SKT 기업문화센터 Competency실 15명 · 4시간 · 22개 산출물 · AX PM 코치 1인칭 회고
바쁜 분을 위한 3줄 요약
① SKT 15명과 4시간 워크숍에서 산출물 22개와 1인 1에이전트 명세가 인공지능(AI)과 함께 현장에서 완결되었습니다.
② 완전 자동화(34/45점)보다 사람 판단을 결합한 하이브리드(40/45점)가 높았듯, AI는 진행자를 더 깊게 만들기 때문입니다.
③ 제거·축소·증가·창조(ERRC) 판정 없는 자동화는 비효율의 자동화이니, 에이전트 후보 선별에 4축 평가표를 적용해 보시기 바랍니다.
이 편이 답하는 질문
- “아날로그 23/45 → AX 34/45 → 하이브리드 40/45” 평가가 의미하는 것은, 완전 자동화보다 “Human-in-the-Loop + 사람 판단”이 더 효과적이라는 뜻인가?
- “강사 역할 변화(Moderator 80%→30%, Curator 15%→30%, Director 5%→40%)”가 시사하는 바는, AI가 등장하면 facilitator 일이 간단해지는 게 아니라 더 깊어진다는 것인가?
- “15명=15개 다른 Agent Spec” 도출과 “67%가 즉시 실행 가능” 성과가 조건부 Success인가, 모든 조직에 재현 가능한 패턴인가?
- “E(Eliminate)·R(Reduce)을 거치지 않은 채 R(Raise)·C(Create)로 직행하는 자동화는 비효율의 자동화”라는 명제가 정말 맞는가, 속도 우선 조직에서는 타당하지 않을 수도 있는가?
이 시리즈를 읽는 세 개의 눈
- PO: Agent/Skill 도출 워크숍 시 Step 3.5 “ERRC 판정”을 명시적으로 신설해 E·R 단계 해당 업무는 Agent 후보에서 배제하고 R·C만 남기라.
- PM: “Quick-Win Agent의 황금 공식”(매일 반복 × 1인 운영 한계 × 입력/출력 명료성)을 Agent 선별 기준으로 삼고, 4축 평가(반복성·자동화 가능성·시간 절감·비개발자 자립)를 팀 단위 표준화하라.
- PL: 워크숍 후 “산출물 문서화 리드타임”이 D+3~7에서 D+0으로 개선되면 조직의 “의사결정 속도”도 개선된다는 뜻임을 인식하고, 이를 조직 민첩성 지표로 추적하라.
들어가며
퍼실리테이터가 빠지면서 워크숍이 더 깊어졌다
2026년 4월 SKT 기업문화센터 Competency실 15명과 4시간을 보냈습니다. 22개의 마크다운 산출물, 15명 전원의 개인 맞춤 Agent Spec, C-Level용 Executive Report와 시각화 대시보드까지 — 그 자리에서 모두 완결되었습니다.10년 가까이 PM 코치·컨설턴트로 워크숍을 진행해 왔지만, 이번엔 다른 종류의 긴장감이 지속되었습니다. 실시간으로 토론/의견에 대한 데이터를 보고 AI로 취합하며, 이를 기반으로 기업문화x레거시절차를 고려한 다음 질문을 던지는 일로 옮겨있었습니다.
이 워크숍이 “처음”이 아니었던 이유 — 누적된 AX 코칭 자산의 합류점
이번 SKT 워크숍이 4시간 안에 22개 산출물에 도달할 수 있었던 진짜 이유는 도구의 성능이 아니라, 지난 몇 분기 동안 누적된 AX PM 코칭 자산이 그 자리에서 한꺼번에 합류했기 때문입니다. 4시간은 첫 시도가 아니라 여러 차례의 검증을 압축한 결과였습니다.이번 워크숍에 합류한 3가지 자산
- Samsung GAUSS PMBOK Agent — Case-Driven Advisor에서 Operational Agent로 구조를 바꾸면서 도입한 운영 원칙 · 도구 정책 · 승인/권한 게이트 · 계획·실행 분리 · 검증 게이트 5종 패턴이 SKT 워크숍의 Agent Spec 평가표 4축 설계와 Step 3.5 ERRC 판정 신설 근거에 그대로 흘러들어왔습니다.
- 삼성전자 PMC · LG전자 SW PM 워크숍 AX 코칭 — Write → AI → Discuss → Vote 사이클, AI Refinedment 3회 투입 원칙, 예시 라이브러리 선행 제공 원칙은 두 기업 현장에서 먼저 검증된 패턴이었습니다. SKT 4시간 워크숍의 시간 구조는 이 검증 위에서 압축된 것이었고, “강사 1인 병목 → 전원 동시 큐레이션”의 정량 배수도 삼성 PMC 실증 데이터에서 가져온 수치입니다.
