- AI로 한 사람이 여러 사람 분량의 코드를 만들 수 있어도, 팀이 같은 방향으로 움직이게 하는 일까지 자동으로 해결되지는 않음. 관리자의 기술적 판단과 사람 관리는 여전히 필요함
- AI는 업무 기록을 쉽게 보여주지만 가시성과 이해는 다름. 요약만 읽으면 맥락과 미묘한 신호를 놓치며, 성과 평가문까지 맡기면 판단도 AI에 끌려갈 수 있음
- 코드가 저렴해지면서 기존 시스템을 이해하는 대신 새로 만드는 일이 쉬워짐. 중복 시스템과 소유권 다툼이 늘고, 동료에게 도움을 구하며 쌓던 신뢰도 약해질 수 있음
- 관리자는 AI 도구 실험에만 몰두하거나 도입을 외면하지 말고, 작업 방식과 협업 규범을 함께 바꿔야 함. 예상 밖의 문제를 직접 추적하며 팀의 실제 상황을 파악해야 함
- 생산성 향상의 일부는 회의, 설계 검토와 대화에 써야 함. 각자가 더 빨리 움직일수록 방향을 맞추고 지식을 공유하는 일이 중요하며, Claude보다 사람과 더 많이 이야기해야 함
“『The Manager’s Path』 저자 카밀 푸르니에(Camille Fournier)의 LDX3 New York 발표를 바탕으로 한 글”
관리의 종말보다 2026년의 실제 업무- 기술 기업 CEO들은 관리 계층 축소 또는 소멸을 공개적으로 이야기하고 있음
- Jack Dorsey는 상설 중간 관리 계층이 필요 없다고 말함
- Brian Chesky는 앞으로 사람을 관리하는 관리자에게 가치가 없을 것이라고 말함
- Brian Armstrong은 Coinbase의 모든 리더가 강력하고 적극적인 개별 기여자여야 하며, 관리만 하는 사람은 없어야 한다고 말함
- AI가 인간 관리자를 완전히 대체한다는 전망은 기술 업계의 대규모 고용 감소, 지식 노동의 종말, AI 감시 체제, 탈희소성 사회, 우주 데이터센터 같은 공상과학적 미래상에 가까움
- 당장의 과제는 그런 미래를 예측하는 것이 아니라, 2026년의 관리 업무를 기술 역량, 신호 처리, 사람 관리라는 세 영역에서 재검토하는 것임
- 관리 업무의 상당 부분은 위험 관리임. 합리적인 품질과 일정으로 일을 완수하면서, 직원이 계속 퇴사할 정도의 부담을 주지 않아야 함
- 비슷한 소프트웨어 시스템을 직접 만들어본 경험이 없으면 적정 일정과 좋은 결과물을 판단하기 어려움
- 기술적 판단을 전적으로 위임해야 하는 관리자보다 관련 경험이 있는 관리자가 여러 위험을 다루기 쉬움
- 개발자가 코드를 한 줄씩 쓰기보다 에이전트에 개발을 지시하면서, 겉보기에는 완성된 소프트웨어를 얻는 속도가 크게 빨라짐
- 생산성에 대한 집착은 경영진뿐 아니라 새로운 속도에 매료된 개별 엔지니어에게도 나타남
- 한 사람이 처리할 수 있는 일이 늘어 기존의 업무 분할 방식을 전면 재검토해야 함
- 속도와 AI의 기술적 특성 때문에 보안, 장기적인 품질, 유지보수 가능성을 관리해야 함
- 기술적 전환은 업계가 비교적 잘 해결해 나갈 수 있는 영역으로 보이지만, 당분간 시행착오가 불가피함. 지속적인 실험과 학습 공유가 필요하며 만능 해법은 없음
- 신호 처리는 문제 진단, 팀의 문제 해결, 모호한 상황에서의 의사결정을 뜻함. 정보를 많이 얻는 것보다 올바른 판단에 필요한 정보를 얻는 능력이 중요함
- Dorsey는 기업의 속도가 정보 흐름에 달려 있고 위계와 중간 관리가 이를 방해한다고 말함. 관리 축소론에는 AI가 조직의 정보를 처리하고 신호로 바꿔 더 적은 의사결정자에게 전달할 수 있다는 전제가 있음
- 디지털 업무 기록에 접근하는 AI는 특정 직원이 지난주에 무엇을 했는지에 대해 유용한 출발점을 제공할 수 있음
- 관리자는 이를 일대일 면담에 활용해 단순 현황 확인 시간을 줄이고 더 깊은 대화에 집중할 수 있음
