⚡ 결론 직답: Dropbox의 Mike Torres CPO는 기업의 AI 성공이 단순 모델 활용을 넘어, 흩어진 정보와 업무 맥락을 AI로 연결하여 실질적인 업무 프로세스에 통합하는 데 달려 있다고 강조했습니다.
📌 3줄 핵심 요약
- Dropbox CPO Mike Torres는 정보 파편화로 인해 발생하는 업무 마찰을 해결하기 위해 AI를 통한 정보와 맥락의 연결을 강조함
- 기존 디지털 도구들은 저장, 소통 등 개별 기능에 치중되어 있어 프로젝트 전체의 맥락을 유지하고 연결하는 데 한계가 있음
- AI의 진정한 가치는 단순 문서 요약을 넘어, 업무 프로세스의 다음 단계에서 즉시 활용 가능한 정보를 제공하는 연결성에 있음
📅 데이터 기준일: 2026-11-22 | 원문 출처 기반 심층 리포트
안녕하세요, 딥러너 (DeepLearner)입니다.
최근 많은 기업의 비즈니스 시스템과 프로세스 내에 AI가 확고하게 자리 잡으면서, 이제 업계의 관심사는 단순히 'AI를 도입하느냐'의 문제를 넘어 '어떻게 하면 기술로부터 실질적이고 가시적인 이득(tangible benefits)을 이끌어낼 것인가'로 이동하고 있습니다. AI 기술은 모든 직군에 걸쳐 업무의 효율성과 효과성을 높여줄 것이라는 거대한 약속을 하고 있지만, 과연 실제 업무 현장에서 그 모습은 어떠할까요?
이 질문에 대한 답을 찾기 위해, 저희는 Dropbox의 최고 제품 책임자(CBO), Mike Torres와 이야기를 나누었습니다. 그는 오늘날 조직이 업무를 수행하는 과정에서 겪는 가장 큰 '일상적 마찰력(day-to-day friction)'이 어디서 발생하는지, 그리고 이것이 팀 전체에 미치는 누적된 영향이 무엇인지에 대해 심도 있는 통찰을 공유해 주었습니다.
Mike Torres CPO는 업무 효율을 저해하는 핵심 원인으로 '정보를 보유하고 있는 상태'와 '그 정보를 유용하게 활용할 수 있는 상태' 사이의 간극을 지목했습니다. 기업들은 지난 수년간 엄청난 양의 콘텐츠를 축적해 왔지만, 문제는 이 정보들이 서로 다른 도구(tools), 폴더, 그리고 시스템에 파편화되어 흩어져 있다는 점입니다. 적절한 문서를 찾아내고, 그 문서의 맥락을 이해하며, 최신 버전을 확인한 뒤 이를 다음 업무 단계로 가져오는 과정에는 우리가 생각하는 것보다 훨씬 더 많은 시간이 소요됩니다.
이러한 과정 하나하나를 떼어 놓고 보면 개인에게는 그저 사소한 방해 요소처럼 느껴질 수 있습니다. 하지만 이러한 작은 마찰들이 팀 전체에서 반복적으로 발생할 때, 그 영향은 무시할 수 없는 수준으로 쌓이게 됩니다. 구성원들은 정보를 활용하는 본연의 업무에 집중하는 대신, 정보를 검색하고, 파일을 이동시키고, 버전을 확인하며, 반복적인 행정적 절차를 처리하는 등 '정보를 관리하는 일'에 귀중한 시간을 허비하게 됩니다. 더욱이 이러한 마찰은 협업을 어렵게 만듭니다. 팀원들이 동일한 맥락을 공유하지 못하거나, 필요한 정보에 접근하지 못하는 상황이 빈번하게 발생하기 때문입니다.
결국 문제는 정보나 기술의 부족이 아닙니다. 핵심은 조직이 이미 보유하고 있는 정보를 어떻게 하면 더 접근하기 쉽고 유용하게 만드느냐에 있습니다. 이를 통해 구성원들이 단순한 관리 업무에서 벗어나, 인간의 판단력과 전문성이 필요한 진짜 중요한 업무에 더 많은 시간을 할애할 수 있도록 만드는 것이 진정한 과제입니다.
