리더가 MD를 알아야 부서 에이전트 공동육아 가능하다" (장현민 팀제이커브 대표)
Quick Summary
리더가 MD의 역할을 이해하고 팀의 업무 맥락과 지식을 함께 축적하는 환경을 만들어야, 부서 에이전트를 공동으로 육성하는 조직 전환이 가능하다는 것이 장현민 대표의 주장이다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론
리더가 MD의 역할을 이해하고 팀의 업무 맥락과 지식을 함께 축적하는 환경을 만들어야, 부서 에이전트를 공동으로 육성하는 조직 전환이 가능하다는 것이 장현민 대표의 주장이다.
📌 핵심 요점
- AI 활용 수준은 사용 빈도보다 업무 방식으로 구분한다. 출연자는 검색·대화 중심 활용, 업무 위임·자동화, 팀의 도구와 지식 환경을 함께 구축하는 조직 확산의 세 단계로 설명한다.
- 조직 전환의 핵심 주체는 리더다. 리더는 업무 경험과 위임 경험을 갖고 있으며, 보고 형식·의사결정·사업부 구조를 바꿀 권한이 있어 개인의 AI 활용을 조직 변화로 연결하기 유리하다는 설명이다.
- AX는 기존 업무를 정의하고 다시 설계하는 과정이다. AI로 증강하거나 위임할 업무, 비용과 환경 때문에 유지할 업무, 사람이 담당할 업무를 구분해야 한다.
- MD는 개인의 대화를 팀의 공유 지식으로 전환하는 매개다. 업무 맥락을 공동으로 축적하고 에이전트가 참조할 수 있게 만들면, 여러 구성원의 경험을 같은 목적의 에이전트 육성에 활용할 수 있다는 구상이다.
- 지식과 스킬은 축적 이후의 관리가 중요하다. 프로젝트별 MD와 인덱스를 마련하고, 스킬을 업무·KPI에 맞춰 평가·정리·갱신해야 중복과 탐색 부담을 줄일 수 있다.
🧩 배경과 문제 정의
기업에서 개인의 AI 사용은 늘고 있지만, 이를 팀과 조직의 업무 방식으로 연결하는 과정에는 병목이 있다는 문제의식에서 대화가 시작된다. 같은 회의실에서도 누군가는 AI를 요약·번역 도구로, 누군가는 업무를 위임하는 에이전트로 생각해 전환 과제에 대한 합의가 어렵다는 설명이다.
장현민 팀제이커브 대표는 리더의 업무 경험과 의사결정 권한에 주목한다. 리더가 직접 에이전트를 사용하면서 업무 흐름을 재설계하고, MD에 축적한 맥락을 팀이 함께 활용하도록 환경을 만들어야 개인 생산성 향상이 조직 역량으로 연결될 수 있다는 주장이다. 영상 후반은 이 공유 지식의 운영 방식과 스킬 관리 문제를 구체적으로 다룬다.
🕒 시간순 섹션별 상세정리
1. 강의 홍보와 인터뷰의 핵심 문제 제시
- 도입부는 클로드 기반 멀티 에이전트 실습 강의를 홍보하며, 자세한 내용은 댓글을 참조하라고 안내한다. [00:15]
- 이어지는 예고에서는 AI 사용 빈도와 활용 역량의 차이, 리더의 조직 변화 권한, 활용 수준을 판단할 기준이 주요 질문으로 드러난다. [01:01]
- 진행자는 기업의 AI 전환 현장을 컨설팅과 교육으로 경험하는 장현민 팀제이커브 대표를 보여준다. [01:24]
2. 개인의 AI 활용에서 조직 전환으로 넘어가는 병목
- 출연자는 기업들이 임원부터 직접 AI를 사용하고, AI를 구성원으로 받아들이는 방식을 고민하기 시작했다고 보여준다. [01:55]
- 진행자는 개인 역량 향상 이후 조직 차원의 활용으로 넘어가는 경계에서 기업들이 병목을 겪고 있다고 질문한다. [02:17]
- 출연자는 현장 상황을 서로 다른 생각이 공존하는 상태로 묘사한다. [02:21]
3. 같은 AI를 두고 서로 다른 경험을 하는 구성원들
- 에이전트를 코끼리에 비유하며, 각자 경험한 일부를 전체로 이해하는 상황이라고 보여준다. [02:36]
- 요약·번역 중심 사용부터 클로드·코덱스를 통한 업무 위임, 오픈클로를 활용한 개인 비서 경험까지 활용 범위가 다르다고 보여준다. [03:17]
- 같은 회의실에서도 AI에 대한 생각이 다르며, 자주 사용한다는 사실만으로 잘 쓴다고 판단할 수 없다는 입장을 드러낸다. [03:46]
