사내에서 「AI 네이티브화란 무엇인가」라는 테마로 정리를 진행할 기회가 있었고, 그 내용을 일반화된 형태로 기사에 정리한 것입니다.

이 기사에서는 AI를 누구나 사용할 수 있게 된 시대 속에서, 앞으로의 조직이 어디에서 경쟁할 것인가라는 부분까지 정리해 보고자 합니다.

이 부근의 이야기는 아직 베스트 프랙티스(Best Practice)나 정답이 모색되고 있는 과도기이기 때문에, 다양한 분들이 다양한 의견을 발신하고 있다고 생각합니다.

여기에 적고 있는 이야기도 어디까지나 저 개인의 생각으로서 읽어주시면 감사하겠습니다.

또한, 기사 내에서 사용하고 있는 이미지는 사내 정리 시에 작성한 슬라이드를 인용한 것입니다. 조금 보기 불편한 부분도 있을 수 있지만, 양해 부탁드립니다.

먼저, 논의의 전제로서 AI에 의해 시장에 일어날 것으로 생각되는 변화를 정리합니다.

여기에서의 키워드는 「과거의 데이터나 경험은 코모디티화 (Commodity) 된다」입니다.

지금까지 업무에 관한 노하우나 과거 데이터는 사내에 축적되어 있는 것만으로도 나름의 경쟁력이 되어 왔습니다.

「우리 도메인은 이런 특성이 있고」, 「이런 사용자가 많고」, 「과거에 이런 실패가 있었으니까」와 같은 암묵지 (Tacit Knowledge)에 가까운 배움은 외부에서 쉽게 손에 넣을 수 없는 자산이었던 셈입니다.

하지만 AI의 진화에 의해 이 전제가 무너지고 있습니다.

Web이나 SNS에 흐르는 정보, 공개된 논문이나 기사, 시장 리포트 등 과거에 쌓인 데이터는 AI에 의해 누구나, 게다가 순식간에 참조하여 자신들의 아웃풋 (Output)으로 연결할 수 있습니다.

즉, 「생(Raw) AI 모델로 할 수 있는 것은, 그것을 사용할 수 있다는 것 자체가 조직의 경쟁력이 되지 않게 된다」는 뜻입니다.

한 예로,

• 프로그래밍
• 라이팅 (Writing)
• 리서치 (Research)

와 같은 일은 불과 몇 년 전까지만 해도 「특정 기술을 가진 인재」가 필요한 영역이었습니다.

하지만 지금은 AI에 적절한 프롬프트 (Prompt)를 전달하면 누구나 어느 정도의 아웃풋을 낼 수 있습니다.

여기서 강조하고 싶은 것은 「그러니까 이러한 일에 가치가 없다」는 이야기가 아니라, 「이러한 것들을 할 수 있다는 것 자체는 더 이상 조직의 케이파빌리티 (Capability)가 되지 않는다」는 이야기입니다.

예를 들어 좋은 코드를 짤 수 있는 엔지니어가 조직에 많이 있다는 것만으로는, 그것만으로는 조직의 강점이 되지 않게 되어 간다는 뜻입니다.

여기서 말하는 「케이파빌리티 (Capability)」는 「다른 조직이 그렇게 쉽게 흉내 낼 수 없는, 그 조직만의 강점」 정도의 뉘앙스로 읽어주시면 됩니다.

그렇다면 과거의 데이터나 생 AI로 할 수 있는 일이 차별화 요인이 되지 않는다면, 조직은 무엇으로 경쟁해 나가야 할까요?

이에 대한 저 나름의 답은 「리얼타임 데이터 (Real-time Data)를 아웃컴 (Outcome)으로 연결할 수 있는 속도」입니다.

여기서 말하는 리얼타임 데이터는

• 시장의 변화 (외부의 1차 데이터)
• 조직에서 만들어낸 데이터·배움
• 조직의 커뮤니케이션 데이터
• 프로덕트의 트래픽 데이터

등 정말 다양한 것들이 있다고 생각합니다.

이것들은 모두 과거 Web에 굴러다니는 것이 아니라, 지금 눈앞에서 발생하고 있는 1차 데이터입니다. 이러한 리얼타임 1차 데이터는 모델에 학습되어 있지 않기 때문에, 그것을 아웃컴 (Outcome)으로 연결할 수 있다면 그것은 우리만이 만들어낼 수 있는 강점이 될 가능성이 높습니다.

이러한 데이터를 「그저 모으는 것」뿐만 아니라, 모으고, 해석하고, 다음 액션으로 연결하는 것까지 얼마나 빠르게 회전시킬 수 있는가가 승부처가 됩니다.

그리고 이 사이클의 속도를 조직으로서 근본적으로 높이려고 하면, 필연적으로 「AI 네이티브화」가 필요하다고 생각합니다.

여기서부터가 본론입니다.

