들어오던 수주를 다 멈췄습니다" 컨설팅 200건 하던 회사가 하룻밤에 AI 올인을 결심한 이유 (아크포인트 오태완 대표님)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

200건 넘는 컨설팅을 수행한 아크포인트가 수주를 멈추고 AI에 집중한 이유는 인력 중심 사업의 확장 한계를 느꼈고, 클로드 코드에서 업무와 사업을 새로 설계할 가능성을 봤기 때문이다.

📌 핵심 요점

1. 전환의 출발점은 인력 의존 구조였다. 아크포인트는 클로드 코드로 실제 결과물을 만드는 경험을 한 뒤 들어오던 수주를 멈췄다. 현재는 일부 AX 컨설팅과 자체 AI 제품 사업을 병행하며, 고객의 문제를 직접 해결하고 성과를 공유하는 구조를 시도한다.
2. 많이 만드는 것보다 실제 사용과 손익이 중요하다. 앱·웹사이트를 대량 제작해도 배포 채널과 이용자가 없으면 가치가 제한된다. AI 회의록도 작성자의 시간을 줄이는 대신 독자의 검토 시간을 늘릴 수 있으므로, 매출·비용·전체 업무 시간을 함께 봐야 한다.
3. AI 도입은 의사 결정 체계의 재설계를 요구한다. 대표의 판단 기준을 회사 지식 시스템에 담고, 직원이 업무 중 이를 확인하도록 해 최종 보고 단계의 거절과 재작업을 줄이려 한다. 경영진의 실제 업무에서 효용을 체험하게 하고, KPI를 회사 손익에 연결하는 접근이다.
4. AI 네이티브의 조건은 조회·실행·학습이다. 개인에게 머물던 지식과 선택의 이유를 회사에 기록하고, AI가 실제 업무를 수행하며, 그 과정의 노하우가 다음 업무에 재사용돼야 한다. 옵시디언 기반 지식 시스템과 선별된 공용 스킬은 이를 구현하는 현재의 수단이다.
5. 사업 기회는 고객 확보와 전통 사업의 문제 해결에서 찾는다. 고객과 사업 아이디어를 먼저 연결한 뒤 맞춤형 MVP를 검증하고, AI 활용이 부족한 기업의 판매·운영 문제를 해결한다. 장기적으로는 현금흐름이 있는 전통 사업을 혁신하는 AI 네이티브 회사를 지향한다.

🧩 배경과 문제 정의

• 아크포인트는 2022년 창업 이후 200건 이상의 기술 컨설팅 프로젝트를 진행했지만, 사업 확장에 많은 인력이 필요한 구조에서 한계를 느꼈다.
• AI를 기존 업무에 조금 덧붙이거나 결과물을 많이 만드는 것만으로는 성과가 보장되지 않는다. 모델 발전으로 제품의 경쟁력이 약해지거나, 결과물을 검토하는 사람에게 업무 부담이 옮겨갈 수 있다.
• AI 네이티브 전환은 개인의 전문 지식과 의사 결정 근거를 회사에 축적하고, 이를 조회·실행·개선에 활용하는 조직 구조를 만드는 과제다.
• AI 활용이 부족한 전통 사업을 혁신하는 편이 AI 소프트웨어 개발보다 더 좋은 사업 기회를 줄 수 있다는 전망이 바탕에 있다.