4. AI 활용을 구분하는 세 가지 레벨
- 첫 단계는 검색창처럼 쓰는 대화형 활용이며, 두 번째는 클로드 코드나 코덱스로 업무 일부를 위임하거나 자동화 도구를 만드는 수준이다. [04:07]
- 세 번째는 MCP 같은 도구 연결 개념을 이해하고, 팀원들과 공유하면서 에이전트가 일할 환경을 조직적으로 만드는 수준이다. [04:33]
- 두 번째 단계에는 개인의 관심과 의지가, 세 번째 단계에는 조직 변화를 생각하고 추진할 수 있는 위치가 영향을 준다고 보여준다. [05:01]
5. 리더십과 AI 숙련도의 조합이 만드는 합의의 어려움
- 리더들은 에이전트를 사용하면서 사람에게 업무를 알려주고 육성하는 경험과 닮았다는 반응을 보인다고 보여준다. [05:26]
- 리더인지 실무자인지와 AI를 잘 쓰는지는 별개의 축이며, 조직에는 다양한 조합의 구성원이 섞여 있다고 보여준다. [05:59]
- 이 차이 때문에 AX 과제를 선정하고 추진하는 과정에서 구성원과 리더 사이의 합의점을 찾기 어렵다는 진단이다. [06:14]
6. 조직 변화 권한과 기초 사용 환경의 차이
- 출연자는 리더가 의사결정과 워크플로우·사업부 구조 변경 권한을 갖고 있어, 리더의 변화가 조직의 체질을 빠르게 바꿀 수 있다고 주장한다. [06:52]
- 제조 현장 리더 교육에서는 구글 로그인과 인증 절차처럼 기초 사용 환경이 병목이 되는 사례를 보여준다. [07:45]
- 이러한 어려움과 별개로 리더들은 사람에게 업무를 위임한 경험이 있어, 사람과 에이전트의 특성 차이를 설명하면 활용을 잘 이해한다고 드러낸다. [08:16]
7. 업무 경험을 바탕으로 위임할 일을 정하는 리더
- 신입 구성원은 사업과 회사 업무의 전체 경험이 부족해 워크플로우 자체를 세우는 데 어려움을 겪을 수 있다고 보여준다. [08:41]
- 리더는 업무 흐름을 정리하고 AI에 위임하거나 증강할 부분을 밝혀주는 역할을 해야 한다는 주장이다. [08:56]
- AI를 잘 활용하는 리더는 정보 취합과 학습을 위임하거나 구성원이 더 빠르게 일할 수 있도록 구조와 환경을 바꾼다고 보여준다. [09:30]
8. 사전 조사 자동화와 보고 형식 변경 사례
- 한 리더는 클로드 코워크의 할 일과 스킬을 활용해 만날 사람과 기업 동향 등의 사전 조사 내용을 매일 아침 카카오톡으로 받는 방식을 만들었다고 보여준다. [10:04]
- 다른 사례에서는 보고서를 HTML로 받고 클로드 코드로 작성하도록 허용한 뒤, 프로젝트 종료 후 보고 시점이 일주일 뒤에서 다음 날 아침으로 바뀌었다고 보여준다. [10:42]
- 해당 리더가 보는 유사 프로젝트 보고서는 주간 3~5개에서 30개로 늘었다고 한다. 기존에는 상위 보고 관행에 맞추기 위한 변환과 정리가 필요했다는 설명이다. [11:11]
9. 빨라진 보고가 드러낸 업무 이해의 격차
- HTML 보고를 허용해도 사업과 보고 목적을 이해해 방향을 제시하는 경우와, AI가 만든 결과를 그대로 보내는 경우로 나뉜다고 보여준다. [11:34]
- 필요한 분량보다 긴 보고서로 검토 부담이 커질 수 있으며, 팀의 업무 프로세스를 공유하고 학습하는 기회가 필요하다고 드러낸다. [11:55]
- AX의 본질은 기존 워크플로우를 정의하고, AI 증강·위임·현행 유지·인간 담당 업무로 분해하고 다시 결합하는 데 있다는 주장이다. [12:24]
10. 프로세스 혁신과 사람·에이전트 조직 실험
- 출연자는 삼성전자의 AXPI 언급을 소개하며, AI 활용 환경과 함께 업무 방식 자체를 바꾸는 프로세스 혁신이 필요하다고 보여준다. [13:06]
- 일부 팀은 AI를 중심에 놓고 인간이 할 일을 역으로 고민하며, 사람과 에이전트의 ‘5대 5 조직’을 가설로 기존 방식과 비교하는 실험을 시도한다고 보여준다. 성공 여부는 아직 모른다고 드러낸다. [13:41]
- 이런 조직 설계 판단을 하려면 리더 자신이 에이전트를 직접 사용해 실무와 조직 변화 가능성을 경험해야 한다는 설명이다. [13:59]
