같은 업무 방식도 회사마다 다르게 작동한다 — 구글 출신 AI 팀장이 본 인텔·삼성·메타·구글

출연자는 자신의 업무 방식에 장단점이 뚜렷했다고 말했다. 그는 그 방식이 회사마다 다르게 평가됐다고 설명했다. 한 회사에서는 크게 좋게 작용하던 방식이 다른 회사에서는 크게 어긋나 보였다는 것이다.

예를 들어 삼성에서 함께 일하던 사람들과 협력하며 일하던 방식은 좋은 평가를 받았다. 그러나 외국 회사로 옮긴 뒤에는 같은 방식이 잘 먹히지 않았다고 그는 말했다. 같은 성격과 업무 태도라도 조직의 문화와 기대에 따라 장점이 단점으로 보일 수 있다는 취지다.

출연자는 삼성 같은 아시아 조직에서는 윗사람이 지시하면 일사불란하게 움직였다고 설명했다. 반면 미국 회사에서는 위에서 결정이 내려와도 '왜'라는 질문이 이어져 몇 시간, 며칠씩 토론이 벌어졌다. 직원들이 납득하지 못하면 일을 하지 않는 경우도 있었다.

이 차이 때문에 출연자는 처음에는 주변에서 비전 없이 지시만 따르는 사람으로 보이기도 했다. 그는 미국 조직에서는 설득되고 비전을 느껴야 빠르게 움직이는 문화라는 것을 뒤늦게 알았고, 이를 고치는 데 시간이 걸렸다고 말했다.

출연자는 인텔에도 일본식 문화가 일부 있었다고 덧붙였다. 문화 차이를 이해하는 과정이 쉽지 않았다는 것이 그의 회고다.

출연자는 인텔의 좋은 문화 중 하나로 'disagree but commit'을 꼽았다. 반대 의견을 분명히 낸 뒤에도 결정이 내려지면 조직을 위해 따르는 방식이다.

출연자는 이것이 단순한 복종과 다르다고 강조했다. 같은 팀이고 조직이라는 전제 아래 반대를 말하되 결정 이후에는 함께 움직인다는 원칙이라는 설명이다.

출연자는 삼성에서는 윗분들의 역할이 결정이라는 점이 분명했다고 말했다. 결정이 딱딱 내려지면 아래 사람들이 그대로 실행하는 구조였고, 출연자는 결정하는 사람은 5%뿐이고 나머지는 실행하는 조직이었다고 표현했다.

반면 인텔과 메타는 결정하고 싶어 하는 사람이 많은 대신, 결정권자가 결정을 확정하기 어려웠다고 출연자는 설명했다. 책임 문제나 소환 여부에 따라 결정을 미루는 경우도 있었다는 것이다.

출연자는 구글 같은 바텀업 문화에서는 비전이 뚜렷하지 않으면 여러 사람이 각자 다른 방향을 주장해 조율이 어려워진다고 말했다. 그는 좋은 말로만 된 비전으로는 부족하고, 판단 기준이 될 만큼 구체적인 표어가 필요하다는 점도 짚었다.

출연자는 구글 안에서도 딥마인드는 문화가 특히 달랐다고 말했다. 딥마인드는 하사비스 등이 2010년에 창업했고, 2014년 구글과 합병됐다. 회사는 처음부터 제품을 만들기 위해 세워진 것이 아니라 지능을 풀어 보자는 목적으로 출발했다는 설명이다.

출연자에 따르면 딥마인드는 세상의 규칙에 다가가려는 큰 질문을 붙잡고 철학적으로 깊게 연구했다. 그래서 알파고, 알파폴드, 날씨 예측처럼 과학적 깊이가 있는 성과가 여기서 나왔다고 한다. 오픈AI 같은 AI 제품 랩과는 출발점이 달랐다는 것이다.

이런 조직이 2023년 오픈AI 등장 이후 구글 브레인, 구글 리서치와 합쳐졌을 때 외부에서는 문화 충돌을 우려했다고 출연자는 전했다.

