이제는 채널팀 모두가 AI를 씁니다.

다 같이 AI 잘 쓰는 회사 만들기 프로젝트, AX Champions

AX Champions를 기억하시나요?

요즘 시대의 필수 역량인 AI, 이제는 AI 활용 능력이 개인의 경쟁력을 넘어 조직 전체의 생존을 결정하는 시대가 되었습니다.

AX Champions는 아래의 고민에서 시작된 프로젝트입니다.

몇 명만 AI를 잘 쓰는 회사가 아니라, 조직의 모두가 AI를 잘 쓰는 회사가 되어야 하지 않을까?

채널팀은 단순히 AI 전문가 몇 명이 전사의 문제를 대신 해결하는 방식보다, 각 팀 안에서 AI 활용이 자연스럽게 퍼져나가는 구조가 더 중요하다고 판단했습니다.

물고기를 잡아주는 것이 아니라, 각 팀에서 스스로 AI를 활용하고 문제를 해결할 수 있도록 돕는 것.

그것이 AX Champions의 핵심이었습니다.

AX Champions 1기가 궁금하다면?

1기와 확연히 달라진 AX Champion 2기?!

성공적으로 마무리된 AX Champions 1기에 이어, AX Champions 2기가 시작되었습니다.

1기와 2기, 고작 몇 개월 사이에도 환경은 빠르게 변했는데요.

1기에서는 n8n 기반 자동화를 중심으로 다양한 AI 실험을 진행했다면, 2기에서는 비개발자도 Claude Code로 바이브 코딩을 하고 MCP를 연결하기 시작했습니다. 전사적으로 AI에 대한 심리적 장벽도 훨씬 낮아졌고요.

덕분에 AX Champions 2기에서는 단순히 “AI를 써봤다”를 넘어,

“어떤 문제를 왜 해결해야 하는가”, “AX란 무엇인가”와 같은 더 본질적인 고민들이 이어졌습니다.

이번 글에서는 AX Champions 2기를 함께 한 5명의 챔피언 이야기를 소개합니다.

어떤 업무를 AI로 자동화했는지보다, AI를 업무에 적용하는 과정에서 어떤 고민과 인사이트가 있었는지, 그리고 그 경험이 일하는 방식에 어떤 변화를 만들었는지를 솔직하게 담았습니다.

#1. 매니저가 먼저 써봤더니, 팀이 달라졌다.

소피아 (CSM팀)

“팀원들에게 AI를 써야 한다고 계속 이야기했는데, 실제로 변화가 생기진 않았어요.”

요즘 워낙 AI가 중요한 시대니까, 팀원들이 AI를 자연스럽게 업무에 활용했으면 좋겠다는 생각은 계속 있었어요. 그래서 평소에도 AI 이야기를 자주 하고, 이런저런 활용 방법도 공유해봤는데요.

막상 직접 써보고 업무에 적용하는 단계까지 이어지는 건 쉽지 않더라고요.

그러다 어느 순간 이런 생각이 든 거죠.

“말로만 하지 말고, 매니저인 내가 먼저 제대로 써보면 어떨까?”

이게 제가 AX Champions 2기에 참여하게 된 이유예요.

처음에는 정말 이것저것 많이 부딪혔어요.

직접 Claude Code를 활용해서 업무 자동화를 만들기 시작했고, CSM팀의 반복 업무를 줄이기 위해 여러 연동 시스템을 연결해보기도 했어요. 리소스 효율화를 위해 무려 8개의 시스템 연동을 시도해보기도 하고요.

그 과정에서 단순히 업무 시간이 줄어드는 것보다 더 크게 느껴졌던 건, 업무를 바라보는 방식 자체가 달라진다는 점이었어요.

“이걸 꼭 사람이 반복해서 해야 할까?”, “조금 더 구조적으로 바꿀 수 없을까?” 같은 고민들을 계속하게 되더라고요.

막상 AI로 무언가를 만들어봐도, 모두가 오래 잘 쓸 수 있는 걸 만드는 건 정말 어려운 일이라는 걸 느끼기도 했어요.

