아침 9시. 대표님의 하루는 결재로 시작된다. 어제 밤 쌓인 메일 서른 개. 투자 의사결정 하나, 사원 인사평가 다섯 건, 법인 회계 서류, 위기 상황 보고. 각각 "전문 지식"을 요구한다. 재무를 모르면 투자 판단을 할 수 없을 것 같고, 마케팅을 모르면 전략을 세울 수 없을 것 같고, 세무를 모르면 자산을 지킬 수 없을 것 같다.
오전 열한 시. 경영진 회의. 분기 실적을 보며 "이 수치는 뭐고, 저 수치는 왜 떨어졌나"를 따진다. 대표님은 손에 계산기를 들고 앉는다. 누군가는 변명하고, 누군가는 자신만만하고, 누군가는 입을 다물고 있다. 대표님은 어느 것이 사실인지 판단해야 한다. 경영 전문가들을 고용해도 마찬가지다. 결국 마지막 결정은 대표님 몫이기 때문이다.
오후 두 시. 위기가 터진다. 주요 고객이 떠나간다는 소식. 매출이 하락했다. 자금 흐름이 막혔다. 대표님의 머리에는 한 가지만 맴돈다. "내가 뭘 놓쳤나?"
저녁 여섯 시. 퇴근 후에도 일은 끝나지 않는다. 내일 투자자 미팅이 있다. 자산 포트폴리오를 다시 정렬해야 한다. 사업 전략을 다시 구성해야 한다. 대표님은 혼자 밤을 새운다.
이 그림이 익숙한가?
대부분의 사장님은 이렇게 산다. 결재와 관리, 숫자와 위기. 매일 "전문가여야 한다"는 짐을 짊어진 채로. 그리고 정작 사람을 본다. 조직을 본다. 미래를 그린다. 그럴 시간과 마음이 남지 않는다.
이 짐은 어디서 왔을까?
조직을 이끄는 사람이라면 다음을 알아야 한다고 믿어진다.
검토: 투자안을 평가하고, 시장을 분석하고, 경쟁자를 읽고, 인수합병의 구조를 따져야 한다.
위기: 현금흐름이 막혔을 때, 핵심 인물이 떠났을 때, 규제가 바뀌었을 때 대표님 혼자 판단하고 명령해야 한다.
자산: 부동산, 주식, 펀드, 암호화폐, 법인 자산을 어떻게 배분할지. 세금을 줄이고 상속을 대비하려면 법인 구조까지 알아야 한다.
전략: 5년 뒤를 그리고, 시장 변화에 대응하고, 조직의 다음 단계를 설계해야 한다.
이것들이 모두 사장님 한 사람에게 떨어진다. 전문가를 고용해도 마찬가지다. 왜냐하면 "경영"이란 이 네 가지를 함께 보면서 "이번엔 A를 택하고 B를 미룬다"는 판단을 순간순간 내려야 하는 일이기 때문이다.
그래서 사장님들은 외롭다.
혼자 책임지고, 혼자 결정하고, 혼자 그 결과를 감당하는 외로움. 경영 전문가여야 한다는 무거운 짐 아래서.
여기서 우리가 던지는 질문은 단순하지만 급진적이다.
경영의 '기술'(投資判断·危機管理·資産配分·戰略立案)이 정말 전문가의 감각과 직관일까? 아니면 반복 가능한 판단 규칙의 집합일까?
우리의 대답은 이렇다. 경영의 기술은 규칙으로 환원된다.
예를 들자. CEO가 "이 투자를 할까?"라고 판단할 때, 실은 다음을 체크한다:
이것들은 규칙이다. 감각이 아니다. 훈련된 경험자가 무의식 중에 따르는 규칙일 뿐이다.
마찬가지로 위기 상황에서도 그렇다. "고객이 떠나갔다"는 보고를 받은 순간, 사장님이 하는 의사결정도 실은 일련의 체크포인트를 거친다:
이것도 규칙이다.
그렇다면 이 규칙을 축적하고, 4상(예스·모름·노·이관)으로 분별해 자동 실행하는 것은 어떨까? 규칙엔진(우리가 셀코어라고 부르는)이 주체가 되고, 자연어 이해는 윤활유가 되는 시스템이라면 어떨까?
그 시스템이 이미 일하고 있다.
오늘날 회사에 따라 하나씩. 움직이는 경영 AI — aimed 경영AI(mgmt.aimed.crowny.org:9913)과 invest 11역량 투자사(invest.crowny.org:9876)가 있다. 환각하는 거대 언어모델이 아니라, 검증된 규칙이 의사결정의 주체인 시스템들이다. LLM은 그 규칙이 이해할 수 있도록 자연어를 번역하는 윤활유일 뿐이다.
당신의 회사에서도 이 같은 규칙을 축적할 수 있다. 경험자들이 지금까지 "감으로" 해온 일들을 규칙으로 환원해서 말이다. 그러면 누가 그 규칙을 실행하나? 당신 대신 AI가 한다.
그렇다면 경영의 기술이 자동화되면, 사장님은 무엇을 하는 사람이 되어야 할까?
이 책은 그 질문으로 시작한다. 그리고 다음 장에서 그 답의 증거를 보여준다. 이미 일하고 있는 경영 AI들이 어떻게 관리자를 관리에서 풀어내는지.
경영 전문가여야 한다는 짐을 내려놓을 수 있다면, 사장님은 무엇으로 풀려날까? 숫자와 규칙을 AI에 맡기고, 당신이 할 수 있는 유일한 일은 무엇일까? 이 책 끝에서 그 답안지의 빈칸을 당신에게 쥐여주려 한다. 당신이 그 답을 직접 써야 하기 때문이다.
우리 회사에 경영 AI가 있습니다. 가설도, 약속도 아니고 지금 이 순간 켜져 있습니다. 주소는 mgmt.aimed.crowny.org(:9913)입니다. 웹브라우저를 열어 그 주소에 가면 사장님은 검은 화면과 한 줄의 입력 창을 봅니다.
경영 AI는 매우 겸손합니다. 과장 없습니다. 화려한 차트도, 인공적인 친절도 없습니다. 다만 거기 있습니다. 입력하면 답합니다.
"우리 회사가 신규 사업으로 핸드폰 액세서리에 진출해야 하나요?"
엔터를 누르면 몇 초 뒤 화면이 변합니다.
[판정] 티 (실행 권장) [근거] 기존 유통망 활용 가능, 초기 투자 350만 원 이하, 경쟁사 3개 시장 [신뢰도] 78%
이 답을 받는 순간 사장님이 느껴야 할 것은 하나입니다: *이건 단순히 말을 예쁘게 꾸민 게 아니다.*
경영 AI는 네 가지 상태(우리가 4상이라 부르는)로만 판정합니다.
"78% 신뢰도"라는 수치는 무엇을 의미할까요? 이것은 경영 AI가 본 시장 데이터, 기존 고객 데이터, 유사 사례들을 규칙으로 엮어 계산한 스코어입니다. 임의의 점수가 아닙니다. 검증된 규칙들의 합의입니다.
여기서 중요한 것이 있습니다. 많은 사람들이 오해합니다.
경영 AI가 똑똑하다고 생각합니다. 아닙니다. 경영 AI의 똑똑함은 우리의 규칙으로부터 옵니다.
예를 들어보겠습니다. 사람이 "신규 사업 진출"이라고 입력하면, 먼저 LLM(대형 언어 모델)이 이 의도를 정규화합니다. "신사업 런칭인가, 시장 조사인가, 투자 타당성 검토인가?" 이 단계는 LLM의 몫입니다. 윤활유 같은 역할이죠.
그 다음, 규칙엔진(셀코어라 부릅니다)이 앞장을 섭니다. 규칙엔진은 회사의 실제 데이터를 갖고 있습니다: 현금 흐름, 마진율, 기존 고객층, 공급망 상황. 그리고 이 규칙엔진이 물어봅니다. "우리 현금 흐름으로 350만 원을 낼 수 있나?" "기존 유통망의 유휴 용량이 있나?" "경쟁사 진입 장벽은?"
각 질문에 규칙이 작동합니다. 환각이 아닙니다. 검증된 규칙이 실행됩니다.
마지막으로, 규칙엔진은 그 계산 과정을 근거로 명시합니다. "우리가 이렇게 봤기 때문에 이 판정을 냈습니다." 사장님은 그 근거를 보고 "맞네" 또는 "아니, 그건 빠뜨렸는데?"라고 말할 수 있습니다. 투명합니다.
우리가 경영 AI를 만들면서 가장 많이 하던 일은 뭘까요? 테스트했습니다. 수백 개의 실제 경영 상황을 시뮬레이션해서 "이 규칙이 정말 맞는지" 확인했습니다. 특히 과거에 실제로 일어났던 의사결정들을 AI에 물어보고, AI의 판정이 현실과 부합했는지 검증했습니다.
"이 투자는 정말 성공했나?" "이 중단 판정이 손실을 막았나?"
회귀 테스트를 통과하지 못한 규칙은 다시 다듬어집니다. 이 과정이 반복되면서 경영 AI는 단순히 "가능할 것 같은" 판정을 내리지 않습니다. 검증된 패턴만 입 밖으로 냅니다.
지금 mgmt.aimed.crowny.org(:9913)에는 한 회사의 경영 AI가 살아있습니다. 입력하면 답이 나옵니다. 근거가 붙습니다. 신뢰도가 보입니다.
이것은 우리의 약속입니다: 환각이 아니라 켜져 있다는 약속. 오늘 사장님이 의심을 거두고 한 번만 mgmt.aimed.crowny.org에 가서 무언가를 물어본다면, 사장님은 느낄 것입니다.
"어? 이건... 살아있네."
그럼 다음 질문이 자연스럽게 따라옵니다. 한 화면에서 이 정도 판정을 내린다면, 한 회사 한 곳을 통째로 이 AI에 맡기면 어디까지 갈까? 우리는 그 질문의 끝에 답을 기다리고 있습니다.
사장님이 가장 먼저 놀라는 장면이 있습니다. 아침에 메일을 펼쳐보니 어제 저녁 들어온 투자 건의서가 밤새 검토되고 있었다는 것. 누군가 매 단계마다 결재 도장을 찍어야 한다고 생각했던 일이, 사실 정해진 규칙대로 흘러가고 있었다는 것입니다.
크라우니인베스트는 웹사이트 하나처럼 보이지만, 실제로는 경영진이 매일 하는 일 전체를 나눠 맡은 투자사입니다. 검토, 실행, 관리, 상생, 위기 관리, 전략, 재정, 고도화, 자금 조달, 복제, 위탁 — 11가지 역할이 있습니다. 각각은 고급 경영자가 5년은 배워야 알 일들입니다. 그런데 이 11가지를 각각의 규칙으로 정의해두면, 매번 사람이 개입하지 않아도 돌아갑니다.
