NASA, View of Mission Control during lunar surface Apollo 11 EVA (1969). 아폴로 11호 월면 활동 중의 휴스턴 관제실. 달에 간 사람은 셋이지만, 그 셋을 보낸 것은 시스템이었다. Public domain. 크기 조정 외 변경 없음.
들어가며: 돈과 사람이 있으면 되는가
두 편을 쓰고 나니 무엇을 해야 하는지는 어느 정도 적었는데, 그걸 어떻게 하는지는 비어 있었다. 그 빈칸을 채우는 게 이번 글이다.
요즘 Google DeepMind, Meta Superintelligence Labs, NVIDIA, Amazon, Adobe에서 일하는 사람들의 이야기를 들을 때마다 비슷한 생각이 든다. 저 회사들이 앞서가는 건 돈이 많고 사람이 좋아서이기도 하지만, 그것만으로는 설명이 안 된다. 같은 돈과 같은 사람을 넣어도 다른 결과가 나오게 만드는 무언가가 있다. 나는 그걸 시스템이라고 부르려 한다. 조직을 어떻게 나누고 잇는지, 그리고 그 위에서 무엇을 할지 정하고(기획), 누구에게 얼마를 걸고(예산), 어떻게 움직이고(실행), 무엇과 비교해 잘했다고 말하는지(평가)를 정하는 방식 말이다.
이 질문이 지금 한가한 이야기가 아닌 이유가 있다. 한국은 이제 돈을 쓰기 시작했다. 정부는 2027년 예산안에 프론티어 AI 모델 개발 사업으로 4조 7천억 원을 편성했다. 차세대 GPU 1만 장에 3조 9천억 원, 학습 데이터에 8천억 원, 해외 연구자 20명 유치에 250억 원이다. 보조금처럼 나눠 주는 출연이 아니라 지분을 받는 출자 방식이다. (연합뉴스)
눈에 띈 건 돈의 규모보다 이 사업을 설명하는 과기정통부 차관의 말이었다. 그는 "지금처럼 기업들에 자원을 나눠 경쟁시키는 방식을 유지하면서 GPU만 더 주는 것으로는 안 되고, 모든 자원을 모아 집중해야" 한다고 했다. 독파모에 대해서는 "처음 시작할 때부터 무빙 타깃(Moving Target)을 좇는 사업일 수밖에 없었다"고 했다. 목표를 묻는 질문에는 미국 모델과 대등한 수준은 비현실적이고, 민간 투자가 더해지면 "중국의 상위권 오픈 모델 수준에는 버금가는 목표"를 제시할 수 있다고 답했다. (연합뉴스 일문일답)
나는 이 답변이 정직하다고 생각한다. 동시에 이 답변에는 이번 글의 문제가 다 들어 있다. 정부 스스로 돈보다 방식이 문제라고 말했고, 목표는 여전히 누군가를 기준으로 적혀 있다. 따라잡을 대상이 미국에서 중국으로 바뀌었을 뿐, 정답지가 바깥에 있다는 구조는 그대로다.
그래서 이 글에서는 두 종류의 시스템을 나눠 본다. 팔로잉 시스템은 정답지가 바깥에 있는 시스템이다. 앞선 누군가가 이미 풀어 놓은 문제를 더 빨리, 더 싸게 푸는 데 최적화돼 있다. 프론티어 시스템은 정답지를 스스로 써야 하는 시스템이다. 무엇이 문제인지부터 정해야 하고, 틀릴 것을 알면서 걸어야 한다.
그리고 이 둘을 조직관리론의 눈으로 읽어 보려 한다. 조직이론에는 60년 넘게 이어진 오래된 통찰이 하나 있다. 조직은 환경을 닮아야 산다. 그렇다면 초지능 경쟁이라는 환경은 어떤 조직을 요구할까.
글은 넷으로 나눴다. 1부에서는 조직이 환경을 닮는다는 이론들을 짚는다. 2부에서는 초지능 경쟁이 조직에게 얼마나 낯선 환경인지, 그리고 앞선 회사들이 조직을 어떻게 짜서 대응하는지 본다. 3부에서는 그 조직 위에서 기획, 예산, 실행, 평가가 어떻게 돌아가는지 사례를 모은다. 4부에서는 한국 회사들이 무엇을 손봐야 하는지 내 제언을 적는다. 이번에도 길다.
1부. 조직은 환경을 닮는다
기계적 조직과 유기적 조직
1950년대 영국의 사회학자 톰 번스와 G. M. 스토커는 스코틀랜드의 전자 회사들을 들여다보고 있었다. 전후에 전자 산업으로 뛰어든 전통 제조업체들이 왜 어떤 곳은 적응하고 어떤 곳은 실패하는지가 질문이었다. 1961년 그들은 『혁신의 경영(The Management of Innovation)』에서 두 가지 조직 형태를 나눴다. (Burns & Stalker 발췌)
•
기계적 조직. 일을 기능별로 잘게 쪼개고, 각자는 전체 목표보다 자기 몫의 기술적 완성도를 추구한다. 권한과 정보는 위계를 따라 위아래로 흐르고, 지시는 위에서 내려온다. 환경이 안정적일 때 잘 맞는다.
•
유기적 조직. 일이 계속 다시 정의되고, 정보와 조언이 옆으로 흐른다. 이들의 표현으로는 "가장 많이 알고 가장 유능한 사람이 그때그때 주도권을 잡는다." 환경이 빨리 바뀔 때 잘 맞는다.
두 사람은 어느 한쪽이 언제나 낫다고 하지 않았다. 다만 이런 문장을 남겼다. 변화의 속도와 폭이 클수록, 지휘형 조직이 전제하는 우두머리의 전지전능함은 성립하기 어렵다. 위에서 다 알고 내려보내는 방식은 위가 다 알 수 있을 때만 통한다는 뜻이다.
