많은 기업이 AI 도입을 서두르며 최신 LLM 모델의 벤치마크 점수와 새로운 AI 툴의 기능 목록에 매몰되어 있습니다. ‘이 툴을 도입하지 않으면 뒤처질 것’이라는 FOMO(Fear Of Missing Out)는 개발자와 프로덕트 매니저들을 끊임없는 도구 교체 굴레로 밀어 넣습니다. 하지만 정작 중요한 질문은 빠져 있습니다. 과연 최신 AI 툴이 우리 팀의 복잡한 맥락을 이해하고, 부서 간의 갈등을 조정하며, 모호한 요구사항을 구체적인 제품 가치로 전환하는 ‘보이지 않는 작업’까지 수행할 수 있는가 하는 점입니다.

우리는 흔히 코드를 짜는 사람, 기획서를 쓰는 사람, 디자인을 하는 사람처럼 명확한 역할 정의(Role Definition)에 집중합니다. 그러나 실제 제품이 세상에 나오기까지는 그 역할들 사이의 빈틈을 메우는 사람들이 존재합니다. 이들을 ‘글루 피플(Glue People)’이라고 부릅니다. 이들은 공식적인 직무 기술서에는 적혀 있지 않은 일들, 즉 팀원 간의 커뮤니케이션 조율, 기술적 부채와 비즈니스 우선순위 사이의 타협점 찾기, 그리고 조직 내 정치적 역학 관계를 읽어내어 프로젝트가 멈추지 않게 만드는 윤활유 역할을 수행합니다.

AI 시대, 왜 ‘글루 피플’이 더 중요해지는가

AI는 개별 작업의 효율성을 극대화합니다. 코딩 속도를 높이고, 문서 초안을 순식간에 작성하며, 데이터 분석 시간을 단축합니다. 하지만 AI가 잘하는 것은 ‘정의된 입력값에 대한 최적의 출력’을 내놓는 것입니다. 반면, 제품 개발 과정에서 발생하는 가장 치명적인 병목 현상은 입력값이 정의되지 않았을 때, 혹은 입력값이 서로 충돌할 때 발생합니다.

글루 피플은 바로 이 ‘정의되지 않은 영역’에서 작동합니다. 예를 들어, 엔지니어가 기술적 한계를 주장하고 마케터가 불가능한 기능을 요구할 때, 글루 피플은 양측의 언어를 번역하여 실현 가능한 제3의 대안을 제시합니다. 이는 단순한 논리적 추론이 아니라, 팀원들의 성향, 과거의 실패 경험, 현재 조직의 심리적 상태까지 고려한 ‘맥락적 판단’의 결과입니다. AI가 아무리 고도화되어도 조직 내의 미묘한 감정선과 정치적 맥락, 그리고 암묵적인 합의 과정을 완전히 대체하는 것은 불가능에 가깝습니다.

AI 툴 FOMO: 도구가 목적이 되는 함정

최근 많은 팀이 겪는 문제는 AI 툴 자체를 도입하는 것이 성과라고 착각하는 것입니다. 새로운 AI 코딩 어시스턴트를 도입하고, 최신 워크플로우 자동화 툴을 적용하면 생산성이 비약적으로 상승할 것이라 믿습니다. 하지만 도구의 변화가 프로세스의 개선으로 이어지지 않는다면, 그것은 단지 ‘더 빠르게 잘못된 방향으로 가는 것’과 같습니다.

진정한 생산성 향상은 도구의 성능이 아니라, 그 도구를 통해 해결하려는 ‘문제의 본질’을 얼마나 정확히 정의하느냐에 달려 있습니다. AI 툴에 대한 집착은 종종 복잡한 문제를 단순한 도구의 문제로 치환하려는 회피 심리에서 비롯됩니다. 사람 사이의 갈등을 해결하고 프로세스를 정비하는 고통스러운 과정 대신, 새로운 소프트웨어를 설치하는 쉬운 길을 택하는 것입니다.

실무적 관점에서의 AI 도입 전략과 리스크

AI 모델의 능력이 향상됨에 따라 제품 빌더들이 고려해야 할 기술적, 전략적 득실은 다음과 같습니다.

