AI가 준 선물은 생산성이 아니라 진짜 비즈니스를 시작할 수 있는 것" (송인혁 유니크굿컴퍼니 대표)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI가 준 선물은 개인의 작업 속도를 높이는 데 그치지 않고, 작은 조직도 고객에게 발견되고 거래를 만드는 진짜 비즈니스를 시작할 수 있게 된 것이다.

📌 핵심 요점

1. AI 도입의 출발점은 도구가 아니라 사업 문제다. 송인혁 대표는 내부 문서와 산출물을 더 만드는 것보다 제품을 알리고 고객에게 발견되는 연결 구조가 중요하다고 강조한다.
2. 협업의 병목은 사람이 부족해서만 생기지 않는다. 삼성 재직 당시의 연결 실험과 기술 협업 사례는 가까이 있는 역량도 조직 경계 때문에 발견되지 않을 수 있음을 보여준다.
3. 나노벤처의 핵심은 적은 인원 자체보다 사업 성과를 중심으로 기능과 프로세스를 다시 묶는 데 있다. AI는 사람이 각각 맡아야 했던 기능을 연결할 가능성을 넓힌다.
4. 컨테이너 수출과 병원 노쇼 개선 사례는 구체적인 문제를 직접 풀면서 사업 기회를 확장하는 경로를 보여준다. 다만 소개된 실적과 개선 수치는 인터뷰에서 전한 사례로 구분해야 한다.
5. 조직의 AX 수준은 계정 보급이나 개인 활용 능력만으로 판단하기 어렵다. 공동 워크플로, 실행의 가시성, 피드백을 기억하고 개선하는 구조가 있는지가 핵심 진단 기준이다.

🧩 배경과 문제 정의

이 영상은 송인혁 유니크굿컴퍼니 대표와의 인터뷰로, AI 시대에 개인의 생산성 향상을 넘어 실제 사업을 어떻게 움직일 것인지 다룬다. 도입부에는 AI 에이전트 관련 강좌 홍보와 인터뷰 핵심 발언의 예고가 포함된다.

송 대표는 삼성 재직 당시의 조직 협업 경험에서 출발해, 역량 있는 사람들이 모여 있어도 기능별 경계와 기존 프로세스 때문에 사업 기회를 놓칠 수 있다고 설명한다. 이후 자사 경험과 소규모 수출 사업, 병원 운영 개선 사례를 통해 문제의 중심을 AI 도구에서 사업 구조로 옮긴다.

핵심 문제는 구성원이 바쁘게 일하는 것과 회사가 고객을 만나 성과를 만드는 것이 일치하지 않을 수 있다는 점이다. 인터뷰는 제품의 발신과 발견, 사업 중심의 역할 재설계, 개인 AI에서 조직 AI로의 전환을 연결해 이 간극을 설명한다.

🕒 시간순 섹션별 상세정리

1. 에이전트 시대의 조직 변화와 핵심 주장 예고

• 도입부는 2027년 AI 에이전트가 조직을 바꿀 것이라는 전망을 내세우며 관련 강좌를 홍보한다. 이 대목은 본 인터뷰와 구분되는 안내다. [00:23]
• 이어지는 예고에서는 활동이 자연스럽게 발신되고 발견되는 구조가 중요하며, 무엇을 위한 생산성인지 먼저 물어야 한다는 주장이 드러난다. [00:51]

2. 전산 전공자가 조직과 협업에 관심을 가진 이유

• 진행자는 송 대표의 전산 전공, 삼성전자 근무, TED 서울 참여, 조직·협업 관련 저술 경험을 보여준다. [01:18]
• 송 대표는 당시 약 18만 명의 조직에서도 사람들이 주어진 일에 갇혀 동기 없이 일하는 모습이 답답했다고 회고한다. [01:43]

3. TED에서 발견한 관심 기반 공동체의 힘

• 미국 TED 콘퍼런스에서 서로 다른 문제에 관심을 가진 사람들이 모여 자발적인 움직임을 만드는 모습에 주목한다. 강연 자체보다 관심을 공유하는 공동체가 중요했다는 설명이다. [02:18]
• 국내 TED 활동과 삼성 내부 모임으로 경험을 확장했고, 그 과정에서 조직 안의 사람들이 실제로 어떻게 연결되어 있는지 궁금해졌다고 드러낸다. [02:47]

