Vyond의 최고경영자 Scott Ernst – 인터뷰 시리즈

Compete의 초기 단계부터 인수를 거치기까지 성장을 지원하고, Macromill의 기업공개를 이끌었으며, 이후 Drift를 AI 중심으로 재정비한 뒤 Salesloft에 인수되도록 하는 등 기술 기업을 중대한 전환기로 이끌어 오셨습니다. 또 한 번의 큰 기술 변화가 진행되는 시기에 Vyond의 수장을 맡게 되셨는데요. 이러한 경험에서 얻은 어떤 교훈이 AI 시대에 대한 접근 방식을 형성하고 있나요?

제가 그 모든 전환 과정에서 발견한 공통점은 기술 변화 자체가 어려운 경우는 드물다는 것입니다. 진짜 어려운 일은 변화가 분명해진 뒤 조직 전체가 함께 움직이도록 하는 것이죠. Compete에서 얻은 교훈은 규율의 중요성이었습니다. 작은 기반에서 해당 분야의 선도 기업을 세우려면 사업을 실제로 움직이는 몇 가지에 끊임없이 집중해야 하며, 모든 기회를 좇아서는 안 됩니다. Macromill에서 글로벌 규모로 사업을 키우고 기업공개를 추진하면서는 운영의 엄격함 없이 성장을 이어 가다 보면 결국 문제가 생긴다는 것을 배웠습니다. 사업이 성장하는 속도에 맞춰 규모를 확장하려면 보고 체계와 예측, 거버넌스가 필요합니다.

지금 벌어지는 일과 가장 직접적으로 맞닿아 있는 경험은 Drift입니다. ChatGPT가 출시됐을 때 우리는 이미 자체 독점 AI 제품을 개발한 상태였고, 처음에는 이를 보호하려 했습니다. 하지만 시장의 변화가 우리의 경쟁 우위로 막아낼 수 있는 속도보다 빠르다고 판단해, 더 어려운 결정을 내리고 문을 열어 생성형 AI를 중심으로 회사 전체의 방향을 재정립했습니다. 이는 제품에 관한 결정이 아니라 확신과 시점에 관한 리더십의 결정이었습니다.

Vyond에 오면서 마음에 새긴 교훈은 진정한 플랫폼 전환기에는 가장 신중하거나 가장 무모한 기업이 승리하는 것이 아니라는 점입니다. 명확한 관점을 바탕으로 조직 전체의 방향을 빠르게 일치시키고, 실제로 긴박감을 가지고 실행에 옮기는 기업이 승리합니다. 지금 우리가 진행하는 과정도 바로 이렇습니다. 오늘날 무엇이 사실인지 파악하고, 시장이 어디로 향하는지에 대해 확고한 판단을 내린 뒤, 기회의 창이 닫히기 전에 회사 전체가 같은 방향으로 움직이도록 하는 것입니다.

생성형 AI 덕분에 기업은 콘텐츠를 훨씬 쉽게 제작할 수 있게 됐지만, 더 큰 과제는 이제 지식을 실제 업무에 적용하는 것이라고 말씀하셨습니다. 이는 실제로 무엇을 의미하며, 콘텐츠 생성만으로는 문제의 일부만 해결할 수 있다고 보시는 이유는 무엇인가요?

생성형 AI는 콘텐츠 제작에서 과거 가장 큰 병목이었던 문제를 해결했습니다. 예전에는 콘텐츠를 만들려면 전문가와 제작 절차가 필요했고, 상당한 준비 시간도 들었습니다. 이제는 조직 내 거의 누구나 몇 분 만에 무언가를 만들어 낼 수 있습니다. 이는 분명 획기적인 변화입니다. 하지만 동시에 마케팅, 인사, 영업, IT, L&D 등 모든 부서가 같은 지식을 바탕으로 한 콘텐츠를 각기 다른 도구를 사용해 독립적으로 만드는 상황이 됐습니다. 이를 관리하는 공통된 기준 정보 시스템은 없습니다.

