
Agentic PM · 역할 전환 R 트랙 · 엔터프라이즈 실증
“AI 시대에 역할 체계를 어떻게 바꿔야 하는가”에는 세 가지 답이 시장에 나와 있습니다 — 그대로 두고 도구만 보급한다 · 직군 위에 AX 레이어를 얹는다 · 직군을 해체하고 역할 원형으로 다시 짠다. 어느 쪽이 맞는지 말로 다투는 대신, 실제 기업의 14직무·77역량 체계를 전수 분석해 기준선을 놓고, 가상 IT서비스 조직을 만들어 R&R 4조건 × 3반복으로 26주를 돌렸습니다. 결과는 양자택일이 아니었습니다.
- Legacy DX 직군 체계에는 “전 직무 공통 역량”이 없었습니다. 14개 직무 어디에도 전 직무가 공유하는 역량 항목이 존재하지 않습니다. 공통은 항목이 아니라 실무자에서 리더로 올라가는 4개의 전이 규칙 속에 숨어 있었습니다.
- 가장 싼 개입이 이득의 대부분을 가져갔습니다. 직군을 유지한 채 AX 게이트 레이어만 얹은 조건이 무체계 조건 대비 유효 산출 +48.8% — 전면 재편이 그 위에 더 얹은 것은 +2.7%였습니다.
- 그래서 제안은 해체가 아니라 3층 겹침입니다. 직무(수직 전문성) × 다섯 원형(수평 흐름 역할) × AX 게이트(티어·검증·경계). 단, 도구 이득이 아주 큰 세계에서는 전면 재편이 역전합니다 — 그 역전 조건까지 이 글에서 보여드립니다.
Part 1 · Baseline바꾸자고 말하기 전에, Legacy 파이프라인부터 정확히 그렸습니다
전환 논의가 흔히 실패하는 이유는 출발점이 흐릿하기 때문입니다. “Legacy는 낡았다”는 인상 비평 위에는 아무것도 지을 수 없습니다. 그래서 디지털 전환(DX) 시대까지 정비되어 온 실제 기업의 직무 체계를 전수로 폈습니다.
1.1 어느 조직의 이야기인가
국내 대형 IT서비스 기업 한 곳의 직무 체계를 전수 분석할 기회가 있었습니다. 14개 직무·77개 전문역량 — 프로젝트관리(PM)·컨설팅·애플리케이션 아키텍처(AA)·클라우드 아키텍처(CA)·인프라 아키텍처(IA)·데이터 아키텍처(DA)·SW개발·데이터 엔지니어링(DE)·전사적자원관리(ERP)·품질(QE)·정보보호·네트워크관리, 그리고 최근 신설된 AI Engineering과 사용자 경험(UX)까지. 직무마다 역량 정의·배점·수준별 행동지표가 문서로 존재하는, 국내에서 손꼽히게 정비된 체계였습니다 [구조 실측].
이 글은 그 회사의 제도를 공개하는 글이 아닙니다. 익명화된 구조 발견만 다루되, 누구나 자기 조직에 대입할 수 있는 형태로 일반화했습니다.
1.2 일이 흘러가는 순서 위에 직무를 놓으면 — 7단계 × 4레인 + 4개 횡단 통제
조직도는 직무를 나열하지만, 파이프라인은 직무를 배치합니다. 14개 직무의 대표 산출물과 성과지표를 전수 배치하면, 일의 흐름은 임의 구분이 아니라 산출물이 자연히 가르는 7개 구간으로 나뉩니다 [구조 실측].
·제안
정의
말로 하면 길지만, 14개 직무를 실제로 어느 단계에 세우는지 한 장에 펴면 이렇게 됩니다. 행은 일의 성격(레인), 열은 단계입니다.
사업기회·제안
진단·요구정의
설계
구현·구축
검증
이행·운영
개선·전파
Business
Architecture
Build
Assure & Run
도식 2 · 레인 × 단계 직무 배치 매트릭스 [구조 실측 — 일반화 표기]. 좁은 화면에서는 좌우로 스크롤됩니다.
이 지도에서 세 가지가 눈에 띕니다. 첫째, 단계 사이에는 이미 관문이 서 있습니다 — 원가 산출 근거 없이 착수할 수 없고, 보류를 결정할 권한자 없이 이행할 수 없습니다. Legacy 파이프라인의 품질은 이 관문들이 지켜온 것입니다.