4. 빨간 풍선 프로젝트에서 얻은 연결 실험의 착상

• 미국의 빨간 풍선 찾기 실험과 MIT 미디어랩 팀의 보상 방식을 보여준다. 직접 발견한 사람뿐 아니라 연결해 준 사람에게도 보상해 참여를 확산시켰다는 설명이다. [03:46]
• 송 대표가 주목한 것은 지인을 통한 요청의 힘이었다. 공식적인 부서 협조 요청과 달리 아는 사람의 부탁에는 도움을 주기 쉽다는 관찰을 사내 실험으로 옮긴다. [03:59]

5. 삼성 사업장을 연결한 풍선 찾기 실험

• 다섯 나라에 아홉 개의 풍선을 숨기고 사내 메신저 링크로 전달 경로를 기록해, 누가 누구를 통해 연결되는지 그래프로 보려 했다고 보여준다. [04:24]
• 국내 다섯 개를 찾는 데 2시간 18분, 해외를 포함한 전체 탐색에는 45시간이 걸렸다고 회고한다. 실험의 목적은 탐색 속도보다 조직의 연결 구조를 드러내는 데 있었다. [04:58]

6. 평균 두 단계 남짓으로 연결된 동료들

• 송 대표는 삼성전자 실험에서 평균 2.47단계, 삼성생명에서 다시 진행한 실험에서는 2.43단계가 나왔다고 드러낸다. [05:19]
• 이를 통해 이미 가까이 연결된 조직에서도 한 번 더 도움을 요청하는 행동이 잠재된 협업을 활성화할 수 있다고 해석한다. [05:40]

7. 옆방의 기술을 발견하지 못했던 조직

• 멀티터치 장난감 개발에 필요한 기술을 찾지 못하던 사람이 사내 모임에서 고민을 나누자, 바로 옆방의 동료가 해결 방법을 제시한 사례를 보여준다. [06:24]
• 송 대표는 이를 관심 네트워크의 힘으로 설명하고, 이후 사내 시스템과 저술, 나노벤처 구조에 대한 고민으로 이어졌다고 드러낸다. [06:47]

8. 기능 조직보다 사업 성과를 먼저 보는 관점

• 큰 조직에서도 디자인팀 같은 기능 구분보다 사업 성과를 만드는 일이 우선이라는 관점을 제시한다. 조직과 프로세스는 일을 잘하기 위해 만든 수단이라는 설명이다. [07:22]
• 논리적으로 만든 조직 경계를 물리적인 벽처럼 받아들이면 개인의 역량이 제한될 수 있다고 드러낸다. [07:45]
• 진행자는 에이전트와 함께 일하는 조직으로 바뀌려면 어디서 시작하고 무엇을 바꿔야 하는지 질문한다. [08:14]

9. 제품에서 발신과 발견으로 이어지는 사업의 고리

• 좋은 제품은 기본 조건이며, 제품을 알리고 고객에게 발견되게 만드는 연결이 돌아야 한다고 강조한다. 일상적인 활동이 발신과 발견으로 이어지는 구조가 핵심이다. [08:47]
• 과거에는 이 흐름에 필요한 사람과 협업을 갖추기 어려웠지만, 이제는 구조를 잘 연결하면 수행할 가능성이 커졌다고 보여준다. [09:18]
• 발견과 발신에 연결되지 않는 문서나 제안서를 더 만드는 것을 사업 생산성과 혼동하지 말아야 한다고 지적한다. [09:40]

10. 바쁜 구성원과 대표에게 집중된 실제 사업

• 송 대표는 자신의 회사도 내부 산출물 제작에 시간을 쓰면서 정작 세일즈를 충분히 하지 않았다고 돌아본다. 회사의 본질은 외부 공간에서 독특한 경험을 만들고 파트너와 함께 이익을 실현하는 데 있었다고 보여준다. [10:35]
• 대표 두 명과 나머지 56명이 있던 시기에도 고객 대화와 제안, 발표가 대표에게 집중됐고, 인원이 늘수록 대표의 부담이 커졌다고 드러낸다. [11:05]
• 경영 압박 속에서도 구성원들은 실제로 바빴다며 개인을 탓하기보다 구조를 돌아본다. AI의 선물은 진짜 비즈니스를 시작할 가능성이며 구성원도 그 관점에 참여해야 한다고 강조한다. [11:41]

