# AI 조직 운영체제 — AI 계정을 산 다음, 회사가 답해야 할 질문들 (2026)

> ChatGPT를 샀는데 회사가 그대로인 이유부터, 누가 뭘 해도 되는지·어디에 넣을지·얼마가 드는지·사람과 AI를 어떻게 나눌지까지. OpenAI 2026 논문(회사 1,764곳의 실제 기록)을 근거로 마음컴퍼니가 쉬운 말로 쓴 26편을 8개 층으로 정리한 허브. 정가: SaaS 구축 70만 원부터 + 월 49만 원부터, 데모 무료.

- 정본(HTML): https://maeum.io/ai-org-os/
- 전체 26편 · 각 글 URL 뒤에 index.md 를 붙이면 마크다운 원문
- 저자: 마음컴퍼니 (MAEUM) — 정가를 공개하는 AI 개발사 · https://maeum.io

AI 도입의 성패는 **어떤 AI를 샀느냐가 아니라, 그걸 회사 어디에 놓았느냐**가 가릅니다. OpenAI가 2026년 8월 기업 고객 1,764곳의 실제 사용 기록으로 확인한 결론입니다. "도입은 시작일 뿐이다." 이 시리즈는 계정을 산 **다음**에 회사가 답해야 할 질문을 여덟 층으로 나눠 한 편에 하나씩 답합니다. 아래층이 없으면 위층이 안 섭니다. 고등학생이 읽어도 알 수 있게 썼습니다. 마음컴퍼니는 AI 계정을 팔지 않습니다. **AI가 놓일 자리를 정가로 만듭니다.** 진단 5회권 25만 원, SaaS 운영형 구축 70만 원부터 + 월 49·99·149만 원(직원 수 무관), 계약 전 작동 데모 무료.

## 처음이면 이 순서

1. **0편**을 읽고 논문이 찾은 네 가지 사실을 5분 안에 챙깁니다 — [기업 AI 도입, 계정만 사면 왜 안 되나](https://maeum.io/blog/enterprise-ai-adoption-openai-2026/)
2. **1편**의 열두 질문에 예·아니오·모름을 적고 "모름" 개수를 셉니다 — 4개 이상이면 아직 개인 계정 단계입니다 — [AI를 샀으면 이제 뭘 정해야 하나](https://maeum.io/blog/ai-adoption-12-questions/)
3. "모름"이 몰린 층으로 갑니다. 누가 뭘 해도 되는지가 걱정이면 2층, 어디에 넣을지면 3층, 사고가 걱정이면 보안 편, 효과를 숫자로 보고 싶으면 지표 편.
4. 첫 자리 하나를 정하고 진단 5회권 25만 원에서 같이 문서로 만듭니다. 계약은 데모를 본 다음입니다. 계약을 안 하셔도 그 문서는 회사 것입니다.

## 1층 · 보기 — 우리 회사에서 AI가 어떻게 쓰이고 있나

재지 않으면 "잘 되는 것 같다"에서 멈춥니다. 논문이 쓴 잣대와 마음컴퍼니가 하나 더한 잣대, 그리고 사장님이 매주 보는 화면.

- [0편 · 기업 AI 도입, 계정만 사면 왜 안 되나 — 회사 1,764곳의 기록이 말해 준 것 (2026)](https://maeum.io/blog/enterprise-ai-adoption-openai-2026/): ChatGPT를 전 직원에게 줬는데 회사는 그대로인 이유. OpenAI가 회사 1,764곳의 실제 사용 기록에서 찾은 네 가지 사실을 쉬운 말로 풀었습니다. 마음컴퍼니는 AI가 놓일 자리를 정가로 만듭니다.
- [8편 · AI를 잘 쓰고 있는지 어떻게 아나 — 느낌이 아니라 숫자로 보는 법](https://maeum.io/blog/ai-usage-telemetry-dashboard/): "AI 넣고 좋아진 것 같다"는 답이 아닙니다. OpenAI가 회사 1,764곳을 잴 때 쓴 잣대와, 마음컴퍼니가 하나 더한 잣대. AI가 만든 것이 회사에 남는 비율.
- [14편 · 사장님은 AI를 어떻게 쓰나 — 결정 전에 훑어보는 화면을 만드는 법](https://maeum.io/blog/executive-ai-dashboard/): OpenAI 논문에서 임원은 AI로 결과물을 만들지 않습니다. 결정하기 전에 훑어봅니다. 그 훑어보기를 매번 채팅창에 묻는 대신, 시스템이 매주 준비해 두게 만드는 법. 화면은 결정을 대신하지 않습니다.

