• 신영선
• 기본 과정
• GPT 사용 꿀팁

OpenAI × 무신사 AI Native Workflow 행사 정리

AI 네이티브 워크플로우 이렇게 해보세요.

2026-04-23

1. 릴스 영상을 저장 또는 공유하기로 기록 해놓습니다.
2. DM으로 받은 링크를 카톡으로 옮겨 놓습니다.
3. PC로 접속해서 AI 즐겨찾기 폴더를 만들어 저장해놓습니다.
4. 바로 사용을 해봅니다. 절대 미루지 마세요. (⭐ 제일 중요)

1. 전체 핵심 메시지

이번 행사의 중심 메시지는 다음 한 문장으로 정리됩니다.

앞으로의 경쟁력은 ‘AI를 도입했는가’가 아니라, 조직의 업무 흐름 자체가 AI와 함께 돌아가도록 재설계되어 있는가에서 갈린다.

기존에는 AI 활용이 개인 생산성 향상에 머물렀습니다. 예를 들어 문서 요약, 카피 작성, 코드 일부 생성, 이미지 레퍼런스 제작 같은 방식입니다. 그런데 AI 네이티브 워크플로우는 그보다 한 단계 더 나아갑니다.

AI를 각자가 알아서 쓰는 것이 아니라, 팀 전체의 업무 프로세스 안에 AI가 기본값으로 들어가는 구조를 만드는 것입니다. 기획자는 AI로 요구사항을 정리하고, 프로덕트 매니저는 AI와 함께 PRD·정책·실험 설계를 만들고, 디자이너는 디자인뿐 아니라 프론트엔드 구현까지 확장하며, 개발자는 Codex 같은 에이전트를 통해 기능 구현·리팩터링·리뷰·배포 업무를 병렬화합니다.

OpenAI도 Codex를 “기획과 기능 구현부터 리팩터링, 리뷰, 릴리스까지 작업 전반을 가속화하는 에이전트 기반 개발 어시스턴트”로 설명하고 있습니다. 즉, Codex는 단순 코드 자동완성 도구가 아니라 개발 업무 전반에 개입하는 작업 에이전트에 가깝습니다.

2. 무신사 사례에서 읽히는 조직 변화

2-1. AI 도입은 툴 구매가 아니라 업무 방식 전환이다

메모에서 가장 중요한 표현은 “일하는 방식의 변화”입니다.

AI를 잘 쓰는 조직은 단순히 유료 계정을 지급하는 데서 끝나지 않습니다. 전사적으로 AI를 사용하게 하려면 다음 4가지가 필요합니다.

첫째, 권한과 접근성입니다.

팀원 전체가 AI를 쓸 수 있어야 합니다. “AI 무제한”, “전체 팀원 공유”라는 메모는 이 맥락으로 볼 수 있습니다. AI 사용량을 아끼는 문화에서는 업무 방식이 바뀌기 어렵습니다. 실험 빈도 자체가 낮아지기 때문입니다.

둘째, 실제 업무 데이터와의 연결입니다.

슬랙, 노션, 회사 정책, 히스토리, 과거 케이스가 연결되어야 AI가 실무적으로 쓸모 있어집니다. AI가 일반론만 답하는 상태에서는 생산성 향상이 제한적입니다. 반대로 회사의 맥락, 과거 의사결정, 고객 응대 사례, 내부 문서, 프로젝트 히스토리를 읽을 수 있다면 AI는 “검색 도구”가 아니라 “조직 기억을 활용하는 업무 파트너”가 됩니다.

셋째, 업무별 워크플로우 자동화입니다.

모든 업무가 같은 방식으로 자동화되는 것은 아닙니다. 메모에 있는 “본문마다 업무 특성이 있음”, “업무 특성을 타는 비효율적인 일들”, “워크플로우들”이라는 표현이 중요합니다. 병원 마케팅, 커머스 운영, 콘텐츠 제작, CS, 광고 운영, 기획, 개발, 디자인은 각각 반복되는 비효율이 다릅니다. 따라서 AI 도입은 범용 툴 교육보다 직무별 반복 업무를 찾아 워크플로우화하는 방식이 더 효과적입니다.

넷째, 리더십과 푸시입니다.

