Meta는 AI 도입이 아니라 조직 자체를 다시 만들려 했다

2026년 초 Meta는 내부적으로 Project OT(Organization Transformation)를 추진했다. Reuters 취재에 따르면 목표는 단순히 직원들에게 AI 도구를 나눠주는 것이 아니었다. 더 작은 팀이 AI agent를 활용해 기존보다 많은 일을 처리하는 ‘AI native’ 조직을 만드는 것이었다.

검토된 시나리오에는 일부 팀의 인원을 최대 60%까지 줄이는 방안도 포함됐다. 이 숫자는 Meta 전체 인력의 60%를 줄인다는 의미는 아니며, 해고뿐 아니라 인력 재배치와 공석 축소 등을 포함한 일부 팀 단위의 계획이었다.

계획은 왜 멈췄을까 — AI가 기대한 만큼의 생산성을 증명하지 못했다

Meta는 5월 회사 인력의 약 10%를 줄였지만, 이어질 예정이던 두 번째 구조조정 라운드는 취소했다. Reuters가 확인한 내부 자료와 취재에 따르면 AI 기술이 기대한 생산성 향상을 충분히 보여주지 못했다는 데이터와 직원들의 강한 불안이 결정에 영향을 줬다.

AI를 많이 사용한다고 해서 곧바로 최종 결과물이 같은 비율로 늘어난 것도 아니었다. 코드 변경량은 늘 수 있어도 실제 사용자에게 전달되는 기능, 시스템 안정성, 사고 감소 같은 최종 성과가 함께 따라와야 조직 차원의 생산성으로 볼 수 있다.

AI가 일을 빨리 만들수록 검증과 책임의 비용도 커질 수 있다

Reuters 보도는 AI agent와 코딩 도구의 사용이 늘어나는 과정에서 신뢰성 및 보안 문제도 나타났다고 전했다. 여기서 중요한 것은 AI가 유용하지 않다는 결론이 아니다. 오히려 생성 속도가 빨라질수록 누가 결과를 검증하고, 오류가 발생했을 때 누가 책임지고, 어떤 작업까지 agent에게 맡길지를 더 정교하게 설계해야 한다는 뜻에 가깝다.

사람 한 명의 업무를 통째로 AI 하나와 바꾸는 식의 비교는 실제 조직에서는 잘 맞지 않는다. 업무 안에는 생성, 판단, 승인, 조정, 보안, 고객 맥락, 예외처리처럼 자동화 난이도가 다른 여러 작업이 섞여 있기 때문이다.

직원 신뢰가 무너지면 AI 도입 자체의 데이터도 왜곡될 수 있다

Project OT 과정에서는 추가 감원 가능성에 대한 불안과 불투명한 커뮤니케이션도 문제가 됐다. 직원 입장에서 AI 활용 데이터가 자신의 일자리를 줄이는 근거로 사용될 수 있다고 느끼면, 기업이 원하는 실험과 협업의 조건 자체가 달라진다.

AI 전환은 기술 프로젝트이면서 동시에 조직 신뢰의 문제다. 무엇을 자동화하고 무엇을 사람에게 남길지, 생산성을 어떻게 측정할지, 절감된 시간을 어떤 더 높은 가치의 일로 옮길지에 대한 설명이 없으면 도구의 성능과 별개로 조직이 저항할 수 있다.

기업이 먼저 물어야 할 것은 ‘몇 명을 줄일 수 있나’가 아닐 수 있다

AI 투자에서 인건비 절감은 분명 중요한 계산이다. 그러나 조직 재설계를 시작할 때 더 먼저 물어야 할 질문은 어떤 업무가 AI로 실제 대체 가능한지, 어떤 업무는 AI가 보조할 때 더 가치가 커지는지, 그리고 자동화 이후에도 반드시 사람의 판단이 필요한 지점이 어디인지다.

이 구분 없이 목표 인원부터 정하면 AI가 아직 불안정한 영역의 책임까지 함께 사라질 수 있다. 반대로 업무를 먼저 분해하면 같은 인원으로 더 많은 일을 처리하거나, 기존에 사람이 못 하던 일을 새로 맡기는 방식도 가능해진다.

AI 시대의 조직은 더 작아질 수 있다. 하지만 순서는 중요하다

Meta의 이번 시도가 AI가 고용을 줄이지 않을 것이라는 증거는 아니다. AI가 충분히 성숙하면 어떤 팀은 실제로 더 작아질 수 있고, 특정 역할은 줄어들 수도 있다. Meta 역시 AI 인프라에 막대한 투자를 이어가고 있다.

다만 도구가 바뀌었다고 조직이 저절로 바뀌지는 않는다. 먼저 일이 달라지고, 그다음 역할이 달라지고, 마지막에 조직의 크기가 달라지는 편이 더 자연스럽다.

AI가 사람을 얼마나 줄일 수 있는지는 결국 기술의 질문처럼 보인다. 실제 기업 안에서는 그보다 먼저, 어떤 일을 누구에게 맡겨도 되는지를 다시 정하는 질문이 된다.

BANSEOG VIEW

AI 전환의 핵심은 ‘대체 가능한 사람 수’보다 업무·책임·검증의 경계를 다시 그리는 데 있다

Meta 사례는 AI 도입이 곧바로 조직 축소의 근거가 되지 않는다는 점을 보여준다. 특히 생산성 측정은 생성량이나 활동량이 아니라 실제 고객가치, 안정성, 품질, 속도까지 함께 봐야 한다.

AI가 성숙할수록 일부 역할과 팀 규모는 바뀔 수 있다. 그러나 Headcount 목표를 먼저 정하기보다 Task → Responsibility → Evidence → Role 순서로 재설계해야 조직 리스크를 줄일 가능성이 높다.

SOURCES

근거가 된 원자료

2026년 8월 29일 기준 공개된 Reuters 취재와 분석을 사용했습니다. 60%는 Meta 전체 인력 감축 계획이 아니라 일부 팀에서 검토된 시나리오이며 해고·재배치·공석 축소 등을 포함합니다. Project OT의 내부 계획과 성과 수치는 공개 자료가 제한적이므로 기사에서 확인된 범위를 넘겨 일반화하지 않습니다. 반석의 비공개 고객·후보자 evidence는 사용하지 않았습니다.