그렇다면 왜 지난 수년간 막대한 투자가 이루어진 디지털 도구들과 협업 플랫폼들이 이러한 문제를 해결하지 못했을까요? 왜 조직의 지식은 여전히 서로 연결되지 않고 사용하기 어려운 상태로 남아 있는 것일까요? Mike Torres는 그 이유를 기존 도구들의 설계 방식에서 찾았습니다. 기업들이 투자해 온 수많은 도구는 파일 저장, 동료와의 소통, 프로젝트 관리, 정보 공유 등 특정 문제를 해결하기 위해 개별적으로 설계되었습니다. 각 도구 덕분에 개별적인 활동은 훨씬 쉬워졌을지 모르지만, 실제 업무는 결코 단 하나의 공간에서만 이루어지지 않습니다.
현대의 프로젝트는 하나의 시스템에는 문서가, 또 다른 시스템에는 대화 기록이, 다른 곳에는 피드백이, 그리고 최종 결과물은 또 다른 별도의 애플리케이션에 담겨 있는 구조를 띱니다. 정보 자체는 존재하지만, 그 정보를 둘러싼 '맥락(context)'이 단절되어 버리는 것입니다. 어떤 문서를 발견하더라도 왜 그런 결정이 내려졌는지, 이것이 최신 버전인지, 혹은 프로젝트의 나머지 부분과 어떤 연관이 있는지 알 수 없는 상황이 발생하는 이유가 바로 여기에 있습니다.
따라서 단순히 새로운 도구를 하나 더 추가하는 것만으로는 이 문제를 해결할 수 없습니다. 진정한 기회는 사람들이 이미 수행하고 있는 업무 전반에 걸쳐 '정보'와 '맥락'을 연결하는 데 있습니다. 바로 이 지점에서 AI가 강력한 해결사로 등장합니다. AI는 모든 정보가 완벽하게 정리되어 있거나 한곳에 모여 있지 않더라도, 다양한 형식의 정보를 이해하고 연결함으로써 사람들이 파편화된 정보 속에서도 맥락을 놓치지 않고 업무를 수행할 수 있도록 도울 수 있기 때문입니다.

2부: 기존 디지털 도구의 한계와 정보 간 맥락 단절 문제 분석#
현재 수많은 기업이 AI 도입을 위해 다양한 실험을 이어가고 있습니다. 하지만 단순히 기술적인 실험을 넘어, AI가 어떻게 해야 우리의 일상적인 업무 프로세스에 실질적이고 유용한 파트너로 자리 잡을 수 있을까요? Dropbox의 CPO, Mike Torres는 이 질문에 대해 매우 명확한 기준을 제시합니다. 그는 단순히 AI 모델이 보여주는 놀라운 성능(Impressive in isolation)과, 실제 비즈니스 프로세스 내에서 유용하게 작동하는 것(Useful as part of a business process) 사이에는 분명한 차이가 있다고 강조합니다.
단순히 문서를 요약하거나 초안을 작성해달라고 요청하는 것은 AI 활용의 아주 기초적인 단계에 불과합니다. 이는 업무를 완수하기 위한 전체 과정 중 단지 하나의 단계일 뿐입니다. 진정으로 어려운 과제는 AI를 사람이 실제로 필요로 하는 정보 및 맥락(Context)과 연결하는 것입니다. 즉, AI의 결과물이 다음 업무 단계에서 즉시 사용될 수 있도록 보장하는 것이 핵심입니다. 이를 위해서는 모델 그 자체를 넘어, 관련 정보가 어디에 저장되어 있는지, 어떤 권한(Permissions)이 적용되는지, 출력된 결과물을 어떻게 검토하고 기존 업무 방식에 어떻게 녹여낼 것인지를 모두 고려해야 합니다.
Dropbox가 추구하는 AI 전략의 핵심적인 기술적, 운영적 특징은 다음과 같습니다.
