Chris Perry, Andus Labs 설립자 겸 CEO – 인터뷰 시리즈

Chris Perry, Andus Labs 설립자 겸 CEO는 커뮤니케이션, 디지털 전략 및 혁신 분야의 임원으로, 기술과 비즈니스의 주요 변화를 조직이 헤쳐 나가도록 돕는 데 거의 30년 가까운 경험을 가지고 있습니다. 2025년에 Andus Labs를 설립하기 전에 Perry는 Weber Shandwick에서 22년 이상 근무했으며, Futures 담당 회장, 최고 혁신 책임자, 디지털 커뮤니케이션 사장, 디지털 전략 및 운영 EVP, 그리고 SVP 등 연속적인 고위 리더십 역할을 맡았습니다. 초기 경력에서는 General Motors에서 기술 커뮤니케이션을 담당했고, Edelman에서 부사장으로 일했습니다. 그의 경력은 디지털 전환, 신흥 기술, 조직 변화, 그리고 기술과 이를 활용하는 사람들 간의 진화하는 관계에 초점을 맞추고 있습니다.

Andus Labs는 기술을 둘러싼 인간 시스템에 집중함으로써 기업이 AI 역량을 실질적인 조직 성과로 전환하도록 돕습니다. 회사는 자신의 사명을 “Human OS for AI”를 구축하는 것으로 설명합니다—이는 사람과 AI 에이전트 간의 작업을 조율하도록 설계된 운영 레이어이며, AI 투자가 조직 준비성, 워크플로우 및 도입이 기술 자체보다 뒤처질 때 종종 기대에 미치지 못한다는 전제에 기반합니다. 이들의 작업은 AI 작업 조정 프로그램, 조직 학습을 강화하고 확대하는 제품, 그리고 인간과 AI가 효과적으로 협업할 수 있는 방안을 탐구하는 실무자, 예술가, 인문학자들의 광범위한 네트워크를 포함합니다.

당신은 Weber Shandwick에서 20년 이상 근무하며, 고위 디지털 역할에서 최고 혁신 책임자 및 Futures 담당 회장으로 성장했으며, 2025년에 Andus Labs를 설립했습니다. 그 기간 동안 대규모 조직 내부에서 무엇을 관찰했으며, 그 결과 AI 변혁의 가장 큰 장벽이 기술 자체가 아니라 기술을 둘러싼 인간 및 조직 시스템이라고 확신하게 되었나요?

저는 Weber Shandwick에 들어가기 전, 처음 일을 시작했던 디트로이트의 아버지 그래픽 아트 스튜디오에서 이를 배웠습니다. 데스크톱 출판은 조판사와 일러스트레이터가 손으로 하던 작업을 소프트웨어로 옮겼습니다. 그 변화는 아버지의 사업 모델을 무너뜨렸고, 아버지는 너무 늦은 뒤에야 그 전환을 알아차렸습니다.

Weber Shandwick에서 저는 소셜 미디어, 블로그, 비디오, 모바일, 데이터 등 새로운 기술 물결을 타고 세계 최대 기업들과 협업했습니다. 매번 패턴은 동일했습니다. 기술이 도입되면, 사람들은 변화를 느끼고 스스로 사용하기 시작했습니다. 리더십과 조직 구조는 가장 나중에 움직였습니다.

그 초기 물결들에서 기업들은 그 지연으로 인해 입지를 잃으며 비용을 치렀지만, 사람들은 여전히 작업을 수행했습니다. AI는 지식 작업에 있어 데스크톱 출판이 아버지의 스튜디오에 했던 일과 같은 역할을 합니다. 사람들이 작업을 수행하는 방식이 소프트웨어에 내재됩니다.

경영대학에서는 사람과 에이전트가 작업을 공유하는 회사를 운영하는 방법을 가르치지 않습니다. 대부분의 기업은 AI를 억지로 적용해 기존 작업을 더 빠르게 처리합니다. 진정한 가치는 리더가 직원들을 AI와 함께 작업을 재구성하도록 할 때 얻어집니다. 작업은 단순히 빨라지는 것이 아니라 형태가 변합니다.

우리는 “and us”라는 의미에서 Andus Labs라고 이름을 지었습니다. 왜냐하면 우리는 결과가 결국 사람들에게 달려 있다고 믿었기 때문입니다.