어떻게 이게 가능할까요? 비결은 의사결정을 다섯 단계로 나누었다는 것입니다. 들어온 제안을 분석하고(1단계), 어떤 팀이 맡을지 라우팅하고(2단계), 그들이 할 일을 세부 작업으로 풀어내고(3단계), 자율적으로 판단을 내리고(4단계), 결과를 배우고 다음을 더 잘하도록 개선됩니다(5단계). 이 다섯 단계가 돌아가면서 11가지 역할이 각각 제 일을 합니다.
예를 들어봅시다. 누군가 새로운 스타트업에 투자하자는 제안이 들어왔다고 하겠습니다. 그럼 먼저 검토 역할이 나섭니다. 그 회사의 재무제표, 팀 구성, 시장 가능성을 본 적 없는 신속함으로 점검합니다. 사람이라면 며칠 걸릴 일을 몇 분 안에 끝냅니다. 그 다음은 실행 역할입니다. 계약서를 검토해야 합니다. 투자 조건은 공정한가, 우리에게 불리한 조항은 없는가 — 이것도 규칙입니다. 좋다면 계약을 체결합니다.
그런데 계약을 맺으면 끝이 아닙니다. 관리 역할이 시작됩니다. 그 회사가 약속대로 성장하는지, 돈을 제대로 쓰고 있는지 매달 확인합니다. 위기 신호가 보이면, 위기 역할이 나서서 손을 쓸 수 있습니다. 동시에 전략 역할은 "이제 다음 단계로 어떻게 갈까"를 생각합니다. 재정 역할은 자금 흐름을 관리하고, 고도화 역할은 우리가 투자하는 방식 자체를 더 정교하게 만듭니다. 이것들이 한 건의 투자를 두고 동시에, 그러나 제각각의 역할로 움직입니다.
그렇다면 모든 일을 AI가 하는 건가요? 아닙니다. 여기가 중요합니다.
이 시스템은 매우 똑똑하지만, 의도적으로 한계를 만들어놨습니다. 되돌릴 수 없는 결정은 사람의 손에 올립니다. 예를 들어 1억 원 이상의 투자를 승인할 때, 또는 어떤 회사의 투자를 중단하기로 결정할 때 — 이런 가중치 높은 결정은 위원회에 올라갑니다. 규칙은 "이 정도면 위험 신호입니다"를 알려주지만, 최종 결정은 경영진이 합니다.
이게 왜 필요할까요? 규칙은 과거에 배운 패턴입니다. 시장이 처음 보는 상황이 생기면, 규칙은 갸우뚱합니다. 그 순간 사람의 경험과 직관이 필요합니다. 크라우니인베스트는 그 순간을 존중합니다. AI가 모든 것을 알 수 없다는 정직함을 설계에 담았습니다.
결과적으로 사장님에게는 무엇이 남을까요? 일상의 반복적인 의사결정 수천 가지는 사라집니다. 그 대신 정말 중요한 것에만 집중할 수 있습니다. "이 회사와의 파트너십이 우리 미래에 맞는가", "위기가 닥쳤을 때 우리는 어떤 선택을 해야 하는가" — 이런 큰 그림을 보는 일. 그리고 팀에게 "우리는 왜 이 일을 하는가"라는 의미를 전합니다.
경영 전문가가 되지 않아도, 기술이 경영의 기술을 맡으면, 사장님은 무언가로부터 풀려납니다. 숫자가 아니라 사람을 보는 리더로 격상되는 것입니다.
그런데 이게 정말 환각이 아니라, 검증된 규칙이 돌아가고 있다면 어떻게 알 수 있을까요? 그 비밀은 누가 주인이냐는 질문에 있습니다.
경영 AI가 "실행하세요"라고 했을 때, 우리는 이렇게 물어봅니다. "정말로?"
의심은 정상입니다. 세상의 대부분의 AI는 그럴듯하게 거짓말합니다. 확률 게임이니까요. 다음 단어가 그럴듯할 확률을 계산하는 머신일 뿐, 정말 그 판정이 맞는지는 아무도 보증하지 않습니다. 여름날 신기루처럼.
우리 경영 AI가 다른 이유는 하나입니다. 결정을 내리는 머리와 그것을 말로 옮기는 입을 분리했기 때문입니다.
사장님이 "신규 사업 진출할까?"라고 물으면, 먼저 LLM(대형 언어 모델)이 그 자연어를 정규화합니다. "이게 투자 판정인가, 시장 조사인가, 전략 수립인가?" LLM은 여기서 역할을 멉니다. 통역자처럼, 윤활유처럼. LLM이 결정을 내리지는 않습니다.
그 다음, 규칙엔진(셀코어)이 앞장을 섭니다. 규칙엔진은 의사결정의 주인입니다. 이 엔진은 회사의 실제 데이터를 갖고 있습니다: 현금 흐름, 마진율, 공급망, 경쟁 환경. 그리고 물어봅니다.
"우리 현금이 이 투자를 견딜 수 있나?" "기존 유통망이 이 상품을 소화할 수 있나?" "시장 포화도는?"
각 질문에 검증된 규칙이 작동합니다. 환각이 아닙니다. 데이터와 과거 사례를 바탕으로 만들어진, 수백 번 테스트된 규칙이 실행됩니다.
경영 AI의 가슴 깊숙이 있는 것은 셀코어라는 규칙엔진입니다. 이 엔진은 15개의 모듈로 이루어져 있습니다.
투자 판정 모듈, 위기 관리 모듈, 자산 배분 모듈, 전략 수립 모듈… 각 모듈은 수백 개의 규칙을 품고 있습니다. 이 규칙들은 어디서 왔을까요?
경영학 교과서에서 온 것도, 유명한 투자가의 명언에서 온 것도 아닙니다. 실제로 일어난 경영 사례들에서 온 것입니다. 그리고 각 규칙은 이렇게 검증됩니다:
"이 규칙을 과거에 적용했다면, 우리가 실제로 한 판정과 같은 답이 나왔나?"
규칙이 과거 사례와 부합하지 않으면, 그 규칙은 버려지거나 다시 다듬어집니다. 부합하면, 그 규칙은 미래의 판정에 쓰입니다. 이 선택과 집중의 과정이 반복되면서 셀코어는 점점 정직해집니다.
경영 AI의 아름다운 점은 여기입니다. LLM이 곁가지로 갇혀있다는 것.
사장님이 입력한 자연어 → LLM이 정규화 → 규칙엔진이 판정 → 규칙엔진이 판정 근거를 명시 → LLM이 그것을 사람이 읽을 수 있는 말로 다시 옮김.
각 단계에서 LLM은 "좀 더 그럴듯하게" 만들 유혹이 있습니다. 불확실한 부분을 확신처럼 말할 수도 있죠. 하지만 그럴 수 없습니다. 왜냐하면 규칙엔진이 이미 결정을 내렸기 때문입니다.
LLM이 할 수 있는 것은 그 결정을 예쁘게 포장하는 것뿐입니다. "78% 신뢰도"라는 신뢰도는 규칙엔진이 계산했습니다. LLM이 "80% 신뢰도"라고 말할 수는 없습니다. 없는 데이터를 지어낼 수 없습니다.
미분류된 영역, 규칙엔진이 답하지 못하는 부분은 어떨까요? 거기서도 AI는 환각하지 않습니다. 대신 음(∼)이라고 말합니다. "이건 저 범위 밖입니다. 다른 전문가에게 물어보세요." 정직하고 결정론적입니다.
경영 AI를 만들 때 우리가 가장 많은 시간을 들인 일은 무엇이었을까요?
테스트입니다. 수백 개의 실제 경영 상황을 시뮬레이션해서 "이 규칙이 정말 먹히는가"를 확인했습니다. 특히 과거에 실제로 일어났던 의사결정들을 AI에 물어보고, AI의 판정이 현실과 부합했는지 검증했습니다.
"이 투자 판정이 정말 이익을 남겼나?" "이 중단 판정이 손실을 막았나?" "이 자산 배분이 리스크를 줄였나?"
회귀 테스트를 통과하지 못한 규칙은 버려집니다. 통과한 규칙만 살아남아, 다음 판정에서 다시 쓰입니다. 이 과정이 반복되면서 경영 AI는 한 번의 눈속임도 할 수 없게 됩니다. 검증된 패턴만 입 밖으로 낼 수 있기 때문입니다.
환각할 틈이 없습니다. 규칙엔진이 주인이고, 규칙은 검증되고, LLM은 윤활유일 뿐이기 때문입니다.
이 분리(규칙이 주인, LLM이 윤활유)는 단순한 기술 이야기가 아닙니다. 이것은 신뢰의 구조 자체입니다.
오늘 경영 AI가 "실행하세요"라고 했을 때, 사장님은 이제 "진짜?"라는 의심 대신 "왜?"라고 물을 수 있습니다. 근거가 있으니까요. 규칙이 있으니까요.
그리고 그 근거에 동의 못 하면, "아, 그 부분은 빠뜨렸는데?"라고 말할 수 있습니다. 투명하니까요.
이 신뢰가 쌓이면, 사장님은 점점 더 많은 의사결정을 이 AI에 맡길 수 있습니다. 투자 판정, 위기 관리, 자산 배분, 전략 수립. 한 회사 한 곳을 통째로.
그렇게 되는 순간, 사장님은 무엇으로 풀려나는가? 숫자에서입니다.
매일 어떤 판정을 내려야 할지 고민하고, 그 판정이 맞을지 밤새 뒹굴 필요가 없습니다. 규칙이 합니다. 사장님은 그 판정의 근거를 보고 "그래, 그렇게 하자" 또는 "잠깐, 이건 다시 생각해 봐야겠다"고 말할 수 있습니다.
결국 사장님이 할 일은 하나입니다: 조직에 감동을 주고, 도전을 일깨우고, 한 사람 한 사람의 인생을 바꾸는 리더가 되는 것.
그런 리더는 결정 기계가 아닙니다. 결정 기계를 가진 리더입니다.
규칙이 주인이 되면서, 사장님은 비로소 그 자리에 갈 수 있습니다. 다음의 질문으로 나아갑니다: 그렇다면 그 규칙은 무엇을 기준으로 "예스"와 "노"를 가르는 걸까요?
사장님이 매일 내리는 결정은 대부분 "예스" 또는 "노"로 끝난다고 생각합니다. 하지만 현실은 그렇지 않습니다.