AI 전환은 자연스럽게 퍼지지 않습니다. 실무자는 기존 방식이 익숙하고, 새로운 방식은 초기에 오히려 귀찮게 느껴질 수 있습니다. 그래서 메모에 적힌 것처럼 시니어 리더의 강한 푸시가 필수입니다. AI를 선택 사항으로 두면 일부 얼리어답터만 쓰고 끝납니다. 반대로 리더가 업무 방식의 기준을 바꾸면 조직 전체의 학습 속도가 달라집니다.

3. “특권 모집”과 “사례 공유”의 의미

메모의 “특권 모집”은 아마도 AI 도입 초기에 챔피언 그룹을 선발하는 방식으로 해석할 수 있습니다.

전사 도입을 처음부터 모든 구성원에게 강제하면 반발이 생기거나 품질이 낮은 사용 사례만 쌓일 수 있습니다. 그래서 먼저 AI에 관심이 많고, 실무 문제를 잘 알고, 전파력이 있는 구성원을 선발해 AI 챔피언으로 만드는 전략이 효과적입니다.

이 챔피언 그룹은 단순히 AI를 잘 쓰는 사람이 아니라, 다음 역할을 해야 합니다.

첫째, 자기 업무의 비효율을 정의하는 사람입니다.

AI 자동화는 외부 컨설턴트가 책상 위에서 설계하기 어렵습니다. 실제 업무를 하는 사람이 “이 업무는 왜 반복되는지”, “어디서 시간이 새는지”, “어떤 판단은 사람이 해야 하는지”, “어떤 부분은 AI가 초안만 만들어도 되는지”를 가장 잘 압니다.

둘째, 작동하는 사례를 만드는 사람입니다.

조직 내 AI 확산은 교육보다 사례가 빠릅니다. “이렇게 쓰면 좋다”보다 “이 업무가 원래 3시간 걸렸는데 이제 30분 걸린다”가 훨씬 강력합니다.

셋째, 팀 안에서 전파하는 사람입니다.

AI 전환은 중앙 조직이 전부 밀어붙이기보다, 각 팀의 챔피언이 자기 팀 언어로 번역해줘야 합니다. 마케팅팀에는 마케팅팀의 사례, 디자인팀에는 디자인팀의 사례, 개발팀에는 개발팀의 사례가 필요합니다.

따라서 “특권 모집 → 사례 공유 → 팀 확산”은 꽤 현실적인 AI 도입 전략입니다.

4. AI 네이티브 조직의 확산 구조

이번 메모를 기반으로 AI 도입의 이상적인 확산 구조를 만들면 다음과 같습니다.

1단계: 전사 AI 접근권 부여

AI를 일부 팀만 쓰게 하면 조직 전체의 일하는 방식이 바뀌지 않습니다. 최소한 주요 실무자, 리더, 기획자, 마케터, 디자이너, 개발자는 같은 수준의 AI 접근권을 가져야 합니다.

여기서 중요한 것은 단순 계정 지급이 아니라 “업무에 써도 된다”는 명확한 시그널입니다. 보안 이슈 때문에 구성원이 눈치 보며 쓰는 상태에서는 확산이 어렵습니다.

2단계: 챔피언 선발

부서별로 AI에 관심 있는 사람을 선발합니다. 선발 기준은 “AI를 잘 아는 사람”보다 “업무 병목을 잘 아는 사람”이어야 합니다. 실제 자동화할 가치가 있는 문제를 정의할 수 있어야 하기 때문입니다.

3단계: 업무별 비효율 수집

각 챔피언이 자기 업무에서 반복되는 비효율을 수집합니다.

예를 들면 다음과 같습니다.

4단계: 워크플로우 템플릿화

한 사람이 잘 쓰는 프롬프트는 지속성이 낮습니다. 중요한 것은 반복 가능한 워크플로우로 만드는 것입니다.

예를 들어 “블로그 글 써줘”가 아니라, 다음처럼 업무 흐름으로 만들어야 합니다.

1. 키워드 입력
2. 타깃 고객 정의
3. 검색 의도 분류
4. 제목 10개 생성
5. 상위 노출 콘텐츠 구조 분석
6. 병원/브랜드 톤앤매너 반영
7. SEO 구조로 본문 작성
8. CTA 삽입
9. 검수 체크리스트 통과
10. 최종 업로드용 포맷 변환

이렇게 되어야 개인 역량이 아니라 조직 자산이 됩니다.

5단계: 성공 사례 공유

AI 도입은 “교육”보다 “성과 사례”가 훨씬 강력합니다.