그런데 가장 놀라웠던 건 팀의 변화였어요.

제가 먼저 AI를 쓰기 시작하니까, 처음에는 크게 관심 없어 보이던 팀원들도 하나둘 자연스럽게 AI를 활용하기 시작했어요.

누군가는 직접 자동화 시스템을 구축해서 배포하고 있었고, 누군가는 기존 업무 프로세스를 AI 기반으로 개선해보기도 했고요.

사실 AX Champions를 시작할 때 제 목표는 거창하지 않았는데요.

“우리 팀이 AI를 어색해하지 않게 되는 것.”

“팀원 중 한 명이라도 저보다 더 AX를 고민하게 되는 것.”

지금 돌아보면, 그 목표는 어느 정도 이뤄진 것 같아요.

결국 AX Champions를 통해 얻은 가장 큰 변화는 자동화 결과물 자체보다, 팀 안에서 AI를 함께 배우고 시도하는 분위기가 자연스럽게 만들어졌다는 점이었거든요.

#2. 현장 중심 Sales팀에 Claude Code를 퍼뜨리기까지

덱스 (FS팀)

Field Sales팀은 업무 특성상 대부분의 시간을 고객 현장에서 보내게 됩니다.

하루에도 여러 미팅이 이어지고, 이동 중에도 고객 응대와 내부 커뮤니케이션이 계속되죠.

그런데 막상 현장 미팅만으로 업무가 끝나는 건 아닌데요. 리드 생성부터 미팅 준비, Follow-up 메일 작성, Salesforce 업데이트, 딜 관리, 각종 리포트와 행정 처리까지.

고객 한 명을 만나기 위해 생각보다 훨씬 많은 반복 업무가 뒤따르고 있었어요.

처음 목표는 단순했어요. 반복 업무를 조금이라도 줄여보자는 것이었습니다.

그렇게 Claude Code를 본격적으로 사용하기 시작했고, 몇 달이 지나자 업무 방식이 눈에 띄게 달라지기 시작했습니다.

Follow-up 이메일 작성, 리드 리뷰, Salesforce 자동 업데이트, Lead Market 준비 과정 등을 자동화할 수 있게 됐고요. 10차 IT SaaS 세일즈맨의 톤앤 매너와 레퍼런스 자료들을 Claude 메모리에 학습시키고, MCP까지 연결하면서 실제 업무 흐름 안에서 자연스럽게 활용할 수 있도록 만들기도 했습니다.

그 이후로는 미팅이 끝난 뒤 반복되던 작업들이 정말 많이 줄어들었어요.

예전에는 미팅이 끝나면 타이핑하고, 복사 붙여넣기 하고, 다시 정리하는 후속 작업만으로도 꽤 많은 시간을 써야 했는데요.

지금은 한 손엔 커피를 들고, 한 손으로 "딸깍"만 하면 모든 작업이 정리됩니다.

계속 Claude Code를 사용하다 보니 목표도 조금씩 달라졌어요.

처음에는 단순히 업무 시간을 줄이는 것이 목표였다면, 어느 순간부터는 “어떻게 하면 AI를 활용해서 매출에 기여할 수 있을까?”를 고민하게 되더라고요.

그래서 단순 업무 효율화를 넘어, 기대효과 보고서 자동화나 업셀/리텐션 대시보드, 고객사 세팅 자동화처럼 실제 고객 경험과 매출에 연결되는 영역까지 시도를 확장하게 됐습니다.

더 나아가 가장 의미 있었던 건, 이 변화를 Sales팀 전체로 확산시킬 수 있었다는 점이었어요.

처음엔 저 혼자 사용하던 Claude Code였지만, 직접 처음부터 부딪혀봤기 때문에 팀원들이 어떤 부분을 어려워하는지 잘 이해할 수 있었고, 같은 눈높이에서 하나씩 알려줄 수 있었습니다.

Sales팀을 대상으로 AX 세션을 열어 진행하고, 제가 알고 있는 걸 적극적으로 나눴더니 Sales팀 안에서도 Claude Code를 자연스럽게 활용하는 분위기가 생겼어요.

