카톡, 메일, 재무보고서, 투자자 전화, 해외 거래선, 직원 갈등, 이사회 의견, 위기 신호. 아침밥도 거르고 스크린을 켜는 순간부터 결재의 폭주가 시작된다. 점심은 회의실 샌드위치. 저녁 10시, 숫자를 들었다 놨다 반복하다 침대에 누운다. 우리는 사장님이 어떤 사람을 봤는지 묻지 않는다. 직원의 눈빛을 본 적이 있는가. 자녀의 목소리를 들었는가. 어제 자신이 누구였는지 기억하는가.
우리는 사장님이 경영 전문가여야 한다고 했다.
이 다섯 가지는 보통 하나의 머리에 들어간다. 당신이다.
하지만 여기 논리가 있다.
경영의 '기술'(투자 판단, 위기 대응, 자산 전략)은 반복 가능한 결정의 집합이다. 그리고 반복 가능한 판단은 규칙으로 환원된다. 규칙은 사람이 아니라 기계가 더 잘 실행한다.
CEO 자산이전? 30초면 된다. 우리는 이미 asset.crowny.org에서 한 분의 자산 사각지대를 밝히고 있다 — 경영 전문가가 아니어도, 몇 가지 매개변수만 입력하면 디지털트윈이 당신의 라이프스타일 옆에 서서 '내일 무엇을 보호할 것인가' 를 묻는다. 이것이 감정 없는 추천이 아니라 당신의 인생 궤도를 따라 읽은 조언이다.
우리는 실제로 이미 11개 투자 역량을 규칙에 녹여낸 투자사(invest)를 움직이고 있다. 경영 AI(aimed)는 검증된 결정 규칙을 4상으로 분별해 자율 실행하고, 당신은 하루 아침에 보고받는다 — 환각하는 LLM이 아니라 검증된 규칙엔진(셀코어)이 의사결정의 주체이기 때문이다.
경영 전문가가 되려는 것은 착각이다. 필요한 것은 위임이다.
그렇다면 좋은 사장님은 정말 무엇을 하는 사람인가.
당신이 결재와 숫자에서 풀려나면, 그 자리에는 무엇이 남는가.
이 책은 그 질문을 당신의 손에 쥐어주고, 다음 장에서 그 증거를 보여준다. 이미 살아 움직이는 증거다.
---
*이 짐을 정말 내려놓을 수 있다면 — 그 증거는 공상이 아니라 오늘 이미 일하고 있다.*
기승전결 중 '기' — 의심을 흔드는 첫 증거. 환각이 아니라 오늘 라이브로 돌아가는 경영 AI.
지금 이 순간, 경기도의 한 사무실에는 그 사장님을 위해 일하는 AI가 있습니다.
주소는 mgmt.aimed.crowny.org:9913. 그 안에는 경영의 판단을 4상(티·옴·타·음)으로 분별하는 엔진이 살아있습니다. 이 엔진은 크라우니가 설계한 6561 기본 규칙(3⁸) 위에서 움직입니다.
이 AI는 환각하지 않습니다. 판정이 내려지면 반드시 근거와 신뢰도가 딸려옵니다. "이렇게 판단했습니다"가 아니라 "이런 사실들이 있어서 판단했습니다"라는 증거를 들고 오는 거죠.
사장님이 물었습니다.
입력: "매월 30% 매출 성장 시 분기 보너스 배분을 올려야 할까?"
AI의 대답:
[티] 실행 — 올립니다.
근거 1: 지난 4분기 성과급 관계도 분석 → 30% 달성군의 이탈률 3%, 미달성군 18%
근거 2: 유사 규모(50~100명) 기업 벤치마크 → 성과배분제 도입사의 매출신장 평균 34%
신뢰도: 87%또 다른 사장님의 질문:
입력: "신입 20명을 3개월 만에 핵심 팀으로 데려갈 수 있을까?"
AI의 대답:
[옴] 수집하겠습니다.
근거 1: 현재 조직 문화 성숙도 → 온보딩 점수 평균 62점(기준 75점)
근거 2: 신입 의존도 높은 부서(개발팀) 기존 교육 사이클 → 평균 8개월
선행 조건: 1) 신입 팀의 매칭도 사전검증 필요, 2) 온보딩 프로세스 고도화 1주일
신뢰도: 52% (조건 충족 시 78%로 상향 가능)세 번째:
입력: "계약금 5억을 즉시 집행하면 당분간 현금흐름이 마이너스인데, 견딜 수 있을까?"
