챗GPT와 생산성 향상의 역설
학습 차원에서 틈틈이 해외 전문가들이 블로그나 미디어 그리고 책에서 쓴 글을 번역 또는 요약 정리하고 있습니다. 이번 포스팅도 그중 하나고요. 거칠고 오역된 부분이 있을 수 있습니다. 제대로 번역되지 않은 부분은 확인 주시면 반영토록 하겠습니다. 의미 전달이 애매한 문장은 삭제했습니다. 이번에는 Julia Winn이 미디엄에 올린 글을 정리한 것입니다.
ChatGPT와 같은 도구들이 갖는 혁신적 잠재력에도 내가 만난 대부분 지식 근로자들은 이를 전혀 사용하지 않는다. 주로 요약과 같은 기본적인 작업에만 사용한다. 잠재적인 전문 사용자 중 극히 일부인 5% 남짓한 사용자만이 유료 서비스를 이용하고 있으며, 이는 복잡하고 고부가가치 업무에 AI를 활용하는 파워 유저가 드물다는 것을 시사한다. 나는 10년 넘게 Google Brain부터 Shopify Ads까지 다양한 회사에서 AI 제품을 구축하면서 이 분야 진화를 직접 봐왔다. ChatGPT 등장으로 AI는 사진 정리 도구처럼 있으면 좋은 기능에서 모든 지식 근로자를 위한 주요 생산성 향상 도구로 진화하고 있다.
대부분 경영진들은 AI가 그 어느 때보다 강력하고 사용자 친화적이라는 사실을 알기 때문에 지금 화두가 단순한 과대광고가 아님을 알고 있으며, 회사를 AI의 미래로 이끌기 위해 필사적으로 노력하고 있다. 이러한 잠재력과 열의에도 불구하고 광범위한 도입이 지연되는 이유는 무엇일까? 진정한 걸림돌은 조직이 업무에 접근하는 방식 자체다. 시스템적인 문제로 인해 이들 도구가 일상적인 업무 일부가 되지 못하고 있다. 궁극적으로 경영진이 던져야 할 질문은 '어떻게 하면 AI를 사용해 업무를 더 빠르게 처리할 수 있는가'가 아니다. 이 기능을 AI로 구축할 수 있는가? '가 아니라 '어떻게 하면 AI를 사용해 더 많은 가치를 창출할 수 있을까? 우리가 물어야 하지만 묻지 않고 있는 질문은 무엇인가?"이다.
실제 영향력
최근 나는 ChatGPT와 같은 도구들 기반 기술인 거대 언어 모델(LLM)을 활용해 기존에는 데이터 분석가와 콘텐츠 디자이너로 구성된 팀들이 한 달 이상 걸렸을 복잡한 데이터 구조화 및 분석 작업을 해결했다.
Google AI Studio를 사용하여 하루 만에 달성한 작업은 다음과 같다.
수천 개 비정형 데이터 행을 레이블이 지정된 정형 데이터 집합으로 변환했다.
AI로 새로운 정형 데이터 내에서 주요 사용자 그룹을 식별했다.
이러한 패턴 기반으로 더 나은 개인화된 최종 사용자 경험을 제공할 수 있는 새로운 분류법을 개발했다.
주목할 점은 버튼 하나만 누르고 AI가 모든 작업을 수행하도록 내버려두지 않았다는 점이다. 고도의 집중력과 상세한 지침, 여러 번의 반복이 필요했다. 나는 정확한 프롬프트를 만들고, 인턴처럼 좀 더 직접적인 언어로 피드백을 제공하고, AI가 경로를 벗어날 때 방향을 바꾸는 데 몇 시간을 보냈다. 어떤 의미에서는 한 달 분량 작업을 하루 만에 압축한 셈이어서 정신적으로 지칠 대로 지쳤다. 하지만 그 결과는 단순히 프로세스가 빨라진 것이 아니라 근본적으로 더 나은, 그리고 다른 결과를 가져왔다. LLM은 비정형 데이터에 숨겨진 미묘한 패턴과 예외 케이스를 발견해 기존 정형 데이터에 대한 기존 분석에서는 완전히 놓칠 수 있었던 인사이트를 창출했다.
반직관적인 진실
AI 생산성의 역설을 이해하는 핵심은 바로 여기에 있다. 내가 AI로 거둔 성공은 내가 AI를 파트너로 생각했던 것처럼 경영진이 AI로 데이터 프로세스를 재고하는 데 전념할 수 있도록 지원한 데 있었다. 덕분에 몇 주가 걸렸을 연결고리와 가능성을 탐색하는 심도 있고 전략적인 사고가 가능했다.
이러한 유형의 품질 중심 작업은 마감일을 맞추기 위해 서두르다 희생되는 경우가 많지만, 바로 이것이 획기적인 혁신의 원동력이다. 역설적이게도 대부분 사람들은 시간을 절약할 수 있는 방법을 알아낼 시간이 없다.
탐색을 위한 시간을 할애하는 것은 대부분 PM이 감당할 수 없는 사치다. 즉각적인 성과를 내야 한다는 끊임없는 압박에 시달리면서 이런 종류의 전략적 작업을 할 시간은 한 시간도 없는 경우가 대부분이며, 이런 종류 탐색 작업을 위한 시간을 확보하는 유일한 방법은 아픈 척하는 것뿐이다. 이들은 경영진 지시와 긴급한 고객 요청에 압도돼 전략적 방향에 대한 주인의식이 부족하다. 게다가 최근 업계 정리해고와 기타 감원으로 인해 업무량이 가중돼 많은 PM들이 기본적인 업무를 따라잡기 위해 하루 12시간씩 일한다.