오히려 지금은 저보다 더 잘 활용하는 분들도 생겼고요!

예전에는 AI가 일부 사람들만 쓰는 기술처럼 느껴졌다면, 지금은 일하는 방식 자체를 바꾸는 변화라는 생각이 듭니다.

개인의 변화, 팀의 변화를 겪고 나니 Claude Code가 인기 게임 속 핵 같다는 생각도 들었습니다.

혼자만 알고 싶지만, 결국 어떤 게임이든 핵은 퍼지게 되어 있고, 결국 게임은 핵을 쓰는 자들의 전쟁이 되죠. 저는 지금이 딱 그런 시대 같다고 느껴져요.

그래도 채널팀처럼 구성원들에게 충분한 무기를 쥐어주고, AX를 지원하는 팀이라면 전쟁에서 승리할 수 있지 않을까요?

#3. 여러 플랫폼에 흩어진 채용, ATS 일원화로 해결하기

로니 (Recruiting팀)

Recruiting팀은 채용 과정에서 다양한 플랫폼을 함께 사용하고 있어요.

후보자는 원티드와 리멤버를 통해 유입되고, 실제 채용 운영은 ‘Lever’라는 ATS를 중심으로 진행되는데요.

문제는 여러 플랫폼에 걸쳐 프로세스가 나뉘어 있다 보니, 채용 운영 과정이 복잡하고 번거로워진다는 점이었습니다.

먼저 리크루터는 원티드와 리멤버에서 지원자를 먼저 스크리닝한 뒤, 괜찮은 후보자가 있으면 이력서를 직접 다운로드해 Lever에 다시 등록해야 해요. 그리고 플랫폼으로 다시 돌아가 스테이지를 변경하고, 메모를 남기고, Hiring Manager에게 검토 요청까지 전달해야 했죠.

서류 결과가 나온 이후에도 중복 작업은 계속됐는데요. 합격이면 Lever와 플랫폼 양쪽 상태를 모두 변경해야 했고, 불합격이어도 Lever에서 archive 처리 후 다시 플랫폼으로 돌아가 별도로 불합격 처리를 진행해야 했습니다.

이 과정이 반복되다 보니, 매일 오전 시간이 인바운드 지원자 처리만으로 소모되기 시작했어요.

지원자가 몰리는 시기에는 운영 부담이 훨씬 커졌고, 가장 큰 문제는 ‘누락 가능성’이었어요.

여러 플랫폼을 오가다 보면 메모를 빠뜨리거나, 스테이지 변경을 놓치거나, 심지어 후보자 검토 자체가 누락되는 경우도 생길 수 있기 때문이죠.

그래서 AX Champions를 통해 가장 먼저 해결하고 싶었던 과제가 바로 ATS 일원화였습니다.

리크루터가 여러 플랫폼을 돌아다니지 않아도, Lever 하나만 보면 되게 만들고 싶었어요.

처음에는 사실 불가능에 가까운 일처럼 느껴졌어요.

특히 외부 플랫폼들은 공식 API 지원이 제한적인 부분도 많았고, 저는 자동화 경험이 아예 없는 상태였거든요.

하지만 AX 멘토의 도움을 받아 하나씩 시도해본 끝에, 원티드와 Lever를 연결하는 자동화를 구축할 수 있었습니다.

현재는 원티드-Lever 연동 베타 테스트가 실제로 진행되고 있고, Recruiting팀도 원티드 지원자는 Lever 중심으로 후보자를 검토하는 방식으로 바뀌었어요.

원티드에서 지원자가 들어오면 자동으로 Lever로 이동하고, 스테이지 변경도 연동되도록 만들었고요.

여기에 Hiring Manager 검토 요청이나 코디네이팅 과정에서 반복되던 알림도 하나씩 자동화하며 운영 효율을 높여가고 있습니다.

특히 채용 운영은 작은 누락 하나가 후보자 경험에 직접적인 영향을 줄 수 있는 만큼, 정합성 검토 프로세스도 함께 추가했습니다.