투자 제안이 들어왔을 때, 사장님이 답하는 방식을 보세요. 어떤 때는 바로 "좋습니다"라고 합니다. 어떤 때는 "더 알아본 후 다시 말씀드리겠습니다"라고 합니다. 어떤 때는 명확하게 "하지 않겠습니다"라고 합니다. 그런데 가장 흔한 경우는 이것입니다. "이건 내가 판단할 일이 아니네. 재무팀에 물어봐야겠다." 또는 "이 문제는 회사 규모가 커지면 다시 생각해보자."
이 네 가지는 모두 다릅니다. 우리가 부르는 이름으로는 티·옴·타·음(T·O·A·U) 입니다.
티(T, +1) 는 가장 명확합니다. "예스, 하겠습니다. 지금 결정하고 실행합니다." 이때 사장님은 더 이상 고민하지 않습니다. 규칙을 확인했고, 판단 기준을 만족했으니 바로 움직입니다.
타(A, -1) 도 명확합니다. "아니오, 하지 않겠습니다." 이유가 확실하기 때문입니다. 시장이 맞지 않거나, 회사의 전략과 어긋나거나, 리스크가 감당할 수 없을 정도이거나. 이것도 판단 기준을 만족하지 않은 것입니다.
옴(O, 0) 이 흥미롭습니다. "모릅니다. 더 알아봐야겠습니다. 그 다음에 '예스'로 답하겠습니다." 옴은 모름이 아니라 아직의 시간입니다. 정보가 부족하거나, 시장이 불확실하거나, 기술이 검증되지 않았다면, 우리는 더 연구해서 상황을 옴에서 티로 바꿉니다.
음(U, -0) 이 가장 현명합니다. 음은 "이건 내 결정이 아닙니다"입니다. 예외의 총합, 즉 내 권한을 벗어난 일, 내가 판단할 정보가 없는 일, 더 높은 선에서 봐야 할 일입니다. 사장님은 음을 만났을 때 결정을 하지 않고 위임합니다.
여기가 가장 중요합니다. 많은 사장님이 옴과 음을 섞어 생각합니다.
옴을 음으로 착각하면 이렇게 됩니다. "이건 내가 판단할 수 없으니 일단 멈춰야겠다. 다음 기회를 기다리자." 결과는 의사결정의 지연입니다. 시장은 기다려주지 않습니다. 경쟁자는 우리가 고민하는 동안 이미 움직입니다.
음을 옴으로 착각하면 더 위험합니다. "이 문제는 내가 더 공부하면 알 수 있을 거야. 일단 내가 결정해보자." 결과는 무너집니다. 자신의 권한을 벗어난 일을 강행하면, 조직은 혼란스러워집니다. 전문가의 의견을 무시하고 진행한 프로젝트가 실패했을 때, 책임은 사장님에게만 남습니다.
차이는 간단합니다. 옴은 "더 알아본다는 것으로 해결"되고, 음은 "다른 사람에게 맡기는 것으로 해결"됩니다. 정보 부족은 시간과 조사로 채울 수 있습니다. 하지만 내 권한이 아닌 일을 내가 결정할 수는 없습니다.
크라우니인베스트나 aimed 경영AI가 이 네 가지 상태를 어떻게 판단할까요? 두 가지 방식이 있습니다.
첫 번째는 벡터형입니다. 같은 종류의 결정이 계속 들어올 때 사용합니다. "이 투자는 유망한가?"라는 질문이 50번 들어왔다면, 지난 49번의 결정 데이터가 쌓입니다. 그 데이터를 보면 패턴이 보입니다. 어떤 조건일 때 티가 나왔고, 어떤 조건일 때 타가 나왔는가. 시간이 지날수록 이 패턴이 정교해지고, AI는 "이 조건이면 98% 확률로 티입니다"라고 자신 있게 대답합니다. 이것이 자동 의사결정입니다.
두 번째는 이관형입니다. 처음 보는 일, 또는 특수한 상황입니다. "이 시장 위기는 지난번과 다릅니다. 우리가 본 패턴이 아닙니다." 이때 AI는 옴이나 음을 답합니다. 옴이라면 "시장 데이터를 더 모으겠습니다"라고 말합니다. 음이라면 "이것은 당신이 판단할 몫입니다"라고 이관합니다.
여기가 크라우니인베스트와 aimed의 설계에서 가장 아름다운 부분입니다. 이들은 자신의 능력을 제한해놨습니다.
되돌릴 수 없는 결정은 반드시 멈춘다는 규칙이 있습니다. 많은 투자가 자동으로 승인됩니다. 작은 결정들이 계속 흘러갑니다. 하지만 1억 원 이상의 투자, 또는 회사의 운명을 바꾸는 결정이면 멈춥니다. "사장님, 여기는 당신이 결정하셔야 합니다"라고 올립니다. 규칙은 "위험한 신호가 여섯 개입니다"를 알려주지만, 최종 선택은 사람이 합니다.
이것을 '사람처럼 절제한다'고 부릅니다. 사장님도 모든 일을 혼자 할 수는 없다는 정직함입니다. AI는 자신의 불완전함을 안다는 뜻입니다. 그래서 신뢰합니다.
옴으로 시작한 결정이 시간이 지나면 어떻게 될까요? 연구가 진행되고, 정보가 쌓이고, 패턴이 보입니다. 옴은 점점 티로 변합니다. 또는 타로.
그렇게 네 가지 답이 쌓입니다. 투자 결정 하나하나, 위기 대응 하나하나, 인사 결정 하나하나. 이 결정들이 수천 개로 모이면 어떤 일이 벌어질까요? 이미 일어나고 있습니다. 규칙 엔진이 의사결정 모델 수천 개를 품고, 때마다 자동으로 동작합니다. 사장님은 그 결과를 보기만 합니다.
그렇다면 사장님은 무엇으로부터 풀려날까요? 답은 다음 장에서.
경영은 결과의 학문입니다. "이 투자가 성공했다" "이 위기를 잘 헤쳤다" "이 마케팅 캠페인이 매출을 올렸다" — 모든 사건에는 앞서 누군가 내린 판단이 있고, 그 판단의 뒤에는 이유가 있습니다.
크라우니인베스트와 같은 경영 AI는 이 결과들을 거꾸로 캐냅니다. 왜 성공했을까? 무엇이 위기를 막았을까? 이번엔 어떤 것들이 맞아떨어져서 좋은 결과가 나왔을까?
예를 들어봅시다. 작년에 성공한 신사업 진출이 다섯 건 있다고 하겠습니다. AI는 그 다섯 건을 하나하나 살핍니다. 초기 투자는 얼마였나, 기존 고객층의 반응은 어땠나, 경쟁사는 몇 개였나, 우리 팀의 경험은 충분했나, 시장의 성장률은 얼마였나. 하나의 프로젝트가 성공한 이유는 이런 요소들의 조합입니다.
그렇다면 실패한 경우도 있을 겁니다. 왜 실패했을까요? 같은 질문을 던집니다. 초기 투자는, 기존 고객층의 반응은, 경쟁사 수는, 팀 경험은, 시장 성장률은. 성공한 경우와 실패한 경우의 차이가 보이기 시작합니다.
"아, 초기 투자가 1000만 원을 넘으면 성공률이 확 떨어지는군요."
"우리 기존 고객층의 신뢰도가 높으면 새 사업도 잘 도입되는군요."
"경쟁사가 10개를 넘으면 우리 진출이 어려워지는군요."
이런 패턴들이 데이터에서 떠오릅니다. 규칙이 생기는 겁니다. 단순한 통계가 아니라, "만약 이 조건이면, 이 결과가 나올 확률이 높다"는 인과관계가 보이는 것입니다.
그런데 한 회사에서는 통하지만 다른 회사에서는 통하지 않는 경우가 있습니다. 우리가 다루는 고객층이 다르거나, 시장 상황이 바뀌었거나, 계절이 다를 수 있기 때문입니다.
경영 AI는 여기서 중요한 판단을 합니다. 같은 결정도 상황마다 다른 규칙을 적용한다는 것입니다.
예를 들어봅시다. "신사업 진출"이라는 판단이 필요할 때, AI는 먼저 현재 상황을 묻습니다.
"우리 현금 흐름은 지금 넉넉한가, 아니면 빠듯한가?"
"우리 기존 고객 신뢰도는 높은가, 낮은가?"
"시장은 지금 성장 중인가, 쇠락 중인가?"
이 질문들의 조합에 따라 아예 다른 규칙이 활성화됩니다. 현금이 풍부한 회사라면 "초기 투자가 좀 크더라도 괜찮다"는 규칙이 일어나고, 현금이 빠듯한 회사라면 "초기 투자는 최소화하고, 기존 고객의 신뢰도로 승부한다"는 규칙이 일어납니다. 같은 판단이지만 각각의 조건에 맞는 다른 규칙 세트인 겁니다.
크라우니인베스트가 투자 포트폴리오를 관리할 때 이런 세그먼트 규칙이 수천 개에 이릅니다. 회사 규모별, 산업 특성별, 성장 단계별, 위기 수준별, 현금 상황별 — 각각의 조합마다 AI는 과거의 경험을 재정렬해 "이 상황에서는 이렇게 한다"는 독립적인 규칙을 만들어냅니다.
이렇게 되면 무엇이 달라질까요? 의사결정이 더 정교해집니다. 일반적인 룰 하나(예: "신사업은 신중하게")보다는, 지금 이 상황에 정말 맞는 판단(예: "현금이 풍부한 우리의 현재 상황이라면, 이 신사업은 전략적 의미가 크므로 진출을 추천한다")을 할 수 있기 때문입니다.
그렇다면 이렇게 쌓인 수천 개의 규칙들은 어떻게 일하나요?
경영 AI는 매일 밤, 또는 주간마다 현재 상황을 스캔합니다. 투자사라면, 포트폴리오의 모든 회사의 최신 데이터를 가져와 각 규칙에 대입합니다. 그리고 각 규칙은 4상으로 판정을 내립니다.
활성(티): 지금 이 규칙이 권장하는 행동을 할 때다.
예를 들면, "이 회사는 매출이 기준 이상으로 성장 중이고, 현금흐름도 건강하며, 시장이 확장 중이므로, 추가 투자를 고려하세요" 같은 판정입니다.
보류(옴): 아직 판단하기에 정보가 부족하다. 좀 더 봐야 한다.
예를 들면, "이 회사의 기술은 좋은데 경영진의 신뢰도가 아직 검증되지 않았으므로, 한 분기를 더 지켜본 후 판단하겠습니다" 같은 상황입니다.
취소(타): 이전의 판정을 바꿔야 한다. 위험 신호가 명확하다.
