해외 AI 도입 사례

이 글은 일본의 통신·제조·유통 업종 선두기업 3사가 생성AI 시대에 인재를 어떻게 육성하고 있는지, 그 실험과 조직 변화를 정리한 사례입니다. 국내에서도 비슷한 실험을 준비하는 팀이 참고할 수 있도록, 의사결정 구조·조직 운영·변화 지표에 초점을 맞춥니다. 케이스 한눈에 보기 국가/산업: 일본 / 통신·제조·유통 기업명: -소프트뱅크(SoftBank) — 일본 3대 통신사, 야후재팬·라인 등 운영 -다이킨공업(Daikin) — 글로벌 에어컨 시장 점유율 1위 제조사 -아트레(atre) — JR동일본 계열, 수도권 역사 상업시설 운영 적용 영역: 전사 AI/DX 역량 교육 및 업무 활용 대상 조직: 신입사원~전 직원(파트타임 포함) 프로젝트 기간: 2017년~현재 진행형 주요 이해관계자: 경영진, 인사/교육 부서, 현업 부서장 70%가 체감하는 위기, 30%만 준비됐다 2025년 12월 기브리(Givery)社 조사에 따르면, 일본 기업의 약 70%가 '생성AI 시대에 요구되는 스킬이 달라졌다'고 체감하고 있습니다. 그런데 정작 '직원들이 필요한 디지털 스킬을 충분히 갖췄다'고 답한 기업은 고작 30%에 불과했죠. DX 추진의 필요성은 80% 이상이 인식하면서도, "무엇을 어떻게 가르쳐야 하는가"라는 질문 앞에서 대다수 기업이 멈춰 있는 상황입니다. 이 간극을 어떻게 메울 것인가—일본 선두기업 3사의 접근법이 힌트가 될 수 있습니다. 소프트뱅크: '손 들기' 문화가 만든 26만 건의 제안 소프트뱅크는 경영진이 AI 전략을 명확히 천명하고, 전사적 역량 강화에 나선 대표 사례입니다. 2019년 '소프트뱅크 유니버시티 테크', 2021년 'AI Campus'를 잇달아 설립했고, 사내 생성AI 콘테스트를 11회 개최하며 누적 26만 건 이상의 아이디어를 수집했습니다. 도입 전 → 도입 후 학습 동기 부여 → "배워라" 지시형에서 "도전하면 기회를 준다" 자발형으로 전환 대상 범위 → 기술직 중심에서 문과·이과 무관 전 직원으로 확대 성과 연계 → 학습 이력을 이동·평가·승진 시스템과 연동 핵심은 '손 들기(手挙げ)' 문화입니다. 인사제도 전반에 "도전하는 사람에게 기회를"이라는 원칙을 심어, 스스로 배우고 스스로 기회를 잡는 풍토를 조성한 것이죠. 2025년 7월 기준 전 직원의 약 13%가 AI 관련 자격을 보유하고 있으며, 특허 출원 건수는 1만 건을 넘어섰습니다.

이 글은 일본 기업들이 AI를 도입하면서 마주한 '현장 저항'이라는 벽을 어떻게 넘었는지, 그리고 조직이 변화를 수용하도록 만든 구체적인 방법론을 정리한 실전 가이드입니다. 국내에서도 비슷한 도전을 준비하는 팀이 참고할 수 있도록, 심리 유형별 대응법·도입 로드맵·성공 원칙에 초점을 맞춥니다. 케이스 한눈에 보기 주제: AI 도입 시 현장 저항 해소 방법론 출처: 일본 AI·DX 전문 미디어 분석 자료 (2025년 12월) 적용 대상: AI 도입을 추진하는 모든 조직의 PO, HR, 전략 담당자 핵심 프레임: 4가지 심리 유형 분류 → 맞춤 대응 → 5단계 로드맵 키워드: 변화관리, 조직 수용성, 스몰 스타트 실패의 원인은 기술이 아니다 AI 도입 프로젝트가 좌초되는 이유, 대부분 기술적 한계 때문일까요? 현장에서 수집된 데이터는 다른 이야기를 합니다. 진짜 문제는 '현장의 심리적 저항'이었죠. "일자리를 빼앗기는 거 아닌가요?" "또 위에서 뭘 들고 왔네." 이런 반응들이 프로젝트를 멈추게 만듭니다. 흥미로운 점은, 이 저항이 단순한 '반대'가 아니라는 것입니다. 그 안에는 자신의 일을 지키고 싶은 마음, 실패해서 민폐 끼치기 싫다는 책임감이 숨어 있습니다. 결국 AI 도입의 성패는 기술 선택이 아니라, 이 마음들을 어떻게 다루느냐에 달려 있는 것이죠. 저항의 4가지 얼굴 현장이 AI 도입에 난색을 보일 때, "의욕이 없다"고 단정 짓는 순간 해법은 사라집니다. 저항에는 반드시 이유가 있고, 그 이유를 정확히 파악하는 것이 해결의 첫걸음입니다. 첫째, 고용 불안형 "AI가 내 일을 대신하면 난 어디로 가죠?" 특히 데이터 입력, 집계 업무 등 정형화된 업무를 담당하는 백오피스 부서에서 이런 우려가 강하게 나타납니다. '효율화 = 내 자리가 없어짐'이라는 공식이 머릿속에 자리 잡고 있어, 본능적으로 변화에 저항하게 됩니다. 둘째, 스킬 불안형 "새로운 툴을 배울 자신이 없어요." "지금도 바쁜데 또 뭘 익히라는 건가요." 익숙한 업무 방식을 바꾸는 것에 대한 부담감은 생각보다 큽니다. IT 활용에 자신 없는 분들, 이미 업무량이 포화 상태인 분들에게서 자주 나타나죠. 셋째, 현상 유지형 "지금 방식으로도 충분히 성과 내고 있는데요?" 현장의 에이스, 베테랑 직원들에게서 주로 보이는 반응입니다. 현재 프로세스를 최적화하고 지탱해온 공로자들이기에, 새 도구 도입이 자신의 지난 노력을 부정하는 것처럼 느껴지는 것이죠. 넷째, 경영 불신형 "또 유행 따라가기 아닌가요?" "전에 도입한 시스템도 결국 안 쓰잖아요." 과거에 현장 실정을 무시한 채 툴이 강제로 내려온 경험이 있는 조직에서 강하게 나타납니다. "이번에도 어차피 안 될 거야"라는 학습된 무력감이 무관심이라는 형태의 저항으로 표출됩니다.

