ivynet AI Application Agency
← 블로그 목록
AI 팁

전사맥락이란? AI와 함께 일하는 회사가 업무 맥락을 관리하는 법

전사맥락은 회사의 모든 일이 무엇을, 왜, 어디까지 했는지를 누구나 꺼내 볼 수 있게 쌓아 둔 기록과 그 연결입니다. 조직 기억 연구와 기업 사례, 아이비넷이 업무 관리 시스템으로 전사맥락을 운영하는 방식을 정리했습니다.

전사맥락이란

전사맥락(Enterprise Context)은 회사 안에서 진행되는 모든 일에 대해 아래 네 가지 질문에 언제든 답할 수 있게 쌓아 둔 기록, 그리고 그 기록들 사이의 연결을 말합니다.

  1. 무엇을 하고 있는가 — 이 프로젝트·업무는 무엇이고 지켜야 할 규칙은 무엇인가
  2. 왜 그렇게 정했는가 — 어떤 선택지 가운데 무엇을, 어떤 이유로 골랐는가
  3. 어디까지 왔는가 — 지금 진행 상황과 막혀 있는 지점은 무엇인가
  4. 다음은 무엇인가 — 이어받는 사람이 바로 할 일은 무엇인가

여기서 "전사"라는 말이 중요합니다. 맥락이 담당자 한 사람의 머릿속이나 메신저 대화방에만 있으면, 그 사람이 휴가를 가거나 회사를 떠나는 순간 함께 사라집니다. 전사맥락은 이 기억을 개인이 아니라 회사가 소유하는 자산으로 바꾸는 일입니다. 아이비넷은 이 개념을 사내 업무 표준으로 정하고, 모든 프로젝트를 같은 방식으로 기록·관리하고 있습니다.

맥락을 잃으면 생기는 비용

맥락이 흩어진 회사에서는 일하는 시간의 상당 부분이 "찾고, 묻고, 기다리는" 데 쓰입니다. 여러 조사가 같은 결론을 보여 줍니다.

  • McKinsey Global Institute(2012) — 관리자·전문직 같은 지식 노동자는 업무 시간의 20% 가까이를 사내 정보를 찾거나 도와줄 동료를 수소문하는 데 씁니다.
  • Panopto·YouGov 조사(2018, 미국 대기업 직원 1,001명) — 직원들은 일주일에 평균 5.3시간을 필요한 정보나 안내를 기다리거나, 이미 회사 안에 있는 지식을 처음부터 다시 만드는 데 씁니다.
  • Microsoft Work Trend Index(2023, 31개국 3만 1천 명) — 응답자의 62%가 업무 중 정보를 찾는 데 너무 많은 시간을 쓴다고 답했습니다.
  • Atlassian State of Teams(2025) — 지식 노동자는 업무 시간의 약 4분의 1을 답을 찾는 데 쓰고 있었습니다.

AI 도입에서도 같은 문제가 드러납니다. MIT 연구진(NANDA 프로젝트)은 2025년 보고서에서 기업의 생성형 AI 시범 사업 가운데 약 95%가 손익에 뚜렷한 효과를 내지 못했다고 발표했습니다. 연구진이 꼽은 원인은 AI 모델의 성능이 아니라, 도구가 그 회사의 업무 흐름을 배우고 적응하지 못하는 학습 격차(Learning Gap)였습니다. 회사의 맥락을 모르는 AI는 그럴듯하지만 쓸 수 없는 답을 내놓기 쉽습니다.

학계가 연구해 온 '조직의 기억'

"전사맥락"은 아이비넷이 쓰는 말이지만, 같은 문제는 경영학과 심리학에서 오래 연구되어 왔습니다.

  • 조직 기억(Organizational Memory) — 월시(Walsh)와 웅손(Ungson)은 1991년 논문에서 조직 기억을 "과거에서 얻어 현재의 의사결정에 쓰이는 정보"로 정의했습니다. 이 기억은 개인, 조직 문화, 업무 절차, 조직 구조, 물리적 환경, 그리고 외부 기록에 나뉘어 저장된다고 보았습니다. 사람에게만 저장된 기억은 그 사람이 떠나면 함께 사라진다는 점이 핵심입니다.
  • 암묵지와 형식지 — 노나카 이쿠지로와 다케우치 히로타카는 1995년 저서 『지식창조기업』에서, 말로 옮기기 어려운 개인의 경험(암묵지)을 문서처럼 나눌 수 있는 지식(형식지)으로 바꾸는 표출화(Externalization)가 조직 지식 창조의 출발점이라고 설명했습니다(SECI 모델).
  • 교류 기억(Transactive Memory) — 심리학자 대니얼 웨그너(Daniel Wegner)는 1980년대에, 집단이 모든 것을 함께 기억하는 대신 "누가 무엇을 아는지"를 공유하며 기억을 나눠 맡는다고 설명했습니다. 이 체계가 잘 갖춰진 팀일수록 성과가 높다는 후속 연구가 이어졌습니다.

