Dive Brief:

텍사스 대학교 오스틴 캠퍼스의 McCombs School of Business와 회계 법인 KPMG의 공동 현장 연구에 따르면, 고급 인공지능 (AI) 시스템을 직접 지시하는 능력은 경력 초기 단계의 직업인들에게 점점 더 중요해지고 있습니다.

연구 결과, AI 에이전트와 함께 일하는 주니어 직원들 사이에서 "거의 동일한 지식과 기술이 극적으로 다른 결과를 만들어낼 수 있음"이 밝혀졌습니다. 그러나 AI를 활용해 뛰어난 성과를 낸 직업인들은 단순히 작업을 AI에게 위임하기보다는 "AI를 지시, 감독 및 판단이 필요한 협업자로 대우"했습니다.

성과가 저조한 직업인들은 AI가 스스로 내놓은 결과물을 개선하지 못하는 비판을 제공했습니다. 보고서에 따르면, 이들은 대신 종종 "무관한 문제를 쫓거나 AI를 잘못된 방향으로 유도"하는 결과를 초래했습니다.

Dive Insight:

이 연구는 KPMG의 523명 이상의 경력 초기 전문가들에게 AI 에이전트를 사용하여 업무 과제를 완료하도록 요청함으로써 조사되었습니다. 기준점을 설정한 후, 연구진은 AI의 결과물을 개선한 직원과 결과물에 머무른 직원, 그리고 뒤처진 직원을 구분하는 요소가 무엇인지 확인하기 위해 직원들을 테스트했습니다.

연구에 따르면, 성과가 미달한 직원들은 "앞서 나가는 증폭기(amplifiers)들과 마찬가지로 비판적 사고, 도메인 지식(domain knowledge), 그리고 AI 리터러시 (AI literacy) 측면에서 똑같이 높은 점수를 받았습니다." 연구진은 이들을 구분하는 주요 요인이 "그들이 무엇을 아느냐가 아니라, AI와 어떻게 협업하느냐"라고 결론지었습니다.

이 연구의 공동 저자인 텍사스 대학교 오스틴 캠퍼스의 Ashish Agarwal 교수는 성명을 통해 "우리는 단순히 AI를 사용할 줄 아는 사람을 찾고 있었던 것이 아닙니다"라고 말했습니다. "우리는 무엇이 일부 개인들로 하여금 AI가 스스로 생산할 수 있는 것 이상의 가치를 지속적으로 창출할 수 있게 만드는지 이해하고자 했습니다."

연구원들은 기업들이 자신들이 통합한 AI 시스템에 직원들이 어떤 종류의 가치를 더할 수 있는지 재고할 것을 권고했습니다. 더 발전된 AI 모델들이 스스로 유용한 결과물 (deliverables)을 생성함에 따라, 이러한 결과물을 지시하고, 평가하며, 확장하는 새로운 역할들이 개발되어야 할 것입니다. 조직은 사람들이 왜 특정 결정을 내렸는지 설명하게 하고, "AI의 출력물을 왜 수락, 변경 또는 거부했는지 기록하게 함으로써" 이러한 종류의 평가를 가시화할 필요가 있습니다. 연구원들은 이를 통해 기업이 "보이지 않는 기술을 교육 가능한 기술로 바꾸고, 결과물이 아닌 과정을 평가할 수 있다"고 말했습니다.

"이들은 노동 시장에 진입하는 가장 AI 네이티브 (AI-native)적인 세대입니다. 따라서 도구에 대한 능숙함이 상위 성과자를 구분 짓는 요소가 아니라면, 이는 우리 전체 인력에 대해 무언가를 시사합니다."라고 KPMG US의 AI 기업 혁신 리더인 Rahsaan Shears는 성명을 통해 밝혔습니다. "사람들이 자신의 지식과 기술을 어떻게 적용했느냐가 차이를 만들었으며, 그 격차는 교육이 가능합니다. 조직의 기회는 훨씬 더 많은 사람들이 모든 수준에서 자신의 지식과 기술을 영향력 (impact)으로 전환할 수 있도록 하는 교육과 워크플로 (workflows)를 구축하는 것입니다."