요즘 AI 관련 영상을 보면 다들 "이제 도입 안 하면 늦는다"라고 합니다. 그래서 작은 회사 대표들도 마음이 급해집니다. TF를 꾸리고, 외부 강사를 불러 교육하고, 챗GPT 팀 요금제를 결제하고, 젬스(Gems)·GPTs도 만들어 봅니다. 그런데 한 달, 두 달이 지나도 회사 일은 줄지 않습니다.
그러면 보통 이렇게 말합니다. "우리 직원들이 AI를 잘 못 쓴다." "더 비싼 모델을 써야 한다." "AI 전문가 불러다 교육시켜야 한다." 그런데 1년 반 동안 100명 넘는 소기업 대표님을 만나본 결과, AI로 실제 일이 줄어든 팀과 그렇지 않은 팀 사이엔 공통점이 하나 있었습니다.
차이는 모델도, 요금제도, 교육 횟수도 아니었습니다. AI에 참고할 회사 데이터가 한 공간에 쌓여 있는가, 아니면 대표 머릿속·카톡방·개인 PC 바탕화면에 쪼개져 있는가.
AI 도구는 매달 바뀝니다. 어제는 챗GPT가 좋다고 했다가, 오늘은 클로드가 낫다고 합니다. 그런데 도구를 바꿔도, AI에 우리 회사가 누구이고 어떤 고객을 상대하며 어떤 제안서를 써왔는지 알려주지 못하면 결과는 늘 평균적인 값일 뿐입니다. 이걸 모른 채 도구만 갈아끼우는 운영 방식이, 작은 회사가 가장 자주 빠지는 함정입니다.
AI를 써도 결국 사람이 처음부터 다시 합니다
실제로 작은 회사에서 자주 일어나는 상황입니다.
마케팅 글쓰기, 초안은 나오는데 결국 다시 써야 한다
홍보 문구를 AI에 맡깁니다. 초안은 빠르게 나옵니다. 그런데 한 번 읽어보면 톤이 우리 브랜드와 다릅니다. 타겟 고객이 30대 1인 기업 사장님인데, 글은 대기업 관리자 대상으로 쓴 듯한 느낌입니다. 그래서 다시 지시합니다. "조금 더 친근하게." "사례를 넣어줘." "우리 고객이 자주 쓰는 단어로 바꿔줘." 10번, 20번 피드백을 주고 나면, 결국 사람이 다시 쓰는 게 더 빨랐겠다고 생각합니다.
회의록 요약, 내용은 남지만 맥락이 없다
녹취 파일을 올리면 AI가 회의 내용을 요약해 줍니다. 깔끔합니다. 그런데 다음 주에 요약본을 다시 열어봤을 때, 그 안엔 "왜 그 이야기가 나왔는지"가 빠져 있습니다. 어떤 사람이 왜 반대했는지, 어떤 고객 건 때문에 이 안건이 올라왔는지, 어떤 데드라인 때문에 결정을 미뤘는지. 결국 다시 누군가에게 물어봐야 합니다.
고객 응대, 초안은 되지만 히스토리는 사람이 찾는다
고객이 문의 메일을 보냅니다. 그런데 이 고객은 작년에도 같은 문제로 컴플레인을 보낸 적이 있고, 그때 우리는 환불 대신 추가 서비스를 약속했습니다. AI는 이 사실을 모릅니다. 결국 담당자는 슬랙·노션·구글 드라이브를 오가며 과거 응대 이력을 찾아 답변을 다시 씁니다.
AI는 어떻게든 결과를 만들어 냅니다. 하지만 그 결과에는 맥락이 빠져있기에 결국 또 사람이 손보게 됩니다.
공통점은 회사 고유 맥락이 빠져 있다는 것
공통점은 단 하나입니다. AI는 우리 회사가 누구를 상대하는지, 어떤 기준으로 답을 줘 왔는지, 어떤 고객과 어떤 약속을 했는지 알지 못합니다. 인터넷에서 학습한 일반적인 마케팅 글, 일반적인 회의록 양식, 일반적인 고객 응대 매뉴얼만 갖고 있을 뿐입니다.
