CEO의 일과는 이렇다. 아침 9시, 회의실에서 지난주 매출 보고를 받는다. 숫자를 읽으며 고개를 끄덕이지만, 정작 그 숫자를 만드는 팀원 누구의 얼굴도 떠오르지 않는다. 10시, 투자 결정을 내려야 한다. 전략팀의 자료를 넘긴다. 근거는 그럴듯하지만, 실제로 그 근거가 검증되었는지 확신이 없다. 11시, 올해 보너스 배분을 결정한다. 회계팀의 예상치를 보며 순간 묻는다: 이 기준이 정말 공정한가? 그 질문은 곧 사라진다. 시간이 없기 때문이다.
점심, 저녁, 밤—결재와 보고의 반복. CEO는 매일 의사결정의 순간 앞에 선다. 그러나 그 결정은 종종 직관, 경험, 그리고 피로감이 섞인 순간의 판단으로 이루어진다. 의도는 책임감 있게. 실제는 고독하게. 사장님은 누구와도 나눌 수 없는 짐을 혼자 지고 있다.
우리는 사장님에게 기대한다. 투자는 잘 알아야 한다. 위기가 터졌을 때 즉시 판단해야 한다. 자산을 배분할 때는 세금과 위험을 동시에 고려해야 한다. 전략을 세울 때는 3년 뒤의 시장을 내다봐야 한다.
이것이 경영 전문가의 무게다. 그리고 대부분의 사장님은 회계사도, 투자 전문가도, 위기관리 컨설턴트도 아니다. 원래 엔지니어였거나, 영업으로 커올린 분이거나, 계승자였거나. 그 어떤 배경이든, 경영의 '기술'은 배워야 한다는 무언의 압박이 있다.
결과는 무엇인가? 사장님의 시간과 에너지는 '경영을 배우고 의사결정의 정확도를 높이는 일'에 갇힌다. 본래 사장님이 조직에 주어야 하는 것—감동, 비전, 인생을 바꾸는 도전—은 뒤로 밀린다. 그것이 사장님의 외로움이다.
여기서 한 가지 발상의 전환이 필요하다. 경영 의사결정은 신비로운 것이 아니다. 투자를 할 때 사장님이 묻는 질문들—이 회사는 수익성이 있는가, 위험은 충분히 관리되는가, 팀은 역량이 있는가—이 모두 '반복 가능한 판단'이다. 위기 때 묻는 질문들—현금흐름은 몇 개월 남았는가, 어떤 비용을 먼저 줄일 것인가, 어느 사업부터 살릴 것인가—역시 패턴이다.
패턴은 규칙으로 환원된다.
이것이 크라우니 엔터프라이즈의 첫 번째 가정이다. CEO의 의사결정 과정을 해체하면, 그 안에는 수백 개의 작은 규칙들이 있다. "현금이 3개월 미만이면 긴급 상황이다", "같은 업종 평균 부채비율의 150% 이상이면 위험도가 높다", "핵심 인물의 이직은 2년 내 매출 20% 하락 신호다"—이런 규칙들이 의사결정의 기초를 이룬다.
오늘날 그 규칙들을 축적하고, 4상(예/연구/거부/이관)으로 분별하고, 자동으로 실행하는 기술이 존재한다. 우리는 이를 셀코어—규칙기반 엔진—이라 부른다. 환각하는 LLM이 아니라 검증된 규칙들이 의사결정의 주체가 되는 것이다. 여기서 LLM은 자연어 의도를 규칙 엔진으로 라우팅하는 윤활유 역할만 한다.
역설은 이렇다. 경영 기술을 대신 맡길수록, 오히려 사장님은 경영 전문가가 되지 않아도 된다. 왜냐하면 기술은 이미 그 역할을 한다. 남은 것은, 그렇다면 사장님은 무엇을 하는가라는 질문뿐이다.
이 책의 여정은 여기서 시작된다. 좋은 사장님은 정말 무엇을 하는 사람인가? 그리고 경영의 기술을 내려놓은 순간, 사장님에게 남는 것은 무엇인가?
증거부터 본다면, 그 답은 공상이 아니라 이미 일하고 있다.
의심은 건강하다. 경영 AI라는 말만으로는 충분하지 않다. "환각하는 대형 언어모델이 아닌가" "검증 없이 숫자를 지어내지 않는가" "정말 살아있는가"—이 질문들은 타당하다. 우리가 제시하는 증거는 간단하다. 오늘 켜져 있는 경영 AI, 그리고 한 줄의 입력이 어떻게 4상 판정으로 변환되는지 직접 보는 것이다.
aimed 경영AI v1은 현재 mgmt.aimed.crowny.org의 포트 9913에서 운영 중이다. 이것은 시연용 데모나 실험실 프로토타입이 아니다. 한국 경영 조직의 경영 판정이 실시간으로 누적되고 판정되는 라이브 환경이다. 포트와 도메인, 버전은 아래 링크에서 확인할 수 있다.
mgmt.aimed.crowny.org:9913/decide
mgmt.aimed.crowny.org:9913/explain입력은 자유로운 한국어 문장이다. "부산 지역 신입 개발자 5명을 뽑아야 하는데 교육 예산이 1천만 원만 남았다" 같은 경영 상황. 응답은 4상 판정이다.
사용자가 입력 하나를 던지면 시스템이 내놓는 응답은 정확히 네 부분으로 구성된다.
판정(state): 티(+1, 실행), 옴(0, 정보 수집 후 예스로), 타(-1, 거부), 음(-0, 이관·위임). 이 네 상 중 하나만 반환된다.
근거(grounds): 판정을 내린 규칙의 이름과 체인. 예를 들어 "예산 제약 규칙(rule_budget_threshold) + 인사부 정책(rule_hr_policy_busan)" 같은 식으로, 어느 규칙들이 연쇄로 작동했는지를 추적 가능하게 기록한다.
신뢰도(confidence): 0~1 사이의 수치. 규칙 체인의 각 단계 신뢰도(입력 형식 정확성, 정책 커버리지, 예외 탐지)를 곱해 최종 신뢰도를 산출한다. 0.92라면 92% 신뢰도로 판정했다는 뜻이다.
원문(trace): 자유 입력을 정규화하고, 어느 슬롯(주체, 행동, 제약, 이해관계자)에 매핑되었는지 보여준다.
입력: "부산 신입개발자 5명, 교육예산 1천만원"
판정: 옴
근거: [rule_budget_threshold→rule_regional_hiring_pool→rule_hr_request_incomplete]
신뢰도: 0.87
원문 분해: 주체=HR팀 | 행동=인력채용 | 제약=예산한정 | 이해관계자=부산센터이 응답 구조의 핵심은: 판정은 규칙이 내린다. LLM은 원문을 정규화했을 뿐이다.
여기가 가장 중요한 격리 지점이다. 경영 AI의 아키텍처를 보면, LLM(Gemini Flash)은 정확히 두 곳에만 관여한다.
첫째, 입력 의도 정규화: "부산 신입개발자 5명"을 읽고 이것이 [주체=HR팀, 행동=인력채용, 지역=부산, 규모=5명]으로 구조화되는 것. 이 정규화는 자연어의 다양성을 제거하는 전처리일 뿐이다. LLM이 여기서 "신입은 실제로 10명이 필요할 것 같은데"라고 자의적으로 수정하거나 숫자를 지어내면 그것은 결함이다. 우리는 이를 테스트한다(후술).
둘째, 결과 포장: 규칙엔진(셀코어)이 내놓은 "옴, rule_budget_threshold, 신뢰도 0.87"이라는 판정을 자연 한국어로 설명해 사용자가 이해하기 쉽도록 변환하는 것. "정보를 더 수집해서 판정하겠습니다"라는 문장이 여기서 나온다.
판정의 주체는 셀코어 규칙엔진이다. 이것은 검증된 경영 규칙들(투자 정책, 인사정책, 계약조건, 위기대응 등)의 스택으로 쌓여 있다. LLM이 "이건 타(거부)가 맞을 것 같은데요"라고 제안해도, 규칙엔진이 옴이라고 판정했다면 옴이 나간다. 환각이 아니라 검증된 규칙이 실행된다.
미분류 입력(어느 규칙도 명확히 커버하지 못한 경우)은 어떻게 되는가? 결정론적으로 음(음, -0)으로 분류되어 이관 대기열에 들어간다. 추측이나 추론이 아니라 규칙에 없으면 시스템이 정직하게 "모른다"고 반환한다.
신뢰도 0.87이라는 수치는 어디서 나오는가? 시스템의 설계자가 "신뢰할 수 있다"고 주장하는 것이 아니다. 검증된 회귀 테스트 묶음이 있다. 경영 규칙을 추가하거나 수정할 때마다 이 테스트들이 실행되고, 같은 입력이 같은 판정을 내는지, 신뢰도 계산이 일관되는지 확인된다.
다시 말해, 신뢰도는 테스트가 반복 검증한 통계이다. 한 번 0.87이 나왔다는 뜻이 아니라, 같은 유형의 입력이 반복해서 동일한 신뢰도 범위로 판정되었다는 뜻이다. 테스트가 곧 약속이다.
이 테스트 흐름은 투명하게 공개된다(mgmt.aimed.crowny.org:9913/spec). 어느 규칙이 어떤 입력에 대해 몇 번 실행되었고, 회귀가 몇 번 통과했는지는 기록된다. 사용자와 경영진은 "이 판정은 테스트된 판정인가"를 스스로 확인할 수 있다.