몇 년 뒤 하버드의 폴 로렌스와 제이 로시는 한 걸음 더 나갔다. 같은 산업의 여섯 회사를 비교해 보니, 불확실한 환경에서 성과가 좋은 회사는 두 가지 상반된 상태를 동시에 갖고 있었다. 연구, 생산, 영업이 서로 아주 다르게 생각하고 움직이도록 분화돼 있으면서, 동시에 그 셋을 하나로 묶는 통합도 강했다. 둘은 보통 반대로 움직이기 때문에 이 조합이 어렵다. (Lawrence & Lorsch)
경영학자 제이 갤브레이스는 이 이야기를 정보의 언어로 바꿨다. 일의 불확실성이 클수록 일하는 도중에 처리해야 할 정보가 많아지고, 위계는 금방 과부하에 걸린다. 그때 조직이 할 수 있는 일은 넷이다. 여유 자원을 두거나 일을 독립적인 단위로 쪼개서 정보 처리의 필요를 줄이거나, 정보 시스템에 투자하거나 부서 사이에 옆으로 잇는 관계를 만들어 정보 처리 능력을 키우는 것이다. (Galbraith 리뷰) 기억해 둘 만한 건, 많은 조직이 불확실성 앞에서 이 넷 중 어느 것도 아니라 보고를 늘리는 쪽을 택한다는 점이다.
조직은 자기를 닮은 제품을 만든다
같은 시기 컴퓨터 과학자 멜빈 콘웨이는 더 날카로운 관찰을 내놓았다. 1968년 글에서 그는 이렇게 썼다. 시스템을 설계하는 조직은 자기 조직의 소통 구조를 그대로 복제한 설계를 내놓을 수밖에 없다. (Conway) 다섯 명이 COBOL 컴파일러를, 세 명이 ALGOL 컴파일러를 맡았더니 COBOL 컴파일러는 5단계, ALGOL 컴파일러는 3단계로 돌더라는 예가 유명하다. 이것이 콘웨이의 법칙이다.
이 글에서 콘웨이가 덧붙인 말도 지금 읽으면 섬뜩하다. 관리자의 위신과 권력이 예산과 조직의 크기에 묶여 있는 한 관리자는 조직을 키우려 하고, 그렇게 만들어진 조직은 일을 찾는다. 일정이 밀렸을 때 모든 자원을 투입하지 않았다면 관리 실패라는 비난을 받으니 사람을 더 붙인다. 작고 새로운 팀에 맡겼다 실패하면 관리자 탓이 되고, 이름 있는 큰 조직에 맡겼다 실패하면 원래 어려운 문제였다는 증거가 된다. 그래서 그는 결론에서 이렇게 썼다. 설계 조직은 소통의 필요에 따라 짜야 하고, 첫 설계는 거의 최선이 아니므로 조직은 유연해야 한다.
1990년 레베카 헨더슨과 킴 클라크는 이걸 산업의 흥망으로 연결했다. 반도체 노광 장비 산업을 보니, 선두 기업들이 무너진 건 부품 기술이 획기적으로 바뀌었을 때가 아니라, 부품은 비슷한데 부품을 엮는 방식(아키텍처)이 바뀌었을 때였다. 기존 기업의 조직 구조와 소통 경로, 정보를 거르는 습관에 옛 아키텍처에 대한 지식이 박혀 있어서, 아키텍처가 바뀐 걸 알아채기도 어렵고 고치기도 어렵다는 것이다. (Henderson & Clark)
제도에도 유통기한이 있다
이 통찰을 나라 단위로 옮기면 2편의 이야기와 만난다. 2024년 노벨경제학상을 받은 대런 애쓰모글루와 필리프 아기옹, 파브리치오 질리보티는 성장 전략을 둘로 나눴다. 기술 프론티어에서 멀리 있는 나라는 오래된 큰 기업, 장기적인 거래 관계, 대규모 투자로 이미 있는 기술을 빠르게 흡수하는 투자 기반 전략이 유리하다. 프론티어에 가까워지면 짧은 관계, 젊은 기업, 그리고 무엇보다 누구에게 걸지 잘 고르는 선택이 중요한 혁신 기반 전략으로 넘어가야 한다. 초기에 맞던 제도는 프론티어 근처에서는 맞지 않는 제도가 되고, 넘어가지 못하면 수렴하지 못하는 함정에 빠진다. 기존 제도의 수혜자들이 변화를 막을 힘을 가지면 그 가능성은 더 커진다. (Acemoglu, Aghion & Zilibotti)
조직학자 제임스 마치는 같은 긴장을 조직 학습의 언어로 썼다. 조직은 이미 아는 것을 다듬는 활용을 새로운 것을 찾는 탐색보다 훨씬 빨리 개선하기 때문에, 짧게는 효과적이지만 길게는 스스로를 망가뜨리기 쉽다. (March)
1부 정리: 팔로잉 시스템은 기계적 조직이다
이 이론들을 겹쳐 보면 팔로잉 시스템과 프론티어 시스템의 차이가 조직의 언어로 정리된다.
팔로잉 시스템은 대체로 기계적 조직이다. 정답지가 바깥에 있으니 위가 무엇을 해야 하는지 안다. 일을 쪼개 내려보내고, 보고를 받아 조정하고, 계획 대비 실적으로 평가한다. 환경이 안정적이고 목표가 분명할 때 이보다 효율적인 조직은 없다. 한국을 키운 조직이 이것이다.
프론티어 시스템은 유기적 조직에 가깝다. 위도 정답을 모르니 가장 많이 아는 사람이 주도하고, 정보가 옆으로 흐르고, 첫 설계가 틀렸다는 걸 알면 조직을 다시 짠다.
그런데 초지능 경쟁에서는 이 정리가 그대로 들어맞지 않는다. 유기적이기만 해서는 안 되는 이유가 있다.
2부. 초지능 경쟁이라는 낯선 환경
네 개의 극단
지금 프론티어 AI 경쟁은 조직이론 교과서가 상정한 어떤 환경과도 조금씩 다르다. 내가 보기에 네 가지가 동시에 극단적이다.
첫째, 불확실성. 무엇이 통하는지가 몇 달 단위로 바뀐다. 과기정통부 차관이 "무빙 타깃"이라 부른 바로 그것이다. 이것만 보면 번스와 스토커가 말한 유기적 조직이 답이다.
둘째, 나눌 수 없는 판돈. 프론티어 모델 하나를 학습시키는 건 잘게 나눠 여러 번 시도할 수 있는 실험이 아니다. 데이터센터 하나를 몇 달 동안 통째로 쓰는 한 번의 큰 베팅이다. 저커버그는 작년 말 논의를 떠올리며 "1천억 달러나 2천억 달러짜리 수표를 쓰게 될 것"이라 말했고, Meta의 2026년 설비투자 전망은 1,300억~1,450억 달러로 2025년의 거의 두 배다. (Fortune) 이런 판돈은 분산된 유기적 조직이 각자 알아서 쓸 수 있는 돈이 아니다. 맨 위에서 모아서 걸어야 한다.
