How do you diffuse AI into the real world? — Varun Shenoy, Long Lake

한 줄 핵심

AI를 실제 업무에 확산시키려면 데모 수준의 자동화가 아니라, 기업 내부 데이터·업무 흐름·사용자 채택을 함께 바꾸는 운영 설계가 필요하다.

시간별 요약

1. 0:00
   모두가 데모는 봤지만, 현실은 변하지 않았다 자동으로 항공권을 예약하고 티켓을 처리하며 코드를 완성하는 에이전트 데모는 이미 익숙하지만, 200명 규모의 부동산 관리 회사 같은 실제 현장에서는 여전히 AI의 영향이 거의 없다. 핵심 질문은 모델 성능이 아니라, 경제적 가치가 있는 업무를 실제로 끝내게 만드는 방법이다.
2. 1:30
   전기와 Ford가 보여주는 확산의 속도 전기처럼 범용 기술은 발명과 확산 사이에 긴 시간이 필요하며, 기존 설비와 교육을 함께 바꿔야 비로소 현장에 정착한다. AI 확산도 같은 문제이므로, 기술 발전만 기다릴 것이 아니라 도입 구조 자체를 장기 과제로 봐야 한다.
3. 2:36
   Long Lake는 누구이고, 왜 사업체를 사는가 Long Lake는 소프트웨어를 파는 대신 실제 서비스 회사를 인수·협력하며 AI를 그 안에 직접 배치하는 방식으로 일한다. 35개 이상의 회사를 운영하며, AI가 안 되면 고객 문제가 아니라 자기 문제이기 때문에 실제 성과와 배포 책임을 끝까지 진다.
4. 4:54
   코파일럿에서 동료로 올라가는 사다리 에이전트는 질문에 답하는 코파일럿, 실시간으로 도구를 쓰는 동기식 에이전트, 배경에서 실행되는 비동기 에이전트, 장시간 실행되는 에이전트, 그리고 최종적으로 AI 동료로 단계적으로 발전한다. 처음부터 높은 자율성을 주기보다, 각 단계에서 신뢰와 성능을 쌓아 올라가는 구조가 필요하다.
5. 6:02
   더 많은 자율성을 얻기 위한 조건 모델이 모든 일을 곧바로 맡을 수 있는 것은 아니며, 현장과의 밀착 반복을 통해 자율성을 ‘획득’해야 한다. 코드 생성에서는 샌드박스와 PR 생성이 이미 익숙한 비동기 패턴이지만, 서비스 업무에서는 그와 같은 단계적 확장 전략이 아직 핵심 과제로 남아 있다.
6. 8:16
   왜 엔지니어만 병렬화에 익숙한가 엔지니어는 여러 작업을 동시에 돌리고 결과 순서가 뒤섞여도 자연스럽게 받아들이지만, 서비스 업무는 대체로 직렬적이다. 따라서 코드 영역의 병렬화 방식과 샌드박스 모델을 다른 산업에 그대로 복제할 수는 없고, 업종별로 다른 비동기 구조를 새로 설계해야 한다.
7. 9:24
   지식노동을 코드로 표현하기 모델이 잘하는 코드 작성 능력을 서비스 업무에 연결하려면, 지식노동 자체를 코드처럼 다루는 방식이 유효하다. 또한 이메일을 한 통씩 처리하듯 직렬로 일하는 관성을 바꾸고, 산업과 역할에 따라 다른 제품 형식과 사용자 지원 방식을 설계해야 한다.
8. 10:32
   인터넷에 없는 가장 값진 일들 장부를 마감하거나, 도면으로 건물을 견적내거나, 고장 난 지붕의 수리업체를 조율하는 일은 인터넷에 축적된 지식만으로 해결되지 않는다. 이런 업무는 사람 머릿속, 낡은 소프트웨어, 그리고 숙련자의 암묵지에 숨어 있으므로, 이를 명시적 데이터와 학습 가능한 작업으로 바꾸는 것이 핵심이다.
9. 11:42
   흔적, 정답, 그리고 의미 있는 평가 실제 업무에서 에이전트가 남긴 도구 호출과 시행착오를 추적하면, 자동 생성 가능한 평가와 명시적·암묵적 피드백을 함께 만들 수 있다. 더 나아가 실제 업무 데이터로 내부 모델을 추가 학습하고, 회사·사용자·고객별 맞춤형 에이전트를 고도화할 수 있다.
10. 14:00
    지속 학습과 도입은 하나의 순환이다 사용이 늘어야 더 많은 피드백이 쌓이고, 그 피드백이 에이전트를 개선하며, 개선된 에이전트가 다시 사용을 늘리는 선순환이 중요하다. 연구팀의 지속 학습과 조직의 도입·확산은 별개가 아니라 같은 루프로 봐야 한다.
11. 15:09
    가장 큰 난제는 첫 사용을 만드는 일 아무리 좋은 AI 동료라도 100년 된 회사의 업무 관성이 그대로면 사용은 자연스럽게 생기지 않는다. 그래서 제품과 사람, 프로세스를 함께 설계하는 극단적인 소프트웨어·서비스 공동 설계가 필요하며, 이는 같은 공간에서 밀착해야 가능하다.
12. 16:19
    Zoom이 아니라 현장에서 함께 설계하기 Excel, ERP, Outlook, Gmail 같은 실제 업무 도구에 자연스럽게 들어가고, 현장을 직접 찾아가 점심 세션이나 1:1 교육을 하며 사용 맥락을 배워야 한다. 서비스 업무의 현실은 온라인 회의실보다 훨씬 현장 중심이므로, AI 확산은 결국 사람을 직접 만나야 완성된다.

실무 인사이트

• AI 도입 성패는 모델 성능보다 현장 업무에 맞는 자율성 단계와 도입 루프를 얼마나 잘 설계하느냐에 달려 있다.
• 실제 업무 데이터와 사용자 피드백을 함께 모아야 평가, 재학습, 제품 개선이 이어지는 선순환을 만들 수 있다.
• 기업용 AI는 범용 챗봇보다 업무 시스템에 깊게 붙고, 현장에서 사용 습관을 바꾸는 방식으로 배포해야 효과가 난다.