전 세계가 별 100만 개를 준 AI 도구, 우리 조직은 무엇을 배울까

이번 2주, 개발자 수십만 명이 별을 누른 AI 도구 4개에는 한 가지 공통점이 있었습니다. '똑똑한 모델'이 아니라 '일하는 방식'을 바꾸는 도구라는 점. HR·조직·개인이 지금 배워야 할 것을 짚습니다.

매 2주, 저는 전 세계 개발자들이 방금 별(star)을 누른 AI 도구들을 들여다봅니다. 유행을 좇으려는 건 아닙니다. 사람들이 무엇에 열광하는지를 보면 조직이 6개월 뒤 마주할 질문이 먼저 보이기 때문입니다. 이번 2주, 수십만 개의 별이 쏠린 도구 4개에는 뜻밖에도 하나의 방향이 있었습니다.

별이 향한 곳은 '더 똑똑한 AI'가 아니었다

순위 상위권을 차지한 건 "더 좋은 모델"이 아니었습니다. 사람들이 몰린 곳은 AI를 '어떻게 일에 끼워 넣는가'를 다루는 도구들이었습니다.

네 도구를 조직의 언어로 옮기면 이렇게 읽힙니다.

개인기의 자산화 — superpowers · gstack

superpowers(에이전트 스킬 프레임워크)와 gstack(검증된 전문가의 작업 셋업 모음)이 나란히 상위에 올랐습니다. 둘 다 "잘하는 한 사람의 방식"을 복제 가능한 형태로 묶는 도구입니다.

조직에는 늘 '그 사람이 하면 되는데'가 있습니다. 잘 쓰는 팀장의 프롬프트, 손 빠른 담당자의 자료조사 루틴. 문제는 그 사람이 자리를 비우면 품질도 함께 사라진다는 것입니다. 이 도구들이 향하는 지점이 여기입니다. 개인의 노하우를 '스킬'과 '셋업'으로 고정해, 누가 맡아도 같은 출발선에 서게 만드는 것이죠.

교육을 맡은 쪽에서 보면 효과가 분명합니다. 신규 입과자 온보딩·평가·행정 절차를 '스킬'로 정의해 두면 매 기수 담당자가 바뀌어도 교육 품질이 유지됩니다. 사람에 기대던 일을 프로세스로 옮기는 셈입니다. 조직 전체로는 역할별(기획·디자인·운영) 표준 셋업을 배포해 AI 도구 도입의 러닝커브를 개인의 몫에서 조직의 인프라로 넘길 수 있습니다. 개인에게도 남는 게 있습니다. 코딩 없이 내 업무 흐름을 스킬로 정의해 '나만의 AI 조수'를 갖는 것입니다.

흩어진 지식의 연결 — graphify

graphify(지식 그래프·코드 이해)는 문서·데이터·규정처럼 흩어진 자료를 '질문 가능한 지도'로 바꿉니다. 검색이 "키워드가 든 문서를 찾는 일"이라면, 이 방향은 "물어보면 답이 나오는 상태"를 지향합니다.

조직의 가장 비싼 손실은 암묵지의 증발입니다. 3년 치 워크숍 자료, 부서마다 다른 규정 해석, 퇴사자의 머릿속에만 있던 맥락. 이런 도구가 인기를 끈다는 건 사람들이 이제 '저장'을 넘어 '연결'을 원하기 시작했다는 신호입니다.

• HR·교육 관점: 사내 규정·교육자료·과거 사례를 연결해 "무엇이든 물어보는" 지식 허브를 만들면, 신입 온보딩과 인수인계에 드는 시간이 크게 줍니다.
• 조직 관점: 조직의 암묵지를 구조화하면, 담당자 교체나 조직 개편의 충격이 완화됩니다.
• 개인 관점: 내 노트와 자료를 연결해 검색이 아니라 '질문'으로 답을 얻습니다.

결과물의 단순화 — ponytail

마지막 도구는 결이 다릅니다. ponytail은 AI가 과하게 복잡한 결과물을 만들지 않도록 '가장 단순한 해법'을 강제하는 도구입니다. AI가 코드든 문서든 자동화 스크립트든 '많이' 만들어내는 시대에, 사람들은 역설적으로 '덜 만들기'에 별을 눌렀습니다.

이건 조직에 중요한 경고입니다. AI로 만든 산출물이 늘어날수록 정작 그걸 유지·검증할 사람은 그대로이기 때문입니다. 담당자가 이해하지 못하는 자동화는 다음 달의 기술부채가 됩니다.

교육 효과를 이어 가려면 AI가 만든 결과물(자동화·리포트)을 담당자도 이해하고 유지보수할 수 있는 수준으로 유지해야 합니다. 조직 전체로 보면 'AI로 많이 만들기'보다 'AI로 만든 것을 관리 가능하게'가 실제 생산성을 가릅니다. 개인은 AI에게 "최대한 간단히"를 습관으로 들이면 나중에 내가 못 고치는 결과물을 피할 수 있습니다.

사례로 보면 — "50줄을 5줄로"

한 교육 담당자는 참가자 명단을 정리하는 자동화를 AI로 만들었습니다. 처음 버전은 50줄이 넘었고, 한 달 뒤 오류가 났을 때 본인도 손대지 못했습니다. '가장 단순한 해법' 원칙을 적용해 다시 만드니 5줄이 됐고, 이번엔 담당자가 직접 고칠 수 있었습니다. 도구의 인기가 알려주는 건 '무엇을 도입할까'가 아니라 '어떤 기준으로 쓸까'입니다.

그래서, 무엇을 할 것인가

인기 도구 목록은 유행이 아니라 약한 신호입니다. 이번 2주의 신호는 분명했습니다. 세상은 '더 똑똑한 AI'보다 'AI를 조직의 방식으로 길들이는 법'에 돈과 시간을 걸고 있습니다.

FLOW는 이 흐름을 그대로 가져다 쓰라고 권하지 않습니다. 도구는 미국의 개발 문화 위에서 만들어졌고, 우리 조직의 언어·규정·사람은 다릅니다. 저희가 함께 하는 일은 "이 방향을 우리 조직의 온보딩·평가·지식관리 언어로 어떻게 옮길까"를 설계하는 것입니다. 도구가 아니라 도구가 가리키는 방향을 조직의 것으로 만드는 일입니다.

이 칼럼은 2주마다 갱신됩니다. 다음 회차엔 이번에 다룬 도구를 제외하고, 새로 떠오른 AI 도구와 현장 이슈를 다시 짚습니다.