## 2층 · 규칙 — 누가 무엇을 해도 되나

권한·정보·보안·위험. 사고가 나는 층이고, 대부분의 회사가 건너뛰는 층입니다.

- [1편 · AI를 샀으면 이제 뭘 정해야 하나 — 회사가 답해야 할 12가지 질문](https://maeum.io/blog/ai-adoption-12-questions/): ChatGPT를 샀다고 끝이 아닙니다. 누가 쓰나, 무엇에 쓰나, 틀리면 누가 책임지나. 열두 개 질문 중 "모름"이 4개 넘으면 AI는 아직 개인 계정 안에 있는 겁니다. 진단 5회권 25만 원으로 같이 채웁니다.
- [2편 · AI 권한 설계 — AI가 뭘 해도 되고 뭘 하면 안 되는지 적는 법](https://maeum.io/blog/ai-permission-design/): "AI 써도 된다" 한 줄로는 아무것도 정해진 게 없습니다. 보기·초안 쓰기·보내기·고치기·지우기를 따로 정하고, 사람과 AI를 다른 칸에 적습니다. 병원 예약 확인 문자 예시.
- [15편 · AI에 넣기 전에 데이터부터 — 같은 숫자가 세 곳에서 다르게 적혀 있다면](https://maeum.io/blog/ai-data-governance/): AI가 틀린 답을 하는 이유의 다른 절반은 회사 정보가 세 곳에서 서로 다르게 적혀 있어서입니다. 같은 정보는 한 곳에만 두는 원칙과, 서로 다르게 적힌 곳을 AI가 찾아 주는 법. 부동산 중개 예시.
- [9편 · AI 넣을 때 사고 안 나게 — 보안과 개인정보, 꼭 알아야 할 것만 (2026)](https://maeum.io/blog/ai-security-privacy-audit/): AI 사고는 대부분 네 가지 중 하나입니다. 남이 AI에게 명령을 끼워 넣거나, 고객 정보가 밖으로 나가거나, AI가 허락 밖의 일을 하거나, 사고가 났는데 기록이 없거나. 각각 막는 방법이 있습니다.
- [16편 · AI 위험하지 않나요 — 막연한 불안을 목록으로 바꾸는 법](https://maeum.io/blog/ai-risk-inventory/): "위험하지 않나"에는 답이 없습니다. 무엇이 위험한지 안 정했으니까요. 목록으로 만들면 답이 생깁니다. 자주 일어나고 피해가 큰 것 몇 개에만 장치를 둡니다. 위험은 금지 사유가 아니라 장치를 둘 자리입니다.

## 3층 · 자리 — AI가 일 어디에 들어가나

한 번에 다 넣으면 실패합니다. 첫 자리 하나, 부서별 첫 자리, 퍼뜨리는 순서, 회의·이메일·카톡.

- [4편 · 업무 흐름에 AI를 심는 법 — 한 번에 다 하지 말고 한 자리부터](https://maeum.io/blog/ai-workflow-integration/): AI를 일에 넣는 데는 순서가 있습니다. 지금 일이 어떻게 흐르는지 적고, 막히는 곳을 찾고, 자리 하나만 고릅니다. 한 번에 전부 자동화하면 첫 사고에서 전부 끕니다. 쇼핑몰 재고 발주 예시.
- [11편 · 부서마다 AI가 처음 들어갈 자리는 거의 정해져 있다 — 대부분 초안입니다](https://maeum.io/blog/ai-first-seat-by-department/): "우리 부서는 AI로 뭘 하지"의 답은 대부분 초안입니다. 영업은 제안서 초안, 고객 응대는 첫 답변 초안, 재무는 청구서 정리. 왜 첫 자리가 초안인지, 부서가 셋도 안 되는 회사는 어떻게 읽는지.
- [17편 · AI는 저절로 퍼지지 않는다 — 여섯 달 동안 한 자리씩 퍼뜨리는 법](https://maeum.io/blog/ai-adoption-rollout-resistance/): OpenAI 논문에서 큰 회사일수록 AI를 산 뒤 직원 한 명당 사용은 오히려 낮았습니다. 퍼지는 것 자체가 설계할 일입니다. 앞장서는 사람은 임원이 아니라 가장 깊게 쓰는 사람, 교육은 강의가 아니라 자기 일 한 건.
- [18편 · 회의·이메일·카톡에 AI 첫 자리 — 회의록과 묻힌 결정을 건지는 법](https://maeum.io/blog/communication-ai-meetings-email/): 회사에서 시간이 가장 많이 새는 곳은 일 자체가 아니라 일에 관해 말하는 시간입니다. 회의를 녹음해서 결정과 할 일을 뽑고, 메일을 나누고, 카톡에 묻힌 "그렇게 하죠"를 건지는 법. 녹음은 동의가 먼저입니다.