이 글은 일본 기업들이 생성AI를 도입하면서 겪은 리스크 사례와 대응 체계를 정리한 가이드입니다. 국내에서도 유사한 고민을 안고 있는 PO, 정보보안 담당자, HR 리더가 참고할 수 있도록 실무 관점의 대책에 초점을 맞춥니다. 케이스 한눈에 보기 국가: 일본 분석 대상: 일본 기업들의 생성AI 리스크 관리 동향 적용 영역: 전사 AI 거버넌스, 정보보안, 컴플라이언스 대상 조직: 정보시스템팀, 법무팀, 현업 부서 전체 핵심 프레임워크: 인풋-아웃풋-보안-운용 4대 리스크 분류 주요 이해관계자: 경영진, CISO, 법무/컴플라이언스 책임자, 현업 관리자 참고자료: 生成AIのリスクとは？事故事例から学ぶ、企業が取るべき7つの対策 왜 '금지'가 답이 아닌가 ChatGPT가 등장한 지 2년이 넘었습니다. 이제 "우리 회사도 AI 써볼까?"라는 질문은 지났죠. 진짜 질문은 따로 있습니다. "직원들이 이미 쓰고 있는데, 우리는 그걸 알고나 있는가?" 일본에서는 이를 '섀도우 IT'라 부릅니다. 회사가 허락하지 않은 무료 AI 도구를 직원들이 개인 계정으로 몰래 사용하는 현상입니다. 금지할수록 음지로 숨고, 숨을수록 리스크는 커집니다. 2023년 삼성전자 반도체 부문에서 직원이 ChatGPT에 소스코드와 설비 측정 데이터를 입력한 사건이 보도되었습니다. 이후 삼성은 사내 AI 사용을 제한했죠. 하지만 "금지"가 근본적 해결책이 될 수 있을까요? 일본 기업들은 다른 길을 모색하고 있습니다. 리스크를 '관리 가능한 영역'으로 가져오는 것입니다. 4가지 리스크, 어디서 터지나 생성AI 리스크는 크게 네 가지 영역에서 발생합니다. 각각이 터지는 지점과 실제 사례를 함께 보겠습니다. 인풋(입력) 리스크 직원이 프롬프트에 기밀정보를 입력하는 순간 발생 무료 버전은 입력 데이터가 AI 학습에 활용될 수 있음 삼성전자 사례가 대표적

이 글은 일본 기업들이 AI 도입과 함께 어떤 인력 재편을 진행하고 있는지, 그리고 직장인들이 이 변화 속에서 어떻게 살아남을 수 있는지를 정리한 트렌드 분석입니다. 국내에서도 비슷한 변화를 감지하고 있는 실무자들이 참고할 수 있도록, 일본 경영자들의 본심·직종별 리스크·실전 대응 전략에 초점을 맞춥니다. 트렌드 한눈에 보기 국가/산업: 일본 / 에너지·인프라 분석 대상: 일본 대기업 전반 (메가뱅크, 대형 보험사, IT/SaaS, 제조/상사 등) 핵심 키워드: AI 구조조정, 인력 재배치, 프롬프트 엔지니어링, 생존 전략 주요 출처: KPMG 컨설팅 일본 경영자 조사 주요 이해관계자: 경영진, HR, 경리/재무, 영업, 인사/총무 담당자 참고자료: 「AIで人員削減」は日本でも起きてる？リストラの裏側と生き残り戦略 [IMAGE: 일본 오피스 빌딩 전경 또는 AI·자동화 관련 비주얼] 조용히 시작된 선별 Amazon, Accenture 같은 글로벌 기업들이 'AI 관련 인원 감축'을 발표할 때마다, "이 흐름이 우리에게도 올까?"라는 불안이 퍼집니다. 그런데 이미 일본에서는 그 흐름이 시작됐습니다. KPMG 컨설팅 조사에 따르면, 일본 경영자의 약 18%가 AI 도입에 따른 '1년 내 인원 감축'을 계획하고 있다고 응답했습니다. 이 수치는 세계 평균(15%)을 웃돕니다. '고용을 지킨다'는 일본 특유의 미덕이, AI라는 변수 앞에서 흔들리고 있는 것이죠. 다만 서구식 대량 해고(레이오프)와는 결이 다릅니다. 일본에서 벌어지는 건 '조용한 선별'입니다. 해고 아닌 '재배치'의 함정 일본은 해고 규제가 엄격한 나라입니다. 그래서 많은 일본 기업이 택한 방식은 단순 감축이 아닌 '인력 재배치(리스킬링)'입니다. 메가뱅크나 대형 보험사에서는 사무처리 중심 인력을 줄이는 대신, 그 인원을 '고객 컨설팅'이나 '신규 사업 기획' 부서로 이동시키고 있습니다. 언뜻 보면 고용을 지키는 것 같지만, 실상은 다릅니다. Before → After로 보는 변화: 채용: 퇴직자가 나와도 보충하지 않고 AI로 커버 배치: AI 대체 가능 부서를 축소하고 타 부문으로 강제 이동 (사실상 퇴직 권유 포함) 평가 기준: '시간을 들여 꼼꼼히'의 가치 폭락 → 'AI를 활용해 빠르게 성과 내기'가 새로운 표준 경영자들은 이미 'AI를 쓸 줄 아는 인재'와 'AI에 대체될 인재'를 구분하기 시작했습니다. 문제는 그 선별 리스트의 '남길 쪽'에 어떻게 이름을 올리느냐입니다.

