메타가 없앤 관리자를 다시 부르고 있습니다 — 애플라이드 AI와 쉰 대 하나의 실험

메타는 3년 전부터 관리자를 줄여 왔습니다. 부장과 팀장을 실무자로 내려보내는 일을 사내에서 플래트닝이라고 불렀고, 마크 저커버그는 그것을 효율의 해의 핵심으로 내세웠습니다.

AI가 관리 업무를 상당 부분 흡수해 줄 것이라는 기대가 그 밑에 깔려 있었습니다. 그래서 새로 만든 AI 조직은 아예 관리자 한 명이 실무자 쉰 명을 보는 구조로 설계했습니다.

그 회사가 지금 조용히 반대로 가고 있습니다. 실무자로 내려간 사람들에게 다시 관리자를 맡아 보겠느냐고 묻고 있습니다.

없앤 자리를 다시 만들고 있습니다

메타가 애플라이드 AI 부문의 개인기여자들에게 관리자 역할로 돌아갈 의향이 있는지 묻고 있다는 사실이 알려졌습니다.

대상자 가운데 상당수는 원래 관리자였다가 실무자로 내려간 사람들입니다. 회사가 몇 해 전에 스스로 만든 변화를 되돌리고 있는 셈입니다.

공식 발표나 대대적인 개편이 아니라 조직 개편 과정에서 조용히 진행되고 있다는 점이 특징입니다.

무엇이 보도됐나 — 되돌아온 제안

보도의 요지는 세 가지입니다. 대상은 애플라이드 AI 부문이고, 제안은 강제가 아니라 자발이며, 회사가 오랫동안 밀어 온 수평 조직 기조와 방향이 어긋난다는 것입니다.

회사 차원의 정책 선회라기보다 특정 조직의 실무적 조정에 가까운 모양새입니다.

다만 그 특정 조직이 메타가 가장 많은 돈과 사람을 붓고 있는 곳이라는 점에서 무게가 다릅니다.

애플라이드 AI라는 새 조직

애플라이드 AI는 2026년에 새로 만들어진 엔지니어링 부문입니다. 줄여서 AAI라고 부릅니다.

목적은 분명합니다. AI 연구에서 나온 결과물과 실제 제품 사이의 간격을 메우는 것입니다.

연구팀이 좋은 모델을 만들어도 제품에 실리지 않으면 의미가 없다는 문제의식에서 출발한 조직입니다.

칠천 명을 한곳에 모았다

메타는 약 7000명을 이 조직으로 재배치했습니다. 회사 안에서 손꼽히는 규모입니다.

이 인원 중에는 예전에 관리자였다가 플래트닝 과정에서 개인기여자로 옮겨 간 사람들이 섞여 있었습니다.

즉 관리 경험이 있는 사람들이 실무자 신분으로 한곳에 모여 있는 상태가 만들어졌습니다. 지금의 제안은 그 조건에서 나온 것입니다.

연구와 제품 사이에 벌어져 있던 틈

AI 연구 조직과 제품 조직은 일하는 방식이 다릅니다. 연구는 불확실성을 다루고 제품은 일정을 다룹니다.

두 쪽을 잇는 일은 대체로 조율 업무입니다. 무엇을 먼저 할지 정하고, 막힌 곳을 풀고, 다른 팀과 시점을 맞추는 일입니다.

공교롭게도 이것이 관리자가 하는 일의 상당 부분입니다.

쉰 대 하나라는 설계

애플라이드 AI를 만들면서 메타는 관리자 한 명이 개인기여자를 최대 50명까지 맡는 구조를 제시했습니다.

일반적인 소프트웨어 조직에서 관리자 한 명이 보는 인원은 대체로 5명에서 10명 사이입니다. 50명은 그 다섯 배에서 열 배입니다.

숫자만 놓고 보면 관리를 거의 하지 않겠다는 선언에 가깝습니다.

플랫 조직이란 무엇이었나

수평 조직은 중간 관리 계층을 줄여 의사결정 단계를 짧게 만드는 방식입니다. 위아래로 오가는 보고가 줄고 실무자의 재량이 커집니다.

스타트업에서 잘 작동하는 방식이고, 실제로 속도를 높여 줍니다.