출연자는 수천에서 수만 명이 얽힌 조직에서는 누가 실제 결정권자인지 모호한 경우가 많았다고 말했다. 이전에는 하나의 제품 안에서 조율하기가 어려웠지만, 하사비스는 실질적으로 탑다운 방식으로 여러 조직을 조율하며 결정을 빨리 내리는 것으로 알려진 인물이었다.

대규모 조직 개편 이후 하사비스는 CEO 역할을 맡았고, 출연자는 그의 역할이 결정을 빨리 내려 회사를 빠르게 움직이는 것이었다고 평가했다.

출연자는 인텔에서 단단한 기본기와 글로벌 기업으로서의 기본기를 배웠다고 말했다. 삼성에서는 근성과 실행력을 익혔다고 회고했다.

메타에서는 저커버그가 단기 성과가 아니라 장기적으로 리스크를 감수하는 모습이 인상적이었다고 말했다. 빠르게 치고 나가는 추진력과 플랫한 조직 문화도 기억에 남는다고 덧붙였다.

출연자는 메타의 플랫한 문화를 구체적으로 설명했다. 미팅에서 임원이 아닌 젊은 직원에게 질문이 가고, 임원이 말을 꺼내면 그 프로젝트를 직접 했는지 되묻는 경우가 많았다고 한다. 직원들은 CEO에게 직접 의견을 말하는 채널을 존중받았다는 것이다.

출연자는 메타와 구글 등에서 사람을 뽑을 때 아시아 출신이나 삼성 출신 후보를 추천해도 탈락하는 경우가 자주 있었다고 말했다. 합격하더라도 기대한 직급보다 낮은 대리 등으로 들어오는 일이 반복됐다고 한다. 출연자는 이 현상이 여러 번 이어지자 실제 인터뷰 내용을 직접 분석했다.

분석 결과 출연자는 실리콘밸리 기업이 쓰는 리더의 언어가 따로 있다고 판단했다. '다 같이 했다', '팀원들의 도움이었다'처럼 겸손한 표현이 면접에서는 리더십이 부족하거나 존재감이 없는 것으로 해석되기도 했다. 겸손도 리더십의 한 형태지만, 면접관의 언어 기준에서는 다르게 읽혔다는 것이다.

출연자는 면접관들이 회사 문화에 맞는 비슷한 사람을 뽑는 경향이 있어 다른 문화의 장점을 알아보지 못했다고 보았다. 그래서 내부 사람들을 설득한 적도 있다고 말했다.

출연자는 빅테크 핵심 자리에 문과적 훈련을 받은 사람이 이전보다 많이 앉아 있는 추세라고 말했다. 엔지니어 수에 비하면 여전히 적지만, 방향을 정하는 자리에서는 이들의 역할이 늘고 있다는 설명이다.

AI는 평균값을 주기 때문에, 무엇을 왜 만들지 묻는 문제 정의 능력이 중요해졌다고 출연자는 말했다. 실리콘밸리에서 스탠퍼드 컴공 출신과 철학과 출신이 경쟁했을 때 철학과 출신이 뽑힌 사례가 언급됐다. 출연자는 이것이 철학과 졸업장을 선호한다기보다, 문제를 정의하고 판을 뒤집을 수 있는 사고 능력을 본 것이라고 해석했다.

번역기가 발달해 영어 공부를 덜 해도 된다는 의견이 나왔다. 진행자는 이제 통역 기능이 있어 언어 장벽이 낮아졌다는 점을 짚었다.

출연자는 그럼에도 바이브 코딩처럼 AI에게 원하는 것을 정확히 묻는 능력이 중요해졌다고 답했다. 원하는 질문을 잘 뽑아내고, 철학적으로 접근하는 사고 틀이 필요하다는 것이다. 언어로 사고하는 체계가 확실하면 영어든 한국어든 도움이 될 것이라고 말했다.

출연자는 AI 최신 개발 현장에서 가까이 일한 경험을 바탕으로 말했다. 발표 자리에서는 완벽해 보이는 기술도 처음 나왔을 때는 기본적인 실수를 하는 경우가 많았다고 한다.