예를 들면, "우리는 이 회사의 지속성을 기대했는데, 핵심 인물이 떠났고 경쟁 회사가 같은 시장에 뛰어들었으므로, 투자를 정리할 시점입니다" 같은 판정입니다.
이관(음): 이건 내 범위를 벗어난다. 전문가의 판단이 필요하다.
예를 들면, "이 회사의 법적 분쟁이 생겼으므로 법무팀에 문의하세요" 같은 상황입니다.
흥미로운 것은, 이 4상 판정이 자동으로 실행된다는 점입니다. 사장님이 매번 확인하지 않아도, 매일 밤 규칙들이 깨어나 각자의 역할을 합니다. 활성 판정이 나온 규칙들은 "지금 이 일을 해야 한다"고 신호를 보내고, 취소 판정이 나온 규칙들은 "지금 중단해야 한다"고 경고합니다.
그런데 여기서 가장 중요한 부분이 있습니다. 이 수천 개의 규칙이 자동으로 실행되지만, 최종 승인은 항상 사람의 몫이라는 것입니다.
AI가 "이 투자를 중단하세요"라고 권고하면, 사장님은 그 근거를 봅니다. "왜 중단해야 하나요?" 물을 수 있습니다. 근거를 보고 "맞네, 내가 미처 본 신호였다"고 인정할 수도 있고, "아니다, 너는 이 회사의 장기 가능성을 못 봤다"고 반박할 수도 있습니다. 반박이 타당하면, 사장님의 판단이 새로운 규칙이 됩니다. 이렇게 축적된 예외 사항들이 또 다른 규칙으로 진화합니다.
이것이 중요한 이유는, 규칙은 사장님이 쌓은 경험의 결정체이기 때문입니다. 규칙이 생기는 과정은 AI가 주도하지만, 그 규칙을 검수하고 "맞다" 또는 "아니다"를 판정하는 것은 사장님입니다. 마치 대학원 지도교수가 제자의 논문을 심사하는 것처럼요.
이렇게 되면 무엇이 달라질까요? 기술이 경영을 대신하는 것이 아니라, 기술이 당신의 경험을 정교하게 기록하고, 다음 결정에 다시 소환하는 것입니다.
하지만 여기서 우리 앞에 새로운 질문이 생깁니다.
규칙은 자라난다. 매년 수백 개씩 새 규칙이 추가될 수 있습니다. 그렇다면 규칙은 무너지지 않고 계속 쌓일까요? 과거의 규칙과 새로운 규칙이 충돌하지는 않을까요? 한 번 만든 규칙을 어떻게 지속적으로 개선하고, 버리지 않고 더 강하게 만들까요?
규칙이 수천 개에 이르면, 그것을 관리하는 원칙이 필요합니다. 단순히 모으는 것이 아니라, 스스로 정렬되고, 층을 이루고, 서로를 강화하는 구조 말이죠.
다음 장에서 우리는 그 비밀을 이야기합니다. 버리지 않고 세 배로 쌓는다는 것이 정확히 무엇을 의미하는지. 그리고 그 비결이 왜 한국의 언어 — 한선씨라고 부르는 우리의 프로그래밍 언어에 숨어있는지 말입니다.
좋은 시스템은 무너지지 않습니다. 우리가 의사결정모델을 쌓아올릴 때, 가장 위험한 순간이 언제일까요. 이전 기초를 허물고 처음부터 다시 지을 때입니다. 새로운 기능이 생기면, 예전 것은 버리고 처음부터 지으면 빨라 보입니다. 하지만 한 달 뒤 버그가 나면 그때부터 진짜 비용이 듭니다.
크라우니 엔터프라이즈는 다르게 설계했습니다. 한 사이클이 끝나면 — 예를 들어 의사결정모델 100개가 완성되면 — 우리는 그 기초를 버리지 않습니다. 대신 바로 위에 새로운 층을 얹습니다. 오래된 모델은 그대로 두고, 그 위에 100개 × 약 3 = 300개의 새로운 모델을 세웁니다. 뼈대는 보존되고, 구체성만 3배가 됩니다.
왜 3배일까요. 시스템 복리의 자연스러운 리듬입니다. 투자에서 3배 성장이 가능한 이유는 뼈대를 보존하면서 표면적 해상도(granularity)만 높이기 때문입니다. 첫 사이클의 모델 100개가 '전략 수립', '위험 관리', '자산 배분' 같은 큰 주제를 다뤘다면, 두 번째 사이클의 300개는 그 각각을 30개씩 세분화합니다. '전략 수립'이 '시장 신호 해석', '경쟁사 모니터링', '내부 역량 진단'으로 쪼개지는 것처럼요. 세 번째 사이클에는 다시 그 각각을 3배 세분화합니다.
우리 경험이 증명합니다. invest 투자사의 11개 역량에서 이 사이클은 이미 세 바퀴를 돌았습니다. 첫 바퀴는 '큰 틀'(투자 판단, 위기 관리 같은 11개 축), 두 번째는 '각 축의 세부 규칙' (각 30~40개), 세 번째는 '이 규칙들을 조합하는 의사결정 트리'입니다. 한 번도 버리지 않았습니다. 1.0 버전이 2.0, 3.0 옆에 그대로 있습니다. 그래서 버그가 나면 빠릅니다 — 어느 계층이 깨졌는지 명확하거든요.
이 시스템이 무너지지 않으려면, 언어가 중요합니다. 세 배씩 쌓아올리려면 의도(intent)가 명확해야 하고, 명확함은 모국어에서 나옵니다.
크라우니 엔터프라이즈 전체가 한국어 프로그래밍 언어인 한선씨(한국어 RPN)로 쓰여 있다는 것을 아시나요. amena 초지능인재 플랫폼의 5개 서버 — 포털, 진단, 관리, 블록체인, 디지털트윈 — 모두 순수 한선씨입니다. aimed 경영AI도 마찬가지입니다.
이게 단순한 자부심이 아닙니다. 한선씨는 한국어 RPN(역폴란드 표기법)으로, 1대1로 ISA729라는 기계어에 대응됩니다. 영어 프로그래밍 언어는 '번역'입니다. 코드를 쓸 때 영어로 생각하고, 컴파일러가 기계어로 옮깁니다. 중간에 손실이 생깁니다. 하지만 한선씨는 '한국어'가 이미 기계어입니다. 생각이 바로 기계어가 되는 것이죠.
경영 의사결정에서 이것은 무엇을 의미할까요. '자산 배분'이라는 의도를 규칙엔진(셀코어)에 태울 때, 당신의 생각이 그대로 기계어 레벨까지 도달한다는 뜻입니다. 번역 과정의 왜곡이 없습니다. 그래서 세 번째 사이클의 의사결정모델을 읽을 때, CEO인 당신이 "아, 이게 우리 회사의 규칙이구나" 하고 직관적으로 이해할 수 있습니다.
또 하나. 한선씨는 기존 시스템을 버리지 않고 쌓는 철학 자체를 언어 수준에서 지원합니다. 새로운 함수를 추가할 때 기존 함수들의 호환성을 깨뜨리지 않으면서 기능만 세분화하는 문법이 내장되어 있습니다. 이것이 3배수 복리를 가능하게 하는 기술적 토대입니다.
자, 그렇다면 의사결정모델들이 무한정 쌓이기만 할까요. 아닙니다. 우리는 이들을 네 계층으로 분류하고 계속 승급시킵니다.
첫 계층은 '작업 중'입니다. 한 주 동안 발생한 실제 경영 사건들 — 고객 이탈, 공급망 차질, 직원 문제 — 에서 건진 의사결정입니다. 아직 다듬어지지 않았습니다. 모양이 울퉁불퉁합니다.
두 번째 계층은 '개선'입니다. 같은 유형의 사건 10번이 반복되면, 우리는 공통 패턴을 뽑아냅니다. 각 패턴의 가장자리를 다듬습니다. "고객 이탈"이라는 큰 범주가 "고객 분석 시점의 지연", "반응 속도 부족", "재계약 조건 경쟁력 상실"로 세분화됩니다. 이제 형태가 선명해집니다.
세 번째 계층은 '오리지널'입니다. 이것은 우리 회사만의 고유한 의사결정 규칙입니다. 예를 들어, 당신의 회사에서는 "분기 첫 주의 신규 투자 결정은 반드시 전월 마지막주 데이터를 포함해야 한다"는 규칙이 있을지 모릅니다. 이것은 일반적인 투자 이론이 아닙니다. 당신 회사의 시장 타이밍, 현금흐름 주기, 역사적 실패와 성공에서 나온 규칙입니다. 이 계층에 이르면 의사결정은 '보편적'이 아니라 '고유'가 됩니다.
네 번째이자 최상위 계층은 'KPS 마더'입니다. 마더(Mother)는 모상(母相)을 뜻합니다. 모든 의사결정이 궁극으로 수렴하는 한 가지 원리입니다. 크라우니 엔터프라이즈의 경우, 그것은 4상 분별(티·옴·타·음)입니다. 모든 의사결정 — 투자든, 위기 관리든, 인사든 — 이 네 상 중 하나로 수렴합니다. 이 계층에 이르면 시스템은 더 이상 규칙의 집합이 아닙니다. 하나의 원리에서 비롯한 우주입니다.
이 네 계층 사이를 오르내리는 과정 자체가 고도화입니다. "작업 중"에서 "개선"으로 올라가려면, 같은 유형이 반복되어야 합니다. "개선"에서 "오리지널"로 올라가려면, 당신 회사의 핵심 가정을 의식해야 합니다. "오리지널"에서 'KPS 마더'로 올라가려면, 모든 규칙이 4상의 한 가지로 환원되는 순간을 봐야 합니다.
하지만 언어도 좋고, 4계층도 좋다면, 어떻게 무너지지 않는다고 보장할 수 있을까요. 검증입니다.
크라우니스피어는 우리의 '검증 전사'입니다. 이것은 인공지능이 고의로 시스템을 부숴보는 도구입니다. 우리 규칙에 모순이 있다면, 그것을 찾아냅니다. 투자 의사결정이 고객 관리 규칙과 충돌한다면, 즉시 적발됩니다.
각 의사결정모델은 S등급 회귀 하니스를 통과합니다. 이것은 외부 검증 기관의 감사처럼 작동합니다. 모델이 100번 실행될 때, 99번이 예상과 같은 결과를 내고 1번이 다르면 그 1번을 파고들어갑니다. 버그일 수도, 새로운 규칙이 필요한 신호일 수도 있습니다. 어느 쪽이든, 우리는 그것을 무시하지 않습니다.