한 줄의 판정이 정말 환각이 아니라면, 이제 질문은 다음으로 옮겨진다: 한 화면이 아니라 회사 전체의 경영 결정을 맡으면 어디까지 갈 것인가? 투자 판정, 자산 배분, 위기 관리, 조직 개편—이 모든 것이 같은 규칙기반 4상 분별로 자율 실행된다면?
다음 장에서 우리는 투자사 한 곳이 이 경영 AI에 맡겨진 경우를 본다. 단순히 입력-판정을 반복하는 것이 아니라, 포트폴리오 전체를 관리하고, 위기에 재정을 빠르게 재배분하며, 경영진의 부재 중에도 의사결정 체인이 끊기지 않는 장면이다. 증거는 한 화면에서 끝나지 않는다.
---
이 장의 핵심: 경영 AI는 환각의 위험이 아니다. 규칙이 주체이고, LLM은 두 지점(정규화·포장)에만 국한된다. 검증된 회귀 테스트는 신뢰도를 숫자로 보증한다. 한 줄의 판정이 진실이라면, 그 원리를 회사 전체로 확대할 때 무엇이 가능한지 보자.
크라우니인베스트는 완성된 투자사다. 포트폴리오가 있고, 딜이 들어오고, 매달 실적을 보고한다. 유일한 차이는 누가 의사결정을 하느냐에 있다. 사람이 아니라 11개 역량 모듈이 그 결정을 한다. 투자검토부터 실행, 관리, 고도화까지 거버넌스 전체가 자동화되어 있다는 뜻이다.
이 한 곳의 투자사를 보면, 경영의 기술이 어떻게 작동하는지 분명해진다.
투자사가 해야 할 일은 이렇다. 투자안을 검토하고(검토), 좋으면 실행하고(실행), 매달 관리하고(관리), 위험을 감지했을 때 개입하고(위기), 전략을 수정하고(전략), 자산을 배분하고(재정), 성장을 돕는다(상생). 위기 때는 현금을 지키고(재정), 성공한 딜의 패턴을 다시 찾는다(고도화). 필요하면 유치를 하고(유치), 좋은 모델을 복제하고(복제), 손이 닿지 않는 영역은 위탁한다(위탁).
크라우니인베스트는 이 11개 역량을 모듈로 분리했다. 각 모듈은 한선씨 함수 집합이고, 점수를 받아 판정을 내린다. "이 투자안의 수익성은 75점, 위험도는 30점"—이 점수들이 모이면 한 가지 결정으로 수렴된다. 그 결정이 티(실행), 옴(연구), 타(거부), 음(이관)이다.
투자안이 들어오면 이렇게 흐른다.
분석: 기본정보를 입력한다. 6가지 차원(시장, 팀, 기술, 회계, 위험, 팀구성)의 데이터.
라우팅: 각 역량이 병렬로 평가한다. 검토 모듈이 수익성을 묻고, 위기 모듈이 현금흐름을 본다. 그 점수들이 한군데로 모인다.
작업화: 모듈들의 점수가 의사결정 엔진(크라우니사고)에 입력된다. 벡터 집계가 이루어진다.
의사결정: 결과는 네 상 중 하나다. 티면 실행(약정금 지급, 계약서), 옴이면 조건부 진행(재심사 대기), 타면 거부(반려통보), 음이면 이관(투자위원회 상정).
자가고도화: 3개월 뒤, 같은 투자안의 실적을 확인한다. "우리가 내린 판정이 맞았는가?" 분석이 이루어진다. 맞은 판정의 패턴을 추출해 다음 의사결정에 반영한다. 틀린 판정의 원인을 파악하고 규칙을 수정한다.
이 5단계가 자동화되면 어떤 일이 생기는가? 투자안이 계속 들어와도 처리 시간이 변하지 않는다. 한 건이나 백 건이나 파이프라인은 같은 속도로 흐른다.
전통적인 투자사에서 딜의 생애는 이렇다. 영업이 기회를 가져온다(인입). 투자검토팀이 검증한다(실사). 투자위원회가 모여 결정한다(의결). 법무팀이 계약서를 준비한다(약정). 지급이 이루어진다(집행). 매달 보고가 들어온다(모니터링). 3년 뒤 엑시트 시점이 오면 판매한다(회수).
크라우니인베스트는 이 과정을 규칙으로 환원했다. 인입된 순간부터 자동 실사 점수가 계산되고, 점수가 임계값을 넘으면 의결이 이루어진다. 의결 나자마자 계약서 템플릿이 생성되고, 집행 일정이 자동배열된다. 모니터링은 매시간 이루어진다(변화 감지 에이전트가 순찰). 엑시트 신호가 감지되면 준비단계로 자동 전환된다.
사람은 어디 있는가? 사람은 음(이관) 단계에서만 나타난다. 판정이 음이 나온 것은, 규칙엔진이 "이건 내가 판단할 수 없다"는 뜻이다. 그제야 투자위원회(사람들)가 모여 논쟁하고, 책임 있게 결정한다.
여기서 핵심이 드러난다. 크라우니인베스트는 모든 의사결정을 자동화한 것이 아니라, 되돌릴 수 있는 것과 없는 것을 분리했다.
반대로, 되돌릴 수 있는 것들—포트폴리오 리밸런싱, 모니터링 주기 조정, 상생 프로그램 시작—은 모두 자동 실행된다. 실패해도 다음 달에 롤백하면 된다.
이것이 진정한 거버넌스 설계다. AI와 인간의 책임을 명확히 나눈다. 규칙엔진에게는 "빠르고 정확한 판단을 맡긴다." 인간에게는 "돌이킬 수 없는 순간에만 책임을 지우고, 그 책임을 정직하게 맡긴다."
결과적으로 사장님은 회의실에 덜 간다. 대신, 투자위원회에 나갈 때는 진정한 결정을 내린다. 자동처리된 다수의 안건 옆에서 음으로 올라온 소수의 투자안을 보고, 논쟁하고, 책임 있게 승인 또는 거부한다. 그 순간, 사장님은 경영자가 아니라 지도자다.
그런데 이것이 정말 환각하지 않는 판단일까? 11개 모듈이 내리는 결정이 정말 신뢰할 수 있는가? 그 비밀은 누가 주인이냐에 있다.
LLM의 위험은 단순하지 않다. 환각(hallucination)은 겉으로 사장님을 속이는 위협이지만, 더 깊은 위험은 의사결정의 주체가 모호해지는 것이다. AI가 "제 의견으로는..." 하고 권고할 때, 그것을 근거 있는 판단인지 확률적 텍스트 생성인지 구분하기 어렵다. 크라우니 엔터프라이즈는 이 문제를 건축 수준에서 풀었다. 규칙엔진이 의사결정의 주인이고, LLM은 그 주인의 말을 자연어로 번역해주는 윤활유일 뿐이다. 이 분리가 신뢰의 기반이다.
크라우니 엔터프라이즈의 결정 구조는 두 층이다.
상층(결정 주체): 셀코어 규칙엔진. 경영의 모든 순간 — 투자 판정, 위기 관리, 자산 배분, 전략 수립 — 은 사실 반복 가능한 판단의 집합이다. 이들은 규칙으로 환원된다. "A 기업의 채무율이 40% 이상이고 현금흐름이 음수면 기각한다" 같은 규칙은 경험에서 비롯되지만, 한번 정식화되면 재현 가능하고 검증 가능하다. 셀코어는 이런 규칙 15모듈을 누적하는 규칙저장소다. 각 모듈(투자, 위기, 자산, 전략, 인사 등)은 도메인 전문가가 기여한 규칙들의 집합이고, 매 의사결정마다 이들이 자동으로 평가되어 "예스"인지 "노"인지 "모름(연구 필요)"인지 "이관"인지 네 가지 답을 낸다. 이 네 상(티·옴·타·음)의 분별이 환각을 막는다.
하층(해석 계층): LLM. 사장님은 자연어로 의도를 말한다. "이 기업에 투자할까?" LLM은 그 문장을 파싱해 셀코어가 이해하는 구조로 변환한다. 기업명, 채무율, 현금흐름, 산업군 등을 추출하는 것이다. 규칙엔진이 결정을 내리고 나면, LLM이 그 결정의 근거와 함의를 자연어로 다시 설명한다. "셀코어 투자모듈이 다섯 규칙을 평가했고, 그중 셋이 '예스', 둘이 '모름'으로 답했습니다. 따라서 조건부 긍정입니다" 같은 설명이다. LLM은 윤활유다. 결정이 미끄러워 보이고 자연스러워야 조직이 따른다. 하지만 결정 자체는 규칙이 했다.
크라우니 엔터프라이즈의 핵심 신뢰는 셀코어 규칙엔진의 투명성에 있다. 현재 운영 중인 *크라우니인베스트*(11역량 투자사)와 *크라우니경영AI*(aimed, v1 :9913)는 모두 셀코어 규칙으로만 판정한다. 코드를 열면 "왜 이 기업을 추천했는가"가 규칙 단계별로 보인다.
예를 들어 aimed 경영AI는 경영 의사결정을 네 영역(자산, 인사, 전략, 위기)으로 나누고, 각 영역마다 수십 개의 규칙을 적용한다:
이 규칙들은 한 자리 수의 "마스터룰"이 아니라, 도메인마다 누적되는 수백 개의 세부 규칙이다. 한번 등록되면 매 판정마다 재사용되고, 새로운 사건이 일어날 때마다 검증된다. 환각이 끼어들 틈이 없는 이유는, 규칙이 사실(fact)에 대해 매번 점검되기 때문이다.