둘째, 4개 직무는 단계가 아니라 전 구간을 가로지릅니다 — 프로젝트관리·품질·보안·데이터 표준. 뒤에서 보겠지만 AX 전환의 접점이 가장 큰 곳도 여기입니다.
셋째, AI Engineering은 구현·데이터 레인에 이미 들어와 있는데, 이 직무의 역량 배점에서 요구정의 축이 0입니다 [구조 실측]. 무엇을 만들지 정하는 일은 여전히 다른 직무의 몫이라는 뜻입니다. UX는 여러 단계에 횡단으로 걸리지만 분석 시점 기준 수준별 행동지표가 공란이어서 수준 판정이 불가한 상태였습니다. 신설 직무일수록 일이 먼저 도착하고 제도가 늦는 전형입니다.
1.3 역량 체계를 해부하면 — 발견 셋
발견 1 · 전 직무 공통 역량 항목은 없습니다. 77개 역량을 7개 행위축(사업·요구정의·설계·구현·검증·운영·표준전파)으로 매핑하면, 14개 직무 전부가 배점을 배정한 축은 0개입니다 [구조 실측]. 가장 널리 퍼진 축도 14개 중 10개 직무에 그칩니다. “우리 회사의 공통 역량은 무엇인가”라고 물으면 체계 안에서 답이 나오지 않는 구조입니다.
도식 3 · 7개 행위축의 직무 커버리지 [구조 실측] — 바 길이는 그 축에 배점을 배정한 직무 수(n/14), 평균은 전사 평균 배점. 배점 상세는 원문이므로 싣지 않고 집계만 보입니다.
발견 2 · 공통은 “항목”이 아니라 “수준 전이 규칙”에 있습니다. 실무 수준(L3)과 리더 수준(L4)을 가르는 행동지표 문장을 전수 계수하면, 직무가 달라도 같은 네 규칙이 나옵니다 [구조 실측].
| 전이 규칙 | L3 문장 출현 | L4 문장 출현 | 한 줄 해석 |
|---|---|---|---|
| ① 범위 확장 단일 → 다수·전사 | 2% | 32% | 가장 선명한 상위 신호 |
| ② 기준 제정 적용 → 제정 | 14% | 30% | 단어만으로는 안 갈림 — “만들어 남이 따르게 했는가” |
| ③ 근본원인·선제 대응 → 예방 | 6% | 12% | 가장 약하게 명문화된 축 |
| ④ 전파·리딩 본인 수행 → 남을 하게 | 9% | 36% | 이 체계가 정의한 리더의 정체 |
표 1 · 66개 역량(정량 분석 가능분)의 수준별 행동지표 문장 전수 계수 [구조 실측]. 출현율은 해당 신호가 담긴 역량의 비율.
즉 이 체계가 정의한 리더는 “혼자 더 잘하는 사람”이 아니라 “남을 하게 만드는 사람”입니다. 이 발견은 Part 2에서 다섯 원형과 만날 때 다시 등장합니다.
발견 3 · 역량의 26%는 문장만으로 수준을 가를 수 없습니다. 66개 역량 중 17개는 상위 수준 문장에 위 네 신호가 하나도 없고, “일반 지식 대 전문 지식”처럼 수준을 수준으로 정의하는 순환에 머뭅니다 [구조 실측]. 평가·교육 설계자 입장에서는 이 구간이 해석 편차의 진원지입니다.
1.4 Legacy DX 직군 체계의 강점과 약점을 공정하게
- 도메인 판단의 깊이 — 전환 제외 기준·게이트 보류·예외 승인이 직무 안에 축적
- 책임 경계가 계약·서비스 수준 약정(SLA)·규제와 정합 — 발주처·감리가 이해하는 언어
- 관문 체계(G0~G6)가 산출물 기반으로 이미 실재
- 평가·보상·경력 경로가 제도로 완결
- 공통 좌표 부재 — 직무 간 이동·전사 전환 설계 불가 (발견 1)
- 단계 핸드오프 비용 — 문서로 던지고 대기
- AI가 개인 재량으로 스며들 때 통제 지점이 없음
- 신설 직무(AI Eng·UX)의 제도 지연 — 일이 먼저, 기준이 나중
- 역량 문장의 26%가 수준 변별 불가 (발견 3)
Part 2 · Alternative직군이 아니라 역할 — 다섯 원형을 엔터프라이즈에 비추면
역할 전환 시리즈 안내 편(R-0)에서 다뤘듯, 클로드 코드 창시자 보리스 처니의 공개 관찰은 미래 제품 조직을 직군이 아니라 다섯 역할 원형으로 봅니다. 대부분의 사람은 두 원형에 걸치고, 제품 단계가 바뀌면 필요한 조합도 바뀝니다.