11. 두 사람이 운영하는 컨테이너 수출 사례

• 큰 회사를 운영했던 지인이 컨테이너 수출을 직접 시도하면서, 복잡한 절차를 익히고 동료와 함께 전반적인 프로세스를 AX로 바꿨다는 사례를 전해진다. [12:35]
• 두 명이 월 12억 원, 연 140억 원 수준을 낸다는 설명이 나오지만 매출과 이익의 구분은 분명하지 않다. 사례의 초점은 많은 인원을 관리하던 방식에서 AI의 지원을 받는 작은 조직으로 바뀌었다는 데 있다. [13:11]

12. 병원 노쇼 개선에서 판매 가능한 시스템까지

• 약 300명이 일하는 익명 병원의 원장이 반복 방문 환자의 노쇼에 주목하고, 통화 기록을 텍스트로 바꿔 예약 이행 여부와 날씨·질환·지역 등의 정보를 조합했다고 보여준다. [14:24]
• 노쇼와 지각 가능성을 예측한 뒤 사전 알림 등 여러 방법을 시도해 노쇼 비율을 80%까지 개선했다고 드러낸다. 다만 수치의 기준과 측정 조건은 제시되지 않는다. [15:00]
• 원장이 직접 만든 관리 시스템은 판매할 수 있는 수준으로 발전했다고 묶인다. 개인의 성공 경험이 구성원을 초대해 조직의 AX로 확장하려는 질문으로 계속된다. [15:46]

13. 생존을 위한 실험과 조직으로 퍼지는 성공 경험

• 기술과 거리가 있던 사람도 직접 AI로 문제를 해결하며 시도를 확장하고, 인력 이탈과 비용 압박 속에서 작은 실험으로 운영을 정상화하는 사례가 있다고 드러낸다. [16:36]
• 대기업에서는 개인별 계정 보급뿐 아니라 해결할 사업 문제를 주고 수단을 지원하는 TF 방식도 나타난다고 보여준다. TF의 경험이 조직으로 확산되는 흐름에 주목한다. [18:01]
• 기능 조직의 의미가 달라질 수 있다고 전망하면서, 간편한 도구 사용 이야기보다 실제 문제를 어떻게 풀었는지 보여주는 사례와 작은 성공 경험이 더 필요하다고 강조한다. [18:57]

14. 자동화에 앞서 우리 회사가 발견되는지 점검하기

• 마케팅 자동화를 원하던 기업에 먼저 발신과 발견이 가능한 상태인지 물었다고 보여준다. 자동화할 방법에 앞서 무엇이 막혀 있는지 정의해야 한다는 취지다. [19:31]
• 자사 고객 문의의 약 80%가 AI 검색을 거쳐 들어온다고 말하며, 에이전트에 회사의 발견 상태를 점검하도록 요청하는 접근을 제안한다. [20:03]
• 기존 활동을 발견의 흐름에 어떻게 연결할지 문제를 구체화해야 하며, 이를 주도한 리더를 따라온 구성원도 다시 리더가 되는 모습을 봤다고 드러낸다. [20:35]

15. 개인 AI와 조직 AI를 가르는 진단 기준

• 처음에는 두려워하던 구성원도 문제를 돌파하는 동료를 따라가며 성공 경험을 쌓으면 태도와 참여 방식이 달라질 수 있다고 보여준다. [21:19]
• 채팅이나 개인 에이전트 사용과 조직의 워크플로 설계를 구분한다. 개인의 대화·실행을 함께 볼 수 있는지, 에이전트가 실행과 피드백을 기억해 개선하는지를 진단 질문으로 제시한다. [22:36]
• 핵심 구분은 AI를 활용하는 회사와 AI로 움직이는 회사다. 자사 솔루션은 AI 모델을 엔진으로 두고 모델 발전의 가치를 함께 얻는 구조라고 보여준다. [23:18]