셋째, 스택 전체의 상호의존. 칩, 데이터센터, 학습 인프라, 데이터, 사전학습, 사후학습, 제품이 서로 맞물려 있다. 칩을 모르고 모델을 설계할 수 없고, 제품에서 돌아오는 신호 없이 사후학습을 잘하기 어렵다. 콘웨이의 법칙을 거꾸로 읽으면, 이 스택이 하나로 맞물려야 한다면 조직도 그만큼 맞물려야 한다.
넷째, 인재의 멱법칙. 소수의 사람이 결과의 대부분을 좌우한다. Meta가 OpenAI 연구자들에게 1억 달러 규모의 보상을 제시했다는 보도가 나온 것도 이 때문이다. 알렉산더 왕은 저커버그를 두고 "멱법칙을 완전히 체화한 사람"이라고 했다. (Fortune)
여기에 리치 서튼이 2019년에 쓴 「쓰라린 교훈」을 겹쳐 볼 수 있다. AI 연구 70년의 가장 큰 교훈은 계산을 활용하는 일반적인 방법이 결국 가장 효과적이라는 것, 그것도 큰 차이로. (Sutton) 연구의 성패가 컴퓨트에 묶이면, 조직의 성패도 컴퓨트를 누가, 어떻게 나누는지에 묶인다.
문제는 이 네 가지가 조직을 반대 방향으로 당긴다는 것이다. 불확실성과 인재의 멱법칙은 작고, 유기적이고, 아래에서 결정하는 조직을 요구한다. 나눌 수 없는 판돈과 스택의 상호의존은 크고, 통합되고, 위에서 결정하는 조직을 요구한다. 로렌스와 로시가 말한 분화와 통합의 긴장이 극단까지 간 셈이다.
해법 1: 작은 핵심, 큰 몸통, 맨 위의 통합자
앞선 회사들이 찾은 답은 놀랄 만큼 비슷하다. 작고 유기적인 핵심, 크고 규율 있는 몸통, 그리고 그 둘을 맨 위에서 잇는 강한 통합자다.
Meta Superintelligence Labs의 핵심 연구팀은 직원 약 7만 5천 명의 회사 안에서 200명이 안 되고, 왕의 말로는 "100명에 가깝다". 그 뒤를 훨씬 큰 인프라와 제품 조직이 받친다. (Fortune) 2025년 10월 MSL에서 약 600명을 줄일 때, 기초연구 조직 FAIR와 제품 AI, 인프라 조직은 대상이 됐지만 새로 만든 핵심 조직 TBD Lab은 건드리지 않았고 오히려 채용을 이어갔다. (Axios) 그리고 그 판돈은 저커버그와 왕이 직접 결정했다. CFO 수전 리는 왕을 따로 불러 "이게 안 되면 재무적으로 정말, 정말 나빠질 것"이라고 몇 번이나 말했다. (Fortune)
경영학자 찰스 오라일리와 마이클 투시먼은 2004년 이런 구조를 양손잡이 조직이라고 불렀다. 그들은 9개 산업, 15개 사업부의 획기적 혁신 시도 35건을 추적했다. 기존 조직 안에 기능별로 맡긴 경우는 25%만, 기존 조직을 가로지르는 교차기능팀이나 지원 없이 따로 둔 팀은 단 한 건도 목표를 이루지 못했다. 반면 탐색 조직을 구조적으로 분리해 자기만의 프로세스와 문화를 갖게 하면서 최고경영진 차원에서 단단히 통합한 경우는 90% 넘게 성공했다. (O'Reilly & Tushman) 분리는 새 조직이 "늘 하던 방식"에 잡아먹히지 않게 하고, 맨 위의 통합은 기존 조직의 자원을 끌어다 쓸 수 있게 한다.
Google은 거꾸로 분리가 지나쳐서 생긴 문제를 고쳤다. Google에는 Brain과 DeepMind라는 두 개의 세계적 연구 조직이 있었는데, ChatGPT 이후 2023년 4월 둘을 합쳤다. 피차이의 발표문은 이 결정의 조직론적 의미를 그대로 담고 있다. "이 모든 인재를 하나의 집중된 팀으로 합치고, Google의 컴퓨팅 자원으로 뒷받침하면 우리의 진전이 크게 빨라질 것이다." (Google) 분화는 넘쳤고 통합이 모자랐다. 둘로 나뉜 연구 조직은 같은 칩을 놓고 다투는 두 개의 작은 조직이었다.
통합자는 결국 맨 위에 있다. 피차이는 이달 인터뷰에서 Google 클라우드가 프론티어 AI 개발을 위해 컴퓨트를 돌리느라 "언제나 단기 매출을 포기하고 있다"고 말했다. (Big Technology) 컴퓨트를 클라우드 고객에게 팔지 모델에 쓸지는 사업부끼리 협상해서 정할 수 있는 문제가 아니다. 그룹 최고경영자가 직접 정한다.
이 구조는 새로운 것이 아니다. 맨 위 사진의 아폴로 계획이 그랬다. NASA 유인우주비행 책임자 조지 뮬러는 1963년 새턴 V 로켓을 단별로 하나씩 시험한 뒤 전체를 날리는 보수적인 방식 대신, 첫 비행부터 모든 단을 한 번에 시험하는 "올업(all-up)" 시험을 택했다. (NASA) 처음에는 베르너 폰 브라운도 반대했다. 뮬러는 나중에 "그것 말고는 일정 안에 계획을 끝낼 방법이 없었다"고 회고했다. (Smithsonian) 나눌 수 없는 판돈을, 맨 위에서, 위험을 알고 건 결정이었다.
해법 2: 조직을 스택에 맞춰 다시 긋는다
콘웨이의 법칙을 알면 반대로 쓸 수도 있다. 원하는 제품의 구조에 맞춰 조직을 먼저 다시 긋는 것이다.