지식을 실제 업무에 적용하는 일은 콘텐츠를 더 많이 만드는 것보다 사람들이 정확한 정보를 찾아 활용할 수 있도록 하는 데 가깝습니다. 신뢰할 수 있고 최신인 정보가 어디에 있는지, 누가 관리하는지, 승인을 받았는지, 그리고 사람들이 실제로 필요한 업무 흐름에 어떻게 들어가는지를 파악하는 것이죠. 여기에는 LMS, CRM, 온보딩 체크리스트, 규정 준수 추적 시스템이 포함됩니다. 이러한 기반이 없으면 이른바 ‘커뮤니케이션 혼란’이 생깁니다. 콘텐츠가 중복되고, 브랜드 기준이 흔들리며, 팀은 이미 존재하는 작업을 다시 하고, 어느 버전이 정확한지 자신 있게 말할 수 있는 사람이 없어집니다. 이런 혼란은 사람들이 생각하는 것보다 훨씬 이른 단계, 즉 콘텐츠가 하나도 만들어지기 전에 시작되는 경우가 많습니다. 요청이 어떤 대상을 위한 것인지, 목표가 무엇인지, 요청의 근거가 되어야 할 자료가 무엇인지 아무도 제대로 확인하지 않은 때부터 시작되는 것입니다.

콘텐츠 생성은 ‘이걸 빠르게 만들 수 있을까?’라는 질문에 답합니다. 이는 실제 문제였고 AI가 대부분 해결했습니다. 지식을 실제 업무에 적용하는 일은 ‘필요한 순간에, 이미 사용 중인 도구에서, 적합하고 신뢰할 수 있는 정보를 필요한 사람이 찾을 수 있을까?’라는 질문에 답합니다. 이 두 번째 문제는 더 크고 구조적인 데다 업계 전반에서 아직 해결되지 않았습니다. 바로 이것이 우리 앞에 놓인 실질적인 기회입니다.

기업에는 방대한 양의 문서와 데이터, AI가 생성한 요약, 조직의 축적된 지식이 쌓이고 있습니다. 정보에 접근할 수 있는 것과 직원들이 이해하고 실제로 활용할 수 있는 방식으로 정보를 전달하는 것 사이에서 가장 큰 단절은 어디에서 발생한다고 보십니까?

문제는 정보 접근성이 아닙니다… 이미 대부분의 기업에는 한 사람이 처리할 수 있는 양보다 훨씬 많은 정보가 있습니다. 문제는 이를 변환하고 신뢰를 확보하는 데 있습니다. 지식은 PDF, 프레젠테이션 자료, 위키, 정책 문서처럼 밀도 높고 정적인 형식으로 존재합니다. 이런 형식은 저장하고 검색하기에는 적합하지만, 내용을 빠르게 이해하기에는 적합하지 않습니다. 사람들이 실제로 이해하고 활용할 수 있는 형태로 바꾸려면 변환 과정이 필요한데, 대부분의 조직은 여기에 체계적으로 투자하지 않습니다.

포춘 100대 기술 기업 고객사의 엔터프라이즈 마케팅 기술 담당 부사장과 대화하면서 이 점을 분명히 확인했습니다. 그가 겪는 문제는 정보가 부족하다는 것이 아니었습니다. 규모가 매우 큰 조직의 각 부서가 같은 커뮤니케이션 문제를 서로 단절되고 일관성 없는 방식으로 해결하다 보니, 회사 어딘가에 존재하는 지식이 정작 필요한 사람들에게 제대로 전달되지 않았고, 전달되더라도 활용할 수 있는 형태가 아니었습니다. 그가 말했듯, 그만큼 큰 회사에서는 왼손과 오른손이 서로 소통하지 않습니다.

이것이 진짜 격차입니다. 기업에는 데이터가 넘치지만 인사이트는 부족합니다. 해결책은 콘텐츠나 저장 공간을 더 늘리는 것이 아니라, 조직에 축적된 원천 지식을 명확하고 시각적이며 신뢰할 수 있는 커뮤니케이션으로 전환하고, 실제로 의사 결정이 이루어지는 업무 흐름에 전달하는 원칙을 세우는 것입니다. 그리고 점점 더 중요해지는 것은 이를 뒷받침할 시스템입니다.

AI 에이전트가 기업 지식을 자율적으로 교육 자료, 영업 지원 자료, 컴플라이언스 자료 또는 사내 커뮤니케이션으로 전환할 수 있게 되면, 어떤 부분은 계속 사람이 통제해야 하며 기업은 어떤 업무에서 에이전트가 독립적으로 작동하도록 안전하게 허용할 수 있을까요?