다만 그 효과는 조직 규모와 함께 변합니다. 같은 구조가 스무 명에서는 되고 칠천 명에서는 안 될 수 있습니다.

이천이십삼년 효율의 해로 돌아가기

2023년, 저커버그는 그해를 효율의 해로 이름 붙였습니다. 늘어난 조직을 다시 조이겠다는 선언이었습니다.

그 과정에서 많은 관리자와 디렉터가 개인기여자 자리로 옮기거나 회사를 떠나라는 요구를 받았습니다.

사내에서는 이 과정을 플래트닝이라고 불렀습니다. 납작하게 만든다는 뜻입니다.

플래트닝 — 관리자를 개인기여자로

플래트닝의 논리는 명료했습니다. 보고 라인이 길수록 결정이 느려지고, 관리자가 많을수록 회의가 늘어난다는 것입니다.

그래서 계층을 걷어 내고 실무자를 늘리면 같은 인원으로 더 많은 것을 만들 수 있다고 봤습니다.

이 논리는 틀리지 않았습니다. 다만 관리자가 하던 일이 사라지는 것은 아니라는 점이 빠져 있었습니다.

그때 줄인 숫자들

메타는 전체 인력의 약 10퍼센트에 해당하는 8000명가량을 줄였습니다. 여기에 더해 채우려던 자리 6000개를 없앴습니다.

감원은 관리 직군에 특히 집중됐습니다. 보고 구조를 단순하게 만들고, 거기서 아낀 재원을 AI에 돌리기 위해서였습니다.

규모로 보면 이 조정은 성공적이었습니다. 메타는 실제로 그 재원을 AI에 쏟아부었습니다.

AI가 관리를 대신할 거라는 가정

수평 조직을 그만큼 밀어붙일 수 있었던 배경에는 하나의 가정이 있었습니다. AI가 관리 업무의 상당 부분을 흡수해 줄 것이라는 기대입니다.

진행 상황 정리, 일정 추적, 문서 요약, 보고서 작성처럼 관리자가 시간을 많이 쓰던 일들이 실제로 자동화 가능해 보였습니다.

그 일들을 덜어 내면 관리자 한 명이 훨씬 많은 사람을 볼 수 있다는 계산이 나옵니다. 쉰 대 하나는 그 계산의 결과였습니다.

그 가정이 어디서 어긋났나

자동화된 것은 관리 업무의 기록 부분이었습니다. 정리하고 요약하고 추적하는 일입니다.

자동화되지 않은 것은 판단 부분이었습니다. 무엇을 포기할지 정하고, 두 팀이 부딪칠 때 한쪽을 설득하고, 잘 안 풀리는 사람과 따로 이야기하는 일입니다.

그런데 조직이 커질수록 비중이 늘어나는 쪽은 뒤쪽입니다. 덜어 낸 것은 줄어드는 일이었고, 남은 것은 늘어나는 일이었습니다.

자발이라는 단서

이번 제안에서 눈에 띄는 대목은 자발이라는 조건입니다. 명령이 아니라 의향을 묻는 방식입니다.

여기에는 현실적인 이유가 있습니다. 실무자로 내려간 경험이 있는 사람에게 다시 관리자를 맡으라고 하면, 그 자체가 앞선 결정이 틀렸다는 선언이 됩니다.

묻는 방식을 택하면 회사가 방침을 뒤집었다고 말하지 않고도 같은 결과를 얻을 수 있습니다.

왜 강제가 아니라 제안인가

또 하나의 이유는 인재 유출 위험입니다. AI 분야의 숙련 엔지니어는 지금 가장 구하기 어려운 인력입니다.

본인이 원하지 않는 역할을 강제하면 회사를 떠날 가능성이 높아집니다. 그 손실이 관리 공백보다 큽니다.

그래서 제안 형태가 유일하게 가능한 방식이었을 가능성이 큽니다.

관리자가 실제로 하는 일

관리자의 일을 쪼개 보면 대략 네 갈래입니다. 방향 정하기, 사람 배치하기, 막힌 것 뚫기, 그리고 사람 키우기입니다.

앞의 둘은 정보만 잘 정리되면 어느 정도 자동화의 도움을 받을 수 있습니다.

뒤의 둘은 관계와 맥락 위에서 돌아갑니다. 누가 지금 지쳐 있는지, 어떤 팀끼리 사이가 안 좋은지는 문서에 적히지 않습니다.