젠슨 황은 렉스 프리드먼과의 대화에서 이렇게 말했다. 회사의 목적은 결과물을 만들어 내는 기계이자 메커니즘이고, 회사의 아키텍처는 회사가 처한 환경을 반영해야 한다. 그게 조직을 어떻게 짜야 하는지 거의 그대로 말해 준다는 것이다. 그에게 직접 보고하는 사람은 60명이 넘고, 메모리, CPU, 광학, GPU, 알고리즘 전문가들이 한 자리에서 같은 문제를 같이 듣는다. "어떤 대화도 한 사람과 하지 않는다. 그래서 일대일 면담을 하지 않는다. 문제를 내놓으면 모두가 같이 덤빈다. 우리는 늘 극단적인 공동 설계(extreme co-design)를 하고 있기 때문이다." (Lex Fridman) 칩부터 시스템까지 한 몸으로 설계해야 하는 제품을 만드니, 조직도 한 방에 모인다. 콘웨이의 법칙을 의식적으로 쓰는 셈이다.
Amazon도 2025년 12월 같은 방향으로 움직였다. AGI 조직을 이끌던 로히트 프라사드가 떠나면서, Amazon은 가장 큰 모델(Nova와 AGI 팀), 자체 칩(Graviton, Trainium, Nitro), 양자 컴퓨팅을 AWS 출신 피터 드산티스 한 사람 아래로 합쳐 앤디 재시에게 직접 보고하게 했다. 재시가 든 이유는 "모델과 칩, 클라우드 소프트웨어와 인프라를 가로질러 최적화"할 수 있다는 것이었다. (Amazon)
Google DeepMind는 2026년 8월 한 번 더 경계를 다시 그었다. 코라이 카부쿠오글루가 Gemini 모델, 프론티어 연구, Gemini 앱과 개발자 조직까지 한꺼번에 맡아 피차이에게 직접 보고한다. 한 애널리스트는 이를 "모델과 앱과 개발자 조직을 한 임원 아래 두는 건 연구소가 아니라 제품 조직을 짜는 방식"이라고 평했다. (CNBC) 모델과 제품 사이의 피드백이 경쟁력이 된 시대에, 그 둘 사이의 조직 경계를 지운 것이다.
해법 3: 들어가지 않는 것도 설계다
모든 회사가 이 경쟁에 같은 방식으로 들어갈 필요는 없다. Adobe가 좋은 예다.
Adobe는 2025년 4월 자사 생성형 AI 앱 Firefly에 자체 모델과 나란히 OpenAI와 Google의 모델을 넣었다. (Reuters) 범용 프론티어 모델 경쟁에 정면으로 들어가는 대신, 창작자의 작업 흐름이라는 자기 영역에서 프론티어 모델을 가장 잘 쓰는 회사가 되기를 택한 것으로 읽힌다. 대신 Adobe는 연구가 제품으로 가는 길을 오래 닦아 왔다. 해마다 고객 행사 Adobe MAX의 Sneaks 세션에서 연구원들이 아직 제품이 아닌 기술을 수천 명 앞에서 시연하는데, 조건은 "파워포인트가 아니라" 실제로 돌아가는 기술이어야 한다는 것이고, 대략 절반이 제품이 된다. (Adobe) 분리된 연구 조직을 고객 앞의 무대라는 장치로 제품 조직과 잇는, 교과서적인 양손잡이 구조다.
이건 한국에 중요한 시사점이다. 프론티어 모델을 만드는 경쟁과 프론티어 모델을 현장에 가장 깊게 심는 경쟁은 다른 조직을 요구한다. 앞의 것은 MSL과 Google DeepMind 같은 조직을, 뒤의 것은 Adobe 같은 조직을 요구한다. 정부가 독파모를 프론티어 트랙과 산업 확산 트랙으로 나눈 것도 같은 맥락에서 읽을 수 있다. 위험한 건 둘 중 무엇을 하는지 정하지 않은 채, 앞의 것을 뒤의 것의 조직으로 하려는 경우다.
2부 정리
초지능 경쟁은 불확실성, 나눌 수 없는 판돈, 스택의 상호의존, 인재의 멱법칙이 동시에 극단적인 환경이다. 앞선 회사들은 이 환경에 세 가지로 대응했다. 작고 유기적인 핵심을 기존 조직에서 떼어 내되 맨 위에서 단단히 묶고, 조직의 경계를 기술 스택에 맞춰 다시 긋고, 무엇을 직접 하고 무엇을 가져다 쓸지를 분명히 정했다.
그렇다면 이 조직 위에서 일은 실제로 어떻게 돌아갈까.
3부. 네 개의 레버: 기획, 예산, 실행, 평가
기획: 정답지 대신 보도자료를 먼저 쓴다
Amazon에는 슬라이드 발표가 없다. 대신 서술형 6쪽 메모를 쓰고, 회의를 시작하면 모두가 조용히 그 메모를 읽는다. 베이조스는 이를 일종의 "자습 시간"이라고 불렀다. (Bezos 2017 주주서한) 새 제품을 제안할 때는 Working Backwards라는 방식으로, 제품을 만들기 전에 그 제품이 출시되는 날 나갈 보도자료(PR)와 예상 질문(FAQ)부터 쓴다. 보도자료는 한 쪽을 넘지 않고, FAQ는 다섯 쪽 이내다. (Amazon)
이 방식이 생긴 배경이 이 글의 주제와 정확히 겹친다. 2000년대 초 Amazon의 디지털 미디어 사업을 맡았던 빌 카에 따르면, 당시 그의 팀은 시장 규모 추정과 손익 스프레드시트로 계획을 보고했다. 목표는 Apple을 따라잡는 것이었다. 베이조스는 매번 "목업은 어디 있나?"라고 물었다. 카는 그때를 돌아보며 이렇게 썼다. 우리는 Apple을 따라잡는 데 집중해 있었고, 우리 제품이 대안보다 무엇이 더 나은지는 묻지 않고 있었다. 그 반성에서 보도자료를 먼저 쓰는 방식이 나왔고, 그 방식으로 Kindle, Prime Video, AWS가 만들어졌다. (Bill Carr)
조직론으로 보면 이건 기계적 조직의 기획 문서를 유기적 조직의 기획 문서로 바꾼 일이다. 스프레드시트는 위에서 검토하고 승인하기 좋은 문서이고, 서술형 메모는 읽는 사람 모두가 같은 그림을 갖고 옆으로 토론하기 좋은 문서다. 갤브레이스의 말로 하면 정보 처리 능력을 키우는 장치다.
