‘AI가 할 일 vs 사람이 할 일’ 구분법이 있다면
HBR의 4분면 프레임워크로 보는 실전 가이드
올해 진행된 AI 리터러시 프로그램 중 업무에 AI를 도입하는 방안에 대한 논의를 진행하다 보면 묘한 긴장감이 흐를 때가 있다. 그중 가장 빈번하게 마주하는 저항 중 하나는 "AI 좋은 건 당연히 알지만 내 일은 AI로 대신할 수 없어"라는 확신에 찬 반응이다. 물론 선배들의 시절부터 이어져온 각 직무의 전통과 자부심은 존중받아 마땅하지만, 이 변화의 흐름을 조금만 객관적으로 들여다보면 현실은 다르게 다가온다. 실무자인 교육 참가자들에 비해 상대적으로 경영진 가까이에서 전략 방향을 다루는 그분들의 메시지에 비춰보자면 우리가 원하든 원치 않든, 기업 생태계는 우리가 원하든 원치 않든 협업을 넘어 AI가 많은 것을 대체하는 방향으로 거대하게 흘러가고 있다. 이는 단순한 개인의 선택 문제가 아니라, 다가오는 파도를 어떻게 탈 것인가에 대한 생존의 문제에 더 가깝다.
HBR의 'The AI Playbook for Organizations'는 그 막연한 파도에 올라타는 법을 제시한다. 직무를 통째로 대체하는 것이 아니라, '오류 비용'과 '지식의 유형'에 따라 과업을 쪼개어 4가지 영역으로 재배치하는 것이다. 핵심은 AI가 얼마나 똑똑한지가 아니라, 우리 조직의 업무 중 어느 장면에 배치했을 때 효용이 극대화되는지를 따지는 데이터 기반의 의사결정이다. 실수가 용납되는 창의적 영역에서는 촉매제로, 높은 책임이 따르는 영역에서는 인간이 주도권을 쥐되 AI를 든든한 서포터로 활용하는 식의 구체적인 검토가 필요하다.
사실 내가 직접적으로 만나는 대부분의 사람들은 이미 AI를 활용 중이거나, 적어도 AX 전환의 흐름에 적응하기 위해 배움을 택한 능동적인 학습자이니 어쩌면 이 아티클과 포스팅 내용이 뒤쳐진 느낌이 들 수도 있다. 하지만 교육 현장에서 가벼운 질문으로 참여를 유도해 보면, 여전히 변화에 대응하는 속도가 더디다는 것을 체감한다. 하물며 능동적 학습자들의 모습도 그러한데 조직 전체는 오죽하겠는가. 그럼에도 불구하고 우리의 경영진은 이미 AI 리터러시를 넘어 에이전틱 AI를 논하며 속도감 있는 전환을 기대하고 있다. 그렇기에 우리는 기존 방식을 고수하며 AI를 경계하기보다, 관성에서 벗어나 어떻게 이 업무를 AI와 함께할 수 있을지를 치열하게 고민해야 할 때이다.
The Gen AI Playbook for Organizations
https://hbr.org/2025/11/the-gen-ai-playbook-for-organizations
1. 언제 어디서 생성형 AI를 사용해야 하는가 (Where and When to Use Generative AI)
생성형 AI(AI)는 어디에나 존재하며 다재다능하기 때문에, 어디서부터 시작해야 할지 최적의 지점을 찾는 것이 새로운 도전 과제가 된다. 이때 AI가 인간만큼 잘 수행하는지를 묻는 대신, 직무(job)를 구성 요소인 과업(task)으로 세분화하고 '오늘날 AI가 잘 처리할 수 있는 과업은 무엇인가?'를 질문하는 것에서 시작해야 한다.
