AI 네이티브 회사에서 실제로 벌어지고 있는 일들 (리트머스 김응진 대표)

1. 핵심 주장 (Core Claims)

• 리트머스 김응진 대표는 회사를 "AIOS(AI Operating System)"로 재정의해야 한다고 주장한다. LLM이 '지능'을 대체하는 시대에 회사는 일종의 플랫폼이 되어야 하며, 워크벤치(개인/직무별 작업공간) + 넥서스(권한·데이터 관리 ERP) + 파운드리(에이전트 실행·거버넌스 플랫폼) 3층 구조로 조직을 재설계했다.
• AI 도입은 단계적으로 진화한다: (1) 개인 생산성 향상(교육) → (2) 부서/프로젝트 단위 자동화 → (3) 전사 AI화(데이터 관리·에이전트 공유·고도화, ERP 수준의 관제 필요). 리트머스는 올해(2026년)부터 본격적으로 생산성 격차를 체감하기 시작했다.
• 세일즈, PM, 개발자로 나뉘어 있던 직무는 AI 시대에 "컨설턴트"라는 단일 역할로 통합되는 흐름이 나타나고 있으며, 이 통합 이후 생산성이 약 3배 이상 향상됐다고 체감한다(동일 매출 대비 필요 인력 수 감소).
• 에이전트가 대량으로 돌아가기 시작하면(하루 수백 건) 관리·비용·품질 문제가 폭증하므로, 에이전트 자체를 "거버넌스/인프라 사업"으로 봐야 한다. 실행 환경 통제(권한, 리소스, 격리)가 플랫폼 선택/설계의 핵심 기준이다.
• DX(디지털 전환)가 안 되어 있는 상태에서 AX(AI 전환)를 시도하면 안 된다 — 로우 데이터를 구조화하는 기반(넥서스) 없이는 에이전트가 제대로 작동하지 않는다.
• 에이전시(외주 개발) 업의 미래: AI로 인해 "하단(오퍼레이션) 영역"도 고마진화되면서, 기존 탑티어가 독점하던 시장 구조(로펌처럼 상위 소수가 매출 대부분을 가져가는 구조)가 무너지고 신생/추격 에이전시에게 큰 기회가 열릴 수 있다.
• 고객사의 개발 역량이 높아지는 흐름은 거스를 수 없지만, 에이전시는 그 시차(LLM 발전을 완전히 레버리지하는 경험)를 활용해 더 높은 티어(도메인 특화 컨설팅)로 계속 올라가야 한다.

2. 근거와 사례 (Evidence & Examples)