- 업무 프로세스의 마찰 제거(Removing Friction): 익숙한 업무 흐름에서 발생하는 불편함을 없애는 데 집중하며, 사용자가 이미 보유한 파일들의 깊은 맥락(Deep context)을 활용하여 정보를 찾는 단계에서 프로젝트를 추진하는 단계로 매끄럽게 넘어갈 수 있도록 돕습니다.
- 사용자 선택권과 도구 간의 연결성: 사용자가 가장 선호하는 AI 도구를 자유롭게 사용할 수 있도록 지원합니다. 구체적으로 ChatGPT, Claude, Copilot, Muse 등 다양한 외부 AI 도구에서 Dropbox의 파일들을 연결하여 작업할 수 있는 환경을 제공합니다.
- 데이터의 영속성과 통합 관리: 외부 도구에서 생성된 결과물(Supported outputs)은 다시 Dropbox에 저장됩니다. 이를 통해 원본 콘텐츠와 AI로 생성된 작업물 모두가 안전하고 지속 가능한 공간(Durable home)에 머물게 되며, 팀원들은 도구나 필요가 변하더라도 언제든 이를 검토, 수정, 공유할 수 있습니다.
- AI 에이전트의 안전한 자동화: AI 에이전트가 스스로 행동을 취하기 시작할 때, 기업은 명확한 결과값이 있고 검증 가능한 반복적인 작업(Well-defined, repetitive tasks)부터 맡겨야 합니다. 정보 정리나 파일 이동과 같은 루틴한 단계에서 자동화의 효용을 극대화할 수 있습니다.
특히 주목해야 할 점은 'AI 에이전트'의 권한과 통제에 관한 부분입니다. AI가 단순히 정보를 제공하는 수준을 넘어 직접적인 '행동(Action)'을 취하게 될 때는 차원이 다른 주의가 필요합니다. Mike Torres는 기업이 에이전트의 접근 권한, 변경 권한, 그리고 사람이 개입해야 하는 시점을 매우 신중하게 설계해야 한다고 조언합니다. 기존의 권한 체계는 반드시 유지되어야 하며, 에이전트가 수행한 모든 작업은 가시적이어야 합니다. 또한, 문제가 발생했을 때 사용자가 변경 사항을 검토하고 필요시 되돌릴(Reverse) 수 있는 기능이 반드시 뒷받침되어야 합니다.
Dropbox의 새로운 경험은 바로 이러한 원칙을 충실히 따르고 있습니다. 이 시스템은 먼저 관련 콘텐츠를 식별한 뒤, 변경을 수행하기 전 사용자에게 구체적인 계획을 제안(Propose a plan)하며, 사용자의 승인을 거친 후에만 실행에 옮깁니다. 또한 기존의 권한 체계 내에서 작동하며, 수행된 모든 작업의 기록을 남기고 지원되는 변경 사항에 대해서는 '실행 취소(Undo)' 기능을 제공합니다.
결국 AI 도입의 궁극적인 목적은 사람을 프로세스에서 완전히 배제하는 것이 아닙니다. 오히려 지속적인 수동 작업이 필요 없는 업무는 에이전트에게 위임하되, 최종적인 결정과 판단, 그리고 감독(Oversight)의 책임은 여전히 사람에게 남겨두는 것입니다. AI가 업무를 더 쉽게 만들고, 단순한 결과물을 넘어 유용한 성과로 이어지게 도울 때, 비로소 AI는 기업의 업무 환경에서 진정한 가치를 인정받게 될 것입니다.
3부: AI의 진화, 단순 실험을 넘어 업무 프로세스 통합을 향하여#
이제 AI는 단순히 놀라운 결과물을 만들어내는 '실험적 도구'의 단계를 넘어, 실제 업무 프로세스의 핵심으로 스며들고 있습니다. 우리가 주목해야 할 지점은 AI가 얼마나 화려한 문장을 쓰느냐가 아니라, 얼마나 우리의 반복적인 업무 시간을 실질적으로 줄여주느냐에 있습니다. 최근 발표된 초기 사례들은 매우 고무적입니다. 특히 파일 관리나 콘텐츠 정리와 같이 많은 시간이 소요되는 반복적인 업무에서 그 진가가 드러나고 있습니다.