## 4층 · 실행 — AI가 실제로 무엇을 하고, 누가 확인하나

어디까지 AI, 어디부터 사람. 에이전트 하나, 그다음 여러 개. 그리고 잘했는지 숫자로 보는 법.

- [3편 · 어디까지 AI, 어디부터 사람 — 일을 나누는 세 가지 질문 (2026)](https://maeum.io/blog/human-ai-division-of-labor/): AI에게 맡길지 사람이 할지는 세 질문으로 정합니다. 되돌릴 수 있나, 틀리면 누가 다치나, 판단인가 처리인가. 학원 상담 문의 하나를 실제로 나눠 봅니다.
- [7편 · AI 에이전트를 회사에 들이기 전에 — 사람 뽑을 때 묻는 걸 똑같이 묻는다](https://maeum.io/blog/ai-agent-checklist-before-deploy/): 에이전트는 "말하는 AI"가 아니라 "실행하는 AI"입니다. 누구인지, 무슨 일을 맡기는지, 어디까지 혼자 해도 되는지, 막히면 누구에게 넘기는지. 신입 사원 뽑을 때 묻는 것과 같습니다.
- [19편 · AI 에이전트 여러 개 굴리기 — 둘째부터는 "누가 누구 말을 믿나"가 문제](https://maeum.io/blog/multi-agent-coordination/): 에이전트가 둘을 넘으면 문제가 바뀝니다. "이게 잘하나"에서 "둘이 다르게 판단하면 누가 이기나"로. 최종은 항상 사람이고, 여러 개를 조율하는 건 팀장의 일입니다. 에이전트 수는 성과가 아닙니다.
- [20편 · AI가 잘했는지 어떻게 아나 — "좋아진 것 같다"를 숫자로 바꾸는 법](https://maeum.io/blog/ai-output-evaluation/): 논문이 인용한 실험들의 결론은 하나입니다. AI 효과는 결과를 어떻게 평가하고 반영하느냐에 따라 갈린다. 평가가 없으면 효과가 없는 게 아니라 모르는 겁니다. 좋은 결과를 먼저 문장으로 적고, 실제 사례로 비교하는 법.

## 5층 · 기억과 모델 — AI가 무엇을 알고, 어느 모델로 답하나

회사 기억을 연결하고, 문서를 찾을 수 있게 정리하고, 지시문을 회사 것으로, 모델은 갈아 끼울 수 있게.

- [6편 · 회사의 기억을 AI에 연결하기 — AI가 우리 회사 일을 모르는 이유](https://maeum.io/blog/organizational-memory-rag/): AI가 엉뚱한 답을 하는 이유의 절반은 모델이 아니라 회사 정보가 AI 손에 없어서입니다. 회의록·규정·가격표·과거 결정을 AI가 찾아서 근거로 답하게 만드는 법과, 복붙이 위험한 이유.
- [22편 · 찾을 수 없는 문서는 없는 문서다 — AI가 찾을 수 있게 회사 문서를 정리하는 법](https://maeum.io/blog/knowledge-infrastructure/): 앞 편이 "연결"이면 이 편은 "정리"입니다. 문서가 다섯 곳에 흩어져 있고 최종·진짜최종이 섞여 있으면 AI는 아무거나 근거로 답합니다. 한 곳에 두고, 찾을 수 있게 하고, 오래된 건 버리는 법. 헬스장 예시.
- [21편 · 직원 머릿속 AI 지시문을 회사 것으로 — 잘 쓰는 사람이 나가도 남게](https://maeum.io/blog/prompt-management-registry/): AI를 잘 쓰는 직원의 비결은 대부분 지시문입니다. "이렇게 시키면 잘 나온다." OpenAI 논문에서 가장 깊게 쓰는 사람은 신입이고, 그 비결은 개인 계정에 쌓입니다. 퇴사하면 같이 나갑니다. 회사 것으로 만드는 법.
- [5편 · AI 모델은 계속 바뀐다 — 모델을 갈아 끼울 수 있게 만드는 법](https://maeum.io/blog/ai-model-routing-switch/): 지금 1등 AI가 1년 뒤에도 1등은 아닙니다. 회사 시스템을 한 AI 회사에 묶어 두면 그 변화를 못 탑니다. 모델이 바뀌어도 사업이 안 멈추는 구조와, 내 계정으로 AI를 쓰는 선택지.