"어떻게 LLM의 환각을 완전히 없애나?" 이 질문에 대한 답은 단순하다: LLM을 곁가지로 제한한다.
크라우니 엔터프라이즈에서 LLM이 할 수 있는 일은 정해져 있다:
이게 전부다. LLM은 새로운 판정을 만들지 않는다. 사장님이 "이 업계 트렌드는 뭘까?"라고 물으면, LLM은 "그건 규칙 밖이라 저는 답할 수 없고, 다음 주 전략회의에서 논의하시겠습니까?"라고 결정론적으로 대답한다. 미분류인 사항은 인간이 결정하거나, 새로운 규칙을 만들어 셀코어에 추가한다.
이 제약이 역설적으로 신뢰를 만든다. 사장님은 AI의 범위를 정확히 알고 있다. "이건 AI가 정한 게 아니라 규칙이 정한 거고, 그 규칙은 내가 만들거나 승인한 것"이라고 확신할 수 있다.
규칙기반 시스템의 강점은 재현성(reproducibility)이다. 같은 입력이 들어오면 같은 결과가 나온다. LLM은 매번 다르게 답할 수 있지만, 규칙은 그렇지 않다.
또한 규칙은 검증된다. 세 개월마다 셀코어의 모든 판정을 사후평가한다: "우리가 '긍정'했던 투자들 중 실제로 성공한 비율은?" "우리가 '기각'했던 기업 중 이후 급성장한 케이스가 있나?" 이런 피드백이 규칙을 진화시킨다. 정확도가 낮은 규칙은 재점검되거나 제거되고, 새로운 통찰은 새로운 규칙으로 추가된다.
환각은 이 재현성과 검증 사이에 끼어들 수 없다. AI가 "아, 지난번과 다르게 한번 생각해봤는데..."라고 새로 생각하는 순간, 그건 시스템 밖이다. 크라우니 엔터프라이즈는 그런 즉흥성을 건축 수준에서 차단했다.
---
이렇게 보면 규칙엔진과 LLM의 관계는 자동차와 운전자의 관계가 아니라, 사령관과 통역관의 관계에 가깝다. 사령관(규칙엔진)이 "진격!"을 결정하면, 통역관(LLM)이 그 명령을 부대가 이해할 말로 바꾼다. 통역관이 임의로 명령을 바꿀 수는 없다. 만약 바꾼다면, 그건 체계의 붕괴다.
그렇다면 이 규칙들은 무엇을 기준으로 "예스"와 "노"를 가르는가? 그 기준은 어디서 비롯되는가? 다음 장에서 우리는 크라우니 엔터프라이즈의 가장 깊은 철학 — 네 가지 답(티·옴·타·음)을 다룬다.
의사결정은 흔히 둘 중 하나로 그려진다: 예스 또는 노. CEO 경험담에도 "결단의 순간"이 철학처럼 대접받는다. 그러나 진정한 경영의사결정은 네 가지 답을 갖는다. 인공지능이 사람처럼 분별해야 하는 이유도 여기서 비롯된다.
크라우니 엔터프라이즈의 의사결정 엔진은 4상균형3진법을 기초한다. 이것은 단순한 기술 선택이 아니라 철학이다.
티(T, +1)는 실행이다. "예스, 지금 당장 해야 한다"는 판단. 투자 제안이 들어왔을 때 "펀딩을 시작하라"는 결정, 위기 상황에서 "공급망을 다변화하라"는 명령이 티다. 증거가 충분하고 비용이 명확할 때 CEO는 티로 결정한다.
옴(O, 0)은 "아직 모른다"이다. 그러나 여기가 핵심인데, 옴은 무책임한 미루기가 아니다. 옴은 "더 알아야 할 것이 남았으니, 연구해서 티로 만들어야 한다"는 의무를 포함한다. 신제품 진출, 새로운 기술 도입, 조직 구조 개편 같은 중요 결정 앞에서 CEO가 "좀 더 살펴보자"고 말하는 것. 그 "살펴봄"은 실행이다.
타(A, -1)는 거부다. "노, 이것은 하면 안 된다"는 판단. 회사 가치관에 맞지 않는 사업 제안, 장기 전략과 배치되는 투자, 신뢰할 수 없는 파트너와의 계약. 타는 "이유 있는 노"이며, 규칙에 따른 거부다.
음(−0, -0)은 가장 이해하기 어려운 상이다. 음은 "예외의 총합"이고, 구조상 "위에 물어봐야 할 일"이다. 즉, 이관(委管)이다. 현장의 관리자 수준에서는 판단할 수 없는 정책적 결정, 윗선의 개입이 필요한 상황, 회사 전략 수준의 판단이 필요한 경우다. 음은 결정이 아니라 "결정을 누가 해야 하는가"의 지표다.
"더 생각해봐야 할 것 같은데"라는 말 속에 옴과 음이 섞여 있다. 이 구분이 전체 의사결정 시스템을 좌우한다.
옴에서는 조직이 움직인다. "이 신제품이 정말 시장에 먹힐까? 경영기획팀, 2주일 시장조사를 맡겨. 그 후에 다시 만나자." 이것은 옴이며 액션이 뒤따른다.
음에서는 결정자가 바뀐다. "이 M&A 제안은 우리 회사의 미래 방향에 영향을 미친다. 이사회에 상정하자" 또는 "이 인사 문제는 CEO가 직접 결정해야 한다." 음은 현장 의사결정의 경계선이며, 그 너머가 상위 결정자의 책임임을 명시하는 신호다.
환각하는 AI가 위험한 이유가 여기다. 옴을 음으로 변환해버리거나, 음을 옴으로 덮어버리면 조직은 혼란한다. 크라우니 엔터프라이즈의 규칙엔진(셀코어)은 이 경계를 정확히 그린다. 그래야 자율 의사결정이 신뢰할 수 있게 된다.
4상이 종이 위의 철학으로 남지 않으려면, 실행 방식이 있어야 한다. 크라우니 엔터프라이즈는 두 가지 분별 방식을 운용한다.
벡터형 분별(누적 통계)은 반복되는 결정에 쓰인다. 투자 판정, 신용 심사, 공급업체 평가, 인사 배치 같은 일들이다. 같은 유형의 결정이 누적될수록 규칙이 정제된다. 예를 들어, invest 시스템은 11개 역량(자산분석, 위기관리, 전략수립 등)을 여러 차원으로 평가하고, 각 차원에서 점수를 모은다. 그 누적값이 임계값을 넘으면 자동으로 티가 되고, 임계값 근처면 옴(추가조사)이 되고, 명확한 위험은 타가 된다. 이 방식에서는 결정이 축적되면서 점점 정교해진다.
이관형 분별(단일 사안)은 한 번뿐인 결정에 쓰인다. aimed 경영AI가 운영하는 4상 판정이 예다. 새 사업 진출, 조직 구조 개편, 대규모 인수합병처럼 반복되지 않는 판단 앞에서, 규칙엔진은 쌓인 데이터와 관련 규칙을 따져본 후, 네 상 중 하나를 제시한다. 그것이 음이면 CEO의 결정을 기다리고, 타면 그 이유를 상세히 설명하며 거부한다. 이관형에서는 투명성이 핵심이다. AI가 "이 이유로 티입니다" 또는 "판단 불가, CEO 선택" 같은 근거를 보여줄 때, CEO는 신뢰하거나 의문을 제기할 수 있다.
네 상이 있다는 것이 모든 결정을 빠르게 내릴 수 있다는 뜻은 아니다. 경영의 성숙함은 "멈출 수 있는 능력"에도 있다.
가역 결정(되돌릴 수 있는 것)은 빠르게 한다. 신규 채용, 시장 테스트, 시스템 도입 같은 것들이다. 티로 결정되면 즉시 실행하고, 경험에서 학습한 후 조정한다.
그러나 비가역 결정(되돌릴 수 없거나 매우 비싼 것)은 다르다. 기업 매각, 공장 폐쇄, 대규모 구조조정, 핵심 기술 라이선싱 같은 일들이다. 규칙엔진이 아무리 높은 신뢰도로 티를 제시해도, 이런 결정은 CEO가 명확하게 한 번 더 멈춰 서야 한다. 일부 시스템(invest의 "가역 게이트")에서는 비가역 결정을 자동으로 옴이나 음으로 전환해 실행 전 재검토 기회를 보장한다.
이것이 "AI가 사람처럼 분별한다"는 말의 진짜 의미다. 효율만이 아니라, 신중함도 시스템에 깔려 있다.
네 가지 답을 가진 이 분별이 조직 전역에 퍼지면, 의사결정이 단순히 빨라지는 것 이상의 일이 벌어진다. 한 번의 판단이 아니라 수천 개의 판단 모델이 동시에 쌓이고, 그것들이 서로 학습하며, 결국 조직 자체가 "생각하는 유기체"가 된다. 바로 다음 장의 주제다.
경영의 본질은 반복이다. 투자 의사, 구매 승인, 팀 배치, 위기 대응 — 매일 수십 수백 번 일어나는 그 판단들은 사실 우연이 아니라 패턴의 누적이다. 크라우니 엔터프라이즈는 여기서 출발한다. 결과를 거슬러 올라가 의사결정의 규칙을 캐낸다.