Andus Labs는 기업이 고급 AI 역량을 보유하고 있으면서도 그 가치를 포착하기 위한 “인간 준비성”이 부족할 수 있다고 주장합니다. AI를 성공적으로 도입한 기업과 실제로 작업 방식을 변화시킨 기업을 구분 짓는 요소는 무엇인가요?

저는 AI 도입률이 80%라고 보고하면서 작업 방식 변화는 약 5%에 불과한 회사를 만나 보았습니다. 채택률 수치만이 이사회 자료에 실렸고, 두 번째 수치는 숨겨진 것이 아니라 대시보드에 표시할 위치가 없었을 뿐입니다.

배포는 측정하기 쉽습니다. 할당된 라이선스, 배치된 에이전트, 로그인 수 등은 활동을 나타내지만 영향은 아닙니다. 우리는 고객에게 기업이 이제 할 수 있게 된 것이 무엇인지 묻습니다. 대부분 솔직한 답은 동일한 보고서, 프레젠테이션 및 분석이 단지 더 빨라졌다는 것입니다.

변화를 이루는 기업들은 다른 지표를 측정합니다. 파일럿이 충분한 가치를 창출해 확장할 가치가 있었는가? 1년 전에는 만들 수 없었던 것을 이사회에 제시할 수 있는가? AI가 가장 가치 있는 인재들의 부담을 줄여 그들이 오직 자신만이 할 수 있는 일을 수행하도록 하는가? 이러한 지표들은 좌석 수처럼 쉽게 셀 수는 없지만, 변화가 있었는지를 알려주는 척도입니다.

이런 질문에도 책임자가 필요합니다. 대부분의 기업에서 누가 책임자인지 물으면 담당자 목록이 나옵니다. CIO는 플랫폼을, 전문 조직인 센터 오브 엑설런스는 시범 사업을, 인사팀은 교육을 담당합니다. 사업에 미치는 효과는 누구의 담당 목록에도 없습니다.

한 기업은 몇 명이 접근 권한을 가지고 있는지 알려줄 수 있지만, 다른 기업은 무엇이 변했으며 누가 그에 대한 책임을 지는지 알려줄 수 있습니다.

Ground Truth Index는 현재 595개 조직의 리더들과 협업하고 대화하며 관찰한 300개의 기록된 패턴으로 구성된 자료 모음을 바탕으로 합니다. 독립적인 분석 에이전트 다섯 개가 각 패턴에 점수를 매긴 뒤, 연구진이 검토하고 최종 순위를 결정합니다. 이 방법론은 어떻게 발전해 왔으며, 인간의 판단은 어느 단계에서 개입하나요? 또 현장 관찰에 이미 들어 있는 가정을 지수가 단순히 강화하는 데 그치지 않도록 어떻게 방지하나요?

자료 모음이 확대됨에 따라 방법이 변했습니다. 모든 패턴은 비즈니스 리더와의 대화에서 듣고 보는 것에서 시작됩니다. 우리는 새로운 신호를 자료 모음과 비교하고 현장 관찰 및 외부 연구와 테스트한 뒤, 그것이 진정으로 새로운 것인지, 이미 추적하고 있는 패턴을 강화하는 것인지, 아니면 다른 곳에 속하는지 판단합니다.

AI는 매 분기마다 전체 자료 모음을 평가하도록 도와주며, 이는 연구팀이 수작업으로는 할 수 없습니다. 에이전트들은 각기 다른 전문 관점으로 모든 패턴을 읽고 동일한 다섯 가지 차원에서 점수를 매깁니다. 그들은 블라인드 방식으로 작업하므로 어느 에이전트도 다른 에이전트에 영향을 줄 수 없습니다. 우리는 중앙값을 사용해 단일 이상치가 점수를 좌우하지 못하게 하고, 상위 50개는 인간 검토로 넘어갑니다.

인간의 판단이 전체 과정에 스며듭니다. 우리 연구팀은 자료 모음에 들어오는 모든 패턴을 승인하고, 순위를 검토한 뒤 최종 25개를 결정합니다. 우리는 에이전트들의 의견이 일치하지 않는 부분과, 언론의 관심이 현장에서 듣는 내용과 충돌하는 부분에 가장 많은 주의를 기울입니다. 점수를 조정할 수는 있지만, 이는 문서화된 관찰에 근거할 때만 가능합니다: 누가 제기했는지, 얼마나 자주 들었는지, 그리고 조직 전반에 걸쳐 지속되었는지 여부입니다. 직감만으로는 점수를 바꿀 수 없습니다.

