지금처럼 자동화 도구가 많았던 적은 없습니다. 받은편지함을 읽고, 회의를 요약하고, 답장을 작성하고, 코드를 짜고, 한 주를 정리해 주는 AI 에이전트까지. 매달 새로운 물결이 밀려옵니다.
그런데도 우리가 이야기를 나눈 대부분의 사람들은 2년 전과 똑같이 손이 많이 가고, 반복적이고, 진을 빼는 일을 여전히 하고 있었습니다.
왜일까요?
우리는 지난 몇 달 동안 그 질문에 답하려 애썼습니다. 직무와 업종, 숙련도가 제각각인 22명을 만나 대화를 나눴습니다. 약 4분의 3은 기술적 배경이 있었고, 나머지는 그렇지 않았습니다. 절반쯤은 테크 업계에서 일했고, 나머지 절반은 아니었습니다.
우리는 그들에게 일이 어떤지, 무엇이 힘든지, 무엇을 바꾸고 싶은지 물었습니다.
그 결과, 직업이나 기술 숙련도와 상관없이 반복해서 등장하는 네 가지 장벽을 발견했습니다. 그중 셋은 개인적인 것이고, 넷째는 구조적인 것입니다. 이 네 가지를 합쳐 보면, 자동화가 20년 동안 소프트웨어 분야에서 가장 많이 약속된 카테고리였음에도 왜 대부분의 사람들에게 여전히 희망사항에 머물러 있는지 설명이 됩니다.
지금부터 하나씩 살펴보겠습니다.
장벽 1: 무엇이 잘못됐는지 보이지 않는다
가장 먼저 우리를 놀라게 한 것은 이것이었습니다. 일에서 무엇이 힘들거나 답답한지 물었을 때, 대부분은 두루뭉술한 표제 같은 불평을 늘어놓았습니다. "우선순위 저글링." "커뮤니케이션." "그냥 바빠요." 구체적인 것은 없었습니다. 손쓸 만한 것도 없었습니다.
그래서 질문을 바꿔 봤습니다. "요술봉을 흔들어 지금 업무 흐름에서 딱 하나만 고칠 수 있다면, 무엇을 고치시겠어요?"
그러자 갑자기 생생한 고통이 쏟아졌습니다. 구체적인 일, 정말 싫어하는 것들. 5분 전만 해도 어깨를 으쓱하던 바로 그 사람들이 이제는 각자 세 가지씩 답을 내놓았습니다.
한 인터뷰 참여자는 이렇게 말했습니다.
"네, 정렬은 잘 돼 있어요. 논의도 엄청 많이 했고요. 그런데 모두를 계속 같은 정보로 묶어 두는 게 일에서 정말 지긋지긋한 부분이에요."
분기마다 반복되는 프로세스를 설명한 또 다른 사람은 이렇게 말했습니다.
"이 수동 추적 작업을 진짜 없애 버리고 싶어요. 시간을 너무 많이 잡아먹거든요. 거의 분기마다 해야 하는데, 그 주, 그 작업을 하는 시기에는 다들 정말 싫어해요. 예외 없이요."
반복 업무를 설명한 세 번째 참여자는 이렇게 말했습니다.
"가끔 매장에서 온라인 재고와 맞춰 달라는 요청이 와요. 그런데 요청 형식이 너무... 표준화가 안 돼 있어요. 매장 ID를 제대로 주는 경우도 있고요. 어떨 땐 매장 ID가 대문자여야 하는데 소문자로 주기도 해요. 형식이 안 맞는 거죠. 그래서 모든 형식을 일일이 손으로 보정해서 맞는지 확인하고, 시스템에 넣고, 버튼을 눌러야 해요."
이 사람들 중 누구도 우리가 제대로 된 질문을 던지기 전까지는 이런 일을 자동화할 수 있다고 생각해 본 적이 없었습니다. 몇 달, 몇 년씩 해 오던 일이었으니까요. 그냥 그게 일이었던 겁니다.
이것은 개인의 잘못이 아닙니다. 주의가 작동하는 방식이 원래 그렇습니다. 반복 작업은 배경으로 사라집니다. 예측 가능하기 때문에 뇌가 더 이상 주의를 기울일 가치가 있다고 표시하지 않습니다. 그 일을 하는 불편함은 그저 "월요일"이 되어 버립니다.
이름 붙일 수 없는 것은 자동화할 수 없습니다. 그리고 대부분의 사람들은 도움 없이는 자기 일에서 무엇이 잘못됐는지 이름조차 붙이지 못합니다.
이것이 첫 번째 장벽입니다.