이걸 매번 사람이 채워줘야 합니다. 채팅창을 열 때마다 "우리 회사는 30대 1인 사장님을 대상으로 한 컨설팅 회사이고요, 톤은 친근하지만 전문성이 있어야 하고요, 우리가 자주 쓰는 표현은 이거고요…" 같은 설명을 반복합니다. 그러다 채팅이 길어지면 새 창을 열어야 하고, 그러면 또 처음부터 같은 설명을 붙여 넣어야 합니다.
결과적으로 AI를 쓰면서 일이 하나 더 늘어납니다. 일을 줄이려고 AI를 도입했는데, AI에 회사 맥락을 매번 떠먹여 주느라 인력이 투입됩니다.
진짜 변수는 AI 성능이 아니라 데이터 제공
회사에서 AI를 도입할 때 진짜 변수는 모델 성능이 아닙니다. "우리 회사 데이터를 AI에 어떤 방식으로 넘길 것인가." 이 한 가지가 거의 모든 차이를 만듭니다.
개인이 AI를 잘 쓰는 것과, 회사가 AI로 일을 줄이는 것은 출발점부터 다릅니다. 개인은 자기 머릿속 맥락을 그때그때 풀어 넣을 수 있습니다. 그런데 회사는 그게 안 됩니다. 대표 머릿속에 있는 의사결정 기준, 영업담당자 카톡에 있는 고객 응대 이력, 디자이너 PC에 있는 제안서 폴더—이걸 매번 누가 모아서 AI에 넘긴다는 건 현실적으로 불가능합니다.
회사 데이터가 한 공간에 쌓여 있지 않은 상태에서 AI를 써도, 보기엔 그럴듯한 결과가 나옵니다. 다만 그 결과로 매출을 만들거나, 고객을 응대하거나, 신규 사업을 추진하긴 어렵습니다.
이때 한 가지 인식 전환이 필요합니다. AI 시대에 회사가 갖춰야 할 것은 더 좋은 AI 도구가 아니라, AI가 가져다 쓸 수 있는 우리 회사 데이터입니다. 도구는 매년 바뀌지만 데이터는 회사에 남습니다.
데이터가 한 공간에 쌓이지 않는 작은 회사의 현실
"그럼 데이터를 쌓으면 되겠네"라고 말하긴 쉽습니다. 그런데 작은 회사에서 이걸 실제로 해본 분이라면 압니다. 그게 가장 어렵습니다.
고객 DB는 사장님 핸드폰 연락처에 있고, 고객 상담 이력은 카톡방마다 따로 떨어져 있습니다. 고객 리뷰는 인스타 DM과 스마트스토어에 흩어져 있고, 제안서는 디자이너 노트북에, 기획서는 기획자 구글 드라이브에, 프로젝트 이력은 대표 머릿속에 있습니다.
여기에 회의록은 슬랙 채널마다 따로, 고객별 약속 사항은 영업담당자 메모장에, 환불·교환 기준은 누군가의 노션 페이지 어딘가에 있습니다. AI에 우리 회사 맥락을 넘기려고 이걸 한 번에 모으는 데만 며칠이 걸립니다. 그러다 모델이 바뀌면, 또 다시 처음부터 같은 작업을 합니다.
그래서 작은 회사 대표 입장에선 결론이 이렇게 납니다. "AI는 좋은 거 같긴 한데, 우리 회사가 쓰기엔 아직 좀…." 그런데 진짜 이유는 AI가 아닙니다. 그 전에 있는 데이터입니다.
하나의 워크스페이스에 회사 데이터를 쌓는다는 것
작은 회사가 지금 당장 해야 할 일은 거창한 AX가 아닙니다. 신사업도, 전사 자동화도 아닙니다. 딱 하나만 잘해도 됩니다. 회사 데이터를 한 공간에 쌓는 일입니다.
여기서 "한 공간"이 핵심입니다. 도구가 여러 개로 쪼개져 있으면, AI에 맥락을 넘길 때마다 사람이 도구 사이를 오가며 자료를 찾아야 합니다. 카톡에서 상담 이력을 긁어 오고, 구글 드라이브에서 제안서를 찾아 첨부하고, 슬랙에서 회의록을 복사해 붙입니다. 이 작업이 매번 반복되면, AI 도입은 결국 사람의 일을 늘리는 방향으로 굳어집니다.