새로운 Ground Truth Index는 “Empty Chairs”(빈 의자)를 기업 AI에 대한 1위 장벽으로 평가합니다. 이는 AI 시스템이 채용, 가격 책정, 위험 관리와 같은 의사결정에 영향을 미치게 하면서도 누가 책임을 지고 그 결정을 뒤집을 권한이 있는지 명확히 밝히지 않는 조직을 의미합니다. AI가 행동을 추천하는 단계에서 실제 비즈니스 결과를 형성하는 단계로 이동함에 따라, 의미 있는 인간 책임은 실제로 어떻게 구현되어야 할까요?

AI가 접촉하는 기능이 많아질수록, 기업을 대신해 내리는 결정도 늘어납니다. 책임성은 기술적 문제보다 먼저 관리적 질문이 됩니다.

책임은 대개 AI 시스템을 구매한 사람과 사용하는 사람 사이 어딘가에 놓여 있고, 어느 쪽도 맡지 않습니다. 누군가 결정에 이의를 제기하기 전까지 그 공백은 드러나지 않습니다. 그것이 바로 빈 의자입니다.

책임성이란 시스템의 결과물을 확인하고 그 결과를 설명하거나 바로잡거나 시스템을 중단할 수 있는 리더가 명확히 지정되어 있다는 뜻입니다. 그러려면 대개 여러 부서에 걸친 프로세스에 대한 권한이 필요합니다.

우리는 리더들에게 이번 분기에 AI가 도움을 준 중요한 의사결정 하나를 선택하고, 그에 대한 책임자가 누구인지 알려달라고 요청합니다. 답이 명확하지 않을 경우, 회사는 의사결정 방식을 바꾸었지만 누가 그에 대한 책임을 지는지는 정해지지 않은 것입니다.

새로운 지수에서 두 번째 장벽으로 꼽힌 “Learning While Drowning”(물에 빠진 채 배우기)은 기존 업무량을 그대로 둔 채 AI 교육을 의무화하는 기업을 보여 줍니다. 동시에 “Optimization Temptation”(최적화의 유혹)은 사람들을 더 높은 가치의 업무로 재배치해서 얻는 가치를 측정하기는 어려운 반면, 인력 감축에 따른 절감액은 얼마나 쉽게 수치화할 수 있는지 보여 줍니다. 기업들은 단순히 AI로 비용을 줄이는 대신 AI를 통해 직원의 생산성을 높이기 위해 필요한 조직적 투자를 근본적으로 과소평가하고 있나요?

네. 역할을 없애서 절감되는 비용은 스프레드시트에 쉽게 기록할 수 있습니다. 그러나 그 사람의 지식, 관계 및 판단 가치는 훨씬 포착하기 어렵습니다. 절감 효과는 이번 분기에 나타나지만, 손실은 수년 동안 누적될 수 있습니다.

감축 배경에 있는 가정도 종종 잘못되었습니다. AI는 현재 업무를 더 효율적으로 만들 뿐만 아니라 새로운 작업도 발생시킵니다. 우리가 목격하고 있는 것은 전체 기능이 삭제되는 것이 아니라, 팀이 재조정되어 사람들이 다른 직무로 이동하는 현상입니다.

교육 의무화는 업무량에 관한 결정입니다. 기업은 기존 업무 위에 AI 교육을 추가하고, 낮은 완료율을 동기 부여 문제로 해석합니다. 그들이 포기하는 투자는 예산에 들어가지 않는 투자입니다. 어떤 업무를 중단하고, 축소하거나 이동시켜 공간을 만들지 결정하고, 누가 이를 승인했는지 명시해야 합니다. 학습에는 시간이 걸립니다. 적용에는 더 많은 시간이 필요합니다. 사람들은 익숙하지 않은 도구를 시험하고, 결과물을 검증하며, 기존에 해오던 방식을 바꿔야 하기 때문입니다.

답은 목록의 또 다른 항목이 아닙니다. 팀을 실제 프로젝트에 투입하면 학습은 업무 속에서 이루어집니다.

Index는 또한 “Devaluation Anxiety”(가치 하락 불안)를 식별합니다. 이는 AI가 점점 더 가치 있는 업무를 수행하게 될 때 직원들에게 어떤 일이 일어날지에 대한 우려를 반영합니다. 경영진이 AI에 대한 저항이라고 라벨링하는 것 중 얼마나 많은 부분이 실제로는 경력 가치에 대한 합리적인 불안인지, 그리고 이러한 시스템을 도입할 때 리더가 무엇을 다르게 해야 하는지에 대한 질문입니다.