이 글은 일본 에너지 인프라 기업 오사카가스가 AI를 도입하면서 무엇을 걸고 실험했는지, 그리고 그 과정에서 조직이 어떻게 일하는 방식을 바꾸었는지를 정리한 사례입니다. 국내에서도 비슷한 실험을 준비하는 팀이 참고할 수 있도록, 의사결정 구조·조직 운영·변화 지표에 초점을 맞춥니다. 케이스 한눈에 보기 국가/산업: 일본 / 에너지·인프라 기업: 오사카가스(大阪ガス) — 일본 4대 도시가스 사업자로 전국 판매량 2위, 그룹사 155개, 임직원 약 2만 명 규모의 간사이 지역 대표 에너지 기업 적용 영역: 현장 기술 전승, 작업 매뉴얼 자동 생성 대상 조직: 다이가스 에너지(大ガスエナジー) 가스발전기 개발·정비팀 (9명) 주요 이해관계자: 미야하라 씨(중견 엔지니어), 베테랑 기술자 3명, 신입사원 다수 참고자료: 娘のダンス練習用アプリで開眼！【大ガスエンジニアのAI活用術】現場マニュアルを15分で作成！ "매뉴얼이 있었으면 얼마나 좋았을까" — 현장이 던진 질문 가스발전기 앞에서 신입사원이 중얼거렸습니다. "처음에 베테랑 분께 배울 때는 알 것 같았는데, 나중에 혼자 하려니까 '이게 맞나?' 싶은 순간이 너무 많아요." 겉보기엔 평범한 기술 전승의 어려움입니다. 하지만 이 팀이 처한 상황은 조금 달랐죠. 최근 몇 년 사이 베테랑 5명이 정년퇴직으로 빠져나갔고, 남은 숙련자는 단 3명. 전기·기계·화학을 넘나드는 복합 기술을 가르쳐야 하는데, 가르칠 사람도, 배울 시간도, 정리된 문서도 없었습니다. 문제의 본질은 '매뉴얼이 없다'가 아니었습니다. 매뉴얼을 만들 여유가 없다는 것이었죠. 중견 엔지니어들은 자기 업무를 소화하면서 동시에 신입을 가르쳐야 했고, 그 과정에서 '기록'은 늘 후순위로 밀렸습니다. AI가 대신한 것, 인간이 남긴 것 미야하라 씨가 찾은 해법은 의외로 단순했습니다. "말로 하면서 찍고, AI가 정리하게 하자." 기존 방식과 새로운 방식의 차이를 정리하면 이렇습니다. 도입 전: 베테랑이 신입 옆에서 직접 시연 → 신입이 메모 → 나중에 기억에 의존해 재현 매뉴얼 작성 시도 시, 문서화에만 반나절 이상 소요 현장 소음으로 인해 구두 설명의 전달력 한계 도입 후:

이 글은 [일본/IT·영업컨설팅/primeNumber×TORiX]가 AI를 도입하면서 무엇을 걸고 실험했는지, 그리고 그 과정에서 조직이 어떻게 일하는 방식을 바꾸었는지를 정리한 사례입니다. 국내에서도 비슷한 실험을 준비하는 팀이 참고할 수 있도록, 의사결정 구조·조직 운영·변화 지표에 초점을 맞춥니다. 케이스 한눈에 보기 국가 / 산업: 일본 / 데이터 엔지니어링(IT) & 영업 컨설팅 기업: primeNumber (프라임넘버) × TORiX (토릭스) 적용 영역: B2B 솔루션 영업 / 세일즈 이네이블먼트(Sales Enablement) 대상 조직: 영업 본부 전체 (신입부터 숙련자까지) 프로젝트 기간: 2024년 ~ 현재 (지속적인 영업 조직 고도화) 주요 이해관계자: - 시모사카 사토루 (primeNumber COO): 데이터 솔루션 기업의 관점에서 '영업의 AI 에이전트화'를 주도. - 다카하시 코이치 (TORiX 대표): 2만 명의 영업 데이터를 분석한 베스트셀러 『영업의 과학』 저자. 영업의 행동 패턴 분석 담당. 참고 자료: PIVOT: AI 시대 이기는 영업의 조건 – 하이 퍼포머 vs 로우 퍼포머 "고객은 이미 답을 알고 있다": 영업이 직면한 위기 영업 현장은 위기를 맞고 있습니다. 고객은 이제 인터넷 검색만으로 영업 사원보다 더 많은 정보를 먼저 얻습니다. 단순히 상품을 설명하는 방식은 AI로 대체되기 쉬워졌고, 영업 사원의 존재 가치는 흔들리고 있습니다. 이 상황에서 primeNumber와 TORiX는 근본적인 질문을 던졌습니다. "모든 정보가 오픈된 세상에서, 고객이 기꺼이 지갑을 여는 영업 사원의 '인간적 가치'는 무엇인가?" 하이 퍼포머의 직관을 시스템으로 만들다 이들은 '영업 사원을 AI로 대체하자'고 하지 않았습니다. 대신 영업의 역할을 '정보 전달자'에서 고객의 비즈니스 성공을 이끄는 '번역가(Translator)'로 재정의했습니다. 감과 경험의 영역을 데이터로 대체하다 AI는 ‘감’과 ‘경험’에 의존하던 영업 현장을 어떻게 데이터 기반으로 바꿨는가?