2.1 14직무를 원형 성분으로 분해하면
직무와 원형은 대체 관계가 아니라 서로 다른 축입니다. 직무는 “무엇에 대한 전문가인가”(도메인)를, 원형은 “일의 흐름에서 어떤 동작을 하는가”(모드)를 답합니다 [설계].
| 직무 | 주 원형 | 부 원형 | 읽는 법 |
|---|---|---|---|
| 컨설팅 | 프로토타이퍼 | 그로어 | 만들지 않고 정하는 원형 — 문제 정의와 개선안 |
| PM | 그로어 | 메인테이너 | 범위·원가·위험의 반복 통제, 흐름 전체의 파수꾼 성분 |
| AA·CA·IA·DA | 빌더 | 스위퍼 | 구조를 세우고, 맞바꿈(트레이드오프)으로 덜어내는 |
| SW개발·ERP | 빌더 | 프로토타이퍼 | 프로덕션 전환의 본진 |
| DE | 프로토타이퍼 | 빌더 | 분석 가설 생성 → 모형을 운영으로 |
| 품질(QE) | 메인테이너 | 스위퍼 | 게이트를 열고 막는 권한 — Agentic 시대의 최전선 |
| 정보보호 | 메인테이너 | 스위퍼 | 경계·예외 승인·증거 보전 |
| 네트워크관리 | 메인테이너 | 빌더 | 돌아가게 하고, 멈추면 되살리는 |
| AI Engineering | 빌더 | 메인테이너 | 에이전트를 만들고 그 산출을 검증 하네스로 묶는 |
| UX | 프로토타이퍼 | 그로어 | 사용자 근거로 가설을 만들고 반복 |
표 2 · 14직무의 원형 성분 분해 [설계]. 아키텍트 4직무와 SW개발·ERP는 행을 합쳐 표기.
여기서 Part 1의 발견 2가 다시 등장합니다. Legacy 체계가 리더 수준의 정체로 명문화한 네 전이 규칙 — 범위 확장·기준 제정·근본원인·전파 — 은 사실상 원형의 언어입니다. “기준을 만들어 남이 따르게 했다”는 메인테이너·스위퍼의 동작이고, “전파해 조직을 하게 만들었다”는 그로어의 동작입니다. Legacy 체계는 자기도 모르게 원형 체계를 수준 정의 속에 이미 심어 두었던 셈입니다. 전환은 무에서 유를 만드는 일이 아니라, 숨은 축을 명시적 축으로 꺼내는 일에 가깝습니다.
2.2 파수꾼이 맨 앞에 서면 — 원형 체계가 관문 체계와 만나는 지점
2.3 그래서 전면 재편이 정답인가 — 엔터프라이즈라는 조건
- 흐름 기준 배치 — 단계 핸드오프 비용 최소화
- 메인테이너-퍼스트가 구조로 보장
- 제품 단계 따라 조합을 바꾸는 유연성
- AI 지렛대가 큰 원형에 도구가 정확히 꽂힘
- 도메인 전문성 희석 — “전환 제외 판단”·”게이트 보류”·”예외 승인”은 원형으로 환원되지 않음
- 책임 경계가 계약 언어와 어긋남 — 발주처·감리·SLA는 직무 언어로 말함
- 평가·보상·경력 제도 전면 재설계 — 이행 혼란
- 소규모 제품팀 실측 프레임 — 수백 명·규제 사업 검증은 아직 없음
Part 3 · Experiment가상 조직 S-Integrator의 26주 — 4조건 × 3반복
3.1 방법 — 직전 백서(가상 바이오 회사)의 계약을 승계했습니다
직전 백서에서 가상 바이오 회사 S-Pharma의 26주를 돌리며 세운 방법론 계약을 그대로 가져옵니다: 워크로드를 먼저 재고(요청이 아니라 부하), 자동화 여부는 감이 아니라 식으로 정하고, 사람과 AI의 경계는 세 개의 티어로 나눕니다.
