---
title: "슬랙 주 97분 절약, 믿어도 되나"
author: "VibeTimes"
published: "2026-08-12T23:04:46.372Z"
section: "technology"
tags: ["AX", "AI전환", "DoorDash", "Slack", "RAINN", "NDWA", "Parloa", "클로드코드"]
language: "en"
url: "https://vibetimes.co.kr/en/news/cmsqp5kib0jvqz06n17uabl84"
---

# 슬랙 주 97분 절약, 믿어도 되나

슬랙은 클로드를 붙인 요약·리캡 기능으로 사용자 한 명당 주당 97분을 아낀다고 밝혔다. 하루로 나누면 20분이 채 안 된다. 회의록 정리, 안 읽은 멘션 훑기 같은 작업 시간을 걷어냈다는 뜻인데, 이 숫자는 Anthropic이 공개한 자사 고객사례집에 실린 것이라 제3자가 검증한 수치는 아니다. 평균값 뒤에 누가 90분을 아꼈고 누가 5분을 아꼈는지는 나오지 않는다.

## 코드부터 위기상담까지, 붙인 자리가 다르면 숫자의 결도 다르다

DoorDash는 클로드 코드를 전사 4천 명에게 깔았고, 공동창업자 겸 CTO 앤디 팡은 이걸로 다시 프로덕션 코드를 직접 짜기 시작했다고 말한다. 팡이 밝힌 체감은 "프로젝트를 3~5배 빠르게 끝낸다"는 것인데, 이 배수 역시 본인 경험담이지 사내 지표로 집계된 수치는 아니다. 성폭력 상담기관 RAINN은 결이 다르다. Signal 메신저 연동을 30일 만에, 대학 대상 위기상담 전체 배포를 1주일 만에 끝냈다고 CTO 윌리엄 본듀런트가 밝혔는데, 여기서 AI는 상담 자체가 아니라 암호화 채널을 빨리 만드는 엔지니어링 보조로만 쓰인다. 가사노동자 단체 NDWA는 협상 코칭 앱 'Ask Aya' 베타테스터의 93%가 조언대로 행동했고 25%는 실제로 임금을 올려받았다고 발표했다. 세 사례 다 Anthropic 발표 기준이며, 셋 다 자동화 폭이 전혀 다르다.

## 붙인 업무·지표를 나란히 놓으면

회사

붙인 업무

지표

변화

출처

DoorDash

전사 엔지니어링, 클로드 코드

프로젝트 완료 속도

CTO 체감 3~5배 단축

Anthropic 고객사례

Slack

채널·스레드 요약·리캡

사용자당 주간 절약 시간

평균 97분

Anthropic 고객사례

RAINN

Signal 암호화 채널 구축

연동 개발 기간

30일 (기존 수개월 추정)

Anthropic 고객사례

NDWA

가사노동자 임금협상 코칭

베타테스터 행동·임금인상 비율

93% 행동, 25% 인상

Anthropic 고객사례

Parloa(고객사 익명)

콜센터 음성상담, 오픈AI 모델

인간 상담원 요청 비율

80% 감소

OpenAI 고객사례

## 파일럿 숫자와 전사 비용은 다른 이야기다

Hacker News에서 데이터브릭스의 AI 코딩 비용 관리 글에 달린 댓글은 다른 회사에 이 접근을 그대로 옮기는 데 회의적이다. 한 참여자는 "제너릭 SWE 벤치마크와 자사 코드 기준 평가가 느슨하게만 일치했다"고 적었고, 데이터브릭스 측 답변도 "대규모 사용자군에서는 오프라인 평가보다 결국 실험으로 판단할 것"이라고 인정했다. 즉 DoorDash식 "3~5배" 같은 숫자는 그 회사 코드베이스와 팀 습관에 묶인 값이지, 다른 조직에 이식 가능한 상수가 아니다. r/AI\_Agents에는 정확도로는 사람 팀을 이긴 트리아지 에이전트를 2주 만에 실무자들이 손 놓은 사례가 올라왔다. 이유는 정확도가 아니라 "틀렸을 때 왜 틀렸는지 설명이 안 됐다"는 것이었다. RAINN이 "AI는 사람 연결을 대체하지 않는다"는 원칙을 못 박은 것도, NDWA가 노동자 위원회 승인 없이는 기능 하나도 못 넣게 만든 것도 같은 문제의식이다.

## 한국에서 이 자리에 AI를 놓으면 걸리는 지점

RAINN·NDWA류 사례는 상담·노무 데이터를 다루는 만큼 한국에서는 개인정보보호법상 민감정보 처리와 노동조합·근로자대표 협의가 먼저 걸린다. Slack식 요약 기능은 사내 메신저 로그 접근권과 직결되는데, 국내 기업 다수가 아직 사내 메신저 데이터를 외부 API로 내보내는 것 자체에 보안팀 승인 절차를 세우지 못했다. DoorDash식 "리더가 직접 써보라"는 처방은 조직 규모가 작을수록 통하지만, 승인 라인이 긴 한국 대기업 개발조직에서는 코드리뷰·배포 권한 구조부터 손대야 같은 속도가 나온다.

숫자 다섯 개를 나란히 놓고 보면 공통점은 하나, 전부 벤더 또는 벤더 파트너가 직접 낸 자체 발표라는 것이다. 검증된 건 RAINN이 실제로 Signal 연동을 배포했다는 사실 정도고, 그 안의 배수·비율은 대부분 사후 자기보고다. 도입을 검토하는 쪽이 먼저 물어야 할 건 '얼마나 줄었나'가 아니라 '누가, 어떻게 그 숫자를 쟀나'다.

* * *

_분석 근거: Anthropic 고객사례(DoorDash, Slack, RAINN, National Domestic Workers Alliance), OpenAI 고객사례(Parloa), Hacker News 토론(Managing AI Coding Costs at Scale), r/AI\_Agents. 공개 자료에 근거한 분석입니다._