AI가 흡수하지 못한 부분

AI는 회의록을 요약하고 일정 충돌을 찾아내는 일을 잘합니다. 상태를 파악하는 일에 강합니다.

하지만 두 사람 사이의 갈등을 중재하거나, 성과가 떨어진 사람에게 어려운 이야기를 꺼내는 일은 대신해 주지 못합니다.

쉰 대 하나에서 무너지는 것도 바로 이 부분입니다. 관리자 한 명이 50명 각각의 상태를 아는 것은 정보의 문제가 아니라 시간의 문제입니다.

통솔 범위라는 개념

경영학에서는 관리자 한 명이 직접 관리할 수 있는 인원을 통솔 범위라고 부릅니다.

적정 범위는 업무의 성격에 따라 달라집니다. 반복적이고 표준화된 일이면 넓어도 되고, 판단이 많이 들어가는 일이면 좁아야 합니다.

AI 제품 개발은 후자입니다. 정답이 정해져 있지 않고 방향을 자주 바꿔야 하는 일입니다.

쉰 대 하나가 현실에서 뜻하는 것

관리자 한 명이 50명을 맡으면, 한 사람과 한 달에 한 번 30분씩만 이야기해도 그 자체로 25시간이 됩니다.

여기에 채용과 평가와 다른 팀과의 조율이 얹히면 일정이 성립하지 않습니다.

결국 실제로 일어나는 일은 일대일 대화가 사라지는 것입니다. 그러면 문제는 터진 뒤에야 알려집니다.

빅테크 전체 흐름과 어긋나는 방향

지난 몇 년 동안 대형 기술기업 대부분이 관리 계층을 줄이는 방향으로 움직였습니다. 메타는 그 흐름에서 가장 앞서 있었습니다.

그래서 이번 조정은 단순한 내부 인사 문제로만 보기 어렵습니다. 가장 멀리 간 곳에서 되돌아오는 신호가 먼저 나온 것이기 때문입니다.

다른 기업들이 이 사례를 어떻게 읽는지가 앞으로 몇 분기의 조직 설계에 영향을 줄 수 있습니다.

메타가 AI에 쓰는 돈의 규모

메타는 올해 AI에 최대 1450억 달러를 쓸 계획을 밝혔습니다. 한 회사가 한 해에 쓰는 금액으로는 전례를 찾기 어려운 규모입니다.

업계 전체로 넓히면 주요 클라우드 기업들이 올해 AI 인프라에 7000억 달러가량을 쓸 것으로 전망됐습니다.

이만한 돈을 쓰는 조직이라면, 그 돈이 제품으로 이어지게 만드는 조율 비용도 그에 비례해 커집니다.

조직을 다시 세우는 비용

조직 구조를 바꾸는 데는 돈보다 시간이 듭니다. 새 보고 라인이 자리 잡고 사람들이 누구에게 무엇을 물어야 할지 익히는 데 몇 분기가 걸립니다.

짧은 기간에 두 번 바꾸면 그 비용이 두 번 듭니다. 플래트닝에 든 비용과 되돌리는 데 드는 비용이 모두 실제 비용입니다.

그래서 이번 조정이 조용히 진행되는 것은 실용적인 선택이기도 합니다. 크게 알리면 그만큼 혼란이 커집니다.

이 변화가 제품에 닿기까지

조직 변화가 제품에 나타나기까지는 시간이 걸립니다. 지금 관리자를 다시 두어도 그 효과는 몇 분기 뒤에나 보입니다.

역으로 말하면, 지금 메타의 AI 제품에서 보이는 속도나 완성도는 쉰 대 하나 구조에서 나온 결과에 가깝습니다.

이번 조정을 이해하는 가장 정직한 방법은 결과를 보고 되짚는 것입니다. 회사가 구조를 되돌린다는 것은 그 구조의 결과가 기대에 못 미쳤다는 뜻입니다.

다른 회사들의 플랫 실험이 남긴 것

수평 조직 실험은 메타가 처음이 아닙니다. 관리 직급을 아예 없앤 회사들도 있었습니다.

결과는 대체로 비슷했습니다. 초기에는 속도가 붙었고, 규모가 커지면서 조율 비용이 다시 올라왔고, 결국 이름만 다른 관리 역할이 생겨났습니다.