도식 4 · 티어 판정 순서 [설계] — 점수보다 거부 조건(Q1·Q2)이 먼저입니다. 자동화 점수가 아무리 높아도 확정 노드와 고위험은 T3로 빠집니다.
이번 모델이 직전 백서와 다른 점도 정직하게 적습니다. S-Pharma는 산출물을 뽑아 48번의 블라인드 심사에 부쳤지만, 이번에는 흐름·품질 게이트 모델(이산 주차 시뮬레이션)로 쟀습니다. 산출물 품질은 검출률·재작업·유출이라는 흐름 변수로 근사됩니다. 이 절의 모든 수치는 [모의] — 모델 안에서 잰 값이며, 절대값이 아니라 순위와 구조만 취하셔야 합니다.
3.2 무엇을 돌렸나
가상 IT서비스 기업 S-Integrator: 인력 100명 상당, 4개 트랙 포트폴리오(차세대 SI 구축 · 클라우드 전환 · 운영 O&M · AI/AX 과제), 수요는 공급의 1.6배(수주 초과 상황). 업무마다 판단위험·반복성·사람 확정 여부가 붙고 위 식으로 티어가 정해집니다. 결함은 일정 확률로 발생해 관문에서 걸리면 재작업, 못 걸리면 운영으로 유출되어 2.2배 비용으로 되돌아옵니다. R&R 체계만 바꾸고 수요·인력·업무는 동일하게 두었습니다.
도식 5 · 네 조건의 설계 [모의]. AI 실효 배수는 C1이 1.15~1.30, C2~C4가 1.5~2.6 — 같은 도구라도 체계가 실효 배수를 바꾼다는 가정을 조건 차이로 명시했습니다. 전체 가정표·코드·원출력은 공개 가능합니다.
3.3 26주 뒤, 네 조직은 이렇게 달라져 있었습니다
| 지표 (26주 평균) | C1 Legacy | C2 +레이어 | C3 5원형 | C4 하이브리드 |
|---|---|---|---|---|
| 유효 산출 (완료 공수) | 2,602 | 3,872 | 3,902 | 3,977 |
| 평균 리드타임 | 5.4주 | 1.8주 | 1.7주 | 1.6주 |
| 낭비 (재작업+운영 수습) | 277 | 386 | 502 | 394 |
| 관문 1회 통과율 | 87.4%* | 80.6% | 73.6% | 80.0% |
| 사고 (환각 유출·보안) | 2.3건 | 1.0건 | 0.0건 | 0.3건 |
| 기말 잔여 백로그 | 1,310 | 137 | 86 | 79 |
| 마지막 4주 주간 처리 | 100 | 152 | 158 | 152 |
표 3 · 본 실험 결과 [모의] — 26주 · 시드 3반복 평균 · 공수 단위 u. *C1의 높은 통과율은 착시입니다: 검출률이 낮아 결함이 관문을 그냥 지나간(유출된) 결과이고, 그 대가는 유출 잔량과 운영 수습 낭비로 돌아옵니다.
도식 6 · 26주 유효 산출(u) 비교 [모의] — 표 3의 첫 행을 그림으로. C1→C2의 간격이 이 실험의 본론이고, C2→C3→C4의 간격은 그 위의 미세 조정입니다.
3.4 모델이 보여준 다섯 가지
3.5 민감도 — 어느 세계에서 순위가 바뀌는가
| 시나리오 | 1위 | 2위 | 함의 |
|---|---|---|---|
| A · AI 배수 이득 절반 | C4 3,419 | C3 3,383 | 순위 불변 — 체계 효과가 도구 효과보다 강건 |
| B · AI 배수 이득 1.5배 | C3 4,018 | C4 3,990 | 역전 — 도구 이득이 충분히 크면 전면 재편이 이긴다 |
| C · C3 희석 0 (최선 가정) | C4 3,977 | C3 3,952 | 희석을 없애도 재편 혼란 8주 비용이 남는다 |
표 4 · 민감도 3종 [모의] — 유효 산출(u) 기준. 어느 시나리오에서도 C1은 최하위, C2는 3위였습니다.
Part 4 · Proposal해체하지 말고 겹치십시오 — 3층 R&R 아키텍처
구조 진단(Part 1)과 26주 모델(Part 3)을 합치면 제안은 하나로 수렴합니다 [설계].