예를 들자. 투자사의 사장님이 분기마다 신규 프로젝트 50건을 심사한다. 그 중 성공한 것 12건, 실패한 것 38건이다. 사람의 감각만 믿으면 내년도도 같은 실패율을 반복한다. 하지만 성공한 12건을 역추적하면 보인다 — 충돌 강도 80% 이상인가, 팀 경험 5년 이상인가, 시장 크기 연 100억대인가. 이렇게 세 조건을 동시에 만족한 건들이 특별히 높은 성공률(예컨대 67%)을 보인다면, 그것이 곧 규칙이다.
이 규칙은 추측이 아니라 검증된 인과관계다. crownycode 자율화 엔진의 첫 단계는 여기다 — 매달 새로운 거래 결과, 시장 반응, 팀 피드백을 셀코어의 규칙저장소에 누적시킨다. 규칙은 단순하지 않다. 조건만 수십 개, 우선순위도 동적이다. 하지만 모두 검증 가능하고 거부할 수 있으며 수정할 수 있다. 사장님이 "이 규칙은 시장이 바뀌었으니 무효"라고 판단하면 버튼 하나로 보류한다.
규칙 하나로는 부족하다. 현실은 다층이고 다면적이기 때문이다.
투자 의사 하나만 해도 초기 스타트업과 기존 기업은 다르다. 스타트업은 팀의 역량과 비전이 전부이지만, 기존 기업은 인수가(M&A)로서의 시너지까지 고려해야 한다. 고객 기업은 또 다르다. 매출 규모, 산업 주기, 지역 리스크 — 거의 다른 세계다.
크라우니 엔터프라이즈는 이것을 세그먼트별 독립 규칙으로 구조화한다. 6561(3⁸) 좌표 공간의 각 점을 하나의 세그먼트로 보고, 그 점마다 독립적인 의사결정 모델을 배치한다. 예를 들면:
이 세그먼트는 고정이 아니다. 시장이 바뀌고 포트폴리오가 자라면, 새로운 세그먼트가 자연스럽게 생겨난다. 한 세그먼트 안에서도 선택지는 수백 개다. "이 조건 조합에서는 몇 건이 성공했나?" 물으면 시스템이 즉시 응답한다. 데이터 기반이지만 인간이 검수하고 승인한 규칙이기에, 신뢰할 수 있다.
현재 invest(투자사) 엔진에는 이런 독립 규칙 세트가 수백 개 이상 활성화되어 있다. 내년에는 수천 개로 늘어날 것이다. 모두 원점으로 돌아간다 — 결과를 거슬러 캐낸 인과관계다.
규칙이 추출되었다고 해서 끝이 아니다. 규칙은 살아 있는 것처럼 숨을 쉬어야 한다.
크라우니 엔터프라이즈는 모든 규칙을 네 가지 상태로 관리한다.
티(활성): 이 규칙은 지금 효력을 가지며 의사결정에 참여한다. 새 거래가 들어오면 이 규칙이 먼저 평가한다. 신뢰도가 높고(예컨대 지난 3개월 성공률 60% 이상) 관련성이 분명하면 이 상태에 있다.
옴(보류): 이 규칙은 유효하지만 조건이 충분하지 않거나, 시장이 변해 재검증이 필요한 상태다. 예를 들어 "B2B 마진율 조건"이라는 규칙이 시장 경기 악화로 인해 원래 근거가 약해졌다면 옴으로 보류한다. 그동안 신규 데이터를 모아 3개월 뒤 다시 평가할 수 있다. 또는 "흥미롭지만 확실하지 않다"는 가설도 옴에 넣어 추적한다.
타(취소): 이 규칙은 더 이상 작동하지 않는다. 명시적으로 거부했거나, 반복 실패로 신뢰도가 바닥났거나, 사장님이 "이제 시장이 너무 달라졌다"고 판단했을 때다. 취소된 규칙은 지워지지 않는다 — 나중에 "왜 이 규칙을 버렸을까?" 다시 찾을 수 있게 기록된다.
음(이관): 이 의사결정은 규칙이 할 수 없다. 인간의 판단, 경험, 직관이 필요하다. 예를 들어 "대규모 구조조정으로 인한 조직 문화 리스크"라는 것은 숫자로 환원되지 않는다. 음에 올라간 결정은 자동으로 사장님의 책상에 올려진다. 시스템은 "규칙이 할 수 없다"고 정직하게 말한다.
이 네 상의 분별이 중요한 이유는, 자율화가 무분별한 자동화가 아니기 때문이다. 옴과 음을 혼동하면 위험하다. 옴은 "더 배워야 한다"는 겸손이고, 음은 "여기는 사람이 와야 한다"는 정직함이다. 크라우니 엔터프라이즈는 이 둘을 절대 헷갈리지 않는다.
여기서 가장 중요한 반론에 답해야 한다: "그럼 사장님은 뭐 하는 건가?"
정답은 역설적이다. 규칙이 자율적으로 실행될수록, 사장님의 역할은 더 커진다. 하지만 형태가 바뀐다.
낮은 단계의 의사결정은 규칙이 한다. "이 신규 프로젝트는 기준을 통과하는가?" "이 비용 지출은 승인 범위 내인가?" "이 고객은 신용도 재평가가 필요한가?" 이런 결정들은 매일 수십 수백 건이고, 사장님 눈에 일일이 거칠 수 없다. 규칙이 완전히 맡는다.
규칙 자체는 사장님이 검수하고 승인한다. "이번 달 새로 추출된 규칙 34건 중 이 세 개는 문제가 있다. 재검토해라." 사장님은 규칙을 읽고(물론 이해 가능한 형태로) 던진다. "이건 옛날 생각인데 아직도 유효한가?" 하나의 질문으로 수십 개 거래를 검토할 수 있다.
경계 결정은 사장님이 한다. 규칙의 신뢰도는 통계다. 하지만 "이 신뢰도 65%면 충분한가?" 하는 질문은 사람만이 할 수 있다. 산업 주기, 경제 사이클, 조직의 위험 성향 — 이것은 숫자가 아니라 판단이다.
고민거리는 사장님에게 올라온다. 규칙이 "이건 내가 못 판단한다"고 올린 결정(음)은 자동으로 사장님의 대기열에 들어간다. 대신 정보는 최대한 정리되어 있다. "이 거래는 규칙 A, B, C로는 통과하는데 규칙 D(신생 스타트업의 외환 리스크)는 평가가 안 된다. 당신의 판단을 기다린다."
이것이 진정한 의사결정 자동화다. 기계가 사람을 대체하는 게 아니라, 사람이 정말 중요한 일에 집중할 수 있게 기계가 보조한다. 관리자의 책상에서 "문서 검토", "숫자 계산", "기록 정리"라는 소음이 사라지고, 남는 것은 "이 조직을 어디로 이끌 것인가", "이 사람을 어떻게 발전시킬 것인가", "다음 시대의 기회는 어디인가"라는 물음뿐이다.
규칙이 몇십 개면 관리할 수 있다. 몇백 개가 되면 충돌이 생긴다. 몇천 개에 이르면 어떤 규칙이 우선인지, 한 규칙의 변경이 다른 규칙에 영향을 주는지 추적할 수 없다. 자율화의 역설이다 — 규칙이 너무 많아지면, 규칙이 자신의 노예가 된다.
크라우니 엔터프라이즈는 여기서 다음 단계로 간다. 수천 개의 규칙을 버리지 않으면서 동시에 무너지지 않게 쌓는 방법. 그것은 한 가지 원칙 — 3배수 고도화와 언어주권의 문제로 이어진다.
경영 AI가 일관되게 성장하려면 단선적 추가가 아니라 기하급수적 누적이 필요하다. 우리가 채택한 원리는 3배수 고도화(Ternary Compounding)다. 한 사이클이 완결되면, 직전 규모의 약 3배로 늘되 기존 뼈대를 버리지 않는다.
예를 들어 aimed 경영AI가 단일 기업에서 검증을 마친 후, 다음 사이클은 3개 기업군의 합의된 규칙을 통합한다. 투자사(invest) 11역량도 마찬가지다. 초기 5가지 검증된 투자 영역(인력·기술·자산·고객·문화)이 확정되면, 다음 사이클은 그 5가지를 기반으로 각각 3배로 세분화된 18~20개 하위 의사결정 모델을 쌓는다. 버리는 것은 부실뿐이고, 정검증된 모든 규칙은 다음 층의 기초석이 된다.
이는 경제학적으로도 견고하다. 3배수 복리의 장점은 이진 확장(2배, 기술 부채 누적)과 선형 추가(+n, 정체) 사이의 황금지점이다. 충분히 가팔라 무모하지 않으면서도, 검증의 비용을 균등 분산시킨다.
이 시스템을 기술적으로 환각 없이 운영하려면 언어가 주체여야 한다. 우리는 셀코어(규칙엔진)를 한선씨(한국어 RPN)로 구현했다. 한선씨는 단순 스크립팅 언어가 아니라 ISA729(크라우니 표준 명령어집)와 1:1 대응되는 역폴란드 기법 언어다.
이것이 언어주권이다. 경영의 규칙을 외국 프레임워크(Python, JavaScript)에 종속시키지 않는다는 뜻이다. 셀코어의 의사결정 모델을 읽으려면 한글로 직결된 규칙을 보면 되고, 감시자(CEO)도 "이 투자 판단의 근거가 뭔가"를 물었을 때 한글 규칙 코드를 펼친다. 번역 오류가 없고, 의도가 명확하다.
amena(인터컬처럴 교육) 5개 서버가 모두 순수 한선씨로 돌고 있다는 것이 증거다. 도메인(교육)이 바뀌어도 한선씨는 같은 규칙 패턴으로 해석한다. 이것이 확장성이다. 외부 라이브러리 의존이 아니라, ISA729 명령어집과 1:1 대응되는 한정된 3진 어휘만으로 모든 의사결정을 표현할 수 있다는 뜻이다.
