스탠퍼드 디지털경제연구소가 51개 성공 배치를 해부한 보고서에는 익명 기업 사례가 여럿 나온다. 그중 대비가 가장 선명한 세 건을 골랐다. 미리 밝혀둘 한계: 기업명이 익명이고 인터뷰 자기보고 기반이다. 확률의 증거가 아니라 구조의 예시로 읽어야 한다.
보험사 — 고치는 대신 다시 쓰다
낡은 시스템 재작성 견적은 7명, 5,000시간, 완료는 2027년이었다. AI 코딩 도구로 접근을 바꿔 "고치는 대신 처음부터 다시 쓰기"를 택했고, 결과는 3명, 600시간. 경영진의 다음 질문이 이 사례의 백미다 — "이 속도면, 경쟁사 시스템을 새로 만들어 치고 들어갈 수도 있지 않나?"
핀테크 — 포기했던 일이 몇 주가 되다
고객 1억 명 규모 핀테크의 레거시 이관 견적은 엔지니어 1,000명에 18개월. 사실상 포기 상태였다. AI 에이전트가 이관하고 엔지니어는 검토·반영만 하는 구조로 바꾸자, 부서 단위로 몇 주 만에 끝나기 시작했다.
그리고 대형은행 — 같은 과제, 수년
같은 보고서에서 기술기업은 고객지원 재설계를 6개월에 출시했고, 대형은행은 "세우는 데만 수년"이라고 답했다. 같은 모델, 같은 과제였다.
우리가 주목한 점
세 사례를 가른 건 모델 성능이 아니다. 접근을 바꿀 권한(재작성 결정), 사람의 역할 재정의(검토자로 이동), 그리고 조직의 속도였다. 보고서 전체의 결론 — 최난관의 77%는 기술 밖 — 과 정확히 포개진다.
출처
[1] Stanford Digital Economy Lab — The Enterprise AI Playbook (2026-04), 원문 PDF 확인. 보고서의 한계와 나머지 발견은 AXHub 깊이 읽기 03에서 다뤘다.