프로덕트 매니저(PM)의 일은 언제나 데이터와 의사결정의 싸움이었습니다. 그러나 2025년 라쿠텐은 이 싸움의 방식 자체를 바꿨습니다. AI를 단순히 자동화 도구로 쓰는 대신, PM의 사고 과정 안으로 끌어들인 것이죠. 이번 콘텐츠는 그 변화가 어떻게 실무에서 구현되는지를 생생히 보여줍니다. AI가 데이터 해석, 고객 이해, 협업 구조 속으로 스며들며, PM의 일상을 바꾸는 과정인데요. 그 핵심은 'AI가 대신 일하는 시대'가 아니라, 'AI와 함께 사고하는 시대'라는 데 있습니다. 본 포스팅은 유튜브 채널 "TECH PLAY Channel" 의 영상의 내용을 기반으로 재구성된 글입니다. 참고 영상 ① AI와 함께 일하는 프로덕트 매니저의 탄생 1. 왜 '데이터 중심'에서 '의미 중심'으로 바뀌었을까? AI 도입 이후, 라쿠텐의 PM들은 데이터를 '분석 대상'이 아닌 '이해의 출발점'으로 보기 시작했습니다. AI가 수많은 거래 기록에서 고객의 '이유'를 찾아내기 때문인데요. 예컨대, 구매율이 높았던 상품군을 단순히 집계하던 과거와 달리, AI는 "왜 이 시점에 구매가 급증했는가"를 설명하는 문맥을 제공합니다. 이 변화가 곧 PM의 역할을 '데이터 분석가'에서 '의미를 해석하는 사람'으로 바꾸었습니다. 이제 라쿠텐의 PM은 AI가 제시한 인사이트를 바탕으로 고객의 맥락을 재구성하고, 제품 개선의 방향을 설계하죠. 실제로 이런 접근은 일본 비즈니스 미디어인 日経XTECH(2025)에서 "라쿠텐이 AI를 통해 PM의 의사결정 품질을 높였다"고 평가한 핵심 배경이기도 합니다. 2. 인간의 직관과 AI 분석은 어떻게 공존할까? 물론, 라쿠텐에서도 AI가 모든 결정을 대신하지 않습니다. AI는 수많은 시나리오를 계산해 '가능한 해답'을 제시하고, PM은 그중 '가장 인간적인 선택'을 검증하는 역할을 맡습니다.

2025년 11월, 이제 AI 이야기는 흔합니다. 하지만 "AI를 어떻게 바라보는가"에 대한 이야기는 흔치 않죠. 오라클의 CTO 래리 엘리슨은 Oracle AI World 2025 무대에서 이런 화두를 던졌습니다. "AI는 인간의 연장이 아니라, 완전히 새로운 형태의 지능이다." 기술 기업의 메시지라기보다, 인류가 AI 시대를 살아가는 '태도'에 대한 선언처럼 들렸습니다. 래리 엘리슨이 이야기하는 'AI 시대의 올바른 시선' 이야기를 살펴보겠습니다. 본 포스팅은 Oracle 공식 유튜브 채널의 "Larry Ellison Keynote: Oracle AI World 2025" 영상을 기반으로 재구성된 글입니다. 참고 영상: Larry Ellison 기조연설: Oracle의 비전과 전략(Oracle AI World 2025) AI 혁명, 새로운 지능의 형태로 진화 인공지능은 더 이상 계산기가 아니다 Larry Ellison은 이번 기조연설의 첫 문장에서부터 'AI는 인간의 연장이 아니라, 전혀 새로운 형태의 지능(Electronic Brain)'이라고 못박습니다. "우리는 지금, 인간의 두뇌가 아닌 전자 두뇌를 만들고 있습니다. 그리고 그것은 스스로 배우고, 스스로 사고합니다." 라고 언급하면서 말이죠. 즉, AI가 이제 '도구(Tool)'의 단계가 아닌, 인류가 함께 사고하는 존재적 파트너로 진화하고 있음을 의미하는 건데요, 래리 엘리슨에 의하면 '멀티모달 AI(Multimodal AI)'는 인간의 뇌처럼 시각이나 언어, 청각, 촉각적 데이터를 통합적으로 이해한다고 합니다. 쉽게 말해 이제 AI는 단순히 언어를 해석하는 차원에서 그치는 것이 아니라, 세상을 감각적으로 "지각"하기 시작한 겁니다. Oracle의 철학: 'AI as a Tool to Amplify People' "AI는 사람을 대체하지 않는다, 증폭한다"

HubSpot CEO 야미니 랑간(Yamini Rangan)은 INBOUND 2025 무대에서 "AI 시대의 성장 공식은 과거의 퍼널(Funnel)이 아닌 루프(Loop)" 라고 선언했습니다. 단순한 마케팅 프레임으로 볼 수도 있지만, 허브스팟이 의미하는 바는 다릅니다. AI와 인간이 함께 학습하며 성장하는 순환 구조를 뜻하거든요. 이번 글에서는 이 루프를 4단계 — Express, Tailor, Amplify, Evolve — 로 나누어 살펴봅니다. 함께 읽으면 좋은 글 본 포스팅은 유튜브 채널 "HubSpot" 의 영상의 내용을 기반으로 재구성된 글입니다. 참고 영상 인바운드의 종말, 그리고 Loop의 탄생 야미니는 "인바운드 마케팅(Inbound Marketing)"이 더 이상 유효하지 않다고 말했습니다. 과거의 인바운드 모델은 검색과 클릭, 전환으로 이어지는 일직선 구조였죠. 그러나 지금은 AI가 콘텐츠를 요약하고, 사용자는 클릭조차 하지 않습니다. HubSpot이 말하는 '루프(Loop)'는 이런 고민 속에 탄생 했다는데요. 요컨대 기업이 고객에게 정보를 '전달'하는 시대에서, 고객과 함께 '학습'하며 성장하는 순환 구조의 시대로 넘어가고 있다는 뜻입니다. 이에 대해 야미니는 이렇게 설명했습니다.

