8월 31일 월요일
AI 도입의 성과는 도구의 성능보다 일을 정의하고 맡기고 검증하는 방식, 그리고 사람에게 남겨 둘 판단과 책임을 얼마나 선명하게 설계했는지에서 갈립니다.
AI를 추가해도 일이 빨라지지 않는 조직의 공통점
생산성의 병목은 작업 수행에서 문제 선택, 맥락 전달, 검토와 승인으로 이동하고 있다. 도입의 출발점은 사람을 줄이는 계산이 아니라 업무 체계를 다시 그리는 일이다.
속도의 병목은 실행보다 의도에 있다
제품 관리자, 디자이너, 경영진이 방향 결정에 겹겹이 참여하고 결과가 여러 승인 단계를 통과하면, 빨라진 실행 구간은 전체 업무에서 작은 일부로 남는다. 무엇을 원하는지, 어떤 상태가 더 나은지, 무엇을 출시하지 않을지 합의하지 못한 조직에서는 AI가 모호함을 없애 주지 않는다. 오히려 나쁜 아이디어와 잘못 이해한 요구를 더 빨리 결과물로 바꿀 수 있다. 따라서 도입 전에 먼저 찾아야 할 것은 ‘AI로 할 일’ 목록이 아니라 의사결정이 지연되는 지점, 반복해서 설명이 어긋나는 지점, 결과가 나와도 누구도 승인하지 못하는 지점이다.
도구 보유율보다 일하는 방식이 성과를 갈랐다
Amazon의 50개 팀을 관찰한 사례에서는 90퍼센트가 같은 계열의 도구를 사용했지만 성과는 크게 갈렸다. 절반은 생산성이 3배 미만으로 늘었고, 다른 팀들은 중앙값 4.5배, 일부는 10배를 넘었다. 높은 성과를 낸 팀은 기존 절차에 도구를 조금 얹는 대신 업무 방식을 의도적으로 바꿨다. 반면 극적인 성공 사례도 조건을 떼어 놓고 읽으면 안 된다. 30명과 18개월이 필요하다고 예상했던 일을 6명이 76일 만에 마친 팀에는 최상위 전문가가 포함돼 있었고, 10일 집중 실험에서는 회의와 당직을 줄인 뒤 수석 엔지니어가 3주 동안 작은 작업과 상세한 요구사항을 미리 준비했다. 숫자보다 중요한 것은 그 숫자를 만든 준비와 환경이다.
사람의 암묵지를 작업 가능한 기준으로 바꿔야 한다
높은 성과를 낸 방식에는 공통된 운영 습관이 있다. 먼저 회의, 메신저 대화, 숙련자의 기억에 흩어진 판단 기준을 문서로 남긴다. 다음으로 무엇을 해야 하는지만 말하지 않고 완료 조건, 확인 방법, 중단해야 할 상황을 함께 준다. 복잡한 일은 결과물을 먼저 대량 생산하기보다 요구사항 문서에서 의도를 맞추고, 실수가 나면 그 한 건만 고치는 대신 어떤 맥락과 규칙이 빠졌는지 되짚는다. 이때 사람의 역할은 사라지지 않는다. 사람이 문제와 품질 기준을 소유하고, AI는 그 경계 안에서 실행과 반복을 맡는다. 직접 대화를 계속 이어 가며 매 순간 돌보는 방식보다, 충분한 맥락과 자기 확인 조건을 주고 사람은 다음 판단과 검토를 준비하는 방식이 처리량을 높인다.
더 빨라지기 전에 느려져야 하는 구간이 있다
새 업무 방식을 도입한 팀들은 초기에 생산성이 오히려 떨어졌다고 보고했다. 기존 자산을 정리하고 팀의 기준을 찾고 어려운 습관을 익히는 데 약 두 달이 필요할 수 있다는 설명도 나온다. 리더가 도구 구매 직후부터 더 많은 결과만 요구하면 이 투자 구간은 야근과 피로로 바뀐다. 여러 작업을 동시에 맡길수록 사람에게는 전환 비용과 리뷰 부담이 커지고, 경력이 짧은 구성원은 산출물을 판별하는 경험이 부족해 더 불리할 수 있다. 실행이 빨라진 뒤에는 제품을 만들지 결정하는 시간, 출시 검토와 승인 시간이 새 병목이 된다. 성과 지표도 산출물 개수보다 고객에게 실제로 전달된 변화, 재작업, 오류, 검토 시간까지 함께 봐야 한다. AI 도입은 속도 구매가 아니라 책임과 의사결정 구조의 재설계다.
자동화의 진짜 비용은 예외 업무에서 드러난다
글로벌 해운 현장은 매끄러운 정상 절차보다 국가별 규정과 오래된 시스템 사이에서 어긋난 사례를 안전하게 처리하는 능력이 운영 품질을 결정한다는 점을 보여 준다.
AI가 정상 업무를 넘어 예외 처리까지 맡으려면 조직은 무엇을 먼저 준비해야 할까?