- AX 시리즈 Agent/Skill 리서치 종합 — Anthropic State of AI Agents · Building Effective Agents, McKinsey GenAI Enterprise Value, Karpathy LLM OS 시각, 그리고 Claude Code 본체 분석까지 — 이 5종 리서치가 워크숍의 5 Step 질문 설계, 4축 평가 기준, “Decompose before Automate” 원칙의 이론적 근거가 되었습니다.
Part 1 · 전환
아날로그에서 AX로 — 정량과 정성의 변화
정량 — 배수로 보면 10배가 아니라 1,440배
기존에 진행해 오던 아날로그 워크숍과 이번 AX 방식을 같은 축에서 비교하면 다음과 같습니다. 특히 마지막 두 줄이 결정적입니다. 분석이 1분에 끝난다는 사실은 워크숍 진행 도중에 그 분석 결과를 다시 입력으로 쓸 수 있다는 뜻이고, 그래서 Step 4의 Agent 도출이 Step 1~3의 데이터를 실시간으로 빨아들일 수 있게 됩니다.9개 평가축 매트릭스 — 진짜 답은 하이브리드
9개 축 총합 (45점 만점)
Analog 23 / 45 AX Agentic 34 / 45 하이브리드(권장) 40 / 45
정성 — 강사 1인 병목에서 전원 동시 큐레이션으로
이 표를 처음 그렸을 때 가장 충격이었던 셀은 “퍼실리테이터의 위치”였습니다. 저는 워크숍 동안 무대 한가운데서 빠지고, 옆에서 큐레이터·디렉터로 자세를 바꿨습니다. 참가자가 직접 시트에 자기 업무를 적는 그 순간, 제가 손을 떼는 순간 — 그 자리를 AI가 채웠습니다.
Part 2 · 본질
왜 Agent/Skill인가 — 목적과 수단의 분리
가장 위험한 오해 “워크숍의 목적은 Agent/Skill을 도출하는 것이다.” — 이것은 표면적 목적입니다. 표면을 진짜 목적이라고 믿는 순간, 워크숍은 단순한 자동화 카탈로그 작성 대회로 전락합니다.
“자동화 외에 업무 전반적인 PI 관점에서 고민했으면 한다.” “초기 목적인 ERRC 관점에서 ER을 먼저 하는 것이 빠졌다.” “Workflow를 PI하는 교육 목표 달성 검토 + Reflection 과정이 필요.”워크숍이 끝난 직후 자발적으로 21%의 참가자가 동일한 결의 비판을 적었다면, 그 비판은 우연이 아니라 워크숍 설계가 표면 목적과 본질 목적을 제대로 분리하지 못한 결과입니다.
진짜 목적은 ERRC
핵심은 맨 앞의 두 단계입니다. E(Eliminate)와 R(Reduce)을 거치지 않은 채 곧장 R(Raise)와 C(Create)로 직행하는 자동화는 비효율의 자동화입니다. 없앴어야 할 업무를 자동화하면, 그 업무는 영원히 살아남습니다. 줄였어야 할 회의를 자동화하면, 그 회의는 더 자주 열립니다.코치 한 줄 “자동화하기 전에 해체하라 (Decompose before Automate).” — 해체란 ERRC의 E(Eliminate)와 R(Reduce)입니다. 이 두 단계를 통과한 잔여 업무에 대해서만 Agent를 설계하는 것 — 그것이 Agent/Skill이 수단으로서 의미를 가지는 유일한 자리입니다.
Part 3 · 발견
나/내 부서에 필요한 Agent/Skill 찾기
15명 = 15개의 다른 답
이번 워크숍에서 가장 자랑스러운 의미는 기존 조별로 나온 Agent 추천 목록이 이번엔 개별로 개인 업무 맞춤 Agent Spec으로 의 개인적이고 구체적인 도출입니다. AG-01부터 AG-15까지 1인 1건, 어느 것도 다른 것과 같지 않습니다. 아날로그 워크숍에서는 보통 조별 결과가 평균값으로 수렴합니다. 4명이 한 조라면 결과는 한 장이고, 그 한 장은 4명의 합집합이 아니라 공약수에 가깝습니다. 하지만 이번에는 AI가 15명의 입력을 동시에 처리할 수 있었기 때문에, 조별 토론으로 사라질 뻔했던 개인의 맥락이 모두 보존되었습니다.15개 Agent의 분포 — 67%가 즉시 실행 가능
이 분포에서 가장 중요한 사실은 67%가 즉시 실행 가능하다는 것입니다. 즉, 내일 아침 책상에 앉아서 ChatGPT/Claude에 프롬프트만 잘 적으면 본인이 직접 가동할 수 있는 Agent가 15개 중 10개라는 뜻입니다. 개발자 없이, 예산 없이, 결재 없이. 이 문장이 워크숍이 만든 가장 큰 변화입니다.