지난 달 INBOUND 2025 무대에 선 HubSpot CEO 야미니 랑간(Yamini Rangan)은 이렇게 말했습니다. "우리는 단순히 새로운 기술에 적응하는 것이 아닙니다. 우리는 인간의 가치를 되묻고 있습니다." AI 시대를 살아가는 지금, 기술 담론을 넘어 인간의 본질을 겨냥한 질문처럼 들립니다. AI는 더 이상 생산성을 높이는 도구에 머물지 않죠. 이제 우리는 '기술에 어떻게 적응할 것인가'보다 '인간으로서 어떤 가치를 지켜갈 것인가'를 스스로 묻고 있습니다. 본 포스팅은 유튜브 채널 "HubSpot" 의 영상의 내용을 기반으로 재구성된 글입니다. 참고 영상: HubSpot's Spotlight with Yamini Rangan and Karen Ng | INBOUND 2025 생산성의 시대에서 정체성의 시대로 이전의 기술 혁신은 언제나 '효율'을 중심에 두었죠. 컴퓨터, 인터넷, 모바일이 그랬습니다. 더 빨리, 더 많이, 더 정확하게 일하기 위한 도구로 발전해 왔습니다. 하지만 지금의 AI는 조금 다릅니다. AI는 인간의 손과 발이 아니라, 사고의 영역을 함께 탐구하는 존재입니다. 야미니의 말처럼, 기술의 중심은 생산성에서 정체성으로 이동하고 있습니다. 그리고, 이 변화의 본질을 이해하기 위해서는 'AI Native'라는 관점이 필요합니다. AI Native는 AI를 경쟁 상대로 보지 않습니다. AI와 함께 성장하는 파트너로 바라보는 태도입니다. 야미니는 이를 명확히 정의했습니다. "인간이 주도하고, AI는 이를 가속화합니다."

AI를 단순한 도구가 아닌 함께 일하는 동료로 활용하는 시대가 열리고 있습니다. DevDay의 마지막 세션에서는 GPT-5 Pro, GPT-Realtime Mini, Sora 2 같은 새로운 모델들이 소개되었는데요. 이번 발표는 AI 동료가 이제 깊은 추론 능력, 자연스러운 음성 상호작용, 창의적인 비디오 제작 능력까지 갖추었음을 보여주었습니다. 함께 읽으면 좋은 글 GPT-5 Pro: 지능과 깊은 추론의 확장 OpenAI가 공개한 GPT-5 Pro는 지금까지 출시된 모델 중 가장 지능적인 모델입니다. 기존 GPT-5가 에이전트 제어와 엔드 투 엔드 코딩에서 높은 평가를 받았다면, 이번 GPT-5 Pro는 한 단계 더 나아가 전문적인 영역까지 확장했는데요. 금융, 법률, 헬스케어처럼 정밀한 추론과 높은 정확도가 필요한 분야에서 큰 성과를 보여줄 수 있습니다. 단순히 답을 제시하는 수준을 넘어, 인간 전문가와 함께 복잡한 문제를 풀어내는 전문 동료로 자리매김하고 있습니다. GPT-Realtime Mini: 음성 상호작용 시대를 앞당기다 OpenAI는 AI와 상호작용하는 핵심 방식으로 음성을 꼽았습니다. 이를 가속화하기 위해 GPT-Realtime Mini API를 발표했는데요. 이 모델은 두 달 전 공개된 고급 음성 모델과 동일한 음성 품질과 표현력을 제공하면서도, 비용을 70% 줄였습니다. Codex 데모에서 확인된 것처럼 개발자는 Real-time API를 Agent SDK와 통합해, 음성으로 앱을 제어하거나 주변 환경과 상호작용하는 시스템을 구축할 수 있습니다. 이는 AI 음성 인터페이스를 현실로 만드는 데 있어 큰 도약(big leap)이라 할 만합니다. Sora 2: 통제 '가능'한 크리에이티브 동료

AI는 더 이상 사람이 직접 코드를 치는 도구가 아닙니다. 이제는 아이디어만 있으면 누구나 앱을 만들고, AI 동료와 함께 공동 창조를 경험할 수 있는 시대로 들어섰습니다. 이번 2부에서는 OpenAI DevDay 2025에서 공개된 소프트웨어 공동 창조(Co-Creation)의 주요 포인트를 정리해 보았습니다. 함께 읽으면 좋은 글 소프트웨어 개발의 문턱을 허물다: 아이디어만 있으면 앱이 된다 Sam Altman은 이번 발표에서 지금이 자신이 본 "소프트웨어 생성 방식에서 가장 큰 변화"라고 강조했습니다. 과거에는 전문 지식이 필요한 일이었지만, 이제는 아이디어만 있으면 누구나 앱을 만들 수 있는 세상이 된 것이죠. 일본에서는 89세 은퇴자가 ChatGPT의 도움을 받아 독학으로 코딩을 배우고, 고령 사용자를 위한 iPhone 앱 11개를 직접 만들었습니다. 평생의 지혜가 앱으로 바뀌어 다른 노인들이 더 독립적으로 생활할 수 있도록 돕고 있는 사례입니다. ASU 의대 학생들은 가상의 환자 앱을 만들어 의사로서 겪을 대인관계 대화를 연습했습니다. 실제 시험실에 들어가기 전에 시도하고 실패하면서 성장할 수 있는 환경을 제공한 거죠. 또 프랑스 베르사유 궁전은 실시간 API를 통해 방문객이 예술품이나 조각과 대화할 수 있는 경험을 만들었습니다. 역사가 책이 아니라 대화(Conversation)로 살아 움직인 셈입니다. Codex: 소프트웨어 엔지니어링 팀의 유능한 동료 이 새로운 흐름의 중심에는 Codex가 있습니다. Codex는 단순한 개발 도구가 아니라, 개발자 옆에서 함께 일하는 소프트웨어 엔지니어링 에이전트인데요. Codex는 어디에서든 작동합니다. IDE, 터미널, GitHub, 클라우드까지 지원하고, ChatGPT 계정으로 연결되어 도구 간 작업을 끊김 없이 이어갑니다.

