AI-powered Workforce 구축을 위한 GitHub의 내부 플레이북

2 days ago 8

GitHub은 사람 중심 접근법으로 AI 도입을 확산시키며 전사적 AI 역량을 구축함
AI 채택은 기술 문제가 아니라 변화 관리 문제로, 단순히 툴을 배포하는 것이 아니라 조직의 업무 방식을 재구성하는 일
성공을 위해 GitHub은 8가지 기둥(AI 옹호자, 명확한 정책, 학습 기회, 데이터 기반 측정, 책임자 지정, 경영진 지원, 적합한 툴, 실천 공동체)을 기반으로 한 운영 모델을 작성
또한 경영진의 적극적인 비전 공유, 명확한 사용 가이드라인, 자발적 옹호자 네트워크, 실천 공동체(CoP), 체계적 학습 경로, 전담 리더십, ROI를 증명할 수 있는 측정 체계를 수립
이 전략은 단순 채택을 넘어 업무 혁신·생산성 향상·인재 성장을 이끄는 구조적 접근임을 보여줌

서론: 기회와 핵심 과제

생성형 AI는 기업 성과 가속을 위한 거대한 기회이며, 경쟁적으로 가치를 확보하려는 레이스가 진행 중
과제는 AI의 잠재력 인지가 아니라 스케일에서의 활성화이며, 여기서 성공 여부가 갈림
많은 조직이 AI 툴에 과투자하지만 채택이 소수 열성 사용자에 국한되어 전사 생산성으로 전환되지 못하는 손실이 발생함
고성과 조직과 정체 조직의 차이는 의도적이고 체계적인 활성화 전략 보유 여부

실패를 부르는 오해: 기술 배포가 아닌 변화 관리

기업들은 AI 도입을 소프트웨어 설치처럼 다루지만, 실제로는 업무 방식 재배선이라는 변화 관리 과제
성공과 실패를 가르는 것은 라이선스 구매가 아니라 회의적 구성원을 파워 유저로 전환시키는 인적 인프라 구축

문서의 성격: GitHub 내부 플레이북

본 문서는 GitHub이 글로벌 워크포스에 AI 유창성을 구축하기 위해 개발·운영한 내부 플레이북
AI for Everyone 이니셔티브의 산출로, 이론이 아닌 현장 검증된 실천 블루프린트를 제공함
목표는 AI를 일하는 방식에 내재화하는 체계를 타 조직도 복제 가능하게 하는 것

운영 모델 개요: 상호 보완적 시스템

성공적 AI 활성화는 단일 이니셔티브가 아닌 상호 보완 컴포넌트의 총합으로 설계
톱다운 전략과 그라스루츠 모멘텀을 정교하게 혼합하여 AI 유창성이 번성하는 생태계를 조성
생태계의 토대는 경영진의 가시적 후원과 명확한 정책·가드레일
- 리더십 스폰서는 비전과 투자로 시작점을 마련
- 정책·가드레일은 직원들이 안전하게 실험·혁신할 수 있는 환경을 제공

여덟 가지 기둥(8 Pillars): 정의와 역할

AI Advocates: 사내 자원봉사 챔피언 네트워크로, 피어 영향력과 현장 피드백을 통해 채택을 확산하는 역할
Clear policies and guardrails: 누구나 이해 가능한 간명한 규칙과 가이드라인으로 책임 있는 사용을 뒷받침
Learning and development opportunities: 우수 외부 콘텐츠를 큐레이션한 접근성 높은 학습 생태계를 제공
Data-driven metrics: 다단계 측정 프레임워크로 채택·활성도·비즈니스 임팩트를 추적
Dedicated responsible individual (DRI): 프로그램을 오케스트레이션하고 타인을 활성화하며 전체 전략을 추진하는 중앙 책임자
Executive support: 가시적 리더십 커밋으로 비전·투자·투명 커뮤니케이션을 제공
Right-fit tooling: 다양한 역할·유스케이스에 맞춘 검증된 1·3자 툴 포트폴리오를 제공
Communities of practice (CoPs): 피어 학습·지식 공유·문제 해결을 위한 전용 포럼을 운영

실행 포커스: 세 가지 연결 요소

1) 팀 장비 + 인간 지원 체계 구축: 검증된 AI 툴을 지급하고, Advocates 프로그램으로 내부 챔피언을 육성하며, CoPs로 피어 학습을 상시화함
2) 구조화된 L&D로 증폭: 표준화된 학습 경로와 큐레이션으로 기술·업무 역량을 체계적으로 상승시킴
3) DRI와 데이터로 운영: DRI가 투자 결정을 주도하고 데이터 기반 지표로 임팩트를 측정·개선하여 프로그램을 지속 진화시킴

