AI는 단순히 직무 내의 작업을 가속화하는 것에 그치지 않습니다. AI는 사람들이 이전에는 다른 부서로 넘겼던 업무의 일부를 직접 맡는 것을 더 흔하게 만들고 있습니다.

이는 미국 내 ChatGPT 사용자들의 800,000개 이상의 메시지를 기반으로 한 OpenAI의 새로운 분석에서 도출된 주요 결과입니다. 이 연구는 실시간 전문적 사용을 추적하며, "AI가 어떤 작업을 수행하는가?"라는 질문보다 더 흥미로운 질문, 즉 _"그 작업을 누가 수행하게 되는가?"_에 대한 답을 찾고자 합니다.

데이터가 보여주는 것

업무와 관련된 모든 메시지 중 16.8%는 다른 직업과 관련된 활동을 다루고 있었습니다. 많은 직업에서 공통적으로 나타나는 쓰기, 요약, 일정 예약과 같은 일반적인 작업을 분석에서 제외하면, 그 수치는 **43.5%**까지 올라갑니다.

이는 실질적인 이동을 설명합니다. 소규모 사업가는 홍보 문구를 작성하거나, 계약서를 검토하거나, 기본적인 재무 분석을 수행할 수 있습니다. 영업 사원은 공식적인 분석을 기다리지 않고 고객 데이터를 탐색할 수 있습니다. 마케팅 전문가는 개발팀에 요청하기 전에 웹사이트의 간단한 문제를 조사할 수 있습니다.

이것이 전문가가 더 이상 필요하지 않다는 것을 의미하지는 않습니다. 이는 문제에 대한 첫 번째 대응이 문제가 발생한 지점과 더 가까운 곳에서 일어날 수 있음을 의미합니다.

모든 작업이 동일한 방식으로 영역을 넘나드는 것은 아니다

마케팅과 엔지니어링은 다른 분야 전문가들의 메시지에서 가장 빈번하게 나타나는 작업 분야입니다. 재무 계산과 기술적 문제 해결은 관찰된 다른 7개 직업군 모두에서 가장 흔한 3가지 외부 작업에 포함되었습니다.

이 패턴은 직업에 따라 달라집니다. 디자이너(Designers)는 자신의 직업 범위를 벗어난 작업에 상당히 많이 의존합니다. 그들의 메시지 중 35.2%가 이 범주에 해당합니다. 반면, 디자인 작업이 다른 분야에서 나타나는 경우는 메시지의 단 1.7%에 불과합니다. 엔지니어링(Engineering)은 거의 정반대의 움직임을 보입니다. 엔지니어 메시지의 18.5%는 외부 작업과 관련이 있지만, 엔지니어링 작업은 다른 분야 전문가들의 메시지 중 7.4%를 차지합니다.

마케팅(Marketing)은 양방향으로 퍼져 있습니다. 마케팅 전문가 메시지의 24.3%는 다른 직업의 작업에 관한 것이며, 마케팅 작업은 다른 분야 사람들의 메시지 중 8.9%를 차지하여 분석 대상 중 가장 높은 외부 비중을 보입니다.

규모가 작은 기업이 AI를 이렇게 사용하는 데에는 실질적인 이유가 있다

대규모 조직에는 전문화된 팀, 확립된 워크플로우(Workflows), 그리고 요구 사항을 전달할 수 있는 더 많은 옵션이 있습니다. 소규모 비즈니스에서는 문제에 직면한 사람이 직접 문제를 해결해야 하는 경향이 있습니다.

평균 사용자들 사이에서, 직업 외 작업의 비중은 2~5인 규모의 작업 공간에서는 18.9%였으나, 100인 이상의 조직에서는 16.3%로 감소했습니다. OpenAI는 이러한 패턴이 이미 더 안정적인 AI 루틴을 가지고 있을 수 있는 헤비 유저(Intensive users)들 사이에서는 동일하게 나타나지 않는다는 점을 강조합니다.

핵심은 모두를 제너럴리스트(Generalists)로 만드는 것이 아니다

이점은 대기 시간을 줄이고 첫 번째 시도의 품질을 개선하는 데 있습니다. 맥락을 이해하고 있는 사람이 조사하고, 가설을 세우고, 자료를 준비하여 더 잘 정의된 요구 사항을 가지고 전문가에게 다가갈 수 있습니다.

기업 입장에서 그 결과는 직함을 새로 짓는 것이라기보다 업무를 재설계하는 것에 가깝습니다. 즉, 어떤 결정이 AI의 지원을 받을 수 있는지, 어떤 결정에 전문가의 검토가 필요한지, 그리고 무엇이 효과적이었는지 어떻게 기록할지를 정의하는 것입니다. 직무 기술서(Job descriptions)는 대개 그 이후에 바뀝니다. 업무 습관은 이미 그전에 바뀌고 있습니다.

출처: OpenAI, “How AI is expanding what people do at work”. 데이터는 미국의 ChatGPT 사용자 메시지를 참조하며, 이는 사용 패턴을 설명하는 것이지 성과나 전문가 대체에 대한 직접적인 측정치는 아닙니다.