펀치카드 시스템즈의 매니징 파트너 샘 젠킨스 – 인터뷰 시리즈

샘 젠킨스, 펀치카드 시스템즈의 매니징 파트너는 기술, 기업가정신, 조직 변화를 위한 작업에서 20년 이상의 경력을 가지고 있습니다. 2016년 펀치카드 시스템즈를 공동 설립한 이후, 그는 회사의 성장에 대한 조언을 제공하며 디지털 워크플레이스 전략, 커스텀 소프트웨어, 인공지능, 그리고 새로운 기술에 대한 조언을 제공했습니다. 그의 이전 경력에는 스타트업 에드먼튼과 웰넥스의 공동 설립, 아이오머 인터넷 솔루션즈의 비즈니스 개발 및 마이크로소프트 워크플레이스 기술 이니셔티브, 기술, 헬스케어, 공공 안전, 커뮤니티 조직의 이사 및 이사회 직책이 포함됩니다. 이러한 배경은 기술이 어떻게 사람들의 협력, 의사 결정, 작업 수행 방식을 변화시키는지에 대한 폭넓은 관점을 제공했습니다.

펀치카드 시스템즈는 캐나다의 소프트웨어 및 기술 파트너로서, 중소기업 및 중견 기업을 위한 디지털 솔루션을 설계, 개발, 구현하며, 측정 가능한 비즈니스 목표와 연계합니다. 캐나다와 미국에 걸쳐 150개 이상의 고객을 보유한 이 회사의 역량에는 커스텀 웹 및 모바일 소프트웨어, 인공지능, 클라우드 인프라, 데이터 및 분석, 사용자 경험 디자인, 마이크로소프트 365, 애저, 코파일럿, 팀즈, 셰어포인트, 파워 플랫폼과 같은 워크플레이스 기술이 포함됩니다. 펀치카드는 조직이 운영을 현대화하고, 직원 및 고객 경험을 개선하며, 새로운 기술을 실제 비즈니스 프로세스에 통합하는 것을 지원합니다.

마이크로소프트 SharePoint 기반 직원 플랫폼부터 Startup Edmonton 공동창업, Wellnext, Punchcard Systems까지 업무 기술의 변화를 경험하셨습니다. 직원이 직접 조작하는 소프트웨어에서 사람을 대신해 점점 더 많은 일을 수행하는 AI 에이전트로의 변화에 대해 그 경험은 어떤 관점을 갖게 했나요?

제가 SharePoint 같은 디지털 업무 기술을 처음 다룬 2003년에는 직원이 정보를 찾고 지식을 나누며 협업하는 더 나은 방법을 만드는 데 집중했습니다. 결국 시스템을 찾아다니고 결과물을 만드는 일은 직원 몫이었습니다. 이제 AI를 개인 생산성 도구로 쓰는 단계를 넘어, 직원 대신 더 복잡하고 여러 단계로 된 일을 맡는 에이전트형 AI 시대로 이동하고 있습니다.

바로 그 부분이 바뀌고 있습니다. 기술 생태계는 개인 생산성 도구를 넘어 실제 사람 대신 복잡한 업무를 수행하는 에이전트 시스템으로 나아갑니다. Claude Cowork와 ChatGPT Work는 이런 접근을 상당히 대중화하고 있습니다.

제가 이러한 기술 변화를 몇 번 목격했습니다. 패턴은 항상 동일합니다. 승리하는 조직은 새로운 기술을 단순히 배포하는 것으로 대처하지 않습니다. 그들은 이를 사람, 프로세스, 기술이 함께 작동하는 방법을 재고하는 기회로 간주합니다.

채트지피티 워크는 연결된 애플리케이션 및 파일에서 정보를 수집하고, 다단계 할당을 완료하며, 완성된 문서, 스프레드시트, 프레젠테이션을 생성할 수 있습니다. 이러한 기능이 이전에 이러한 자료를 직접 생성했던 지식 근로자의 일일 업무에 어떤 영향을 미칠까요?

제 생각에는 작업이 “출력을 생성”에서 “결과를 관리”로 이동하고 있습니다. 이것은 지식 근로자의 역할을 근본적으로 변화시키지만, 이것은 인간의 통찰력과 감독의 필요성을 대체하지는 않습니다. 대신, 직원들은 에이전트가 생성한 출력을 관리, 검토, 조율하는 방향으로 이동할 것입니다.