예를 들어 핵심 인재 채용, 암 진단, 고위험군 개인에 대한 심리 치료와 같은 활동들은 AI가 인간 수준의 지능에 근접하고 있는 영역으로 자주 언급된다. 하지만 이 역할에서 인간을 대체하는 것은 상당한 저항에 부딪히며, 그 이유는 타당하다. 이 영역에서 발생하는 오류의 잠재적 결과는 매우 중대하기 때문이다. 잘못된 암 진단이나 취약한 환자를 잘못 다루는 것은 삶을 바꾸는 영향을 미칠 수 있으며, 핵심 리더십 역할에 부적합한 인물을 선택하는 것은 수년간 회사의 문화를 손상시킬 수 있다.
반면, 학생들의 강의 평가 요약, 입사 지원서 검토, 병원 침상 배정 같은 다른 과업들을 고려해 볼 수 있다. 이 과업들은 앞선 예시들과 비교할 때 반드시 지능 수준이 낮아서가 아니라 '잘못되었을 때의 비용(cost of getting it wrong)'이 낮다는 점에서 구별된다. 강의 평가 요약이 미묘한 차이를 놓치거나, 이력서 예비 검토에서 경계선에 있는 지원자를 간과하는 것은 제한된 위험만을 초래한다. 병원 침상 배정은 주로 가용성, 환자 요구, 예상 퇴원율 등 명시적이고 구조화된 데이터에 의존하며, 이는 AI 시스템이 신뢰할 수 있게 처리할 수 있다.
이는 특정 과업에 대한 AI의 적합성이 단지 AI의 역량뿐만 아니라 두 가지 더 깊은 요인에 달려 있음을 보여준다.
오류 비용 (Cost of errors): 첫 번째 요인은 '오류 비용'이다. 즉, AI가 실수를 저질렀을 때 그 결과가 얼마나 심각한지이다. 만약 과업 수행 시 발생하는 오류가 심각한 피해, 재정적 손실, 또는 평판 손상을 초래한다면, 기업은 인간의 감독 없이 AI를 사용하는 데 훨씬 더 신중해야 한다.
지식 유형 (Type of knowledge): 두 번째 요인은 과업이 요구하는 '지식의 유형'이다. 이력서 검토나 강의 평가 요약처럼 명시적 데이터(포착하고 처리할 수 있는 구조화되거나 비구조화된 정보)에 의존하는 과업은 AI에 적합하다. 반면, 심리 치료, 소프트 스킬을 위한 채용, 미묘한 리더십 결정과 같은 다른 과업들은 암묵적 지식(tacit knowledge)—공감, 윤리적 추론, 직관, 그리고 인간 경험을 통해 구축된 맥락적 판단—을 요구한다. 이러한 과업들은 단순히 정보를 검색하는 것이 아니라 미묘한 차이를 해석하고, 맥락에 유연하게 반응하며, 모호한 상황에서 판단을 적용해야 하므로 AI가 수행하기에 근본적으로 더 어렵다.
이 두 가지 차원은 AI를 효과적으로 사용하기 위한 프레임워크의 기초를 형성한다.
2. 프레임워크 적용하기 (Applying the Framework)
프레임워크를 적용하는 것은 AI의 '지능'이 아닌 '유용성'에 초점을 맞추는 것에서 시작하며, 이는 당면한 과업에 따라 크게 달라진다. 조직은 "AI를 사용하기에 오류 비용이 수용 가능할 만큼 낮은 영역은 어디인가?" 또는 "인간의 통찰력과 창의성이 필요하더라도 AI가 처리할 수 있는 구성 요소는 없는가?"와 같은 질문을 해야 한다. 프레임워크를 사용하려면, 먼저 직무를 구성 요소 활동으로 세분화한 뒤 '오류 비용'과 '필요한 지식 유형'을 기준으로 각 활동을 4가지 사분면 중 하나에 배치한다. 이 배치를 통해 어떤 과업을 AI가 더 빠르고, 저렴하게, 혹은 더 잘 처리할 수 있는지 명확해진다.