Put the framework into action

AI 활용 프레임워크는 단순히 핵심 요소를 이해하는 데서 끝나지 않고, 이를 실제로 실행하는 전략적 접근이 필요함
GitHub은 여덟 가지 기둥(pillars)을 중심으로 실행 로드맵을 제시하며, 그중 첫 출발점은 경영진의 지원(Executive support)
경영진이 명확한 비전과 이유를 제시하고, AI가 직원들의 업무에 어떤 가치를 더하는지 구체적으로 설명해야 초기 동력을 확보할 수 있음

Executive support: How to set the tone

AI 도입 성공은 경영진의 역할에서 시작됨
단순히 툴을 제공하는 것을 넘어, 회사의 AI 전략의 "왜(why)"를 지속적으로 강조해야 함
목표를 추상적으로 제시하는 대신 직원들의 일상 업무와 직접 연결된 실질적 이점으로 설명해야 참여도를 끌어올릴 수 있음
엔지니어 대상 메시지 예시:
“AI를 통해 반복적이고 지루한 작업을 제거합니다. Copilot이 보일러플레이트 코드 작성, 단위 테스트 생성, 복잡한 PR 요약을 대신하므로 여러분은 창의적인 문제 해결에 집중할 수 있습니다.”
전사 대상 메시지 예시:
“AI 전략의 목표는 더 나은 제품을 더 빠르게 고객에게 제공하는 것입니다. AI로 우리의 역량을 증폭시켜 혁신 속도를 높이고, 고부가가치의 창의적 업무에 집중할 수 있습니다.”

현실적이고 투명한 접근

AI 도입은 필연적으로 업무 자동화와 직무 변화를 수반함
이를 무시하면 불안과 저항이 생기고 채택을 가로막음
따라서 리더는 단순한 안심 발언 대신 역할 변화와 재교육(upskilling) 전략을 구체적으로 제시해야 함

하지 말아야 할 말: “여러분의 일자리는 안전합니다.”
해야 할 말: “앞으로 우리의 일이 이렇게 바뀔 것이고, 그에 필요한 새로운 기술을 익히도록 이렇게 지원하겠습니다.”

이런 솔직한 접근은 직원들을 변화의 파트너로 대우함으로써 신뢰를 구축함

맞춤형 메시지 전략

AI 메시지는 대상별 맞춤화가 필요함

관리자(Managers):
단순한 개인 활용이 아니라 팀 전체를 이끌 준비를 시켜야 함. 관리자는 팀 워크플로우를 재설계하고, 자동화 가능한 업무를 식별하며, 고부가가치 업무를 재정의하는 역할을 맡아야 함. AI 도입을 팀 성과 및 혁신 개선과 직접 연결시키도록 장려해야 함.
시니어급 개인 기여자(Senior ICs):
개인 성과 향상뿐 아니라 AI 활용의 내부 설계자가 되도록 도전해야 함. 이들은 조직 내 영향력이 크므로 새로운 AI 활용 방식을 도입·표준화하는 데 중요한 역할을 함. AI로 자신의 성과를 극대화하는 동시에 내부 멘토로서 AI 역량을 확산시켜야 함. 이를 통해 핵심 인재의 영향력이 기하급수적으로 확장됨.