11. 에이전트와 대화하며 업무를 문서화하는 방식
- 좋지 않은 결과물을 AI의 한계나 구성원의 태도만으로 판단하기보다, 팀이 워크플로우를 충분히 이해하고 있는지 살펴보는 관점이 드러난다. [14:27]
- 출연자는 한 종합에너지 회사가 사업부와 팀 단위의 업무를 재설계하며 AI 중심 워크플로우로 개편하는 작업을 보여준다. [14:48]
- 과거에는 업무 정의에 많은 노동과 외부 도움이 필요했지만, 이제는 에이전트와 대화한 내용을 MD로 축적하고 분석시켜 워크플로우 초안을 만들 수 있다고 보여준다. [15:20]
12. 구성원의 참여를 바꾸는 최고경영자의 메시지
- 한 대형 반도체 회사의 교육 사례에서 처음에는 업무 재설계의 필요성에 회의적이었지만, 최고경영자가 AI 네이티브 워커를 강조한 뒤 참여 분위기가 달라졌다고 보여준다. [15:59]
- 사장단에게 에이전트를 만들라는 메시지까지 전달되면서, 구성원들이 회사의 방향을 이해하고 실행 필요성을 받아들였다는 설명이다. [16:14]
- 최고경영자·계열사 CEO 교육에서는 에이전트가 만든 보고서가 기존에 받아보던 문서와 비슷하다는 반응이 나왔다고 전해진다. [17:12]
13. MD 이해를 활용 수준의 분기점으로 보는 이유
- AI 변화 속도가 빨라 숙련도 판단이 어렵다는 질문에, 출연자는 MD 개념을 아는지를 간단한 판단 기준으로 제안한다. [17:56]
- MD를 마크다운 문서로 소개하고, 자신의 역할·사업부·어려운 상황을 대화로 알려주면 조직 맥락이 담긴 파일로 축적할 수 있다고 보여준다. [18:43]
- 교육 중 내부 정보를 담은 보고서에 놀란 사례는 본인이 쌓아둔 MD의 지식을 에이전트가 활용한 결과라고 보여준다. 여러 대화와 활동의 정보가 연결될 수 있다는 점을 이해하지 못했던 사례다. [19:43]
14. 공유 MD로 부서 에이전트를 공동육아하는 구상
- MD를 이해한 리더는 팀의 지식을 어떻게 함께 축적할지 고민하게 되며, 출연자는 이를 에이전트의 공동육아라고 표현한다. [20:06]
- 여섯 명이 각자의 에이전트만 쓰는 대신 공유 MD와 데이터 환경을 갖추면, 여러 사람의 경험을 같은 목적의 에이전트 육성에 활용할 수 있다는 비유를 제시한다. [20:41]
- 효과는 목적에 맞는 프로젝트와 환경을 전제로 하며, 출연자는 이러한 공동 축적을 개인 활용에서 조직 활용으로 넘어가는 계기로 본다. [21:44]
15. 프로젝트별 MD·인덱스와 스킬의 역할 구분
- 출연자 팀은 프로젝트별 MD와 자료의 배치·활용 지침을 담은 인덱스 MD를 운영하며, 에이전트가 필요한 과거 지식을 찾아 답변하도록 한다고 보여준다. [22:42]
- 스킬은 검색·데이터 수집·보고서 작성 같은 행동 절차에, MD는 지식과 맥락에 가깝다고 구분한다. 다만 에이전트 발전에 따라 개념도 변할 수 있다고 덧붙인다. [23:18]
- 팀원이 만든 MD와 스킬을 공유하면 다른 구성원도 그 사람의 일부 역량을 활용할 수 있다는 가능성이 논의된다. [23:50]
16. 스킬의 대량 생성 이후 필요한 평가와 정리
- 1인 1스킬 같은 방식으로 수천 개가 만들어져도 동작과 적합성을 평가하는 사람이 없으면 관리가 어려워지고, 소개된 사례에서는 스킬 탐색에 토큰을 많이 사용한다고 보여준다. [24:39]
- 팀의 KPI와 업무 단계별로 스킬을 묶고 평가해 사용할 것을 고르며, 구성원과 주기적으로 갱신하는 방식을 제안한다. 중복되거나 오래된 자료를 정리하는 도서관 사서에 비유한다. [25:28]
- 출연자는 이런 문제의 원인을 이해하고 대응하려면 리더도 스킬 개념을 알아야 한다고 강조하며 대화를 마무리한다. [25:39]
🧾 결론
- 리더에게 필요한 것은 AI를 직접 써보는 경험과 업무 구조를 바꾸는 판단이다. 로그인이나 UI에 익숙하지 않은 문제와 업무를 위임하고 설계하는 역량은 구분해서 볼 필요가 있다.