🕒 시간순 섹션별 상세정리

1. 인력 중심 컨설팅에서 AI 중심 사업으로 전환

• 증권사에서 통신·광고·미디어를 담당했던 애널리스트가 2022년 아크포인트를 창업했다. AI·디지털·웹3 기반 기술 컨설팅으로 국내외 기업의 프로젝트를 200건 이상 수행했지만, 많은 인력이 필요한 사업 구조가 고민이었다. [01:48]
• 올해 2월 말 팀원의 권유로 클로드 코드를 사용한 뒤, 원하는 내용을 입력해 실제 결과물을 만드는 경험을 했다. 그날 새벽까지 여러 결과물을 만들고 AI에 집중해야 한다고 판단해 들어오던 수주를 멈췄다. [02:28]

2. 리서치 제품의 경쟁력 약화와 전사 업무 재설계

• 지난해 정부 사업을 통해 애널리스트의 리서치 업무를 AI에 맞게 옮긴 ‘애널리스트 X’를 개발했다. 그러나 모델 성능 향상과 구글 등에서 나온 제품들로 기존 경쟁력이 희석됐고, 간단한 하네스조차 이기기 어려워졌다는 경험을 했다. [04:21]
• 올해 4월 정도부터 모든 직원이 AI로 일하는 상태가 됐다. 기존 업무 절차를 AI 중심으로 다시 구축하기는 어려워, 간단한 질문·검색·검토에만 AI를 쓰거나 전환을 포기하기 쉽다. [05:17]

3. 회사와 구성원에 맞춘 학습 자료와 토론

• 학습할 원문 링크를 스터디 스킬에 넣으면, AI가 사용자의 지식 수준과 회사 상황, 이전에 읽은 글을 고려해 맞춤형 자료를 만든다. 스킬 이름에는 제작자의 이름을 붙여 누가 만든 도구인지 구분한다. [06:34]
• 직원들은 아침에 한 시간 일찍 출근해 AI 논문이나 좋은 글을 40분간 공부하고 20분간 토론하는 루틴을 만들었다. 참석자 이름을 입력하면 해당 구성원에 맞게 학습 자료를 조정할 수도 있다. [07:11]

4. 대량 제작보다 배포 채널과 지속적인 사용이 중요

• AI로 토스 앱을 10개 이상, 웹사이트를 30개 이상 만들고 여러 자동화도 시도했다. 국회의원 맛집 지도는 4년치 법인카드 내역을 분석한 사례로, 기사와 트래픽, 광고 수익이 발생하면서 매일 하나씩 만들고 싶다는 생각으로 이어졌다. [09:12]
• 그러나 결과물을 계속 만들어도 이용자를 확보하기는 어려웠다. 자체 배포 채널이 없어 친구·인스타그램·주변 사람에게 알리는 수준에 머물렀고, 자신과 회사의 영향력을 고려하지 않은 제작이었다고 판단했다. [09:49]

5. AI 회의록이 절약한 시간을 읽는 사람에게 전가하는 문제

• 길고 핵심이 불분명한 AI 회의록은 무엇을 읽어야 하는지 판단하기 어렵다. 회의에서 얻어야 할 내용과 짧은 요약이 잘 드러나도록 하네스를 설계하지 않으면, 정리 업무를 수신자에게 넘긴 셈이 된다. [10:43]
• 회의록 작성 시간이 10분에서 1초로 줄어도, 읽는 시간이 10분에서 20분으로 늘어나고 10명이 읽는다면 추가로 100분이 낭비된다. 이 예시에서는 병목을 제거한 것이 아니라 다른 사람에게 이전한 것이다. [11:10]

6. AI 결과물을 자산으로 판단하는 기준

• 계속 사용하면서 개선되는 도구는 일회성 슬롭과 구별된다. 스터디 스킬이나 개인의 운동·시계 데이터를 연동해 반복적으로 개선하는 도구처럼, 실제 사용이 다음 개선으로 이어져야 자산이 된다는 기준이다. [11:45]
• 결과물을 만들었다는 사실보다 실제 시간 절약, 매출 발생, 비용 감소를 확인해야 한다. 코드 180만 줄을 작성했더라도 다른 사람에게 검토 부담을 넘겼다면 핵심 병목을 해결했다고 보기 어렵다. [12:04]