Policies and tooling: Providing clarity and access

AI를 조직 전반에 도입하려면 명확한 가드레일(guardrails) 이 필수적임
직원들이 무엇이 허용되는지 불확실하면 실험조차 하지 않으므로, 명확하고 접근하기 쉬운 허용 사용 정책(Acceptable Use Policy) 이 성공의 선결 조건
이는 단순히 컴플라이언스 문제가 아니라, 직원들이 안전하고 자신감 있게 AI를 활용할 수 있도록 하는 기반
정책 수립의 원칙
- 정책은 IT, HR, 보안, 법무 등 주요 이해관계자와의 협력을 통해 만들어져야 함
- 이렇게 해야 위험 관리 측면에서 포괄적 접근이 가능해짐
- 최종 정책은 중앙화된 단일 문서로 제공되어야 하며, 여기에는 승인된 모든 AI 도구와 각 도구에 적합한 데이터 유형이 명확히 정리되어 있어야 함
계층형 툴링(Tiered tooling) 모델
- 성공적인 AI 사용 정책 모델은 계층형 접근 방식
- 단순히 금지사항 목록을 나열하는 대신, 어떤 것이 승인되었는지 명확히 구분해 직원들이 쉽게 의사결정을 내릴 수 있도록 하는 것
Tier 1: 완전히 검증·승인된 도구
- 내부 보안 및 법무 검토를 철저히 거친 도구
- 기밀 회사 데이터 및 고객 데이터를 다루는 데 안전함
- 회사 자체 1st-party 제품(예: GitHub Copilot)과, 계약·승인된 엔터프라이즈급 3rd-party 도구 포함
- 직원은 이 범주에 속하는 도구를 안전한 기본 선택지로 인식할 수 있음
Tier 2: 미검증 공용·소비자용 도구
- 회사가 공식적으로 계약하거나 검증하지 않은 공개 AI 도구 전반 포함
- 정책은 간단하고 보편적임: 이 도구들은 공개적이고 민감하지 않은 데이터에만 사용 가능
- 이를 통해 직원들이 회사 데이터를 위험에 빠뜨리지 않으면서 새로운 AI 기술을 자유롭게 실험 가능
효과와 메시지
- 이 계층형 모델은 직원들에게 단순하고 명확한 사고방식을 제공함:
  - “만약 어떤 도구가 ‘완전 검증 리스트’에 없다면, 공개 데이터만 사용하라.”
- 이처럼 명확한 기본 규칙은 불확실성을 제거하고, 책임 있는 AI 활용을 대규모로 확산시키는 핵심 열쇠가 됨

AI advocates: Your grassroots champions

AI 채택을 장기적으로 성공시키려면 경영진의 지원과 명확한 정책뿐만 아니라, 동료 간 영향력(peer-to-peer influence) 이 핵심 동력이 됨
이를 위해 AI Advocates 프로그램은 매우 효과적인 메커니즘으로, 자발적인 내부 챔피언 네트워크를 구축해 개별 팀과 중앙 지원 프로그램을 연결하는 다리 역할을 함
Advocates는 상위 전략을 팀 단위의 구체적 활용 사례로 번역하여, 자연스럽게 조직 내 AI 모멘텀을 형성함

네트워크를 구축하는 가장 효과적인 방법은 자원자 모집임
복잡한 공식 추천 절차보다는 전사 공지를 통해 AI에 열정을 가진 사람을 모집하면, 스스로 동기부여가 되어 있고 동료 성공을 진심으로 돕고 싶어 하는 적합한 사람들이 모임
이는 곧 신뢰할 수 있는 강력한 내부 챔피언으로 이어짐

What advocates do
- Advocates의 역할은 다층적이며, 내부 전문가, 커뮤니티 빌더, 피드백 채널이라는 세 가지 주요 기능을 수행함
- 내부 챔피언 역할
  각 팀의 AI 전문가로서 동료의 멘토가 되고, 일상적 질문에 답하며 실무적 장벽을 해소해 AI 도입 장벽을 낮춤
- 동료 학습 촉진
  AI의 가치를 구체적이고 현실적인 사례로 보여줌. 팀 내 성공 사례를 공유해 동료에게 AI의 실질적 효과를 체감하게 하며, 이는 형식적 교육보다 더 큰 설득력을 가짐
- 팀의 목소리 대변
  중앙 프로그램과 현장의 피드백 루프를 형성해, 무엇이 잘 작동하는지, 무엇이 문제인지, 어떤 기회가 있는지를 전달함. 이를 통해 프로그램은 실제 사용자 니즈 기반으로 지속 개선 가능
- 교육 기획·협업
  팀의 구체적 요구와 사용 사례를 반영해 중앙 프로그램과 협업, 실질적 효과가 있는 맞춤형 교육 세션을 공동 기획·리드함
Supporting your advocates
- Advocates 프로그램이 성공하려면 중앙 지원팀의 실질적이고 가치 있는 지원이 필요함. 핵심 지원 방식은 다음과 같음.
- 자생적 Advocate 커뮤니티 육성
  전용 Slack 채널 같은 소통 공간을 마련하고, 정기적인 advocate 주도 체크인을 지원해 서로의 모범 사례를 공유하고 문제를 해결하는 자가 관리형 네트워크로 성장시킴
- 리더십과의 직접 연결
  Advocates가 DRI(Directly Responsible Individual)나 프로그램 스폰서 같은 리더십 대표와 직접 연결될 수 있도록 하여, 경영진의 의사결정과 현장의 활동을 잇는 창구를 제공함
- Train the Trainer 철학
  Advocates를 단순한 정보 수신자가 아니라, 멘토와 워크숍 리더로 성장시키는 데 집중함. 이들을 효과적인 교육자이자 AI 주제 전문가로 육성해 중앙 프로그램의 확장된 연장선으로 만듦
- 이러한 지원을 통해 Advocates는 조직 내에서 신뢰받는 AI 리더로 자리매김하며, 자연스럽게 AI 활용 능력을 조직 전반에 확산시킴