2.1. 후회 없는 영역 (The no regrets zone)
'후회 없는 영역'은 오류 비용이 낮고 명시적 지식이 필요한 왼쪽 하단 사분면이다. 이는 조직에게 가장 명확하고 즉각적인 기회를 제공하며, AI를 지금 당장 배포해야 하는 영역이자 미래에 AI 에이전트가 번창할 영역이다. 이 영역의 과업들은 명확하고 문서화된 데이터에 의존하며, 오류가 발생해도 상대적으로 해롭지 않다. 여기서 완벽한 정확성은 필요하지 않으며, 진정한 가치는 과업을 이전보다 더 빠르고, 저렴하게, 또는 더 큰 규모로 완료하는 데 있다.
이 영역에서는 AI를 사용하여 기존 인력의 시간을 절약하고 더 높은 가치의 상호작용으로 재배치할 수 있다.
명확한 기준에 따라 이력서를 검토하고 후보자를 선별한다.
소액 경비 환급을 승인한다.
환불 정책이나 배송 일정과 같은 일반적인 고객 문의에 대한 응답 초안을 작성한다.
또한, 기존에는 너무 지루하거나 비용이 많이 들어 인간이 수행하지 않았던 가치 있는 과업들도 수행할 수 있다. 예를 들어, AI는 회의 대화를 캡처하고 핵심 주제, 실행 항목, 결정 사항을 몇 초 만에 추출할 수 있다.
이 영역의 과업을 고려할 때 물어야 할 핵심 질문은 다음과 같다.
AI를 사용함으로써 얻는 비용 절감과 속도 향상이 출력 품질의 약간의 저하를 감수할 만큼 충분히 큰가?
오늘날 우리가 하지 않거나 비용이 너무 많이 들어 할 수 없는 일에 AI를 어떻게 활용할 수 있는가?
2.2. 창의적 촉매 영역 (The creative catalyst zone)
'창의적 촉매 영역'은 오류 비용이 낮고 암묵적 지식이 필요한 왼쪽 상단 사분면이다. 이 영역에서 AI는 인간이 독창성을 필요로 하는 작업을 수행하는 데 도움을 주는 '창의적 촉매' 역할을 한다. AI의 산출물을 다듬고 최종적으로 채택하는 판단은 오로지 인간의 몫이다. 최상의 마케팅 슬로건이나 완벽한 제품 디자인에 대한 기준은 주관적이기 때문에, 이 영역에서는 실수가 용납될 수 있다.
AI는 실험 속도를 높이고, 더 많은 양의 아이디어를 생성하며, 창의적 프로세스에 대한 광범위한 참여를 가능하게 하여 인간의 창의성을 의미 있게 증대시킨다. AI를 통해 모든 직원이 혁신가처럼 생각하고 일할 수 있다.
마케터는 20개의 가능한 태그라인을 즉시 생성하여 크리에이티브 팀이 다듬을 수 있는 더 넓은 옵션 풀을 제공받는다.
디자이너는 시각적 또는 기능적 변형을 신속하게 생성한 뒤, 가장 유망한 콘셉트를 수동으로 선택하고 완성한다.
프레젠테이션 작성자는 AI에게 핵심 사항 개요, 내러티브 아크 제안, 시각적 목업 생성을 요청할 수 있다.
교육 맥락에서 모의 면접이나 시뮬레이션을 빠르게 생성하여 준비 연습을 풍부하게 할 수 있다.
이 영역의 과업을 고려할 때 물어야 할 핵심 질문은 다음과 같다.
AI가 창의적인 인력의 시간을 절약해 줄 수 있는가?
AI가 비(非) 창의적인 인력의 창의적 과업 참여를 더 쉽게 만들 수 있는가?
2.3. 인간 우선 영역 (The human-first zone)
'인간 우선 영역'은 오류 비용이 높고 암묵적 지식이 필요한 오른쪽 상단 사분면으로, 위험 부담이 가장 큰 영역이다. 이 영역에서 AI는 의사결정자가 아닌 조력자(enabler) 역할을 할 수 있다. 이 과업들은 주관적 판단, 상황적 뉘앙스, 복잡한 의사결정을 포함하며, 실수는 심각한 재정적, 법적, 평판적, 또는 개인적 결과를 초래할 수 있다. 신뢰, 윤리, 장기 전략이 종종 위태로워진다.
