넷플릭스는 어떻게 창작자의 AI 신뢰를 얻었나
AI를 도입하는 조직에서 기술보다 어려운 것은 사람의 신뢰입니다. First Round Review가 소개한 넷플릭스 프로덕트팀 사례는 수천 명의 창작 인력이 AI 개편을 받아들이게 만든 과정을 구체적으로 보여 줍니다. "할 수 있는 일(can)"과 "해야 하는 일(should)"을 구분하는 방식이 핵심이라, AI 전환을 맡은 PM이라면 지금 읽어 볼 만합니다.
"The process of articulating in a way others can follow is the process of decision making."First Round Review
무슨 일인가
약 300명 규모의 이 팀은 200여 개국에서 1만 7천 편 이상의 타이틀 유통을 책임집니다. 이들은 기술이 무엇을 할 수 있는지가 아니라 구성원에게 어떤 결과를 줄 것인가라는 질문에서 출발했습니다. 이상적인 시나리오를 먼저 그리고 거꾸로 필요한 역량을 도출했으며, 현장 창작자 설문과 상반된 입장 간 토론으로 숨은 긴장을 드러냈습니다. 기술 로드맵 대신 "오늘 vs 내일" 비교표와 역할이 어떻게 바뀌는지 보여 주는 하루 시나리오를 만들었고, 연간 목표도 프로덕트와 창작 조직이 함께 쓰고 공동으로 책임졌습니다.
여러 시각
같은 AI 도입 문제를 Lenny's Newsletter는 측정과 품질의 관점에서 다룹니다.
- Lenny's Newsletter (Advanced evals) — 평가 지표를 만들기 전에 실제 트레이스를 100건 이상 모아 실패 유형을 먼저 발견하라고 말합니다. 자동화 에이전트는 제품 판단이 필요한 문제를 놓친다는 점도 지적합니다.
- First Round Review — 같은 맥락에서 신뢰는 도구의 정확도가 아니라 사용자가 미래 상태에서 자기 모습을 볼 수 있는가에서 생긴다고 봅니다.
왜 중요한가
두 글은 모두 "먼저 이해하고 나중에 자동화한다"는 점에서 만납니다. 평가 체계가 사용자 실패를 이해하는 데서 출발하듯, 조직 전환도 현장의 우려를 이해하는 데서 출발합니다. AI 프로젝트가 실패하는 이유는 모델 성능보다 도입 대상이 변화의 주체가 아니라 대상으로 취급되기 때문인 경우가 많습니다. 공동 목표와 공동 책임은 이 구조를 바꾸는 실질적인 장치입니다.
실무 적용
- AI 기능 기획서에 기술 스펙보다 앞서 "오늘 vs 내일" 비교표와 역할별 하루 시나리오를 넣는다.
- 출시 전에 실제 사용 로그 100건 이상을 직접 검토해 실패 유형을 분류한 뒤 평가 지표를 정한다.
- 현업 팀과 목표를 공동 작성하고, 정기 회의에 불일치 점검 안건을 고정 배치한다.
Kenny의 관점
AX 프로젝트를 하면서 가장 자주 보는 실패는 데모는 훌륭한데 현업이 쓰지 않는 경우입니다. 원인은 대개 기능이 아니라 "이게 내 일을 어떻게 바꾸는지"를 아무도 설명하지 못한 데 있습니다. 넷플릭스의 비교표와 하루 시나리오는 화려하지 않지만, 기획자가 결정을 문장으로 풀어낼 수 있어야 한다는 원칙을 실행한 사례입니다. 저는 여기에 trace 리뷰를 더해, 사람의 신뢰와 제품의 품질을 같은 현장 관찰에서 얻는 방식을 추천합니다.
출처
이 글은 아래 원문을 바탕으로 Kenny가 한국어로 요약·정리한 큐레이션입니다.
원문 보기 — First Round Review ↗