AI 네이티브가 무엇인가를 이야기할 때, 제가 가장 납득이 가는 것은 Block사가 공개하고 있는 아래 기사의 사고방식입니다.

이 기사에서는 조직을 기존과 같은 「계층형 (Hierarchy)」이 아니라 「인텔리전스형 (Intelligence)」으로 만들어 간다는 사고방식이 소개되어 있습니다.

그리고 그것을 실현하기 위해 로드맵 주도로 프로덕트를 만드는 것이 아니라, 4개의 레이어 (Layer)를 만들어 가야 한다는 정리가 되어 있습니다.

이 4개 레이어는 Block 특유의 문맥에서 이야기되고 있으므로, Block의 논의를 바탕으로 저 나름대로 다시 정리하면 대략 다음과 같은 구조가 됩니다.

AI 네이티브한 조직이란, 이 4개의 레이어가 갖춰져 있고, 게다가 그것을 지속적으로 「회전시킬 수 있는」 상태에 있는 조직을 가리킵니다.

조금 더 구체적인 이미지를 잡기 위해, AI와 사람이 어떻게 역할을 분담하여 움직이는지 도식화해 보겠습니다.

순서대로 살펴보면 다음과 같은 흐름입니다.

• AI가 데이터를 수집한다
• AI가 의사결정(Decision Making)과 태스크 배분(Task Allocation)을 수행한다
• AI로 완결되는 작업은 AI가 돌린다
• AI만으로는 완결되지 않는 「라스트 마일 (Last Mile)」 업무를 사람이 담당한다
• 거기에서 얻은 아웃컴 (Outcome)이나 배움을 다시 AI에 피드백한다

포인트는 사람이 없어지는 것이 아니라, 「AI에 부족한 부분을 사람이 채우고, 그 배움을 AI에 돌려주는」 사이클이 조직의 중심이 된다는 점입니다.

이 사이클을 빠르게 돌릴 수 있으면 돌릴수록, 조직은 더 빨리 똑똑해집니다.

다만, 현시점에서 AI만으로는 도저히 다룰 수 없는 영역이 있습니다.

AI 네이티브 (AI Native)를 생각할 때는 이 경계선을 의식해 두는 것이 매우 중요합니다.

대표적인 것은 다음 두 가지입니다.

예를 들어 상담(Sales)을 예로 들면, 「다음 타겟 고객을 좁히고, 제안 자료의 골자를 만들고, 상담 시나리오를 구성하는」 단계까지는 AI로 충분히 해낼 수 있습니다.

하지만 실제로 상대의 표정을 읽으면서 상담을 진행하는 것은, 현시점에서 AI만으로는 현실적이지 않습니다.

물리적인 몸이나, 실시간으로 현장에 존재하는 존재가 필요한 업무는 여전히 사람의 업무로 남습니다.

또 하나는 심미성 (Aesthetics)에 대한 판단입니다.

AI는 크리에이티브를 만들 수 있지만, 그것을 보았을 때의 「왠지 좋다」라거나 「왠지 와닿지 않는다」와 같은 사람의 반응이나 감정을, 현장의 온도감 그대로 수집할 수는 없습니다.

여기까지는 아직 추상적이므로, AI 네이티브화가 진행된 조직에서 아침 회의(Morning Meeting)가 어떤 흐름으로 진행되는지 상상해 보겠습니다.

흔히 있는 「어제 한 일·오늘 할 일」을 순서대로 말하는 아침 회의와 비교하면, 꽤 다른 느낌이 됩니다.

포인트는 사람이 아침 회의에서 하는 일이 「진척 상황을 읽어주는 것」에서 「사람만이 할 수 있는 토론을 하는 것」으로 시프트 (Shift)하고 있다는 점입니다.

진척 상황의 집약도, 논점의 정리도, 태스크화도 AI가 먼저 해결해 놓은 상태에서, 사람은 정말 판단이 필요한 부분에만 시간을 쓰는 이미지입니다.

이것이 돌아가기 시작하면, 아침 회의 1회당 정보 밀도가 상당히 달라집니다.

여기서 AI 네이티브한 조직에서의 사람의 역할에 대해서도 정리해 보겠습니다.

AI 네이티브 조직에서의 사람의 가치와 역할은, 제 정리로는 크게 두 가지로 나눌 수 있다고 생각합니다.

하나는 AI만으로는 취득할 수 없는 1차 데이터를 만들어 나가는 것입니다.

구체적으로는 다음과 같은 것입니다.

• 심미성에 관한 것 (사람이 접했을 때의 반응·감정·체감)

• AI로는 파악할 수 없는 것

• 상담이나 인터뷰 시 상대의 표정이나 반응

• 이벤트 당일 현장의 분위기

• 트레이드오프 (Trade-off)가 있는 의사결정 (무엇을 버리고 무엇을 취할 것인가 하는 판단)

• 합리성만으로는 결정할 수 없는 선택 (이른바 트롤리 문제)

이것들은 AI가 대신 수집하기가 현재로서는 어렵기 때문에, 사람이 현장에서 접하고 판단하여 그 결과를 「데이터」로서 조직에 돌려줄 필요가 있습니다.