도식 7 · 3층 R&R 아키텍처 [설계] — 직무는 남기고, 원형을 겹치고, 게이트로 잇습니다.
신설 직무 두 개의 자리도 이 구조에서 정해집니다. AI Engineering은 3층 게이트 층의 엔진입니다 — 컨텍스트 그라운딩·평가 하네스·운영 관측이라는 게이트 층의 도구를 전 직무에 공급합니다. UX는 세 층을 관통하는 횡단 레인입니다 — 문제 근거(1층의 요구정의)·사용 흐름 검증(3층의 산출물 검증)·성과 학습(2층 그로어의 반복)이 전부 사용자 근거를 지나가야 합니다. UX를 화면 설계로 축소하면 AI는 틀린 문제를 더 빨리 푸는 도구가 됩니다. 사용자 경험 측정은 구글의 HEART 다섯 축(행복·참여·채택·유지·과업 성공)이 출발점으로 쓸 만합니다.
그리고 🔒 사람 확정 게이트의 정당화는 미국 국립표준기술연구소(NIST)의 AI 위험관리 프레임워크가 명확히 답합니다 — 거버넌스는 수명주기 전체를 가로지르는 기능이며, 물어야 할 것은 “AI가 할 수 있는가”가 아니라 “틀렸을 때 누가 손해를 보고 누가 되돌리는가”입니다 [설계].
4.1 세 층이 한 업무 위에서 만나는 법 — R&R 매트릭스
대표 업무 여섯으로 예시합니다. 읽는 법 — 직무는 책임(Accountable)을, 원형은 일하는 모드(Responsible)를, 게이트는 사람과 AI의 경계를 답합니다. 세 질문이 한 표에서 답해지면 R&R 논쟁의 대부분이 사라집니다 [설계].
| 업무 | 직무 (책임) | 원형 (모드) | 게이트 |
|---|---|---|---|
| 요구사항 분석·추적 | SW개발·PM | 프로토타이퍼 → 스위퍼 | 🤝 T2 보조 추적 양방향 검증 |
| 아키텍처 설계 | AA·CA·IA | 빌더 + 스위퍼 | 🤝 T2 보조 버린 대안 기록 |
| 코드 생성·리뷰 | SW개발 | 빌더(생성) · 메인테이너(리뷰) 생성자 ≠ 검증자 | ⚙️ T1 자동화🔒 T3 게이트 생성은 T1 · 병합 확정은 사람 |
| 테스트·검증 | 품질(QE) | 메인테이너 — 맨 앞 검증 계약 선행 | ⚙️ T1 자동화🔒 T3 게이트 실행은 T1 · 릴리스는 사람 |
| 클라우드 컷오버 | CA·IA | 메인테이너 + 빌더 | 🔒 T3 게이트 롤백 문서 없이는 불가 |
| 운영 장애 대응 | IA·네트워크 | 메인테이너(탐지) → 스위퍼(근본원인) | ⚙️ T1 자동화🔒 T3 게이트 탐지는 T1 · 재발방지는 사람 |
표 5 · 3층 R&R 매트릭스 예시 [설계]. 전 직무 버전은 조직별 워크숍에서 부하 상위 업무부터 작성합니다.
4.2 개인 역할을 정해도 팀 경계는 남습니다 — 팀 4종 × 상호작용 3방식
3층 아키텍처는 개인의 역할을 답하지만, “누구와 누구를 한 팀으로 묶는가”는 별개의 질문입니다. 팀 설계 방법론인 Team Topologies의 언어를 빌리면, 이 운영모델에 필요한 팀은 네 종류로 수렴하고 상호작용은 세 방식이면 충분합니다 [설계].
| 팀 유형 | 맡는 것 | 상호작용 | 종료 조건 |
|---|---|---|---|
| 가치흐름 팀 Stream-aligned | 고객·서비스 가치흐름 S0~S6의 결과 — 직무 전문가들이 원형 모드로 일하는 곳 | End-to-end 소유 | 서비스 수명주기 |
| AX 플랫폼 팀 Platform | 게이트 층의 도구 공급 — 모델 게이트웨이·검색증강생성(RAG)·평가 하네스·관측·디자인시스템 (AI Engineering의 홈) | 서비스로 제공 X-as-a-Service | 플랫폼 제품으로 지속 |
| 이네이블링 팀 Enabling | 업무 분해·에이전트 조립·리서치 역량을 가치흐름 팀에 전이 | 촉진 Facilitating | 4~8주 후 소비팀 자립 — 시한부 |
| 독립 검증 팀 Assurance | 보안·AI 안전·독립 품질 — 메인테이너 전담의 조직적 실체 | 협업 → 서비스 | 위험 기준·경계 확정 |
표 6 · 팀 4종 × 상호작용 3방식 [설계] — Team Topologies의 팀 유형을 3층 아키텍처에 대응.