16. 작은 부서의 혁신이 전사 변화로 확장되는 경로

• 특정 부서의 AX를 맡은 조직이 성과를 낸 뒤 임원을 통해 자원을 확보하고 전사 확장으로 이어진 익명 사례를 보여준다. [24:28]
• 삼성의 한 부서가 하루 1경 토큰을 사용한다는 설명과 함께, 작은 조직의 성과가 주변 부서의 변화까지 촉진할 수 있다고 드러낸다. 사용량의 집계 기준은 제시되지 않으며, 좋은 성과가 내부에 알려지지 않은 조직도 있다고 덧붙인다. [25:29]
• 진행자는 기술 배경, 조직·협업 경험, 절박함이 결합된 사례로 대화를 정리한다. 마지막에는 본업인 리얼월드, 다른 기업도 사용하는 솔루션, 나노벤처 저술을 통한 경험 공유를 언급하며 인터뷰를 마친다. [26:50]

🧾 결론

• AI 활용의 성과는 얼마나 많은 산출물을 만들었는지보다 고객과 파트너의 문제를 해결하고 사업으로 연결했는지로 평가해야 한다.
• 기능별 조직과 기존 업무 분장은 목적을 위한 수단이다. 더 나은 사업 성과를 낼 수 있다면 역할과 협업 방식도 재설계할 수 있다는 것이 인터뷰의 주장이다.
• 리더가 구체적인 문제를 정의하고 작은 성공 경험을 만들면, 참여한 구성원이 새로운 리더로 성장하며 변화가 확산될 수 있다.
• 개인의 AI 사용을 조직의 역량으로 바꾸려면 실행과 피드백이 공유되고 다음 실행에 반영되는 구조가 필요하다.

📈 투자·시사 포인트

• 기업의 AI 전환을 살필 때 계정 수나 토큰 사용량과 함께 고객 유입, 거래 연결, 운영 손실 개선처럼 사업 결과에 닿는 변화를 확인필요가 있다.
• 소수 인원이 여러 기능을 수행하는 사례는 인원 규모와 사업 수행 능력의 관계가 달라질 가능성을 시사한다. 다만 소개된 사례만으로 업종 전체의 수익성을 일반화할 수는 없다.
• 인터뷰에서는 AI 검색을 통한 고객 문의가 중요한 유입 경로로 제시된다. 기업이 AI 검색에서 발견되는 상태인지가 영업과 마케팅의 점검 항목이 될 수 있다.
• 병원 사례는 내부 운영 문제를 해결한 시스템이 외부 판매를 검토할 수준으로 발전할 수 있음을 보여준다. 실제 판매 성과와 사업성은 별도로 확인해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 컨테이너 수출 사례의 월 12억 원·연 140억 원 수준이라는 설명은 익명 사업자에 대한 전언이다. 매출과 이익의 구분, 산정 기간, 비용 구조가 제시되지 않아 수익성 근거로 바로 사용할 수 없다.
• 병원 노쇼 비율을 80%까지 개선했다는 설명에는 개선 전후 비율, 상대 감소율인지 여부, 관찰 기간과 비교 조건이 없다. 예측 알고리즘과 알림 조치 각각의 효과도 구분되지 않는다.
• 삼성 부서의 하루 1경 토큰 사용과 자사 고객 문의의 약 80%가 AI 검색을 통해 들어온다는 수치는 발표자의 설명이다. 집계 범위와 측정 방식, 사업 성과와의 관계는 확인이 필요하다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 우리 사업의 제품·서비스가 발신되고 고객에게 발견되어 대화로 이어지는 흐름을 적고, 연결이 끊긴 지점을 찾는다.
• 에이전트에 회사의 발견 상태를 점검하도록 요청하고, AI 검색을 통해 실제로 어떤 정보가 노출되는지 확인한다.
• 해결할 사업 문제 하나를 정해 작은 팀이나 TF가 AI로 실행해 보고, 산출물의 양보다 문제 해결 결과를 확인한다.
• 개인의 대화와 실행이 조직에 공유되는지, 에이전트가 피드백을 기억하고 다음 실행을 개선하는지 점검한다.

❓ 열린 질문

• 개인의 AI 사용 경험을 조직 전체의 워크플로와 공동 기억으로 연결하는 구체적인 설계는 무엇인가?
• 소규모 팀의 성공을 대기업 전체로 확장할 때 필요한 권한과 자원은 어떻게 배분해야 하는가?
• AI 숙련도와 참여 의지가 다른 구성원들이 함께 성공 경험을 쌓도록 어떤 문제부터 맡겨야 하는가?