• 회사 개요: 2021년 창업, 법인명 시그로(Cygro). 두 사업부 운영 — N대시(이커머스 데이터 분석 솔루션), 리트머스(외주 개발). 현재 조직 규모 약 60명.
• AIOS 3층 구조:
  • 워크벤치: 직무별(세일즈, 기획, 디자인, 영상편집 등) 특화 업무용 Git 레포지토리. 컨텍스트 정보와 에이전트 세팅이 여기 담긴다. 개인은 코덱스든 클로드 코드든 자유롭게 선택해 사용.
  • 넥서스: ERP 성격의 중앙 플랫폼. 급여/계약/평가 정보 등 경영 데이터부터 직무별 권한에 따른 리드/라이트 데이터까지 관리. 워크벤치와는 MCP로 연결되며, 넥서스가 개인별·에이전트별 MCP 토큰을 발급한다. 넥서스에는 정형화(스키마화)된 데이터만 저장되고, 비정형 데이터는 별도 "메모리(semantic search 시스템)"에 저장된다.
  • 메모리: 프로젝트별 컨텍스트(미팅 내용, 카카오톡 대화 등)를 1~2문장 요약으로 수십 건씩 적재하고 시맨틱 서치로 검색. 메모리도 프로젝트 단위 권한 분리.
  • 파운드리: 코덱스/클로드 코드 기반 실제 실행 환경. 티켓(작업단), 러닝(실행 중 작업), 베리피케이션(실패·문제 알림), 게이트(승인 필요 지점) 개념으로 구성. 하루 수백 건(피크 300~400건) 처리 시 비용 폭증 문제를 해결하기 위해 Q(큐) 시스템을 만들어 동시 실행 에이전트 수, CPU/RAM 리소스를 통제.
• 권한 시스템 진화: 최초 롤 기반 페이지 접근 → 리드/에디트 분리 → MCP 콜 단위 세분화 → 결국 별도의 인증/권한 관리 시스템을 새로 구축(최근). 조직 구조가 계속 바뀌기 때문에(세일즈-PM 분리→통합) 탑다운 설계로는 실무를 못 따라가, 컨텍스트와 요청사항을 다 넣고 AI가 정리한 권한 구조를 검토·업데이트하는 방식으로 운영.
• 접근 제어 두 유형: (1) 환경변수 기반 광범위 인프라 접근권(DB, 배포 등, 신뢰된 에이전트) (2) 넥서스에서 제한된 툴콜링만 여는 전용 MCP 키(예: 블루 에이전트 — 티켓 데이터 업데이트만 전담, 정확도를 위해 도구를 완전히 한정).
• CRH 에이전트: 버그픽스 전담, 사실상 모든 배포·수정 권한을 가진 유일한 게이트. 직원들도 이 권한 범위와 위험성을 인지하며 운영.
• 고객 대면 파트너 플랫폼 데모: 고객이 화면 요소를 클릭 → 코멘트 작성 → 자동으로 티켓 생성 → CRH 에이전트가 확인·수정·완료 처리(스크린샷 첨부로 검증). 초기 단계는 티켓 즉시 자동 실행, 중/후기 단계는 PM이 검토 후 실행 여부·PR 전환·대기 여부를 판단. 단순 "고객 셀프 개발"이 아니라 고객-에이전시 간 소통/협의 도구로 기능.
• 세일즈 자동화: 신규 고객 리서치를 에이전트가 자동 수행(최근 뉴스, 매출, 직원 수, 영업이익, 투자 유치 이력 등 WTP 판단에 활용). 견적서 생성 과정을 텍스트 기반 IA/기획에서 → 즉시 화면 초안(스케일 툴 활용)까지 생성하도록 단축. 요구사항 구체화를 계약 후 PM 단계가 아니라 세일즈 단계로 앞당겨 리스크를 조기에 줄임.
• "DX 안 되어 있는데 AX 하면 안 된다"는 통찰을 언급 — 넥서스가 그 DX 기반을 담당하므로 리트머스는 MCP 연결만 하면 되는 구조.
• 견적 산정(맨먼스 단가, 프로젝션)은 AI가 특히 취약한 영역(2주짜리 작업을 2시간에 끝낼 수 있다고 판단하는 등 오판)이라 별도 설계 필요 — 단가 기준 수집 → 프롬프트/하네싱 설계 → 셀프러닝 루프 시도. SOP가 명확하지 않으면 견적이 사람 감(소위 "겐또")에 의존하게 되므로 SOP 확립에 리소스를 많이 투입.
• Git 오토싱크: 에이전트가 edit/write/bash 커맨드를 쓰면 무조건 커밋되도록 설정, 누적 커밋 약 12,000개, 하루 수백 건. 별도의 "학습 에이전트"가 파일 변경 내역을 검토해 단순 변경인지 일반화 가능한 변경인지 세션 종료 시점에 사용자에게 확인.
• LLM 스킬 관리: 매 세션 새 스킬이 생성되는 구조라 통제 없이는 200~300개까지 불어나 잘못된 스킬이 호출되는 문제 발생 → 스킬 디스크립션을 세밀하게 재정비.
• 영상 편집 자동화 도구(자체 개발, 마케터가 약 1주일 만에 제작): 영상 업로드 → 자동 스크립트 추출 → 구간 선택 또는 AI 추천 클립 후보 제시 → 선택한 클립에 브랜드 스타일 자막 자동 생성 → 자막 타이밍을 하나 조정하면 뒤따르는 구간도 함께 조정되는 UX 개선 → 대화형으로 유튜브 메타데이터(제목, 설명 등) 생성 후 API로 업로드(발행 전 상태로 게시). 캡컷 등 기성 툴이 아닌, 자막/쇼츠 후보 생성과 타이밍 동기화라는 특정 페인포인트를 해결하기 위해 하이브리드로 자체 제작.
• 산업 비교: 로펌(김앤장) 사례 — 탑티어가 매출 40%, 영업이익 80% 이상을 독점하는 구조. AI 시대에는 하단 오퍼레이션 영역도 고마진화되어 신생 에이전시에게 기회가 생긴다는 대비.
• 호스트가 언급한 유사 사례: 마이리얼트레이드 — 엔지니어들이 자체 세일즈랩을 만들어 API를 직접 판매하고 현장 세일즈까지 수행, 세일즈 직무의 온잡(on-the-job) 성격이 역전되는 흐름.