검증된 코드는 일관성 있게 승격된다. KPS Quadcode(크라우니 패턴 승격 체계)는 4개 계층으로 이루어진다:
이 계층은 자동이 아니다. 인간의 결정이 개입한다. 동료 리뷰, 적대 검증, CEO 승인이라는 3단계 관문을 통과해야 한다. 그래서 느리지만 확실하다.
실제 사례: aimed의 7가지 영업 의사결정 규칙([1] 작업중 → 3개월 회귀 → [2] 개선 → 2개 기업군 cross-validation → [3] 오리지널 → 적대검증 GREEN → [4] KPS마더). 이 규칙은 이제 모든 새로운 경영AI가 참조하는 표준이 되었다.
마지막 관문이 크라우니스피어(Crowny Sphere)다. 이것은 공격형 회귀하니스다. S등급 회귀 테스트를 의미하는데, 시스템을 악의적으로 부수려고 시도하는 자동화된 검증이다.
S등급 회귀하니스는 모든 이전 사이클의 테스트를 누적하고, 새 기능이 추가될 때마다 확장된다. 한 번이라도 실패하면 승격을 미룬다. 이것이 "무너지지 않는다"는 약속의 기술적 정체다.
3배수로 쌓고, 한글 규칙으로 명확하고, 승격 거버넌스로 느리지만 확실하게, 적대검증으로 무너지지 않게. 이것이 우리가 만든 경영 AI의 성장 엔진이다. 그러나 여기까지는 라이브되는 영역이다. 목표는 여기에서 끝나지 않는다. 다음 장에서 물어야 할 정직한 질문이 남아있다: 이 기술로 만든 시스템 중 어디까지가 진짜이고, 어디부터가 아직 약속인가?
크라우니 엔터프라이즈의 기술적 핵심은 이미 현실이다. 네 가지 계층이 각각 역할을 다한다.
첫째, 투자 판단 — invest 11역량 모듈. 회사의 자본 배분 결정은 CEO가 직관으로 하는 것이 아니다. 투자검토·위험판정·재정평가·자산배분·인사승격·전략수립·위기관리·기술고도화·후속투자·협력관계·권한위임 — 11가지 역량은 각각 검증된 규칙 집합이다. 규칙이 자동 평가를 내리고, 4상(티·옴·타·음)으로 분별된다. 티(실행)와 타(거부)는 당장 시행되고, 옴(연구 필요)은 데이터 수집으로 예스로 전환되며, 음(이관)은 이사회나 전문가에게 위임된다. 지금 이 규칙들이 크라우니 투자사(invest.crowny.org:9876)에서 실제 자본 의사결정을 맡고 있다.
둘째, 경영 패턴 — bm 22모델. 비즈니스모델은 추상이 아니라 구체다. 보험·자산관리·렌탈·트레이딩·네트워크마케팅 — 22가지 경영 모델 각각이 매출 예측부터 수익분배까지를 규칙으로 정의했다. bm.crowny.org:9778에서 그 모델들이 실시간으로 공시되고 새 사업 검토 시 패턴 매칭으로 작동한다.
셋째, 경영 AI — aimed 경영AI v1. 단순한 챗봇이 아니다. aimed(:9913)는 한선씨 규칙엔진 1단계가 완성된 경영 AI다. 회사의 일상 의사결정(의류 주문량 예측, 광고비 배분, 직원 배치, 공급망 재정렬)이 LLM의 자유로운 응답이 아니라 누적된 규칙으로 판단된다. 환각이 아니라 검증된 규칙이 주체다.
넷째, 주체 엔진 — 셀코어 + 크라우니집사. 규칙의 저장소와 실행기가 있어야 한다. 셀코어(15모듈, 팔란티어 대응 프레임워크)가 규칙을 저장하고, 크라우니집사(엣지 SLM)가 정직보정을 거쳐 자율 실행한다. 집사가 "이 판단은 내 능력 밖이다"(음)라고 진단하면 인간에게 이관된다.
이것들이 오늘의 증거다.
다음 두 단계는 여전히 구축 중이다.
첫째, 전사 통합 자율경영. 지금은 투자사·aimed·asset·finance 같은 개별 모듈이 각자 자율화를 진행 중이다. 전사 통합이란 이들이 한 조직의 신경망처럼 협동하는 상태다. 예를 들어 aimed가 "마케팅 예산 30% 삭감" 판단을 내리면, 그것이 자동으로 finance의 자금 배분 규칙을 트리거하고, invest의 ROI 모니터링을 조정하고, HR이 보너스 풀을 재계산하는 연쇄 반응이 일어난다. 현재는 각 모듈이 독립적이다. 통합은 다음 페이즈다.
둘째, 물리 로보틱스 연계. 경영 판단이 실제 공장 로봇의 동작으로 곧바로 실행되는 단계다. aimed가 "A 제품 라인 2시간 증산" 결정을 내리면, 자동으로 로봇 셀에 작업지시가 내려가고, 부품 공급 최적화가 일어난다. 이것은 크라우니의 물리적 제조 자산(fab:8200, factory:8300)과 한선씨 작업지시.한선 자동생성 부분적으로 준비 중이나, 전사적 폐루프는 미완성이다.
비전은 약속이지만, 약속은 다음 장에서 실행 계획으로 구체화된다.
과장하는 시스템은 한 번은 속일 수 있어도 반복될 수 없다. 반대로 경계를 명확히 긋는 시스템은 신뢰를 키운다.
우리는 세 가지 정직한 한계를 공개한다.
첫째, SLM의 OOD 붕괴(Out-of-Distribution Collapse). 크라우니집사(SLM)는 좁은 도메인에서는 Opus를 능가하지만, 학습 데이터 밖의 상황에서는 마비된다. 대책은 정직한 폴백이다: RAG(검색기반생성)로 규칙을 다시 로드하고, 도구(외부 API)를 재호출하고, 4상 분별(옴으로 인간에게 이관)로 경계를 긋는다. "집사가 할 수 없다"는 진단 자체가 경영 시스템의 안전장치다.
둘째, 규칙 축적의 시간. 자율경영이 작동하려면 수천 개의 검증된 규칙이 필요하다. 우리는 지금 수백 개를 가지고 있다. 채우는 데 몇 년이 걸린다. 그 과정을 숨기지 않는다.
셋째, 인간의 감정과 창의성은 자동화될 수 없다. 크라우니집사는 숫자 판단은 대신할 수 있지만, "우리 회사의 영혼은 무엇인가"라는 질문에는 답할 수 없다. CEO는 그 질문의 답을 정의하는 인간이다. 기술이 경영의 기술을 맡는 순간, 리더는 더 높은 차원의 일 — 감동, 도전, 의미 — 로 풀려난다.
다음 표는 독자가 기대를 조정하는 나침반이다.
| 영역 | 상태 | 신뢰 수준 |
|---|---|---|
| 라이브(검증됨) | ||
| invest 11역량 모듈 | 각각 규칙 완성, 자동 평가 작동 | 높음 |
| bm 22경영모델 | 비즈니스모델 패턴 정의, 공시 중 | 높음 |
| aimed 경영AI 1단계 | 의류·광고·배치 등 실제 의사결정 맡음 | 높음 |
| asset 자산관리 | CEO 자산진단 자동화, 실제 추천 | 높음 |
| finance 초대바이럴 | 사용자 초대 WAL 영속화, 지급 작동 | 높음 |
| 크라우니집사 엔진 | 정직보정 폴백, 이관 판정 | 중상 |
| 비전(구축 중) | ||
| 전사 통합 자율경영 | aimed·finance·invest 간 연쇄 협동 | 낮음 |
| 물리 로보틱스 연계 | 작업지시 일부 자동화, 전사 폐루프 미완 | 낮음 |
| 정직한 한계 | ||
| SLM OOD 폴백 | RAG+도구+4상분별로 경계, 미완성 도메인은 인간에게 | 중상 |
| 규칙 축적 시간 | 수백→수천 개 채우기, 3~5년 소요 예상 | 낮음 |
표를 보는 방법: 라이브(검증됨)는 시작했으니 신뢰하고, 비전(구축 중)은 여정으로 봐라. 정직한 한계는 약점이 아니라 어디서 인간의 판단이 필요한지를 말해준다.
---
라이브와 비전을 갈라놓고 나면, 남는 질문은 단 하나다. 그래서 내 회사에는 어떻게 들이는가.
경영 AI를 도입한다는 것은 기술 설치가 아니라 조직의 의사결정 구조를 재설계하는 일이다. 순서가 있다.
[1단계] 진단: 당신의 회사가 지금 무엇을 판단하는가. aimed 경영AI는 이 질문에서 출발한다. 지난 6개월 의사결정 기록(투자 심사, 비용 승인, 팀 배치, 위기 대응)을 모은다. 성공과 실패, 그 이유. 당신의 회사가 반복하는 패턴이 무엇인지 보인다. 매출이 100억대 기업은 대략 30~50개의 핵심 의사결정이 월별로 반복된다.
[2단계] 모듈화: 그 의사결정 하나하나를 독립적인 규칙 모듈로 만든다. aimed는 진단·모듈화·가속·자동화·초통합의 5단계 구조 위에 의사결정 모듈들을 쌓는다. "신규 프로젝트 심사" 하나는 실제로 7가지 부분 판단의 조합이다(팀 역량, 시장 크기, 기술 신뢰도, 위험도, 시기, 경쟁상황, 문화 적합). 각각을 분리하면 반복 사용 가능한 모듈이 된다.
