빨라지려고 도입한 AI, 이제는 아무것도 결정하지 못한다

팀이 첫 번째 캠페인 방향을 논의하는 사이, AI는 이미 열 개의 시안을 내놓습니다. 기획서, 레이아웃, 이미지, 코드까지 몇 분이면 나옵니다.

그런데 성과는 보이지 않습니다. 2026년 1월 발표된 PwC 제29차 글로벌 CEO 서베이에 따르면, CEO의 56%가 지난 1년간 AI로 매출이 늘지도, 비용이 줄지도 않았다고 답했습니다. 둘 다 얻었다는 응답은 12%에 그쳤습니다. MIT의 Project NANDA가 2025년에 진행된 300건 이상의 AI 도입 사례를 분석한 결과, 실질적인 가치를 만들어낸 통합 파일럿은 약 5%에 불과했습니다. 그동안 투입된 비용은 300억~400억 달러로 추정됩니다.

결과물과 성과 사이, 어딘가에서 이익이 새어 나가고 있습니다.

사라진 비용, 그대로인 비용

예전에는 시안을 하나 더 만들려면 누군가의 하루가 필요했습니다. 그 비용이 테이블에 올라올 선택지의 수를 조용히 제한해 왔습니다. 두 개를 만들어 하나를 골랐고, 고를 것이 거의 없었으니 결정도 어렵지 않았습니다.

AI는 그 상한선만 없앴습니다. 나머지는 그대로입니다. 이제 선택지는 수십 개씩 쏟아지지만, 그것들을 다 들여다보고, 의견을 조율하고, 하나로 좁히는 일은 여전히 팀의 몫입니다. 그리고 이 과정은 조금도 빨라지지 않았습니다.

BetterUp Labs와 Stanford Social Media Lab은 2025년에 이 낭비를 수치로 보여줬습니다. 미국 근로자 1,150명을 대상으로 한 조사에서, 40%가 지난 한 달 사이 완성된 것처럼 보이지만 실제로는 일을 진전시키지 못하는 AI 결과물을 받은 적이 있다고 답했습니다. 한 건당 받는 사람의 시간을 약 2시간씩 잡아먹었습니다. 연구진은 이를 워크슬롭(workslop)이라 불렀습니다.

비슷비슷한 40개의 선택지

선택이 어려운 진짜 이유는, 선택지들이 보이는 것보다 훨씬 서로 닮아 있기 때문입니다.

Figma의 CEO Dylan Field는 2025년 10월 Lenny's Podcast에서 그 이유를 이렇게 설명했습니다. AI가 처음 내놓는 결과물은 정의상 평범할 수밖에 없습니다. 그동안 학습한 모든 것의 평균이기 때문입니다. 비슷한 모델에 비슷한 프롬프트를 넣으면 비슷한 결과가 나옵니다. Merriam-Webster는 2025년 올해의 단어로 slop을 선정했습니다. AI가 대량으로 찍어낸 저품질 디지털 콘텐츠를 뜻합니다.

결국 우리 결과물과 경쟁사 결과물을 갈라놓는 것은, 누군가가 그 더미 앞에 서서 실제로 하나를 골라냈다는 사실 하나뿐입니다. 예전에는 프로젝트 막바지 5분에 해당하던 일이, 이제는 가치의 대부분이 되어버렸습니다.

아무것도 결정되지 않는 회의

누군가 AI 시안 30개를 들고 옵니다. 다 나쁘지 않습니다. 각자 살짝 다른 것을 마음에 들어 하고, 나머지 29개를 버리자고 총대를 메는 사람은 없습니다. 회의는 "조금 더 두고 봅시다"로 끝납니다. 시안들은 폴더로 들어가고, 다시 열리지 않습니다.

팀이 문제가 아닙니다. 이 일을 할 자리가 없다는 게 문제입니다.

선택지는 Slack 스레드에 한 줄로 쌓입니다. 다섯 번째에 도달할 즈음이면 첫 번째는 이미 기억에서 사라져 있습니다. Drive에 파일 단위로 흩어져 있어, 머릿속 기억에 의존해 비교해야 하는 경우도 많습니다. UC San Diego의 David Kirsh는 사람이 머리 바깥의 사물을 통해 어떻게 사고하는지를 수십 년간 연구해 왔는데, 그의 결론은 단순합니다. 사람은 모든 것을 한눈에, 서로 앞에 놓고 볼 수 있을 때 더 잘 사고합니다. 스레드로는 불가능합니다. 폴더도 마찬가지입니다.

