를 정리하되, 맥락 해석과 최종 결정은 사람이 맡는 구조가 DoorDash의 일관된 원칙이다.

✅ 액션 아이템

• DoorDash의 AI 전략을 기준으로 전 직원 접근성·리터러시 확산, 내부 데이터 검색·콘텐츠 제공, 신뢰 에이전트 운용을 단계별로 적용 범위를 정의한다.
• 비개발자도 활용 가능한 문서 업로드 자동화 맞춤형 도구를 콘텐츠 제작·데이터 분석·워크플로 자동화에서 우선 적용할 영역을 좁혀 점진적으로 확장한다.
• 성과평가·직원 설문에서 AI가 정리한 피드백 주제·패턴은 보조정보로 사용하고 최종 해석·의사결정은 사람이 책임지는 보완 구조를 유지한다.

❓ 열린 질문

• 실험과 반복 문화 기반 도입이 실제로 학습·테스트·업무 개선 속도를 끌어올렸는지 어떤 지표로 판단할 것인가?
• 비개발자 생산 도구(문서 업로드 자동화 등)가 콘텐츠 제작·분석·워크플로 자동화 성능에 미치는 효과를 어떻게 구간별로 검증할 것인가?
• 개인별 목표·성과 패턴·경력 경로형 HR/개발지원 에이전트를 어디부터 확대해 HR과 IT의 통합 엔지니어링 역량을 실제로 반영할 것인가?