NVIDIA는 해마다 새로 세우는 계획을 아예 믿지 않는다. 젠슨 황은 흔한 리더십을 이렇게 묘사했다. 리더가 무언가를 배우면 선언문을 내고, 새해가 되면 완전히 새로운 계획과 큰 정리해고와 큰 조직 개편과 새 미션과 새 로고가 나온다. 그리고 "나는 한 번도 그렇게 한 적이 없다"고 했다. 무언가가 중요해 보이면 주변 사람들에게 바로 말하고, 같이 한 단계씩 추론하며 방향을 조금씩 튼다는 것이다. (Lex Fridman) 그런 기획이 만든 가장 큰 결과가 2006년, 정식 연구 조직이 생기기도 전에 나온 CUDA다. (NVIDIA)
Meta의 경우는 기획이 무엇을 버릴 수 있느냐의 문제이기도 하다는 걸 보여준다. 2025년 4월 Llama 4가 미지근한 반응을 받은 직후, 저커버그는 왕과 44분 통화를 했고, 이틀 뒤 왕은 "내가 당신이라면 이렇게 하겠다"는 긴 메모를 보냈다. 첫째 원칙은 "사람이 많을 필요는 없고, 중요한 건 인재 밀도"였고, 둘째는 처음부터 다시 시작할 각오였다. (Fortune) 콘웨이가 말한 대로 첫 설계는 거의 최선이 아니고, 자기가 만든 것을 버리는 일은 고통스럽고 비싸다. 그걸 몇 주 만에 해냈다.
예산: 과제가 아니라 사람과 컴퓨트에 건다
예산 이야기는 미국 생명과학계의 오래된 비교에서 시작하는 게 좋겠다. 경제학자 피에르 아줄레이와 동료들은 하워드 휴스 의학연구소(HHMI) 지원 과학자와, 비슷한 실력의 국립보건원(NIH) 지원 과학자를 비교했다. (Azoulay, Graff Zivin & Manso) NIH 과제는 3~5년짜리이고 목표가 구체적이며 재선정에 실패하면 지원이 바로 끊긴다. HHMI는 과제가 아니라 사람을 뽑아 5년을 지원하고, 대개 연장하며, 지원이 끝나도 2년의 완충 기간을 준다. 결과적으로 HHMI 과학자들은 NIH 조기경력상 수상자 그룹보다 피인용 상위 5% 논문을 두 배, 상위 1% 논문을 세 배 냈다. 아줄레이의 정리는 이렇다. "연구자는 단기적인 실패가 처벌받지 않는다고 믿어야 한다." (MIT News)
2부에서 본 것처럼 AI 회사에서 사람 다음으로 큰 예산은 컴퓨트이고, 프론티어 회사들은 그걸 맨 위에서 직접 나눈다. 반대쪽 끝에는 아주 작은 돈도 있다. Adobe는 2012년 Kickbox라는 제도를 만들었다. 아이디어가 있는 직원에게 1,000달러가 충전된 선불카드가 든 빨간 상자를 준다. 지출 보고서도, 승인도 필요 없다. (Adobe) 그중 제품이 된 아이디어는 극소수지만, 실패를 아주 싸게 만들면 많이 시도할 수 있다. 갤브레이스가 말한 여유 자원을 일부러 만들어 두는 것이다.
정리하면 프론티어 회사들의 예산은 양 끝에 몰려 있다. 사람에게 오래 거는 돈, 맨 위에서 몰아주는 큰 판돈, 결재 없이 쓰는 작은 돈. 팔로잉 시스템의 예산은 대개 그 중간, 과제 단위로 1년씩 나눈 고만고만한 돈에 몰려 있다.
실행: 직급이 아니라 정보가 있는 사람이 정한다
2025년 10월 MSL 감원 때 왕이 쓴 메모의 한 문장이 실행에 대한 프론티어 조직의 생각을 압축한다. "팀 규모를 줄이면 결정을 내리는 데 필요한 대화가 줄어들고, 한 사람 한 사람이 더 많은 하중을 지고 더 넓은 범위와 영향력을 갖게 된다." 회사는 기존 AI 조직이 "지나치게 관료적"이 됐다고 판단했다. (Axios) 해고를 미화하려는 건 아니다. 다만 이 메모가 잰 것이 사람 수가 아니라 결정까지 필요한 대화의 수라는 점은 콘웨이의 계산과 정확히 겹친다. 콘웨이는 조직 안의 가능한 소통 경로가 사람 수의 제곱에 비례해 늘어난다고 지적했다.
Amazon은 결정의 종류를 나눈다. 베이조스는 2016년 주주서한에서 대부분의 결정은 되돌릴 수 있는 "양방향 문"이며, 그런 결정에는 가벼운 절차를 써야 한다고 했다. "틀리면 어떤가?" 되돌릴 수 없는 결정만 신중하게 다루면 된다. 의견이 갈릴 때는 "동의하지 않지만 일단 같이 걸자(disagree and commit)"고 말하라고 했다. 그리고 이 서한의 유명한 문장. "2일 차는 정체다. 그다음은 무의미함, 그다음은 고통스러운 쇠퇴, 그다음은 죽음이다." (Bezos 2016 주주서한)
번스와 스토커의 언어로 옮기면, 두 회사 모두 결정의 권한을 직급이 아니라 정보가 있는 곳으로 옮기려 한다. 사전학습 데이터 배합을 가장 잘 아는 사람이 입사 2년 차라면 그 사람이 결정에 가장 가까이 있어야 한다. 초지능 경쟁처럼 몇 달 만에 정답이 바뀌는 환경에서 위가 다 알고 내려보내는 방식은 느리고, 자주 틀린다.
평가: 계획 대비 실적 말고 물리 법칙과 비교한다
평가에서 가장 인상적인 건 NVIDIA의 "빛의 속도(speed of light)"다. 젠슨 황이 30년 전부터 써 왔다는 이 말은 "물리 법칙이 허락하는 한계"의 줄임말이다. 메모리 속도, 연산 속도, 전력, 비용, 시간, 투입 인원, 제조 주기까지 모든 것을 그 한계와 비교한다. 그는 지속적 개선을 별로 좋아하지 않는다고 했다. 누군가 "지금 74일 걸리는 일을 72일에 해 드리겠다"고 하면 마음에 안 든다는 것이다. (Lex Fridman)
팔로잉 시스템의 평가는 대개 74일을 72일로 줄인 쪽을 칭찬한다. 작년의 나, 혹은 앞선 경쟁자와 비교하기 때문이다. 더 나쁜 경우도 있다. 아폴로 계획 당시 NASA는 1965년 2단 로켓과 사령선 개발이 계속 밀리던 계약사 노스아메리칸 항공을 감사했다. 이른바 필립스 보고서는 이렇게 진단했다. 계획 대비 실적을 평가하는 효과적인 보고 체계가 없고, 실적에 맞춰 계획을 고친다. 예산 체계는 일의 범위와 일정을 통제하지 못한 채 조직별로 자원을 배정하는 할당 시스템에 머물러 있다. (NASA, Phillips Report) 60년 전 문서인데, 어딘가 낯익다.