세 연구는 한 방향을 가리킵니다. 맥락은 저절로 남지 않으며, 꺼내 쓸 수 있는 형태로 옮겨 두고, 어디에 있는지 알 수 있게 연결해야 조직의 자산이 된다는 것입니다.

기업 현장의 맥락 관리 사례

문서로 남기고 문서로 시작하는 문화

  • 아마존 — 경영 회의에서 슬라이드 대신 6쪽 분량의 서술형 메모를 쓰고, 회의를 시작할 때 참석자가 함께 조용히 읽는 것으로 잘 알려져 있습니다. 토론에 앞서 모든 참석자가 같은 맥락을 갖추게 하려는 방식입니다.
  • 깃랩(GitLab) — 회사 운영 방식 전체를 공개 핸드북에 적고, 이를 단일 정본(SSOT, 하나뿐인 원본)으로 삼는 "핸드북 우선" 원칙을 지킵니다. 무엇이든 먼저 핸드북에 쓰고, 그다음에 그 링크로 소통합니다.
  • 아키텍처 결정 기록(ADR) — 소프트웨어 설계자 마이클 나이가드(Michael Nygard)는 2011년, 중요한 결정을 "맥락·결정·결과" 형식의 짧은 문서로 남기자고 제안했습니다. 그는 "프로젝트를 진행하면서 가장 추적하기 어려운 것 가운데 하나가 특정 결정의 동기"라고 지적했습니다. 지금은 많은 개발 조직이 이 방식을 씁니다.
  • 미 육군의 임무형 지휘(Mission Command) — 미 육군 교리(ADP 6-0)는 지휘관이 세세한 지시 대신 지휘관 의도(Commander's Intent), 곧 작전의 목적과 바라는 결과를 공유하고, 현장이 그 의도 안에서 스스로 판단하게 합니다. 맥락을 공유해야 상황이 바뀌어도 올바른 방향으로 움직일 수 있다는 원리입니다.

AI 시대, 맥락은 경쟁력이 된다

  • 컨텍스트 엔지니어링(Context Engineering) — 2025년 6월 쇼피파이 CEO 토비 뤼트케(Tobi Lütke)와 AI 연구자 안드레이 카파시(Andrej Karpathy)가 "프롬프트 엔지니어링보다 컨텍스트 엔지니어링"이라는 표현을 쓰며 널리 퍼졌습니다. Anthropic은 같은 해 9월 공개한 글에서, AI가 일을 잘하게 하려면 질문 문장보다 AI에게 어떤 맥락을 얼마나 정확하게 주는지가 중요하다고 설명했습니다.
  • AGENTS.md와 MCP — AI 코딩 에이전트에게 프로젝트의 규칙과 맥락을 알려 주는 파일 형식 AGENTS.md(OpenAI, 2025년 8월)와, AI가 외부 데이터·도구에 연결하는 표준 MCP(Model Context Protocol, Anthropic)는 2025년 12월 리눅스 재단 산하 Agentic AI Foundation의 창립 프로젝트가 되었습니다. 프로젝트 맥락을 문서로 남기는 일이 업계 표준으로 자리 잡고 있다는 뜻입니다.
  • 업무 플랫폼의 맥락 계층 — 마이크로소프트는 2025년 Ignite 행사에서 회사의 문서·메일·회의와 사용자 기억을 묶어 Copilot에 제공하는 Work IQ를 발표했습니다. Atlassian은 도구·팀·결정에 흩어진 조직 기억을 연결하는 Teamwork Graph를 내세우며 "AI는 그 자체로는 당신의 비즈니스를 알지 못한다"고 설명합니다.

대형 플랫폼 기업들이 앞다투어 "맥락 계층"을 만드는 이유는 분명합니다. 같은 AI를 써도 회사의 맥락을 얼마나 잘 정리해 두었는지에 따라 결과가 달라지기 때문입니다.

아이비넷은 전사맥락을 이렇게 운영합니다

아이비넷은 개발뿐 아니라 견적·기획·운영 업무까지 AI와 함께 수행합니다. 그래서 "처음 보는 프로젝트라도 사람이든 AI든 기록을 읽고 바로 이어서 일할 수 있게 한다"를 전사맥락의 목표로 삼았습니다.