7. 고객을 먼저 확보하고 맞춤형 MVP를 만드는 방식

• 기존에는 기획자·개발자·디자이너가 회의하고 기능·화면 정의서를 만든 뒤 프로토타입을 개발했다. 이제는 디자이너나 사업 아이디어를 가진 사람, 사업개발 담당자가 직접 MVP를 만들어 고객에게 시험할 수 있다. [13:22]
• 업종을 바꿔 제시한 약 20개 매장의 필라테스 프랜차이즈 예시는 인스타그램은 관리하지만 블로그 콘텐츠는 관리하기 어려운 문제를 다룬다. 초기 MVP 검증과 블로그 작성자의 노하우를 바탕으로 하네스를 다듬어 주간 콘텐츠를 생성하는 방식이다. [14:05]

8. AI 활용이 부족한 고객의 문제를 해결하고 수익을 공유

• IT·테크 기업이나 AI를 잘 쓰는 고객은 요구 수준이 높다. 아크포인트는 지방 기업, 중소기업, 소기업, 자영업자처럼 AI 활용이 부족한 고객에게 사용법을 알려주는 것을 넘어 문제 자체를 해결하는 데 집중한다. [15:45]
• 기존 사업자가 해외 판매를 하고 싶지만 번역이나 실행 역량이 부족하다면, AI로 새로운 판매 경로를 만들어주는 방식이 가능하다. 그 경로에서 발생하는 추가 매출의 30%를 받는 구조를 예로 들며 사업 기회가 크다고 본다. [16:20]

9. 상향식 보고의 낭비를 줄이는 탑다운 AX

• 컨설팅 사업은 의사 결정 구조를 바꾸는 탑다운 AX와 교육·현장 문제 해결 중심의 바텀업 접근으로 나뉜다. 아크포인트는 탑다운을 먼저 시작했으며, 최근 채용한 FD가 팀원처럼 현장에 들어가 문제를 해결하는 방식은 곧 출시하려는 단계다. [17:29]
• 기존 상향식 조직에서는 직원이 중간 관리자의 생각을 추측하고, 중간 관리자는 대표의 생각을 추측해 보고서를 수정한다. 대표가 최종적으로 거절하면 그동안의 노력이 회사의 자산으로 축적되지 못하고 사라지는 문제가 있다. [18:12]

10. AI 도구 배포보다 의사 결정 체계의 변화가 우선

• 중간 관리자와 일반 직원이 회사의 AI에 접근해 업무·회의·문서가 대표의 생각과 일치하는지 지속적으로 확인하도록 한다. 최종 보고 단계에서 결과물이 한꺼번에 거절되는 일을 줄이려는 구조다. [20:00]
• 전 직원에게 AI를 지급하는 것만으로 손익이 좋아진다고 기대하기는 어렵다. 계산기를 지급하는 것과 마찬가지로, 어떤 숫자를 보고 어떤 전략과 의사 결정을 내리며 권한을 어떻게 배분할지가 중요하다. [20:28]

11. 보고서 작성 시간보다 회사 손익을 성과로 측정

• 아크포인트는 전환 방향에 동의하지 않는 기업에는 컨설팅을 하지 않는다. KPI를 손익에 연결하고, 대표가 실제로 회사가 좋아졌다고 느끼는 변화를 만드는 것을 목표로 삼는다. [21:40]
• 보고서 작성 시간이 30분 줄었다는 지표만으로는 충분하지 않다. 대표의 업무와 회사 손익이 어떻게 개선됐는지 증명하지 못하면, 생산성이 높아진 것처럼 보이는 환경에 머물 수 있다는 판단이다. [22:10]

12. 경영진의 즉각적인 효용에서 시작하는 전환

• 경영진에게는 기본 교육과 함께 AI를 통해 얻는 만족감이 필요하다. 사용법이 어렵고 즉각적인 효용이 없으면 전환하기 어려우므로, 경영진의 실제 업무를 이해한 사람이 효과를 체험할 수 있는 과제를 설계해야 한다. [22:46]
• 대표나 전략실 등 경영진 가까이에서 일했던 사람이 이러한 과제를 설계하기 유리하다는 판단이다. 경영진이 효용을 느껴 일하는 방식을 바꾸면, 이를 바탕으로 직원들의 업무를 하나씩 개선한다. 다만 이미 AI를 잘 쓰는 고도화된 테크·AI 기업에는 제공할 수 있는 가치가 제한적이라고 본다. [23:14]