저의 기본 원칙은 에이전트가 실무를 맡고 사람은 판단을 맡아야 한다는 것입니다. 특히 실수가 실제로 심각한 결과를 초래할 수 있는 업무라면 더욱 그렇습니다. 초안 작성, 지식을 새로운 형식으로 구성하기, 기존에 승인된 콘텐츠를 새로운 언어나 지역에 맞게 조정하기, 원본 문서가 바뀌었을 때 교육 모듈을 갱신하기처럼 위험 부담이 낮고 처리량이 많으며 반복적인 업무에서는 에이전트가 상당한 자율성을 갖고 작동할 수 있고, 또 그래야 합니다. 이런 업무는 오늘날 전략적 가치는 거의 없으면서도 엄청난 시간을 잡아먹습니다.

콘텐츠에 법률, 규제, 안전 또는 브랜드 관련 위험이 따르는 경우에는 사람의 통제가 반드시 유지되어야 합니다. 이런 경우에는 콘텐츠를 공개하기 전에 사람이 최종적으로 확인해야 하며, 그 바탕이 된 원자료도 완전한 추적이 가능해야 합니다.

방위 산업 분야의 한 고객사에서 이 상황을 직접 경험했습니다. 업무의 민감성을 고려해 해당 고객사의 보안팀은 처음에는 업무 흐름에 AI를 전혀 도입하지 않으려 했습니다. 해결책은 에이전트에 더 많은 자율성을 부여하는 것이 아니라 적절한 안전장치를 마련하는 것이었습니다. 고객사의 데이터가 외부 모델 학습에 절대 사용되지 않도록 보장하는 맞춤형 계약을 체결하고, 고객사 내부 팀이 승인권을 유지하는 명확한 확인 절차를 마련했습니다. 이를 일반화하면 다음과 같은 원칙이 됩니다. 에이전트의 자율성은 업무를 되돌릴 수 있는지, 위험도가 낮은지에 따라 높아지고, 사람의 통제 수준은 신뢰, 컴플라이언스 또는 브랜드 노출이 얼마나 중요한지에 따라 높아집니다.

수천 건의 콘텐츠를 자동으로 생성할 수 있게 되면 브랜드 거버넌스는 훨씬 복잡해집니다. AI가 생성한 커뮤니케이션이 정확하고 일관성을 유지하며 회사 정책에 부합하도록 하려면 기업은 어떤 기술적·조직적 안전장치를 마련해야 할까요?

기술적으로 가장 중요한 안전장치는 AI가 자유롭게 콘텐츠를 생성하도록 두는 대신, 생성 결과가 회사에서 승인한 원자료와 브랜드 체계에 기반하도록 하는 것입니다. 스타일 가이드, 브랜드 자산, 맞춤 설정을 위한 보호 장치는 개별 사용자가 기억해서 지키도록 맡겨 두는 것이 아니라 플랫폼 자체에서 강제해야 합니다. 그러려면 승인된 로고와 색상, 템플릿, 참고 영상이 플랫폼 안에 있어야 합니다. 그래야 생성되는 모든 콘텐츠가 누군가의 데스크톱에 그 주에 우연히 저장된 버전이 아니라 동일한 원본을 활용합니다. 버전 관리와 감사 추적도 그만큼 중요합니다. 콘텐츠가 생성되거나 편집되거나 승인되면 기업은 누가 요청했는지, 어떤 자료를 바탕으로 했는지, 누가 승인했는지 추적할 수 있어야 합니다. 또한 도구를 사용하는 사람뿐 아니라 검토자와 이해관계자도 동일한 업무 흐름 안에서 의견을 남기고 승인할 수 있어야 합니다. 그래야 구축하려는 감사 추적을 끊어 버리는 별도의 이메일 대화에서 승인이 이루어지는 일을 막을 수 있습니다.