평가가 목표가 되면 무슨 일이 생기는지도 Meta가 보여줬다. 2025년 4월 Llama 4 Maverick은 사람들이 두 모델의 답을 비교해 투표하는 LMArena에서 2위에 올랐는데, 순위표에 올라간 건 대화용으로 따로 최적화한 "실험 버전"이었다. (TechCrunch) 공개 버전을 다시 올리자 순위는 경쟁 모델들보다 아래로 내려갔다. (TechCrunch) 회사를 떠난 얀 르쿤은 나중에 연구자들이 벤치마크에서 "조금 손을 봤다"고 인정했다. (Fast Company) 그 뒤 이달 공개한 Muse Wonder에 대해 왕은 "우리 측정 기준으로" 최고 수준이라고 했지만, 외부 기관 Artificial Analysis의 지수로는 선두보다 몇 점 뒤다. (Fortune) 중요한 건 1위냐 아니냐보다 자기 측정과 외부 측정을 나란히 놓을 수 있느냐다.
그들도 넘어진다
여기까지만 읽으면 다섯 회사가 완벽한 조직을 가진 것처럼 보인다. 그렇지 않다. Working Backwards의 원조인 Amazon은 LLM 시대에 늦었고, 대화형 AI 비서 Alexa+는 2025년 3월 약속한 기능 일부가 빠진 채 나왔다. (Washington Post) Google은 2026년 초 이후 프론티어급 모델을 내지 못해 OpenAI와 Anthropic을 쫓는 처지라는 평가를 들었다. (CNBC) Meta는 2025년 봄 경쟁에서 밀린 회사였다.
차이는 넘어진 다음에 있었다. Meta는 몇 달 만에 조직을 새로 세웠고, Amazon은 모델과 칩 조직을 합쳤고, Google은 수장을 바꾼 지 두 달 만에 Gemini 4 Argon으로 다시 선두권에 올라왔다. (Big Technology) 프론티어 시스템은 앞서 있는 시스템이라기보다 틀렸을 때 조직을 빨리 다시 짤 수 있는 시스템에 가깝다. 콘웨이가 "조직의 유연성"을 결론에 둔 이유다.
3부 정리
•
기획. 팔로잉 시스템은 선두가 가진 것에서 출발해 위에서 승인받는 계획을 쓴다. 프론티어 시스템은 고객이 얻을 것에서 출발해 모두가 같은 그림을 보는 서술을 쓰고, 틀렸다 싶으면 버린다.
•
예산. 팔로잉 시스템은 과제 단위로 1년씩, 조직별로 나눈다. 프론티어 시스템은 사람에게 오래 걸고, 컴퓨트 같은 핵심 자원은 맨 위에서 몰아주고, 작은 실험에는 결재를 뺀다.
•
실행. 팔로잉 시스템은 직급을 따라 결정한다. 프론티어 시스템은 정보가 있는 곳에서 결정하고, 결정에 필요한 대화의 수를 줄인다.
•
평가. 팔로잉 시스템은 계획이나 작년과 비교한다. 프론티어 시스템은 물리적 한계와 외부 측정과 비교한다.
한 문장으로 줄이면 이렇다. 팔로잉 시스템은 정답이 보일 때 가장 싸게 가는 법을 최적화하고, 프론티어 시스템은 정답이 안 보일 때 가장 빨리 틀리고 고치는 법을 최적화한다. 그리고 초지능 경쟁에서는 여기에 하나가 더 붙는다. 틀리고 고치는 작은 조직이, 나눌 수 없는 큰 판돈과 맨 위에서 묶여 있어야 한다.
4부. 따라잡은 다음, 조직을 손본다
한국의 조직은 틀리지 않았다, 유통기한이 다 됐을 뿐이다
먼저 공정하게 말해 두고 싶다. 한국의 따라잡기 조직은 실패작이 아니라 성공작이다. 큰 그룹, 오래 가는 계열사 관계, 위에서 정한 목표를 향한 대규모 투자는 프론티어에서 멀리 있을 때 맞는 제도였다. 그리고 한국은 이미 한 번 정답지를 직접 써 본 적이 있다. 경제학자 이근 교수는 추격을 경로추종형, 단계생략형, 경로창출형으로 나누고, 한국의 CDMA 이동통신과 디지털 TV를 경로창출형의 사례로 꼽는다. (Lee & Lim 개관)
문제는 1부의 함정이다. 따라잡기에 맞춰진 조직은 잘 굴러갈수록 바꾸기 어렵다. 그 조직 안에서 성공한 사람들이 그 조직을 운영하고 있기 때문이다. 이건 누구를 탓하는 말이 아니다. 나도 그 조직 안에서 교육받고 일하는 사람이다.
조직론으로 본 네 개의 병목
여기서부터는 공개된 사례와 이론에서 끌어낸 내 의견이다. 특정 회사의 내부 사정을 말하려는 게 아니라, 한국 대기업 연구 조직 전반에 해당할 만한 구조로 적는다.
첫째, 기계적 조직의 권한 구조. 한국 대기업의 결정은 대체로 직급을 따라 올라가고 내려온다. 정답지가 있을 때는 이게 빠르다. 위가 정답을 알고 있으니까. 그런데 번스와 스토커의 말대로 변화가 빠를수록 위의 전지전능은 성립하지 않는다. 초지능 경쟁의 결정은 대부분 현장의 가장 깊은 정보, 예컨대 어떤 데이터가 어떤 능력을 만드는지, 어떤 학습 설정이 불안정한지에 달려 있다. 그 정보는 대개 위가 아니라 아래에 있다.
둘째, 법인 경계로 잘린 스택. 한국 그룹들은 칩, 클라우드와 IT 서비스, 기기, 연구가 서로 다른 법인이나 사업부에 흩어져 있는 경우가 많다. 그 사이는 대화보다 계약과 용역으로 이어진다. 콘웨이의 법칙대로라면 그 조직이 만드는 AI 시스템도 계약서의 경계를 따라 잘린 모양이 될 것이다. NVIDIA가 한 방에서 하는 공동 설계를, 한국 그룹은 여러 회사의 연간 계약 협상으로 해야 한다. 헨더슨과 클라크가 경고한 대로, LLM이 바꾼 것은 부품보다 아키텍처다. 옛 아키텍처에 맞춰 그은 법인과 사업부의 경계가 새 아키텍처를 알아보지 못하게 만들 수 있다.