Communities of practice: Fostering collaboration

Advocates 프로그램이 개별 팀에 깊이 관여하는 고밀도(high-touch) 지원을 제공한다면, 조직 전체의 AI 활용 능력(AI fluency)을 확산시키려면 더 넓은 차원의 협업 장이 필요함
이때 실천 공동체(Communities of Practice, CoPs) 가 중요한 역할을 하며, 직원들이 자유롭게 연결되어 질문하고 지식을 나눌 수 있는 전용 공간을 제공
CoPs는 성공적인 AI 활성화 프로그램의 결합 조직(connective tissue) 으로 작동해 사일로를 허물고, 귀중한 인사이트가 개별 대화 속에서 사라지지 않도록 보장

또 다른 목표는 자발적 AI 관심을 구조화하되, 창의성을 억누르지 않는 것
대부분의 기업에는 이미 산발적으로 운영되는 채팅 채널이나 이메일 스레드 형태의 작은 AI 커뮤니티가 존재함
효과적인 프로그램은 이러한 흩어진 활동을 체계적이고 응집력 있는 네트워크로 발전시킴. 이를 위해 필요한 핵심 단계는 다음과 같음
- Establishing dedicated, purpose-driven communities
  - 하나의 거대한 AI 채널 대신, 목적별·사용자 그룹별 전용 커뮤니티를 만드는 것이 효과적임
  - 이렇게 하면 대화가 더 집중적이고 관련성 있게 진행될 수 있음
  - 추천되는 초기 구성을 예로 들면:
    - 일반용 커뮤니티: 전사적 공지 및 비기술적 질문을 다루는 채널 (예: #how-do-i-ai)
    - 개발자 전용 커뮤니티: 기술적 사례 공유, 심층 토론, 고급 기법 교류를 위한 채널 (예: #copilot-users)
    - 부서 특화 커뮤니티: 마케팅, 세일즈, 재무 등 특정 직무의 고유한 활용 사례를 다루는 채널 (예: #ai-for-sales)
- Defining clear charters and leadership
  - 각 커뮤니티에는 명확히 기록된 목적과, 이를 관리할 리더(또는 리더 그룹)가 필요함
  - 리더는 Advocates에서 선발할 수도 있으며, 이를 통해 대화의 방향성을 유지하고 커뮤니티가 지속적으로 가치 있는 리소스로 남도록 관리함
- Sustaining momentum
  - 채널을 개설하는 것으로 끝나지 않음
  - 중앙 지원 프로그램은 커뮤니티에서 나온 흥미로운 AI 활용 사례를 전사적으로 공유하고, 신기능이나 교육을 알리는 플랫폼으로 활용해야 함
  - 시간이 지나면서 커뮤니티를 발전시키고 재정비하는 작업이 필요함

이처럼 의도적으로 CoPs를 육성하면, 확장 가능하고 자생적인 동료 학습 엔진이 탄생함
이는 조직 전체가 AI 활용에 능숙해지는 데 반드시 필요한 기반이 됨

Curated learning and development: Lowering the barrier

단순히 AI 도구 접근 권한을 제공하는 것만으로는 부족하며, 직원들이 실제로 활용 능력(proficiency)을 습득하도록 돕는 학습 및 개발(Learning & Development, L&D) 체계가 필수적임
목표는 모든 직원이 기술적 배경과 관계없이 역할에 맞는 실질적 AI 활용 기술을 습득할 수 있도록 하는 것임
GitHub은 이를 위해 내부 경험과 외부 자료를 큐레이션한 L&D 사이트를 구축했으며, 다양한 학습 스타일과 요구를 충족하는 다층적 생태계를 제공함