[3단계] 가속: 모듈 1개를 사람과 시스템이 함께 실행해본다. 투자 심사 규칙을 시스템이 제안하면, 당신은 "맞다" 또는 "아니다"를 1초에 답한다. 한 주에 스무 건을 함께 처리하고, 시스템이 당신의 판단 패턴을 학습한다. 신뢰도 85% 이상에 도달해야 다음으로 간다.
[4단계] 자동화: 신뢰도 85% 이상인 모듈은 완전 자동 실행으로 넘긴다. 당신의 승인이 없어도 거래가 진행된다. 대신 결과는 매일 보고된다. "오늘 투자 규칙으로 16건 중 12건을 자동 승인했고, 4건은 경계 판정으로 올렸습니다." 당신은 경계 판정 4건만 본다.
[5단계] 초통합: 자동화된 모듈이 5개 이상이 되면, 이들 간의 상호작용을 설계한다. "신규 투자로 자산 배분이 5% 움직이면, 동시에 위험도 리뷰도 자동 트리거된다." 이 단계에서 당신의 회사는 자신의 규칙으로 자신의 미래를 설계할 수 있게 된다.
모든 의사결정이 같은 수준은 아니다. invest 투자사의 11가지 역량(검토·실행·관리·상생·위기·전략·재정·고도화·유치·복제·위탁)도 마찬가지다. 위임 순서가 중요하다.
핵심 검증: 가장 먼저 위임할 것은 가장 단순하고 반복되는 것이다. 비용 승인, 거래 기록, 문서 검수 같은 낮은 단계의 의사결정. 여기서 시스템이 신뢰할 수 있다는 것을 증명한다. 1개월, 최대 2개월이면 충분하다. 실패하면 손해가 작은 영역부터.
계약 고정: 그 다음은 "반드시 통과해야 하는 의무"를 위임한다. 계약 검수, 규정 위반 탐지, 신용도 평가. 여기는 규칙이 명확해야 한다. 예를 들어 "신용도가 D등급 이상이고, 거래액이 한계선(예: 5000만원) 이하이면 자동 승인"은 단순 논리다. 3~4주면 이 규칙들을 시스템으로 구현할 수 있다.
병렬 확장: 처음 두 영역에서 성공하면, 3~4개 영역을 동시에 시작한다. 투자 심사, 인력 배치, 위기 대응 같은 중간 수준의 의사결정. 이들은 병렬로 학습될 수 있다. 한 모듈의 성공이 다른 모듈의 신뢰도를 높인다. "투자 규칙으로 성공률 68%를 달성했으니, 다른 영역도 가능할 거다"는 심리적 신뢰.
구체적으로 보자.
자산 관리(asset): CEO 자산 진단부터 시작한다. "보유 자산을 입력하면, 현재 포트폴리오 분산도와 위험도를 30초에 알려줍니다." 당신은 "맞다" 또는 "이건 이렇게 분산해야 한다"를 피드백한다. 이 상호작용이 3~4주 반복되면, 시스템이 당신의 자산관 패턴을 배운다. "당신은 성장성 60%, 안정성 30%, 유동성 10% 성향입니다"라는 프로필이 생긴다. 다음부터는 신규 자산이 들어올 때마다 자동 배분이 제안된다.
자금 흐름(투자사의 재정): 월별 현금흐름 예측을 규칙화한다. "임직원 월급 2억, 운영비 1억, 신규 투자 내 3~6개월 복귀율 65%라면, 12개월 뒤 현금 부족은 언제인가?" 이것은 단순 계산이 아니라 불확실성을 포함한 시나리오다. "낙관·정상·비관" 3가지 시나리오로, 당신의 판단 편향을 정량화한다. 당신이 항상 낙관하는 타입이면, 시스템은 자동으로 -15% 보정을 추가한다.
인재 배치: 팀을 다시 짜려고 할 때, 시스템이 제안한다. "당신의 회사에서 성공한 프로젝트 팀의 공통점은: 리더 경력 5년+, 기술담당자 동일 분야 3년+, 팀 규모 5~7명입니다." 당신은 이 기준을 "맞다"고 검증하고, 다음부터 신규 팀 구성은 자동으로 이 패턴을 제안받는다. 위반하려면 "왜 이번엔 다르게 하나요?"라고 묻는다. 당신이 답하면, 시스템이 새로운 규칙을 학습할 가능성을 평가한다.
전략 의사결정: 가장 높은 수준의 위임이다. "신규 시장 진출, 할까 말까?" 이 결정에 필요한 정보를 규칙이 정리한다. "당신의 투자 성공률은 기술 신뢰도 75% 이상일 때 68%입니다. 이 시장의 기술 신뢰도는 52%입니다. 진출 하시겠습니까?" 당신은 "그래도 간다"고 할 수도, "역시 아니다"고 할 수도 있다. 결과가 나오면 당신의 판단이 맞았는지 틀렸는지 기록된다. 이것이 다음 결정의 규칙을 개선한다.
당신의 회사가 경영 AI를 "진짜"로 운영하려면, 처음부터 3배수 고도화를 염두에 두어야 한다.
사이클 0(지금): 5개 의사결정 영역을 선택한다. 월 100건 정도의 거래가 들어오는 규모. 모듈 5개, 규칙 20개 정도. 신뢰도 달성 기간 2~3개월.
사이클 1(3개월 뒤): 직전 규모의 약 3배, 즉 월 300건 거래. 처음 5개 영역에서 검증된 규칙은 그대로 두고, 새로운 15개 의사결정 영역을 추가한다. 모듈 20개, 규칙 60개. 동시에 담당자 3~4명이 규칙 검수를 돌아가며 한다.
사이클 2(6개월 뒤): 월 900건 거래. 이제 당신의 회사에서 일어나는 거의 모든 의사결정이 규칙으로 추적된다. 모듈 60개, 규칙 180개. 이 단계에서 중요한 변화가 일어난다 — 규칙끼리 상호작용하기 시작한다. "투자 규칙이 유입 자금을 증가시키면, 자동으로 재정 리뷰 규칙이 트리거된다." 당신은 이제 관리자에서 설계자로 격상된다.
각 사이클마다 당신은 새로운 것을 배운다. 사이클 0에서는 "우리 회사는 이렇게 판단하는구나" 발견. 사이클 1에서는 "이 규칙과 저 규칙이 충돌한다"는 모순 발견. 사이클 2에서는 "이 규칙을 약간 바꾸면 세 배 더 효율적이다"는 최적화 발견. 이것이 자율화의 진정한 의미다 — 시스템이 당신 대신 판단하는 게 아니라, 당신이 당신의 회사를 더 깊이 이해하게 되는 것.
단 하나의 절대 규칙이 있다. 사이클이 넘어갈 때, 이전 사이클의 규칙을 절대 버리지 마라. "이건 옛날 것이니까"라고 지우면 안 된다. 그 규칙이 검증된 이유는 반복된 성공이었다. 다음 사이클에서도 그 성공은 유효하다. 단지 더 큰 규모로, 더 많은 상황에 적용할 뿐이다.
첫 사이클의 첫 한 걸음은 이것이다. 종이 한 장을 꺼내고, 지난 30일 의사결정 10개를 쓴다. 투자, 비용, 인력, 계약, 판매 — 당신이 직접 했던 결정들. 각 결정 옆에 "만족(T)" 또는 "후회(A)"를 적는다. 모든 T 결정과 모든 A 결정의 공통점을 찾는다.
"내 성공 결정의 패턴이 뭐지? 내 실패 결정의 패턴이 뭐지?" 그 패턴이 보이는 순간, 당신은 이미 규칙을 찾은 것이다. 시스템은 그 규칙을 확대하고 검증할 뿐이다. 나머지는 기술이다.
무엇을 위임할지 손에 쥐는 순간, 정작 풀려나는 것은 당신 자신이다.
경영의 고달픔은 한두 가지 결정이 아니다. 재무 결재 건당 5분, 인사 검토 3분, 예산 협의 10분, 위기 대응 보고 30분——이 미세한 시간들이 하루 8시간을 잠식한다. 크라우니 엔터프라이즈가 다루는 11역량(자산 배분·투자 심사·위기 관리·거래 집행·인사 배치·재정 최적화·고도화·유치·복제·위탁·전략)을 재래식으로 관리하려면 사장님 혼자는 불가능하다. 그 대신 우리는 각 역량을 셀코어 규칙으로 환원했다.
운영 종합 브리핑은 그 환원의 현재형이다. 자산 시뮬레이션은 어제 포트폴리오 기반으로 오늘 최적값 3개를 제시한다(티·옴·타). 투자 심사는 들어온 안건 10개를 4상(기각·연구·승인·이관)으로 분류한 결과를 04시 사장님 메일에 놓는다. 인사 배치는 다음달 조직 시나리오 5개와 함께 "지난주 대비 이탈률 3% 개선"을 함께 전한다. 이 모든 수치와 판정이 사장님 결정 없이 밤새 자동 실행되고, 아침에 정리된 요약 하나를 받는다.
그 요약이 성취하는 것은 단순해 보이지만 근본적이다. 재래식이라면 사장님이 직접 읽어야 할 보고가 50장이었다면, 이제는 그 50장의 결론 5장을 받는다. 5장도 많다면 1장 요약까지 선택할 수 있다. 이것이 "덜어냈다"는 말의 진짜 뜻이다——정보 과부하에서의 해방이다.