반대로 회사 데이터가 한 워크스페이스 안에 있으면, AI는 사람이 떠먹여 주지 않아도 필요한 정보를 직접 가져다 씁니다. 회의록과 일정과 고객별 맥락을 AI가 알아서 뒤져서 답을 만들어 줍니다. 인당 월 3만 원 수준이면 회사 전용 AI 환경을 갖출 수 있는 시대입니다.
실제로 회사 데이터를 한 공간에 모은 팀과 그렇지 않은 팀의 차이는 이렇게 갈립니다.
마케팅 글쓰기
- Before: AI에 글을 부탁할 때마다 "우리 회사는 누구이고, 톤은 어떻고, 자주 쓰는 단어는…"을 매번 붙여 넣음. 쓸 때마다 맥락 설명에 10분.
- After: AI가 우리 워크스페이스의 브랜드 가이드, 기존 발행 글, 고객 리뷰를 직접 참조해서 초안을 작성. 사람은 결과만 보고 다듬음.
고객 상담
- Before: 고객 상담 시 슬랙·카톡·구글 드라이브를 돌아다니며 과거 이력을 찾음. 한 건당 평균 20분.
- After: 고객 이름을 AI에 검색하면 워크스페이스의 상담 이력, 약속 사항, 환불 기준까지 묶어 답변 초안을 제시.
회의록 활용
- Before: 회의록 요약은 받지만, 다음 주에 다시 보면 맥락이 빠져 있어 사람에게 또 물어봐야 함.
- After: 회의록·프로젝트·고객 페이지가 한 공간에 연결돼 있어, AI가 "이 결정이 왜 나왔는지"까지 함께 답변.
핵심은 AI를 잘 쓰는 사람을 뽑는 게 아니라, 어떤 AI 모델을 붙여도 같은 결과가 나오도록 회사 데이터를 한 공간에 갖춰두는 것입니다. 작은 회사라면 더더욱 그렇습니다. 사람이 적을수록, AI가 사람의 손을 거치지 않고 일을 처리할 수 있어야 하기 때문입니다.
회사 데이터를 어디서부터 어떻게 쌓아야 할지 막막하다면, 공여사들의 노션 시스템을 먼저 검토해보세요. 고객 DB, 상담 이력, 제안서, 기획서, 프로젝트 이력을 한 공간에 쌓는 순서를 단계별로 안내합니다.
AI는 잘 쌓아둔 회사에서 작동합니다
결론입니다. AI를 도입했다고 일이 줄어드는 게 아닙니다. AI를 잘 쓰는 직원 한 명이 있다고 회사 전체가 AI 회사가 되는 것도 아닙니다. 여러 AI를 구독한다고 팀 생산성이 자동으로 올라가지도 않습니다.
결국 차이는 회사가 AI에 넘겨줄 맥락을 어떤 형태로, 어디에 쌓아두고 있는가입니다. 매일매일 고객 응대 한 건, 회의록 한 장, 제안서 한 부가 한 공간에 쌓여야 합니다. 그래야 1년 뒤, 2년 뒤 어떤 AI 모델이 새로 나와도 우리 회사는 첫날부터 그 모델을 활용할 수 있는 상태가 됩니다.
반대로 데이터를 쌓아두지 않은 회사는 새 AI 모델이 나올 때마다 매번 처음부터 같은 작업을 반복합니다. 시간이 지날수록 AI를 잘 쓰는 회사와의 격차는 더 벌어집니다. AI는 잘 쓰는 회사가 아니라, 잘 쌓아둔 회사에서 일합니다.
지금 당장 거대한 AI 시스템을 짤 필요는 없습니다. 다만 오늘 받은 고객 문의 한 건, 오늘 진행한 회의록 한 장부터 한 공간에 쌓아두기 시작하면 됩니다. 그게 작은 회사가 할 수 있는 가장 빠른 AX 준비입니다.
회사 데이터를 한 워크스페이스에 쌓는 구체적인 방법이 궁금하다면 웨비나를 통해 확인해 보세요.
작은 팀을 위한 ‘일의 시스템’ 웨비나 신청 >>
대표님들이 함께 많이 본 콘텐츠
- 챗GPT 결제했다고 AX되는 거 아닙니다
“AI 툴을 뭘 쓰느냐”보다 먼저인 병목이 뭘까요. 직원 교육/요금제/모델을 바꿔도 일이 그대로인 팀은, 결국 ‘회사 데이터가 어디에 쌓이냐’에서 막힙니다. AI가 평균값 대신 ‘우리 회사 답’을 내게 만들고 싶다면 이 글부터 보시면 됩니다.