다음과 같은 과업들이 여기에 해당한다.
핵심 인재 채용
전략 수립
복잡한 기업 시스템 통합
위기 대응
민감한 HR 개입 관리
이러한 과업들은 판단력, 맥락 이해, 윤리적 추론, 감성 지능 등 자동화하기 어려운 자질을 요구한다. AI는 극도의 주의 하에 사용되어야 하며, 결정의 중심이 아닌 지원 역할에 국한되어야 한다.
과업을 현명하게 해체하면 AI가 가치 있는 지원을 제공할 기회가 보인다.
채용 시 직무 기술서를 다듬거나 면접 질문을 제안한다.
전략 수립 시 시장 데이터를 종합하거나 새로운 트렌드를 파악한다.
거버넌스에서 평판 위험을 모델링한다.
위기관리 시 예비 커뮤니케이션 초안을 작성하고 대중의 반응을 모니터링한다.
헬스케어에서 환자 중증도를 분류하기 위한 위험 점수 계산을 돕는다.
직원 관리 시 성과 개선 계획의 요소를 제안한다.
이 영역의 과업을 평가할 때 던져야 할 비판적인 질문은 "오늘날 인간의 판단을 더욱 효과적으로 만들기 위해 AI가 지원할 수 있는 과업은 무엇인가?"이다.
2.4. 품질 관리 영역 (The quality control zone)
'품질 관리 영역'은 오류 비용이 높지만 명시적 지식에 기반한 오른쪽 하단 사분면이다. 이 영역의 과업들은 명시적이고 구조화된 정보에 기반하고 있어 AI가 기술적으로는 잘 수행할 수 있지만, 작은 실수라도 심각한 결과를 초래할 수 있다. 법률, 재무, 소프트웨어 개발과 같이 정보는 명확하게 성문화되어 있지만 정확성에 대한 기준이 극도로 높은 '높은 책임(high-accountability)' 영역이 이에 해당한다.
이 영역은 '인간-참여-루프(human-in-the-loop)' 모델에 이상적이다. AI가 속도와 규모를 제공하고, 인간이 판단, 감독, 최종 책임을 제공한다.
변호사는 AI(예: Harvey)를 사용해 계약서 초안을 빠르게 작성하고 협상 및 최종 검토에 집중한다.
소프트웨어 개발자는 AI(예: GitHub Copilot)로 상용구 코드를 생성하여 개발 주기를 가속화하되, 숙련된 개발자가 반드시 품질 보증(QA)과 기능 검증을 수행한다.
재무 실사에서 AI는 대량의 문서를 스캔하여 이상 징후나 기회를 감지하지만, 인간 분석가가 맥락에 맞게 결과를 해석한다.
헬스케어에서 AI는 구조화된 기준에 따라 환자 침상 배정을 추천하지만, 최종 결정은 알고리즘이 놓친 미묘한 차이를 고려하는 임상 직원이 내린다.
이 영역에서는 반복적이고 데이터 집약적인 부분은 AI가 처리하고, 뉘앙스, 해석, 최종 책임이 중요한 단계는 인간이 수행하도록 해야 한다. 이 영역의 과업을 식별하기 위한 질문은 다음과 같다.
인간의 전문성이 진정으로 필수적인 부분은 어디인가?
업무 흐름의 어느 부분을 AI에게 안전하게 위임할 수 있는가?
3. 업계에 미칠 영향 예측하기 (Anticipate the Impact on Your Industry)
고객, 공급자, 경쟁자 모두 동일한 기술에 접근할 수 있다는 사실은 '접근성의 역설(paradox of access)'을 만들어낸다. 모두가 AI를 사용할 수 있기 때문에, 그것으로 가치를 확보하는 것은 훨씬 더 어려워진다. 만약 기업과 경쟁자가 유사한 과업에 동일한 방식으로 기술을 적용한다면, 모두의 효율성은 높아지지만 장기적인 이익을 확보하는 기업은 없게 된다. 경쟁 압력은 결국 더 낮은 가격이나 더 나은 조건의 형태로 고객과 공급자에게 이익이 흘러가게 만든다.