원티드 신규 지원자가 Lever에 몇 명 등록되었는지, 원티드와 Lever 간 Stage 동기화가 몇 건 완료되었는지 등을 봇이 매일 자동으로 공유해주도록 구성해 안정적으로 관리하고 있어요.

물론 아직은 베타 테스트 단계인만큼, 부분적으로 누락되는 케이스도 있고, 계속 수정하고 개선해야 할 부분도 많아요.

그럼에도 불구하고 직접 자동화를 만들고 운영해보면서, 앞으로 더 다양한 문제들도 충분히 해결해볼 수 있겠다는 자신감이 생겼습니다.

채용 업무에는 반복적인 운영 작업이 정말 많지만, 그만큼 AI와 자동화를 통해 개선할 수 있는 영역도 많습니다.

앞으로 반복적인 운영 업무에 쓰는 시간을 줄이고, 후보자 경험이나 더 중요한 채용 의사결정에 집중할 수 있는 Recruiting팀이 되도록 계속 변화를 만들어가고 싶어요!

#4. 이 프로세스를 자동화하는 게 진짜 문제 해결일까?

앨리스 (HR팀)

저는 채널톡에 입사한 지 한 달이 조금 넘은 시점에 AX Champions 2기에 도전했어요.

신청 전에는 사실 걱정이 많았어요. HR팀 업무에 아직 적응 중인데 해도 될까? 개발이나 AI에 대한 이해도가 낮은데 따라갈 수 있을까? 막연함과 두려움이 공존했죠.

그래도 AI를 이렇게까지 적극적으로 활용하는 회사는 처음이었고, 이보다 더 좋은 기회가 없다는 마음이 더 컸습니다. 그렇게 뛰어들었고, 몇 달 동안 수없이 부딪혔어요.

제로 베이스에서 시도해본 솔직한 경험을 나눠볼게요!

첫 AX 과제로 '핏 테스트(수습 평가)' 프로세스를 개선해보기로 했습니다.

막상 시작해보니 첫 번째 벽이 생각보다 더 빨리 왔어요. 핏 테스트 운영 프로세스는 계속 변경되고 있었고, 최신 버전으로 정리된 문서도 없었거든요. AI에게 학습시킬 데이터와 문서화된 정보 자체가 부족했던 거죠. AX의 첫 발걸음은 문서화에 있다는 걸 느끼고, 암묵지로 운영하던 것을 인수인계서 쓰듯 표준화된 프로세스로 정리했어요.

그런데 정리하고 나니, 이런 의문이 생기더라고요.

"이 프로세스를 AI로 자동화하는 게 진짜 문제 해결인가?"

프로세스를 들여다볼수록 질문이 꼬리를 물었고, 기준이 모호한 채로 자동화를 붙이면 비효율을 빠르게 돌리는 것밖에 안 된다는 생각이 들었어요. AI를 올리기 전에, 프로세스 자체를 먼저 봐야 했습니다.

그래서 순서를 바꿨습니다.

먼저 팀 차원에서 핏 테스트의 목적을 다시 얼라인했고, 프로세스를 개편하기 시작했어요.

매번 커뮤니케이션 비용이 들던 단계는 합의 후 표준화하고, 기준이 불분명했던 점수 체계를 통일하고, WHY가 불분명한 단계들은 걷어내거나 목적에 맞게 바꿨습니다.

프로세스를 정비하고 나니, 사람이 해야 할 일과 AI가 할 일의 경계가 훨씬 선명해졌어요.

다만 업무 특성상 예외 케이스와 커뮤니케이션이 필요한 사항들은 여전히 있었고, 개편된 프로세스로 조금 더 운영을 돌려보며 표준화가 완전히 정착할 수 있는지 실험하는 기간을 갖기로 했습니다.

핏 테스트 개편이 진행되는 동안, 두 번째로 잡은 과제는 온보딩이었어요.

먼저 팀 효율 관점에서 HR팀용 '온보딩 봇'을 만들었어요. 여러 시트와 구글폼에 흩어진 입사 예정자 정보를 하나로 모아, 입사 전 주 금요일 오전 9시에 HR팀에 자동으로 공유해주는 봇이에요. 누락된 정보를 미리 파악할 수 있고, 리마인드도 되어 온보딩 준비가 훨씬 수월해졌습니다.