조직 차원에서 필요한 안전장치는 명확한 책임 주체를 정하는 것입니다. 이 문제를 잘 관리하는 고객사들은 각 팀이 저마다 도구와 프로세스를 도입하는 방식에서 벗어나, 커뮤니케이션 플랫폼을 기록 시스템처럼 다룹니다… 접근 권한은 신중하게 부여하고, 사용 현황은 종합적으로 모니터링하며, 모두가 따라야 할 기준을 책임지는 소규모 거버넌스 조직을 둡니다. 대기업들이 특정 플랫폼을 바로 이런 이유로 회사 전체의 표준 시스템으로 삼을 수 있는지 명시적으로 평가하는 사례도 보았습니다. 서로 실제로는 일치하지 않는 콘텐츠가 수천 건씩 제각기 ‘그럭저럭 괜찮은’ 수준으로 만들어지는 대신, 대규모로 일관성을 확보할 유일한 방법이기 때문입니다.

핵심 원칙은 브랜드 관리에 늘 적용되어 온 것과 같습니다. 다만 이제 훨씬 더 큰 규모와 빠른 속도로 운영되고 있으므로, 안전장치를 사후에 적용하는 것이 아니라 시스템에 내장해야 합니다.

챗봇의 환각도 우려스럽지만, 잘못된 정보가 권위 있어 보이는 교육 또는 규정 준수 동영상으로 제작될 경우에는 훨씬 더 큰 결과를 초래할 수 있습니다. AI 생성 커뮤니케이션이 더욱 자동화되는 상황에서 기업은 근거 기반화, 검증, 출처 추적성을 어떻게 고려해야 할까요?

중요한 사안의 무게가 다르다는 말씀은 맞습니다. 채팅창에서 환각에 기반한 답변이 나오면 사람들은 그 자리에서 의문을 제기합니다. 하지만 매끄럽고 전문적으로 제작된 규정 준수 동영상에 환각에 기반한 사실이 담기면 권위가 실리기 때문에 사람들이 의문을 제기할 가능성이 낮아집니다. 이는 감시가 가장 엄격해야 할 지점에서 정반대의 결과를 낳습니다.

첫 번째 원칙은 근거 기반화여야 합니다. AI 생성 커뮤니케이션은 모델의 일반 지식이 아니라 기업이 실제로 제공한 자료, 즉 기업 자체 문서와 정책, 승인된 데이터로 범위를 제한해야 합니다.

두 번째는 출처 추적성입니다. 생성된 모든 콘텐츠는 이를 제작하는 데 사용된 구체적인 출처까지 추적할 수 있어야 합니다. 그래야 잘못된 내용이 있을 때 그 출처를 정확히 파악해 결과물만 수정하는 데 그치지 않고 원본에서 바로잡을 수 있습니다.

세 번째는 검증입니다. 사후에 덧붙이는 것이 아니라 워크플로 자체에 검증 지점을 마련해야 합니다. 검토자는 완성된 매끄러운 동영상뿐 아니라 중간 단계도 살펴볼 수 있어야 합니다. 매끄럽게 다듬어진 결과물일수록 오류를 찾아내기 어려워지기 때문입니다. 실제로는 더 많은 비용이 드는 최종 렌더링을 진행하기 전에 전체 개요나 편집 초안을 장면별로 검토해야 합니다. 그래야 잘못된 사실이나 브랜드 이미지에 어긋나는 주장을 수정 비용이 적고 손쉽게 고칠 수 있을 때 발견할 수 있습니다. 기업이 신중을 기하는 것이 당연한 영역 중 하나가 바로 이 부분입니다. 따라서 여기서 기업의 신뢰를 얻는 플랫폼은 가장 빠른 플랫폼이 아니라, 근거 기반화와 추적성, 검토를 선택 사항이 아닌 시스템 작동 방식의 구조적 요소로 만드는 플랫폼일 것입니다

네 번째 단계는 최종 검토에 그치지 않는 지속적인 평가입니다. 에이전트형 시스템에서는 완성된 동영상을 확인하는 것만으로 충분하지 않습니다. 에이전트가 어떤 과정을 거쳐 결과물에 도달했는지도 파악할 수 있어야 합니다. 에이전트의 결과물과 작업 중 내리는 결정을 지속적으로 모니터링하고, 고객의 원본 문서와 지식 기반, 본래 의도에 부합하는지 확인합니다. 이를 통해 동영상 생성이 끝난 뒤에야 문제를 발견하는 것이 아니라 생성 중에 방향이 어긋나거나 품질이 떨어지는 결과물을 찾아낼 수 있습니다.

