AI 네이티브 회사로 가는 길 — 제조업 CEO를 위한 세 가지 질문

“AI를 도입하자”는 구호는 흔합니다. 하지만 내일 아침 누가 무엇을 다르게 하는지를 말하지 못하면 그건 분위기일 뿐입니다. 이 글은 Y Combinator 파트너 다이애나 후(Diana Hu)가 정리한 AI 네이티브 회사의 다섯 개념을, 80명 규모 배터리팩 제조사를 직접 운영하는 한 CEO의 눈으로 옮긴 강의 노트입니다. 세 가지 질문으로 압축됩니다 — (1) 시스템을 명사로 설계할 것인가 동사로 설계할 것인가, (2) AI는 도구인가 운영체제인가, (3) 그 확신을 누가 만들 것인가.

이 글의 사례 데이터에 관하여

본문에 나오는 거래처·고객사·공급사·경쟁사 이름은 모두 가공한 예시(한빛모빌리티, 대성시스템 등)이거나 일반화한 표현입니다. 실제 거래 관계와 무관합니다. 에스엘파워(SL Power)·저자 본인·자사 시스템명, 그리고 공개된 외부 사례(YC·StrongDM 등)는 실제 그대로입니다.

PART 1 — AI 에이전트 시스템 vs 전통 ERP

한 줄 결론

전통 ERP는 “화면(명사)” 부터 설계했다면, AI 에이전트 시스템은 “비즈니스 사건(동사)” 부터 설계합니다. 이 차이가 두 시스템을 완전히 다른 생물로 만듭니다.

1-1. 두 패러다임의 본질적 차이

	전통 ERP (2000년대 방식)	AI 에이전트 시스템
설계 시작점	화면(Form)과 테이블(Table)	이벤트(Event)와 도구(Tool)
동작	사람이 화면에 데이터 입력 → 저장	이벤트 발생 → 에이전트가 도구 호출 → 정책에 따라 분기 → 필요 시 인간 승인
흐름	화면 → 트랜잭션 → DB	사건 → 도구 → 정책 → 결과
메서드명	updateOrder(), insertCustomer()	confirmOrder(), flagQualityHold()
업무 모델링	”데이터 관리”로	”의사결정의 집합”으로

이 “명사가 아니라 동사로 설계한다”는 발상은 우리가 입력 없는 ERP와 AI 시대의 ERP에서 줄곧 밀어붙여 온 관점과 정확히 같은 뿌리에서 나옵니다.

1-2. 쉬운 비유로 이해하기

비유 — 식당 운영

전통 ERP 방식 = 종업원이 주문서를 받아 적고, 주방에 넘기고, 요리가 나오면 서빙하고, 계산은 매니저가 하는 방식. 각 단계마다 사람이 “화면(주문서)“에 입력해야 합니다.

AI 에이전트 방식 = 손님이 들어오는 “사건”이 발생하면 → 시스템이 자동으로 메뉴 추천, 주문 접수, 주방 알림, 결제 처리, 만족도 조사까지를 동사 단위로 처리합니다. 사람은 “이번 결정만 승인해 주세요” 지점에만 개입합니다.

1-3. 인사관리 모듈로 보기

같은 모듈을 두고 던지는 질문 자체가 다릅니다.

• ERP식 질문: “사원 등록 화면, 휴가 신청 화면, 인사 이동 화면을 만들어 줘.”
• 에이전트식 질문: “신규 입사자가 발생하면 어떤 결정의 연쇄가 일어나는가? 각 결정의 (1) 누가 (2) 무엇을 보고 (3) 무엇을 결정하고 (4) 다음으로 무엇을 트리거하는가?”

에이전트식 질문의 결과물은 화면이 아니라 동사 카탈로그입니다.