  1. 원본은 한 곳에 — 모든 프로젝트의 맥락은 프로젝트별 문서 저장소에 마크다운 문서로 둡니다. 사람이 구글 문서로 쓴 초안도 AI가 표준 형식으로 다시 써서 같은 곳에 넣습니다. 원본이 여러 곳에 흩어지면 어느 쪽이 최신인지부터 다투게 되기 때문입니다.
  2. 모든 프로젝트가 같은 구조 — 프로젝트마다 프로젝트 안내서(정체성·규칙), 현재 상태(STATUS — 진행·막힌 곳·다음 할 일), 결정 기록(decisions — 무엇을 왜 정했는지), 교훈(memory — 다시 밟지 말아야 할 함정)을 같은 자리에 둡니다. 구조가 같으니 어느 프로젝트를 열어도 어디부터 읽어야 할지 압니다.
  3. 코드 밖의 맥락까지 — 결정은 코드보다 고객 요청, 메신저 대화, 회의, 전화에서 더 많이 일어납니다. 이런 활동은 원문을 보관하는 기록(원장)과, 이어받을 사람에게 필요한 핵심만 추린 요약(STATUS·decisions)의 두 층으로 나눠 담습니다.
  4. 시작은 읽기, 끝은 기록 — 작업을 시작하기 전에 최신 기록을 받아 현재 상태와 결정 기록부터 읽습니다. 작업이 끝나면 상태·결정·교훈을 갱신해 저장소에 반영합니다. 맥락 갱신이 작업의 마지막 단계에 들어 있어서 따로 챙기지 않아도 기록이 쌓입니다.
  5. 민감한 정보는 분리 — 비밀번호 같은 자격증명은 어떤 문서에도 그대로 적지 않고, 접근 방법만 남깁니다. 경영·회계처럼 민감한 업무는 권한이 있는 사람만 열 수 있는 별도 저장소에 둡니다.

Ticket — 모든 프로젝트의 맥락이 모이는 곳

이 기록들이 한곳에서 연결되는 곳이 아이비넷이 직접 개발해 운영하는 업무 관리 시스템 Ticket입니다.

Ticket 구성도 — 고객 요청은 티켓으로 들어오고, 직원과 AI의 작업 결과와 회의·메신저 내용은 프로젝트별 문서 저장소에 기록되며, 저장소는 업무일지 자동 등록과 주기적 동기화로 Ticket과 연결됩니다
Ticket 구성도 — 고객 요청은 티켓으로 들어오고, 직원과 AI의 작업 결과와 회의·메신저 내용은 프로젝트별 문서 저장소에 기록되며, 저장소는 업무일지 자동 등록과 주기적 동기화로 Ticket과 연결됩니다

기록의 원본은 프로젝트별 문서 저장소에 있고, Ticket은 그 기록을 프로젝트를 중심으로 연결합니다. 직원과 AI는 Ticket에서 티켓과 맥락을 읽고 일을 시작하며, 작업 결과는 다시 저장소에 남아 Ticket으로 돌아옵니다. 이 순환이 끊기지 않기 때문에 따로 챙기지 않아도 기록이 최신 상태로 유지됩니다.

  • 프로젝트·고객·티켓·업무일지·맥락 문서를 한 화면에 — 각 저장소의 맥락 문서는 주기적으로 Ticket의 "전사 맥락" 메뉴로 모이고, 프로젝트별로 묶여 검색됩니다. 프로젝트 화면에서는 티켓·업무일지와 함께 그 프로젝트의 결정 기록과 현재 상태를 바로 열어 볼 수 있습니다.
  • 작업이 곧 기록 — 작업 결과를 저장소에 반영하면 그 내역이 업무일지로 자동 등록되고, 프로젝트·고객사·티켓에 연결됩니다. 누가 언제 어떤 맥락에서 무엇을 했는지가 따로 정리하지 않아도 흐름으로 남습니다.
  • AI도 같은 맥락을 읽습니다 — AI가 티켓 작업을 맡으면 티켓 본문과 댓글, 해당 프로젝트의 맥락 문서를 먼저 읽고 일을 시작합니다. 작업이 끝나면 결과를 다시 티켓과 문서에 남깁니다.

맥락이 모여 있으면 방향을 정하는 일이 쉬워집니다. 최근 이 블로그의 자동 발행 기능을 만들 때, 처음에는 외부 자동화 서비스로 구성했습니다. 그런데 결정 기록에 "예약 작업은 사내 실행 환경으로 모은다"는 결정과 그 이유(외부 서비스 사용량 한도로 사내 자동 작업이 멈췄던 일)가 남아 있었고, 이를 확인한 뒤 회사 표준 구조로 방향을 바꿨습니다. 기록이 없었다면 같은 문제를 다시 겪고 나서야 알았을 일입니다. 전사맥락은 과거를 보관하는 창고가 아니라, 지금 내리는 결정이 회사가 이미 배운 것과 어긋나지 않게 잡아 주는 기준입니다.

참고 자료

(주)아이비넷은 1999년부터 홈페이지와 애플리케이션을 개발·운영해 왔고, 지금은 업무 전반을 AI와 함께 수행하며 그 맥락을 Ticket으로 관리합니다. 우리 회사에 맞는 업무 기록 체계나 AI 도입 방식이 궁금하시면 문의해 주세요. 지금 일하는 방식부터 함께 살펴 드립니다.