최근 Dan Shipper는 AI와 업무에 대해 생각할 수 있는 날카로운 방식을 제시했습니다. 모델들이 요약, 초안 작성, 코딩, 조사, 일정 관리 및 조정 능력이 향ras해짐에 따라, 많은 지식 워크플로우 (knowledge workflows)의 중간 단계는 점점 더 기계의 형태를 띠기 시작합니다. 가장 인간적으로 남는 업무는 양 끝단에 모입니다. 첫 번째 끝단에는 의도 (intent)가 있습니다. 무엇이 중요한지, 어떤 질문이 주의를 기울일 가치가 있는지, 어떤 기준이 좋은 것으로 간주되는지, 그리고 어떤 절충안 (tradeoffs)이 수용 가능한지를 누군가는 결정해야 합니다. AI는 빠른 속도로 옵션을 생성할 수 있지만, 첫 번째 가치 있는 행위는 출력물이 의미 있는 곳으로 향할 수 있도록 충분한 취향 (taste)과 맥락 (context)을 가지고 문제를 선택하는 것입니다. 두 번째 끝단에는 책임 (accountability)이 있습니다. 누군가는 결과물에 대해 책임을 지고, 다른 사람들에게 이를 설명하며, 무언가 잘못되었다고 느껴질 때 이를 알아차리고, 깔끔한 정답이 현실 세계에서 실패했을 때 그 결과를 감당해야 합니다. 이곳은 신뢰, 윤리, 고객 공감, 숙련된 판단력 (craft judgment), 그리고 조직의 기억 (organizational memory)이 여전히 중요한 지점입니다. 이 비유의 잔혹한 부분은 중간 단계에 어떤 일이 일어나는가 하는 점입니다. 전문적인 업무의 상당 부분은 의도와 결과 사이의 번역 과정에 존재해 왔습니다. 회의록을 계획으로 바꾸기, 계획을 카피 (copy)로 바꾸기, 차트를 메모로 바꾸기, 버그 리포트 (bug report)를 패치 (patch)로 바꾸기, 조사 내용을 데크 (deck)로 바꾸기 등입니다. 이러한 작업들은 한때 주의력을 소모했기 때문에 역량을 증명하는 수단이었습니다. 이제 이들은 에이전트 (agents)의 자연스러운 영역이 되고 있습니다. Shipper는 이러한 변화를 할당 경제 (allocation economy)라고 불렀습니다. 노동자는 모든 문장을 만드는 제작자보다는 모델, 도구, 그리고 검토 루프 (review loops)를 관리하는 관리자에 가까워집니다. 주니어 직원들조차 AI 시스템에 브리프 (brief)를 전달하고, 출력물을 비교하며, 브리프를 개선하고, 언제 답변이 준비되었는지 결정하는 역할을 기대받을 수 있습니다. 기술은 더 이상 지식만이 아닙니다. 그것은 할당 (allocation), 취향 (taste), 순서 정하기 (sequencing), 그리고 검토 (review)입니다. 그의 '2인 팀 (two slice team)' 아이디어는 동일한 생각을 기업 설계로 확장합니다. 만약 에이전트를 가진 한 사람이 과거에 여러 명이 필요했던 일을 완수할 수 있다면, 실행 단위는 축소됩니다. 팀에 대한 질문은 인원수 (headcount)보다는 명확성 (clarity)에 관한 것이 됩니다.

이 작은 팀은 무엇을 소유해야 하는가. 어떤 결정을 내릴 수 있는가. 디자인, 성장 (growth), 법률 (legal), 또는 인프라 (infrastructure) 분야에서 인간의 도움이 필요한 부분은 어디인가. 작은 팀은 중심에 있는 인간이 무엇을 요청하고 무엇을 거부해야 하는지 알 때에만 속도를 얻습니다. 이것이 두 끝단이 추상적이지 않은 이유입니다. 그것들은 일상적인 업무에서 나타납니다. 한 제품 관리자 (product manager)는 ChatGPT를 사용하여 고객 인터뷰를 경쟁력 있는 로드맵 내러티브로 변환한 다음, 전략에 부합하는 것을 선택합니다. 한 연구원은 Gemini를 사용하여 소스를 비교하고 공백을 드러낸 다음, 어떤 주장이 신뢰할 만한지 결정합니다. 한 학생이나 엔지니어는 Miss Formula를 사용하여 사진으로 찍은 방정식을 사용 가능한 표기법으로 변환한 다음, 수학적 의미가 원래 문제의 의도와 여전히 일치하는지 확인합니다. 패턴은 명확합니다. 요청이 판독 가능할 때, AI는 중간 과정을 처리하는 데 탁월합니다. 인간은 요청을 답변할 가치가 있게 만들고, 그 답변을 현실에 비추어 판단함으로써 가치를 창출합니다. 노동자들에게 있어 실질적인 교훈은 불편하지만 유용합니다. 단순히 익숙하다는 이유만으로 중간 단계 (the middle)를 보호하지 마십시오. 양 끝단에서 힘을 기르십시오. 도구를 열기 전에 문제를 프레이밍 (framing) 하는 연습을 하십시오. 더 명확한 브리프 (brief)를 작성하십시오. 더 날카로운 취향 (taste)을 기르십시오. 소스, 코드, 논거, 공식, 이미지, 그리고 숫자를 평가하는 법을 배우십시오. 미래의 에이전트 (agents)가 소음이 아닌 맥락 (context)을 물려받을 수 있도록 결정 사항을 기록해 두십시오. 리더들에게 있어 교훈 또한 똑같이 직접적입니다. 사람들에게 단순히 시간을 절약하라고만 요구하는 AI 전략은 더 깊은 수준의 재설계 (redesign)를 놓칠 것입니다. 팀에는 위임 (delegation), 검토 (review), 출처 (provenance), 그리고 책임 (responsibility)을 위한 새로운 의식 (rituals)이 필요합니다. 팀에는 중간 과정을 위해 에이전트를 사용할 수 있는 명확한 허가와, 가장자리 (edges)에서의 인간적 결정을 위한 명확한 기준이 필요합니다. 업무의 미래는 좁아지는 길처럼 느껴질 수 있지만, 동시에 더 까다로운 숙련 기술 (craft)이 될 수도 있습니다. 가장 안전한 인간의 역할은 분주한 생산도, 모호한 감독도 아닙니다. 그것은 무엇이 일어나야 하는지 알고, 강력한 도구들을 그 방향으로 안내하며, 결과가 타인에게 전달되었을 때 그 결과에 대해 책임을 지는 능력입니다.