AI의 대답:
[타] 중단합니다.
근거: 현금유동성 시뮬레이션(12개월) → 3개월 후 자금 부족 상태 진입 (누적 -2.3억)
추천: 1) 계약금 2억 선 분할 집행, 2) 외부자금 2.5억 확보 후 집행, 3) 사업 일정 재협상
위험도(실행 시): 심각(높음)
신뢰도: 94%그 다음:
입력: "2026년 경영진 보수 책정을 사원 평균연봉의 5배로 해도 되나?"
AI의 대답:
[음] 이관합니다.
사유: 법적·윤리적 판단 문제. 상법·내규·노동협약을 함께 검토해야 합니다.
추천 담당: 1) 법무팀, 2) 인사팀, 3) 노사협력 위원회
AI 역할: 데이터만 제공하겠습니다.
- 업계 평균 비율(1:3.2~4.5)
- 현재사 기존 비율(1:4.1)
- 직원 만족도 추이(보수구조 항목)여기서 주목할 점이 두 가지입니다.
첫째, LLM은 어디에 있을까요?
입력에서 자연어 의도를 정규화하는 곳(사장님의 "보너스 올려야 할까?" → 정량 판단 문제로 분류), 그리고 최종 대답을 포장해서 사람이 읽을 수 있게 하는 곳 — 딱 두 군데뿐입니다. LLM은 윤활유입니다.
판정의 주인은 누구일까요? 규칙엔진(셀코어)입니다. 티옴타음 의사결정 모델 6561개 섹터 중 해당하는 룰을 찾아, 데이터에 대입해서 결정이 나옵니다. 같은 조건을 다시 물으면, 언제나 같은 대답이 나온다는 뜻입니다. 환각이 아니라 반복 가능한 판단입니다.
둘째, 근거와 신뢰도는 선택이 아니라 필수입니다.
기존 경영 시스템은 추천만 줍니다. "해라" 또는 "하지 마라." 크라우니 경영 AI는 다릅니다. 판정이 내려지는 순간, 그 판정이 나온 사실 3~5개와 신뢰도를 반드시 함께 냅니다. 사장님은 "나는 왜 다르게 생각하는가"를 검증할 수 있고, 판정이 부실하면 거부할 수 있습니다. AI는 일관성 있게 일할 뿐, 권력을 쥐지 않습니다.
이 AI가 환각하지 않는다는 증거는 무엇일까요? 그것은 100+ 규칙 검증 테스트가 GREEN을 유지한다는 단순한 사실입니다.
이게 증거입니다. 테스트가 깨지는 순간, 그 규칙은 폐기됩니다. 단 하나도 "괜찮겠지"하는 판정은 라이브에 올라가지 않습니다.
당신의 사장님 옆자리에 앉아 있는 이 AI는 환각이 아니라, 검증된 판단 규칙의 집합입니다. 그리고 지금 이 순간, 누군가의 회사에서 일하고 있습니다.
한 화면의 판정이 이렇게 정직하다면, 투자사 한 곳을 통째로 맡으면 어디까지 갈까요? 다음 장에서 만나실 크라우니인베스트(invest.crowny.org:9876)는, 이 4상 엔진을 11개 역량으로 확장해서 한 조직 전체를 경영하는 모습을 보여줍니다.
경영 전문가의 손에만 있다고 생각했던 것들. 검토, 실행, 관리, 상생, 위기, 전략, 재정, 고도화, 유치, 복제, 위탁. 이 11개 역량을 규칙으로 재구성하면 AI가 맡을 수 있다.
크라우니인베스트(invest.crowny.org:9876)는 이를 증명한다. 한 해 수천 개의 딜(투자안건)을 분석하고, 어떤 것은 실행 승인을 내리고, 어떤 것은 위원회로 올리고, 어떤 것은 거절한다. 사람이 매번 결재하지 않아도.
들어온 투자안건은 5 단계를 거친다.
언뜻 자동이면 위험해 보인다. 하지만 선의의 한계(절제의 설계)가 있다. 불가역 결정에는 반드시 사람이 필요하다.
투자안건이 접수되는 순간부터 청산까지.
사람은 중요한 지점(불가역 결정, 위기 판정)에만 '옴' 상태에서 '티'를 내린다.