예를 들어 다음과 같은 방식으로 사례를 공유하는 것이 좋습니다.

이런 사례가 10개만 쌓여도 조직 내 설득력이 급격히 올라갑니다.

5. 직무별 영향: 어떤 역할은 줄고, 어떤 역할은 더 중요해진다

메모에서 가장 날카로운 부분은 직무 가치 변화에 대한 내용입니다.

“적당한 사람들은 가치가 떨어진다.”

“프로덕트 매니저는 더 많이 필요해진다.”

“디자이너는 1/3로 줄어든다.”

“기획자가 직접 개발을 할 수 있음.”

“디자이너도 개발할 수 있음.”

이것은 단순히 “AI 때문에 일자리가 줄어든다”는 이야기가 아니라, 직무의 경계가 재편된다는 의미에 가깝습니다.

5-1. 평균적인 실행자의 가치는 낮아진다

AI가 초안 작성, 레퍼런스 조사, 기본 구현, 단순 디자인, 반복 문서화를 처리하게 되면 “시키는 일을 평균 수준으로 수행하는 사람”의 가치는 떨어집니다.

예전에는 1~2년 차 실무자가 하던 반복 업무가 AI로 대체될 가능성이 높습니다. 특히 다음 역량만 가진 사람은 위험합니다.

• 요구사항을 그대로 받아서 처리하는 사람
• 툴 조작은 하지만 문제 정의를 못 하는 사람
• 결과물은 만들지만 비즈니스 맥락을 이해하지 못하는 사람
• 반복 업무를 개선하지 않고 계속 수동으로 처리하는 사람

앞으로는 “무엇을 만들지 판단하는 사람”과 “AI를 활용해 빠르게 구현하는 사람”의 가치가 올라갑니다.

5-2. 프로덕트 매니저의 중요성은 오히려 커진다

AI가 기획 초안을 만들고, 화면 구조를 제안하고, 기능 구현까지 도울 수 있다면 PM의 역할이 줄어들 것처럼 보이지만, 실제로는 반대일 수 있습니다.

AI 시대의 PM은 문서를 작성하는 사람이 아니라, 다음을 결정하는 사람이 됩니다.

• 어떤 문제를 풀 것인가
• 어떤 고객 세그먼트를 우선할 것인가
• 어떤 기능을 만들지 말 것인가
• 어떤 실험을 먼저 할 것인가
• 어떤 데이터로 성공을 판단할 것인가
• AI가 만든 결과물이 비즈니스 목표에 맞는가

AI가 생산량을 늘릴수록 우선순위 판단의 중요성은 더 커집니다. 만들 수 있는 것이 많아지기 때문에, 무엇을 만들지 않는지가 더 중요해집니다.

즉, 앞으로 필요한 PM은 “문서형 PM”이 아니라 문제 정의, 실험 설계, 데이터 해석, 조직 조율, AI 활용 구현력을 가진 프로덕트 오너형 PM입니다.

5-3. 디자이너의 수는 줄고, 역할은 넓어진다

“디자이너가 1/3로 줄어든다”는 표현은 다소 과감하지만, 방향성은 명확합니다. 단순 시안 제작, 배너 변형, 레퍼런스 기반 디자인, 반복 UI 작업의 가치는 낮아질 가능성이 높습니다.

대신 살아남는 디자이너의 역할은 넓어집니다.

좋은 디자이너는 단순히 예쁜 화면을 만드는 사람이 아니라, 다음을 할 수 있어야 합니다.

• 사용자 문제를 구조화한다
• 브랜드 톤앤매너를 시스템화한다
• AI로 디자인 초안을 빠르게 만든다
• 디자인 시스템을 활용한다
• 프론트엔드 구현까지 이해한다
• PM, 개발자와 같은 언어로 협업한다
• 전환율, 사용성, 실험 결과를 읽는다

즉, 앞으로 디자이너는 “시안 제작자”보다 UX·브랜드·프로덕트·프론트 구현을 연결하는 설계자에 가까워집니다.

5-4. 기획자와 디자이너의 개발 진입 장벽이 낮아진다

Codex 같은 코딩 에이전트는 개발자가 아닌 사람도 기능 구현에 가까워지게 만듭니다. OpenAI Help Center도 Codex를 “코드를 더 빠르게 작성하고 검토하며 배포하도록 돕는 AI 코딩 에이전트”라고 설명합니다.