AI 협업의 패러다임이 빠르게 바뀌고 있습니다. 샌프란시스코에서 열린 OpenAI DevDay 2025에서는 ChatGPT, Apps SDK, Agent Kit을 중심으로 앞으로의 AI 협업 환경이 어떻게 진화할지 보여줬는데요. 이번 글에서는 주요 발표 내용을 3가지 흐름으로 정리해 보았습니다. AI Native 시대의 개막: '함께 만드는 AI' 2023년 첫 DevDay 이후 OpenAI 생태계는 눈에 띄는 성장을 했습니다. 개발자 수는 2백만 명에서 4백만 명 이상으로, 주간 ChatGPT 사용자는 1억 명에서 8억 명 이상으로 늘어났습니다. API에서 처리되는 토큰 양 역시 분당 3억 개에서 60억 개 이상으로 뛰었는데요. 이 지표들은 AI가 이제 단순히 '놀잇감'이 아니라, 매일 함께 일하는 동료로 자리 잡았다는 사실을 보여줍니다. Sam Altman은 지금을 "빌더에게 가장 좋은 시대"라고 강조하며, 아이디어가 제품으로 전환되는 속도가 역사상 가장 빠르게 가속화되고 있다고 말했습니다. ChatGPT의 진화: 챗봇에서 협업 플랫폼으로 (Apps SDK) ChatGPT는 이제 챗봇을 넘어, 앱을 내장한 협업 플랫폼으로 확장되고 있습니다. 그 핵심은 Apps SDK인데요. Apps SDK를 활용하면 개발자가 ChatGPT 내부에 실제 앱을 구축할 수 있습니다. 데이터 연결과 액션 트리거는 물론, 상호작용 가능한 UI까지 통합할 수 있죠. 무엇보다 MCP(Agentic Commerce Protocol)를 기반으로 공개 표준을 지원해, 누구나 쉽게 통합할 수 있습니다. 여기에 수억 명의 ChatGPT 사용자를 대상으로 곧바로 앱을 배포할 수 있고, 앞으로는 즉시 결제(Instant Checkout) 같은 수익화 모델도 지원될 예정입니다. 결과적으로 ChatGPT는 앱 생태계와 커머스를 품은 강력한 플랫폼으로 변모하고 있는 셈입니다. '앱과 대화하기': 실시간 맥락 공유 Apps SDK의 또 다른 핵심 기능은 '앱과 대화하기(Talking to Apps)'입니다. 사용자가 앱 이름을 직접 부르거나 대화 흐름에 맞춰 ChatGPT가 적절한 앱을 추천해 주는 방식인데요.

AI 혁명은 이미 시작되었습니다. 소프트뱅크 손정의 회장은 최근 강연에서 "AI 에이전트(AI Agent)"가 어떻게 우리의 삶과 산업 전반을 바꿀지 비전을 제시했습니다. 이번 글에서는 그 강연의 핵심 내용을 3가지 주제로 나누어 정리합니다. 본 포스팅은 유튜브 채널 "Softbank for biz" 의 영상의 내용을 기반으로 재구성된 글입니다. 참고 영상 AI 에이전트 시대의 개막 세계 최정상 AI와의 협력 손정의 회장은 최근 강연에서 AI 혁명의 최전선에 있는 인물로 OpenAI의 샘 올트먼 CEO를 꼽았습니다. 직접 만나 나눈 대화를 통해, 앞으로 다가올 AI의 가능성과 방향성을 직접 확인했다고 하는데요, 이 자리에서 소프트뱅크 그룹이 어떤 큰 그림을 그려야 할지에 대한 확신도 얻었다고 하죠. 소프트뱅크의 목표: 10억 개 AI 비서 소프트뱅크가 내세운 목표는 굉장히 큽니다. 바로 ‘크리스탈 인텔리전스(Crystal Intelligence)’ 프로젝트를 통해 10억 개의 AI 비서를 만들어내는 건데요. 이 비서들은 단순히 질문에 답하는 수준이 아닙니다. 전국의 네트워크 장비를 실시간으로 감시하다가 이상이 생기면, 사람의 지시를 기다리지 않고 스스로 문제를 해결한다고 해요. 또 인사나 재무, 영업 같은 회사의 핵심 부문에서도 직원의 성과를 점검하고 필요한 의사결정을 내리며, 심지어 AI 비서들끼리 소통하며 업무를 진행하기도 합니다.

일본 기업들 사이에서 데이터 활용과 AI 도입은 이제 단순한 유행이 아니라 필수 전략이 되고 있습니다. 하지만 현실은 그렇게 간단하지 않죠. 데이터를 모아두었는데도 제대로 쓰이지 않거나, 부서마다 생각이 달라 협업이 잘 안 되는 문제가 자주 발생합니다. 일본을 대표하는 광고, 마케팅 기업 하쿠호도 그룹의 기술 전문 회사, 하쿠호도 테크놀로지스는 이런 문제를 풀기 위해 어떤 시도를 하고 있을까요? 본 포스팅은 유튜브 채널 "TECH PLAY Channel" 의 영상의 내용을 기반으로 재구성된 글입니다. 출처 영상: https://techplay.jp/column/1938 핵심은 세 가지입니다: 데이터 활용을 돕는 '데이터 컨시어지' 복잡한 과정을 줄이는 '데이터 가상화' AI와 결합한 새로운 데이터 관리 방식 하나. 직원 곁에서 돕는 '데이터 컨시어지' 하쿠호도 테크놀로지스는 '데이터 컨시어지'라는 서비스를 만들었습니다. 데이터를 어떻게 써야 할지 막막한 직원들에게, 호텔에서 길을 알려주는 안내원처럼 도와주는 역할을 하죠. 컨시어지: 호텔에서 손님이 필요로 하는 서비스를 대신 챙겨주는 직원 단순히 기술 문제만 해결하는 게 아니라, 직원이 어떤 데이터를 찾고 싶은지 같이 고민해줍니다. 그래서 회사 안에서는 "모르면 일단 데이터 컨시어지에게 물어보자"라는 분위기가 생겼고, 덕분에 더 많은 직원이 편하게 데이터를 활용하게 되었습니다. 둘. 복잡한 저장 과정을 줄이는 '데이터 가상화' 예전에는 데이터를 쓰려면 외부에서 가져와 다듬고, 다시 저장소에 넣는 여러 단계를 거쳐야 했습니다. 이 과정은 시간도 오래 걸리고 관리도 까다로웠습니다. 이를 단순하게 만든 게 '데이터 가상화'입니다. 흩어져 있는 데이터를 실제로 옮기지 않고도, 마치 한곳에 있는 것처럼 다룰 수 있는 기술입니다. 덕분에 불필요한 복사 과정을 줄이고, 필요한 사람에게 바로 데이터를 전달할 수 있습니다.