정보 수집, 발표자료·문서 작성, 데이터 요약 같은 반복 업무 상당 부분은 에이전트로 넘어갈 것입니다. 그러면 사람은 전략, 창의성, 비판적 사고, 협업처럼 정말 사람이 필요한 일에 집중할 수 있습니다.

올바른 맥락을 제공해 AI를 잘 지휘하고, 답이 그럴듯해 보여도 틀렸다는 것을 알아보는 능력이 점점 더 중요해집니다.

“AI 관리자”의 필요성이 커진다고 말씀하셨습니다. 실제로 어떤 역할이며, IT 관리자, 제품 관리자, 전통적인 인사 관리자의 책임과는 어떻게 다른가요?

AI 관리자는 조직이 AI를 책임감 있고 효과적으로 도입하도록 돕습니다. AI 결과물을 관리·감독하고, 그 결과가 정확하고 신뢰할 수 있으며 사업 목표에 맞는지 확인하는 것이 책임입니다.

이는 인프라와 기술 시스템을 맡는 전통적인 IT나 제품 개발·개선에 집중하는 제품 관리자와 다른 역할입니다. 재무, 법무, 인사, 운영 등 모든 부서에 자기 분야에서 AI가 어떻게 적용되는지 이해하는 사람이 필요할 것입니다.

핵심 변화는 책임 주체입니다. 지금 대부분의 조직은 이 시스템이 가치를 내고 허용 가능한 위험 안에 머무는지 명확히 책임지는 사람을 지정하지 않았습니다. 이런 역할은 직접 책임질 담당자가 없다는 공백을 메우게 될 것입니다.

KPMG Canada는 AI 에이전트가 이미 신입과 경력 직원 채용에 영향을 주고 있다고 밝혔습니다. 기업이 AI에 업무를 위임하고 결과물을 평가하며 필요할 때 개입하는 능력으로 지원자를 평가한다면 어떤 역량이 더 가치 있어질까요?

더 가치 있어질 것은 비판적 사고, 판단, 의사소통, 창의성, 문제 해결, 리더십처럼 사람 고유의 역량입니다.

기술적인 AI 이해력도 계속 중요하지만, 고용주는 더 넓은 사업 환경에서 AI가 어떻게 쓰이는지 이해하는 사람을 찾습니다. 변화 관리, 위험 관리, 전략적 사고도 여기에 포함됩니다.

기술직과 비기술직의 경계가 흐려지고 있습니다. 조직은 이미 가진 기술만으로 채용하기보다 배우고 적응하며 계속 역량을 높이려는 사람을 찾습니다. AI를 활용하면서 어디에 사람 판단이 필수인지 아는 직원이 가장 가치 있을 것입니다.

많은 직원은 반복적인 초급 업무를 수행하며 전문적인 판단력을 키웠습니다. AI 에이전트가 이런 기초 업무 상당 부분을 맡게 되면, 조직은 젊은 직원이 유능한 의사결정자가 되는 데 필요한 경험을 얻도록 교육과 경력 개발을 어떻게 재설계해야 할까요?

조금 걱정되는 현실입니다. 예전에는 초급 업무를 반복하면서 판단력과 경험을 쌓았습니다. 에이전트가 그 일을 하면 성장 사다리의 몇몇 발판이 사라집니다.

조직은 멘토링, 코칭, 의사결정 연습과 경력 초기부터 더 가치 있는 프로젝트를 경험할 기회를 통해 신입 인재를 키우는 데 그 어느 때보다 의식적으로 힘써야 합니다.

역방향 멘토링의 기회도 있습니다. AI 도구에 더 익숙한 젊은 직원이 기술 활용법을 팀에 알려 주는 한편, 경험 많은 직원은 AI가 재현할 수 없는 사업 맥락과 판단력을 제공할 수 있습니다.

목표는 인간과 에이전트가 함께 일하는 작업장을 위한 학습 과정을 재설계하는 것입니다.

펀치카드 시스템즈는 마이크로소프트 365 및 관련 워크플레이스 기술을 구현하는 경험을 가지고 있습니다. 채트지피티 워크는 마이크로소프트 코파일럿과 구글 제미니의 경쟁 환경에 어떤 영향을 미칠까요? 조직은 에이전트 플랫폼을 선택할 때 어떤 요소를 고려해야 할까요?