이 변화의 본질은 “모두가 개발자가 된다”가 아닙니다. 더 정확히는 기획자와 디자이너가 프로토타입을 직접 만들 수 있는 시대가 된다는 뜻입니다.

앞으로는 아이디어를 문서로만 설명하는 사람보다, 간단한 MVP나 인터랙션을 직접 만들어 보여주는 사람이 더 강해집니다. 이는 스타트업, 에이전시, 교육 플랫폼, SaaS 조직 모두에 큰 영향을 줍니다.

6. 슬랙·노션 자동화의 의미

메모에 있는 “슬랙과 노션의 자동화”는 AI 네이티브 조직에서 매우 중요한 축입니다.

대부분의 회사에는 이미 엄청난 양의 지식이 쌓여 있습니다.

• 슬랙 대화
• 노션 문서
• 회의록
• 고객 피드백
• 과거 제안서
• 프로젝트 히스토리
• 정책 문서
• 실패 사례
• 광고 성과 리포트
• CS 답변 이력
• 브랜드 가이드
• 업무 매뉴얼

문제는 이 지식이 검색하기 어렵고, 맥락이 흩어져 있으며, 신규 입사자나 타 부서원이 재사용하기 어렵다는 점입니다.

AI를 슬랙·노션과 연결하면 다음과 같은 일이 가능해집니다.

7. API 연결과 “이미 만든 사람이 있는가?”의 의미

메모의 “API 연결 - 내가 필요한 걸 만든 사람이 있는지?”는 AI 도입에서 중요한 관점입니다.

앞으로는 모든 기능을 직접 개발하는 것보다, 이미 존재하는 도구와 API를 조합해 빠르게 업무 흐름을 만드는 것이 중요해집니다.

예를 들어 마케팅 자동화라면 Braze 같은 고객 인게이지먼트 플랫폼을 활용할 수 있습니다. Braze는 고객 데이터를 통합하고, 이메일·푸시·인앱 메시지 등 여러 채널에서 개인화된 고객 커뮤니케이션을 운영하는 플랫폼으로 설명됩니다.

이 관점에서 중요한 질문은 다음과 같습니다.

“우리가 직접 만들 필요가 있는가, 아니면 이미 있는 SaaS/API/자동화 툴을 연결하면 되는가?”

AI 네이티브 조직은 내부 개발력만으로 움직이지 않습니다. 오히려 다음 3가지를 잘 구분해야 합니다.

8. Codex Enterprise, Computer Use의 실무적 의미

메모에 있는 “코덱스 엔터프라이즈 - 보안 더 강화”, “코덱스 컴퓨터 유즈 기능”은 AI 에이전트가 기업 업무에 들어오기 위해 필요한 조건을 보여줍니다.

정확히는 “Codex Enterprise”라는 단일 제품명보다는, Enterprise 환경에서 Codex를 보안·권한·감사 체계와 함께 운영하는 맥락으로 이해하는 것이 안전합니다. OpenAI의 Codex Enterprise Admin Setup 문서에서는 Enterprise 환경에서 기업 데이터가 학습에 사용되지 않는 설정, Zero Data Retention, 암호화, 접근 제어, 감사 로그 같은 보안·프라이버시 기능을 설명합니다.

이 부분이 중요한 이유는 명확합니다.

AI가 단순히 문장을 생성할 때는 보안 리스크가 제한적입니다. 하지만 AI가 코드베이스에 접근하고, 브라우저를 조작하고, 사내 문서를 읽고, 업무 시스템에 연결되면 리스크가 커집니다. 따라서 기업 도입에서는 다음이 필수입니다.

• 어떤 데이터에 접근할 수 있는가
• 어떤 작업은 승인 없이 할 수 있는가
• 어떤 작업은 사람 승인이 필요한가
• 로그가 남는가
• 민감 정보가 외부 학습에 사용되지 않는가
• 권한을 부서·직무별로 나눌 수 있는가
• 사고 발생 시 추적 가능한가

Computer Use 기능도 같은 맥락입니다. OpenAI 문서에 따르면 Codex가 브라우저를 사용할 경우 이미 로그인된 페이지와 상호작용할 수 있으므로, 사용자는 클릭·제출·계정 기반 액션을 자신이 직접 하는 것처럼 검토해야 합니다. 또한 보안 정책 우회를 막기 위해 터미널 앱이나 Codex 자체를 자동화할 수 없도록 제한되어 있습니다.