실제로 '인텔리전트 커뮤니티즈 그룹(Intelligent Communities Group)'의 CEO 랜달 바니(Randall Barney)는 새로운 Dropbox 경험을 통해 1,200개의 이미지를 단 10분 만에 폴더별로 정리하는 데 성공했습니다. 단순히 분류만 한 것이 아니라, 각 이미지의 해상도 정보를 파일명에 자동으로 추가하는 작업까지 마쳤습니다. 이는 사람이 일일이 확인하며 수정해야 했던 번거로운 과정을 AI가 완벽히 대체할 수 있음을 보여주는 사례입니다.
이러한 효율성은 크리에이티브 에이mathcal(Agency) 분야에서도 뚜렷하게 나타납니다. 크리에이티브 에이전시 'YYES'의 경우, 평소 15~20분 정도 소요되던 프로젝트 폴더 재구성 작업을 단 2~3분 만에 끝낼 수 있었습니다. 여기서 주목할 점은 단순히 '시간 단축'에만 있지 않습니다. 시스템이 수행할 작업을 미리 보여주고, 변경 사항에 대해 사용자의 최종 승인을 요청하는 프로세스가 포함되었다는 점입니다. 또한 '렛츠 쿡 비디오 에디팅 서비스(Let's Cook Video Editing Services)'는 Dropbox와 Claude를 연동함으로써, 약 15분이 걸리던 프로젝트 폴더 설정 작업을 단 1분 내외로 줄이는 놀라운 성과를 거두었습니다.
이처럼 서로 다른 비즈니스 모델을 가진 기업들이지만, 공통적인 핵심은 '본업에 집중하기 전 거쳐야 했던 행정적/관리적 업무(Administrative work)'를 AI가 덜어주고 있다는 점입니다. AI가 업무의 단계를 줄여주는 동안에도, 무엇을 달성할지 정의하고 방향을 제시하며 최종 결과물을 감독하는 주체는 여전히 사람입니다. 비록 초기 단계이긴 하지만, 이러한 사례들은 업무 흐름(Workflow)의 구체적이고 실용적인 부분에 AI를 적용했을 때 얻을 수 있는 가치를 명확히 증명하고 있습니다.
그렇다면 기업은 AI가 단순히 콘텐츠를 더 많이 만들거나 개별 작업을 빠르게 끝내는 것을 넘어, 전체적인 업무 프로세스를 개선하고 있는지 어떻게 측정해야 할까요? 이에 대해 Dropbox는 단순히 '속도'에만 매몰되지 말라고 조언합니다. 우선 현재 업무가 어떻게 진행되는지, 소요 시간은 얼마인지, 어떤 수동 단계가 있는지, 그리고 어디서 지연이나 재작업(Rework)이 발생하는지에 대한 '기준점(Baseline)'을 먼저 파악해야 합니다.
속도는 중요한 요소 중 하나이지만, 품질과 업무의 흐름이 얼마나 매끄러워졌는가(Frictionless) 또한 핵심적인 지표입니다. 단 몇 초 만에 초안이 만들어지더라도, 이를 검토하고 다음 담당자에게 전달하기 위해 누군가가 다시 몇 시간을 허비해야 한다면 그 AI의 가치는 제한적일 수밖에 없습니다. 진정으로 유용한 측정 기준은 AI가 팀의 작업 표준을 유지하면서도, 마찰(Friction)을 줄이고 최종 결과물에 도달하는 과정을 얼마나 원활하게 만드는가에 달려 있습니다.