TOP 3의 공통 공식
Quick-Win 황금 공식 (매일 반복 빈도) × (1인 운영의 한계) × (입력/출력의 명료성) = Quick-Win Agent
이 세 가지 조건 중 어느 하나라도 빠지면 점수가 4점 아래로 떨어집니다. “내 부서에 필요한 Agent는 무엇인가?”라는 질문은 이 세 조건이 동시에 충족되는 업무를 찾는 것과 같습니다.Part 4 · 절차
Step by Step의 중요성 — 왜 5 Step인가
5개 질문의 무게
다섯 질문은 순서가 있습니다. Step 1을 제대로 거치지 않은 사람은 Step 4에서 흔들립니다. 본인이 무엇을 위해 일하는지 모르는 채 “AI에게 뭘 시킬까요?”라는 질문을 받으면, 답은 남의 업무가 됩니다.오늘의 실측 커버리지 — 가장 아픈 데이터
이 표를 다시 보면서 코치로서 가장 마음에 걸린 사실은 Step 4가 77%로 가장 높고 Step 2가 37%로 가장 낮다는 점입니다. 참가자들은 “AI에게 뭘 시킬지”에는 열정적이었지만 “업무 경계를 정의하는” 전제 작업에는 시간을 덜 썼습니다. 이것은 참가자의 잘못이 아니라 제 워크숍 설계의 잘못입니다.
다음 세션에 Step 3.5 ERRC 판정을 신설합니다 Workflow의 각 단계에 ERRC 태그를 부여한 뒤, E(Eliminate)/R(Reduce)에 해당하는 단계는 Agent 후보에서 제외합니다. 남은 단계만 Step 4 AI 협업 후보로 진입합니다. 이 한 단계의 신설이 워크숍을 자동화 대회에서 PI 워크숍으로 되돌릴 것입니다.
Part 5 · 게임화
Gamification — 약간의 재미·경쟁이 만든 결실
4축 가중 평가표가 만든 집중
각 축은 1~5점, 총점 5점 만점. 15개 Agent가 동일 기준으로 평가되어 동일 척도의 점수를 받았고, 그 점수가 곧 TOP 3 선정의 근거가 되었습니다. 핵심은 점수 자체가 아니라 점수가 만든 집중입니다. 점심 직후 13:00~13:40, 평소라면 가장 졸린 시간대에 평가/정제 세션을 배치했더니 — 참가자들이 졸기는커녕 본인 Agent의 점수가 어떻게 매겨지는지 몸을 앞으로 내밀고 지켜보았습니다.Gamification의 핵심 원칙 점수는 객관적이어야 하고, 선정은 명예여야 합니다.
객관적 점수 없이 선정만 있으면 호감도 투표가 됩니다. 객관적 점수만 있고 선정이 없으면 재미가 사라집니다. 둘 다 있어야 — 참가자가 “내 Agent의 점수가 객관적으로 나왔는데, 그게 선정에 미치지 못해서 아쉽다”고 말할 때 — 그 아쉬움이 다음 행동의 동력이 됩니다.놀이가 그대로 의사결정 자료가 되는 회로
임원에게 요청한 세 가지 의사결정 — PoC 승인, 분기 리뷰 정례화, 사내 공유 — 모두 워크숍 안의 점수와 선정에서 출발한 것입니다. Gamification은 점수를 매기는 것이 아니라, 집중을 만드는 것입니다.Part 6 · 1인칭 회고
코치로서 가장 깊었던 두 순간
가장 놀라웠던 순간
Step 1을 마치고 15명의 메타인지 시트가에 막 쌓였을 때입니다. AI에 그 시트를 그대로 던지자 1분 만에 — 15명의 대표 업무가 4-Level로 분류되고, 부서별 패턴이 도출되고, 조별 권장 훈련안까지 함께 나왔습니다. 평소 같으면 워크숍을 마치고 그 데이터를 들고 사무실에 돌아와 3일에 걸쳐 손으로 정리하던 일이었습니다. 그것이 1분 만에 끝난 그 순간, 저는 의자에 잠시 기대어 “퍼실리테이터의 일이 뭐였지?”를 다시 생각해야 했습니다.