장벽 2: 어디서 시작해야 할지 모른다
자, 무엇이 잘못됐는지 보인다고 칩시다. 어떤 일이 한 주를 갉아먹는지 정확히 알고 있고, 그걸 처리해 줄 수 있을 법한 AI 도구까지 쓸 수 있다고 합시다.
그래도 대부분은 얼어붙습니다.
문제는 이것입니다. 가능성은 너무 많은데, 구체적인 출발점이 없다는 것. 자동화에 적용된 결정 마비입니다. 무엇이든 자동화할 수 있을 때, 사람들은 종종 아무것도 자동화하지 못합니다.
한 사람은 이렇게 말했습니다.
"AI한테 그걸 하라고 어떻게, 그러니까, 시키죠? AI한테 보낼 메시지를 어떻게 만들어야 하죠? 더 구체적으로 표현하는 법을 배우는 데 시간이 좀 걸리는 것 같아요."
그들은 AI가 할 수 있다는 걸 알았습니다. 다만 그걸 자기 일에 어떻게 겨냥해야 할지를 몰랐던 겁니다.
또 다른 참여자는 더 직접적으로 표현했습니다.
"UI만 봐서는 또 뭘 할 수 있는지 잘 안 보여요. 그냥 프롬프트를 쓰라고 하면, '아, 내가 뭐가 필요한지 생각해 내야 하는구나' 싶거든요. 근데 사실 선택지가 따로 없잖아요? 이게 또 뭘 할 수 있는지 모르니까요. 그러니 제 문제를 어디까지 상상할 수 있겠어요? 지난번 대화에서야 이걸로 이메일 스탠드업 리포트를 요청하거나, Linear 이슈 같은 걸 만들 수도 있겠구나 깨달았어요. 그래서 그게, 그러니까, 명확하지 않았던 거죠."
그들은 이렇게 덧붙였습니다.
"드롭다운이라든가 예시 프롬프트, 아니면 제가 가져다 쓸 만한 템플릿 같은 게 있으면, 제가 완전히 백지에서 생각해 내야 하는 것보다 도움이 될 것 같아요."
또 다른 사람은 한층 더 구체적인 것을 원했습니다.
"정말 많잖아요. 이제 기술 스택이 어마어마해요. 가능성이 너무 많죠. 그러니 누가 저한테 어떤 도구를 써야 하는지, 제가 하는 각 작업에 어떤 게 더 효율적인지 알려 줄 수 있으면 좋겠어요. 어떻게든 제 Linear를 보고, '야, 이 작업엔 Claude Code 같은 거 말고 이걸 쓰는 게 좋아' 하고 말해 주는 거요. 그러면 정말 좋겠어요."
사람들에게 필요한 것은 더 많은 기능이 아닙니다. 구체적인 출발점입니다. 실제 사례. 자기와 비슷한 누군가가 만들어 처음부터 끝까지 돌아가는, 그대로 복사해서 응용할 수 있는 워크플로우 말입니다.
이것이 어디서나 똑같은 다섯 가지 워크플로우가 계속 자동화되는 이유 중 하나입니다. 모닝 브리프, 주간 리포트, 받은편지함 분류, 스탠드업 노트, 고객 요약. 이것들이 최고의 자동화여서가 아닙니다. 단지 공개된 템플릿과 분명한 출발점이 있는 것들일 뿐입니다.
나머지는 전부 수동으로 남습니다. 자동화할 수 없어서가 아니라, "시작"이 어떤 모습인지 아무도 보여 준 적이 없기 때문입니다.
이것이 두 번째 장벽입니다.
장벽 3: 시작하는 비용이 안 하는 비용보다 크다
좋습니다. 일을 파악했고, 구체적인 출발점도 있습니다. 이제 실제로 설정을 해야 합니다.
바로 여기서 대부분의 사람들이 포기합니다.
한 참여자는 동료들이 일상적으로 쓰던 AI 도구에 관해 이렇게 말했습니다.
"OpenClaw는 알아요, 근데 제가 직접 써 본 적은 없어요. 동료들이 쓰는 건 아는데, 저는 한 번도 안 써 봤어요."
왜냐고 묻자, 설정이 너무 복잡하고 시간이 많이 걸린다고 했습니다. 시도조차 해 본 적이 없었던 겁니다. 동료들이 잘 쓰고 있다는 사실만으로는 충분하지 않았습니다. 체감되는 진입 비용이 높아서, 그냥... 안 했던 거죠.
또 다른 사람은 이탈 지점에 대해 한층 더 직설적이었습니다.