이게 환각이 아닌 이유는 간단하다. 규칙엔진(셀코어)이 실행의 주인이고, AI는 자연어를 규칙으로 바꾸는 윤활유일 뿐이다.
'환각'은 LLM이 주인일 때 생긴다. 우리는 그러지 않는다.
투자자금 배분, 리스크 판정, 위기 대응 규칙을 AI에 맡기면 사장님은 놓인다.
다음 장에서 풀어놓는 것이 무엇인지 보자. 그 비밀은 '누가 주인이냐'에 있다.
경영 AI가 정말 신뢰할 수 있을까. 그 답은 여기에 있다: 누가 의사결정의 주인인가.
LLM이 주인이면 환각이 생긴다. 생각은 유연하지만 검증되지 않은 확률 게임이기 때문이다. 우리는 반대다.
aimed 경영AI의 판정은 100% 한선씨 규칙엔진이다. LLM은 단 2지점에만 — 직원 질문을 '범주'로 분류하고, 최종 조언을 사람 말로 옮길 때. 결정 자체는 규칙이 내린다. 환각할 틈이 없다.
경영 의사결정을 환원하면 무엇이 남는가. 규칙이다.
크라우니 셀코어는 그 규칙을 담는 15모듈 프레임워크다.
| 모듈 | 역할 |
|---|---|
| 라우팅 | 직원 질문을 어느 규칙으로 처리할지 판단 |
| 점수화 | 투자안건·위험·성과를 수치로 환원 |
| 게이트 | 자동승인·위원회·거절 세 갈래 분류 |
| 의존성 | 여러 규칙이 연쇄 실행될 때의 순서·조건 |
| 학습 | 작년 결과를 읽고 올해 룰을 다시 쓴다 |
| 감지 | 이상 신호 포착·경고 발송 |
| 검증 | 규칙이 정말 맞는지 자동 테스트(스피어 S등급) |
| 우선순위 | 같은 상황에 겹친 규칙 중 먼저 실행할 것 |
| 추적 | 어느 규칙이 어느 결정을 내렸는지 기록 |
| 자동 | 규칙 실행 후 시스템이 자동으로 움직이는 범위 |
| 피드백 | 결과가 나온 후 규칙 신뢰도 갱신 |
| 되돌리기 | 가역 결정은 자동, 불가역은 사람 승인 필수 |
| 협업 | 여러 규칙이 같은 변수를 읽을 때 동기화 |
| 예외 | 규칙이 모르는 상황은 누가 판단하고 기록할 것인가 |
| 고도화 | 새 규칙을 투입하기 전 몇 시간 자동 검증 |
이 15모듈 위에 수천 개의 규칙(경영 시나리오)이 쌓인다. 투자 심사 140개, 직원 평가 27개, 위기 감지 89개……. 규칙은 사람이 '맞다'고 검증한 것들이고, 한 번만 쓰는 게 아니라 매번 적용되고 다시 검증된다.
'경영 AI'라고 하면 보통 LLM이 먼저 말한다. 하지만 우리는 반대로 설계했다.
의사결정 흐름:
직원 질문
↓ [LLM 분류]
'재무 상담'이라고 판단
↓ [규칙엔진 실행]
3개의 재무규칙 병렬 점검 → 합의
↓ [규칙 결과를 말로 옮기기]
"현재 자산 구조상 법인세 절감 포인트는 3가지입니다"
↓ [LLM이 정중하게 표현]
"다음달 회의에서 이렇게 준비하시면…"보면 알 수 있다:
이 구조 때문에 환각이 차단된다. LLM이 몰라도 규칙이 있고, 규칙이 없으면 '모름(옴)' 상태로 올라가 사람이 판단한다.
환각 차단의 마지막 설명선: 규칙의 생명주기.
이 주기가 반복되면서 규칙은 점점 정교해진다. 반면 LLM은 매번 새로 생각하고 매번 환각할 위험을 안는다.
그래서 우리는 묻는다: 의사결정 기계에서 신뢰를 원한다면, 그 주인이 누구인가. 생각하는 AI인가, 아니면 검증된 규칙의 집합인가.
우리는 후자를 택했다.
---
그렇다면 그 규칙은 무엇을 기준으로 '예스(티)', '노(타)', '모름(옴)', '이관(음)'을 가르는가. 다음 장이 그 비밀을 푼다.
좋은 의사결정은 답을 3개로 나누지 않습니다. 4개입니다.
