브라운필드의 코끼리 — AI 도입이 느린 진짜 이유는 승인 절차에 있다
브라운필드 AI 도입이란 기존 조직 구조와 승인 절차를 유지한 채 AI 속도만 높이려는 접근이다. 시스코가 9만 명에게 에이전트를 배포하며 핵심으로 꼽은 숫자는 모델 성능이 아니라 하위 에이전트 800개였다.
메타가 AI로 콘텐츠 검토 인력을 대체하려던 프로젝트가 두 가지 이유로 좌초됐습니다. 내부 반발과 기술 결함.
흥미로운 건 실패 원인이 하나가 아니라 둘이었다는 사실입니다. 기술 결함만 있었다면 R&D 실패입니다. 내부 반발만 있었다면 조직 실패입니다. 그런데 두 가지가 동시에 왔습니다. 이 조합이 무엇을 가리키는지 생각해볼 필요가 있습니다.
브라운필드가 뭐가 문제인가
브라운필드(Brownfield)는 소프트웨어 개발 용어입니다. 기존 시스템·코드베이스·조직 구조가 이미 존재하는 환경에 새 기술을 얹는 것을 말합니다. 반대는 그린필드(Greenfield) — 처음부터 짓는 것.
AI 도입에서 대부분의 기업은 브라운필드에 있습니다. 기존 승인 절차가 있고, 기존 위계가 있고, 기존 예산 결재 주기가 있습니다. 여기에 AI 도구를 추가하면 속도는 올라갑니다. 하지만 병목은 사라지는 것이 아니라 옮겨갑니다.
보다 정확하게 말하면 이렇습니다. AI는 병목 앞의 칸을 빠르게 만들어 병목을 더 잘 보이게 할 뿐입니다.
시스코의 숫자가 말하는 것
시스코는 2026년 하반기 9만 명에게 AI 에이전트를 배포했습니다. 배포 규모만 보면 성공적입니다. 그런데 더 주목할 숫자가 따로 있습니다. 800 — 하위 에이전트의 수입니다.
직원에게 배포한 것은 더 똑똑한 도구가 아니었습니다. 라우팅 표면이었습니다. 얼마나 쪼개고, 어디까지 위임하고, 어느 단계에서 멈출 수 있는지를 설계한 것이 핵심이었습니다. 9만 명에게 동일한 AI를 준다고 결과가 같아지지 않는 이유입니다.
이 구조가 작동하려면 하나가 선행돼야 합니다. 각 단계에서 “누가 승인하는가”가 명확해야 합니다.
승인 절차가 병목이 되는 구조
AI가 3시간짜리 작업을 80%까지 처리했는데 최종 승인이 5일 후 주간 회의에서 난다면, AI가 만든 건 완료된 결과물이 아니라 대기 목록입니다. 그 속도는 회의 주기가 제한합니다.
이건 모델 선택 문제가 아닙니다. Claude를 Gemini로 교체해도 같은 자리에서 막힙니다.
2026년 들어 에이전트 배포에서 반복적으로 관측되는 패턴이 있습니다. 채택이 빠른 팀과 막히는 팀의 차이는 AI 역량보다 “승인 절차를 몇 개나 들고 있었느냐”에서 나옵니다. 도구를 먼저 배포하고 조직을 나중에 바꾸려던 팀들은 대부분 이 지점에서 멈췄습니다.
메타 프로젝트의 두 가지 실패 원인 — 내부 반발과 기술 결함 — 도 같은 구조입니다. 기술을 배포하기 전에 “이 기술이 기존 승인 구조와 어떻게 공존할 것인가”를 먼저 설계하지 않으면, 기술 문제와 조직 문제는 분리되지 않고 함께 옵니다.
배포 게이트 — 승인을 앞으로 당기는 방법
최근 에이전트 배포 프레임워크에서 주목받는 접근이 있습니다. 배포 전 의도를 선언하는 파일을 먼저 만드는 방식입니다. 이 파일에는 에이전트가 무엇을 할 것인지, 어떤 범위 안에서 움직이는지, 실패했을 때 누가 개입하는지가 명시됩니다.
단순한 문서 작업처럼 보이지만 이 방식이 실제로 하는 일은 승인 구조를 앞으로 당기는 것입니다. 매번 물어보는 대신, 배포 시점에 경계를 정해둡니다. 에이전트가 그 경계 안에서 움직이는 동안에는 별도 승인이 필요 없습니다.
기존 승인 절차를 없애는 것이 아닙니다. 더 앞으로 옮기는 것입니다. 이것이 배포 게이트의 핵심입니다.
PM의 첫 질문이 달라져야 한다
브라운필드에 AI를 도입하는 PM의 첫 질문은 “어느 모델을 쓸까”가 아닙니다.
“현재 업무 흐름에서 에이전트 속도를 가장 많이 잡아먹는 승인 단계는 어디인가”가 더 앞서야 합니다.
이 질문에 답하지 않은 채 배포하면, AI는 빠르게 완성하고 조직은 느리게 처리합니다. 생산성 지표는 올라가는데 실제 완료 속도는 제자리입니다. 대기 목록만 길어집니다.
메타가 만난 두 가지 실패 원인은 동시에 온 것이 아니라, 처음부터 연결돼 있었습니다. 승인 구조를 바꾸지 않은 채 대체를 목표로 설정했을 때, 기술 격차는 정치 문제가 되고 정치 문제는 기술 결함을 키웁니다. 이것이 브라운필드의 코끼리입니다 — 방 안에 있는데 아무도 먼저 말하지 않는 것.
여러분의 팀에서 AI가 만든 결과물이 가장 오래 기다리는 단계는 어디입니까?