## 6층 · 비용 — 얼마가 들고, 얼마가 남나

새는 곳, 남는지 계산하는 법, 직원 한 명당 요금과 회사 한 곳당 요금. 정가는 숨기지 않습니다.

- [10편 · AI 비용, 어디서 새나 — 얼마가 드는지 보이게 만드는 법 (2026)](https://maeum.io/blog/ai-cost-finops/): AI 비용은 읽고 쓴 글자 양 × 모델 단가 × 부른 횟수입니다. 새는 곳은 식이 아니라 "누가 얼마나 쓰는지 모르는 것"입니다. 직원 한 명당 내는 요금과 회사 한 곳당 내는 요금의 차이.

## 7층 · 조직 — 사람과 AI를 어떻게 나누나

사람이 하는 일이 만들기에서 확인하기로 바뀌면 조직도도 바뀝니다. 신입은 가장 깊게 쓰는 사람이고, 결정은 적혀야 다음 결정의 근거가 됩니다.

- [12편 · AI가 들어오면 조직도가 바뀐다 — 사람은 만드는 일에서 확인하는 일로 (2026)](https://maeum.io/blog/ai-org-redesign/): 직원 다섯이 하던 조사·분석·보고·검토·결정이 AI 셋과 사람 둘로 바뀌면, 사람이 하는 일은 만들기에서 확인하기와 판단하기로 옮겨갑니다. 팀장 역할이 가장 크게 바뀝니다.
- [23편 · 신입이 AI를 가장 깊게 쓴다 — 그 사람이 만든 것을 회사에 남기는 법](https://maeum.io/blog/early-career-ai-onboarding/): OpenAI 논문에서 AI를 가장 집중적으로 쓰는 사람은 신입입니다. 해석은 둘입니다. 신입 일을 AI가 대체하거나, 신입이 AI로 훨씬 많이 만들거나. 기록은 후자입니다. 뽑고, 첫날 맞이하고, 키우는 법.
- [24편 · "왜 그렇게 정했더라" — 회사의 결정을 한 장으로 남기는 법](https://maeum.io/blog/decision-records/): 회사에서 가장 비싼 것은 결정이고, 가장 안 남는 것도 결정입니다. 세 달 뒤 "우리 그때 왜 그랬지"에 답할 사람이 없습니다. 무엇을, 왜, 누가, 언제 다시 볼지를 한 장에 적는 법. AI는 결정 앞까지, 결정은 사람.

## 8층 · 반복 — 결과를 보고 다시 짜는 게 매달 돌아가나

논문이 말한 "느린 과정"은 반복입니다. 매달 한 시간짜리 회의가 그 반복의 실체입니다.

- [13편 · 사람과 AI가 함께 일하는 회사 — 시리즈를 한 편으로 (결론)](https://maeum.io/blog/human-ai-organization-os/): AI 모델은 점점 흔해집니다. 흔해질수록 모델을 회사에 심는 일의 값이 오릅니다. 스물여섯 편이 말한 것을 한 편으로 정리하고, 마음컴퍼니가 어떤 회사인지 한 줄로 말합니다.
- [25편 · 매달 한 시간 — AI 도입이 6개월 뒤에도 살아 있는 회사의 유일한 차이](https://maeum.io/blog/monthly-ai-review/): 논문이 말한 "느린 과정"은 반복입니다. 결과를 보고 다시 짜는 걸 실제로 돌리는 건 매달 한 시간짜리 회의입니다. 우리 회사 결과만 보고, 새 기능 구경은 안 합니다. 회의에서 정한 건 다음 달까지 저희가 반영합니다.