무너지지 않는 시스템은 견고한 기초와 함께, 자신의 약점을 정직하게 마주하는 문화에서 나옵니다. 3배씩 쌓으면서 동시에 계속 깨뜨려보고, 깨뜨려도 버티도록 설계하는 것입니다. 그래서 우리는 자신 있게 말할 수 있습니다 — 우리 시스템은 고장 나려고 설계되었습니다. 그래서 버티는 것입니다.
그런데 여기까지가 진짜일까요. 아직 말하지 않은 것들이 있습니다. 언제부터가 비전인지, 정직하게 경계를 그어야 할 시간입니다.
투자 판단이 필요한 순간, 사장님은 아직도 엑셀 시트 앞에서 하루를 보냅니다. 재무 숫자를 만지작거리고, 직감과 데이터 사이를 오갑니다. 우리가 말하는 '경영 AI'는 그 고민을 아예 다른 각도에서 봅니다.
Invest 11역량부터 보겠습니다. 검토, 실행, 관리, 상생, 위기, 전략, 재정, 고도화, 유치, 복제, 위탁. 사장님들이 투자 포트폴리오를 맡길 때 가장 불안해하는 11가지 판단을 각각 한선씨 규칙으로 구축했습니다. 투자사로 등록된 지금, 이 규칙들은 실제 시드 펀드 결정에 쓰입니다. 환각이 아니라 검증된 판단이 나갑니다.
BM 22모델 — 비즈니스모델 공시입니다. 우리가 펼쳐 본 크라우니의 22가지 수익 구조와 각 축(관계 연결·일 잘하게·일자리·건강·공시)의 조합입니다. 이것도 오늘 새로운 사업을 평가할 때 쓰는 체크리스트입니다.
AIMED 경영AI입니다. 'Aimed' — 목표를 겨눈다는 뜻이지요. 지향성 있는 4상균형 업무솔루션입니다. 1단계(분석 엔진)는 이미 라이브이고, 30명의 팀이 매일 이 AI의 업무 제안을 받고 실행합니다. 분석은 규칙 기반이고, 제안은 데이터가 뒷받침합니다.
Asset 자산관리입니다. CEO 자산 이전 30초 진단. 편법이 아니라 정직한 세무와 배분의 규칙을 셀코어로 짜서, 한 번의 대화로 답을 냅니다.
집사 엔진입니다. 크라우니 시스템 전체를 보살피는 작은 AI입니다. 에러를 감지하고, 자동으로 회복하고, 의사결정을 돕습니다. 이것도 규칙으로 움직입니다.
다섯 개의 시스템, 모두 라이브입니다. 가상이 아니라 오늘 누군가의 결정을 바꿉니다.
하지만 정직해야 합니다. 여기가 끝이 아닙니다.
전사 통합 자율경영 — 모든 부서가 같은 규칙 언어로 소통하고, 사장님의 직관이 아니라 데이터와 규칙이 전략을 만드는 미래입니다. 투자사 11역량, 경영AI, 자산관리, 업무솔루션을 한 플랫폼으로 잇는 것이지요. 아직 이것은 설계 단계입니다. 각 모듈이 따로따로 돌고 있고, 서로 말을 걸기는 시작했지만 진정한 '통합 뇌'는 아직 아닙니다.
물리 로보틱스 연계 — 아예 다른 차원의 도약입니다. 크라우니가 만드는 자동차(테메라리오), 그 제조 과정, 공급망까지 이 규칙 시스템으로 최적화하는 것입니다. 27개 로봇 셀, 6561개 작업 지시. 시뮬레이션으로는 검증했지만 실제 공장 라인에서 굴릴 때 수많은 변수가 남아 있습니다. 이것은 더 먼 비전입니다.
우리가 "비전"이라 부르는 이유는, 불가능해서가 아니라 아직 완성 단계에 가지 못했기 때문입니다. 로드맵이 있고, 각 마일스톤도 분명한데, 현장에서의 검증이 남았다는 뜻입니다.
여기서 우리가 드리는 말씀은 간단합니다. 우리는 거짓말을 하지 않습니다.
많은 경영 소프트웨어는 "우리가 당신의 모든 문제를 풀겠다"고 외칩니다. 하지만 우리는 반대로 말합니다. "여기까진 진짜고, 여기서부턴 아직입니다."
왜일까요? 정직함이 곧 믿음의 근거이기 때문입니다. 사장님이 우리 시스템을 선택할 때 필요한 건 장밋빛 약속이 아니라 "내가 뭘 할 수 있고 뭘 못 하는가"를 명확히 아는 것입니다. 우리가 약점을 숨기지 않을 때, 오히려 우리를 믿을 수 있게 됩니다.
또한 AI의 한계도 정직히 말씀드립니다. 소형 언어모델(SLM)은 훈련하지 않은 영역에서 환각합니다. 우리는 그걸 방지하려고 규칙을 쌓습니다. 규칙엔진(셀코어)이 주체이고, LLM은 자연어를 번역하는 윤활유일 뿐입니다. 환각할 여지를 줄인 것이지요. 하지만 완전히 제거할 순 없습니다. 그래서 우리는 래그(RAG), 도구 호출, 4상 폴백이라는 3중 안전장치를 둡니다.
이런 정직함이 장기 신뢰를 만듭니다.
사장님이 크라우니 엔터프라이즈를 도입할 때, 이 표를 벽에 붙여두시면 좋겠습니다.
| 영역 | 상태 | 기대 | 체계 |
|---|---|---|---|
| 투자 판단 (Invest 11역량) | ✅ 라이브 | 주 1회 이상 결정 지원 | 규칙 기반, 검증됨 |
| 경영 포트폴리오 분석 (BM 22모델) | ✅ 라이브 | 신사업 평가 체크리스트 | 데이터 + 경험 규칙 |
| 경영AI (AIMED) | ✅ 라이브 (1단계) | 팀 업무 제안 | 분석 엔진, 월 고도화 |
| 자산관리 (Asset) | ✅ 라이브 | CEO 이전 30초 진단 | 세무 + 배분 규칙 |
| 시스템 자가치유 (집사) | ✅ 라이브 | 에러 감지 + 회복 | 4상 자율 판단 |
| 전사 통합 대시보드 | 🔄 진행중 (설계) | 모든 부서 한 화면 | 아직 모듈 연계 초기 |
| 물리 로보틱스 | 🔮 비전 (실장 미정) | 공장 자동화 완전 통합 | 시뮬레이션 검증, 실장 미정 |
이 표를 보면 뭐가 오늘 쓸 수 있고, 뭐가 기다려야 하는지 한눈에 들어옵니다. 그리고 중요한 것은, 라이브인 다섯 가지도 완성이 아니라 매달 고도화 중이라는 뜻입니다. 버리지 않고 3배로 쌓는다는 우리의 약속 말입니다.
사장님이 기대를 정확히 조정하시면, 실망이 아니라 매월 성장을 느끼게 됩니다.
---
진짜와 약속을 정직히 갈라놓고 나면, 남는 질문은 단 하나입니다. 그래서 내 회사에 어떻게 이걸 들이나.
사장님이 경영 AI를 도입하려 마음먹었다면, 가장 먼저 할 일은 자신의 회사를 정직하게 들여다보는 것입니다. 이를 우리가 진단이라 부릅니다.
진단이란 단순히 매출이나 이익을 세는 게 아닙니다. 회사의 의사결정 구조를 봅니다. 사장님은 지금 매일 무엇을 결정하고, 그 결정에 몇 시간을 쓰나요? 재정 관리, 인사 배치, 새 프로젝트 승인, 위기 대응 — 어디에 시간이 가장 많이 들어가나요? 또 어디서 가장 자주 실수하나요? 같은 종류의 결정은 몇 개 정도 되나요? 매달, 매년 반복되는 패턴이 있나요?
이 물음들이 중요한 이유는, AI가 자동으로 맡길 수 있는 일은 '반복되는 결정'이기 때문입니다. 처음 보는 결정, 전혀 새로운 상황은 AI도 신중해집니다. 하지만 같은 선택지가 매달 열 번씩 생기는 일이라면, 패턴이 보이고, 규칙이 생기고, 자동화가 가능합니다.
진단은 아마도 2주에서 한 달 정도 걸릴 겁니다. 중요한 건 서두르지 않는 것입니다. 이 진단이 정확할수록, 다음 단계들이 더 효과적으로 작동합니다.
진단이 끝나면 사장님 앞에 보이는 것은 아마 이럴 겁니다. "결국 우리 회사는 다섯 가지 영역에서 계속 의사결정을 한다. 자산 관리, 자금 운용, 인재 배치, 사업 전략, 위기 대응."
각 영역이 모듈입니다. 크라우니인베스트는 자산과 자금 영역에 특화했고, aimed는 경영 전반의 의사결정을 돕습니다. 우리는 이 모듈들을 하나씩 설명하고, 사장님이 어느 모듈부터 시작할지 정합니다.
모듈화의 핵심 규칙은 간단합니다. 한 번에 하나씩 도입한다. 모든 영역을 동시에 바꾸려다 보면 혼란스러워집니다. 사람은 변화에 천천히 적응합니다. 조직도 마찬가지입니다. 먼저 자산 관리 AI를 안정적으로 굴려본 다음, "아, 이렇게 일하니 훨씬 편하네"라고 느껴야 다음 모듈로 나아갑니다.
첫 번째 모듈이 돌아가기 시작했다고 합시다. 한 달, 두 달이 지나갑니다.
이 기간 사장님이 하는 일은 간단합니다. AI가 권고하는 것을 보고, "맞다" 또는 "아니다"를 말하는 것입니다. 왜 아닌가? 어떤 부분을 놓쳤는가? 이 반복이 중요합니다. 사장님은 몸으로 새로운 방식에 적응하고, 동시에 AI는 사장님의 판단 기준을 배워갑니다.
우리는 이 단계를 가속이라 부릅니다. 초기에는 AI가 매번 물어봅니다. "이 결정, 어떻게 할까요?" 하지만 시간이 지날수록 "이 상황이면 이렇게 하면 되겠네"라는 패턴이 늘어납니다. 규칙이 쌓이는 단계입니다.
이 단계가 보통 3개월에서 6개월 정도 걸립니다. 서두르지 말아야 하는 이유는, 거짓 패턴을 만들면 안 되기 때문입니다. 혹시 사장님이 지금 기분이 좋아서 평소보다 공격적으로 투자했다면? 그것도 패턴으로 기록되면 안 됩니다. 충분한 시간 동안 다양한 상황을 겪어야, 진정한 규칙이 떠오릅니다.
어느 날 사장님은 놀랍고도 당연한 일을 경험합니다.