- 사내 AI에 자신의 업무를 물어보고 응답을 검토하면 실제 품질 수준을 가늠할 수 있음
- 범위가 개인을 넘어가면 답변의 유용성이 떨어져, 사람들에게 다시 확인하는 데 처음부터 직접 물었을 때만큼 시간이 들 수 있음
- 리더에게 직접 질문하는 과정은 리더가 무엇이 중요한지 생각하고, 팀의 업무와 그 이유를 이해하도록 훈련하는 기회이기도 함
- 이 과정은 조직이 원활하게 운영되고 같은 방향을 유지하는 데 중요함
- AI 기록 도구에 의존하면 상황 인식(situational awareness) 을 기르는 데 방해가 될 수 있음
- 몸짓, 목소리, 카메라를 켜거나 끄는 행동, 말한 내용과 말하지 않은 내용에도 정보가 담겨 있음
- AI가 회의 기록을 대신한다는 이유로 집중하지 않으면 이런 미묘한 신호를 놓칠 수 있음
- 디지털 기록의 요약에 의존할 때도 알고리듬이 중요한 내용을 제대로 골랐다고 믿어야 함. 요약은 유용한 신호가 담긴 일부 정보를 필연적으로 제거함
- 성과 평가에서 AI에 역량 평가표와 업무 기록을 대조하도록 요청하면, 잊고 있던 성과를 떠올리고 최근 일에 치우치는 편향을 줄이는 데 도움이 될 수 있음
- 그러나 AI가 성과 평가문을 작성하기 시작하면 판단 자체에도 영향을 줌. 설득력 있는 문장이 사고를 특정 방향으로 끌어당기며, 그 영향에서 벗어나기 어려움
- 기계에는 책임을 물을 수 없으므로 관리 의사결정의 책임도 맡길 수 없음
- 상사가 직원의 자기평가를 그대로 붙여 넣으면 좋은 점수를 주더라도, 시간과 관심을 들이지 않았다는 인상을 줘 신뢰를 잃을 수 있음
- 관리자는 평가문의 모든 문장을 방어하고 결과를 책임질 수 있어야 함
- 대부분의 경우 그 확신에 도달하려면 직접 쓰면서 사고, 분석, 판단을 거쳐야 함
- 기업들은 AI로 가시성과 생산성이 높아졌다는 이유로 더 큰 팀을 관리하길 기대하면서, 관리자를 줄이고 새로 채용하지 않음
- 일부 기업은 관리자에게 코드 작성까지 요구하며, 코드 외의 개별 기여 가치를 간과함
- 동시에 팀이 AI를 충분히 쓰되 과도하게 쓰지는 않도록 조정하고, 불안과 조급함을 다뤄야 함
- 관리자 자신도 AI를 잘 쓰는 법을 배우거나 불안을 해소할 지원 없이 적응해야 하는 경우가 있음
- 관리자 3명 중 1명이 개별 기여자 역할로 돌아가는 것을 고려하고 있음. 코드 작성과 대규모 팀 관리를 동시에 요구받는다면 코드 작성만 맡는 편을 택할 수 있음
- 과거의 “작동하는 코드가 이긴다”는 원칙은 누군가 문제 해결에 노력과 관심을 기울였다는 신호였음. 코드가 저렴해진 지금은 그 신호의 의미가 약해짐
- 기존 시스템을 이해하기 번거롭다는 이유로 새 시스템을 만들고, 해당 영역의 책임과 소유권까지 자기 팀에 요구할 수 있음
- 누가 무엇을 만들어야 하는지, 조직 경계가 여전히 유효한지를 둘러싼 갈등과 불만을 관리해야 함
- AI는 조직의 문화적 정보 전달 경로를 훼손할 수 있음
- 콘웨이의 법칙(Conway’s Law)은 조직과 시스템의 관계에 대한 관찰인 동시에, 사람이 자신의 담당 시스템과 협업 대상을 파악하는 데 유용함
- 사람은 조직도상 가까운 팀과 긴밀히 일하고, 먼 팀의 시스템을 활용할 때 더 많은 대화와 검토가 필요함을 이해함
- AI는 이런 맥락을 고려하지 않고 보이는 시스템에 의존성을 만들거나 잘못 사용할 수 있으며, 실행을 지시한 팀도 문제를 인식하지 못할 수 있음
- AI가 간단한 질문에 빠르게 답하는 것은 유용하지만, 동료와의 작은 상호작용을 줄임
- Glean, Slackbot, Claude, ChatGPT에 묻는 동안 동료에게 도움을 구하거나 작은 호의를 주고받지 않게 됨