효과적인 L&D 전략은 다음과 같은 핵심 투자로 구성됨
- A centralized resource hub
  - 모든 AI 관련 학습 자료를 모으는 단일 진실의 원천(source of truth) 사이트 필요
  - 단순 링크 모음이 아니라, 내부 혁신 사례·베스트 프랙티스·직원 프로젝트 등을 동적으로 전시
  - 학습 자료 제공과 동시에 동기부여 효과 제공
- Core AI Learning paths
  - 직원 모두가 기초 수준의 역량을 갖추도록 제로투원(zero-to-one) 학습 경로 제공
  - 자체 제작 콘텐츠 대신 외부의 검증된 학습 자료를 큐레이션
  - AI 기능은 빠르게 변하므로 내부 제작 콘텐츠는 곧 무용지물이 될 위험 존재
- Building blocks for technical users
  - 고급 기술 직원은 기초 학습이 아닌 작업 가속화(acceleration) 가 필요
  - 재사용 가능한 AI 컴포넌트 라이브러리 제공: 템플릿, 클론 가능한 저장소, 워크플로우 등
  - 반복 작업을 줄이고 빠르게 AI 솔루션을 구축할 수 있도록 지원
- Integration with onboarding
  - 온보딩 과정에 AI 학습을 포함해 입사 첫날부터 활용 능력을 습득하도록 지원
  - AI 활용 능력이 곧 성공적인 커리어의 핵심 역량임을 강조

이를 통해 직원 개개인의 역량 향상뿐 아니라, 조직 전반의 AI 활용 문화 정착을 가능하게 함

Dedicated program leadership: Driving the program

AI 활성화 프로그램은 단순한 리소스 모음이 아니라 지속적이고 살아 있는 체계여야 하며, 이를 위해 전담 책임자(Directly Responsible Individual, DRI) 또는 소규모 전담 팀이 필요함
이 리더십은 전략·실행·커뮤니티 활동을 연결하는 접착제 역할을 하며, 조직 전체를 하나의 유기적 시스템으로 작동하게 함
DRI의 핵심 임무는 자신의 권한을 강화하는 것(fiefdom building)이 아니라, 타인을 확장(scaling others)시키는 것임

주요 역할과 책임
- Owning the program strategy and roadmap
  - 전체 전략 수립 및 실행 로드맵 정의
  - 월간 계획 관리 및 회사 목표와 정렬 유지
- Leading change management
  - 조직 내 변화 관리 책임자로서, AI 도입을 원활하고 투명하게 진행
  - 혼란을 최소화하고 채택률 극대화
- Acting as a central AI consultant
  - 직원 및 Advocates에게 1:1 지원 및 오피스 아워 제공
  - 복잡한 문제 해결 및 고급 활용 사례 개발 지원
- Amplifying internal success and innovation
  - 내부 성공 사례 발굴 및 공유
  - 커뮤니티·워크숍을 통해 모범 사례를 전파, 선순환 효과 창출
- Managing the AI tooling and policy lifecycle
  - 새로운 도구 요청을 접수하고, IT·보안·법무와 협력해 평가·조달·정책 수립 전 과정 관리
- Owning adoption and fluency metrics
  - MAU, MEU, 사용자 세분화 등 선행 지표 추적
  - 프로그램 효과성을 입증하고 직원들의 AI 성숙도 평가
- Demonstrating business ROI
  - 생산성 향상, 코드 품질 개선, 개발자 만족도 증대 등 후행 지표와 채택 데이터 연결
  - 경영진에게 데이터 기반 ROI 스토리 제공

GitHub은 이를 위해 프로그램 디렉터와 프로그램 매니저를 정식으로 배치, AI for Everyone 이니셔티브를 추진
이러한 전담 체계를 통해 기업 차원의 AI 활성화에 필요한 집중도와 책임성을 보장함

Metrics: Measuring for success

AI 활성화 프로그램의 투자를 정당화하고 발전을 이끌려면 올바른 지표 측정이 필수적임
단순히 라이선스 배포 수를 세는 수준을 넘어, 조직 내 AI 활용의 범위·깊이·성과를 입체적으로 이해해야 함
아직 업계 표준이 확립되지 않았으므로, 다단계 접근법(채택 범위 → 활용 심화 → 비즈니스 성과 측정)이 가장 효과적임