- 건기식 대표가 주말에도 못 쉬는 이유
주말에도 손에서 카톡을 못 놓는 대표의 진짜 문제는 ‘욕심’이 아니라 구조였습니다. 왜 직원이 있는데도 대표가 계속 확인하고, 다시 묻고, 결국 본인이 처리하게 되는지. 대표 머릿속에만 있는 기준/히스토리가 어떻게 대표 시간을 잡아먹는지 사례로 보여드립니다.
© 공여사들. ‘일의 구조’를 만듭니다.
요즘 AI 관련 영상을 보면 다들 "이제 도입 안 하면 늦는다"라고 합니다. 그래서 작은 회사 대표들도 마음이 급해집니다. TF를 꾸리고, 외부 강사를 불러 교육하고, 챗GPT 팀 요금제를 결제하고, 젬스(Gems)·GPTs도 만들어 봅니다. 그런데 한 달, 두 달이 지나도 회사 일은 줄지 않습니다.
그러면 보통 이렇게 말합니다. "우리 직원들이 AI를 잘 못 쓴다." "더 비싼 모델을 써야 한다." "AI 전문가 불러다 교육시켜야 한다." 그런데 1년 반 동안 100명 넘는 소기업 대표님을 만나본 결과, AI로 실제 일이 줄어든 팀과 그렇지 않은 팀 사이엔 공통점이 하나 있었습니다.
차이는 모델도, 요금제도, 교육 횟수도 아니었습니다. AI에 참고할 회사 데이터가 한 공간에 쌓여 있는가, 아니면 대표 머릿속·카톡방·개인 PC 바탕화면에 쪼개져 있는가.
AI 도구는 매달 바뀝니다. 어제는 챗GPT가 좋다고 했다가, 오늘은 클로드가 낫다고 합니다. 그런데 도구를 바꿔도, AI에 우리 회사가 누구이고 어떤 고객을 상대하며 어떤 제안서를 써왔는지 알려주지 못하면 결과는 늘 평균적인 값일 뿐입니다. 이걸 모른 채 도구만 갈아끼우는 운영 방식이, 작은 회사가 가장 자주 빠지는 함정입니다.
AI를 써도 결국 사람이 처음부터 다시 합니다
실제로 작은 회사에서 자주 일어나는 상황입니다.
마케팅 글쓰기, 초안은 나오는데 결국 다시 써야 한다
홍보 문구를 AI에 맡깁니다. 초안은 빠르게 나옵니다. 그런데 한 번 읽어보면 톤이 우리 브랜드와 다릅니다. 타겟 고객이 30대 1인 기업 사장님인데, 글은 대기업 관리자 대상으로 쓴 듯한 느낌입니다. 그래서 다시 지시합니다. "조금 더 친근하게." "사례를 넣어줘." "우리 고객이 자주 쓰는 단어로 바꿔줘." 10번, 20번 피드백을 주고 나면, 결국 사람이 다시 쓰는 게 더 빨랐겠다고 생각합니다.
회의록 요약, 내용은 남지만 맥락이 없다
녹취 파일을 올리면 AI가 회의 내용을 요약해 줍니다. 깔끔합니다. 그런데 다음 주에 요약본을 다시 열어봤을 때, 그 안엔 "왜 그 이야기가 나왔는지"가 빠져 있습니다. 어떤 사람이 왜 반대했는지, 어떤 고객 건 때문에 이 안건이 올라왔는지, 어떤 데드라인 때문에 결정을 미뤘는지. 결국 다시 누군가에게 물어봐야 합니다.
고객 응대, 초안은 되지만 히스토리는 사람이 찾는다
고객이 문의 메일을 보냅니다. 그런데 이 고객은 작년에도 같은 문제로 컴플레인을 보낸 적이 있고, 그때 우리는 환불 대신 추가 서비스를 약속했습니다. AI는 이 사실을 모릅니다. 결국 담당자는 슬랙·노션·구글 드라이브를 오가며 과거 응대 이력을 찾아 답변을 다시 씁니다.
AI는 어떻게든 결과를 만들어 냅니다. 하지만 그 결과에는 맥락이 빠져있기에 결국 또 사람이 손보게 됩니다.