4상균형3진법의 의사결정은 부호 4개로 모든 상황을 담아냅니다. 정말로 "이것도 아니고 저것도 아닌" 그런 결정은 없습니다. 분별하면 4상 중 하나에 떨어집니다.
가장 흔한 오해입니다.
"이건 너무 복잡해서 모르겠어요." → 이것이 옴입니다. 넘기기 전에 멈춰 물어보십시오. *무엇을 연구해야 예스가 될까?* 그 연구를 하면 답이 나옵니다.
"이건 내 관할 범위가 아니에요." → 이것이 음입니다. 위임은 정당합니다. 하지만 옴과 헷갈리면 결정이 늘어집니다.
벡터형 분별(누적 동의·비동의·모름 점수)과 이관형 분별(단일 사안의 행동)은 두 엔진입니다. AI가 자동으로 선택합니다. 하지만 사람의 원칙은 하나입니다: *연구할 수 있으면 옴으로 멈추지 말고, 정말 내 범위 밖이면 음으로 올리세요.*
AI는 사람처럼 절제합니다. 아무리 티라고 확신해도, 그 결정이 돌이킬 수 없는 결정이면 멈춰 세웁니다. 투자사(invest) 가역게이트는 이를 구현합니다:
경영 AI(aimed)의 4상 판정이 이 절제를 타고 움직입니다.
이 네 상으로 내린 결정 하나. 그 하나가 아니라 수천 개가 매일 쌓이면, 어떤 일이 벌어질까요? 규칙은 쌓입니다. 의사결정 모델도 쌓입니다. 그리고 조직은 배웁니다.
좋은 규칙은 만드는 게 아니라 캔다.
매달 투자 결과가 나온다. "이번엔 맞췄고, 지난번엔 틀렸다." 그곳에서 시작합니다. '왜 맞았고 왜 틀렸나'를 거꾸로 추적하면 규칙이 나온다. 결과의 인과관계를 해체하는 것이 규칙 채굴의 첫 단계입니다.
크라우니코드 자율화는 이 역산을 자동으로 합니다. 매 결정마다 "이 결정에 영향을 준 조건 3가지는 무엇인가"를 추출하고 기록합니다. 투자사(invest) 11역량 각각도 마찬가지 — 자산배분 실패 원인을 분해하면 "당시 시장심리 지표 부족"이 나오고, 거기서 새 규칙이 탄생합니다.
그렇게 인과관계 하나가 규칙 하나가 됩니다.
규칙이 많아지면 생기는 문제가 있습니다. 모든 상황에 정해진 한 가지 답만 있을까요? 아닙니다.
스타트업을 투자심사할 때와 부동산을 심사할 때 기준이 다릅니다. 새 직원 3명을 뽑을 때와 베테랑 1명을 영입할 때도 다릅니다. 같은 '투자 판단'이라도 세그먼트마다 독립 규칙이 필요합니다.
투자사는 이를 그리드 27로 체계화했습니다. 3단계 분류(기업 규모) × 3단계(산업) × 3단계(위험) = 27개 셀. 각 셀은 고유 규칙을 가집니다. 스타트업 바이오는 스타트업 금융과 다른 기준으로 움직입니다.
그렇게 27개에서 시작한 규칙이 세부조건을 더하면 수천 개로 불어납니다. 수천 개가 독립적으로 움직이되, 충돌하지 않습니다.
규칙이 결정을 내린 후, 누가 "이 결정을 실행하시겠습니까"라고 묻지 않습니다. 규칙은 자동으로 실행됩니다.
하지만 모든 결정이 자동은 아닙니다. 4상(티·옴·타·음)으로 분류되어:
자율 에이전트 4도구는 여기서 나옵니다: 일지(매 결정을 기록), 제안(옴을 사람에게), 대화(음을 위로), 순찰(티 실행 후 결과 추적). 이 4개가 맞물려 돌아갑니다.
실행 중에도 규칙이 반응합니다. "아, 이 결정이 틀렸네"라는 신호가 오면 자동으로 수정하거나 취소합니다. 봉고차처럼 뭔가 부딪히면 스스로 백업하고 경로를 바꿉니다.
여기서 가장 중요한 것:
자율은 자동이 아니다. 모든 규칙의 뒤에는 사람이 서 있다.
