- 최근 조사 결과, 많은 지식 노동자들이 업무에 AI를 활용 중임
- 1월 덴마크 조사: 마케터 65%, 기자 64%, 변호사 30% 등이 AI 사용
- 8월 미국 노동자 조사: 생성형 AI 활용자가 1/3에 달함
- 가장 많이 쓰이는 도구는 ChatGPT, 다음은 Google Gemini
- 개인 차원에서 AI로 인한 생산성 향상 효과가 입증되고 있음
- GPT-4 사용으로 컨설턴트들이 18개 업무를 25% 더 빠르게 수행
- GitHub Copilot 활용 시 코딩 생산성 26% 향상
- 덴마크 설문에서 응답자들은 업무의 41%를 AI로 반으로 줄였다고 답변
- 하지만 리더 및 관리자와 이야기해보면, 종종 허용된 좁은 사용 사례 외에는 AI 사용이 거의 없고 생산성 향상 효과도 거의 없다고 말함
- 이는 개인 성과 향상이 조직 성과로 이어지지 않는 여러 이유 때문임
- 조직 차원의 성과를 내려면 자체적인 AI 활용 R&D가 필수적임
- 컨설팅사나 기업용 SW 업체의 범용적 접근법에 의지해선 안 됨
- 누구도 해당 조직에 맞는 AI 활용법을 알려주지 못함
- 대형 AI 기업들조차 모델의 최선의 활용처를 모른 채 출시
- 각자의 상황에 맞는 활용법을 가장 먼저 찾아내는 것이 관건
- AI 사용 방법 R&D는 개별 직원들의 군중(Crowd) 과 전담 연구팀(Lab) 을 함께 활용
- Crowd: 현장에서 문제 해결을 위해 AI 적용하며 노하우 축적
- Lab: Crowd의 아이디어를 제품화하고 신규 활용 시나리오 모색
Crowd를 위한 전술
- Eric von Hippel 교수의 사용자 혁신 개념에 따르면, 많은 주요 혁신은 중앙 R&D 연구소가 아닌 실제 사용자들이 자신의 문제 해결을 위해 제품을 만지작거리면서 나옴
- 전문가들은 AI의 유용성을 시행착오로 쉽게 평가할 수 있지만, 외부인은 그렇지 못함.
- 조사와 대화를 통해 사람들이 AI로 실험하며 매우 유용하다고 생각하지만, 고용주에게 공유하지 않는다는 점을 알 수 있음. 거의 모든 조직에 AI를 사용하지만 말하지 않는 "비밀 사이보그"들이 있음.
- 비밀 사이보그가 생기는 이유
- 부적절한 AI 사용에 대한 처벌이 두려워서
- AI 사용을 말하면 존경받지 못할 것 같아서
- AI가 일부 업무를 대신하면 자신이나 동료가 해고될 것 같아서
- AI 사용을 공개해도 보상받지 못할 것 같아서
- 생산성 향상은 더 많은 일을 해야 한다는 기대가 될 것 같아서
- AI 사용법을 공유할 방법이 없어서
- 비밀 사이보그의 도움을 받는 법
- 두려움 줄이기: 추상적인 AI 윤리 교육이나 무서운 정책 대신 "명확한 실험 허용 범위" 제시하기
- 보상 제도 연계: AI 사용 공개에 대한 보상 마련하기. 큰 생산성 향상에는 월급 수개월치 현금상, 승진, 재택근무 등 제공하기
- 긍정적 사용 모델링: 경영진이 AI 사용법을 공개적으로 공유하기. 매니저가 직원들에게 AI로 문제해결 시도 권장하기
- 공유 기회 제공: 해커톤, 프롬프트 공유회 등 개최하기. AI 재능을 가진 사람들 찾고 학습 내용 공유할 수 있는 커뮤니티 만들기
- 도구와 교육 제공: 최신 모델 직접 사용 기회 주고, AI 사용방법에 대한 교육 세션 제공하기
- 조직 내 AI 혁신 재능의 기회를 만들어야 함. 군중이 도움 될 수 있지만, 집중적 혁신 노력인 연구소(Lab) 역할도 있음.
연구소를 위한 전술
- 분산형 혁신도 중요하지만 조직 내 AI 활용 R&D를 위한 중앙 집중적 노력의 역할도 있음.
- 연구소는 주제 전문가와 기술/비기술 인력의 조합으로 구성되어야 함.
- 군중에서 연구원 확보 가능함. AI 사용법을 알아내 회사와 공유하는 열정적 인재들을 활용해 연구소 구성하기
- 연구소는 분석이나 추상적 전략보다는 구축에 집중해야 함. 다음을 구축할 것:
- 조직을 위한 AI 벤치마크 개발: 어떤 AI가 가장 스타일리시한 작가인지, 재무 데이터를 다룰 수 있는지, 법률 문서를 잘 읽는지 등 실제 회사 내 작업에서 각 모델이 얼마나 좋은지 파악하기
- 작동하는 프롬프트와 도구 구축: 군중의 아이디어를 제품으로 만들고, 반복 테스트하기. 조직에 배포하고 결과 측정하기
- 아직은 작동하지 않는 것 구축: 핵심 비즈니스 프로세스의 모든 작업을 AI 에이전트가 수행한다면 어떨지 만들어보고 실패 지점 확인하기. 새 모델이 출시되면 프로토타입에 연결해 개선 여부 확인하기
- 마법 같은 것과 도발적인 것 구축: AI와 아직 교감하지 못한 사람들을 위해 AI로 달성 가능한 놀라운 일이나 충격적인 것을 시연하기. AI로 불가능한 일을 최대한 해보고, 최신 도구의 성과 보여주기. 사람들의 관심 끌기
- 군중은 혁신하고 연구소는 구축하고 테스트함. 성공적인 내부 R&D는 둘 다 필요함.
시작에 불과함
- 장기적으로 AI 능력이 계속 발전한다면 혁신만으로는 충분치 않고, AI를 고려한 리더십이 필요할 것임.
- 조직은 인간 지능의 한계와 이점을 중심으로 구축되어 왔음.
- 이제 AI의 특이한 "지능"을 고려해 수십 년간 개발된 프로세스와 조직 구조를 재구성하는 방법 모색해야 함.
- 이는 R&D를 넘어 조직 구조와 목표, 미래 조직에서 사람과 기계의 역할을 고려해야 함.
- 그러나 이것조차 충분히 급진적이지 않을 수 있음
- AI 연구소의 명시적 목표는 모든 지적 작업에서 인간보다 뛰어난 AI 구축임
- 곧 자율적으로 계획하고 행동할 수 있는 에이전트급 AI가 나올 것이라 약속함
- OpenAI의 로드맵에서 보듯, 조직의 일을 대신할 AI 창조가 가능하다고 믿음. 이 모든 일이 일어나지 않을 수도 있지만 일부만 현실화되어도 오늘날 상상하기 어려운 방식으로 조직은 훨씬 더 심오한 변화를 겪게 될 것임
- 기업들에게 이런 불확실성을 헤쳐나가는 최선책은 스스로 새로운 세계를 탐험하기 시작하는 것임