대부분은 합리적입니다. 직원들은 한 번은 AI 효율성에 대한 발표를 듣고, 다음에는 정리해고 소식을 듣습니다. 그들은 스스로 결론을 내립니다.

경영진은 이를 별개의 메시지로 취급하지만, 팀은 그렇지 않습니다. 팀은 교육을 마치고도 실험을 보류하여 실제로 유용하게 만들 기회를 놓칩니다.

안심만으로는 해결되지 않습니다. 리더는 직무에 대해 어떤 결정이 내려졌는지, 무엇이 아직 불확실한지, 그리고 직원들이 어떤 지원을 기대할 수 있는지를 명확히 밝혀야 합니다.

얻는 혜택도 마찬가지입니다. 기업은 사업이 AI에 무엇을 기대하는지 자세히 설명하지만, 직원이 얻는 것은 비워 둡니다. 누군가 일을 더 빨리하게 되면 무엇을 얻나요? 더 나은 일을 할 여유, 승진의 길, 돌려받는 시간인가요? 이런 내용이 도입 계획에 들어가야 합니다.

경영진은 팀에게 AI와 함께 일하는 방식을 다르게 하도록 요구하고 있습니다. 그러나 팀은 먼저 경영진이 실천하는 모습을 기다리고 있습니다.

또 다른 패턴은 “Active Inertia”이며, 조직이 AI를 사용해 기존 프로세스를 근본적으로 바꾸지 않고 가속화합니다. 진정한 AI 기반 워크플로우 재설계는 어떻게 보이며, 기존 프로세스를 단순히 빠르게 만드는 것과 AI가 이제 가능하게 만든 것을 중심으로 프로세스를 재구축하는 것의 차이를 예시로 들어줄 수 있나요?

대부분의 기업은 자동화하기 가장 쉬운 영역에 AI를 적용하는데, 이는 종종 처음부터 존재해서는 안 되는 업무입니다. 보고서는 더 빨리 나옵니다. 승인 절차는 언제나 그랬던 속도로 진행됩니다. 이것이 바로 Active Inertia입니다.

재설계는 사전에 AI 모델이 수행할 역할과 팀이 담당할 부분을 결정하고, 기존 형태를 그대로 이어받는 대신 그에 맞춰 구축합니다.

주간 보고서를 예로 들어보세요. 빠른 버전에서는 AI가 초안을 작성하고, 동일한 사람들이 같은 일정에 동일한 문서를 검토합니다. 재구축된 버전은 보고서의 목적을 묻습니다. 문제가 조기에 포착될 수 있도록 존재한다면, 시스템은 문제가 발생하는 순간 이를 표시하고 보고서는 사라집니다.

당신은 “가치는 역량 곱하기 흡수 능력”이라고 쓰며 단순한 소프트웨어보다 시스템을 강조했습니다. 최첨단 모델이 점차 차별성 없는 범용재가 되어 누구나 이용할 수 있게 될수록, 조직이 AI를 받아들이고 그에 맞게 재편하는 능력이 모델 자체에 접근하는 것보다 더 지속적인 경쟁 우위가 될 수 있을까요?

네. 모델을 배포하는 것은 그 주변의 업무를 바꾸는 것보다 쉽습니다. 모델은 엄청난 성능을 가지고 매 분기마다 가격이 내려갑니다. 동일한 모델을 누구나 사용할 수 있습니다. 구매할 수 없는 것은 기업 내부의 고유한 맥락과 이를 최대한 활용할 준비가 된 팀입니다.

우리가 “수용 역량”이라고 부르는 것은 오래된 개념입니다. 이는 팀이 새로운 것을 받아들여 활용할 수 있는 능력으로, 의사결정 권한, 인센티브, 워크플로우, 직무 설계, 그리고 사람들이 문제점을 알려줄 만큼의 신뢰로 구성됩니다. 이 모든 것은 임대할 수 없습니다.

가치를 역량 곱하기 흡수 능력이라고 설명하는 이유는 두 요소가 곱해지기 때문입니다. 더해지는 것이 아닙니다. 받아들일 수 없는 조직에 뛰어난 모델을 넣는 것은 밀봉 기능이 망가진 부품에 완벽한 부품을 볼트로 결합하는 것과 같습니다. 역량은 분명히 존재하지만, 얻는 성과는 여전히 0입니다.