새 규칙이 투입되기 전에 사장님이 본다. "이 조건이 맞나요?" 같은 투자심사 조건 3개를 사장님이 승인했을 때만 규칙이 움직입니다. 규칙이 내린 결정의 기록(일지 도구)도 사람이 읽습니다.
자율 의사결정 모델 수천 개가 자라도, 그 밑의 원칙은 변하지 않습니다: AI는 제안하고, 사람은 판단한다. 규칙엔진은 집사이지, 사장님이 아닙니다.
---
수천 개의 규칙이 매일 쌓이면, 조직은 어떻게 변할까요. 더 똑똑해질까요, 더 경직될까요. 다음 장이 그 역설을 푼다: 쌓을수록 유연해진다.
규칙엔진이 의사결정 모델 수천 개를 키우면, 다음 사이클은 어떻게 시작할까. 크라우니 엔터프라이즈는 "버린다"는 말을 모른다. 매 고도화마다 직전 규모의 약 3배 — 체계·투명성·정직도는 유지하되, 깊이만 세 배로 판을 키운다.
예:
이게 "버리지 않고"다. 옛 코드는 자산이지, 빚이 아니다.
여기서 가장 결정적인 선택이 하나 있다: 언어주권.
경영의 판단 규칙을 영어 코드에 담으면, 그 규칙의 주인은 누구인가. 해석자는 글로벌 스택(파이썬·자바·자바스크립트 커뮤니티)을 거쳐야 하고, 규칙 자체도 번역 손실을 감수한다.
크라우니는 다르다.
한선씨(한국어 RPN = ISA729 1:1)로 경영AI를 지으면:
실증: amena 5서버 순수 한선씨로 작동 중. 포털·진단·관리·블록체인·디지털트윈. 한 줄의 외부 의존 없이.
규칙이 자라면서 겹친다. 같은 판단이 여러 모듈에서 반복되거든. KPS Quadcode는 그 겹침을 4계층으로 정리한다:
| 계층 | 상태 | 역할 |
|---|---|---|
| [1] 작업중 | 백엔드 모듈 내 로직 | 당장 쓸 규칙, 미정제 |
| [2] 개선 | 패턴DB 감지 후 최적화 | 불필요한 분기 제거, 조건부 우선순위 |
| [3] 오리지널 | 크로스 모듈 표준화 | 여러 곳에서 같은 판단하는 규칙, 재사용 가능 |
| [4] KPS마더 | 상위 개념으로 통합 | 오리지널 100개는 마더 1개가 지배(상위 개념 1개당 하위 규칙 ~100) |
매 사이클마다 작업중 규칙들이 개선 → 오리지널 → 마더로 승격된다. 의사결정 불일치 = 0% (같은 조건에 다른 판단 없음).
고도화가 아무리 우아해도, 실제로 무너지지 않는지 누가 보증할까.
크라우니스피어(Crowny Spear) — 적대적 검증 도구. 백엔드가 "이건 수익 높은 투자다"라고 판단하면, 스피어는 반대로 공격한다:
실적: invest·aimed 공격 6/6 S등급. 0 크래시, 회귀 100%. 실제 운영 중 예기치 않은 판단 실패 = 0.
버리지 않고 3배로 자란다는 건, 동시에 검증도 3배로 한다는 뜻이다.
---
무너지지 않게 자란다 해도, 그 성장의 기반이 진짜인지 약속인지는 구분해야 한다. 지금까지는 당신이 손으로 만지고 무너뜨려 본 것들이었다면, 이제부터는?
무너지지 않고 3배로 자란다고 해도, 과장은 신뢰를 깬다.
지금 이 순간 돈다는 것만 말하자:
이 5가지는 라이브다. 당신 회사의 경영 판단이 오늘 이 도구들 위에 올라가 돈다.
다음은 아직 가는 길 위다:
이 둘이 만나는 순간, 크라우니 엔터프라이즈는 완성된다. 지금은 기초공사 중이다.
"당신의 경영 AI는 완벽한가?"
"아니다."
크라우니가 과장하지 않는 이유는 간단하다: 작은 도구일수록 신뢰가 크다. "우린 위기 관리는 자동화했고, 자산배분은 아직 손으로 합니다." 이 말이 "모든 경영을 자동화합니다"보다 훨씬 더 위험을 줄인다.
SLM의 정직한 한계:
이게 의사결정의 주체가 규칙이고, LLM은 윤활유라는 설계의 진짜 의미다.