AI 시스템은 기업의 지식 기반과 업무 흐름에 직접 연결되는 사례가 늘고 있습니다. 차세대 커뮤니케이션 플랫폼은 단순한 콘텐츠 제작 도구를 넘어 기업 데이터, AI 에이전트, 직원 사이를 연결하는 인터페이스가 될 것으로 보시나요?

네, 그런 변화는 이미 시작됐다고 생각합니다. AI가 가장 먼저, 또 가장 분명하게 해결한 문제는 콘텐츠 제작이었습니다. 눈에 가장 잘 띄는 병목이었기 때문입니다. 하지만 제작이 더 이상 제약 요인이 아니게 되면, 더 가치 있는 자리는 기업의 지식, 즉 CRM과 LMS, 정책 시스템, 내부 위키와 그 지식을 실제로 활용할 수 있는 형태로 전달받아야 하는 사람들 사이에 놓이게 됩니다.

이는 콘텐츠 제작 도구와는 의미가 크게 다른 역할입니다. 제작 도구는 누군가 요청을 가져오기를 기다립니다. 반면 인터페이스 계층은 지식이 이미 존재하는 업무 흐름 안에서 작동하고, 무엇이 바뀌었는지 파악하며, 매번 누군가 시작하지 않아도 적절한 커뮤니케이션을 적절한 사람에게 전달하도록 돕습니다.

기업들이 바로 이런 플랫폼을 원한다는 초기 징후는 이미 나타나고 있습니다. 대기업 고객들은 점점 더 특정 팀을 위한 동영상 도구가 되어 달라고 요청하기보다, 조직 전체의 표준 시스템이 될 수 있는지 묻고 있습니다. 조직의 지식을 커뮤니케이션으로 전환하면 법무, 규정 준수, 지역 조직, 현장 관리자 등 핵심 크리에이티브팀 밖의 직원들도 전체 라이선스나 가파른 학습 곡선 없이 참여할 수 있습니다.

MCP와 A2A 같은 새로운 개방형 프로토콜도 이러한 변화를 가속하고 있습니다. MCP는 AI 에이전트가 기업 자체 도구와 기록 시스템에서 신뢰할 수 있는 맥락 정보를 가져올 수 있도록 표준화된 방식을 제공하고, A2A는 서로 다른 플랫폼의 전문 에이전트들이 협업할 수 있게 합니다. 실무적으로 보면, 우리 같은 플랫폼이 유용해지기 위해 모든 업무 흐름이나 기업 데이터를 보유할 필요는 없습니다. 기업이 이미 신뢰하는 시스템에 연결하고, 타당한 경우 다른 에이전트와 협업하며, 우리가 가장 잘하는 일, 즉 그 맥락 정보를 사람들이 실제로 이해하고 활용할 수 있는 커뮤니케이션으로 바꾸는 데 집중할 수 있습니다. 이것이 콘텐츠 제작에서 커뮤니케이션 인프라로의 전환이며, 이 분야 전체가 나아갈 방향이라고 생각합니다.

Vyond는 이미 학습 및 개발, 인사, 영업 지원, 규정 준수, 사내 커뮤니케이션 분야의 조직들과 협력하고 있습니다. 이 가운데 에이전트형 AI가 가장 큰 변화를 가져올 분야는 어디라고 보시나요? 에이전트의 역량이 향상되면 해당 분야의 업무 흐름은 어떤 모습이 될까요?

변화의 여지가 가장 큰 두 분야로는 규정 준수와 교육 및 개발을 꼽겠습니다. 오늘날 이 두 분야가 특히 낡은 정보의 문제를 크게 겪고 있기 때문입니다. 규정 준수 교육은 정책, 규정, 위험 요인이 계속 바뀌는데도 대개 한 번 제작한 뒤 연례 또는 반기별로 느린 주기에 맞춰 업데이트됩니다. 에이전트가 기준이 되는 정책 문서를 안정적으로 모니터링하고 무엇이 바뀌었는지 파악할 수 있게 되면, 규정 준수 콘텐츠는 주기적으로 제작하는 프로젝트에서 지속적으로 최신 상태를 유지하는 것으로 전환될 수 있습니다. 이는 단순한 효율성 향상이 아니라 기업의 실질적인 위험 감소로 이어집니다. 또한 규제 기관과 기업 구매자 모두 AI의 도움을 받아 제작했다는 사실을 명확하고 감사 가능한 기록으로 콘텐츠 자체에 남기기를 점점 더 기대하고 있습니다. 이런 공개는 사후에 덧붙이는 사항이 아니라 표준 관행으로 자리 잡기 시작했습니다.