경쟁 환경은 빠르게 바뀌고 선택지도 그 어느 때보다 많습니다. 기존 기술 환경, 업무 흐름, 보안 요구, 사업 목표에 가장 잘 맞는 솔루션이 무엇인지로 결정해야 합니다.

마이크로소프트 365에 이미 투자한 조직에서는 코파일럿과 같은 툴이 기존 애플리케이션 및 데이터와의 통합을 통해 이점을 제공할 수 있습니다. 다른 조직에서는 다른 플랫폼이 더 적합할 수 있습니다.

리더가 물어야 할 핵심은 “어떤 도구인가?”가 아니라 “어떤 문제를 해결하려 하며, 어느 플랫폼이 이를 책임감 있게 해결하도록 도와주는가?”라고 생각합니다.

우리가 직접 배운 것은, 성공적인 채택은 도구 이상의 것입니다. 우리는 회사 전체에 걸쳐 에이전트 플랫폼을 구현했으며, 실제로 우리가 일하는 방식에 맞게 맞춤형 모델을 조정했습니다. 모든 직원이 이를 사용하지만, 이는 올바른 제품을 선택한 결과가 아닙니다. 이는 강력한 데이터 기반, 거버넌스, 에이전트를 회사 운영에 통합하는 방식에서 비롯됩니다.

모델 성능은 종종 워크플레이스 인공지능에 대한 논의를 지배하지만, 조직은 또한 권한, 데이터 액세스, 감사 가능성, 책임성을 고려해야 합니다. 에이전트가 이메일, 문서, 내부 데이터베이스, 비즈니스 애플리케이션을 통해 운영되기 전에 어떤 거버넌스 제어를 설정해야 합니까?

조직이 가장 큰 실수를 하는 것은 인공지능 거버넌스를 사후 작업으로 간주하는 것입니다. 인공지능 시스템이 더 능력 있게 되고 비즈니스 데이터에 연결되면, 조직은 이러한 툴을 광범위하게 확대하기 전에 사용 방법에 대한 명확한 원칙을 설정해야 합니다.

출발점은 AI 시스템이 어떤 정보에 접근할 수 있는지 파악하고, 권한 범위를 적절히 제한하며, 모니터링과 책임에 관한 통제를 마련하는 것입니다.

조직은 또한 에이전트가 독립적으로 운영할 수 있는 영역과 인간의 감독이 필요한 영역에 대한 명확한 지침을 설정해야 합니다.

데이터와 보안의 올바른 기반을 미리 갖추면 기업은 점점 자율화되는 시스템의 위험을 관리하면서 AI의 가치를 실현할 수 있습니다.

에이전트가 행동을 취하는 경우, 실수로 인한 운영상의 결과가 있을 수 있습니다. 비즈니스에서는 어떻게 에이전트가 생성한 작업을 검증하고, 인간의 승인이 필요한 행동을 결정하며, 에이전트가 부정확한 결과를 생성하거나 의도하지 않은 행동을 취할 때 책임을 할당해야 합니까?

에이전트가 답변을 제공하는 것에서 행동으로 이동할 때, 위험 프로파일이 변경됩니다. 모든 작업이 동일한 결과를 가지는 것은 아닙니다. 따라서 인간의 승인 기준은 결과에 따라 달라져야 합니다.

간단히 말해서, 이것은 명확한 소유권을 필요로 합니다. 에이전트는 의사결정을 지원해야 하며, 책임을 대체해서는 안 됩니다. 조직은 에이전트 성능을 모니터링하고, 출력을 검증하며, 결과에 대한 최종 책임을 지는 사람을 정의해야 합니다. 목표는 에이전트의 효율성을 인간의 판단과 결합하여 확장 가능하고 신뢰할 수 있는 시스템을 만드는 것입니다.

많은 조직은 아직 인공지능을 측정 가능한 비즈니스 결과와 연결하지 않고 실험하고 있습니다. 지도자들은 어떻게 유용한 에이전트 사용 사례를 식별하고, 투자 대비 수익을 측정하며, 조직 전체에 걸쳐 확장할 준비가 된지 판단할 수 있을까요?