중요한 지점: 이 브리핑은 정적이 아니다. 매일 생성되며, 규칙이 자동으로 진화한다.
Invest 11역량의 각 모듈은 판정 직후 "그 판정이 맞았나"를 검증한다. 월요일에 "이 스타트업 투자는 연구"라고 분류했다면, 금요일에 그 결과(공개 펀딩 시 주가 상승 여부, 시장 평가)를 대조한다. 맞으면 그 규칙을 강화하고, 틀리면 가중치를 조정한다. 이 자가고도화가 축적되면서 시스템은 진단 오류율을 점점 낮춘다. 사장님은 하는 일이 없다——규칙이 스스로 정확해진다.
이것을 운영 브리핑에 녹인다. "지난달 대비 투자 심사 정확도 94% → 96%"라는 하나의 수치가 의미하는 바는 무엇인가. 사람이 끊임없이 미세 조정을 했다면, 이제 알고리즘이 조정했다는 뜻이다. 사장님이 신경 쓸 일이 하나 줄었다.
그리고 마지막 한 걸음: Aimed 경영AI(:9913)가 이 11개 모듈의 출력을 통합해 "이번주 경영 판단지(決判指)"를 생성한다. 예를 들어:
사장님은 이 신호 흐름을 보기만 하면 된다. 개입할 여지가 많지만, 할 필요는 거의 없다.
하루 8시간 중 6시간을 차지했던 것——의사결정 준비, 보고 읽기, 대안 비교, 결재 사인——이 이제 1시간이다. 나머지 5시간은 어디로 가는가.
실제로는 두 갈래로 나뉜다.
첫째는 검증이다. 시스템의 판정을 믿되 의심할 줄 알아야 한다. 월요일 아침 브리핑에서 "A팀 인력 구성안: 경영진 3명 → 2명 통합"이라고 떴다면, 사장님은 5분만에 그 인력 통합이 정말 가능한지 확인한다——거기 있는 사람들이 누구이고 어떤 감정인지를. 규칙은 조직도에 기반했지만, 조직도는 숫자이고 현장은 관계이다. 이 층을 사장님이 읽어낼 때, 시스템의 판정은 비로소 현실이 된다.
둘째는 관계다. 시간이 남는 순간, 사장님의 시선이 닿을 곳은 사람이다. 부사장 X를 3개월 내내 본 적이 없다면, 저녁 커피 시간에 그 사람의 이야기를 듣는다. 팀원 Y가 최근 리포트에서 자신감을 잃은 것 같다면, 그 사람을 불러 진심으로 대한다. 이런 관계가 조직 문화를 만든다. 규칙이 "적성에 맞게 배치"를 판정했다면, 사장님은 그 사람이 그 배치에서 행복한지를 확인하는 유일한 존재다.
이것이 격상의 시작이다. 사장님은 더 이상 "결정을 내리는 관리자"가 아니라 "사람의 마음을 읽고 도전을 일깨우는 리더"가 된다.
그렇다고 사장님의 결정이 필요 없어지는 것은 아니다. 오히려 명확해진다——사장님은 무엇을 결정해야 하는가.
크라우니의 4상 분별 체계에서 보면:
음에 해당하는 것은 무엇인가. 규칙으로 환원되지 않는 판단들이다. 예를 들어:
이 결정들은 사장님 혼자만 할 수 있다. 왜냐하면 그것이 조직의 영혼에 관계되기 때문이다.
규칙엔진이 효율을 추구한다면, 사장님은 정직함을 추구한다. 규칙이 최적을 찾는다면, 사장님은 정당함을 확인한다. 이 두 층이 함께 작동할 때, 조직은 숫자로만 평가되지 않는다——사람들이 그곳에서 성장한다.
---
지난 9장에서 당신은 첫 사이클의 아키텍처를 보았다. 이 장에서는 그 아키텍처가 풀어낸 것을 마주했다. 남은 질문은 한 가지다: 풀려난 그 자리에서, 사장님은 무엇이 되는가. 이 책이 처음부터 약속한 격상의 정점으로 나아가자.
경영의 기술을 위임한 사장님에게 남겨진 자리는 무엇인가. 우리는 이제 그 역설을 마주한다: 의사결정의 기술을 내려놓을수록, 리더는 더 깊은 영향력을 얻는다.
크라우니 엔터프라이즈 이전의 사장님은 이중 소진에 시달렸다. 경영 판단이라는 기술적 부담과 조직 관계라는 인간적 책임이 날마다 경합했고, 대부분의 시간과 정력을 숫자와 결재로 보냈다. 기술이 그 부담을 걷어내는 순간, 구조적으로 사장님의 눈높이가 변한다.
이것을 '격상'이라 부르는 이유는, 단순한 직무 재배치가 아니기 때문이다. 기술이 '투자 결정'을 책임지면 사장님은 '왜 이 팀이 그 도전을 선택했는가' 그 의도를 읽을 시간을 얻는다. 기술이 '위기 징후'를 감지하면 사장님은 '누가 그 위기 속에서 가장 흔들리고 있는가' 그 사람의 손을 잡을 수 있다. 기술이 '자산 배분'을 최적화하면 사장님은 '누가 성장의 문턱에 서 있는가' 그 성장을 지켜볼 여유를 갖는다.
격상은 책임의 축소가 아니라 책임의 초점 이동이다. 관리자적 책임(숫자와 통제)에서 리더적 책임(감동과 성장 촉발)으로의 전환. 이 지점에서 사장님은 비로소 조직의 영혼을 건드리는 일을 할 수 있다.
기술이 조직원을 보호하되 강제하지 않으려면, 성장 단계별 자율성을 설계해야 한다. 이를 크라우니는 '성숙 사다리'라 부른다. 가장 명확한 예는 투자 영역이다.
초보 투자자(게이머)는 위험을 모르고 진입한다. 기술이 해야 할 일은 진입을 막는 것이 아니라 '정보에 입각한 동의(informed consent)'를 구축하는 것이다. 위험 마커가 임계값(≥2)을 넘으면 시스템은 '당신이 무엇을 잃을 수 있는지 정확히 이해했는가' 라는 대화를 거쳐야 한다. 이는 거부가 아니라 확인이다. 조직원의 선택을 존중하되, 그 선택이 무지에 기반하지 않도록.
일단 조직원이 성숙 단계(트레이더→투자자)로 오르면 기술의 역할은 더욱 가벼워진다. 자율 승급을 인정하고, 각 단계에서 요구되는 역량을 명확히 제시하되 도달 시기는 개인에게 맡긴다. 이것이 통제가 아닌 성장의 거버넌스다.
여기서 사장님의 역할은 무엇인가. 기술이 보호막과 이정표를 제공할 때, 사장님은 그 사다리를 오르는 개인의 용기와 좌절을 보고, 필요한 순간에 말을 건다. "당신이 오늘 배운 교훈은 무엇인가." "다음 단계로 나아갈 준비가 되었다고 느끼는가." 이런 물음들이 성장을 '기술'에서 '인생'으로 전환한다.
크라우니는 인재 육성을 네 층으로 체계화했다.
AIMED는 경영 AI로서 각 구성원의 의사결정을 지원하고 격상의 역량을 가시화한다. 티(예스·실행), 옴(연구해 예스로), 타(거부), 음(이관·보호)이라는 네 상으로 분별하면서, 조직원은 자신의 판단 패턴을 객관적으로 본다. 이것은 자기성찰의 입구다.
AMENA는 초지능인재를 위한 전사 시스템이다. 153개국 153기업망을 잇는 교육 플랫폼으로서, 인재가 단순히 '지식을 습득'하는 것이 아니라 '문제를 보는 눈'을 다시 태어나게 한다. 과학, 기술, 문화, 수학이 하나의 생명체처럼 연결되는 경험을 주는 것이 AMENA의 철학이다.
Academy는 647개 개념 표준, 17개 학습 모듈로 이루어진 내적 인재 개발 시스템이다. 외부 학습 플랫폼이나 학원에 의존하지 않고, 조직 내에서 자신과 다음 세대가 함께 성장한다. 이 과정에서 베테랑은 가르치면서 다시 배운다.
CRP(Crowny Reward Program)는 9원리 기반 보상 설계로, 단순한 금전 인센티브를 넘어 의미 있는 성장이 그 자체로 보상이 되도록 한다. 복리형 누적, 비환가적 교환, 자유 선택의 영역을 보장함으로써 조직원이 '강제된 성과'가 아니라 '선택한 성장'을 경험하게 한다.
사장님은 이 네 체계의 디자이너이자 관찰자다. 기술이 인재의 성장을 측정하고 경로를 제시할 때, 사장님은 그 성장을 '축하하고', 그 과정을 '증거하며', 그 다음 단계를 '함께 상상'한다. 이 세 가지가 인재를 키우는 리더십의 전부다.
크라우니 엔터프라이즈가 기술로 제거한 것은 무엇인가. 불필요한 결재, 반복된 숫자 검토, 위기 대응의 지연, 자산 배분의 추측. 이것들은 모두 '관리'의 영역이었다.
그 자리가 비자 조직에는 새로운 질문들이 울려 퍼진다. "당신이 이 도전을 선택한 이유가 무엇인가?" "당신은 언제 자신을 가장 작다고 느끼는가, 그리고 그 순간 누가 당신을 믿어주었는가?" "지금 당신이 해야 할 결정 앞에서 두려움을 느끼는가, 그 두려움은 당신에게 무엇을 말하고 있는가?"