모든 프로젝트가 성공하는 것은 아니다 앞선 1, 2편에서 살펴본 것처럼, 퍼솔은 애자일 × 거버넌스 × 사용자 참여형이라는 전략을 통해 사내 AI 활용을 빠르게 확산시켰습니다. 그러나 모든 시도가 순조롭게 진행된 것은 아니었는데요. 실제로 몇몇 프로젝트는 기대만큼 성과를 내지 못했고, 이를 통해 중요한 교훈을 얻게 되었습니다. 이번 3편에서는 퍼솔이 경험한 실패와 성공 사례, 그리고 그로부터 얻을 수 있는 인사이트를 정리합니다. 본 포스팅은 유튜브 채널 "TECH PLAY Channel" 의 영상의 내용을 기반으로 재구성된 글입니다. 출처 영상: https://techplay.jp/column/1937 실패 사례: 현장과 괴리된 AI 도입 퍼솔이 초기 시도한 프로젝트 중 일부는 현장의 필요와 맞지 않는 방향으로 기획되어 실패를 경험했습니다. 전사적으로 일괄 도입된 번역 AI 툴은 실제 필요성이 낮은 부서에서는 거의 사용되지 않았습니다. 이는 도입 자체가 목표가 되었을 뿐, 직원들의 일상 업무와 연결되지 못했기 때문에 발생한 문제였습니다. 이 경험은 기술의 우수성보다 활용 맥락과 현장의 주도성이 더 중요하다는 사실을 일깨워 주었습니다. 성공 사례: 현장 주도의 개선과 확산 반대로 성공한 프로젝트들은 작은 현장 개선에서 출발했습니다. 회의 준비 시간을 줄이고 싶다는 필요에서 시작된 문서 자동 요약 시스템은 단기간에 투자 대비 효과를 증명했고, 영업 현장의 제안으로 시작된 고객 대응 템플릿 생성 도구는 빠르게 전사로 확산되었습니다. 이러한 성공 사례는 직원들에게 AI가 실제로 업무를 도와준다는 확신을 주었고, 이후 신규 프로젝트 제안과 참여를 촉진하는 원동력이 되었습니다. 교훈: 실패와 성공을 동시에 관리하는 조직 문화 퍼솔은 실패를 숨기지 않고 공유 가능한 자산으로 전환했습니다. 실패 이유를 분석해 전사에 공유함으로써 같은 실수를 반복하지 않도록 했고, 성공 사례는 빠르게 확산시켜 성과 체감과 참여 확대라는 선순환을 강화했습니다.

실무진의 AI 역할 개발 전략과 실행 사례는? 현장에서 체감하는 AI의 힘 앞선 1편에서 살펴본 것처럼, 퍼솔은 애자일과 거버넌스의 균형을 통해 안전한 AI 도입 기반을 마련했습니다. 하지만 실제 변화를 만들어 내는 주체는 결국 현장에서 일하는 실무진입니다. 이번 2편에서는 퍼솔이 어떻게 현장 직원들에게 AI를 “남의 기술”이 아닌 “내 업무의 도구”로 받아들이도록 만들었는지를 다룹니다. 핵심은 역할 개발 전략과 실행 사례입니다. 본 포스팅은 유튜브 채널 "TECH PLAY Channel" 의 영상의 내용을 기반으로 재구성된 글입니다. 출처 영상: https://techplay.jp/column/1937 실무진의 AI 활용 역량 개발 퍼솔은 단순히 AI 사용법을 교육하는 수준을 넘어, 직원들이 스스로 업무 속에서 AI의 역할을 정의하도록 했습니다. 부서별 워크숍을 운영해 채용 부서에서는 이력서 검토 효율화, 영업 부서에서는 고객 응대 자료 요약 자동화와 같은 활용 시나리오를 도출했습니다. 이렇게 만들어진 결과물은 사내 공유 플랫폼을 통해 전체 직원이 열람할 수 있도록 공개되었고, 이는 AI 활용 지식을 집단적으로 축적하는 계기가 되었습니다. 파일럿 프로젝트와 확산 아이디어는 곧바로 소규모 파일럿 프로젝트로 연결되었습니다. 예를 들어 사내 문서 자동 요약 시스템은 직원 제안에서 출발해 실제 회의 준비 시간을 30% 단축시켰고, 고객 대응 템플릿 생성 도구 역시 영업 현장의 제안으로 시작해 이후 전사적으로 채택되었습니다. 주목할 점은 이러한 성공 사례들이 경영진의 지시가 아니라 현장의 제안에서 출발했다는 사실입니다. 참여와 성과가 만드는 선순환 퍼솔은 직원들이 AI를 단순히 주어진 도구로 사용하는 데서 멈추지 않고, 업무 혁신의 공동 설계자로 참여할 수 있도록 만들었습니다.

