AI가 답을 잘해 주는 것과 팀의 일이 실제로 줄어드는 것은 다릅니다. 2026년 10월 19일 Notion AI Labs Seoul의 발표 자료에서 눈에 띄는 질문도 여기에 있었습니다. AX는 개인이 AI를 능숙하게 쓰는 단계를 넘어, 조직이 일하는 흐름을 어떻게 바꿀 수 있을까요?
AX는 AI Transformation, 즉 AI를 바탕으로 업무와 조직의 운영 방식을 바꾸는 전환을 뜻합니다. 이번 글은 세미나에서 소개된 사례를 바탕으로 2026년 하반기 AI 시장 동향을 네 가지 변화로 읽고, 암묵지와 knowledge, 에이전트 관리, AX 가성비와 ROI를 UX 관점에서 연결한 해설입니다. 시장 전체를 조사한 통계나 직접 도구를 시험한 사용 후기는 아닙니다.
2026년 하반기 AI 시장 동향: 활용에서 운영으로
발표에서 강조한 방향은 개인의 생산성 개선을 조직의 생산성 개선으로 확장하는 것이었습니다. 좋은 프롬프트 하나를 찾는 일에서 출발하더라도, 여러 사람이 같은 자료를 보고 다음 일을 이어 가려면 정보와 권한, 업무 순서까지 함께 설계해야 합니다. 이를 설명하는 네 가지 전환은 서로 연결돼 있습니다.
보조를 넘어 실행으로
AI가 회의 내용을 요약해 주면 그다음 일은 사람이 맡습니다. 요약을 읽고 프로젝트 현황을 고치고, 담당자에게 전달하고, 보고 자료를 만드는 식입니다. 세미나에서 소개된 흐름은 회의록과 메일을 읽은 뒤 이벤트 데이터베이스, 프로젝트 현황, 관심 과제, 일일 페이지로 정보를 이어 가는 구조였습니다.
‘보조를 넘어 실행으로’라는 변화는 이 후속 작업까지 업무 흐름 안에 넣는다는 뜻으로 볼 수 있습니다. 다만 실행 범위가 넓어질수록 사용자는 어떤 정보가 바뀌었고 다음에 무슨 일이 일어날지 알아야 합니다. UX의 과제도 답변을 읽기 좋게 보여 주는 일에서, 맡긴 작업의 진행과 결과를 이해하게 하는 일로 넓어집니다.
개인 중심에서 공유·팀 중심으로
한 사람의 대화창에서 만든 좋은 답은 그 사람의 업무에 머물기 쉽습니다. 팀은 그 답의 배경을 모르거나 같은 질문을 반복할 수 있습니다. 개인 중심에서 공유·팀 중심으로 옮겨 가려면 결과물뿐 아니라 원문, 결정 이유, 수정 이력과 담당자를 함께 남길 필요가 있습니다.
세미나의 회의·메일 기반 워크플로우는 정보를 여러 업무 데이터베이스로 연결하고 팀이 활용할 자료로 만드는 사례였습니다. 여기서 공유란 AI가 읽을 수 있도록 모든 정보를 열어 놓는다는 뜻은 아닙니다. 누가 어떤 지식에 접근하고, 누가 내용을 고치며, 어떤 결과를 팀에 전달할지까지 정해야 공유된 knowledge가 업무의 기준으로 쓰일 수 있습니다.
단일 모델에서 유연한 아키텍처로
아키텍처는 모델, 도구, 데이터와 업무 단계를 연결하는 전체 구조입니다. 발표 자료에는 작업에 적합한 LLM을 정하고, 불필요한 반복을 줄이며, 에이전트가 처리하는 맥락의 양을 최적화하자는 설명이 있었습니다. LLM은 문장을 이해하고 생성하는 대규모 언어 모델을 말합니다.
단일 모델에서 유연한 아키텍처로의 전환은 모든 업무에 가장 강력한 모델을 붙이자는 주장과는 다릅니다. 예를 들어 정해진 항목을 추출하는 작업과 여러 자료를 비교해 판단을 돕는 작업은 필요한 능력이 다를 수 있습니다. 모델을 바꾸거나 작업을 나누더라도 출처와 중간 결과가 이어져야 하며, 연결이 복잡해지는 만큼 유지 비용도 따져야 합니다.
AI 활용에서 에이전트 관리로
발표에는 여러 에이전트가 밤사이 순서대로 일하고, 아침에 사람이 검수한 뒤 결과를 전달하는 흐름이 나왔습니다. 실패를 감지하고 해당 부분을 다시 실행하는 구조도 소개됐습니다. 이 단계에서는 AI 활용 능력에 더해, 맡긴 일이 계속 제대로 돌아가는지 관리하는 능력이 필요해집니다.
에이전트 관리는 지시문 작성으로 끝나지 않습니다. 어떤 자료를 읽는지, 언제 시작하는지, 어디에 기록하는지, 실패하면 누구에게 알리는지, 비용은 얼마나 드는지까지 살펴야 합니다. UX 역시 실행 버튼 하나보다 활동 기록, 변경 내용, 승인 범위와 재실행의 영향을 이해하기 쉽게 보여 주는 방향으로 확장됩니다.
암묵지를 팀의 knowledge로 남길 수 있을까
암묵지는 경험 속에 쌓여 있지만 문장이나 규칙으로 충분히 드러나지 않은 지식입니다. 같은 문제를 보더라도 숙련자가 먼저 확인하는 항목, 예외를 허용하는 조건, 결정을 미루는 이유가 여기에 가까울 수 있습니다. 문서가 많다고 이런 판단의 맥락까지 저절로 공유되는 것은 아닙니다.