이것은 더 이상 '관리 스타일'의 리더십이 아니다. 이것은 '형성적(formative)' 리더십이다. 사람의 내면을 형성하고, 자기 자신에 대한 이해를 깊게 하며, 그 과정을 통해 조직 문화 자체를 함께 지어나가는 방식.
기술이 깊어질수록 이 리더십의 무게는 커진다. 왜냐하면 조직원들은 더 이상 '누군가에게 통제당한다'는 감정에서 벗어나 '누군가가 내 성장을 진심으로 본다'는 신뢰 속에서 살아가기 때문이다. 그 신뢰의 무게를 버틸 수 있는 리더만이 진정한 사장님이다.
기술의 격상은 여기서 완성된다. 하지만 이 격상의 그림 속에는 아직 채워지지 않은 빈자리가 하나 남아 있다. 조직의 감동을 짜내는 사장님, 도전을 일깨우는 리더, 사람을 바꾸는 영감의 주인공 — 그 사람의 자리. 그 자리를 누가 채우는가 하는 질문이 우리 마지막 장에서 마주해야 할 정직한 물음이다.
이 책은 한 장의 그림에서 시작했다. 결재와 관리 사이에서 외로워하는 사장님의 모습. 숫자는 읽지만 사람은 보지 못하는 순간들. 그리고 우리는 물었다: 좋은 사장님은 정말 무엇을 하는 사람인가?
11장까지의 여정을 통해 우리가 마주한 것은 역설의 해결이었다. 기술이 의사결정의 무게를 걷어낼수록, 리더에게는 더욱 깊은 책임이 남는다는 것. 그것이 '격상'이다. 관리자의 책임에서 영혼을 건드리는 리더의 책임으로의 이동. 기술은 규칙으로, 환각하는 LLM이 아닌 검증된 셀코어로 주체를 바꾼다. 그럼으로써 사장님은 비로소 가능해진다—감동을 주는 사람으로, 도전을 일깨우는 사람으로, 한 명 한 명의 인생을 바꾸는 사람으로.
하지만 이 11장의 활기찬 그림 속에는 아직도 한 가지 물음이 남아 있다.
"좋은 사장님은 무엇을 하는 사람인가?"
이 질문에 우리가 제시한 답은 완전했다. 성장을 축하하고, 과정을 증거하고, 다음을 함께 상상하는 사람. 투자 결정이 감정에 휘둘리지 않으면 팀의 두려움을 볼 수 있는 사람. 위기 징후를 자동으로 감지하면 그 위기 속의 개인을 품을 수 있는 사람. 자산 배분의 최적화가 완성되면 성장의 문턱에 선 사람을 기다릴 여유를 얻는 사람.
그 사람. 그 역할. 그 자리.
지금 이 순간, 당신의 손에 이 책이 있다는 것은 무엇을 의미하는가? 그것은 당신이 이미 그 질문을 품고 있다는 뜻이다. "나는 정말 좋은 사장님인가?" "내가 놓치는 것이 있나?" "경영의 기술을 대신 맡긴다면, 내가 해야 할 일이 정말 남아 있나?"
그 질문이 품어졌다면, 당신은 이미 준비된 것이다.
크라우니 엔터프라이즈의 참된 답은 추상적이지 않다. 그것은 지금 실제로 작동하는 경영 AI의 결과물 위에 있다.
AIMED 경영AI는 당신의 의사결정을 매일 기록한다. 티(예스·실행), 옴(연구해 예스로), 타(거부), 음(이관·보호)의 4상으로 분별하면서, 당신의 판단 패턴을 객관적으로 보여준다. "당신은 지난 90일간 타(거부) 결정을 너무 빠르게 내리는 경향이 있습니다"라는 피드백은 자기기만을 무너뜨린다. 그 순간, 당신은 자신의 리더십을 처음으로 본다.
AMENA 초지능인재 시스템은 당신의 조직을 거울로 삼는다. 한 명의 인재가 성장하는 과정이 모두에게 보인다. "이 팀원은 3개월 전과 달리 이제 자기 실패를 배움으로 본다" "이 부서장은 지난달에는 지시했지만 이번달엔 권한을 맡길 시점이 되었다"—기술이 이 모든 신호를 감지할 때, 당신의 역할은 그 신호를 받아 관계로 만드는 것이다.
Academy 내적 인재 개발은 당신의 회사를 학습 공동체로 만든다. 당신이 가르침으로써 당신도 배운다. 베테랑이 신입을 멘토링하고, 그 과정에서 베테랑은 자신의 암묵지(tacit knowledge)를 처음 언어로 삼는다. 당신이 그 공동체의 설계자일 때, 당신의 회사는 더 이상 '일하는 곳'이 아니라 '함께 자라는 곳'이 된다.
CRP(Crowny Reward Program)는 당신의 경영철학을 구현한다. 보상이 단순한 금전 유인이 아니라 의미 있는 성장 자체가 보상이 되도록 설계됨으로써, 당신이 진심으로 각 구성원을 본다는 신뢰가 조직 구석구석에 스민다.
이것들이 '크라우니가 준 답안지'다. 기술적 틀. 검증된 규칙. 자동화된 과정.
하지만 이 모든 답안지의 빈자리는 오직 하나다. 당신.
책을 닫기 전에, 당신이 해야 할 구체적인 한 가지가 있다. 추상이 아닌 행동.
종이 한 장을 꺼내라. 또는 노트 앱을 켜라. 당신이 지난 30일간 직접 한 의사결정 10개를 쓴다.
— 신규 프로젝트 투자 심사 — 부서장 인사 결정 — 분기별 보너스 배분 — 예상 밖의 비용 승인 — 거래처 신뢰도 평가
각각 옆에 한 글자를 적는다.
T (만족) 또는 A (후회)
그렇게 10개를 끝내면, T로 표시한 것들을 다시 읽어보자. "이 결정들의 공통점이 뭐지?" "이 결정들을 내릴 때 내가 뭘 중심에 뒀지?" "이런 종류의 판단은 내가 맞춘다"는 패턴을 찾는다.
A로 표시한 것들도 마찬가지다. "이 실패들의 공통점은?" "이런 종류의 결정은 내가 약하다. 왜?" "만약 이걸 자동화한다면?"
그 패턴이 보이는 순간—당신은 이미 첫 규칙을 발견한 것이다. 기술은 그 규칙을 확인하고 확대하고 검증할 뿐이다. 당신의 역할은 그 한 가지 규칙을 내일 한 번 위임해보는 것이다.
— "이런 종류의 비용 승인은 이제 시스템이 먼저 판정하고 나는 경계선 케이스만 본다" — "신규 투자 심사의 기본 점수는 시스템이 매기고, 나는 왜 그런 점수를 받았는지 설명을 듣는다"
한 가지. 단 한 가지를 내일 위임하라. 그러면 당신은 마음이 조금 더 가벼워질 것을 느낀다. 정말로.
이 책은 네 버전으로 나뉜다. 어린이를 위한 버전, 바쁜 사람을 위한 버전, 일반인을 위한 버전, 그리고 당신이 지금 읽는 이 전문가 버전.
왜 네 가지인가?
그 이유는 간단하다. 좋은 리더는 한 가지 방식으로만 리드하지 않기 때문이다. 어린이에게는 세상의 시험에 답하는 당신의 이야기를 들려준다. 바쁜 사람에게는 내일 쓸 한 가지를 손에 쥐어준다. 일반인에게는 흔들리는 마음을 위로하고 가능성을 보인다. 전문가에게는 아키텍처와 고도화의 경로를 준다.
그런데 당신이 어느 버전의 독자든—어린이, 경영자, 일반인, 전문가든—공통의 진실이 하나 있다.
당신이 빈자리다. 당신이 답이다. 당신의 자리는 고정이다.
어린이는 이렇게 배운다: "세상이 낸 시험, 크라우니가 준 답안지, 빈자리=당신." 그 어린이가 자라 경영자가 되면, 이제는 자신의 조직을 위해 같은 진실을 적용한다. "우리 회사가 낸 의사결정의 시험, 기술이 준 규칙의 틀, 빈자리=나." 그것이 4버전이 같은 책인 이유다. 눈높이만 다르고, 진실은 같다.
이 책을 다 읽은 당신에게 남은 것은 무엇인가.
기술도 아니고, 이론도 아니고, 남의 사례도 아니다.
당신이 가진 가장 작은 결정 하나. 그것을 내일 위임하고, 그 위임이 일주일 후 잘 작동하는 것을 보고, 다음 주에는 두 번째 위임을 손에 드는 경험. 그것이 전부다.
그 경험이 쌓이면, 당신은 자신의 회사를 새로운 눈으로 본다. 자신의 팀원을 새로운 귀로 듣는다. 자신의 리더십을 새로운 마음으로 느낀다. "나는 경영자다"라는 무거운 정체성에서 "나는 이 사람들을 본다"는 가벼우면서도 깊은 책임으로 격상된다.
1장의 여는 질문으로 돌아가자: 좋은 사장님은 무엇을 하는 사람인가?
우리의 답은 이것이었다: 사람을 바꾸는 사람. 감동을 주고, 도전을 일깨우고, 한 명 한 명의 인생이 더 커지게 하는 사람.
그리고 지금, 이 순간, 당신의 손에 이 책이 있다는 것.
그것이 당신이 그 사람임을 증거한다.
책은 이제 닫힌다. 하지만 당신의 첫 사이클은 지금 열린다. 빈자리에 당신의 이름을 적을 차례다.