공통점은 회사 고유 맥락이 빠져 있다는 것
공통점은 단 하나입니다. AI는 우리 회사가 누구를 상대하는지, 어떤 기준으로 답을 줘 왔는지, 어떤 고객과 어떤 약속을 했는지 알지 못합니다. 인터넷에서 학습한 일반적인 마케팅 글, 일반적인 회의록 양식, 일반적인 고객 응대 매뉴얼만 갖고 있을 뿐입니다.
이걸 매번 사람이 채워줘야 합니다. 채팅창을 열 때마다 "우리 회사는 30대 1인 사장님을 대상으로 한 컨설팅 회사이고요, 톤은 친근하지만 전문성이 있어야 하고요, 우리가 자주 쓰는 표현은 이거고요…" 같은 설명을 반복합니다. 그러다 채팅이 길어지면 새 창을 열어야 하고, 그러면 또 처음부터 같은 설명을 붙여 넣어야 합니다.
결과적으로 AI를 쓰면서 일이 하나 더 늘어납니다. 일을 줄이려고 AI를 도입했는데, AI에 회사 맥락을 매번 떠먹여 주느라 인력이 투입됩니다.
진짜 변수는 AI 성능이 아니라 데이터 제공
회사에서 AI를 도입할 때 진짜 변수는 모델 성능이 아닙니다. "우리 회사 데이터를 AI에 어떤 방식으로 넘길 것인가." 이 한 가지가 거의 모든 차이를 만듭니다.
개인이 AI를 잘 쓰는 것과, 회사가 AI로 일을 줄이는 것은 출발점부터 다릅니다. 개인은 자기 머릿속 맥락을 그때그때 풀어 넣을 수 있습니다. 그런데 회사는 그게 안 됩니다. 대표 머릿속에 있는 의사결정 기준, 영업담당자 카톡에 있는 고객 응대 이력, 디자이너 PC에 있는 제안서 폴더—이걸 매번 누가 모아서 AI에 넘긴다는 건 현실적으로 불가능합니다.
회사 데이터가 한 공간에 쌓여 있지 않은 상태에서 AI를 써도, 보기엔 그럴듯한 결과가 나옵니다. 다만 그 결과로 매출을 만들거나, 고객을 응대하거나, 신규 사업을 추진하긴 어렵습니다.
이때 한 가지 인식 전환이 필요합니다. AI 시대에 회사가 갖춰야 할 것은 더 좋은 AI 도구가 아니라, AI가 가져다 쓸 수 있는 우리 회사 데이터입니다. 도구는 매년 바뀌지만 데이터는 회사에 남습니다.
데이터가 한 공간에 쌓이지 않는 작은 회사의 현실
"그럼 데이터를 쌓으면 되겠네"라고 말하긴 쉽습니다. 그런데 작은 회사에서 이걸 실제로 해본 분이라면 압니다. 그게 가장 어렵습니다.
고객 DB는 사장님 핸드폰 연락처에 있고, 고객 상담 이력은 카톡방마다 따로 떨어져 있습니다. 고객 리뷰는 인스타 DM과 스마트스토어에 흩어져 있고, 제안서는 디자이너 노트북에, 기획서는 기획자 구글 드라이브에, 프로젝트 이력은 대표 머릿속에 있습니다.
여기에 회의록은 슬랙 채널마다 따로, 고객별 약속 사항은 영업담당자 메모장에, 환불·교환 기준은 누군가의 노션 페이지 어딘가에 있습니다. AI에 우리 회사 맥락을 넘기려고 이걸 한 번에 모으는 데만 며칠이 걸립니다. 그러다 모델이 바뀌면, 또 다시 처음부터 같은 작업을 합니다.
그래서 작은 회사 대표 입장에선 결론이 이렇게 납니다. "AI는 좋은 거 같긴 한데, 우리 회사가 쓰기엔 아직 좀…." 그런데 진짜 이유는 AI가 아닙니다. 그 전에 있는 데이터입니다.
하나의 워크스페이스에 회사 데이터를 쌓는다는 것
작은 회사가 지금 당장 해야 할 일은 거창한 AX가 아닙니다. 신사업도, 전사 자동화도 아닙니다. 딱 하나만 잘해도 됩니다. 회사 데이터를 한 공간에 쌓는 일입니다.