즉, Computer Use의 핵심은 “AI가 컴퓨터를 대신 조작한다”가 아니라, 사람의 승인과 통제 아래 반복 업무를 에이전트화할 수 있다는 점입니다.

10. 리스크와 주의점

AI 네이티브 전환은 강력하지만, 무조건 긍정적인 것만은 아닙니다. 실제 조직 적용 시 다음 리스크를 관리해야 합니다.

10-1. 툴만 도입하고 업무 방식은 그대로인 리스크

가장 흔한 실패는 ChatGPT, Codex, 자동화 툴을 결제했지만 실제 업무 방식은 바뀌지 않는 경우입니다.

이 경우 구성원은 가끔 AI를 쓰지만, 조직 성과는 크게 변하지 않습니다. 해결책 툴 교육이 아니라 업무별 성공 사례와 워크플로우 강제 적용입니다.

10-2. 품질 관리 실패

AI는 초안을 빠르게 만들지만, 최종 품질을 보장하지는 않습니다. 특히 병원, 금융, 법률, 채용, 개인정보가 관련된 영역은 사람이 반드시 검수해야 합니다.

따라서 AI 워크플로우에는 항상 다음이 포함되어야 합니다.

• 금지 표현 체크
• 사실 검증
• 개인정보 제거
• 브랜드 톤 검수
• 법적·정책적 리스크 검토
• 최종 승인자 지정

10-3. 보안과 권한 문제

슬랙, 노션, 고객사 자료, 내부 정책, 광고 계정, CRM이 AI와 연결되면 보안 리스크가 생깁니다. 따라서 처음부터 전면 연결하기보다, 접근 권한을 단계별로 나누는 것이 좋습니다.

예를 들어 1단계는 공개 가능한 내부 문서, 2단계는 프로젝트별 자료, 3단계는 고객사별 민감 자료, 4단계는 CRM·광고 계정처럼 액션이 가능한 시스템으로 나누는 방식입니다.

10-4. 조직 내 저항

AI 도입은 일부 구성원에게 위협으로 느껴질 수 있습니다. “내 일이 대체되는 것 아닌가”라는 불안이 생깁니다.

이때 리더는 메시지를 명확히 해야 합니다.

“AI를 쓰는 사람으로 대체되는 것이지, AI 자체로 대체되는 것이 아니다.”

단, 이 메시지는 말로만 하면 안 됩니다. 실제 평가 기준, 업무 기준, 교육 지원, 챔피언 제도와 연결되어야 합니다.

12. 이번 메모를 바탕으로 한 최종 인사이트

이번 행사에서 가져가야 할 핵심은 다음 5가지입니다.

첫째, AI 도입의 본질은 툴이 아니라 워크플로우 재설계입니다.

ChatGPT, Codex, Braze, Slack, Notion은 각각 도구일 뿐이고, 진짜 경쟁력은 이 도구들을 연결해 업무 흐름을 바꾸는 데 있습니다.

둘째, 업무를 제일 잘 아는 사람이 자동화도 제일 잘 설계한다는 점입니다.

외부에서 AI 자동화를 일괄 설계하기보다, 내부 실무자들이 자기 업무의 병목을 찾아내고 챔피언으로 성장해야 합니다.

셋째, 리더십의 강한 푸시가 없으면 확산되지 않습니다.

AI 활용은 선택 사항으로 두면 일부만 씁니다. 조직 기준, 평가 기준, 회의 방식, 산출물 기준에 AI 활용을 포함해야 합니다.

넷째, 직무의 경계가 무너지고 있습니다.

기획자는 개발에 가까워지고, 디자이너는 구현에 가까워지고, PM은 더 강한 의사결정자가 됩니다. 반대로 평균적인 실행자는 점점 대체 압력을 받을 가능성이 큽니다.

결론적으로 이번 행사의 메시지는 단순합니다.

AI를 잘 쓰는 개인의 시대에서, AI로 일하는 조직을 설계하는 시대가 왔다.

앞으로의 승부는 “누가 더 좋은 프롬프트를 쓰는가”가 아니라, 누가 더 빠르게 자기 조직의 반복 업무를 AI 워크플로우로 바꾸는가에서 갈립니다.