그러다 보니 결정은 가장 오래 말한 사람이, 가장 직급이 높은 사람이, 아니면 마감이 대신 내립니다. 몇 주 뒤 누군가 "우리 왜 이 방향으로 갔지?"라고 물으면, 아무도 근거를 찾지 못합니다. 근거가 어디에도 남아 있지 않기 때문입니다. 결론만이 태스크로 살아남습니다.

리뷰는 선택이 아닙니다

리뷰는 한 사람이 하나의 결과물을 기준에 비춰 판단하는 일입니다. 이걸 잘 도와주는 도구는 이미 많습니다.

선택은 다릅니다. 여러 개의 쓸 만한 안을 앞에 두고, 팀이 논쟁하고, 하나에 커밋하는 일입니다. AI는 첫 번째 일을 폭발적으로 늘렸고, 두 번째 일을 프로젝트의 승부처로 만들어 놓았습니다.

무엇을 측정해야 하나

많은 회사가 사용자 수, 프롬프트 수, 초안 개수를 셉니다. 이 숫자들은 기계가 켜져 있다는 사실만 알려줍니다.

더 나은 지표는 이런 것들입니다. 결정까지 걸린 시간, 리뷰 라운드 횟수, 만들어낸 것 중 실제로 출시된 비율. 초안 100개를 만들어 2개를 통과시키는 팀이, 5개를 만들어 1개에 커밋하는 팀보다 낫다고 말하기는 어렵습니다.

쓰던 도구는 그대로

디자인은 Figma에서, 파일은 Drive에, 티켓은 Jira에서, 워크숍은 Miro에서 하면 됩니다.

문제는 그 도구들 사이, 결과물을 만드는 일이 끝나고 결정이 시작되는 그 지점에 있습니다.

그래서 우리가 만든 것

ALLO는 바로 그 순간을 위한 캔버스입니다. 브리프와 레퍼런스 옆에 선택지들이 나란히 놓이고, 피드백은 스레드에 떠다니는 대신 대상 위에 바로 붙습니다. 팀은 결과물 앞에서 논쟁하고, 그 자리에서 방향을 정합니다. 결정은 그것을 만들어낸 맥락 옆에 그대로 남습니다.

ALLO는 결과물을 만들어 주는 도구가 아닙니다. 그건 원래 쓰던 곳에서 하면 됩니다. 승인 큐도 아닙니다.

모델은 앞으로도 계속 저렴해질 것이고, 무언가를 생성하는 일 자체는 더 이상 경쟁 우위가 되지 못합니다. 누구나 할 수 있고, 누구나 같은 평균을 돌려받기 때문입니다. 남는 것은 40개 중 어느 것이 맞는지 판단하는 일, 그리고 그 답에 팀을 모으는 일입니다.

FAQ

AI는 왜 팀 생산성을 높이지 못하나요? 한 사람의 산출량은 빨라지지만, 나머지 사람들이 판단해야 할 양은 그만큼 늘어납니다. 2025년 BetterUp Labs와 Stanford 연구에 따르면, 근로자의 40%가 완성된 듯 보이지만 실제로는 그렇지 않은 AI 결과물을 받았고, 그때마다 약 2시간을 허비했습니다.

AI 결과물은 왜 어디서나 비슷해 보이나요? 모델이 학습한 것들의 평균을 돌려주기 때문입니다. Figma의 Dylan Field는 첫 결과물은 정의상 평범할 수밖에 없다고 말합니다. 결과물을 특별하게 만드는 건 사람이 방향을 골라내는 순간입니다.

선택은 리뷰와 같은가요? 아닙니다. 리뷰는 하나의 결과물을 판단하는 일입니다. 선택은 여러 개의 유효한 안 중 하나를 골라, 팀 전체를 그 방향에 동의시키는 일입니다.

ALLO는 Figma, Jira, Drive를 대체하나요? 아닙니다. 그대로 쓰시면 됩니다. ALLO는 결과물을 만드는 일과 실행 사이, 즉 선택지를 비교하고 방향을 정하는 지점에 자리합니다.

Miro나 FigJam과는 무엇이 다른가요? 그 도구들은 워크숍용으로 만들어졌고, 세션이 끝나면 보드는 방치됩니다. ALLO는 프로젝트가 이어지는 동안 선택지, 버전, 피드백, 결정을 계속 담아둡니다.

AI가 성과를 내고 있는지 어떻게 알 수 있나요? 프롬프트 수로는 알 수 없습니다. 결정까지 걸린 시간, 리뷰 라운드 횟수, 생성물 중 실제로 출시된 비율로 확인해야 합니다.