여기서 "한 공간"이 핵심입니다. 도구가 여러 개로 쪼개져 있으면, AI에 맥락을 넘길 때마다 사람이 도구 사이를 오가며 자료를 찾아야 합니다. 카톡에서 상담 이력을 긁어 오고, 구글 드라이브에서 제안서를 찾아 첨부하고, 슬랙에서 회의록을 복사해 붙입니다. 이 작업이 매번 반복되면, AI 도입은 결국 사람의 일을 늘리는 방향으로 굳어집니다.
반대로 회사 데이터가 한 워크스페이스 안에 있으면, AI는 사람이 떠먹여 주지 않아도 필요한 정보를 직접 가져다 씁니다. 회의록과 일정과 고객별 맥락을 AI가 알아서 뒤져서 답을 만들어 줍니다. 인당 월 3만 원 수준이면 회사 전용 AI 환경을 갖출 수 있는 시대입니다.
실제로 회사 데이터를 한 공간에 모은 팀과 그렇지 않은 팀의 차이는 이렇게 갈립니다.
마케팅 글쓰기
고객 상담
회의록 활용
핵심은 AI를 잘 쓰는 사람을 뽑는 게 아니라, 어떤 AI 모델을 붙여도 같은 결과가 나오도록 회사 데이터를 한 공간에 갖춰두는 것입니다. 작은 회사라면 더더욱 그렇습니다. 사람이 적을수록, AI가 사람의 손을 거치지 않고 일을 처리할 수 있어야 하기 때문입니다.
회사 데이터를 어디서부터 어떻게 쌓아야 할지 막막하다면, 공여사들의 노션 시스템을 먼저 검토해보세요. 고객 DB, 상담 이력, 제안서, 기획서, 프로젝트 이력을 한 공간에 쌓는 순서를 단계별로 안내합니다.
AI는 잘 쌓아둔 회사에서 작동합니다
결론입니다. AI를 도입했다고 일이 줄어드는 게 아닙니다. AI를 잘 쓰는 직원 한 명이 있다고 회사 전체가 AI 회사가 되는 것도 아닙니다. 여러 AI를 구독한다고 팀 생산성이 자동으로 올라가지도 않습니다.
결국 차이는 회사가 AI에 넘겨줄 맥락을 어떤 형태로, 어디에 쌓아두고 있는가입니다. 매일매일 고객 응대 한 건, 회의록 한 장, 제안서 한 부가 한 공간에 쌓여야 합니다. 그래야 1년 뒤, 2년 뒤 어떤 AI 모델이 새로 나와도 우리 회사는 첫날부터 그 모델을 활용할 수 있는 상태가 됩니다.
반대로 데이터를 쌓아두지 않은 회사는 새 AI 모델이 나올 때마다 매번 처음부터 같은 작업을 반복합니다. 시간이 지날수록 AI를 잘 쓰는 회사와의 격차는 더 벌어집니다. AI는 잘 쓰는 회사가 아니라, 잘 쌓아둔 회사에서 일합니다.
지금 당장 거대한 AI 시스템을 짤 필요는 없습니다. 다만 오늘 받은 고객 문의 한 건, 오늘 진행한 회의록 한 장부터 한 공간에 쌓아두기 시작하면 됩니다. 그게 작은 회사가 할 수 있는 가장 빠른 AX 준비입니다.
회사 데이터를 한 워크스페이스에 쌓는 구체적인 방법이 궁금하다면 웨비나를 통해 확인해 보세요.
작은 팀을 위한 ‘일의 시스템’ 웨비나 신청 >>
대표님들이 함께 많이 본 콘텐츠
“AI 툴을 뭘 쓰느냐”보다 먼저인 병목이 뭘까요. 직원 교육/요금제/모델을 바꿔도 일이 그대로인 팀은, 결국 ‘회사 데이터가 어디에 쌓이냐’에서 막힙니다. AI가 평균값 대신 ‘우리 회사 답’을 내게 만들고 싶다면 이 글부터 보시면 됩니다.
주말에도 손에서 카톡을 못 놓는 대표의 진짜 문제는 ‘욕심’이 아니라 구조였습니다. 왜 직원이 있는데도 대표가 계속 확인하고, 다시 묻고, 결국 본인이 처리하게 되는지. 대표 머릿속에만 있는 기준/히스토리가 어떻게 대표 시간을 잡아먹는지 사례로 보여드립니다.