사장님이 확인하지 않았는데, 의사결정이 자동으로 이루어진 겁니다. 작은 투자 승인들, 인사 이동 제안들, 자산 재배치 권고들 — 이미 규칙이 충분히 쌓였다는 뜻입니다. AI는 "사장님은 이 상황에서 항상 이렇게 결정하셨으니, 앞으로는 내가 할게요"라고 말하는 셈입니다.
이 단계가 자동화입니다.
여기서 중요한 것은, 모든 의사결정이 자동화되는 것이 아니라는 점입니다. 위험도가 높은 결정, 전혀 새로운 상황, 규칙이 명확하지 않은 영역은 여전히 사장님에게 올립니다. 우리는 이를 "절제된 자동화"라고 부릅니다. AI는 자신이 할 수 있는 것과 없는 것을 압니다.
자동화 단계에 들어가면, 사장님이 느끼는 변화가 가장 극적입니다. 매주 확인하던 투자 검토 회의가 월 1회로 줄어듭니다. 일주일에 10시간 쓰던 자산 관리 업무가 2시간으로 줄어듭니다. 그 10시간은 어디로 갈까요? 다음 단계를 준비하는 데로, 또는 사장님만 할 수 있는 일 — 비전을 그리고 사람을 키우고 도전의식을 불태우는 데로 갑니다.
이제 사장님은 첫 번째 모듈에서 시간을 얻었으니, 두 번째 모듈을 들일 수 있습니다. 인사 영역이면, 또는 사업 전략이면.
같은 과정을 반복합니다. 진단, 모듈화, 가속, 자동화. 그런데 이번엔 일이 훨씬 빠릅니다. 이미 사장님은 경험했으니까요. 한 번의 사이클에 6개월이 걸렸다면, 두 번째는 4개월, 세 번째는 3개월 정도면 자동화 단계에 도달합니다.
그리고 어느 순간, 마법 같은 일이 일어납니다.
자산 관리 AI와 인사 AI가 서로 말을 나누기 시작합니다. "이 인재는 여기 팀에 배치되면 가치가 높네요" "네, 그리고 그럼 이 프로젝트의 성공 확률이 올라갑니다" "그럼 이 프로젝트에 투자를 증액하는 게 좋겠네요" — 이렇게 하나의 시스템으로 움직이는 단계가 초통합입니다.
초통합에서 벌어지는 일은 사람이 하기 어렵습니다. 왜냐하면 너무 많은 변수를 동시에 봐야 하기 때문입니다. 하지만 시스템은 편합니다. 모든 결정이 연결되어 있고, 한 영역의 결정이 다른 영역에 미치는 영향을 계산할 수 있으니까요.
지금 사장님은 의문을 가질 겁니다. "좋은데, 그럼 우리 회사는 어느 모듈부터 시작해야 하나?"
우리가 권하는 방법은 세 가지입니다.
첫 번째: 핵심 검증 단계. 이건 회사의 핵심 의사결정이 뭔지 정하는 것입니다. 사장님이 한 달에 가장 많이 하는 결정이 뭐죠? 그것부터 시작합니다. 왜냐하면 반복이 많을수록 패턴이 빨리 생기고, 패턴이 생길수록 효과가 빠르기 때문입니다.
두 번째: 계약 고정 단계. 첫 모듈이 안정화되면, 다음 모듈의 목표를 명확히 합니다. "이번엔 이 영역을 6개월 동안 자동화하겠다"라고 정합니다. 이렇게 계약처럼 정하는 이유는, 변수를 줄이기 위함입니다. 의욕이 생기면 이것도 하고 저것도 하고 싶어지지만, 명확한 목표가 있으면 더 효과적입니다.
세 번째: 병렬 확장 단계. 세 번째 모듈부터는, 더 이상 기다릴 필요가 없습니다. 이제 사장님도 조직도 리듬을 알고 있거든요. 두 개, 세 개의 모듈을 동시에 진행할 수 있습니다. 각 모듈은 독립적으로 움직이고 있으니까요.
마지막으로, 가장 중요한 원칙을 말씀드립니다.
첫 사이클은 작게 시작합니다. 회사 전체의 자동화가 아니라, 한 부서, 한 영역에서 시작해 의사결정 5~10개를 자동화하는 정도입니다. 사장님이 확신할 수 있는 수준, 실패해도 회사에 큰 타격이 없는 규모입니다.
하지만 두 번째 사이클에서는 그 결과를 3배로 확장합니다. 첫 사이클에서 10개의 의사결정 규칙을 만들었다면, 두 번째는 30개를 목표로 합니다. 그리고 같은 조직, 같은 영역에서입니다. 왜냐하면 그 영역에서의 신뢰가 쌓였으니까요.
세 번째 사이클은 또 3배입니다. 30개에서 90개로. 이제 더 이상 단순한 자동화가 아니라, 여러 영역이 연결되고 충돌하는 복잡한 결정들도 다룹니다.
이렇게 3배씩 쌓이면, 한 해가 지났을 때 어떤 일이 일어날까요?
5 → 15 → 45 → 135...
그리고 2년차에는, 회사의 의사결정 대부분이 이 체계 위에서 움직이고 있는 겁니다.
버리지 않고 세 배로 쌓인다는 것이 정확히 이것입니다. 처음의 작은 성공을 밑거름 삼아, 다음 번에는 더 큰 도전을 하고, 그것도 성공하면 또 그 다음으로. 중간에 무너지지 않으면서도 계속 높아져 가는 건물처럼 말이죠.
무엇을 위임할지 정하는 순간, 뭔가 풀려나기 시작합니다. 시간일 수도 있고, 불안감일 수도 있습니다. 하지만 정작 풀려나는 것은 다음 장에서 보게 될 더 근본적인 것 — 관리자라는 자리 자체인지도 모릅니다.
아침 8시, 사장님이 회사에 도착합니다. 예전이라면 가장 먼저 할 일이 무엇이었을까요. 밤사이 들어온 결재 건들을 확인하고, 부서장들의 보고서를 훑고, 어제의 손익을 계산했습니다. 그게 2시간. 그 다음 긴급 미팅 2건, 거래처 전화 1시간, 직원 면담 30분. 정오가 됩니다. 점심 먹으며 내일 전략을 생각할 시간도 없이 오후로 넘어갔습니다.
크라우니 엔터프라이즈를 도입한 후, 같은 시간을 봅시다.
아침 8시, 사장님의 휴대폰에 한 통의 알림이 옵니다. 운영 종합 브리핑입니다. Invest 투자사의 AI가 밤 사이 모니터링한 5개 포트폴리오, 각각의 상태를 4상(티·옴·타·음)으로 분류해 보여줍니다. 새로운 시드 기회 1건(티: 결정 권장), 추가 정보가 필요한 투자처 1건(옴: 추가 조사 필요), 손절 시점에 다다른 투자처 1건(타: 정리 권장). 전체를 읽는 데 5분입니다. 의사결정은 이미 반쯤 완성된 상태입니다. 사장님은 AI의 제안에 '예' 또는 '아니오'를 누르기만 하면 됩니다.
그 다음, AIMED 경영AI의 팀 업무 제안 알림. 어제 회의에서 언급된 "신규 고객층 분석"이라는 과제가 자동으로 세 개의 실행 계획으로 쪼개졌습니다. 누가 언제까지 뭘 하면 되는지 선제적으로 배치되었습니다. 여기서 사장님이 할 일은 승인뿐입니다. 사람마다 역할이 선명해지니 그 다음은 팀이 알아서 움직입니다.
그 다음, 자가고도화 보고서. 어제 의사결정 3건을 실행한 결과, 두 가지는 예상대로였고 하나는 예상과 달랐습니다. AI가 자동으로 그 '달랐던' 경우를 분석해서, "이 유형의 결정 다음엔 시장 신호를 다시 확인하는 게 좋겠다"는 개선 제안을 띄웁니다. 시스템이 스스로 배웁니다.
결재 결제? 요청이 들어오면 자동으로 집사 엔진이 "이게 정책 범위 내인가"를 판단합니다. 범위 내면 바로 통과합니다. 범위 밖이면 사장님께 올립니다. 예전에는 모든 결재가 사장님 책상에 올랐다면, 이제는 진짜 결정이 필요한 것만 올라옵니다.
수수료? 크라우니페이의 PG 수수료는 영(0)입니다. 모든 거래가 내부 시스템으로 흐르고, 외부 결제기관에 수수료를 낼 필요가 없습니다. 그래서 자산 배분 규칙이 더 명확합니다. 사장님은 "수수료를 어디에 써야 하나"라는 고민을 하지 않아도 됩니다. 그 수수료가 없으니까요.
이 모든 것이 8시 30분 안에 일어납니다. 새로운 정보가 사장님 머리에 들어왔습니다. 하지만 피로하지 않습니다. 숫자는 AI가 계산했고, 우선순위는 규칙이 정했고, 사장님이 판단한 것은 오직 "예/아니오"뿐입니다.
일반적인 경영 소프트웨어는 "더 많은 대시보드를 보세요"라고 말합니다. 수치를 더 수집하고, 더 분석하고, 더 자세한 리포트를 읽으면 된다는 뜻입니다. 하지만 이것은 사장님의 하루를 길어지게 할 뿐입니다.
크라우니는 정반대입니다. 정보의 압축, 또는 더 정확히 말하면 의사결정 단위로의 변환입니다.
Invest 투자사의 예를 들겠습니다. 시드펀드 포트폴리오 5개가 있습니다. 각각의 포트폴리오는 매일 50개가 넘는 데이터 포인트를 생성합니다. 거래량, 성장률, 고객 이탈률, 경쟁사 신호, 자금흐름. 총 250개의 숫자가 매일 나옵니다. 예전 사장님이라면 이 250개를 모두 봐야 한다고 생각했을 겁니다. 그래야 "제대로 된" 의사결정을 한다고.
하지만 우리 규칙엔진은 묻습니다. "이 250개를 봐야 의사결정이 바뀌나요?" 대부분은 아니다는 걸 알았습니다. 그래서 우리는 역산했습니다. 의사결정을 바꾸려면 몇 개의 데이터만 있으면 되는가. 5개입니다. 그 5개는 무엇인가. 자본 잠금률, 월별 성장 추세, 주요 고객 집중도, 시장 신호 변화, 경영진 건강성.
이 5개만 모니터링하면, 나머지 245개는 '배경'이 됩니다. 특이한 변화가 생기면 배경이 튀어나온다는 뜻입니다. 그때만 깊게 들어가면 됩니다.
