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 게 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

흥미로운 건 순위 상위권이 "더 좋은 모델"이 아니었다는 점입니다. 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 오른 건 우연이 아닙니다. 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 것. 이 도구들이 향하는 방향이 바로 그 지점입니다 — 개인의 노하우를 '스킬'과 '셋업'으로 고정해, 누가 맡아도 같은 출발선에 서게 만드는 것.

• HR·교육 관점: 신규 입과자 온보딩·평가·행정 절차를 '스킬'로 정의해 두면, 매 기수 담당자가 바뀌어도 교육 품질이 유지됩니다. 사람에 기대던 것을 프로세스에 옮기는 겁니다.
• 조직 관점: 역할별(기획·디자인·운영) 표준 셋업을 배포하면, AI 도구 도입의 러닝커브가 개인의 몫에서 조직의 인프라로 넘어갑니다.
• 개인 관점: 코딩 없이도 내 업무 흐름을 스킬로 정의해 '나만의 AI 조수'를 갖게 됩니다.

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'이 아니라 '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

마지막은 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.

• HR·교육 관점: AI가 만든 결과물(자동화·리포트)을 담당자도 이해·유지보수할 수 있는 수준으로 유지해야 교육 효과가 지속됩니다.
• 조직 관점: 'AI로 많이 만들기'보다 'AI로 만든 것을 관리 가능하게'가 실제 생산성을 가릅니다.
• 개인 관점: AI에게 "최대한 간단히"를 습관화하면, 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'가 아니라 'AI를 조직의 방식으로 길들이는 법' 에 돈과 시간을 걸고 있습니다.

FLOW:는 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.