코치의 역할 변화 — Moderator → Curator → Director
진행자의 비중은 줄었지만, 그 자리를 큐레이터(어떤 데이터를 어떤 순서로 보여줄 것인가)와 디렉터(이 워크숍이 어떤 결말로 향해야 하는가)가 채웠습니다. 진행자의 손목이 가벼워진 대신 디렉터의 시선이 길어졌습니다.Part 7 · 결론
AX 워크숍의 정답은 Human-in-the-Loop + Legacy + Value-Driven
이번 SKT 워크숍과 직전 두 분기의 코칭 사례 — Samsung GAUSS PM Agent, 삼성전자 PMC AX 워크숍, LG전자 SW PM 경진 코칭, 그리고 SKT 기업문화센터 — 를 한 줄로 묶으면 결론은 명확합니다. AX 워크숍은 더 빨리 자동화하는 자리가 아니라, 사람과 AI의 협업 경계를 더 정확히 그리는 자리입니다.AX 워크숍이 효과를 내기 위한 3가지 필수 조건
- Human-in-the-Loop은 옵션이 아니라 필수입니다. AI가 분석·문서화·정제를 끌어올리는 순간 사람의 사고 시간이 자동으로 줄어들기 때문에, 사람의 의사결정 지점·승인 게이트·맥락 해석은 워크숍 설계 안에 명시적으로 박혀 있어야 합니다. 회고에서 21%가 ERRC 누락을 비판한 이유, Samsung GAUSS PM Agent이 승인/권한 게이트와 검증 게이트를 도입한 이유, 다음 SKT 세션에 Step 3.5 ERRC 판정을 신설하는 이유 — 세 가지 모두 같은 명제 위에 있습니다.
- Legacy 환경을 인정해야 합니다. 대부분의 기업은 결재선 · 보안 정책 · 레거시 시스템 · 조직 정치 위에서 움직이고 있고, 그 위에서 작동하지 않는 Agent는 아무리 정교해도 공중에 떠 있는 도구가 됩니다. AX 워크숍의 진짜 임무는 이상적 환경을 가정하는 것이 아니라 지금의 결재선 안에서 가동 가능한 1개를 만들어내는 것입니다. SKT 워크숍에서 67%가 “즉시 실행 가능 (개발자·예산·결재 불필요)” 등급을 받은 이유가 여기 있습니다.
- Value-Driven 방식이 아니면 가속이 가속만 만듭니다. “이걸 자동화할까?”보다 먼저 “이 업무가 누구에게 어떤 가치를 주는가?”를 물어야 합니다. ERRC의 E와 R(Reduce)을 먼저 통과한 잔여 업무에 Agent를 얹는 순서, 4축 평가에서 시간 절감 임팩트가 25% 가중치를 차지하는 이유, TOP 3 선정이 “전사 체감”·”법정 리스크 방지”·”경영 의사결정 직결” 같은 가치 언어로 적힌 이유가 모두 같은 원칙 위에 있습니다.
5개 기업 코칭에서 도출한 동일한 결론
지난 2분기 동안 5개 기업에서 AX 코칭을 진행한 뒤 가장 단단해진 한 문장은 이것입니다.
“AX 워크숍이 가장 큰 효과를 내는 자리는 사람과 AI 사이의 명시적 경계 위, 그리고 Legacy가 받아들일 수 있는 속도 위입니다.” 그 경계를 정확히 그릴 수 있는 사람이 AX 시대의 퍼실리테이터이고, 그 경계 위에서 가동되는 Agent가 Legacy 환경에서 살아남는 Agent입니다. 4시간이든 7시간이든, 워크숍의 길이가 결정하는 것은 분량이지 깊이가 아닙니다. 깊이는 Human-in-the-Loop이 결정하고, 가동률은 Legacy 수용성이 결정하며, 효과의 크기는 Value-Driven 정렬이 결정합니다.마무리
AX 퍼실리테이터는 사라지는 것이 아니라 더 깊어진다
워크숍을 시작하기 전, 솔직히 한 켠에는 불안이 있었습니다. AI가 분석을 다 한다면 — 퍼실리테이터의 자리는 어디인가. 22개 산출물이 4시간 안에 나온다면 — 그 다음 워크숍에서 코치가 무엇을 더 할 수 있는가. 워크숍이 끝난 지금 답이 분명합니다. 왼쪽 열의 일들은 AI에게 넘기면 됩니다. 오른쪽 열의 일들은 더 잘해야 합니다. 그래서 다음 세션 7시간은 단순히 시간을 늘리는 것이 아니라 깊이를 회복하는 시간입니다.이번 워크숍의 22개 산출물 중 단 한 줄만 가져가야 한다면, 저는 이 줄을 가져갑니다.