글로벌 배송은 서류상 하나의 절차처럼 보여도 국가별 규정, 여러 기존 시스템, 서로 다른 상태가 동시에 맞아야 움직인다. 이미 쉬운 다수의 작업이 자동화된 현장에서는 이 연결 중 하나가 예상 경로를 벗어나 숙련자가 개입하는 순간에 비용과 위험이 집중된다. 이 환경에서 사람용 화면 캡처를 모아 둔 문서는 자동 실행의 근거가 되지 못한다. 표준 운영 절차, 즉 반복 업무의 순서와 판단 기준을 정리한 문서에는 시작 조건, 사용할 정보, 확인 방법, 실패 시 복구, 성공의 증거가 함께 들어가야 한다. 전문가는 무엇을 해야 하는지와 허용할 위험을 소유하고, AI는 승인된 범위에서 어떻게 실행할지를 맡는 역할 분담이 필요하다.
- 01
예외를 실패가 아니라 운영 자산으로 기록하기
예외는 없애야 할 잡음이 아니라 다음 실행의 안전장치다. 같은 업무도 국가에 따라 의미와 규정이 달라지므로 한 번의 지침으로 끝낼 수 없다. 원문 사례에서는 국가별로 정리된 업무 지식의 규모가 실제 실행 체계보다 약 20배 컸다. 자동화 예산을 도구에만 쓰지 말고 현장 지식의 정리와 갱신에 배분해야 하는 이유다.
- 02
발견과 실제 실행의 권한을 나누기
새 문제를 찾는 단계에는 폭넓은 탐색이 필요하지만 고객과 운영 시스템에 영향을 주는 단계에는 제한된 권한이 필요하다. 실제 사례를 다시 실행해 볼 때는 위험한 쓰기 권한을 끄고, 수정 전후 행동이 달라졌는지 비교한다. 빠르게 많은 일을 맡기는 것보다 어디까지 자동으로 실행하고 언제 사람에게 넘길지를 정하는 편이 먼저다.
- 03
의견을 실행 가능한 수정으로 끝내기
운영 실패를 보고 ‘더 조심해야 한다’고 말하는 것만으로는 품질이 쌓이지 않는다. 실패 사례를 유형별로 묶고, 전문가와 담당자가 같은 실행 기록을 보며 원인에 합의한 뒤, 지침·분류·권한·도구 동작 중 실제 행동을 바꾸는 수정으로 연결해야 한다. 이 사례는 9개월 동안 10만 건이 넘는 수정을 누적해 정확도를 높였다.
도입 판단의 기준은 간단하다. 예외가 발생했을 때 누가 판단하는지, 행동 기록을 되짚을 수 있는지, 위험한 권한을 끈 채 실제 사례를 다시 실행할 수 있는지, 한 번의 교훈이 다음 업무 절차에 반영되는지 확인해야 한다. 이 네 가지가 없다면 자동화는 숙련자의 일을 줄이기보다 새로운 감시와 복구 업무를 만들 가능성이 크다.
사람에게 남겨 둘 세 가지 판단
생산량이 넘칠수록 제품의 방향, 자신의 사고 과정, 자동화의 허용 범위를 정하는 능력이 더 희소해집니다.
- 01
t3dotgg무엇이든 만들 수 있을 때 제품의 차이는 문제 선택에서 나온다
AI가 평균적인 기능과 콘텐츠의 생산비를 낮추면 경쟁자도 비슷한 결과를 빠르게 만들 수 있다. 원문은 아직 데이터에 나타나지 않은 필요, 실제 고객 관계에서 얻은 맥락, 쉽게 복제되지 않는 구체적인 관점을 제품의 신호로 본다. 먼저 고객의 어떤 문제를 왜 풀지 정하고, 조직과 AI를 거치는 동안 그 의도가 평균적인 문구로 흐려지지 않게 해야 한다. 구현 가능성이 제품 가치의 증거는 아니다.
- 02
조승연의 탐구생활AI를 잘 쓰는 직무 역량은 답을 받는 속도가 아니라 검증 습관이다
즉시 답을 얻는 편리함은 기억, 질문, 비판적 사고를 덜 쓰게 만들 수 있다. 반대로 기존 지식과 질문 능력이 있는 사람에게는 조사와 비교의 속도를 높이는 도구가 된다. 업무에서는 먼저 자기 가설을 세우고, 결과의 근거를 따져 보고, 다른 사람과 토론하고, 직접 경험한 사실과 AI가 만든 설명을 구분해야 한다. 모든 판단을 맡기지 않고 반론과 검토를 요청하는 방식이 주도권을 사람에게 남긴다.
- 03
BZCF기업의 도입 기준만으로 해결되지 않는 일자리와 안전의 문제
빌 게이츠는 향후 2년 안에 사무직, 4년 안에는 사무직과 현장직 모두에 큰 영향이 올 수 있다고 전망하며, 업계의 자율 검토만으로는 부족하다고 경고한다. 이 전망이 확정된 일정은 아니지만 조직은 생산성 이익과 전환 비용을 분리해 봐야 한다. 어떤 업무를 인간에게 남길지, 위험 수준을 누가 판단할지, 문제가 생겼을 때 어떤 시정과 지원을 제공할지까지 정해야 도입의 책임이 도구 사용자 개인에게만 전가되지 않는다.
아직 못 읽은 북마크
북마크를 고르는 중…