--- title: "카카오 임팩트재단, AI 직원 6명으로 조직 운영을 다시 짜는 중" published: 2026-06-10T20:30:01.878Z canonical: https://jeff.news/article/3976 --- # 카카오 임팩트재단, AI 직원 6명으로 조직 운영을 다시 짜는 중 카카오 임팩트재단이 전사적 AI 전환 실험을 하면서 업무 진단부터 자동화 도구 제작까지 AI 에이전트에 맡기고 있다. 전 직원 인터뷰 비용은 API 기준 약 10달러였고, 일부 업무는 일주일에서 반나절, 월 16시간에서 3시간 수준으로 줄었다. - 카카오 임팩트재단이 AI 도입을 꽤 특이한 방식으로 시작함 - “챗GPT 사용법 워크숍”부터 한 게 아니라, 먼저 AI가 전 직원에게 업무 진단 인터뷰를 진행함 - 구성원들은 웹페이지에서 10~15분 정도 AI와 대화했고, AI는 답변을 분석해 업무 흐름과 병목 구간을 정리함 - 조직에 AI를 넣기 위해 AI가 조직을 인터뷰한 셈이라, 시작부터 꽤 메타적임 - 이 첫 번째 AI 직원의 역할은 인터뷰어였음 - 반복적으로 귀찮은 업무가 뭔지, 파일을 찾느라 헤맨 적이 있는지, 자동화 가능한 작업이 있는지 물어봄 - 사람이 직접 5개 팀 전원을 인터뷰하면 일정 조율, 녹취 정리, 답변 분류, 공통 패턴 찾기가 줄줄이 따라옴 - AI 인터뷰는 대화와 동시에 구조화된 응답 데이터를 쌓고, 이후 AI 에이전트가 팀별 업무 흐름과 자동화 후보를 정리함 > [!IMPORTANT] > 전 직원 인터뷰에 든 API 비용은 약 10달러, 우리 돈으로 약 1만5000원 수준이었음. 대면 인터뷰 대비 시간은 90% 이상 줄었다고 함. - 이후 재단 안에는 총 6명의 AI 직원이 생김 - 리서처는 업무 흐름을 분석하고, 아키텍트는 공유 드라이브 폴더 구조를 설계함 - 인프라 매니저는 이메일 같은 업무 도구 전환과 구독 관리를 맡음 - 스토리텔러는 AI 활용 사례를 정리하고, 빌더는 반복 업무 자동화 도구를 만듦 - 퍼블리셔는 구성원이 직접 만든 프로그램을 배포하기 전에 검토하는 역할을 맡음 - 흥미로운 건 AI 직원에게도 업무 매뉴얼을 줬다는 점임 - 재단은 AI 에이전트가 일하는 방식을 정리한 ‘스킬(skill)’이라는 매뉴얼을 만들었음 - 현재 구조는 AI 에이전트 6명에 재단 업무에 맞춘 스킬 9개를 붙여 운영하는 방식임 - 그냥 “AI야 알아서 해줘”가 아니라, 역할·절차·검토 기준을 업무 시스템 안에 넣는 쪽에 가까움 - 재단의 접근 순서도 일반적인 AI 도입과 좀 다름 - 보통 조직은 도구 교육, 워크숍, 활용 사례 공유부터 시작함 - 재단은 반대로 드라이브, 노션, 메일 같은 디지털 자산과 업무 인프라를 먼저 분석함 - 어떤 AI가 필요한지 알려면 먼저 조직 안에 어떤 자료와 병목이 있는지 알아야 한다는 판단임 - 실제로 시간 절감 사례도 꽤 구체적으로 나옴 - 사업팀 구성원은 일주일 정도 걸리던 종합 시트 작업을 Claude Code로 반나절 만에 처리함 - 경영지원 담당자는 매달 16시간 정도 들던 법인카드 정산 업무를 3시간 수준으로 줄임 - 재단은 반복 업무 자동화, 자료 검색, 업무용 도구 제작을 통해 구성원 1인당 월 16~32시간을 줄일 수 있다고 봄 - 연간으로 환산하면 약 3400~6800시간 절약 가능성이 있다는 계산임 > [!NOTE] > 이 실험은 개발자 많은 테크 회사 얘기가 아니라 비영리재단 얘기임. 그래서 오히려 “우리 조직도 개발자 없어서 못 해”라는 핑계를 줄이는 사례로 볼 만함. - 개발자 없는 조직에서도 가능했던 이유로 재단은 세 가지를 꼽음 - AX를 있으면 좋은 부가 프로젝트가 아니라 재단의 핵심 목표로 잡고 전담 인력을 둠 - 개발자는 아니어도 기술에 관심 있는 구성원이 먼저 시도하고, 그 모습을 보고 동료들이 따라 움직임 - 실패한 시도까지 조직 자산으로 보는 문화가 있어서 AI에 대한 막연한 두려움을 줄였음 - 재단은 이걸 비용 절감 프로젝트로만 보진 않음 - 반복 업무, 자료 탐색, 형식 변환에 쓰는 시간을 줄이는 게 목적임 - 그렇게 번 시간을 사업 설계, 의사결정, 관계 형성처럼 사람이 해야 하는 일에 더 쓰겠다는 방향임 - AI가 판단을 대신한다기보다, 사람이 중요한 판단에 집중할 환경을 만드는 쪽임 --- ## 기술 맥락 - 여기서 핵심 선택은 “AI 도구를 배포한다”가 아니라 “업무 흐름을 먼저 구조화한다”예요. 조직이 어디서 시간을 쓰는지 모르면 어떤 에이전트를 만들어야 하는지도 감으로 찍게 되거든요. - AI 인터뷰가 중요한 이유는 처음부터 데이터가 구조화된 형태로 쌓이기 때문이에요. 사람이 인터뷰하고 녹취를 정리한 뒤 엑셀로 다시 옮기면 중간에 맥락이 빠지기 쉬운데, 이 방식은 답변 수집과 분류가 같은 흐름 안에서 이어져요. - 6명의 AI 직원은 사실상 역할 기반 자동화 설계예요. 리서처, 아키텍트, 빌더처럼 역할을 쪼개면 각 에이전트가 해야 할 일과 하지 말아야 할 일이 선명해져서 운영 리스크도 줄어들어요. - 스킬을 별도로 만든 것도 꽤 실무적인 포인트예요. AI 에이전트가 매번 즉흥적으로 답하게 두는 게 아니라, 조직의 업무 규칙과 선호 방식을 매뉴얼처럼 주입해야 결과물이 재사용 가능해지거든요. ## 핵심 포인트 - AI가 전 직원을 인터뷰해 업무 흐름과 병목을 구조화 - AI 직원 6명과 스킬 9개로 업무 분석·드라이브 설계·자동화·배포 검토를 분담 - 전 직원 인터뷰 API 비용은 약 10달러, 시간은 대면 대비 90% 이상 절감 - 법인카드 정산은 월 16시간에서 3시간으로 줄고, 1인당 월 16~32시간 절감 가능성 ## 인사이트 이 사례가 재밌는 건 개발자 조직이 아니라 비영리재단에서 나온 AX 실험이라는 점임. AI 도입을 ‘툴 교육’으로 시작하지 않고 조직의 업무 흐름을 먼저 데이터화했다는 접근은 꽤 현실적인 참고 사례임.