• 기술적 이점: 반복적인 보일러플레이트 코드 생성, 초기 아이디어 브레인스토밍, 방대한 문서의 빠른 요약 및 검색 가능성 증대.
• 잠재적 리스크: AI가 생성한 결과물에 대한 비판적 검토 능력 상실(Automation Bias), 맥락이 제거된 파편화된 작업 단위의 증가, 팀 내 ‘암묵적 지식’의 전수 단절.
• 운영적 충돌: AI로 인해 개별 작업 속도는 빨라졌으나, 이를 통합하고 검증하는 ‘리뷰 단계’에서 병목이 심화되는 현상.

결국 AI는 ‘작업자’로서의 능력은 뛰어나지만 ‘조율자’로서의 능력은 없습니다. 따라서 AI 도입의 핵심은 AI가 대체할 수 있는 ‘작업’을 과감히 넘기고, 인간이 더 많은 시간을 ‘조율’과 ‘판단’에 쓸 수 있도록 구조를 재설계하는 것입니다.

실제 적용 사례: 효율성 너머의 가치 창출

한 글로벌 핀테크 팀의 사례를 살펴보겠습니다. 이 팀은 AI 코딩 툴을 도입한 후 개별 개발자의 티켓 처리 속도가 30% 향상되었습니다. 하지만 놀랍게도 전체 릴리스 주기는 오히려 길어졌습니다. 원인은 ‘코드 리뷰의 과부하’였습니다. AI가 빠르게 쏟아낸 코드들이 서로 다른 맥락에서 작성되었고, 이를 통합하는 과정에서 예상치 못한 충돌과 논리적 오류가 빈번하게 발생했기 때문입니다.

이 문제를 해결한 것은 최신 AI 툴의 업데이트가 아니라, 팀 내에서 ‘글루 피플’ 역할을 하던 시니어 개발자의 개입이었습니다. 그는 단순히 코드를 수정하는 대신, AI 툴 사용 가이드라인을 정립하고, AI가 생성한 코드의 ‘의도’를 명확히 기록하게 하는 커뮤니케이션 프로토콜을 만들었습니다. 도구가 아닌 ‘사람 간의 합의 방식’을 개선함으로써 비로소 AI의 속도가 제품의 속도로 전환될 수 있었습니다.

기업과 실무자를 위한 액션 아이템

지금 당장 AI 툴의 업데이트 노트를 읽는 시간을 줄이고, 다음의 활동에 집중하십시오.

• 보이지 않는 기여를 가시화하라: 팀 내에서 회의를 조율하고, 갈등을 중재하며, 문서화되지 않은 지식을 공유하는 ‘글루 피플’의 활동을 성과 지표에 반영하십시오. 이들이 사라지면 AI가 짠 코드는 누구도 책임지지 않는 쓰레기 더미가 됩니다.
• ‘도구 중심’에서 ‘문제 중심’으로 사고를 전환하라: “어떤 AI 툴을 쓸까?”가 아니라 “우리 팀의 어떤 병목 구간이 AI로 해결 가능하며, 그 결과로 확보된 시간을 어디에 투자할 것인가?”를 먼저 정의하십시오.
• 맥락 공유 세션을 정례화하라: AI는 맥락을 생성하지 못합니다. 주 1회, 기술적 결정의 배경과 비즈니스적 이유를 공유하는 ‘맥락 동기화’ 시간을 가져 AI가 채울 수 없는 팀의 응집력을 높이십시오.
• 비판적 검토 프로세스를 강제하라: AI의 결과물을 그대로 수용하는 것이 아니라, 반드시 인간의 ‘판단’과 ‘검증’을 거치는 체크리스트를 도입하여 자동화 편향을 방지하십시오.

결론적으로, AI 시대의 경쟁력은 누가 더 좋은 AI 툴을 쓰느냐가 아니라, AI가 만들어낸 파편화된 결과물들을 하나의 완성된 제품 가치로 엮어낼 수 있는 ‘인간의 연결 능력’에서 나옵니다. 도구의 화려함에 현혹되지 말고, 조직의 틈새를 메우는 사람들의 가치를 복원하는 것이 가장 강력한 AI 전략입니다.