이는 인터넷 1.0 시대와 유사한 패턴이다. 초기 도입자들은 잠시 이점을 누렸지만, 디지털 기술이 확산되면서 혜택은 기업이 아닌 소비자에게 돌아갔다. 2000년대 항공사 전자 티켓팅의 부상은 모든 항공사가 동일한 기술로 경쟁하게 만들었고, 고객들은 더 낮은 항공료의 혜택을 누렸다. 1990년대 이후 CAD 및 ERP 소프트웨어는 제조 및 공급망을 간소화했지만, 이제는 경쟁 우위의 원천이 아닌 기본 사양(table stakes)이 되었다. 이러한 사례들은 다음과 같은 발전을 대비해야 함을 상기시킨다.
3.1. AI-퍼스트 진입자들이 오고 있다 (AI-first entrants are coming)
가까운 미래에 가장 강력한 경쟁자는 익숙한 동료 기업이 아니라, 1인 기업가나 마이크로팀과 같은 새로운 유형의 'AI-퍼스트(AI-first)' 진입자들일 수 있다. 오늘날 마케팅 에이전시를 처음부터 시작한다고 상상해 보면, 시장 조사, 카피라이팅, 그래픽 디자인, 고객 응대를 위해 수십 명을 고용하는 대신, 소규모 전문가 팀(혹은 1인의 기업가)이 이 모든 작업을 AI에 의존할 수 있다. 이러한 AI-퍼스트 진입자들은 기존 기업 인력의 일부만으로도 동일한 범위와 속도를 맞출 수 있다.
3.2. 고객과 공급자가 당신을 상대로 AI를 사용할 수 있다 (Customers and suppliers can use AI against you)
고객과 공급자가 AI에 접근할 수 있게 되면 기업의 협상력이 뒤집힐 수 있다. 로펌들은 1990년대부터 유사한 문제를 겪어왔다. 한때 수많은 보조 인력과 완비된 법률 도서관이 필요했던 업무가 인터넷이 연결된 PC 한 대를 가진 변호사 한 명에 의해 처리될 수 있게 되었다. 기업들은 모든 사안을 대형 로펌에 맡기는 대신, 사내 변호사를 고용하여 일상적인 업무를 처리할 수 있게 되었다.
이러한 변화는 대형 로펌들을 두 가지 측면에서 압박했다. 고객들은 한때 신성불가침 영역이던 '시간제 청구(billable hour)' 방식에 저항했고, 현재는 대형 로펌의 거의 90%가 고객에게 더 유리한 고정 수수료나 다른 가격 책정 방식을 제공한다. 또한, 과거 대형 로펌에서 주 100시간 근무를 견뎌야 했던 변호사들은 이제 디지털 도구의 힘을 빌려 사내 변호사로 이직하거나 1인 로펌을 시작할 수 있게 되었다.
AI는 이러한 패턴을 더욱 가속화한다. 기업 고객들은 법률 연구 봇과 계약서 작성 에이전트를 통해 훨씬 더 많은 법률 업무를 사내(in-house)로 가져올 수 있다. 동일한 추세가 소프트웨어 개발 계약, M&A 컨설팅, 광고와 같은 다른 전문 서비스 분야에서도 발생하고 있다.
4. AI 기반 경쟁 우위 구축하기 (Building an AI-Based Competitive Advantage)
빠르게 움직이는 것도 중요하지만, 속도만으로는 다가오는 경쟁에서 앞서 나갈 수 없다. AI로 가치를 창출하는 방식을 차별화하는 전략이 필요하다.