3. 구조화된 시사점 (Structured Insights)

• 조직 구조: 직무 사일로(세일즈/PM/개발/QA)가 AI 시대에는 "컨설턴트"라는 통합 롤로 수렴한다. 다만 완전한 통합보다는 "확장"에 가깝다 — 개발 쪽 확장이 가장 성공적이었는데, 이는 코딩 LLM의 성숙도가 높기 때문.
• 프로젝트 규모별 전략 차별화: 대형 프로젝트(단가 5천만~8천만원 이상)는 단일 집중, 소형 프로젝트(1천만~2천만원)는 PM/세일즈가 여러 건을 병행하는 협업형 운영이 더 적절.
• 플랫폼 설계 원칙: "회사가 곧 플랫폼이 되어야 한다"는 관점에서 데이터(넥서스)와 실행환경(파운드리)을 명확히 분리하는 것이 핵심 설계 원칙 — 워크벤치는 데이터 관리, 에이전트/파운드리는 실행환경 제어에 집중.
• 권한 관리는 탑다운 설계가 아니라 컨텍스트 기반 반복 개선(AI에게 맥락과 요청을 계속 입력해 점진적으로 정교화)이 실무에 더 적합하다는 실전 교훈.
• 에이전트 대량화는 필연적으로 "관제/거버넌스" 문제를 만들며, 조직 규모가 커질수록(현재 60명 → 300~500명 규모) 이 관제 시스템의 중요성이 기하급수적으로 커진다.
• 에이전트 신뢰 수준을 명확히 구분: (a) 완전 신뢰 광범위 권한 에이전트(CRH 등, 소수·통제된 게이트) vs (b) 정밀도를 위해 극도로 좁게 제한된 단일목적 에이전트(블루 에이전트 등). 이 이분법이 리스크와 정확도의 트레이드오프를 관리하는 방법.
• 견적/추정(estimation)은 AI가 구조적으로 취약한 영역이라는 점 — 생성/요약/코딩엔 강하지만 "복잡도·소요시간 판단"에는 별도 하네싱과 축적된 기준 데이터가 필요.
• 세일즈·기획 단계 조기화(shift-left): 계약 이후 PM 단계에서 하던 리스크 판단을 세일즈 단계로 앞당겨 리스크를 줄이는 흐름 — AI 덕분에 정보 수집·질문 생성 비용이 낮아졌기에 가능해진 변화.
• 비즈니스 모델 관점: 에이전시 업은 향후 "인프라 사업"化 될 것이라는 전망 — 에이전트 실행/관제에는 상당한 투자(서버, CPU/RAM, 큐 시스템)가 필요하며, 이 인프라 역량 자체가 경쟁우위가 된다.
• 시장 구조 관점: 탑티어 독점 구조(로펌형)가 AI로 인해 흔들리며 오퍼레이션 레이어의 고마진화가 신흥 플레이어의 추격 기회를 만든다 — 궁극적으로는 신흥 에이전시와 기존 강자 간의 경쟁 또는 합병으로 수렴할 것이라는 전망.
• 고객 역량 상승에 대한 대응 전략은 "도메인 특화"(기획+사업전략+솔루션 설계 역량의 결합)이며, 커뮤니케이션 능력의 중요성이 AI 시대에 오히려 더 커진다는 역설.

4. 실행 포인트 (Action Points)

• 조직 내 데이터를 "정형(스키마화되어 ERP형 시스템에 저장)"과 "비정형(시맨틱 검색 가능한 메모리)"으로 명확히 분리해 설계하라 — 두 데이터 유형은 저장/검색/권한 방식이 근본적으로 다르다.
• 에이전트 권한 설계는 처음부터 완벽하게 탑다운으로 짜려 하지 말고, 실무 컨텍스트를 계속 축적하며 반복적으로 재설계할 수 있는 "권한 관리 전용 시스템"을 별도로 구축하라.
• 에이전트가 확산되는 초기 단계에서부터 커밋/로그 기반 자동 추적 체계를 만들어두면, 이후 대량 실행 시점에 발생하는 문제(비용 폭증, 리소스 경합)를 훨씬 수월하게 통제할 수 있다.
• 세일즈/기획 단계에 리서치·질문 생성 에이전트를 붙여 요구사항 구체화 시점을 계약 전으로 앞당겨라 — 단, 초반부터 과도한 질문 폭탄을 던지지 않는 "온도 관리"가 중요하다.
• 견적/추정 업무에 AI를 적용할 때는 반드시 기준 데이터(과거 단가, SOP)를 먼저 축적한 뒤 프롬프트/하네스를 설계하라. AI에 맨먼스·기간 산정을 그냥 맡기면 신뢰할 수 없는 결과가 나온다.
• 사내 반복 업무(자막 생성, 업로드 등)에서 기성 툴이 만족시키지 못하는 "특정 페인포인트"가 있다면, 소규모(비개발자 포함) 인력이 AI 코딩 툴로 자체 제작하는 것이 빠르고 실용적인 해법이 될 수 있다(사례: 마케터가 1주일 만에 영상편집 자동화 툴 제작).
• 조직이 성장할 것을 대비해 에이전트 관제/거버넌스 시스템(티켓·러닝·베리피케이션·게이트 개념)을 조기에 설계해두면, 규모가 커졌을 때 필요한 "감시 시스템"으로 자연 확장이 가능하다.
• 전문 서비스/에이전시 조직은 세일즈·PM·개발 직무를 무리하게 분리 유지하기보다 "컨설턴트"형 통합 롤로 전환을 검토하되, 프로젝트 규모(단가)에 따라 집중형/병행형 운영 모델을 다르게 적용하라.