- 공유 MD의 가치는 팀의 맥락과 경험을 에이전트가 찾아 쓰도록 연결하는 데 있다. 출연자가 말하는 공동육아는 이러한 지식 축적과 활용 환경을 함께 만드는 방식이다.
- 보고서 작성이 빨라져도 업무 목적을 이해하지 못하면 불필요한 분량과 검토 부담이 늘 수 있다. 업무 정의와 결과물의 판단 기준을 함께 정립해야 한다.
- 조직의 AI 활용은 공동 지식과 스킬을 지속해서 평가하고 개선하는 운영 과정으로 이어져야 한다.
📈 투자·시사 포인트
- 기업의 AI 도입 수준을 볼 때 계정 수나 사용 빈도와 함께 보고 주기, 업무 위임 범위, 공유 지식 활용 등 실제 업무 구조의 변화를 살펴볼 필요가 있다.
- 영상은 지식 정리, 업무 연결, 스킬 평가 같은 운영 기능의 필요성을 보여준다. 다만 이것이 특정 제품이나 기업의 매출·수익성으로 이어지는지는 제시하지 않는다.
- 보고 속도 개선과 함께 리더의 검토 부담이 증가할 수 있다. 생산성 평가는 생성량뿐 아니라 결과물의 적합성과 검토에 드는 노력까지 포함해야 한다.
- 사람과 에이전트를 결합한 조직 실험은 소개되지만 성과는 미확인이다. 인력 대체율이나 투자 수익률을 이 영상만으로 추정하기는 어렵다.
⚠️ 불확실하거나 확인이 필요한 부분
- MD 개념의 이해 여부를 AI 활용 수준의 분기점으로 보는 것은 출연자의 실무적 판단이다. 검증된 진단 도구나 객관적인 숙련도 측정 결과는 제시되지 않는다.
- 보고 시점이 일주일 뒤에서 다음 날 아침으로 바뀌고 검토 보고서가 주간 3~5개에서 30개로 늘었다는 사례에는 측정 기간, 품질 비교, 총투입 시간과 비용이 없다. 이를 조직 전체의 생산성 향상률로 환산할 수 없다.
- 사람과 에이전트를 결합한 ‘5대 5 조직’은 실험적 가설로 소개되며, 출연자도 성공 여부를 모른다고 밝힌다. 실제 인력 구성과 비교 실험의 세부 조건도 충분히 설명되지 않는다.
- 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
- 리더와 팀원이 현재 AI를 검색·대화, 업무 위임·자동화, 팀 환경 구축 중 어디에 활용하는지 구체적인 업무 사례로 비교한다.
- 반복 업무 하나를 골라 현재 흐름을 기록하고, AI 증강·위임·현행 유지·인간 담당으로 나눠 재설계한다.
- 팀의 목적, 업무 맥락, 프로젝트 경험을 공유 MD로 정리하고 에이전트가 참조할 수 있는 환경을 마련한다.
- 프로젝트별 문서의 위치와 의미를 안내하는 인덱스 MD를 만들어 필요한 지식을 찾아 쓰는지 확인한다.
❓ 열린 질문
- MD 이해 여부 외에 조직 확산 역량을 확인할 수 있는 관찰 가능한 기준은 무엇일까?
- 여러 사람이 공유 MD를 갱신할 때 상충하는 업무 설명이나 오래된 지식은 누가 어떤 기준으로 정리할까?
- 보고서 작성 속도 향상은 의사결정의 품질과 리더의 검토 시간에 어떤 영향을 줄까?