관리 업무는 없애는 것이 아니라 어딘가로 옮겨 가는 성질을 가진다는 것이 반복해서 확인됐습니다.

혼자 일하는 사람에게 주는 함의

이 이야기는 대기업 조직론처럼 보이지만, 혼자 일하는 사람에게도 그대로 적용됩니다.

AI 도구를 쓰면 기록과 정리와 요약은 확실히 줄어듭니다. 그런데 무엇을 할지 정하고 무엇을 버릴지 정하는 일은 줄지 않습니다. 오히려 만들 수 있는 것이 늘어나면서 더 무거워집니다.

메타가 쉰 대 하나에서 부딪친 벽은 1인 작업자가 도구를 늘릴 때 만나는 벽과 같은 종류입니다.

이 소식이 한국 조직에 닿는 지점

한국 기업에서도 조직을 가볍게 하자는 흐름이 이어져 왔습니다. 직급을 줄이고 호칭을 통일하고 결재 단계를 없애는 방식입니다.

여기에 AI를 도입하면 보고서 작성 같은 일은 실제로 줄어듭니다. 다만 줄어든 것은 문서 업무이지 판단 업무가 아닙니다.

관리 계층을 줄일 때 그 판단을 누가 맡을지 함께 정하지 않으면, 그 부담은 조용히 실무자에게 내려갑니다.

저시력 사용자에게 이 소식이 뜻하는 것

접근성 기능은 조직 구조에 유난히 민감합니다. 여러 팀에 걸쳐 있고, 어느 한 팀의 단독 성과로 잡히지 않기 때문입니다.

화면 낭독기 호환이나 글자 확대는 제품 팀 하나가 끝낼 수 없고 여러 팀을 가로질러 조율해야 완성됩니다. 그런데 그 조율을 하는 사람이 바로 관리자입니다.

관리 계층이 얇아지면 가장 먼저 밀리는 것이 이런 일들입니다. 메타가 관리자를 다시 부르는 것이 접근성에는 오히려 반가운 신호일 수 있습니다.

핵심 정리

첫째, 메타가 7000명 규모의 애플라이드 AI 부문에서 개인기여자들에게 관리자로 돌아갈 의향을 묻고 있습니다. 강제가 아니라 자발이고, 공식 발표 없이 조직 개편 과정에서 진행되고 있습니다.

둘째, 이 부문은 관리자 한 명이 최대 50명을 보는 구조로 설계됐습니다. AI가 관리 업무를 흡수할 것이라는 가정 위에 세운 설계였는데, 실제로 자동화된 것은 기록 업무였고 판단과 조율 업무는 그대로 남았습니다.

셋째, 메타는 2023년 효율의 해에 약 8000명을 줄이고 채용 예정 6000자리를 없애며 관리 계층을 걷어 냈습니다. 올해 AI에 최대 1450억 달러를 쓰는 회사가 가장 앞서 갔던 그 구조에서 되돌아오고 있다는 점이 이번 소식의 핵심입니다.

참고하실 만한 것

조직 구조와 AI 도입을 함께 고민하고 계시다면, 자동화로 줄어드는 업무와 줄지 않는 업무를 한 번 나눠 적어 보시길 권합니다. 메타가 부딪친 지점이 어디였는지가 훨씬 또렷하게 보입니다.

SVIL에서는 AI가 일하는 방식을 바꾸는 지점과 그것이 접근성에 닿는 경로를 계속 기록하고 있습니다. 블로그와 유튜브 채널에서 이어지는 글과 영상으로 만나 보실 수 있습니다.

출처

• Fast Company — Meta just told some of its former managers to become managers again
• Fortune — Meta bet that AI would shrink its management ranks. Now it is quietly rebuilding them
• RTTNews — Meta Asks Some AI Employees To Become Managers Again In New Reorganization
• Yahoo Finance — Mark Zuckerberg Meta bet that AI would shrink its management ranks
• Complete AI Training — Meta asks some AI employees to return to management roles
• Fortune — Meta is spending up to $145 billion this year on AI
• Fortune — Big Tech is about to spend $700 billion on AI this year
• The Daily Brief — Meta Applied AI 50-to-1 span of control reversal

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/