// 신규 입사 시 자동 발생하는 동사들
onboardEmployee(employeeId)        // 입사 절차 시작
issueITAccount(employeeId)         // 이메일·VPN 계정 발급
enrollSocialInsurance(employeeId)  // 4대보험 가입
assignMentor(employeeId, dept)     // 멘토 자동 배정
issueSecurityPledge(employeeId)    // 보안서약서 발행
scheduleOrientation(employeeId)    // 오리엔테이션 일정

이 동사들이 모이면 그 자체가 (1) MCP Tool 카탈로그, (2) HR 에이전트 역할 정의, (3) 정책 룰북이 됩니다. 화면은 마지막에 “동사 결과를 사람이 승인하는 최소한의 뷰”로만 만듭니다.

1-4. 다른 부서의 동사 예시

부서	핵심 동사 (의미론적 메서드명)
영업	requestQuotation, confirmOrder, registerCustomer, flagDelayRisk
구매/SCM	evaluateSupplier, issuePurchaseOrder, receiveGoods, matchThreeWay, approveInvoice
생산	releaseWorkOrder, reportProductionResult, consumeMaterial, closeLot, calculateOEE
품질	sampleInspection, flagQualityHold, issueNCR, requestCAPA, releaseQuarantine
회계	postJournal, closePeriod, reconcileBank, generateFinancials
급여	calculatePayroll, withholdTax, issuePayslip, transferSalary

핵심은 모든 부서가 똑같은 패턴으로 모델링된다는 점입니다. ERP 모듈 11개가 서로 다른 화면 11세트가 아니라, 동사 약 200개가 하나의 그래프로 연결되는 거대한 의사결정 망(網)이 됩니다.

1-5. AI에게 던질 만능 프롬프트 템플릿

[업무 모듈]: ○○관리

[질문 1] 이 모듈에서 1년 동안 실제 일어나는 사건을
        시간 순서로 20개 이내 열거해 줘.

[질문 2] 각 사건마다 다음을 정의해 줘.
        - Actor: 누가
        - Context: 무엇을 보고
        - Decision: 어떤 판단
        - Output: 어떤 결과
        - Next Event: 다음으로 어떤 사건 트리거

[질문 3] 각 결정을 분류해 줘.
        - 자동화 가능 / 정책 분기 처리 / 인간 승인 필수

[질문 4] 결정에 필요한 외부 시스템을 식별해 줘.
        (메일, 회계, 근태, 사인오프, 결제, 4대보험 등)

[질문 5] 동사들을 의미론적 메서드명으로 정리하고
        입출력 타입을 명세해 줘.

이 5단 질문을 던지면 AI는 ERP식 화면 설계가 아니라 에이전트 친화적인 동사 카탈로그를 내놓습니다.

절대 하지 말 것

처음부터 “○○관리 화면 만들어 줘”라고 묻지 마세요. 그렇게 만든 시스템은 나중에 AI 에이전트를 붙이려고 하면 전부 다시 만들어야 합니다. 동사로 만든 시스템은 자연스럽게 MCP Tool이 되고, 에이전트가 호출 가능한 형태로 진화합니다.

PART 2 — 다이애나 후의 AI 네이티브 회사 다섯 가지 핵심 개념

한 줄 결론

AI는 ERP·PC처럼 “사용하는 도구”가 아니라, 회사 전체가 그 위에서 돌아가는 새로운 운영체제(OS) 입니다. 회의 → 결정 → 실행 → 끝의 개방 루프 방식을 실행 → 측정 → 자동 보정의 폐쇄 루프로 갈아엎으라는 요구입니다.

다이애나 후가 누구인가: Y Combinator 파트너. YC는 Airbnb·Stripe·Dropbox를 초기에 키운 세계 최고의 스타트업 액셀러레이터입니다. 다이애나 본인은 엔지니어 출신이며, 포켓몬 GO를 만든 나이언틱에서 AI·AR을 이끌었습니다.

개념 1 — AI를 운영체제로 (Operating System)

AI를 “도구 하나”로 보면 ChatGPT 계정 지급 정도에서 끝납니다. AI를 “운영체제”로 보면 회사의 모든 흐름이 그 위에서 돌아갑니다.

SL Power 사례로 비교

지금 SL Power (도구 방식): 영업은 엑셀로 견적, 구매는 ERP로 발주, 생산은 별도 시스템으로 LOT 진행, 품질은 종이 검사지, 회계는 또 다른 시스템. 각 부서가 각자의 도구로 일하고, 부서 간 정보 누수가 일상입니다.