Agentic AI는 시스템이 단순히 응답을 생성하는 것을 넘어 행동을 취하고, 도구를 사용하며, 목표를 추구할 수 있게 되면서 복잡성을 한 단계 더 높입니다. 기업은 에이전트 자율성과 인간 의사결정 사이의 경계를 어디에 두어야 하며, 에이전트가 더 큰 권한을 갖게 될 때 어떤 새로운 거버넌스 구조가 필요할까요?

한 가지 질문부터 시작하세요: 에이전트가 실수했을 때 누가 책임을 지나요?

에이전트가 결정하는 것과 사람이 결정하는 것 사이의 경계를 시스템이 실제로 가동되기 전에 설정하세요. 대부분의 기업은 문제가 이미 발생한 뒤에야 그 경계를 찾습니다.

실수를 되돌리는 데 드는 비용이 적고 실수가 빠르게 드러나는 경우에는 에이전트가 실행하게 하세요. 결정이 누군가의 수입, 고용 유지 여부 또는 법적 지위를 바꾸는 경우에는 사람이 판단하고 에이전트는 그 판단을 준비합니다.

본능적으로 중앙집중화를 시도하게 됩니다. 위원회를 구성하고, 프레임워크를 작성한 뒤 관리 가능하다고 느낄 때까지 기다리죠. 그러나 최고층의 지침이 현장에 도달할 때쯤이면 이미 구식이 되고, 답을 얻지 못한 사람들은 회사가 승인하지 않은 도구를 사용하기 시작합니다.

거버넌스는 실무 가까이에 있어야 합니다. 팀은 각 에이전트가 무엇을 결정할 수 있는지, 누가 책임지는지, 어떻게 중단하는지를 알아야 합니다. 그리고 에이전트가 한 일의 기록도 필요합니다.

조직도는 기능을 가로질러 작업하는 에이전트를 위해 설계되지 않았기 때문에, 어느 하나의 기능이 실패에 대한 책임을 지지 않습니다. 배포 전에 이 문제를 해결해야 하며, 이후에 해결해서는 안 됩니다.

앞으로 기업 AI에 대한 가장 큰 제약이 기술보다 조직적인 요인으로 변한다면, 기업 자체가 어떻게 변화할 것으로 예상하십니까? 오늘날의 조직도, 관리 구조, 직무 설계, 의사결정 프로세스 중 인간과 AI 에이전트가 함께 일하는 조직으로 전환하면서 가장 오래 살아남기 어려운 부분은 무엇인가요?

기능 중심 조직도가 가장 살아남기 어려울 것입니다. 대부분의 기업은 여전히 기능별로 운영되며, 작업이 부서 간에 전달되고 각 단계마다 승인이 이루어집니다. AI는 작업을 몇 분 안에 생성하지만, 그에 대한 승인 절차는 몇 주가 걸립니다. 리더들은 속도를 늦추도록 설계된 시스템 안에서 더 빠르게 움직여야 하는 압박을 받고 있습니다.

그 조직도는 사람과 사람이 작업을 전달하도록 설계된 것이며, 사람과 에이전트가 결정을 공유하도록 만든 것이 아닙니다.
위원회가 이를 해결해 주지는 않을 것입니다.

조직도를 대체하는 것은 문제를 중심으로 구성된 작은 팀의 모습입니다. 리더는 해결할 가치가 있는 문제를 정하고, 해결하려면 어떤 조건이 충족되어야 하는지 결정한 뒤, 사람과 에이전트로 구성된 팀에 맡깁니다. 그 팀은 다른 조직과 같은 방식으로 운영할 수 없기 때문에 자체 자금과 보호를 받습니다. 팀의 사람들이 판단을 내리고 에이전트가 만들어 낸 결과에 책임을 집니다.

전기 모터는 1880년대에 미국 공장에 도입되었지만, 생산성 향상이 나타난 것은 1920년대가 되어서였습니다. 초기에는 공장이 기존 증기 엔진이 있던 자리에 큰 모터 하나를 설치하고, 동일한 라인 샤프트를 구동하며 모든 기계를 제자리 그대로 두었습니다. 각 기계에 개별 모터를 장착하고 작업 환경에 맞게 바닥을 재배치했을 때 비약적인 생산성 향상이 이루어졌습니다.

재배치는 혁명이었다.

좋은 인터뷰에 감사드립니다. 더 알아보고 싶은 독자는 Andus Labs를 방문하거나 Ground Truth Index에서 자세한 내용을 확인할 수 있습니다.