4.3 무엇으로 재는가 — 다섯 축과 나쁜 대용지표
도입 0단계가 “측정”인데, 무엇을 재는지가 없으면 측정은 활동 보고가 됩니다. 다섯 축을 함께 보되, 각 축마다 빠지기 쉬운 나쁜 대용지표를 명시합니다 [설계]. 개발자 생산성이 단일 지표로 환원되지 않는다는 것은 마이크로소프트의 SPACE 연구가 이미 경고했습니다.
| 축 | 북극성 지표 | 진단 지표 | 나쁜 대용지표 |
|---|---|---|---|
| 흐름 | 고객가치 리드타임 | 대기·인계·재작업·배포 빈도 | 생성 코드 줄 수 |
| 품질 | 유출 결함·사고·회복 | 평가 통과율·변경 실패율·복구 시간(MTTR) | 테스트 개수 |
| 사용자 가치 | 과업 성공·채택·유지 | HEART 축·접근성·지원 문의 | 화면 수 |
| 거버넌스 | 추적 가능한 🔒 결정 | 승인 기한 준수·예외·증거 완결 | 게이트 개수 |
| 지속가능성 | 인지부하·집중시간 | 동시 진행 업무(WIP)·의존성·팀 설문 | 활용률 100% |
표 7 · 핵심성과지표(KPI) 5축 [설계] — 26주 모델의 지표(유효 산출·리드타임·통과율·유출·낭비)는 이 중 흐름·품질 축의 모형 버전입니다.
4.4 도입 순서 — 90일은 재는 것부터, 그다음은 레이어부터
모델의 발견 2·3을 그대로 순서로 옮깁니다 [설계].
도식 8 · 도입 로드맵 [설계] — 화살표가 아니라 관문입니다. 각 칸의 완료 판정(✓)을 통과해야 다음 칸으로 갑니다(표 8).
각 칸을 풀어 쓰면 이렇습니다.
그리고 단계 사이에 자동 진급은 없습니다. 분기마다 표 7의 지표로 셋 중 하나를 판정하고, 판정 없이 다음 단계로 넘어가지 않습니다 [설계].
| 판정 | 신호 | 행동 |
|---|---|---|
| 확대 Scale | 유효 산출·리드타임·1회 통과율이 전후 비교에서 개선 + 🔒 게이트 응답 기한 준수 | 다음 단계 진입 · 적용 트랙 확대 |
| 유지 Hold | 지표 혼조 또는 측정 기간 부족 | 범위 동결 · 원인 진단 후 다음 분기 재판정 |
| 중단·회귀 Stop | 유출 결함·사고 증가 · 게이트 우회 발견 · 지속가능성 축 악화 | 직전 단계로 되돌리고 게이트부터 재정비 |
표 8 · 단계 전환 판정 기준 [설계] — “롤아웃 계획”이 아니라 “진급 시험”으로 운영합니다.
4.5 결정 전 점검 일곱
- 우리 조직의 “부하 상위 업무”와 “요청 상위 업무”가 같은지 다른지를 실측했는가
- 업무별 사람 확정 노드(🔒)에 이름과 용량이 붙어 있는가
- 검증(메인테이너)의 위치가 산출물 뒤인가, 생성 계약 앞인가
- AI 사용이 개인 재량인가, 티어로 선언되어 있는가
- 전 직무 공통 역량 축이 체계에 존재하는가 — 없다면 AX 5축이 첫 후보인가
- 팀 경계가 표 6의 네 유형으로 그려져 있는가 — 특히 이네이블링 팀에 종료일이 있는가
- 전면 재편을 검토 중이라면, 도구 이득 “실측”이 그것을 지지하는가 아니면 희망이 지지하는가
Closing세 줄로 다시
- Legacy는 적이 아닙니다. 관문·전문성·계약 언어라는, AX가 여전히 필요로 하는 세 자산이 그 안에 있습니다. 진짜 적은 개인 재량으로 스며든 무체계 AI입니다 — 모델의 전 시나리오에서 꼴찌는 언제나 그 조건이었습니다.