당신이 기대를 조정하도록:
| 영역 | 라이브 (지금) | 비전 (길 위에) |
|---|---|---|
| 경영 판단 | ✓ 5개 기본 역량(투자·위기·자산·전략·정산) | 조직 전체 자율화, 의사결정 불일치 0% |
| 검증 | ✓ 적대 검증 S등급 (0 크래시) | 실시간 피드백, 자동 고도화 |
| 투명성 | ✓ 규칙DB + 판단 기록 | 조직 모든 결정의 투명한 추적 |
| 실행 | ✓ 경영 의사결정 | 경영 판단 → 공장 로봇 실행 |
라이브와 비전의 경계를 명확히 하는 이유: 과장이 신뢰를 깬다. 정직만이 깬다.
---
지금까지 당신이 본 것은 의사결정의 기술이 규칙으로 환원 가능하다는 증명이었다면, 남은 질문은 단 하나: 그래서 내 회사에는 어떻게 들이는가.
당신의 회사에 경영 AI를 들이려면 무엇부터 시작할까. 이 장에서 보여주는 것은 증거다. 실제로 움직이는 aimed 5단계와 invest 구축법이라는 검증된 경로다.
첫 번째는 진단이다. 지금 당신의 조직이 어디 서 있는지 본다. 자산 현황·자금 흐름·인재 배치·의사결정 패턴. aimed 진단 모듈이 하루 안에 스캔한다. 두 번째는 모듈화다. 진단 결과에서 경영 모듈 가운데 당신 회사에 맞는 것들을 선별한다. 자산관리라면 asset 연계, 전략 수립이라면 bm.crowny.org 5축 중 3축을 먼저 깔아라. 세 번째는 가속이다. 선택한 모듈들을 규칙으로 짠다. 자동화가 들어가기 전 인간의 검증이 3사이클 돈다. 네 번째는 자동화다. 규칙이 검증되면 그 다음부터 AI가 맡는다. 투자 판단·위기 신호·자산 배분이 규칙 엔진 셀코어에 의해 자율 실행된다. 다섯 번째는 초통합이다. 모듈이 서로 말한다. 자산이 늘면 자동으로 투자 기한을 당기고, 위기 신호가 뜨면 자동으로 현금 확보에 들어간다. 이것이 유기적 경영의 첫 숨이다.
invest의 구축법을 보면 순서가 명확하다. 첫 번째 관문은 핵심 검증이다. 당신이 위임할 첫 의사결정을 고르되 실패해도 조직이 흔들리지 않는 것을 선택한다. 자산 재배분·신입 교육 배치·협력사 발굴 같은 중요하지만 반복 가능한 판단이 좋다. 그것을 규칙으로 만들어 한 사이클 돌려본다. 두 번째는 계약 고정이다. 규칙이 정해지면 변하지 않는 계약처럼 묶는다. "이 조건이 나타나면 항상 이렇게 한다"는 합의가 팀 안에 굳어진다. 세 번째는 병렬 확장이다. 첫 번째 모듈이 일하는 동안 다음 3개를 동시에 깐다. 속도가 나기 시작한다.
규모와 업종에 따라 달라진다. 자산이 많은 회사라면 asset 모듈부터. 현금 흐름이 중요한 제조사라면 자금 자동화. 인재 성장이 경쟁력인 기업이라면 amena 진단(인터컬처럴 수학 기반 역량 진단)을 첫 상판으로. 전략이 자주 바뀌는 스타트업이라면 bm 5축 중 '관계연결'부터. aimed 경영AI가 당신 회사의 약한 고리를 찾아준다. 그것이 첫 위임 후보다.
"너무 많다"고 느낄까 봐 미리 말한다. 첫 사이클은 소규모로 시작한다. 한 부서, 한 의사결정, 한 달. 그것이 성공하면 다음은 그 세 배다. 규칙을 3개로 늘리고, 영향 범위를 3배로 넓힌다. 이렇게 쌓으면 무너지지 않는다. 당신의 조직은 이미 자기 규칙을 가지고 있다. 지금껏 인간이 검증해온 판단의 집합이다. 우리는 그것을 가져와 규칙 엔진에 맡기는 것일 뿐이다. 버리지 않고, 세 배로 쌓는다.
— 무엇을 위임할지 손에 쥐는 순간, 정작 풀려나는 것은 사장님 자신이다.