13. AI 네이티브 기업의 세 조건: 조회·실행·학습

• 첫 조건은 조회 가능한 환경이다. 과거 고객사와의 계약이 왜 실패했는지 질문했을 때 답을 얻을 수 있어야 하며, 암묵지와 노하우가 직원의 머릿속이나 개인 컴퓨터에만 남지 않고 회사에 축적돼야 한다. [25:06]
• 두 번째는 실행하는 AI다. 매출 부진 부서를 찾아 소통하고 보고서를 만드는 것처럼 실제 업무를 수행해야 한다. 리서치에 그치지 않고 보고서를 노션에 올리고 전 직원에게 공유하는 단계까지 이어져야 한다. [25:36]

14. 기존 업무에 AI를 붙이는 수준을 넘어 회사 재설계

• 전기와 인터넷이 기업의 구조와 일하는 방식을 바꿨듯 AI도 비슷한 변화를 요구한다는 관점이다. 기존 회사의 개별 문제에 AI를 적용하는 접근은 임시방편이며, 업무와 기업 구조를 해체하고 다시 설계할 필요가 있다는 주장이다. [27:09]
• 전단지에 QR코드만 붙인 회사는 여전히 유동 인구가 많은 곳에서 전단지를 나눠주는 방식으로 일한다. 반면 디지털 광고는 실시간 데이터를 활용하고 전국·해외 고객까지 상대할 수 있어, 도구 추가와 사업 구조 전환 사이에 큰 차이가 있다. [28:06]

15. 권한을 구분한 옵시디언 기반 회사 지식 시스템

• 아크포인트의 LLM 위키는 옵시디언을 기반으로 구성돼 있다. 대표는 재무·연봉 데이터에 접근할 수 있지만, 다른 구성원이 볼 수 없는 정보에는 접근 제한을 설정한다. [29:08]
• 슬랙·노션·구글 캘린더 등을 연결해 회사 정보를 모은다. 추가로 연결한 자료 중에는 프라이버시를 고려해 본문을 숨기고 제목만 읽을 수 있도록 설정한 것도 있다. [29:27]

16. 외부 지식을 주장 단위로 연결하는 회사의 브레인

• 슬랙·노션·캘린더의 내부 정보에 더해, 좋은 글과 뉴스레터, 해외 팟캐스트에서 회사가 알아야 할 내용을 매일 넣는다. 단순 요약뿐 아니라 회사에 주는 의미와 고객사·스타트업 동향도 함께 축적한다 [30:36]
• 하나의 관점으로 내용을 모으는 LLM 위키 방식은 연구에 적합할 수 있지만, 회사에는 다양한 관점이 필요하다는 판단이다. 따라서 아티클을 주장 단위로 나누어 저장하는 제텔카스텐 방식을 채택한다 [31:10]

17. 개인의 AI 업무 경험을 선별해 공용 스킬로 축적

• 직원들의 AI 작업 세션에서 좋은 노하우와 업무 절차를 추출해 스킬로 저장한다. 반복 작업의 수행 방법뿐 아니라 업무 중 얻은 지식과 실용적인 팁도 축적 대상이다 [32:18]
• 각자 저장하도록 맡기는 방식에는 한계가 있었다. AI 전사만으로는 강조와 비언어적 맥락을 충분히 구별하기 어렵기 때문에, 직원이 중요한 노하우를 제안하고 대표가 검토해 공용 스킬로 승격한다. 인터뷰 녹취를 포커스 그룹 인터뷰 리포트로 바꾸는 프롬프트도 제안 사례에 포함된다 [33:26]