- 순서가 전략입니다. 재고(90일) → 레이어(6개월) → 오버레이(12개월) → 제도. 가장 싼 개입이 이득의 92%를 가져갔습니다.
- 전면 재편은 조건부 정답입니다. 도구 이득이 1.5배 세계에 도달했다는 실측이 있을 때만 — 그 전까지는 직무를 해체하지 말고 겹치십시오.
- X-1 AI/AX 2030 전략: McKinsey, BCG, Accenture, Deloitte, Gartner 교차 분석
- X-2 빅테크 리더십 격변과 AX 전략
- X-3 2026년 GitHub에서 주목할 프로젝트와 AI 전환 신호
- X-4 AI 에이전트 2026 상반기 대해부 — 지금 무슨 일이, 리더는 무엇을
- E-1 AI 네이티브 기업 전환 — CHO·PMO 재정의
- E-2 한국 기업 AX 2030 (Capstone)
- E-3 NH농협은행 SAFe 애자일 3년 — 페이스메이킹의 기록
- E-4 하나은행 × BCG 애자일 전환 — 두 개의 리듬으로
- E-5 네이버랩스 AKI — 하이브리드 애자일 PMO로 7개 제품을 한 박자로
- E-6 일곱 도메인 업무 흐름 지도 — 내 도메인의 게이트는 어디에 걸려 있나
- EO-1 우리 회사 업무, 어디까지 Agent에 맡길까
- EO-2 사내 RAG의 진짜 테스트: 부서 이동과 문서 개정을 견디는가
- EO-3 회의록에서 업무 등록까지: 중복 실행을 막는 Agent
- EO-4 Agent 성적표: 답변·업무 완료·재작업을 함께 재기
- EO-5 전문가의 지식은 어떻게 다음 프로젝트의 근거가 되는가
- EO-6 Agent 도입 30일, PMO는 무엇을 보고 계속할지 결정할까
- EO-7 Sillok × Astra/ultra: 시너지를 판정하는 업무 실험
- EO-8 공공 SI와 제조 SCM, 같은 Agent에서 달라지는 경계
- K-1 Agentic 시대, PM의 온톨로지맵 — Obsidian을 통해 나만의 RAG를 만드는 법
- K-2 Karpathy의 LLM과 Obsidian 지식 결합
- K-3 Karpathy의 autoresearch: PM에서의 적용 사례
- K-5 Karpathy LLM OS 시각으로 본 AX PM/PL 역량 — Claude Code 소스 교차 분석
- K-6 30시간 RAG 실측 — Karpathy llm-wiki vs obsidian-vault 양강 비교
- K-7 구글 OKF·Obsidian Vault·llm-wiki — 무엇을 어떻게 시작할까
- K-8 Obsidian × LLM 4만 노트 — 개인 RAG 최종 아키텍처 5층
- K-9 PM 온톨로지맵 템플릿 배포판 — 30분에 채우는 5칸
- G-1 삼성전자 GAUSS PM Agent: 효과적 설계로 주니어 PM 지원하기
- G-2 주니어 PM 위한 AI 하네스 구축 가이드
- G-4 삼성 DX 엔지니어를 위한 Codex 온보딩 — 하네스 & 개인 RAG
- G-5 나의 Agent 비서, 블록 12개로 조립한다 — 재사용 블록과 77%의 법칙
- G-6 내 업무를 맡길 AI 에이전트 — 6블록 설계와 PROFILE BIND
- CC-4 내 노트 4만 개 검색 — LLM 직접 읽기 vs 전용 CLI, 하이브리드 5.5배
- CC-5 Obsidian 노트를 앱 없이 검색 — 오픈소스 byeori(벼리)
- CC-6 사내 지식을 RAG로 — 망분리·토큰0 6단계
- G-8 4.5TB 클라우드 단일화 — Mac × 클라우드 × Agentic 업무환경
- A-5 Fable 5와 보낸 첫 하루 — 모델 × 하네스 × RAG 실측 회고
- A-6 맥은 이미 AI 워크스테이션 — 사진·노트·인박스 0원 정리
- A-7 Mac@Work 2026 — 맥 20년차의 도구 모음과 Agentic 카테고리