셋째, 태스크포스로 하는 탐색. 한국 회사가 새로운 일을 시작할 때 가장 흔한 방식은 기존 조직에서 사람을 차출해 태스크포스나 교차기능팀을 꾸리는 것이다. 오라일리와 투시먼의 35건 연구에서 이 방식은 한 건도 성공하지 못했다. 사람들은 원래 소속의 평가와 인사 체계를 그대로 달고 오고, 늘 하던 방식이 새 조직을 잡아먹는다. 반대로 따로 떼어 놓기만 하고 맨 위에서 묶어 주지 않으면 지원 없는 팀이 된다. 그것도 0%였다.
넷째, 계획 대비 실적과 조직별 할당. 필립스 보고서가 60년 전 진단한 두 증상, 실적에 맞춰 계획을 고치는 평가와 조직별로 나눠 주는 예산은 한국 조직에도 낯설지 않다. 공공 쪽 숫자가 이를 잘 보여준다. 이달 국정감사 자료에 따르면 정부가 올해 구매하기로 한 GPU 9,704장 가운데 실제로 들어온 건 26.9%인데, 사업 집행률은 79.8%로 보고됐다. 작년에 산 GPU는 계약부터 배분까지 약 6개월, 배분 후 활용률이 50%에 이르기까지 또 약 5개월이 걸렸다. 자료를 낸 의원의 말이 정확하다. "GPU 경쟁력은 몇 장을 계약했느냐가 아니라 언제 들어와 얼마나 빨리 쓰이느냐에서 나온다." (지디넷코리아) 집행률은 팔로잉 시스템의 지표다. 계획대로 썼는지를 잰다.
정부는 이미 손보기 시작했다
다행히 공공 쪽에서는 시스템을 손보려는 움직임이 꽤 보인다. 2024년 대형 R&D 사업의 예비타당성조사 폐지를 결정했고 (대한민국 정책브리핑), 2025년에는 출연연이 과제를 따내 인건비를 채우게 하던 연구과제중심제도(PBS)를 30년 만에 폐지하기로 했다. (조선일보) 2027년 예산안에는 계속과제의 연구비를 깎지 않는다는 원칙과 출자금을 회수해 재투자하는 '투자형 R&D'가 들어갔다. (중앙일보) 독파모를 프론티어 트랙과 산업 확산 트랙으로 나눈 것도 2부의 "들어갈 것인가"를 정한 셈이다.
다만 2024년의 교훈은 기억해야 한다. R&D 예산이 14.8% 깎였을 때 계속하기로 했던 과제 338개가 중단됐고 연구자 8,631명이 기존 연구를 접거나 팀을 떠나야 했다. (중앙일보) HHMI가 지원을 끊어도 2년의 완충 기간을 두는 이유가 여기 있다. 사람에게 오래 걸려면 돈이 끊기지 않는다는 믿음이 먼저다.
평가에 대해서는 나도 조심스럽다. 1편에서 밝혔듯 LG AI연구원은 독파모 2차 평가의 벤치마크 항목에서 하위권이었다. 그러니 벤치마크 평가를 비판하면 변명처럼 들릴 수 있다. 그래서 구조만 말하려 한다. 2차 평가는 100점 중 벤치마크 40점, 전문가 평가 35점, 사용자 평가 25점이었다. (연합뉴스) 여러 축을 섞은 건 좋은 설계다. 다만 Meta의 사례가 보여주듯, 어떤 지표든 순위가 곧 생존인 구조에서는 그 지표를 올리는 일이 목표가 되기 쉽다.
한 가지 짚어 둘 반론이 있다. 흔히 "한국 R&D는 성공률이 90%가 넘어서 문제"라고 말한다. 서울대 홍성욱 교수는 한림원 보고서에서 이 수치가 등급 평가에서 '실패'로 명시되지 않은 과제를 모두 성공으로 센 결과라며, 진짜 문제는 실패를 처벌하는 구조보다 평가가 성과의 질적 차이를 충분히 읽지 못하는 것, 그리고 국가 차원의 분명한 미션이 없는 것이라고 지적했다. 그는 고위험 연구의 상징인 DARPA도 실제로는 분명한 미션, 엄격한 성과 관리, 단계별 목표, 강한 책임성이 묶인 시스템이라고 강조했다. (지디넷코리아) 이 반론은 이 글의 주장을 더 정확하게 만들어 준다. 프론티어 시스템은 느슨한 시스템이 아니다. 다른 것에 엄격한 시스템이다.
회사가 손볼 여섯 가지
정부는 판을 깔 수 있지만, 그 위에서 실제로 조직을 짜고 돈을 걸고 움직이고 평가하는 건 회사다.
1. 먼저 어느 경쟁에 들어갈지 정하자. 프론티어 모델을 만드는 경쟁인지, 프론티어 모델을 현장에 가장 깊게 심는 경쟁인지. 앞의 것이라면 MSL이나 Google DeepMind 같은 조직이, 뒤의 것이라면 Adobe 같은 조직이 필요하다. 둘 다 하겠다면 두 개의 다른 조직을 만들어야 한다. 가장 나쁜 건 정하지 않은 채 앞의 것을 뒤의 것의 조직으로, 혹은 기존 조직의 태스크포스로 하는 것이다.
2. 작은 핵심을 떼어 내고, 맨 위에서 묶자. 핵심 연구 조직은 기존의 평가, 인사, 보고 체계에서 구조적으로 분리하자. 연말 고과, 직급별 보상 테이블, 다단계 결재를 그대로 달고 프론티어 경쟁을 할 수는 없다. 대신 그 조직은 최고 의사결정권자에게 직접 묶여 있어야 한다. 오라일리와 투시먼이 말한 양손잡이 조직의 조건이 정확히 이 두 가지, 분리와 맨 위의 통합이다.