아침 메일을 열 때부터 시작됐다. 어제 14건 결재가 대기 중이었다. 지난주면 그게 72건이었다. 투자 판단, 위기 대응, 자산 배분, 팀 평가—사장님은 결정의 기계였다.
크라우니 엔터프라이즈를 도입한 후 흐름이 바뀐다. 자동화된 결정의 집합이 먼저 답을 낸다. 셀코어(규칙엔진)가 검증된 판단 규칙 수백 개를 4상(티·옴·타·음)으로 분별해 실행한다. 아침 브리핑은 이미 결정이 나 있다. 사장님은 이제 '결정하는 사람'이 아니라 '검토하는 사람'이 된다. 결정의 초안이 자동으로 올라오고, 이상이 있거나 사람만이 할 수 있는 판단은 그때 개입한다.
투자사 invest의 11역량이 매일 자가고도화된다. 위험도 평가·자산 배분·포트폴리오 리밸런싱·위기 신호 감지—운영에 필요한 거의 모든 기술적 판단이 규칙으로 환원되고, 검증된 데이터에서만 실행된다. 경영 AI가 경영자의 일을 덜어낸다는 것은 이런 의미다. 14건 결재가 수십 초에 '검토 대기'로 줄어든다.
하루가 끝나갈 무렵, 사장님은 한 장의 운영 종합 브리핑을 받는다. 이게 모든 결정의 기록이자 내일의 가이드다.
환각이 아니라 검증된 규칙이 실행된다는 신뢰. 이것만으로 사장님의 정신은 이미 풀려 있다. 숫자를 의심하거나 다시 계산할 필요가 없다. LLM은 윤활유일 뿐, 의사결정의 주체는 셀코어라는 확신 속에서.
결재 시간이 2시간에서 15분으로 줄었다. 관리 미팅이 주 3시간에서 주 30분으로 줄었다. 자산 분석에 들던 5시간은 이제 검토 30분이다.
풀려난 것은 시간뿐 아니라 정신이다.
크라우니 집사(규칙기반 에이전트)가 11역량을 오케스트레이션하면서, 사장님은 관리자의 짐을 내려놓는다. 그 자리에 무엇이 생기는가. 조직에 발을 들이고 한 사람 한 사람을 본다. 팀장이 요즘 목소리가 낮아졌다는 걸 아는 일. 신입이 첫 달을 버티고 있는지 옆에서 지켜보는 일. 조직 위기가 수치에 아니라 사람에게 먼저 나타난다는 걸 기억하는 일.
사장님이 비로소 '리더'가 되는 순간이다.
그래도 자동화할 수 없는 영역이 있다.
새로운 도전을 할 것인가. 대형 위기에 조직을 이끌 것인가. 핵심 인재를 육성할 것인가. 회사가 어디로 나아갈 것인가—이것들은 규칙이 아니라 사람의 신뢰와 비전에서 나온다.
크라우니 엔터프라이즈는 여기서 멈춘다. AI가 '무엇을 해야 하는가'라는 기술의 영역을 맡으면, 사장님에게는 '왜 이 조직이 존재하는가' '우리는 누구를 바꾸려 하는가'라는 영혼의 영역이 남는다. 위임의 경계는 정확하다. 기술은 기술대로, 사람은 사람대로.
풀려난 그 자리에서 사장님은 무엇이 되는가. 다음 장에서 만난다.
경영의 기술을 맡긴 순간, 당신 앞에 갑자기 시간이 생긴다. 결재서에 묻혀 못 봤던 것들이 보인다. 팀원들의 표정, 신입 사원의 눈빛, 벌써 포기해버린 중간관리자의 어깨. 기술이 비운 자리에 사람이 들어선다. 당신은 더 이상 숫자와 결재 문제로 고민하지 않는다. 그 자리는 규칙엔진이 맡았다. 당신이 할 일은 딱 하나다: 조직에 감동을 주고, 도전의식을 일깨우고, 한 사람 한 사람의 인생을 바꾸는 것.
좋은 사장님은 통제하지 않는다. 자라게 한다.
당신의 직원들은 여태까지 한 가지 신호만 받아왔다: "마감 맞춰라." "예산 지켜라." "실수하지 마." 이 신호는 생존이지 성장이 아니다. 경영AI가 경영의 기술을 담당한 순간, 당신은 역할을 바꿀 수 있다.
이것이 격상이다. 관리자에서 풀려나 영감을 주는 사람이 되는 것.