이러한 지속적인 압박은 또한 실행력 향상을 위한 AI 도입을 방해한다. 강력한 테스트 계획을 개발하거나 AI의 잠재적 문제를 사전에 파악하는 것은 필수 사항이 아니라 사치처럼 여겨진다. 이는 비생산적인 역학 관계를 형성한다.: 수정 사항을 구현할 경우 출시가 지연될 뿐이라면 문서에서 문제를 식별하는 데 AI를 사용하는 이유는 무엇일까? 이미 위에서 방향이 정해져 있는데 왜 사용자와 문제에 대해 추가 조사를 할까?
새로운 방향 설정 - 사람에 대한 투자
사람들에게 “AI를 파악”할 시간을 주는 것만으로는 충분하지 않으며, 대부분 ChatGPT가 요약 이상 기능을 수행하도록 하는 방법을 이해하기 위해 약간의 교육이 필요하다. 그러나 필요한 교육은 일반적으로 사람들이 기대하는 것보다 훨씬 적다. 전문가가 가르치는 AI 교육 시장은 포화 상태다. 일부 강의는 사기를 치기도 하지만, 많은 강사는 평판이 좋은 전문가들이다. 하지만 이러한 강의는 대부분의 사람들에게 시작점으로 적합하지 않은 경우가 많다. 시간이 많이 걸리고, 지나치게 기술적인 내용을 다루며, 특정 업무 분야에 맞춰진 경우는 드물다.
나는 개인들과 10~15분 정도 마주 앉아 현재 워크플로우를 감사하고 LLM을 사용해 더 많은 작업을 더 빠르게 수행할 수 있는 영역을 파악함으로써 가장 좋은 결과를 얻었다. 좋은 프롬프트를 작성하기 위해 토큰 예측 수학을 이해할 필요는 없다. AI 도입은 40세 미만 기술적 배경을 가진 사람들만 할 수 있다는 통념에 빠지지 말라. 내 경험에 따르면, 세부 사항에 대한 주의력과 최선을 다하려는 열정이 성공의 훨씬 더 좋은 지표다.
60대 변호사인 내 아버지도 5분 만에 법률전문가가 무엇을 할 수 있는지 이해했다. 핵심은 예제를 자신의 영역에 맞게 조정하는 것이었다. 다소 복잡한 법적 회색지대를 생각해냈고, 나는 클로드에게 첨단 사례 예시를 들어 법대 1학년 학생에게 이를 설명해 달라고 부탁했다. 그는 그 반응을 보고 즉시 이 기술을 12가지 프로젝트에 어떻게 사용할 수 있는지 이해했다. 20분 후, 그는 몇 달 동안 쓰려고 했던 새로운 법률 리뷰 기사 초안을 반쯤 작성하고 있었다.
회사에는 이미 업무에서 LLM을 주도적으로 탐구해 온 숨은 인재, 즉 AI 애호가가 몇 명 있을 가능성이 높다. 엔지니어, 마케터, 데이터 과학자, 제품 관리자, 고객 서비스 관리자 등 누구나 이러한 'LLM 귓속말'이 될 수 있다. 이러한 혁신가들을 찾아 그들의 전문 지식을 활용하라. 이러한 내부 전문가를 파악한 후에는 이들에게 한두 시간 동안 'AI 감사'를 실시해 팀의 현재 워크플로우를 검토하고 개선이 필요한 부분을 파악하도록 요청하라. 특정 사용 사례에 대한 시작 프롬프트를 만들고, AI 워크플로를 공유하며, 향후 문제 해결 및 평가 방법에 대한 팁을 제공할 수 있다. 외부 컨설턴트에 대한 비용을 절감할 수 있을 뿐만 아니라, 이들 내부 전문가들은 회사 시스템과 목표를 더 잘 이해하고 있어 실용적이고 관련성 있는 기회를 발견할 가능성이 더 높다. 또한, 도입을 주저하는 사람들도 “AI 전문가”에 비해 동료가 기술을 사용하는 것을 보면 실험해 볼 가능성이 더 높다.
직원들이 학습할 수 있는 공간을 확보하는 것 외에도, 직원들이 자신의 영역에서 이러한 도구 기능을 이해한 후 이를 탐색하고 실험할 수 있는 시간을 확보해야 한다. 회사는 직원들에게 “AI로 혁신하라”고 말하면서 동시에 금요일 오후 5시까지 한 달 분량 기능을 개발하라고 요구할 수는 없다. 팀에게 한 달에 몇 시간이라도 탐색할 수 있는 시간을 확보해주라. AI 도입 첫 번째 장애물을 극복한 후에는 팀에서 가장 유망한 투자 분야를 파악할 수 있어야 한다. 이 시점에서는 보다 전문적인 추가 교육이 필요한지 평가할 수 있는 근본적으로 더 나은 위치에 서게 될 것이다.
결론
AI 생산성의 역설은 기술의 복잡성 때문이 아니라 조직이 업무와 혁신에 접근하는 방식에 관한 문제다. AI의 힘을 활용하는 것은 최신 자격증을 판매하는 'AI 인플루언서'들이 말하는 것보다 훨씬 간단하며, 단 몇 분의 목표 교육만 받으면 되는 경우가 많다. 하지만 이를 위해서는 리더십 사고방식의 근본적인 전환이 필요하다. 경영진은 단기적인 결과물을 쌓아두는 대신, 탐구와 심층적이고 개방적인 목표 중심 작업을 위한 공간을 만들어야 한다. 진정한 도전은 직원들에게 AI를 가르치는 것이 아니라, 직원들이 일하는 방식을 혁신할 수 있는 시간과 자유를 주는 것이다.