AI 네이티브 SL Power (운영체제 방식): 거래처에서 견적 의뢰 메일이 도착하면 AI가 자동으로 — (1) 과거 241개 거래처의 유사 견적 자동 인용 (2) BOM 자동 산출 (3) 셀 재고·리드타임 자동 확인 (4) 마진 시뮬레이션 (5) 영업은 검토·승인만. 견적·수주·발주·생산·품질·출하·정산이 하나의 흐름 위에서 끊김 없이 돌아갑니다.

개념 2 — 폐쇄 루프 회사 (Closed-Loop Company)

제어공학 용어입니다. 개방 루프(Open Loop) 는 피드백이 없는 시스템, 폐쇄 루프(Closed Loop) 는 결과를 측정해서 자동으로 다시 조정하는 시스템입니다.

가장 쉬운 비유 — 요리

개방 루프 = 레시피만 보고 요리: 간장 두 스푼, 10분 끓이기. 중간에 맛 안 봄. 짠지 싱거운지 모름.

폐쇄 루프 = 간 보면서 요리: 끓이다가 한 입 → 싱거우면 소금 → 다시 맛 → 결과 측정과 조정 반복. 에어컨이 설정 온도에 맞춰 자동으로 강약을 조절하는 것도 폐쇄 루프입니다.

제조업 관점의 충격적 사실

SL Power의 생산 현장은 이미 폐쇄 루프입니다. SPC(통계적 공정관리), MES, OEE 측정 — 불량률을 보고 라인을 조정합니다. 이건 기본이죠.

그런데 경영 의사결정은 여전히 개방 루프입니다. 작년 BMS 프로젝트 6개 중 어떤 결정이 잘됐고 어떤 게 실패했는지, 그 패턴이 무엇인지를 체계적으로 학습한 적이 있습니까? 회의록은 흩어져 있고, 메신저로 결정되고, 문서화되지 않습니다. 이게 모든 제조업의 공통 약점입니다.

AI 네이티브가 되면 가능한 질문들

다음과 같은 질문을 누구나, 누구에게나 정확한 답으로 받을 수 있게 됩니다.

• “지난 2년간 우리가 실패한 BMS 프로젝트의 공통점은 무엇인가?”
• “이번 분기 거래처가 가장 많이 요청한 기능 3개는?”
• “지난 6개월간 우리 회사가 내린 결정 중 실패한 것들의 공통 패턴은?”
• “한빛모빌리티 13S4P 프로젝트에서 가장 자주 지연된 단계와 그 원인은?”

지금은 이런 질문에 답하려면 담당자 여러 명이 며칠 자료를 뒤져야 합니다. AI 운영체제가 깔리면 즉시 답이 나옵니다.

이 “실행 → 측정 → 자동 보정”의 폐쇄 루프는 우리가 AI 운영 6대 축에서 자기학습 축으로 못 박아 둔 바로 그 골격입니다.

개념 3 — AI 소프트웨어 팩토리 (Software Factory)

TDD(Test-Driven Development)의 다음 진화 단계입니다. 사람은 “무엇을 만들지(스펙·테스트)“만 정하고, “어떻게 만들지(코드 작성·테스트 통과)“는 AI 에이전트가 담당하는 분업 구조입니다.

집 짓기 비유

기존 방식: 건축가가 설계도를 그리고 → 인부들이 직접 벽돌을 쌓아 집을 짓습니다.

소프트웨어 팩토리: 건축가가 “침실 3개, 화장실 2개, 무너지지 않아야 함, 단열 잘 돼야 함” — 요구사항과 합격 기준만 작성 → 로봇 인부들이 알아서 짓고, 테스트하고, 통과할 때까지 자기들끼리 고치고 다시 짓는 걸 반복합니다.

SL Power BMS 펌웨어 개발에 직접 적용

기존: 사양서 → 엔지니어 손코딩 → 테스트 → 디버깅 → 양산. 인력·시간 병목.