4.1. 기술에 대한 광범위한 접근을 의무화하라
회사의 모든 구성원은 4개 사분면 모두에 해당하는 과업을 가지고 있으므로, 모든 사람이 AI를 사용하여 더 많은 잠재력을 발휘할 수 있다. 조직의 모든 개인이 어떤 과업을 AI가 더 낫게(혹은 그럭저럭이라도) 처리할 수 있는지 평가해야 한다. 또한, 과거에는 비용이나 시간문제로 수행하지 못했지만 AI를 통해 저렴하고 신속하게 처리할 수 있는 과업들도 고려해야 한다.
최고 경영진의 메시지를 통해 AI의 중요성을 알리고, 직원들이 학습 내용을 공유하는 상향식 포럼을 통해 광범위한 실험과 교육이 장려되어야 한다.
현업 팀이 AI 도구를 테스트하고 확장하는 데 방해가 되는 병목 현상(IT 부서의 지연, 복잡한 규정 준수 양식 등)을 제거해야 한다.
AI에 대한 완전한 통제권을 최고기술책임자(CTO)에게 위임하면 진행 속도가 느려질 수 있다.
사이버 보안 문제는 중요하지만, 모든 실험을 차단하기보다 개인 식별 정보 유출과 같은 가장 치명적인 위험에 대한 방어에 집중해야 한다.
4.2. 모든 자산을 데이터로 재구성하라
초기 AI의 역량은 공개 데이터에 국한되었지만, 기업들은 점차 풍부한 독점 데이터(proprietary data)를 직원들에게 제공하고 있다. 이는 AI 검색을 통해 접근하거나, 기업의 지식이 주입된 모델을 훈련시키는 데 사용될 수 있다.
모든 기업은 사업부, 기능, 지역에 흩어져 있거나 고립된 데이터를 중앙 집중화하는 것부터 시작해야 한다. 이 인프라가 경쟁 우위의 기반이 된다.
AI는 파트너나 인수를 통해 얻은 방대하고 지저분한 비정형 데이터를 포함한 모든 데이터에서 통찰력을 추출할 수 있다.
고객 상호작용, 운영 프로세스, 내부 이메일 및 회의 등 비즈니스의 모든 활동은 활용 가능한 독점 데이터의 원천이며, 지금부터 이러한 중요 데이터 스트림을 포착하기 시작해야 한다.
4.3. 조직을 재설계하라
장기적으로는 기존 업무 흐름에 AI를 덧씌우는 것만으로는 충분하지 않다. 비즈니스의 'AI-퍼스트' 비전을 중심으로 조직 자체를 재설계해야 한다.
데이터 활용을 위한 조직화: 독점 데이터도 결국에는 상용화된다. 하지만 이를 지속적으로 활용하도록 맞춤화된 조직을 복제하기는 어렵다. 기업은 AI의 통찰력을 시장보다 앞서 행동으로 옮기기 위해 데이터와 지속적인 학습 프로세스 간의 피드백 루프를 만들어야 한다.
인력 활용의 재설계: AI 도구는 많은 시간을 절약해 주지만, 이 시간은 의미 없는 바쁜 일이나 유휴 시간으로 증발할 수 있다. 시간을 전략적 자원처럼 신중하게 관리해야 한다. 관리자는 직원들과 협력하여 AI가 절약한 시간을 추적해야 한다. 절약된 시간을 어떻게 재배치할지 명확한 기대치를 설정해야 한다. 절약된 시간의 효과적인 사용 여부를 인정이나 인센티브와 연결해야 한다.
AI-퍼스트 조직도 구상: 조직 재설계는 오랜 시간이 걸리므로 'AI-퍼스트 조직도'가 어떤 모습일지 지금부터 고민해야 한다. AI는 '후회 없는 영역'의 비중이 높은 기존 역할 일부를 제거할 것이다. 다른 사분면에서는 AI가 인간의 작업을 보완할 것이나, 그 인간이 반드시 현재 그 일을 하는 사람과 동일하지는 않을 수 있다. 기능별 직원을 교차 기능(cross-functional) 직원으로 전환하거나, 중간 관리자가 소프트웨어를 다루는 직원을 감독하는 대신 직접 소프트웨어와 협업하게 될 수도 있다.
