AI 시대의 리더는 맥락을 직접 이해해야 한다

창업을 결심한 이유 중 하나는 좋은 리더십이 무엇인지 직접 확인하고 싶었기 때문이다.

기술이 크게 바뀌는 시기에는 사람과 조직의 태도가 더 선명하게 보인다. 새로운 도구를 직접 써보고 자기 역할을 다시 생각하는 사람이 있다. 반면 목표만 말하고 이해와 실행은 다른 사람에게 넘기는 경우도 있다.

AI는 두 태도의 차이를 더 크게 만든다.

목표와 현실을 연결하는 일

AI를 쓰면 작은 도구와 데모를 빠르게 만들 수 있다. 그래서 복잡한 제품과 조직의 문제도 쉽게 풀릴 것처럼 보일 때가 있다.

하지만 작은 성공이 전체 문제를 푼 증거는 아니다.

오래 운영한 제품에는 코드만 있지 않다. 고객과의 약속, 예외 처리, 데이터 구조, 배포 방식, 다른 팀의 작업, 문서에 남지 않은 결정이 함께 있다. 이 맥락을 확인하지 않고 큰 목표만 전달하면, 실무자는 숨은 문제까지 혼자 떠안게 된다.

리더십은 목표를 현실과 연결하는 일이라고 생각한다.

무엇을 만들지 말하는 데서 끝나지 않는다. 지금 가진 시간과 사람, 코드와 문서, 검증 방법을 확인해야 한다. 어디까지 할 수 있는지 알고, 더 나은 실행을 위해 무엇을 먼저 바꿔야 하는지도 정해야 한다.

예를 들어 QA 자동화를 시작한다고 해보자.

목표만 전달하면 이렇게 된다.

AI를 이용한 QA 자동화 도구를 만들어 주세요.

이 문장에는 경계가 없다. 어떤 흐름부터 확인할지, 어떤 실패를 잡을지, 사람이 판단해야 할 부분은 무엇인지 알 수 없다.

작은 실행으로 바꾸면 더 분명해진다.

이번 18시간 안에 로그인과 결제 흐름에서 자주 깨지는 회귀 사례 5개를 자동화합니다.

현재 테스트 코드와 배포 전 체크리스트를 먼저 확인합니다.
AI가 만들 수 있는 테스트와 사람이 판단할 테스트를 나눕니다.
끝나면 성공한 사례, 실패한 사례, 다음 실행에서 줄일 맥락을 기록합니다.

두 지시의 차이는 말투가 아니다. 문제를 보는 깊이와 실행의 크기다.

먼저 경계와 자원을 본다

문제를 풀기 전에 우리가 가진 경계와 자원을 확인한다.

시간은 얼마나 있는가. 사람이 검증할 수 있는 양은 어디까지인가. 코드와 문서는 얼마나 정리되어 있는가. 실패해도 다시 시도할 수 있는 크기로 나뉘어 있는가.

AI와 일할 때는 이것을 맥락 예산으로 생각한다.

AI가 읽어야 할 코드와 문서, 화면, 이전 결정이 얼마나 되는지 먼저 살핀다. 만들어진 결과를 사람이 어디까지 확인할 수 있는지도 함께 계산한다. 입력이 많아질수록 중요한 정보가 묻히기 쉽고, 결과가 커질수록 검증할 일도 늘어난다.

맥락 예산이 크다면 바로 실행하지 않는다. 먼저 한 가지 흐름으로 범위를 줄이고, 필요한 문서를 정리하고, 서로 독립적인 판단을 나눈다. 무엇을 통과해야 끝나는지도 정한다.

정확한 숫자를 맞히는 것이 목적은 아니다. 지금 맡기려는 일이 AI와 사람이 함께 이해하고 검증할 수 있는 크기인지 확인하는 것이 목적이다.

이 질문에 답하면 두 가지를 선택할 수 있다.

하나는 지금 가진 경계 안에서 일을 더 작게 나누는 것이다. 다른 하나는 경계 자체를 넓히는 것이다. 문서를 정리하고, 테스트 구조를 바꾸고, 결정권을 필요한 사람에게 주는 일이 여기에 들어간다.

AI는 이미 있는 구조를 더 강하게 만든다.

작업이 작게 나뉘고 판단 기준이 분명한 조직에서는 속도를 높인다. 맥락이 흩어지고 목표와 제약이 분리된 조직에서는 검증할 일을 더 많이 만든다.

그래서 도구를 고르기 전에 구조를 본다.

큰 목표를 18시간 안의 실행으로 바꾼다

큰 목표는 필요하다. 중요한 변화를 만들려면 멀리 봐야 한다.

다만 큰 목표는 오늘의 실행으로 내려와야 한다.

Aegifold에서는 다음 18시간 안에 끝낼 수 있는 중요한 일을 찾으려고 한다. 문제를 관찰하고, 1원칙부터 다시 생각한다. 지금 가장 중요한 신호를 고르고, 실행을 작게 만든다. 결과를 보고 배운 뒤 다음 실행을 바꾼다.

한 번의 실행은 작아도 된다. 중요한 것은 그 실행이 다음 실행을 더 낫게 만드는가이다.

실패했다면 이유를 남긴다. 성공했다면 어떤 조건에서 성공했는지 남긴다. 그래야 같은 맥락을 다시 찾는 시간을 줄일 수 있다.

이것이 우리가 중요하게 보는 compounding이다.

성과가 한 번에 커지는 것이 아니라, 실행에서 얻은 배움이 다음 실행의 기반으로 쌓이는 것이다.

리더도 어려운 맥락으로 돌아간다

리더가 모든 일을 직접 해야 한다는 뜻은 아니다.

다만 가장 어려운 맥락에서 너무 멀어지면 안 된다. 복잡한 구현, 오래된 제품의 예외, 고객과 팀 사이의 약속은 보고서만으로 충분히 전달되지 않는다.

리더는 실무자가 어디에서 막히는지 직접 확인하고, 병목을 줄이는 결정을 해야 한다. 책임과 함께 시간, 권한, 기준도 주어야 한다.

그래야 큰 방향을 말한 뒤 오늘 할 일을 고를 수 있다. 그래야 실행의 결과를 함께 이해하고 다음 판단을 바꿀 수 있다.

AI는 이 책임을 대신하지 않는다.

무엇을 만들지 정하고, 결과를 검증하고, 실패에서 배우는 일은 사람의 몫이다. AI 시대의 리더십은 더 큰 말을 하는 능력이 아니라, 맥락을 직접 이해하고 큰 목표를 작은 실행으로 바꾸는 능력에 가깝다.

나는 그런 조직을 만들고 싶다.

1원칙으로 생각하고, 18시간 안에 작게 실행한다. 결과를 관찰하고 배우며, 그 배움을 다음 실행에 쌓는다.

그 반복이 시간이 지날수록 더 나은 판단과 더 큰 실행을 만든다고 믿는다.