역으로 말하면, 이 부분을 만들어낼 수 있는 사람일수록 AI 네이티브 조직에서의 가치가 높다고 생각합니다.

또 하나는 AI가 돌리고 있는 워크로드 (Workload) 자체를 더 좋게 만드는 업무입니다.

데이터를 취하는 방법, AI에게 전달하는 방법, 의사결정 플로우 (Flow)의 설계, 출력물의 평가, 개선 사이클.

이것들은 아직 사람이 설계와 운용을 담당해야 하는 영역입니다.

「AI에게 맡기면 끝」이 아니라, 「AI에게 맡길 수 있는 상태를 사람이 평가하고 개선해 나가는」 워크플로우 빌드 (Workflow Build)가 매우 중요해질 것이라고 생각합니다.

마지막으로, 이러한 조직에서 움직일 때 사람에게 요구되는 스탠스 (Stance)를 세 가지 꼽으며 마치겠습니다.

사이클의 속도가 경쟁 축이 되기 때문에, 사람이 판단이나 승인의 병목 (Bottleneck)이 되어 버리면 조직 전체의 스피드를 죽이게 됩니다.

「내가 멈춰 세우고 있지는 않은가」를 항상 의식해야 합니다.

판단을 붙잡고 있지 말고, 필요한 사람이나 AI에게 빠르게 넘길 것.

이를 위해 판단 기준이나 전제를 가급적 명문화해 둘 것.

이런 세세한 행동이 조직의 스루풋 (Throughput)에 직접적인 영향을 미칩니다.

지금 자신이 손으로 하고 있는 업무 중, AI로 대체할 수 있는 것은 얼마나 될까요?

아마 많은 사람이 상상하는 것보다 대체할 수 있는 범위는 넓습니다.

「이것은 내가 반드시 해야 하는 일」이라고 생각했던 것을 일단 의심해 보는 것.

AI화를 생각하는 것은 내 일자리를 빼앗는 방향의 이야기가 아니라, 「나만이 할 수 있는 일」에 시간을 집중해 나가는 방향의 이야기라고 받아들이면 자연스럽게 와닿을 것입니다.

여기서 제가 말씀드리고 싶은 것은 "전부 AI로 대체하자"는 것이 아니라, "사람이 할 필요가 없는 것을 AI에게 맡기고, 사람은 사람만이 할 수 있는 일에 집중하자"는 것입니다.

역할을 늘리는 이야기가 아니라, 역할을 다시 다듬는 이야기라고 생각하시면 이해가 더 쉬울 것 같습니다.

마지막으로, 사소해 보이지만 어쩌면 가장 중요할지도 모르는 점입니다.

본인이 내놓은 아웃풋 (Output), 생각한 것, 논의한 것, 판단한 것.

이것들을 나중에 AI가 참조할 수 있는 형태로 남겨두는 것이 조직의 지능을 그대로 끌어올리는 길입니다.

구체적으로는 다음과 같습니다.

• 회의록이나 결정 사항을 검색 가능한 장소에 남기기
• 사고 과정이나, 채택되지 않은 선택지까지 포함하여 언어화하기
• 구두로 주고받은 대화를 가급적 텍스트로 기록해 두기

"나의 아웃풋은 미래의 나와 AI를 위한 학습 데이터이다"라는 정도의 감각으로 움직일 수 있다면, 사이클이 점점 더 빠르게 돌아가게 될 것이라고 생각합니다.

지금까지 AI 네이티브 (AI Native) 조직이란 무엇인가에 대해 정리해 보았습니다.

요약하자면,

• 과거의 데이터나, 가공되지 않은 AI로 할 수 있는 업무는 앞으로 코모디티화 (Commodity) 될 것이다
• 앞으로 조직의 경쟁 축은 실시간 데이터를 아웃컴 (Outcome)으로 연결하는 속도가 될 것이다
• 이를 실현하기 위해 4개의 레이어 (Layer)를 갖추고, AI와 사람의 사이클을 돌릴 수 있는 조직이 되어야 한다
• 사람의 가치는 "AI가 수집할 수 없는 데이터를 생성하는 것"과 "AI 워크로드 (Workload)를 지속적으로 개선하는 것"으로 집약될 것이다

라는 정리입니다.

사내에서 이 내용을 정리하며 다시 한번 느낀 점은, AI 네이티브화는 "AI를 도입하는 프로젝트"가 아니라 "조직을 움직이는 방식 그 자체를 다시 만드는 이야기"라는 것이었습니다.

여러분의 조직에서도 지금 하고 있는 업무 중 어디를 AI에게 맡기고 어디를 사람이 담당할지, 그 경계선을 다시 그려보는 것부터 시작해 보시는 것이 좋을 것 같습니다.

끝까지 읽어주셔서 감사합니다.