- 그만큼 서로의 성격을 알아가고, 인맥과 신뢰를 쌓는 기회도 줄어듦
- 생산성 집착이 새로운 일을 먼저 했다는 과시적 행동에 대한 보상, 소통 부족과 결합하면 80%쯤 완성된 “거의 실제 같은” 시스템이 곳곳에 생길 수 있음
- 시민 개발자(Citizen Developers) 가 만드는 잠재적 혼란까지 더해질 수 있음
- 가시성과 이해를 구분하지 못한 채 생산성만 추구하면, 과부하 상태의 관리자가 놓치는 파편화된 시스템과 로직이 늘어나 통제하기 어려운 혼란으로 이어질 우려가 있음
- 새로운 코딩 방식과 AI 도구를 실험하는 데만 시간을 쓰고, AI에 팀 관리를 맡겨서는 안 됨. 관리자의 일에서는 사람을 돌보는 역할도 도구를 다루는 일만큼 중요함
- 반대로 AI를 외면하거나 관성으로 도입을 막으려 해서도 안 됨
- 회사가 AI를 사용한다면 관리자도 익숙해져야 팀의 전환을 도울 수 있음
- 변화에 참여하지 않으면 관리자로서 역할을 제대로 수행하기 어려워질 수 있음
- AI가 팀과 함께, 팀을 위해 작동하도록 작업 흐름과 절차를 바꿔야 함. 코드 리뷰 개선, 평가, 새로운 테스트 방식은 중요한 기술적 과제임
- 정책과 기준을 둘러싼 문화적 변화도 똑같이 중요함
- Respectful AI Policy는 AI를 사용할 수 있는 환경에서 동료와 어떻게 협업하고 업무에 참여해야 하는지 다루는 사례임
- 관리자와 리더는 팀이 AI와 함께 일하는 방식에 대한 지침을 마련해야 함
- 상황 인식을 유지하려면 예상 밖의 일을 끝까지 확인해야 함
- Respectful AI Policy 작업은 팀 리더들과 대화하다가, 동료에게 저품질 AI 결과물을 넘기거나 업무에 집중하지 않는 행동에 대한 불만을 발견하면서 시작됨
- 누구도 모든 세부사항을 포착할 수 없고 AI 의존으로 더 많이 놓칠 수도 있지만, 뜻밖의 문제를 추적하면 잘못을 바로잡고 더 면밀히 살필 영역을 찾을 수 있음
- 목표는 AI의 강력한 개인 생산성을 활용하면서 팀의 일관성과 결속을 유지하거나 높이는 것임. 저렴한 코드가 낳을 영역 다툼에 대비하려면 협력과 신뢰가 중요함
- 이를 위해서는 사람들과 이야기하는 시간을 오히려 더 늘릴 필요가 있음
- 한 사람이 짧은 시간에 여러 사람 분량의 코드를 만들 수 있으므로, 여러 개인과 팀의 움직임을 따라가기 더 어려워짐
- 뛰어난 요약도 각자가 다른 방향으로 흘러가며 공통의 방향과 일관성을 잃는 과정을 충분히 포착하지 못할 수 있음
- 생산성 향상의 일부를 회의, 설계 검토, 대화처럼 느려 보이는 활동에 써야 함. 방향을 맞추고 지식을 공유하며 인간적 연결을 만드는 일이 규모 있는 조직의 좋은 결과에 더욱 중요해짐
- Meta는 2026년 9월 13일 무렵, 가장 공격적으로 시행했던 관리자 감축 일부를 되돌림
- 관리자 1명당 직원 40명 또는 50명을 맡기는 구조에서 여러 부정적 결과가 발생했음을 인정함
- 관리자를 대폭 줄이면서 높은 조직 성과를 유지할 준비가 아직 충분하지 않을 수 있음
- 관련 사례와 논의는 Managers Are Catalysts에서 확인할 수 있음
- Harper Reed의 질문처럼 “이 시스템에서 누가 권력을 갖는가?”, 그리고 시스템에 대한 특정 설명을 믿을 때 누가 이익을 얻는지 물어야 함
- 성공한 기술 기업 CEO들이 관리와 인간의 중요성이 줄어드는 미래를 내세우더라도, 관리자 역시 시스템을 만드는 주체임. 리더로서의 선택과 행동으로 상황을 개선하거나 악화시킬 수 있음
- 역할의 소멸이 불가피하고 미래를 바꿀 힘이 없다는 메시지를 거부해야 함. Claude보다 사람과 더 많이 대화하고, 호기심과 참여 의지를 유지하며 AI가 사람을 위해 작동하도록 함께 길을 만들어야 함