## 왜 이 시리즈를 쓰나

AI 회사들은 모델을 팝니다. 마음컴퍼니는 모델이 놓일 자리를 만듭니다. 논문이 말한 대로 모델은 점점 흔해지고, 값은 그 모델을 회사에 심는 일로 옮겨갑니다. 이 시리즈는 그 일이 왜 필요하고 어떤 질문을 던져야 하는지를 씁니다. 질문의 답이 되는 표와 절차는 회사마다 다르게 나오기 때문에 여기 다 적지 않았습니다. 진단 5회권 25만 원에서 회사에 맞춰 같이 만들고, 계약을 안 하셔도 그 문서는 회사 것입니다. 논문이 확인한 사실과 마음컴퍼니의 생각은 매 편에서 구분해 썼습니다. 어디까지가 실증이고 어디부터가 저희 설계인지 구분해서 읽으십시오.

## 마음컴퍼니 정가 (부가가치세 별도 · 최종 금액은 진단 후 확정)

- 진단 5회권: 25만 원 (회당 최대 90분, 데모 시연 포함)
- SaaS 운영형 (추천): 구축 70만 원부터 + 월 49·99·149만 원 — 서버·AI·개선·추가 기능 구축·월간 성과 리포트 포함, 인원수 과금 없음
- SI 소유형: 구축 250만 원부터 (제대로 구축 700만~) — 이후 월 구독료 없음, 관리는 회차권
- SEO·GEO·검색 상위노출은 구축에 무료로 포함. 데모는 무료 — 실제로 눌러보고 마음에 들 때만 계약.
- 가격 정본(기계용 JSON): https://maeum.io/facts.json

## 자주 묻는 질문

**Q. 26편을 다 읽어야 하나요?**
A. 아닙니다. 0편과 1편만 읽고 열두 질문에서 "모름"이 몰린 층으로 가시면 됩니다. 나머지는 필요할 때 해당 층을 찾아 읽는 참고서입니다.

**Q. 이 시리즈의 근거는 뭔가요?**
A. OpenAI 연구진과 컬럼비아·와튼 교수가 쓴 논문 "How Organizations Use AI: Evidence from ChatGPT"(2026-08-11)입니다. ChatGPT Enterprise 기업 고객 1,764곳·메시지 1,744만 건의 실제 사용 기록 분석입니다. 마음컴퍼니는 이 논문의 저자도 OpenAI 파트너도 아닙니다. 현장에서 회사에 AI를 들이는 개발사로서 읽고 정리했습니다.

**Q. ChatGPT Enterprise를 사야 이 내용이 적용되나요?**
A. 아닙니다. 논문의 데이터가 ChatGPT Enterprise일 뿐, 질문(권한·나눔·자리·기억·평가)은 어떤 AI를 쓰든 같습니다. 마음컴퍼니는 특정 AI를 팔지 않고, 모델이 바뀌어도 사업이 계속 돌아가는 구조를 만듭니다. AI가 필요 없으면 AI를 넣지 않습니다.

**Q. 우리 회사는 직원 10명인데 큰 회사 논문이 해당되나요?**
A. 숫자는 그대로 옮기면 안 되고, 방향은 같습니다. 논문에서 큰 회사는 먼저 사지만 산 뒤 직원 한 명당 사용은 오히려 낮습니다. 퍼지는 데 오래 걸립니다. 작은 회사는 그 시간이 짧습니다. 3층 이후는 회사 크기의 게임이 아닙니다.

**Q. 글에 표와 절차가 별로 없는데요?**
A. 일부러 그렇습니다. 권한표·나눔표·위험 목록·결정 기록 한 장은 회사마다 다르게 나옵니다. 남의 회사 표를 가져다 쓰면 안 맞습니다. 그래서 글에는 왜 필요한지와 어떤 질문을 던져야 하는지까지 쓰고, 표 자체는 진단 5회권 25만 원에서 회사에 맞춰 같이 만듭니다.

**Q. 비용은 얼마인가요?**
A. 진단 5회권 25만 원(회당 최대 90분, 데모 시연 포함). SaaS 운영형 구축 70만 원부터 + 월 49·99·149만 원(직원 수 무관, 개선·추가 기능·월간 성과 리포트 포함). SI 소유형 구축 250만 원부터(제대로 구축 700만~), 관리 회차권 49만 원. 부가가치세 별도, 최종 금액은 진단 후 확정. 계약 전 작동 데모는 무료입니다.

---
마음컴퍼니 (MAEUM) · 무료 데모: https://maeum.io/start/ · 정가: https://maeum.io/price/ · 문의: support@maeum.io