AI 소프트웨어 팩토리: 한빛모빌리티 3세대 13S4P BMS의 CAN 통신 스택을 예로 들면 —

• 사람: “CAN 2.0B, 500kbps, 메시지 ID 0x100~0x1FF, BMS-MCU 간 셀 전압·온도·SoC 송수신, 패킷 손실 시 재전송 3회, 통신 단절 5초 시 안전모드 진입” — 스펙과 테스트케이스만 작성
• AI 에이전트: STM32 펌웨어 구현 → 자체 시뮬레이션 테스트 → 통과 못 하면 자동 수정 → 다시 테스트 → 합격 임계치 도달까지 반복
• 사람: 최종 결과 검수 + 실제 H/W에서 검증

SL Power가 이미 보유한 slpower-bms-review 스킬이 정확히 이 방향입니다. 회로도·BOM·DFM 검토를 사람이 아닌 AI 에이전트가 1차로 수행합니다. 이것이 사내 표준 소프트웨어 팩토리의 출발점입니다.

실제 효과

StrongDM이라는 회사는 이 방식으로 “사람이 직접 작성하거나 리뷰하는 코드가 없는” 시스템까지 도달했습니다. YC 포트폴리오 기업들에서 엔지니어링 스프린트 시간이 절반으로 줄고, 같은 시간에 거의 10배 더 많은 결과물이 나오는 사례가 관측되고 있습니다. 우리 역시 생산성 임계 돌파에서 같은 자릿수 변화를 직접 겪었습니다.

개념 4 — IC / DRI / Founder Type 새 조직구조

잭 도시(Jack Dorsey, 트위터·블록 창업자)가 제안한 미래 조직의 세 가지 사람 유형입니다. 한 사람이 여러 유형을 겸할 수 있는 속성이며, 중간관리자는 사라지거나 의사결정자로 재정의됩니다.

유형	역할	SL Power 적용 예시
IC (Individual Contributor)	직접 만들고 운영하는 사람. 모두가 AI 도구로 자기 업무를 자동화. 회의에 PPT 아닌 작동 프로토타입을 들고 옴.	구매담당이 직접 셀 단가 비교 도구를 AI로 만들어 사용. 품질엔지니어가 직접 불량 분석 대시보드 제작. 영업이 직접 견적 자동화 봇 운용.
DRI (Directly Responsible Individual)	결과 한 가지에 한 사람만 책임. 위원회·합의·공동책임 금지. “1인 1지표”.	”수주율” 한 명, “초도 불량률” 한 명, “한빛모빌리티 BMS 양산 일정” 한 명, “대성시스템 UPS 인증” 한 명. 매주 그 사람만 5분 보고.
Founder Type	대표가 직접 AI를 다룸. AI 전략을 위임하면 끝.	대표가 매일 Cowork·Claude 사용. 임원에게 “AI 잘 알아서 해 주세요” 금지. 대표가 직접 한 사이클 돌려야 함.

실제 효과 — 크랙(Cracked) 팀 사례

YC 포트폴리오 일부 팀에는 “팀 내 필요한 도구를 AI로 그때그때 빠르게 만들어 주는 전담 포지션” 이 있습니다. 예전엔 개발자에게 “고객 데이터 좀 모아 주세요” 요청하면 1~2일 뒤 엑셀 파일. 지금은 개발자 아닌 직원도 자기가 원할 때 AI 도구로 즉시 데이터 질의가 가능합니다. 이게 중간단계 솔루션입니다.

개념 5 — 스타트업의 역사적 기회 (Why Startups Win)

다이애나의 가장 강력한 메시지 — “기존 대기업은 AI 네이티브 전환에 매우 불리하며, 작은 회사가 거대 기업을 이길 수 있는 역사적 기회” 가 지금 열려 있습니다.