"개인적으로는 신규 사용자한테 더 그럴 것 같아요. 이런 걸 보고 한번 써 보고 싶어 하는 사람이 정말 많을 테니까요. 그런데 막상 가서 그 NPM install을 입력하고 나면, 그 위에 또 '클로드도 설치해야 합니다' 같은 게 떡 하니 뜨거든요... 바로 거기서 많은 사람들이 그냥 포기해 버릴 것 같아요. 더 진행할 엄두도 안 내고요."
그리고 이 두 인용문 밑바닥에는 똑같은 합리적 계산이 깔려 있습니다. 또 다른 참여자는 그것을 직접적으로 말했습니다.
"워크플로우를 자동화하려는 건 결국 시간을 아끼고 생산성을 높이려는 거잖아요. 우리 효율을 높여 줘야 할 그 도구에 그렇게 많은 시간을 쏟고 싶지는 않아요."
이것은 게으름이 아닙니다. 산수입니다.
자동화의 핵심은 시간을 아끼는 것입니다. 그런데 대부분의 워크플로우에서는 그 일을 그냥 손으로 하는 것보다 설정하는 데 더 오랜 시간이 걸립니다. 인터페이스를 익히는 데 몇 시간, 트리거를 연결하는 데 몇 시간, 예외 상황을 테스트하는 데 몇 시간을 쓰고, 그 모든 걸 끝낸 뒤에야 비로소 시간을 아끼기 시작합니다. 매주 일어나는 작업이라면 본전을 뽑는 데 몇 달이 걸립니다. 매달이나 분기마다 일어나는 작업이라면, 그 계산은 말 그대로 영원히 맞아떨어지지 않습니다.
그래서 사람들은 건너뜁니다.
과거의 경험은 문제를 더 키웁니다. 사람들은 세상을 다 줄 것처럼 약속해 놓고 40단계짜리 설정을 안긴 도구들을 써 봤습니다. 보람도 없는 인터페이스를 익히느라 시간을 썼습니다. 그래서 새 도구가 실제로 잘 작동할 때조차, 과거의 경험 때문에 투자하기를 주저하게 됩니다.
대부분의 자동화 도구는 어떤 가치를 얻기 전에 한 시간쯤 학습에 쓸 거라고 가정합니다. 대부분의 사람들에게, 특히 비기술 사용자에게는 바로 거기서 관계가 끝나 버립니다.
이것이 세 번째 장벽입니다.
장벽 4: 조직이 허락하지 않는다
이제 가장 고치기 어려운 장벽이자, 규모가 큰 조직 안에서 일하는 사람들에게서 가장 자주 듣는 이야기입니다.
무엇이 잘못됐는지 보이고, 어디서 시작할지 정확히 알고, 설정 시간까지 기꺼이 투자할 의향이 있다 해도, 회사가 실제로 그렇게 하도록 허락하지 않을 수 있습니다.
대기업에서 일하는 한 인터뷰 참여자는 이것이 현실에서 어떤 모습인지 이렇게 설명했습니다.
"우리가 쓰는 모든 도구는 고객 승인이든 내부 승인이든 받아야 해요. 그게 승인되고 예산이 배정되고 나면, 그제야 사람마다 하나씩 그 도구를 구매하는 거예요."
승인. 예산. 1인당 라이선스. 새 도구마다 매번. 그 절차가 다 끝날 즈음이면, 한번 써 보고 싶게 만들었던 그 의욕의 순간은 이미 몇 달 전 과거가 되어 있습니다.
하지만 이 문제의 더 깊은 버전은 단순히 "도구 승인을 못 받는다"가 아닙니다. AI 도구를 개인적으로 쓸 수 있다 해도, 그것을 실제 일이 살아 있는 시스템에 연결할 수 없다는 것입니다. 같은 사람이 말했습니다.
"제 업무 환경을 이것과 연결할 수가 없어요. 개인 용도로 쓴다면, 제 Salesforce를 연결할 수 없어요. Teams도 연결할 수 없어요. 그건 회사 노트북 안에 들어 있으니까요."
그들은 ChatGPT를 쓸 수 있습니다. Salesforce에서 자동화하고 싶은 일도 있습니다. 그런데 이 둘을 연결할 수가 없습니다. 그들이 원하는 자동화는 개인 도구와 업무 데이터 사이에 다리를 놓아야 하는데, 그 다리가 금지되어 있는 것입니다.
이것은 대기업만의 문제가 아닙니다. 또 다른 참여자는 이렇게 말했습니다.