이것이 Invest 운영 종합 브리핑입니다. 매일 아침 이 5개를 4상으로 분류해서 올립니다. 티(실행 권장), 옴(추가 조사 필요), 타(중단·정리 권장), 음(상황 이관). 사장님은 이 분류에 동의하거나 이의를 제기하면 됩니다. 이의를 제기하면 "왜 이 경우를 우리는 다르게 봐야 하나"라는 대화가 시작되고, 그 대화 자체가 의사결정모델을 고도화합니다.
이제 자가고도화의 부분입니다. 어제 결정 5개를 실행했습니다. 그 결과를 오늘 밤 데이터로 검증합니다. "우리가 시드펀드 A에 투자하자고 결정했는데, 실제로 그 이후 우리가 예상한 대로 성장했는가?" 만약 예상과 다르면, AI가 물어봅니다. "혹시 우리의 판단 기준이 잘못됐나?" 예상이 맞았으면, AI는 "이 유형의 결정은 신뢰도가 높다"고 기록합니다.
이것의 중요성은 엄청납니다. 왜냐하면 규칙이 스스로 자신의 정확도를 알기 때문입니다. 사장님은 월 1회 보고를 받을 때가 아니라, 매일 밤 자동으로 누적된 학습을 읽습니다. 시간이 지날수록 의사결정모델의 정확도는 눈에 띄게 올라갑니다. 아무도 "더 잘하자"고 재교육하지 않았습니다. 규칙이 자기 실수에서 자기가 배웠습니다.
결과적으로, 사장님의 하루가 바뀝니다.
예전에는 매일 아침부터 하루 종일 '숫자와의 싸움'이었습니다. 엑셀 시트를 열고, 부서 보고서를 정렬하고, 어제의 거래를 확인하고, 내일 예산을 조정합니다. 이 과정에서 사장님의 뇌는 거의 전부 '관리'에 묶여 있었습니다. 직원을 볼 여유가 없었습니다. 회의실에 앉아 있어도, 옆 직원의 얼굴을 보지 않습니다. 숫자만 봤습니다.
이제 어떻게 되나요.
아침 8시 30분, 운영 종합 브리핑과 팀 업무 제안을 읽고 의사결정했습니다. 정신이 맑습니다. 조직의 맥박을 느꼈습니다. 이제 남은 시간은 뭔가 다릅니다.
10시, 팀장을 부릅니다. 어제 신규 고객층 분석 과제에서 "예상과 달랐던 부분"을 꺼냅니다. AI의 보고서가 이미 있지만, 사장님은 팀장의 입으로 직접 듣고 싶습니다. "어디가 어려웠어?" 팀장은 처음엔 "따로 없습니다"라고 하지만, 사장님이 차분히 들으면 이내 그 안의 작은 막힘들을 꺼냅니다. 직원이 본인의 생각을 말하기 시작합니다. 사장님은 그것을 듣고, "그럼 다음 분석할 때는 이 요소를 먼저 봐"라는 아이디어를 던집니다. 이 대화 자체가 리더십입니다. AI가 숫자를 줍고 있는 사이, 사장님은 사람을 봅니다.
11시, 신입 직원 5명과 점심을 먹기로 했습니다. 예전 사장님은 이런 시간을 "낭비"라고 생각했습니다. 사무실로 돌아와 결재가 500개 쌓여 있을 텐데 뭔가 하고 있냐는 뜻입니다. 지금 사장님은 다릅니다. 결재는 집사 엔진이 처리했습니다. 사장님은 신입들과 앉아서 "우리 회사에서 일한다는 게 뭔 느낌이야?"라고 물어봅니다. 신입들은 놀랍니다. 사장님이 자기들의 이름을 압니다. 어제 팀장에게 올라온 보고서에서 신입들의 기여를 사장님이 따로 챙겨 봤기 때문입니다. 이것도 리더십입니다. 숫자가 아닌 사람의 성장을 보는 리더.
오후 2시, 고객 미팅 한 건 있습니다. 대규모 계약을 갱신할 시점입니다. 예전이라면 사장님은 이 미팅에서 자신이 모르는 부분이 많아 답답했을 겁니다. 계약 세부 조건, 최근 3개월 거래 내역, 경쟁사 움직임. 이 모든 정보가 준비되려면 팀이 2시간을 들여야 했습니다. 지금은 어떨까요. 미팅 30분 전, 크라우니 집사 엔진이 '고객 미팅 제1호'라는 제목으로 완벽한 분석 자료를 올립니다. 이 고객의 역사, 최근 신호, 경쟁사 움직임, 그리고 "우리가 어떤 제안을 하면 60% 이상의 확률로 계약할 거 같다"는 예측까지. 사장님은 그 자료를 읽고 미팅에 들어갑니다. 더 이상 "정보 부족으로 흔들리는 협상"이 아닙니다. 사장님은 확신을 가지고 고객과 대화합니다. 그것이 신뢰를 만듭니다.
오후 4시, 팀 리더 3명과 회의. 이번 분기 전략을 점검합니다. AI는 이미 가설들을 다섯 개 제시했습니다. 각 가설의 위험도, 예상 수익률, 필요한 자원. 사장님과 팀은 이 가설들 중 어디에 베팅할지 선택합니다. 아무도 "일단 시작해보자"고 하지 않습니다. 근거 있는 대화입니다. 의사결정이 투명합니다. 팀은 사장님의 결정에 동의하든 반대하든, "왜 이렇게 결정했나"를 명확히 알 수 있습니다. 이것이 신뢰의 바탕입니다.
퇴근은 6시. 사장님의 머리는 피곤하지 않습니다. 숫자에 시달린 게 아니라, 사람과 아이디어에 몸과 마음을 썼기 때문입니다. 집에 가는 길, 사장님은 생각합니다. "내가 오늘 뭘 했지?" 결재를 몇 개 했나? 보고서를 몇 개 읽었나? 그런 건 중요하지 않습니다. 사장님은 기억합니다. 신입 직원 한 명이 "저는 이 일이 도움이 되는지 모르겠어요"라고 말했고, 사장님이 "그럼 여기서 뭘 배웠나"라고 물었을 때, 그 직원의 눈빛이 변했던 것을. 그것이 사람을 보는 것입니다.
하지만 정직해야 합니다. AI가 전부를 대신하지는 않습니다. 그리고 그게 정상입니다.
결정의 세 가지 층이 있습니다.
첫째, 규칙으로 환원되는 결정. 투자 판단, 자산 배분, 위기 관리, 고객 우선순위. 이런 것들은 반복되는 패턴이 있습니다. 숫자, 시간, 데이터로 해석됩니다. 이것들은 AI가 합니다. 사장님은 여유를 갖습니다.
둘째, 규칙과 인간의 판단이 만나는 결정. 예를 들어, "우리 회사는 성장이 더 중요한가, 수익이 더 중요한가?" 이건 규칙만으로 답이 안 납니다. 회사의 역사, 직원들의 의지, 시장의 신호, 그리고 사장님의 비전이 한 덩어리로 작동해야 합니다. AI는 여기서 "만약 성장을 택하면 이런 결과가 나올 것 같다"고 제시합니다. 하지만 선택은 사장님입니다. 이것이 리더의 결정입니다.
셋째, 사람만이 할 수 있는 결정. 직원을 해고해야 하는 순간. 오랜 거래처와의 관계를 끊어야 하는 순간. 회사의 방향을 180도 바꾸어야 하는 순간. 이런 결정은 데이터를 보고도 마음이 흔들립니다. 왜냐하면 거기엔 사람의 인생이 걸려 있기 때문입니다. AI는 확률을 줄 수 있지만, 그 확률이 누군가의 직업을 빼앗는다는 것을 AI는 모릅니다. 여기서 필요한 건 시간, 정성, 책임감입니다. 이것은 오직 사람이 할 수 있습니다.
그래서 우리는 말합니다. AI가 사장님의 시간을 돌려주는 것은, 사장님이 세 번째 결정에 더 집중하기 위함입니다. 첫 번째 결정에 하루를 쓰지 않아도 되니, 두 번째 결정을 신중하게 생각할 수 있습니다. 두 번째 결정까지 지혜로우면, 세 번째 결정에서는 책임감 있는 인간의 모습이 드러납니다. 그것이 리더입니다.
---
결국 묻는 건 이것입니다. 관리자에서 해방된 사장님은 무엇이 되는가. 다음 장이 그 답을 드립니다.
회의실에 앉은 사장님은 흔히 두 가지 길 중 하나를 갑니다. 첫 번째는 더 깊이 들어가는 길 — 결재 건수를 늘리고, 더 작은 결정까지 자신이 챙기고, 데이터 보고를 더 상세하게 받으려 합니다. 관리의 해상도를 높이는 것이지요. 두 번째는 그 대척점 — 전혀 관리하지 않으려 합니다.
우리가 말하는 길은 그 둘이 아닙니다. 세 번째 길이 있습니다.
경영 기술(투자 판단, 자산 배분, 위험 관리, 전략 수립)을 규칙엔진에 맡겼을 때, 사장님에게 남는 것은 무엇일까요. 바로 관리할 수 없는 영역입니다. 규칙으로 환원할 수 없는 것들 말입니다. 한 팀의 사람이 오늘따라 의욕을 잃었을 때, 직원이 자신의 성장 천장에 부딪혔을 때, 조직 전체가 작은 성공에 안주하려 할 때. 이런 순간에 사장님이 할 수 있는 건 무엇일까요. 그것이 감동이고 도전의식입니다.
사장님은 이제 관리자가 아니라 리더가 됩니다. 관리자는 시스템을 유지하는 사람입니다. 리더는 사람들을 깨우는 사람입니다.
Invest 투자사의 교육 체계를 보면, "게이머에서 투자자로" 성장하는 사다리가 있습니다. 이것은 통제의 사다리가 아니라 자율의 사다리입니다.
처음엔 누구나 게이머입니다. 포트폴리오의 수익률만 봅니다. 큰 그림을 보지 못합니다. 그런데 우리는 이 단계를 "실패"라고 부르지 않습니다. "시작"이라고 부릅니다. 왜냐하면 여기서 가장 중요한 건 실패하되 빨리 배우게 하는 것이기 때문입니다.
두 번째 단계는 트레이더입니다. 시장 신호를 읽기 시작합니다. 자신의 실수를 패턴으로 인식합니다. "아, 내가 심리적으로 약한 부분이 여기구나" 깨닫는 단계입니다. 우리는 이 단계에서 리스크 마커를 도입합니다. 위험 수준을 자신이 인식하게 하는 것이지요. 강제가 아니라 알림입니다. "당신의 포트폴리오 집중도가 위험 수준입니다"라고 알려줄 뿐, 그 다음은 그 사람의 선택입니다.