Phase 1: Measuring breadth of adoption
- Monthly Active Users (MAU): 한 달에 최소 1회 이상 AI를 사용한 직원 비율 → 전체 채택률의 기본 지표
- Monthly Engaged Users (MEU): 여러 날 사용한 직원 비율 → 초기 실험 단계를 넘어 습관 형성 여부를 확인하는 핵심 지표
Phase 2: Measuring depth of engagement
- User segmentation:
  - Dedicated users: 월 10일 이상 활동 (핵심 파워유저)
  - Occasional users: 월 2–9일 활동
  - Tire kickers: 월 1일 활동
  - → 목표는 Tire kickers를 Occasional/Dedicated로 전환시키는 것
- Total AI events: 프롬프트·코드 자동완성 등 총 상호작용 횟수 → 사용자당 이벤트 증가가 곧 업무 흐름 속 AI 내재화 신호임
Phase 3: Measuring business impact
- GitHub Engineering System Success Playbook (ESSP) 참조 → 개발자 행복, 품질, 속도, 비즈니스 성과 전반을 아우르는 종합 지표 제공
- 주요 AI 관련 지표:
  - AI leverage: AI 활용으로 절감된 수작업 노력과 생산성 향상 정도를 계량화
  - Cycle time: 커밋이 프로덕션에 반영되기까지 걸린 시간 → AI 활용으로 단축될수록 효율 향상 의미
  - Code churn: AI 코드가 재작업이 줄었는지 여부를 통해 품질 신호 측정
  - Pull request size: AI가 과도하게 큰 PR을 유발하지 않는지 검증 필요
  - Developer wellbeing: 반복 작업 감소가 만족도·번아웃 감소로 이어지는지 추적
  - Perceived productivity: 설문 등으로 직원이 AI로 인해 더 가치 있는 일에 집중할 수 있게 되었는지 체감도 조사

이러한 다단계 측정을 통해 AI 도입의 채택·활용 심화·ROI를 모두 입증할 수 있으며, 데이터 기반 내러티브로 경영진에 가치를 설명할 수 있음

Executing on enablement: A strategic checklist

이 체크리스트는 앞서 설명된 프레임워크를 단계별 실행 로드맵으로 정리한 실천 가이드임

Phase 1: Foundational steps (first 30 days)
- Secure executive sponsorship
  - 예산 지원과 프로그램 공개 지지, 지속적 메시지 전달을 담당할 C레벨 스폰서 확보
- Appoint a DRI
  - 프로그램 성공에 책임을 지고 부서 간 조율 권한을 가진 전담 책임자 지정
- Draft a v1 usage policy
  - Legal·Security·IT와 협업해 1차 사용 정책(예: vetted vs unvetted 도구)을 제정, 안전한 실험 환경 보장
- Establish initial metrics
  - MAU·MEU 측정 체계를 마련하고 초기 대시보드 구축
- Announce the program
  - 스폰서 및 커뮤니케이션팀과 협력해 비전·가용 자원·향후 일정을 담은 전사 공지 배포
Phase 2: Building momentum (first 90 days)
- Launch the AI advocates program
  - 사내 자원봉사자 공개 모집, 역할 안내 세션 진행, 전용 커뮤니케이션 채널 마련
- Establish communities of practice
  - 일반용·개발자용 채널을 개설하고 명확한 charter 및 커뮤니티 리드 지정
- Launch a centralized resource hub
  - 승인된 도구, 정책, 학습 경로를 담은 v1 내부 허브 사이트 개설
- Begin showcasing success
  - DRI·Advocates가 초기 성공 사례를 발굴·공유하여 사회적 증거와 영감을 확산
- Launch an onboarding module
  - HR과 협력해 AI 활용 모듈을 신규 입사자 온보딩 과정에 통합
Phase 3: Scaling and measuring (ongoing)
- Implement a "Train the Trainer" program
  - Advocates의 멘토링·워크숍 리딩 역량 강화를 위한 정규화된 교육 제공
- Develop a business ROI dashboard
  - MAU/MEU 등 채택 지표와 사이클 타임·코드 품질·영업 생산성 등 후행 지표를 연결하는 ROI 대시보드 구축
- Conduct qualitative surveys
  - 정기적·간단한 조직 설문조사를 통해 생산성·웰빙 체감 효과 및 프로그램 피드백 수집

The path to AI fluency

단순히 AI 도구에 투자하는 것만으로는 충분하지 않음
체계적이고 다각적인 실행 프로그램이야말로 AI 투자 가치를 실현하는 조직과 그렇지 못한 조직을 구분하는 핵심 요인임

AI 채택 성공에는 만능 해법(silver bullet) 이 존재하지 않음
필요한 것은 지속적이고 데이터 기반의 실행 노력임
이를 위해서는 다음이 필수적임:
- 경영진의 전폭적 지원
- 명확하고 접근 가능한 정책
- 현장의 자발적 AI 옹호자(advocates)
- 올바른 지표 측정에 대한 헌신
- 변화에 적응 가능한 강력한 실행 시스템 구축