“Agent를 만들기 전에, 당신의 업무를 다시 정의하라.” 이것은 SKT 기업문화센터 15명에게 드리는 메시지이자, 동시에 10년차 PM 코치인 저 자신에게 다시 적어 두는 다짐입니다. AI 도구가 빠르고 강해질수록, 사람이 던져야 할 질문은 더 본질로 내려가야 합니다. 그 본질로 내려가는 과정을 같이 동반하는 사람 — 그것이 AX 퍼실리테이터의 일입니다.#AX퍼실리테이션
#AgenticPM
#AI에이전트
#ERRC
#PI
#AgentSkill
#SKT
#기업워크숍
#나침반
#AIDesignCamp
#HumanInTheLoop
#ValueDriven
#SamsungGAUSS
#삼성전자PMC
#LG전자SWPM
#LegacyTransformation
이 글은 2026년 4월 6일 SKT 기업문화센터 AgentSkill Pilot Workshop(15명·4시간·22개 산출물)을 진행한 AX PM 코치의 1인칭 회고이자, 직전 두 분기 동안 진행한 Samsung GAUSS Phase3 PMBOK Agent v33 전환 · 삼성전자 PMC 65명 워크숍 · LG전자 SW PM 경진 코칭 · AX 시리즈 Agent/Skill 리서치 5종을 종합한 잠정 결산입니다. 참가자 데이터형 회고와 다음 세션(7시간) 보강 설계는 워크숍 내부 문서에 별도로 정리되어 있습니다.
함께 읽기 · Related Posts
시리즈 네트워크에서 이 편과 연결된 글
- S-1 · 현장 검증
Agentic PM의 시대가 열리다 — LG전자 SW PM 워크숍을 마치며 - S-2 · 현장 검증
삼성전자 PMC: AI와 함께하는 PM 교육 혁신 - G-2 · 실전 도구
주니어 PM 위한 AI 하네스 구축 가이드 - K-2 · 사고 체계
Karpathy의 LLM과 Obsidian 지식 결합 - B-4 · PM/PL 역할 전환
AI 시대의 PMBOK 8판 훈련 전략 - A-3 · 실전 실험
AI-SDLC 도입, 그 첫 실험의 소회
🧭 길잡이·수렴 (전체 진입)
🧱 개념·프레임워크 (Lv2–3)
🔄 역할·역량 전환 (Lv1–2)
🧠 사고 체계 (Lv2–3)
- 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-4 Karpathy: AI의 사고 체계를 PM에 어떻게 적용할까?
- 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
👤 AI 인물·리더 (Lv1)
- P-0 7인의 사고 체계 종합 프레임워크
- P-1 Karpathy: 제약 설계 + 닫힌 루프
- 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
📈 AX 전략·조직 전환 (Lv4)
🏢 현장 검증·사례 (Lv1–4)
- 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 NEW
- S-5 코드 한 줄 없이 손익관리팀이 만든 에이전트 — 신한EZ손해보험 NEW
- S-6 “어디까지 입력해도 되나요?” — 삼성 구매 현장의 Agentic 각성 NEW
- S-7 지금 Agentic으로 전환해야 하는 이유 — 삼성·LG·KT·Clean&Science 300여 분의 증명 NEW
🛠 실전 도구·실측 (Lv3)
- G-1 삼성전자 GAUSS PM Agent: 효과적 설계로 주니어 PM 지원하기
- G-2 주니어 PM 위한 AI 하네스 구축 가이드
- G-3 대기업 직장인을 위한 AI Agent & Skill 추천 가이드 2026
- G-4 삼성 DX 엔지니어를 위한 Codex 온보딩 — 하네스 & 개인 RAG
- A-1 AI 코딩 에이전트 시대, 거버넌스 없이 괜찮을까?
- A-2 AI가 코딩하고, AI가 관리한 1주일의 기록
- A-3 AI-SDLC 도입, 그 첫 실험의 소회
- A-4 AI 멀티 에이전트 개발 효과성 분석
- 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
- CC-3 Opus xhigh 솔로 vs ultracode 멀티에이전트 — 작업유형별 A/B 실측
- 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