핵심 요약 (20줄)

1. 리트머스 김응진 대표는 회사를 워크벤치·넥서스·파운드리 3층 구조의 AIOS(AI 운영체제)로 재설계했다고 설명했다.

2. AI 전환의 핵심 계기는 기존 비즈니스 모델이 LLM 성장에 따라 점점 잠식될 것이라는 위기감이었다.

3. AI 도입은 개인 생산성 향상, 부서·프로젝트 단위 자동화, 전사 AI화라는 세 단계를 거쳐 진화한다고 밝혔다.

4. 올해부터 세일즈·PM·개발 역할을 컨설턴트로 통합한 이후 생산성이 약 3배 이상 향상됐다고 체감하고 있다.

5. 워크벤치는 직무별 특화 업무를 위한 개인용 깃 레포지토리로, 컨텍스트와 에이전트 세팅을 담는 공간이다.

6. 넥서스는 급여·계약·평가부터 프로젝트 데이터까지 관리하는 ERP형 플랫폼으로 워크벤치와 MCP로 연결된다.

7. 넥서스에는 스키마화된 정형 데이터만 저장되고, 비정형 컨텍스트는 별도의 시맨틱 검색 메모리 시스템에 적재된다.

8. 권한 관리 시스템은 롤 기반에서 시작해 여러 번 재설계를 거쳐 결국 별도의 전용 인증·권한 관리 시스템으로 발전했다.

9. 에이전트 접근권은 광범위한 신뢰형 권한과 넥서스가 제한하는 좁은 툴콜링 권한 두 유형으로 나눠 정확도와 리스크를 관리한다.

10. 파운드리는 티켓, 러닝, 베리피케이션, 게이트 개념으로 구성된 에이전트 실행·거버넌스 플랫폼이다.

11. 하루 수백 건까지 늘어나는 에이전트 작업량을 통제하기 위해 큐 시스템과 리소스(CPU·RAM) 제어를 도입했다.

12. 파트너 플랫폼에서는 고객이 화면 요소에 코멘트를 남기면 자동으로 티켓이 생성되고 CRH 에이전트가 처리해 스크린샷으로 검증한다.

13. 이 플랫폼은 단순한 고객 셀프 개발 도구가 아니라 고객과 에이전시 간 소통과 협의를 위한 도구로 기능한다.

14. 세일즈 단계부터 신규 고객 리서치와 요구사항 구체화를 자동화해 계약 후 발생하던 리스크를 조기에 줄이고 있다.

15. 견적 산정과 프로젝트 기간 추정은 AI가 특히 취약한 영역이라 별도의 기준 데이터와 프롬프트 설계가 필요했다고 강조했다.

16. 에이전트의 모든 파일 변경은 자동 커밋되며, 별도의 학습 에이전트가 변경 내역의 일반화 가능성을 세션 종료 시점에 확인한다.

17. 마케팅팀은 자체 영상 편집 자동화 툴을 약 일주일 만에 제작해 자막 생성부터 유튜브 업로드까지 자동화했다.

18. 김응진 대표는 에이전시 업이 향후 인프라 투자가 필요한 사업으로 재편될 것이라 전망했다.

19. AI로 인해 오퍼레이션 영역까지 고마진화되면서 기존 탑티어 독점 구조가 흔들리고 신생 에이전시에게 기회가 열릴 수 있다고 봤다.

20. 고객사의 개발 역량이 높아지는 흐름에 맞서 리트머스는 기획과 사업 전략을 결합한 도메인 특화 컨설팅으로 계속 상위 티어로 이동하겠다는 전략을 밝혔다.