다만, "AI로 시간을 줄이는 게 진짜 임팩트인가?"라는 질문이 계속 머릿속에 남아 있었어요.

그래서 효율보다 효과에 집중하는 시도도 함께 해봤습니다.

신규 입사자가 첫날 겪는 어색함을 채워줄 수 있는 포인트들을 찾아, 이전 온보딩에 없던 것들을 하나씩 추가했어요. 사무실 투어 등, AI를 쓰지 않더라도 사람이 더 잘 할 수 있는 것도 포함해서요. 3개월간의 온보딩 여정을 소개하는 '온보딩 체크인' 시간을 추가하고, Claude Code로 산재된 정보를 한 곳에 모은 온보딩 웹 페이지를 만들었어요.

아직 갈 길이 멀지만, 효율과 효과를 모두 잡는 방향으로 계속 다듬어가고 있어요!

몇 달간의 경험을 통해 가장 크게 느낀 건,

화려해보이는 AI 도구 이전에 훨씬 더 중요한 단계들이 있다는 점이었어요.

어떤 데이터를 어떻게 쌓을지 기준을 잡고, 프로세스를 재설계하고, 그 위에 AI를 붙여야 임팩트가 만들어지더라고요. 업무의 본질을 치열하게 고민하는 시간이 쌓여야 비로소 빛을 발하는 것 같습니다.

그리고 이러한 과정이 팀의 인식도 바꿨어요.

데이터 정제나 프로세스 정비같은 지난한 과정도 AX를 위한 필수 단계라는 얼라인이 맞춰지면서, 관련 액션도 활발해지고 논의도 깊어졌습니다. '완벽히 정리된 다음에'가 아니라, '할 수 있는 것부터 병행하며 가자'는 마인드로 바뀐 것도 큰 수확이었어요. 팀 차원에서도 AX를 위한 근육을 키우는 시간이 됐습니다.

입사 초반이라 경험이 부족해 아쉬운 면도 있었지만, 반대로 아무것도 당연하게 여기지 않는 눈이 있었기 때문에 더 잘 보이는 부분도 있었어요. 채널팀에서의 시간이 쌓일수록 보다 깊이 있는 시도를 할 수 있을 것 같아, 앞으로가 기대되는 마음입니다.

여전히 도전 중인 시도들이 많으니, 몇 달 뒤에는 또 새로운 변화와 함께 찾아올게요!

#5. 성공 사례 찾기? 성공 사례 직접 만들기!

로사 (AX-DS팀)

저는 세일즈팀에 있을 때도, AX팀에 와서도 성공사례를 찾는 일을 정말 많이 했어요.

그런데 하다 보니 늘 비슷한 고민이 생기더라고요. 이 고객은 왜 잘 쓰고 있는지, 반대로 이 고객은 왜 갑자기 사용량이 떨어진 건지 잘 모르겠다는 지점이었죠.

정량 데이터는 잘 정리되어 있었지만, 고객이 실제로 어떤 불편함을 느꼈고 어떤 맥락에서 행동했는지는 잘 보이지 않았어요.

그래서 “고객 대화를 더 잘 연결해서 볼 수 없을까?”라는 생각으로 AX Champions 2기를 시작했어요.

성공사례 후보를 더 빠르게 찾기 위해, 흩어진 고객 데이터를 한 곳에 모으기로 했습니다.

어떤 데이터를 먼저 연결해야 할지도 고민이 많았는데요.

고객을 정확히 특정할 수 있으면서, 접근이 쉬운 것부터 하라는 AX 멘토의 조언에 따라 채널톡 API와 유저챗 데이터를 먼저 연결했어요.

채널 ID를 기준으로 데이터를 보기 시작하니까 고객이 유저챗에서 남긴 불편함, ALF와 나눈 대화, 사용량 데이터, 미팅 요약 등의 정보들이 한 고객 기준으로 자연스럽게 연결됐어요.

특히 인상적이었던 건, 숫자로는 안 보이던 고객의 맥락이 보이기 시작했다는 점이었어요.