세미나 자료에는 경영진 발언을 모아 맥락을 추출하고 사고 자산으로 연결한 뒤, 메일 답변 초안 등에 참고하는 흐름이 있었습니다. 이를 암묵지를 조직의 knowledge로 남기려는 시도로 읽을 수 있습니다. 단편적인 발언을 저장하는 데서 나아가 어떤 상황에서 나온 판단이며 다른 판단과 어떻게 연결되는지를 구조화하는 것입니다.
다만 기록된 발언이 그 사람의 생각 전체를 대신하지는 않습니다. 특정 고객이나 시점에 적용한 판단을 모든 상황의 원칙으로 바꾸면 오히려 잘못된 knowledge가 굳어질 수 있습니다. 원문과 날짜, 적용 조건, 확인한 사람을 함께 남기고 현재도 유효한지 검토할 수 있어야 합니다. 이는 AI가 사람의 암묵지를 완전히 이해했다거나 모델을 새로 학습시켰다는 주장과도 구분해야 합니다.
예를 들어 팀의 가상 사례로 “이런 요청은 바로 진행하지 않는다”는 회의 발언을 생각해 볼 수 있습니다. 문장만 저장하면 에이전트는 비슷한 요청을 모두 보류할 수 있습니다. 보류 이유가 자료 부족인지, 예산인지, 고객과의 약속 때문인지 함께 정리해야 다음 사람이 상황에 맞게 판단할 수 있습니다. knowledge의 가치는 저장량보다 다시 사용할 수 있는 맥락에서 생깁니다.
AX 가성비와 ROI: 줄어든 시간 뒤에 남는 비용
AX 가성비를 따지려면 AI가 결과를 만드는 속도와 팀 전체가 일을 마치는 시간을 구분해야 합니다. ROI는 투자 대비 수익을 뜻합니다. AX의 ROI를 평가할 때는 라이선스와 사용료 외에도 처음 흐름을 만드는 시간, 지식을 정리하는 시간, 결과 검수와 오류 수정, 운영과 유지에 드는 노력을 함께 계산해야 합니다.
노션 코리아 BDR 팀의 인바운드 업무 사례는 중간 결과로 업무 단계가 24단계에서 6단계로, 소요 시간이 약 100분에서 17분으로 줄었다고 제시했습니다. 이는 발표에서 소개한 특정 업무의 결과이며, 다른 조직에서도 같은 효과가 난다는 근거는 아닙니다. 시간 단축 비율을 그대로 금전적인 ROI로 해석할 수도 없습니다.
별도의 월 마감 데모는 시간 절감 수치를 실측이 아닌 예시 목표라고 표시했습니다. 이런 구분이 AX 투자 판단에서도 필요합니다. 기대하는 효과와 실제 측정한 효과를 나누고, 도입 전후에 같은 범위의 업무를 비교해야 합니다. 초안은 빨리 나왔지만 누락을 찾느라 원문을 모두 다시 읽었다면 그 검토 시간도 비용입니다.
발표의 비용 설명에서는 이미 처리한 일을 처음부터 반복하는 방식과 실패한 지점부터 이어 가는 방식을 비교했습니다. 에이전트 개수와 처리하는 맥락의 양을 함께 봐야 한다는 내용이었습니다. AX 가성비는 에이전트를 많이 붙이는 데서 생기기보다, 필요한 작업을 적절히 나누고 불필요한 재처리를 줄이는 설계에서 찾아야 한다는 해석이 가능합니다.
AX가 바꾸는 UX의 단위는 팀의 업무 흐름입니다
이 네 가지 전환을 연결하면 AX의 설계 단위가 달라집니다. 개인이 AI에 입력하고 답을 받는 장면에 더해, 팀의 knowledge가 쌓이고 여러 에이전트가 실행하며 사람이 책임지는 전체 흐름을 봐야 합니다. 사용하기 쉬운 화면과 함께 믿고 맡길 수 있는 정보 구조, 권한, 검토와 복구 경험이 필요합니다.
예를 들어 주간 보고 업무라면 먼저 어떤 자료가 팀의 기준인지, 어디에 암묵적인 판단이 숨어 있는지, 어느 결과에 사람의 승인이 필요한지 적어 볼 수 있습니다. 이후 자료 정리와 초안 작성 중 맡길 범위를 정하고, 실행·검토·수정 시간을 나눠 기록합니다. 작은 업무 하나에서 AX의 효과와 운영 부담을 함께 확인하는 방법입니다.
2026년 하반기 AI 시장 동향을 이번 세미나의 사례로 읽었을 때 남는 질문은 “어떤 AI를 쓸까”에서 한 걸음 더 나아갑니다. 우리 팀의 knowledge는 실행에 필요한 맥락을 담고 있는지, 에이전트를 관리할 책임은 누구에게 있는지, 줄인 시간보다 새로 생긴 부담이 크지는 않은지 살펴야 합니다. AI Transformation을 업무의 변화로 증명하려면 이 질문들에 답하는 설계가 따라야 합니다.
참고 자료
2026년 10월 19일 Notion AI Labs Seoul 현장 촬영 발표 자료와 데모 화면. 사례와 수치는 자료에서 확인한 범위로 소개했으며, 네 가지 전환을 연결한 설명과 UX 적용 예시는 이를 바탕으로 한 해석입니다.
답글 남기기