사무라이 도시 Edo가 AI 조직 설계에 주는 경고

왜 역사 글이 AI 뉴스가 되는가

Works in Progress의 Samurai city는 2026년 6월 2일 공개된 역사 분석이다. Samuel Hughes는 Tokugawa Edo를 "세계에서 가장 비효율적인 도시"라고 부르며, 일본이 300년 가까운 안정과 평화를 얻기 위해 사무라이 엘리트를 Edo에 집중시키고 감시한 구조를 설명한다. Edo는 오늘날 Tokyo의 전신이며, 1700년 무렵 인구가 100만 명을 넘었을 가능성이 있어 당시 세계 최대 도시 중 하나였다.

이 글이 AI 뉴스 후보로 올라온 이유는 직접적인 모델 발표 때문이 아니다. AI 시대의 조직 설계와 인센티브 논의에 강한 비유를 제공하기 때문이다. 기업은 지금 코딩 에이전트, 데이터 에이전트, 보안 에이전트를 조직 안에 배치하고 있다. 이때 목표가 생산성인지, 통제인지, 지식 축적인지에 따라 시스템은 완전히 다른 방향으로 간다. Edo의 사례는 안정성을 위해 엘리트를 한 도시에 묶는 설계가 어떤 비용을 만들었는지 보여준다.

도메인 지식, 에이전트 시대의 진짜 해자, Open Envelope, 에이전트 팀 정의의 표준화 실험, KanBots, 칸반을 병렬 에이전트 런처로 바꾸다는 모두 에이전트를 어떻게 조직 구조에 넣을지 다뤘다. Samurai city는 기술보다 오래된 질문, 즉 권한과 인센티브가 생산성을 어떻게 바꾸는지를 보여준다.

Edo의 안정성은 비용을 먹는 구조였다

글에 따르면 Tokugawa 체제에서 농민은 수확의 15~70%를 세금으로 냈고, 40%가 대략적 기준이었다. 세금은 사무라이라는 hereditary quasi-noble class의 생활을 떠받쳤다. Shogunate가 직접 지배한 지역은 농업 산출 기준 약 15%였고, 나머지는 약 260명의 daimyo가 다스렸다. Edo의 핵심 장치는 sankin kotai, 즉 daimyo와 그 가족, 수행원을 Edo에 묶는 구조였다.

daimyo 가족은 Edo에 사실상 인질로 살았고, daimyo는 번갈아 Edo에 머물러야 했다. 이 과정에서 수많은 사무라이가 수도에 모였고, Edo 인구의 거의 절반이 사무라이였다고 글은 설명한다. 사무라이는 전쟁이 없는 시대에 군사 기능을 거의 수행하지 않으면서 국가 지급금에 의존했다. 통치자는 불안정한 엘리트를 감시하고 소비시켰고, 그 대가로 경제적 비효율을 감수했다.

AI 조직도 Edo가 될 수 있다

AI 도입 초기 기업은 통제를 원한다. 어떤 에이전트가 어떤 저장소를 읽을 수 있는지, 어떤 고객 데이터에 접근할 수 있는지, 어떤 PR을 만들 수 있는지 제한해야 한다. 이것은 필요하다. 그러나 통제가 생산성을 완전히 대체하면 조직은 AI를 "일하는 도구"가 아니라 "감시 가능한 의례"로 만든다. 모든 에이전트 작업을 중앙 승인 큐로 묶고, 모든 실험을 긴 결재 라인에 넣고, 실패 비용이 낮은 업무까지 동일한 통제를 적용하면 Edo식 안정성은 얻지만 학습 속도는 죽는다.

반대로 통제가 없으면 보안 사고가 난다. 핵심은 elite containment가 아니라 risk-tiered autonomy다. 낮은 위험의 로컬 도구, 테스트 생성, 문서 검색은 넓게 열고, 개인정보, 결제, 보안, 운영 배포는 강하게 제한해야 한다. Ashby Engineering의 AI 운용 글이 말한 sidekick mode와 delegate mode의 구분도 같은 문제다.

한국 기업에 맞는 해석

한국 대기업의 AI 도입은 종종 중앙 플랫폼과 보안 승인 중심으로 시작한다. 이 방식은 초기 사고를 줄이는 데 유리하지만, 현업 팀이 도메인 지식을 에이전트에 반영하기 어렵게 만들 수 있다. Edo의 교훈은 "중앙집중은 안정성을 주지만 엘리트와 자원을 소비 구조에 묶을 수 있다"는 것이다. AI 플랫폼 팀이 모든 것을 통제하면 현업은 도구를 쓰는 척만 하고, 실제 문제 해결은 Shadow AI로 빠질 가능성이 커진다.

따라서 AI 조직 설계는 세 층으로 나눠야 한다. 공통 보안과 감사는 중앙에서 제공한다. 도메인 skill, 평가 데이터, workflow는 현업 팀이 소유한다. 위험한 작업은 승인과 샌드박스를 거친다. Multi-Stream LLM, 에이전트 병목을 구조로 풀려는 시도처럼 병렬화 구조만으로는 충분하지 않다. 권한과 책임이 함께 설계돼야 한다.

자주 묻는 질문

Q1: Samurai city는 AI 기사인가요?

A: 직접적 AI 발표는 아니다. 다만 AI 에이전트를 조직에 배치할 때 안정성과 생산성 사이의 trade-off를 설명하는 강한 비유로 읽을 수 있다.

Q2: Edo의 핵심 교훈은 무엇인가요?

A: 정치 안정성을 위해 엘리트와 자원을 감시 가능한 공간에 묶으면 질서는 얻지만 생산성과 개방성을 잃을 수 있다는 점이다.

Q3: AI 조직에서 같은 문제가 어떻게 생기나요?

A: 모든 에이전트 작업을 중앙 승인과 과도한 절차에 묶으면 현업 실험과 도메인 학습이 느려지고 Shadow AI 사용이 늘 수 있다.

Q4: 통제를 줄이면 위험하지 않나요?

A: 그래서 위험 기반 권한이 필요하다. 낮은 위험 업무는 위임하고, 데이터와 배포, 보안 관련 작업은 강한 샌드박스와 승인을 적용해야 한다.

Q5: 한국 기업은 무엇부터 바꾸면 좋나요?

A: 중앙 AI 플랫폼은 공통 보안과 감사만 강하게 제공하고, 현업 팀이 자체 skill과 평가셋을 만들 수 있는 구조를 열어야 한다.