대기업의 약점 (국내외 대형 배터리 셀 제조사)	SL Power의 강점
수십 년 누적된 SOP가 AI 도입을 막음	80명 규모로 직접 의사결정 가능
부서 정치, 합의 문화로 결정 지연	모회사와 빠른 협업 가능
레거시 ERP·MES·PLM 시스템과 충돌	신규사업(로봇파운드리·BMS·UPS) 모두 처음부터 AI 네이티브 설계 가능
수천 명 재교육 부담	레거시 부담 적음
한 부분 바꾸면 다른 부분 깨짐	대표가 직접 AI 사용 (이미 평균 압도)

시한부 기회 — 골든 윈도우

이 기회는 영원하지 않습니다. 향후 2~3년이 골든 윈도우입니다. 그 이후엔 AI 네이티브 경쟁사가 동급 규모에서 양산되며 격차가 사라집니다. 지금 시작하지 않으면 SL Power도 2~3년 뒤 “AI 네이티브로 태어난 신생 배터리팩 회사”의 추격을 받게 됩니다. 이것이 우리가 세 번째 변곡점을 지금 붙잡아야 한다고 보는 이유입니다.

PART 3 — “확신은 외주를 줄 수 없다”

“You cannot outsource your conviction on the power of these tools. You need to develop it yourself by actually sitting with coding agents and using them until you start to break your own priors about what is now possible to build.”

— Diana Hu, YC Partner

한 줄 결론

AI가 정말 게임을 바꾸는지에 대한 믿음·체감·판단을 임원·컨설팅·외부 전문가·부하 직원에게 맡길 수 없다는 뜻입니다. 창업자·CEO 본인이 직접 AI 도구 앞에 앉아서 써 보고, 자기 머릿속의 기존 통념이 깨지는 경험을 해야 진짜 확신이 생깁니다.

3-1. 왜 외주가 안 되는가

• 보고서로 듣는 “AI가 강력합니다”는 머리로만 아는 지식 — 실제 의사결정 순간에 과감하게 베팅하지 못함.
• 직접 써 본 사람만 감각이 생김 — “이게 정말 인력 10명을 대체할 수 있겠다”는 체감.
• 그 감각이 있어야 불편한 결정 가능 — 비싼 API 비용, 조직 개편, 채용 동결, 기존 시스템 폐기.
• AI 전략 담당 임원에게 위임하면 그 임원의 확신 수준이 회사의 천장 — 대표 본인의 확신이 천장이어야 함.

3-2. 1990년대 ERP 도입과의 비교

제조업 CEO 관점 번역

1990년대에 ERP·CAD를 도입할 때, “IT 부장에게 잘 알아서 해 주세요” 했던 회사들과, 사장이 직접 ERP 화면 앞에 앉아 본 회사들의 5년 후 격차가 어땠는지 기억하시면 됩니다.

지금 AI는 그때보다 훨씬 큰 변곡점입니다. 그때는 “업무 효율화 도구”였지만, 지금은 “회사 운영 방식 자체의 교체”이기 때문입니다.

3-3. 실행 함의

SL Power CEO가 해야 할 일

• 대표가 매일 Claude·Cowork를 직접 사용 (이미 SL Power는 평균 압도 수준).
• BMS 회로 검토, 견적 분석, 구매 시뮬레이션을 임원이 아닌 대표가 직접 한 사이클 돌려 보기.
• “이거 우리도 도입 가능한가?”는 보고받지 말고 직접 실험해서 답을 내기.
• 임원회의에서 대표가 “내가 직접 해 봤더니”라고 말할 수 있는 사례를 매주 1개 이상 만들기.

PART 4 — SL Power 11개 부서별 적용 우선순위

11개 부서를 동시에 30%씩 도입하면 2년 뒤 전부 60%짜리가 됩니다. 한 줄 도미노부터 100% 완성하는 것이 원칙입니다.