출연자는 AI가 박사보다 더 잘하는 부분이 있는가 하면, 왜 이런 문제를 틀리는지 모를 만큼 엉뚱한 부분도 있어 그 간극이 매우 크다고 설명했다. 개발팀이 가장 많이 고민하는 것도 이 간극을 어떻게 조절할지라고 말했다.

출연자는 외부에서 보는 AI는 CEO의 발표처럼 확신에 차 보이지만, 내부에서는 모르겠다는 답이 가장 많다고 말했다. 실수가 나면 회의실에 모여 원인을 살펴보지만, 열어 봐도 알 수 있는 것이 아니라는 대답이 많다는 것이다.

출연자는 AI를 완벽하게 설계해 만드는 과정이 아니라 데이터를 넣고 결과를 기다리는 과정이라고 설명했다. 한국인에게는 장을 담그는 것에 비유한다고 말했다. 발효가 어떻게 될지 정확히 알 수 없듯 AI도 결과를 끊임없이 돌보는 사람이 필요하다는 생각을 밝혔다.

출연자는 회사 안에 이미 준비된 기술이 많지만, 이를 내보낼지를 두고 팀 간 긴장이 크다고 말했다. 이 정도로는 아직 준비가 안 됐다는 팀과, 빨리 내보내야 살아남는다는 팀이 맞선다는 것이다. 출연자는 이런 논쟁에서 시장 상황에 따라 입장이 달라지기도 한다고 말했다.

100%에 가까운 완성도를 기다리는 것은 불가능에 가깝다는 것이 출연자의 판단이다. 대신 60%대에 출시한 뒤 고치는 방식이 쓰이지만, 그 기준을 정하는 일 자체가 어렵다고 말했다. 너무 일찍 내보내면 사고가 나고, 늦으면 경쟁에서 밀리기 때문이다.

출연자는 리더들이 규제를 함께 하자고 말하는 것은 우리만 믿지 말라는 고백에 가깝다고 해석했다. 구글이든 메타든 다른 회사가 달리는 상황에서 혼자 쉴 수는 없기 때문에 개별 회사의 자율 조절에는 한계가 있다는 것이다.

출연자는 회사 이사회만으로는 부족하다고 보았다. 코드를 직접 읽지 못하더라도 AI가 인간과 사회에 어떤 영향을 줄지 윤리적으로 읽을 수 있는 사람들이 논의에 참여해야 한다고 주장했다.

출연자는 영화에서 나오는 AI 재앙보다 현실에서 더 걱정되는 것은 AI가 상냥하게 아첨하고 동조하면서 사람의 생각을 마비시키는 일이라고 말했다. AI가 사람을 오래 붙잡아 두도록 설계된 측면이 있어, 사용자가 AI를 과신하다가 위험한 선택까지 가는 사례가 있다고 언급했다.

출연자는 AI가 정답을 주지만 시행착오는 사람에게 남긴다는 점을 문제로 꼽았다. 사람의 성장은 시행착오를 통해서만 가능한데, 주니어 세대가 시행착오 없이 배우지 못하면 어떤 결과가 나올지 두렵다고 말했다. 실리콘밸리에서도 AI에 어느 정도 마찰이나 거부감을 줘야 하는지 고민이 많다고 전했다.

대화에서는 임원에게 보고하기 전에 AI로 검증한다는 사례가 가볍게 언급됐다. 같은 AI라도 질문을 달리하면 다른 답을 하기 때문에, 출연자는 이런 방식이 한계가 있다고 봤다.

출연자는 우리의 많은 질문에는 정답이 없고 관점이 중요하다고 말했다. AI 분야는 엔지니어가 이끈다고 생각하기 쉽지만, 출연자는 이것이 절반만 맞다고 보았다. 인문학자 등 비엔지니어가 AI 분야에 적극적으로 참여해야 하며, 한국에서도 인문학도들이 구경꾼이 아니라 참여자가 되어야 한다는 것이다.