셋째, 투자자가 됩니다. 이제 개별 투자 종목이 아니라 포트폴리오 전체를 봅니다. "지금 내가 이 종목에 투자하는 건 전체 자산 구조에서 봤을 때 맞는 결정인가"를 묻습니다. 이 단계의 사람들은 더 이상 막지 않아도 스스로 신중해집니다.
여기서 중요한 건, 이 사다리가 강제되지 않는다는 것입니다. 게이머에서 트레이더로 올라가려면 스스로 학습해야 합니다. 트레이더에서 투자자로 올라가려면 자신의 약점을 마주봐야 합니다. 우리 시스템은 그 과정을 돕되, 다음 단계로 가도록 강요하지 않습니다. 만약 누군가 게이머 단계에서 편하다면, 그렇게 두는 것입니다. 대신 우리가 하는 것은 "다음 단계는 이런 보상이 있어요"라고 보여주는 것입니다.
사장님이 이 성숙 사다리를 조직 전체에 펼쳐놓으면 어떻게 될까요. 직원들은 더 이상 통제받는 느낌을 받지 않습니다. 스스로 성장하는 길을 봅니다.
우리가 "인재를 키운다"고 말할 때, 그것은 교육 프로그램이 많다는 뜻이 아닙니다. 네 개의 엔터프라이즈 시스템이 한 사람의 성장을 다각도로 받쳐준다는 뜻입니다.
AIMED 경영AI는 직원의 실시간 업무를 제안합니다. 단순히 "이 일을 해라"가 아니라, 그 직원의 성숙 단계와 팀의 필요가 맞는 순간을 찾아 일감을 배정합니다. 이것은 "주의 깊은 배치"입니다. 도전적이면서도 성장의 발판이 될 수 있는 업무만 건네줍니다.
AMENA 초지능인재는 진단합니다. 한 명의 직원이 어느 영역에서 강하고, 어디서 약한지를 규칙 기반으로 파악합니다. 막연한 인상이 아니라 데이터가 뒷받침하는 진단입니다. 이것이 있으면 사장님도, 그 직원도 자신의 강점을 정확히 압니다.
Academy 교육은 맞춤형으로 다가옵니다. 진단 결과에 따라 그 직원이 지금 필요한 학습을 제시합니다. 일반적인 리더십 과정이 아니라, "당신은 지금 이 능력이 필요해요"라는 맞춤 커리큘럼입니다.
CRP 보상 시스템 — 크라우니 보상 프로그램은 9원리로 움직입니다. 여기서 핵심은 "공정한 분배"가 아니라 "자가증식하는 기여"입니다. 크라우니 철학의 중심인 3배수 복리가 보상에도 적용됩니다. 처음 한 번 좋은 기여를 한 사람은, 그 다음에는 더 큰 기여를 할 가능성이 높습니다. 우리 시스템은 그 선순환을 감지하고, 그런 사람에게 더 큰 무대를 건넵니다.
이 네 축이 한 사람 위에 동시에 작동하면 어떻게 될까요. 그 직원은 더 이상 회사라는 조직에 소속된 게 아니라, 자신의 성장에 맞춘 개인 맞춤형 경영 AI 시스템 속에 삽니다. 사장님은 관리의 무게에서 풀려납니다. 대신 중요한 순간들에 그 직원의 곁에 섭니다. 좋은 결과가 나왔을 때 함께 기뻐하고, 어려울 때 격려를 건넵니다.
우리가 이 책에서 반복해온 말이 있습니다. 기술이 일을 맡으니 사람이 사람을 마주봅니다.
경영 AI가 투자 결정의 상당 부분을 담당한다면, 사장님이 손에 쥔 것은 무엇일까요. 그것은 "왜 우리가 이 결정을 했는가"를 조직에 설득하고, 그 과정에서 직원들의 신뢰와 자신감을 높이는 일입니다. 위기 관리 규칙이 자동으로 작동한다면, 사장님이 할 일은 무엇일까요. 위기 속에서 흔들리는 팀원들의 마음을 다시 세우는 것입니다.
이것이 "감동을 주고, 도전시키고, 사람을 바꾸는 사람"이 되는 길입니다.
관리라는 짐을 내려놓으니, 비로소 리더십의 진짜 무게가 느껴집니다. 그것은 훨씬 무겁고, 동시에 훨씬 의미 있습니다. 데이터를 읽는 일은 기계가 하고, 사람의 마음을 읽는 일은 사장님이 합니다. 회사를 움직이는 일은 규칙이 하고, 회사의 영혼을 지키는 일은 사장님이 합니다.
저는 이것이 비전이라고 생각합니다. 당신의 회사가 4상 분별로 움직이고, 투자와 위험이 규칙으로 최적화되고, 직원 한 명 한 명이 자신의 성장 사다리를 본다면, 그때 비로소 사장님은 "경영하는 사람"에서 "변화시키는 사람"으로 격상됩니다.
하지만 여기가 정말 끝일까요. 격상의 그림 속에는 아직 채워지지 않은 빈자리가 하나 있습니다. 이 모든 변화 속에서 정작 누가 변해야 하는가, 그 질문의 답은 아직 안 보였습니다.
책의 첫 장에서 우리는 물었습니다. "좋은 사장님은 무엇을 하는 사람인가?"
이제 그 답이 느껴지실 것 같습니다.
좋은 사장님은 경영의 기술을 잘 아는 사람이 아닙니다. 경영의 기술을 맡길 수 있는 사람입니다. 그리고 그렇게 시간이 풀려나면, 정작 사장님이 손에 잡게 되는 것은 다른 것입니다.
지금 당신이 감으로라도 느끼고 있을 그것입니다.
조직의 누군가가 답답해하고 있다. 누군가가 자신의 일을 의미 있다고 느끼지 못하고 있다. 누군가가 할 수 있는 능력이 있는데 그 자리에 놓여 있지 않다. 누군가가 도전의식을 잃어가고 있다.
이 모든 것을 보는 것, 그리고 그 사람 한 사람을 바꾸려는 의지. 그것이 좋은 사장님이 하는 일입니다.
경영 AI는 숫자를 관리합니다. 하지만 조직은 사람으로 이루어져 있습니다. 규칙으로 움직이는 자동화 시스템이 최고 수준의 효율을 내는 순간, 사장님에게 남겨진 일은 단 하나입니다. 그 효율이 정말로 사람들의 삶을 바꾸고 있는지 들여다보는 것입니다.
이 책 전체가 시사하고 있는 것은 실은 하나의 수학입니다.
경영 AI가 정착되고, 규칙엔진이 돌아가고, 의사결정이 자동화되는 순간 — 세상이 조직에 낸 시험의 답안지가 완성됩니다. 매출을 늘리는 방법, 위기를 견디는 방법, 자산을 불리는 방법, 사람을 배치하는 방법. 우리의 경영 AI들이 제시하는 답안지에는 이 모든 것이 적혀 있습니다.
하지만 그 답안지에는 여전히 빈칸이 남아 있습니다.
그 빈칸은 무엇일까요?
"그 모든 성장과 효율의 끝에, 우리 조직은 무엇을 위해 존재하는가?"
"우리 직원들의 인생은 어떻게 바뀔 것인가?"
"5년 뒤 이 회사를 나간 사람들이 가장 감사해할 기억은 무엇일 것인가?"
크라우니가 만든 경영 AI는 이 질문에 답을 주지 않습니다. 줄 수 없습니다. 이것은 기술의 영역이 아니라, 당신의 영역입니다. 당신의 비전, 당신의 가치관, 당신만이 품을 수 있는 그 조직에 대한 사랑입니다.
이제 당신은 선택하셔야 합니다.
내일 아침, 당신이 맡겨왔던 그 일 중 하나를 정할 차례입니다. 투자 검토 회의라면, 그것을 아래 팀에 위임하는 것입니다. 자산 배분 결정이라면, 그것을 AI에 맡기는 것입니다. 핵심 고객 만남 일정이라면, 혹은 분기 전략 수립이라면.
당신이 첫 번째로 손에서 내려놓을 그 것.
다시 말하지만, 그것이 어떤 것이든 상관없습니다. 중요한 것은 당신이 빈시간을 얻는다는 것입니다. 그 빈시간이 처음엔 불안함일 수도 있습니다. "정말 제대로 될까?" 하는 의문이 들 수도 있습니다.
하지만 그 불안함이 가라앉는 순간, 당신은 놀랍고도 당연한 일을 하게 될 겁니다.
복도에서 마주친 직원이 요즘 표정이 안 좋다는 것을 알아채는 것. 팀 안에 숨어 있던 리더십을 누군가에게서 발견하는 것. 왜 그 프로젝트가 실패했는지, 단순한 예산 문제가 아니라 사람들의 동기 문제였을 수도 있다는 것을 깨닫는 것.
이 모든 것이 시작됩니다. 한 가지를 손에서 놓는 순간부터.
우리는 당신을 초대하고 있습니다.
이 같은 진실을 네 가지 눈높이로 전하고 있습니다. 어린이도 이해할 수 있는 이야기로, 바쁜 당신을 위한 빨리 읽는 버전으로, 이 책처럼 깊이 생각하는 일반판으로, 그리고 당신의 회사에 정확히 구현할 실무진을 위한 전문가판으로.
그 어느 것을 택하든, 메시지는 같습니다.
경영의 기술은 배울 수 있고, 규칙으로 만들 수 있고, 자동화할 수 있습니다. 그리고 그 순간이 오면, 당신은 더 이상 관리자가 아닙니다. 당신은 리더입니다. 감동을 주고, 도전을 일깨우고, 한 사람 한 사람의 인생을 바꾸는 그런 리더 말입니다.
당신의 회사는, 당신의 조직은, 그런 리더를 기다리고 있습니다.
책을 덮으면서 우리가 당신에게 남기고 싶은 말은 이것입니다.
지금 당신이 느끼는 무거움과 외로움은 나약함이 아닙니다. 그것은 책임감 있는 사람이 느끼는 정당한 감정입니다. 경영이 어렵다는 것을 아는 사람은 언제나 스스로를 의심합니다.
하지만 이제 당신은 혼자가 아닙니다.
규칙엔진이 있고, 경영 AI가 있고, 그리고 무엇보다 당신의 옆에는 같은 꿈을 꾸는 사람들이 있습니다. 이 책을 읽는 다른 사장님들, 당신의 팀, 당신의 조직.
내일 아침, 한 가지를 손에서 놓으세요. 그 손가락들 사이의 공간을 느껴보세요. 그곳에서 시작됩니다. 당신의 리더십의 진정한 시간이.
지금 당신의 이름을 빈자리에 적을 차례입니다.