3. 경계를 스택에 맞춰 다시 긋자. 콘웨이의 법칙을 거꾸로 쓰자는 것이다. 만들고 싶은 AI 시스템의 구조를 먼저 그리고, 조직을 거기에 맞추자. 법인을 합치자는 말이 아니다. 적어도 모델 스택 하나에 대해서는 칩, 인프라, 데이터, 모델, 제품을 가로지르는 한 명의 책임자와 하나의 로드맵이 있어야 한다는 말이다. Amazon이 모델과 칩을 한 사람 아래 둔 것처럼. 법인 사이를 매년 새로 협상하는 용역 계약으로만 잇는다면, 그 사이에서 공동 설계는 일어나기 어렵다.
4. 결정 권한을 정보가 있는 곳으로 옮기자. 되돌릴 수 있는 결정, 예컨대 어떤 실험을 먼저 돌릴지, 어떤 데이터를 쓸지, 어떤 외부 모델을 붙여 볼지는 현장의 팀이 내리고, 되돌릴 수 없는 결정만 위로 올리자. 불확실성 앞에서 보고를 늘리는 대신 갤브레이스의 네 가지 중 하나를 고르자. 연구자가 승인 없이 바로 쓸 수 있는 여유 컴퓨트를 두고, 부서 사이를 직접 잇는 옆의 관계를 만들고, 슬라이드 대신 모두가 같은 그림을 보는 서술형 메모를 쓰자.
5. 예산의 모양을 바꾸자. 1편에서 "돈의 주기를 나누자"고 썼는데, 이제 더 구체적으로 말할 수 있다. 과제가 아니라 사람에게 거는 다년 예산, 결재 없이 쓰는 작은 실험 예산, 맨 위에서 직접 몰아주는 큰 판돈. 이 세 주머니로 나누고, 핵심 컴퓨트는 연초에 조직별로 n분의 1 나누지 말고 진척과 확신에 따라 수시로 다시 배분하자. 그 결정은 최고 의사결정권자가 직접 내려야 한다. 피차이가 클라우드 매출을 포기하는 결정을 직접 내리듯이.
6. 평가의 기준점을 옮기고, 다시 짜는 속도를 갖자. 리더보드 순위는 참고만 하고, 우리 문제의 "빛의 속도"가 무엇인지 먼저 정하자. 불량 검출이라면 이론적으로 가능한 최소 불량률, 추론 비용이라면 하드웨어가 허락하는 최소 비용 같은 것이다. 자기 측정은 늘 외부 측정과 나란히 공개하자. 실적에 맞춰 계획을 고치지 말고, 계획이 틀렸으면 틀렸다고 기록하자. 그리고 조직과 예산이 크게 바뀌는 때가 1년에 한 번, 연말 인사와 사업계획 시즌뿐이라면, 그 사이에도 조직을 다시 짤 수 있는 장치가 필요하다. 그 장치는 사람을 지키는 장치와 같이 가야 한다. 한국은 OECD 38개국 가운데 ICT 박사 배출 5위, AI 종사자 수 10위인데, AI 인재 순유출입은 35위다. (한국경제) 조직이 바뀌어도 그 사람에게 건 다년 예산은 바뀌지 않는다는 믿음이 있어야 사람이 남는다.
1편의 제언과 겹쳐 보면
이 여섯 가지를 1편의 여섯 제언 옆에 놓아 보면, 1편이 "무엇을"이었다면 3편은 "어떤 조직으로"에 해당한다. "그룹의 문제 해결 엔진이 되자"는 어느 경쟁에 들어갈지 정하는 일에서 시작한다. "외부 모델을 재료로 쓰자"는 Adobe가 한 선택과 같다. "돈의 주기를 나누자"는 세 개의 주머니로, "박사, 인턴, 엔지니어를 한 팀으로 묶자"는 스택을 따라 다시 긋는 경계로, "현장 반영을 세자"는 한계와의 거리를 재는 평가로 이어진다.
2편에서 나는 주니어 연구자로서 몇 가지를 다짐했다. 문제를 원자 쪽에서 고르고, 정직하게 재고, 밖으로 열자고. 조직은 회사가 만드는 것이지만, 내 하루에도 작은 조직이 있다. 그래서 하나씩 더 얹어 둔다. 실험을 시작하기 전에 결과 보고를 먼저 한 쪽 써 본다. 내 숫자를 어제의 숫자가 아니라 한계와 비교해 본다. 되돌릴 수 있는 결정은 묻지 않고 빨리 내리고, 틀렸으면 그 사실을 빨리 공유한다. 그리고 내가 가진 정보가 결정에 필요하다면, 직급과 상관없이 그 정보를 결정하는 자리까지 가져간다.
맺으며: 연작을 닫으며
「따라잡은 다음」은 세 개의 질문으로 이어졌다.
1편은 연구소에 물었다. 이 연구가 어느 현장의, 누구의 일을 바꿨는가. 2편은 나라에 물었다. 그 일이 바뀐 사람은 이제 "내 몫을 저쪽이 가져간다"고 덜 말하게 되었는가. 3편은 그 둘을 움직이는 조직에 묻는다. 우리 조직은 그 질문을 스스로 던지고, 틀렸을 때 빨리 다시 짤 수 있게 생겼는가.
따라잡기의 시대에는 질문이 바깥에서 왔고, 조직은 그 질문에 가장 빨리 답하도록 만들어졌다. 따라잡은 다음에는 질문을 스스로 만들어야 하고, 조직도 그에 맞게 다시 생겨야 한다. 돈은 정부가 낼 수 있고, 사람은 데려올 수 있다. 하지만 그 돈과 사람이 어떤 모양으로 모여 일하는지는 아무도 대신 정해 주지 않는다.
맨 위의 사진으로 돌아가 보자. 1969년 휴스턴 관제실에는 달에 가지 않은 수백 명이 앉아 있다. 그 방은 처음부터 잘 돌아가지 않았다. 계약사는 일정을 놓쳤고, 계획은 실적에 맞춰 고쳐졌고, 결국 누군가 모든 단을 한 번에 날리자는 위험한 결정을 맨 위에서 내렸다. 달에 간 건 세 사람이었지만, 그들을 보낸 건 그렇게 몇 번이고 다시 짜인 그 방의 조직이었다. 우리에게도 돈과 사람은 생기고 있다. 남은 건 그 방을 짓는 일이다.
참고자료
들어가며
1부. 조직은 환경을 닮는다
2부. 초지능 경쟁이라는 낯선 환경
3부. 네 개의 레버
•
NVIDIA: NVIDIA Research
•
Adobe: Kickbox 오픈소스 공개 (2015)
4부. 따라잡은 다음, 조직을 손본다