교육 및 개발(L&D) 분야에도 비슷한 흐름이 있지만, 여기서 기회는 최신성뿐 아니라 개인화에도 있습니다. 평균적인 학습자를 대상으로 하나의 교육 모듈을 만드는 대신, 에이전트는 동일하게 승인된 자료와 교육 설계 기준을 바탕으로 역할과 개인에 맞춰 학습 속도, 사례, 형식까지 조정할 수 있습니다. 글로벌 기업의 경우 언어와 음성도 점점 더 중요한 요소입니다. 이를 통해 브라질의 공장 현장 직원이나 일본의 영업팀도 단순히 자막만 제공받는 것이 아니라, 실제로 현지에 맞는 방식으로 동일한 교육을 받을 수 있습니다.

영업 지원과 내부 커뮤니케이션도 달라지겠지만, 그 변화는 구조적 전환이라기보다 속도와 적합성의 향상이라고 표현하고 싶습니다… 적절한 형식으로, 올바른 메시지를 적절한 영업 담당자나 팀에 더 빠르게 전달하는 것입니다. 이 모든 분야에 공통으로 적용되는 점은 같습니다. 에이전트형 AI는 각 업무를 더 빠르게 처리하게 할 뿐 아니라, 오늘날 수작업 제작 주기로는 사실상 불가능한 수준으로 최신 상태를 유지할 수 있게 합니다.

앞으로 기업이 내부 지식을 지속적으로 전 직원에게 맞춤화된 최신 커뮤니케이션으로 전환할 수 있게 된다면, 조직의 인재 교육과 전문 지식 공유, 나아가 운영 방식은 어떻게 달라질까요?

그런 일이 현실이 된다면, 그리고 저는 그렇게 될 것이라고 믿습니다. 기업의 교육 기능만이 아니라 회사의 운영 리듬 자체가 달라질 것입니다. 오늘날 대부분의 조직은 일괄적으로 커뮤니케이션합니다. 연례 규정 준수 교육, 분기별 전사 회의, 한 번 만들어 수년간 재사용하는 신입 직원 안내 자료가 그 예입니다. 이는 커뮤니케이션을 제작하는 데 역사적으로 많은 비용과 시간이 들었기 때문이지, 실제로 사업이 얼마나 빠르게 변하는지를 반영한 결과는 아닙니다.

지식이 지속적으로 전 직원에게 맞춤화된 최신 커뮤니케이션으로 전환되는 세상에서는 교육이 일회성 행사가 아니라 끊임없이 조정되는 흐름이 됩니다… 각 직원은 자신의 역할에 맞는 형식과 깊이로, 해당 정보가 필요한 순간에 업데이트를 받게 됩니다. 몇 달 뒤 일괄적으로 전달받는 것이 아닙니다. 전문 지식은 우연히 이를 보유한 개인에게만 갇혀 있지 않고, 조직이 체계적으로 공유하고 최신 상태로 유지할 수 있는 자산이 됩니다.

제가 계속해서 주목하게 되는 결과는 시간입니다. 오늘날 조직이 필요한 정보를 찾고, 이미 있는 것을 다시 만들고, 오래되거나 일관성이 없는 메시지를 바로잡는 데 쓰는 모든 시간은 실행에 쓰이지 못하는 시간입니다. 기업이 지식과 이해 사이의 간극을 지속적으로, 대규모로 실질적으로 좁힐 수 있다면, 이를 가장 먼저 해내는 조직은 단지 더 나은 커뮤니케이션을 하는 데 그치지 않고, 여전히 일괄 처리 방식으로 운영되는 조직보다 훨씬 빠르게 움직일 것입니다.

멋진 인터뷰에 감사드립니다. 더 자세한 내용을 알고 싶은 독자는 Vyond를 방문해 보세요.