부서	현재의 개방 루프	AI 폐쇄 루프 전환	우선순위
경영지원 / 회의록	회의 결정이 메신저·구두로 끝나고 문서화 안 됨	회의 100% 자동 녹취 + AI 인덱싱	최우선
영업	견적·수주가 담당자 머리·엑셀에 의존	241개 거래처 이력 자동 학습, 견적 자동 작성	쉬움
구매/SCM	셀(국내외 주요 셀 메이커) 단가·리드타임을 담당자 머리로 관리	공급사별 가격·납기 이력 AI 질의	쉬움
인사·총무·회계·급여	정형 업무 반복	AI 자동화 즉시 가능, 인건비 절감 직접 효과	쉬움
자재	재고·BOM 관리 수기	AI 자동 재고 최적화	쉬움
기술연구소 (BMS)	펌웨어 손코딩, 회로 검토 수작업	소프트웨어 팩토리 도입, slpower-bms-review 확장	중간
품질	SPC는 일부 있으나 패턴 분석은 사람	불량 패턴 AI 분석, FMEA 자동화	중간
생산	MES 데이터는 있으나 AI 질의 불가	MES 데이터를 AI가 자연어로 질의 가능하게	중간

이 11개 부서가 실제로 어떤 모습으로 굴러가고 있는지는 구축 중 프로젝트 11종에 정리해 두었습니다.

PART 5 — 피해야 할 함정

SL Power가 절대 빠지면 안 되는 다섯 패턴

1. “AI 도구 한두 개 도입하고 끝” — ChatGPT 회사 계정 사 주고 “이제 우리도 AI 회사”라고 생각하기. 도구가 아니라 OS여야 합니다.
2. AI 전략을 임원·외부 컨설팅에 위임 — 대표가 직접 매일 써야 합니다. 위임하는 순간 그 사람의 확신 수준이 회사 천장이 됩니다.
3. 중간관리자를 그대로 두고 AI만 얹기 — 정보 흐름이 그대로 막힙니다. 중간관리자가 정보 전달자 역할에 머물면 AI 운영체제는 의미가 없습니다.
4. 회의·DM·메신저·구두 결정 문화를 유지한 채 AI 도입 — 학습 데이터가 안 쌓여 폐쇄 루프 작동 불가. AI에게 “지난 분기 결정 분석해 줘” 해도 데이터가 없습니다.
5. 11개 부서 동시 30%씩 도입 — 2년 뒤 전부 60%짜리. “수주 → 생산 → 출하” 한 줄부터 100% 완성하고 나머지는 30%에서 동결합니다.

지금 바로 할 일 — 세 가지

1. 모든 회의 100% AI 녹취 의무화

영업 미팅, 부서 회의, 거래처 통화, 임원 회의 전부. Otter / Granola / Tactiq 중 1개를 표준으로 채택. 1개월 시범 후 검색 가능한 사내 지식베이스 구축. 다른 모든 AI 활용의 전제조건이며 비용 대비 효과가 가장 큽니다.

2. “DRI 1인 1지표” 명패 부착

향후 3개월 최우선 지표 10개(수주율, 초도 불량률, 한빛모빌리티 BMS 양산 일정, 대성시스템 UPS 인증, 로봇파운드리 매출, 셀 단가, 재고회전, 출하 정시율 등)에 각각 단 한 명의 이름을 박습니다. 위원회·공동책임 금지. 매주 그 사람만 5분 보고. 잭 도시 방식입니다.

3. 한빛모빌리티 BMS에 소프트웨어 팩토리 시범 도입

한빛모빌리티 3세대 13S4P BMS의 CAN 통신 스택 같은 한 모듈을 골라 “사양서 + 테스트케이스만 사람이 작성, 구현·검증은 AI 에이전트”로 1사이클 진행. 대표가 직접 한 사이클 돌려 본 뒤 전사 확산을 판단합니다. 임원 위임 금지 — 다이애나 메시지의 핵심 한 줄이 “You cannot outsource your conviction”입니다.

마무리

AI 시대의 제조업 CEO에게 가장 중요한 통찰은 한 줄로 요약됩니다.

“AI는 도구가 아니라 운영체제이며, 그 운영체제 위에서 작동하는 회사는 동사(verb)로 설계되며, 그 설계의 확신은 대표 본인이 직접 만들어야 한다.”

SL Power는 80명 규모, 모회사의 빠른 의사결정, 신규사업의 백지 상태라는 세 박자가 갖춰진 보기 드문 위치에 있습니다. 향후 2~3년이 골든 윈도우입니다.