- A-8 좋은 엔진은 없다, 맞는 엔진이 있다 — Codex/Sol vs Claude/Fable 5대 실전 비교
- CC-3 Opus xhigh 솔로 vs ultracode 멀티에이전트 — 작업유형별 A/B 실측
- G-3 대기업 직장인을 위한 AI Agent & Skill 추천 가이드 2026
- G-7 녹취 엔진 두 레인 — SpeechAnalyzer와 Alt, 코칭·컨설팅 6장면 판단표
- CC-7 Claude Code × GPT-5.6 Sol — CCR vs 순정 Codex 7시나리오 실측
- P-0 7인의 사고 체계 종합 프레임워크
- P-1 PM 코치가 바라보는 AI 전문가 탐구 1편: Andrej Karpathy
- P-2 Sutskever: 압축이 곧 지능이다
- P-3 Hassabis: 제1원리 분해
- P-4 LeCun: 세계 모델 + 예측
- P-5 Hinton: 거버넌스 + 자기부정
- P-6 Ng: AI 전환 플레이북
- P-7 Fei-Fei Li: 인간중심 설계
- P-8 Builders 종합: Boris·Cat·Truell·Masad·Murati·Brockman
- P-9 Operators 종합: Altman·Amodei·Nadella·Pichai·Zuckerberg·Suleyman
- P-10 Hardware 양강: Jensen Huang · Lisa Su
- P-11 DeepSeek 량원펑 — 연속 학습의 공백과 하네스
- S-1 Agentic PM의 시대가 열리다 — LG전자 SW PM 워크숍을 마치며
- S-2 삼성전자 PMC: AI와 함께하는 PM 교육 혁신
- S-3 SKT Agent 도출을 위한 AI 퍼실리테이션 기법
- S-4 리스크는 그릇이었다 — LG전자 SW공학연구소 GenAI RISK 워크숍
- S-5 코드 한 줄 없이 손익관리팀이 만든 에이전트 — 신한EZ손해보험
- S-6 “어디까지 입력해도 되나요?” — 삼성 구매 현장의 Agentic 각성
- S-8 ‘바이브 프로젝트 매니징’을 스스로 이름 붙였습니다 — 현대모비스 편
- S-9 “대충 시키면 다 해줄 줄 알았는데” — SK쉴더스 보안 PM들의 이틀
- S-16 “완료했습니다”가 서로 다른 뜻이었다 — 다섯 차수 종료 회고 NEW
- PS-2 공공 PM이 ‘AI 이용자’에서 ‘AI 활용자’로 — 아이티센 편
- M-1 Agentic PM 시리즈 진입 가이드 — 전체를 한 장으로
- Z-1 실록(Sillok) — 5세기 Audit-Grade 거버넌스를 LLM 운영에 빌려온 한국형 LLMOS 하네스
- Z-2 실록(Sillok) 2026 상반기 결산 — RAG·고객사·지능화 루프·오픈소스
- Z-3 하네스×RAG 기업 컨설팅 — 네 현장·환각 방지·TOP10 자가진단·진화 루프
- Z-4 하네스 엔지니어링 백서 — Weng 하네스론×실록 구조 매핑·자기개선 루프·정직한 결산
- Z-5 에이전트 스킬 수명주기 백서 — Dynamic Agent Skills 8단×실록 매핑(7 온전+1 갭)·분기 12문항 레퍼런스·PO/PM/PL 컨설팅 직역
- Z-6 AX 시리즈 100편 기념 특집 — 실록·3층 RAG 운영 실측: 대시보드 5장 해설·구조 도식 2장·지식 구조 7층·강의/프로젝트/발행 3사례·응용분야·정지 사고 공개
- W-1 Agentic 월간 관전포인트 2026-05 — 가우스+빅테크 듀얼 모델 시대
- W-2 Agentic 2026 상반기 총결산 — 다섯 축 6개월
- Z-7 100편 기념 특집 2편 — 배치 사다리 6단·수명주기 22일/90일·계측 3지표 (팩 119 중 16개가 라우팅 80% 실측)
- Z-8 100편 기념 특집 3편 — 위임 경계=비가역성·88스텝 중 45개(51%) 사람 확정·비가역 6갈래·4칸 표 템플릿