2023년 이후 일본 기업들 사이에서 ChatGPT 같은 생성형 AI는 더 이상 “한번 시험해보자” 수준이 아니라, 경영 전략의 중요한 축이 되고 있습니다. 하지만 실제 현장에서는 보안 문제, 비용 부담, 직원마다 활용 능력의 차이 때문에 “도입은 했지만 성과는 없는” 상황이 자주 벌어집니다. 이런 배경 속에서 인재 종합 서비스 기업 퍼솔(Persol Holdings) 은 어떻게 AI를 사내에 뿌리내리고, 모두가 활용하는 문화로 만들었는지를 공유했습니다. 본 포스팅은 유튜브 채널 "TECH PLAY Channel" 의 영상의 내용을 기반으로 재구성된 글입니다. 출처 사이트: https://techplay.jp/column/1937 핵심은 세 가지입니다: 빠르게 시도하고 개선하는 방식(애자일) 안전하게 관리하는 체계(거버넌스) 직접 참여하는 구조(사용자 참여형) 하나. 빠르게 시도하면서도 안전하게 관리하기 퍼솔은 AI 도입을 단순한 IT 프로젝트가 아니라 조직 전체의 변화 과정으로 보았는데요, 그래서 두 가지를 동시에 추진했습니다. 빠른 실험과 개선: 소규모 부서부터 시도하고, 잘 안 되면 바로 수정 안전 장치 마련: 개인정보 보호, 데이터 관리, 윤리적 사용 규칙을 명확히 설정 이 덕분에 직원들은 “마음 놓고 시도해도 된다”는 안정감을 느끼며 AI 활용에 적극적으로 참여할 수 있었습니다. 둘. 직원이 직접 참여하는 확산 구조

AI 시대의 도래와 함께 기업들은 근본적인 변화의 기로에 서 있습니다. 단순히 AI 툴을 도입하는 것을 넘어서 조직 전체를 AI 네이티브 기업으로 변화시켜야만 경쟁력을 유지할 수 있는 시대가 된 것입니다. "지금 시작하지 않으면 정말로 회사가 망할 수 있다"는 강한 위기의식을 가지고 전면적인 AI 변혁에 나선 일본의 대표적인 인터넷 기업 DeNA의 사례를 살펴보겠습니다. 오늘은 DeNA 창업자이자 회장인 남바 토모코가 직접 공유한 "AI 기업으로의 변혁" 전략과 실제 적용 사례를 통해 한국 기업들이 참고할 수 있는 구체적인 인사이트를 제공하고자 합니다. *본 포스팅은 DeNA 공식 유튜브 채널 "【AI企業への変革】DeNA南場が語るこれからの「人と組織とAI」のあり方" 영상의 내용을 기반으로 재구성된 글입니다. DeNA는 2024년 2월 "AI 올인"을 공식 발표한 후, 반년 만에 전사적인 AI 네이티브 기업으로의 변화를 이끌어내고 있습니다. 남바 회장이 제시한 변화의 핵심은 단순한 효율화를 넘어서 조직의 근본적 재구성에 있습니다. DeNA의 AI 올인 3대 전략 1. AI를 통한 전사 생산성 향상 모든 직원이 AI를 활용하여 업무 생산성을 극대화하는 것이 첫 번째 목표입니다. 이를 통해 창출된 여유 자원을 더 가치 있는 업무에 투입할 수 있게 됩니다. 2. AI를 통한 기존 사업 경쟁력 강화 기존 서비스와 제품에 AI를 접목하여 차별화된 경쟁우위를 확보하는 전략입니다. 3. AI 기반 신규 사업 창출 완전히 새로운 AI 네이티브 사업을 지속적으로 발굴하고 육성하는 것입니다.

최근 생성AI가 급속히 확산되면서 많은 기업들이 업무 효율화와 서비스 혁신을 위해 AI 도입에 나서고 있습니다. 하지만 기술 도입은 쉬워도 실제 현업에서 성과를 내기까지는 많은 시행착오가 필요하죠. 특히 젊은 엔지니어들에게는 새로운 기술을 배우고 적용하는 과정이 큰 도전이자 성장의 기회가 됩니다. 오늘은 일본 대표 IT 서비스 기업인 SCSK의 입사 5년차 엔지니어 쿠보타 나나코 씨의 생성AI 프로젝트 경험담을 통해 AI 시대 엔지니어가 갖춰야 할 역량과 성장 전략을 살펴보겠습니다. 연구실에서 배운 이론을 실무에 적용하며 겪은 시행착오와 깨달음에서 한국 기업과 엔지니어들이 참고할 만한 인사이트를 발견할 수 있었습니다. *본 포스팅은 유튜브 채널 "TECH PLAY Channel" 의 영상의 내용을 기반으로 재구성된 글입니다. 출처 영상: https://www.youtube.com/watch?v=TnrkxQFHSe8 SCSK 연구개발부문의 쿠보타 나나코 씨는 대학원에서 정보계 연구실에 소속되어 학업을 마친 후 SCSK에 입사해 5년째 근무 중입니다. 그녀가 최근 담당한 프로젝트는 생성AI와 RAG(Retrieval Augmented Generation) 기술을 활용한 QA 챗봇 개발이었습니다. 단순히 연구하는 것이 목표가 아니라 "사람에게 도움이 되는 시스템을 개발하고 싶다"는 명확한 목표 의식을 가지고 있었던 쿠보타 씨에게 이번 프로젝트는 이상적인 업무였습니다. 새로운 기술을 활용해 실제 업무 효율화에 기여할 수 있는 시스템을 만드는 일이었기 때문입니다. 그렇다면 그녀는 어떤 목표를 가지고, 어떤 방식으로 이 프로젝트에 접근했을까요? 프로젝트 초기 단계에서 설정한 방향성과 기술적 기반을 먼저 살펴보겠습니다. 프로젝트 목표와 접근법 1. RAG 기술을 활용한 실용적 AI 솔루션 개발 SCSK에서는 텍스트, 이미지, 동영상, 음성 등 다양한 콘텐츠 생성이 가능한 생성AI를 아이디어 검토나 질문 응답용 챗봇부터 시스템 개발 효율화까지 폭넓은 용도로 활용하고 있습니다. 쿠보타 씨가 담당한 프로젝트는 그 중 하나로, RAG 기술을 핵심으로 했습니다. RAG는 생성AI와 검색을 결합한 기술입니다. 사용자의 질문에 맞춰 미리 준비된 데이터베이스에서 관련 정보를 찾아 생성AI에 전달함으로써, 범용 생성AI가 학습하지 않은 내용에 대해서도 정확한 답변을 제공할 수 있게 됩니다. 이를 통해 직원들의 문의에 자동으로 응답하는 챗봇을 개발한 것이죠.