"큰 회사들은 프라이버시에 어느 정도 우려가 있는 것 같아요. ChatGPT는 확실히 써도 돼요. Gemini는 못 써요. 이유는 모르겠어요. 정말 모르겠어요. 그냥 회사 선택 같은 거죠."
"이유는 모르겠어요." 조직의 도구 제한에 관해 사람들과 이야기하다 보면 이 말이 자주 나옵니다. 안에서 보면 그 선택이 자의적으로 느껴집니다. 어떤 도구는 승인되고 어떤 건 안 되는데, 명확한 논리가 없습니다. 규칙을 이해하지도 못한 채 그 규칙을 우회하며 일하게 됩니다.
많은 사람들에게는 이것이 진짜 벽입니다. "무엇이 잘못됐는지 안 보인다"도, "어떻게 자동화할지 모르겠다"도 아닙니다. "그렇게 하는 게 허락되지 않는다"는 것입니다.
이 장벽이 다른 것들보다 더 어려운 이유는, 그것이 당신에 관한 것이 아니기 때문입니다. 당신의 환경에 관한 것입니다. 그리고 환경은 천천히 바뀝니다.
이것이 네 번째 장벽입니다.
이것이 의미하는 것
이 네 가지 장벽은 층층이 쌓여 있습니다. 첫 번째를 넘어서도 두 번째에 부딪힙니다. 두 번째를 지나면 세 번째에 부딪힙니다. 그리고 세 가지를 모두 뚫고 나가도, 당신을 둘러싼 조직이 어쨌든 당신을 가로막을 수 있습니다.
이것들이 합쳐져, 대부분의 사람들이 자기가 무엇을 고치고 싶은지 정확히 알면서도 결코 넘지 못하는 벽을 만듭니다. 그래서 워크플로우 자동화는 20년 동안 소프트웨어 분야에서 가장 많이 약속된 카테고리였음에도, 여전히 대부분 희망사항에 머물러 있는 것입니다.
우리는 이 벽이 부술 수 있는 것이라고 생각합니다. 전부는 아니고, 모두에게는 아니지만, 지금의 도구들이 가정하는 것보다는 더 많이 부술 수 있습니다. 우리는 지난 몇 달 동안 처음 세 가지 장벽을 정조준해 무언가를 만들어 왔고, 네 번째 장벽이 시간이 지나며 덜 제약적이 되도록 자동화를 충분히 안전하게 만드는 방법을 깊이 고민해 왔습니다. 무엇이 통하는지에 대한 우리 나름의 견해가 있습니다. 다만 말로 설명하기보다 직접 보여 드리고 싶습니다.
그래서 우리는 대신 이런 것을 하려 합니다.
5월 16일 토요일, 우리는 산호세에서 무료 핸즈온 랩을 엽니다. 자기 일에서 자동화할 수 있는 것을 어떻게 짚어내는지, 선택지가 백 개일 때 어디서 시작해야 하는지, 그리고 15분 안에 첫 번째 AI 팀원을 어떻게 세팅하는지 함께 짚어 볼 겁니다. 코딩은 없습니다.
정원은 30명입니다. 신청: https://luma.com/yqpulmgq
5월 20일 화요일에는 샌프란시스코에서 비슷한 행사를 진행합니다. 상세 정보와 신청은 곧 공개됩니다. 가장 먼저 소식을 받으려면 @vm0_ai를 팔로우하세요.
두 행사 모두 참석하기 어렵더라도, 어쨌든 우리를 팔로우해 주세요. 랩에서 사람들이 실제로 무엇을 만드는지 정리해 글로 쓸 겁니다. 그 워크플로우들, 뜻밖의 발견들, 잘 안 됐던 것들까지요. 다음 글에 공개하겠습니다. 그러면 어느 쪽이든 실용적인 답을 얻으실 수 있을 겁니다.
위의 네 가지 장벽은 실재합니다. 우리가 이야기하는 거의 모든 사람에게서 듣는 이야기입니다. 앞의 세 가지는 오늘 당장 해결할 수 있습니다. 네 번째는 더 오래 걸리지만, 그것도 해결할 수 있습니다. 우리는 앞으로 몇 주 동안 그것을 증명해 보일 겁니다. 행사에서, 그리고 다음에 우리가 공개할 것 안에서요.
인용문은 직무 수준으로 익명 처리했습니다. 인터뷰 표본: 소프트웨어/AI, 헬스케어, 공연예술, 제조, 컨설팅, 리테일, 생체역학, 비영리 분야의 22명. 약 73%는 기술적 배경이 있었고, 27%는 그렇지 않았습니다.