실제로 한 고객사의 사용률이 갑자기 떨어진 이유를 유저챗에서 확인해보니, 고객이 반복적으로 같은 문제를 겪고 있었더라고요.

그때 성공사례는 그냥 숫자로만 찾는 게 아니라는 걸 처음 느꼈어요.

처음에는 성공사례를 ‘잘 찾는 것’이 목표였다면, 점점 고객을 더 깊이 이해하는 방향으로 관심이 옮겨가더라고요.

덕분에 고객 미팅 방식도 많이 달라졌어요.

예전에는 단순히 고객사의 사용량만 보고 들어갔다면, 이제는 고객이 실제로 어떤 고민을 하고 있었는지를 먼저 이해한 상태로 대화를 시작할 수 있게 됐거든요.

데이터 덕에 대화가 달라졌고, 대화 덕에 관계가 달라졌습니다.

이전에는 단순히 사용률이 떨어진 고객으로만 보였던 팀이, 이후에는 테스트 주문도 함께 만들어가는 적극적인 고객으로 바뀌더라고요.

이번 AX Champions를 하면서 가장 크게 느낀 건, 도구가 원래 의도했던 것보다 더 큰 변화를 만들기도 한다는 점이었어요.

처음에는 성공사례를 더 잘 찾고 싶어서 시작했는데, 결국 남은 건 고객을 훨씬 더 깊이 이해하게 된 경험이었어요.

수동 작업을 AI에게 시키는 것이 AX가 아닙니다.

기리 (AX-FDE팀)

AX Champions를 운영하고 있는 AX팀을 대표해 마이크를 잡았습니다.

2기를 운영하며 제 안에 내내 남아 있던 질문, 그리고 그 답을 나눠보려 해요.

AX가 도대체 뭘까요?

토큰을 많이 쓰면 AX인가요? 자동화를 하면 AX인가요?

AI 활용 능력은 AX의 필요조건이지만, 충분조건은 아닙니다. AI 없이는 AX가 불가능하지만, AI를 잘 쓴다고 해서 자동으로 AX가 일어나지는 않아요.

AX의 공식은 이렇습니다.

AX = AI 활용 + 업무 구조화 + 업무 방식의 변화

AI 활용 능력만으로는 부족해요. 내 업무의 문제를 명확하게 정의하고 설계할 수 있어야 하고, 그 위에서 실제 일하는 방식의 변화가 일어나야 비로소 AX입니다.

그리고 AX는 자동화와 다릅니다.

DX가 '종이를 컴퓨터로 옮기는 것'이 아니었듯, AX도 '수동 작업을 AI에게 시키는 것'이 아닙니다. 자동화의 질문이 "이 작업을 어떻게 더 빠르게 할까?"라면, AX의 질문은 달라야 해요.

"AI가 있다면, 이 업무가 존재해야 할까?"

프로세스 자체를 재정의하고, 시간 절약을 넘어 일하는 방식의 변화를 만들어내야 합니다.

AX Champions 2기 발표를 지켜보면서 처음에는 '클로드 코드가 대단하구나' 싶었는데, 계속 보다 보니 그게 아니더라고요.

챔피언분들은 이미 자신의 업무에서 무엇이 비효율인지 알고 있었고, 어떻게 바꿀지도 머릿속에 있었어요. 클로드 코드는 단지 계기였을 뿐, 없었던 건 코딩 능력이 아니라 '내가 직접 만들 수 있다'는 가능성의 인식이었습니다.

AX Champions 프로그램도 결국 그 인식을 열어주기 위한 시도였는데요.

2기가 마무리된 지금은, 채널톡의 모든 멤버들이 클로드 코드를 사용하고 있습니다.

AX Champions의 미션이 성공적으로 마무리된 증거이자, AX Champions가 2기로 막을 내리는 이유입니다.

각자 업무의 본질을 고민하며 구조화하고, 주변 동료들에게 좋은 영향을 끼쳐주신 챔피언분들, 그리고 함께해주신 AX 멘토분들께 다시 한번 감사를 표합니다.