18. 회사의 맥락과 선별된 자료가 답변 품질을 바꾸는 이유

• 과거 신사업을 접은 이유를 질문하면, 축적한 회의록과 슬랙 의견을 바탕으로 당시 의사결정의 근거를 찾을 수 있다 [35:52]
• 제안 방향을 정할 때는 내부 자료와 외부 자료를 함께 활용한다. 맥킨지·BCG 등의 자료에서 탑다운과 바텀업 접근의 서로 다른 근거를 찾아, 회사에 맞는 제안 방향을 도출하는 방식이다 [36:29]

19. 결과뿐 아니라 선택의 이유까지 AI가 읽도록 기록

• 넓어진 컨텍스트를 활용하려면 정돈된 데이터를 충분히 적재해야 한다. 업무의 첫 단계는 AI가 읽기 좋은 워크스페이스에서 일하는 것이며, 슬랙·노션을 중심으로 채널의 기록을 서버로 지속적으로 옮겨 정리한다 [38:44]
• 대화에서 A를 포기하고 B를 선택한 뒤 슬랙에는 “B로 진행하라”는 결론만 남기면 판단 과정이 비어 버린다. AI가 업무를 이해할 수 있도록 선택의 이유와 중간 논의를 기록해야 한다 [39:13]

20. 노하우가 다음 업무에 재사용될 때 닫히는 학습 루프

• 폐쇄 루프의 구현은 어렵다. 에어컨이 방 온도를 확인하며 목표 온도까지 작동하듯, 업무에서도 결과를 다음 행동에 반영해야 한다. 비개발자 업무에서는 학습한 노하우가 다음 업무에 다시 쓰이는 것을 루프가 닫힌 상태로 본다 [41:13]
• AI가 세션에서 유용한 노하우를 먼저 선별하고, 직원이 전사 공유할 항목을 제안하면 대표가 최종 승인한다. 10명 규모의 스타트업에서는 대표가 최종 관문을 맡아 공용 스킬을 배포한다 [41:48]

21. 작은 회사의 디지털 제약을 줄이는 AI의 가능성

• AI를 인터넷이나 전기처럼 널리 주어진 기반으로 본다. 중앙화된 조직이 독점하던 지식과 플랫폼 역량에 대한 접근이 넓어지면, 작은 주체의 아이디어와 문제 해결 의지가 혁신으로 이어질 수 있다는 관점이다 [43:49]
• 지방의 작은 회사나 IT를 잘 모르지만 가치를 만드는 회사에는 브랜딩·해외 판매·플랫폼 구축이 장벽이다. 식품 회사의 해외 진출이나 렌터카 회사의 외국인 관광객 플랫폼 같은 과제가 구체적인 사례다 [44:12]

22. AI 소프트웨어를 넘어 전통 사업에서 찾는 기회

• 사업 방향에는 AX 지원과 컨설팅, 대기업의 개선 지원, 자체 제품 개발이 포함된다. 대기업은 작은 개선도 사회적 영향이 크고 매출로 이어질 수 있다는 판단이다 [44:49]
• 전통 사업을 직접 운영하는 방안도 검토했다. 익산의 돈가스 공장 인수를 추진하려 했으며, PB 상품 개발과 경영 효율화 20% 등을 구상했다. 인수 완료나 효율화 달성 결과로 제시된 것은 아니다 [45:07]

23. 초기 AI 학습 과정을 정리한 자료 공유

• 초기 3개월 동안 유튜브 등을 통해 공부한 내용과 학습 방법을 노션에 정리했다. 해당 노션 링크를 공유할 계획이며, 링크드인도 자신의 콘텐츠를 전달하는 채널로 키우고자 한다 [46:22]
• 링크드인과 학습 정리 노션의 링크는 영상 본문에 안내되어 있어, 시청자가 관련 자료를 참고할 수 있다 [46:31]