당신의 조직이 자율적으로 성장하도록 설계된 틀이 이미 있다.
invest의 성숙 사다리 — 3단계:
핵심: 강제하지 않는다. 팀원이 위험 마커(≥2개)를 넘기면 자동으로 음(이관)이 작동해 사람 판단이 들어간다. 막지 않으면서도 보호한다. 이 사다리를 거친 팀원들은 당신의 다음 리더가 된다.
경영AI는 도구일 뿐, 진짜 경쟁력은 사람이다. 당신의 조직을 인재 공장으로 만드는 4가지 시스템:
이 4개가 함께 움직이면, 당신의 조직은 자체 인재 생산 시스템이 된다.
다시 그 첫 그림으로 돌아가자. 결재서에 묻혀 사람을 못 봤던 사장님.
이제 당신의 하루는 다르다:
당신은 더 이상 관리자가 아니다. 당신은 사람을 변화시키는 리더다.
투자 판단은 규칙이 한다. 전략 수립은 AI가 제안한다. 당신이 해야 할 일은 이미 명확하다: 팀원에게 감동을 주고, 도전의식을 일깨우고, 한 사람 한 사람의 인생을 바꾸는 것.
남은 질문은 단 하나: 이 격상의 그림 속에서 아직 채워지지 않은 빈자리는 누구인가.
1장에서 물었다: "좋은 사장님은 무엇을 하는 사람인가?"
이 책이 보인 답은 명확했다. 좋은 사장님은 사람을 바꾸는 사람이다. 그렇다면 사람을 바꾸려면 무엇을 버려야 할까?
결재 스택이다. 매일 100장 이상의 결재 문서. 그 결재 속에 묻혀 정작 팀원의 얼굴을 보지 못하는, 그것이 그 사장님이었다.
우리는 그 묻혀난 사장님을 풀어낸다. 규칙엔진이 기술을 맡는다. 셀코어가 의사결정을 한다. LLM은 자연어만 해석한다. 사장님은?
사람을 본다. 도전시킨다. 함께 바꾼다.
세상이 낸 시험: 매출·수익·자산 관리, 전략 수립, 위기 대응, 투자 판단.
크라우니가 준 답안지: 11 투자역량 + 4상 자율의사결정 + 검증된 규칙엔진 + 검증된 시뮬레이션.
그런데 답안지의 빈자리는 어디인가?
당신이다.
당신의 조직, 당신의 시장, 당신의 꿈. 답안지는 양식일 뿐이고, 그 양식 속에 당신의 이름을 쓰는 순간 그것이 당신의 답이 된다.
Invest 첫 사이클(3개월)은 이렇게 채워진다:
세 달이 끝났을 때 당신은 단순한 결과가 아니라 당신만의 경영 의사결정 양식을 갖게 된다.
책을 덮고 내일, 이것 하나를 시작하자.
첫 회의 하나를 AI에 맡겨라.
보통 회의: 사장님이 묻고(30분) → 과장이 설명하고(30분) → 결정한다(10분).
첫 사이클: AI가 묻고(데이터) → 규칙이 분석하고(150초) → 당신은 검증만 한다(10분).
그 10분 안에 당신이 하는 일:
90분 회의에서 20분은 사람의 시간이 된다. 나머지 70분? 팀과 대화하고 동료의 얼굴을 보자.
이 책은 한 명이 아니라 네 명을 위해 쓰였다.
| 눈높이 | 질문 | 답 |
|---|---|---|
| 어린이 | 사장님은 뭐 하는 사람? | 사람을 변화시키는 사람 |
| 빨리 | 경영 AI가 뭐하는 건데? | 판단을 1% 남기고 99% 맡고, 당신은 그 1%만 본다 |
| 일반 | 우리도 할 수 있나? | 규칙엔진 + 검증된 시뮬 + 3개월 첫 사이클부터 시작 |
| 전문 | 기술이 뭐지? | 셀코어(4상분별) + 한선씨(규칙기반) + KPS(의사결정모델 자동화) |
당신이 어느 눈높이든, 오늘 내일 첫 발걸음은 같다:
한 가지 작은 의사결정을 AI에 맡기고, 그 결과를 함께 본다.
---
이 책이 끝나고 당신의 첫 사이클이 시작된다. 빈자리에 당신의 이름을 적을 차례다.
당신은 어떤 리더가 되고 싶은가?
내일, 그 답을 하나 쓸 것이다.