결국 AI 도입의 궁극적인 지향점은 파일 정리나 폴더 설정 같은 작은 개선을 시작으로, 업무 인수인계의 원활화, 재작업 감소, 그리고 나아가 구성원들이 더 가치 있는 판단과 고객 응대에 집중할 수 있는 환경을 만드는 것입니다. 숫자로 나타나는 지표만큼이나 중요한 것은 현장에서 직접 일하는 사람들의 목소리입니다. 그들의 경험이 AI가 실질적인 변화를 만드는 지점과 여전히 개선이 필요한 지점을 알려주기 때문입니다. 성공적인 AI 통합이란, 결국 사람들이 유용한 업무를 더 쉽게 완수하고, 그 결과물을 바탕으로 다음 단계의 업무를 더 수월하게 이어 나갈 수 있도록 돕는 것에 있습니다.
한눈에 보는 핵심 비교 분석#
| 비교 항목 | 기존 방식 (Manual/Traditional) | 신규 AI 통합 방식 (AI-Integrated) | 핵심 차이점 |
|---|---|---|---|
| 파일/이미지 정리 | 수동 분류 및 파일명 일괄 수정 (고비용/고시간) | 1,200개 이미지 자동 분류 및 해상도 정보 입력 (약 10분) | 단순 반복 작업의 자동화 및 데이터 정확도 향상 |
| 폴더 재구성 | 15~20분 소요 (수동 프로세스) | 2~3분 소요 (시스템 제안 및 승인 방식) | 작업 시간 대폭 단축 및 사용자 승인을 통한 제어권 유지 |
| 프로젝트 설정 | 약 15분 소요 (수동 단계 수행) | 약 1분 소요 (Dropbox + Claude 연동) | 외부 AI 모델 연동을 통한 워크플로우 초고속화 |
| 업무의 가치 측정 | 단순 작업 속도 및 결과물 양에 집중 | 업무 흐름의 마찰(Friction) 및 품질 유지 중심 | '속도'를 넘어 '업무 연속성'과 '재작업 감소'로 지표 확장 |
독자 체크리스트 및 자주 묻는 질문 (FAQ)#
✅ AI 업무 통합을 위한 실전 체크리스트
- [ ] Baseline 확인: 현재 업무 프로세스의 단계별 소요 시간과 병목 구간(지연/재작업 발생 지점)을 수치화했는가?
- [ ] 품질 및 마찰 점검: AI가 생성한 결과물이 다음 단계의 작업자에게 '추가 작업 없이' 바로 전달될 수 있는 수준인가?
- [ ] 사용자 피드백 수집: 숫자로 나타나는 효율성 외에, 실제 업무를 수행하는 팀원들이 체감하는 프로세스 개선 여부를 확인했는가?
❓ 자주 묻는 질문 (FAQ)
Q1. AI 도입의 성과를 측정할 때 가장 경계해야 할 지표는 무엇인가요? A1. 단순히 '콘텐츠 생성량'이나 '개별 작업 속도'에만 집중하는 것을 경계해야 합니다. 초안 작성 속도가 아무리 빨라도, 이를 검토하고 수정하는 데 더 많은 시간이 소요된다면 전체적인 업무 효율은 오히려 저하될 수 있습니다. 따라서 '전체 프로세스의 마찰 감소'와 '최종 결과물의 품질 유지'를 핵심 지표로 삼아야 합니다.
Q2. AI가 업무를 대신하게 되면 사람의 역할은 어떻게 변하게 되나요? A2. AI는 반복적이고 행정적인 업무를 처리하여 업무의 '전 단계'를 단축해 줍니다. 사람은 대신 AI가 나아갈 방향을 정의(Define)하고, 구체적인 지시(Direction)를 내리며, 최종 결과물이 의도대로 나왔는지 감독(Oversight)하는 '의사결정자'이자 '감독자'로서의 역할에 더 집중하게 됩니다.
딥러너 (DeepLearner)이었습니다.
💬 기술 토론 및 피드백 0
건전하고 유익한 토론을 지향합니다아직 등록된 의견이 없습니다.
이 아티클에 관한 궁금한 점이나 추가 팁을 첫 번째로 남겨보세요!
기술 토론에 참여하시려면 로그인해 주세요.
로그인 후 댓글 작성