격차의 원인은 보통 순서입니다. 팀들은 기술을 먼저 고르고 쓸 곳을 찾습니다. 지속적인 성과는 이미 힘들고 비용이 큰 업무 흐름에서 출발해 에이전트가 정말 적절한 도구인지 묻는 데서 나옵니다.

가장 좋은 필터는 가변성입니다. 프로세스가 예측 가능하여 규칙 엔진으로 충분하다면, 에이전트가 필요하지 않습니다. 프로세스가 너무 개방적이라서 좋은 결과를 설명할 수 없다면, 에이전트는 어려움을 겪고, 신뢰할 수 없습니다. 가치는 중간에 있습니다. 여러 시스템에 걸쳐 판단을 필요로 하는 작업이지만, 여전히 경계된, 감사 가능한 규칙 내에서 실행됩니다.

저는 하나의 스크리닝 질문을 추가할 것입니다. 잘못된 동작의 비용은 제한적이고 되돌릴 수 있습니까? 그렇다면 에이전트가 행동하고 빠르게 움직일 수 있습니다. 그러나 실수가 비싼 경우거나 되돌리기 어려운 경우에는 사람을 결정에 참여시킵니다.

투자수익을 평가할 때 흔한 실수는 잘못된 지표를 너무 늦게 측정하는 것입니다. 절약한 시간은 기본 지표지만 효과를 과소평가합니다. 더 큰 수익은 처리 기간 단축, 오류율 감소, 이전에는 제한적으로만 쓸 수 있던 처리 역량의 확대로 나타납니다. 지원 요청의 절반만 처리하던 팀이 전부 처리하게 되면 사업 자체가 달라집니다. 파일럿 시작 전에 명확한 기준선을 기록해야 합니다. 그렇지 않으면 개별 사례를 놓고 논쟁하게 됩니다. 비용도 전체를 계산해야 합니다. 통합 작업과 사람의 감독 시간은 실제 비용 항목이며, 감독 비용은 만성적으로 과소평가됩니다.

확장 결정은 규율이 가장 필요한 단계이자 팀들이 서두르는 단계입니다. 정돈된 입력으로 한 시연만으로는 거의 알 수 없습니다. 파일럿은 드물고 복잡한 실제 입력까지 견디고, 실패 양상을 이해해 한계를 정했으며, 조용한 실패를 고객이 발견하기 전에 잡을 관측 체계를 갖추고, 운영 책임자가 실명으로 지정돼 있을 때 확장할 준비가 된 것입니다.

단위당 수익성도 점검해야 합니다. 에이전트 비용은 사용자 좌석 수를 기준으로 한 소프트웨어 비용과 달리 사용량에 따라 늘어납니다.

에이전트형 시스템은 전통적인 소프트웨어와 다르게, 확률적으로 그리고 종종 눈에 띄지 않게 실패합니다. 따라서 앞서가는 조직은 문제가 생긴 뒤 평가와 모니터링을 덧붙이는 대신 첫날부터 이를 구축합니다.

Punchcard Systems는 조직이 AI 실험에서 실제 업무 통합으로 나아가도록 돕습니다. 조직의 AI 준비도를 평가하고, 측정 가능한 가치를 낼 업무 흐름을 찾으며, 기존 운영에 지장을 주지 않고 책임감 있게 시스템을 도입하도록 어떻게 지원하시나요?

조직의 현재 상태를 이해하는 것이 중요합니다. 가장 큰 오해는 인공지능 채택이 단순히 올바른 도구를 선택하는 것이라고 생각하는 것입니다. 실제로 성공적인 구현은 강력한 기반, 즉 데이터의 질, 명확한 프로세스, 정의된 소유권에 달려 있습니다.

그다음 AI가 가장 큰 가치를 낼 지점을 찾도록 돕습니다. 효과에 비해 지나치게 많은 시간을 소모하는 업무 흐름이나 필요한 정보 없이 결정을 내리는 과정인 경우가 많습니다.

조직은 기술과 함께 역할과 의사결정이 어떻게 바뀔지 생각해야 합니다. 적절한 기술에 직원의 도입·활용과 변화 관리를 결합하면 이미 잘 작동하는 것을 훼손하지 않고 측정 가능한 가치를 내는 방식으로 AI를 통합할 수 있습니다.

감사합니다. 더 많은 정보를 원하는 독자는 펀치카드 시스템즈를 방문할 수 있습니다.