🧾 결론

• 수주 중단은 AI로 결과물을 만들 수 있다는 체험에서 시작됐지만, 이후의 방향은 제품 제작량보다 업무 구조와 사업 성과를 개선하는 쪽으로 정리됐다.
• AI 결과물이 자산이 되려면 반복적으로 사용되고 개선돼야 한다. 작성량이나 코드량만으로는 조직의 병목을 해결했는지 판단하기 어렵다.
• 회사 지식에는 최종 결론뿐 아니라 선택의 이유, 중간 논의, 함께 검토한 자료가 남아야 한다. 이 맥락이 축적돼야 AI가 회사 상황에 맞는 업무를 수행할 수 있다.
• 현재의 지식 시스템은 전면적인 회사 재설계에 앞서 활용하는 수단이다. 조회·실행·학습을 연결하는 구상과 그 성과는 구분해서 읽어야 한다.

📈 투자·시사 포인트

• 제품 경쟁력: 애널리스트 X의 경험은 모델 성능 향상과 다른 제품의 등장으로 기존 경쟁력이 약해질 수 있음을 보여준다. AI 기업을 평가할 때 고객 확보, 배포 채널, 실제 사용 여부를 함께 살펴볼 필요가 있다.
• 생산성 평가: 보고서 작성 시간 감소보다 조직 전체의 검토 시간, 재작업, 비용, 손익 개선을 확인해야 한다. 한 사람의 절약이 다른 사람의 부담으로 이동할 수 있다.
• 사업 모델: AI 활용이 부족한 고객에게 결과물과 운영까지 제공하고 수익을 공유하는 접근은 컨설팅과 실행을 결합하는 시도다. 계약 조건과 실제 추가 매출을 확인해야 경제성을 판단할 수 있다.
• 전통 사업: 해외 판매·브랜딩·플랫폼 구축이 어려운 소규모 기업은 제시된 적용 대상이다. 전통 사업 혁신이 더 좋은 기회일 수 있다는 발언은 전망이며, 공장 인수나 효율화 성과가 입증된 것은 아니다.

⚠️ 불확실하거나 확인이 필요한 부분

• 수주 중단과 전사 AI 전환 이후의 매출, 이익, 비용, 고객 유지율 등 비교 수치는 제시되지 않았다. 대표의 경험과 판단만으로 전환의 경제적 성과를 확정하기 어렵다.
• 추가 매출의 30%를 받는 구조는 예시이며, 필라테스 프랜차이즈 사례도 업종을 바꿔 설명한 것이다. 이를 실제 고객 실적이나 모든 계약에 적용되는 조건으로 해석하면 안 된다.
• 익산 돈가스 공장 인수와 경영 효율화 20%는 추진하려 했던 구상이다. 인수 완료나 효율화 달성 결과로 제시되지 않았다.
• 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

• AI 적용 후보 업무 하나를 골라 작성·검토·재작업 시간을 함께 기록하고, 매출 또는 비용과 연결되는 평가 기준을 정한다.
• MVP 제작 전에 시험할 고객과 해결할 문제를 정하고, 고객에게 도달할 배포 채널을 확인한다.
• 주요 의사 결정 기록에 선택한 안, 포기한 안, 판단 이유, 함께 검토한 자료를 남긴다.
• 반복적으로 효과가 있었던 AI 업무 절차를 스킬로 정리하고, 직원 제안과 책임자 검토를 거쳐 공유한 뒤 다음 업무에서 재사용되는지 확인한다.

❓ 열린 질문

• 수주를 멈춘 뒤 아크포인트의 손익과 조직 전체 업무 시간은 실제로 얼마나 개선됐는가?
• 고객 확보를 먼저 하는 방식과 수익 공유 계약은 어떤 고객군에서 반복 가능한 성과를 내는가?
• 대표가 공용 스킬의 최종 승인자 역할을 맡는 구조는 조직 규모가 커져도 유지될 수 있는가?