์ฌ์ ๋ฆฌ๋
์ธ๊ณต์ง๋ฅ์ด ๋ ธ๋์๋ฅผ ์คํจ์ํค์ง ์๋๋ค. ๋ฆฌ๋๋ค์ด ์์ ์ ์ฌ์ค๊ณํ์ง ๋ชปํ๋ ๊ฒ์ด ์คํจ์ด๋ค.
최근에 발표된 구글-아이포스 설문조사에 따르면, 노동자의 5%만이 자신을 인공지능에 능숙하다고 생각한다. 지난 1년 동안 인공지능 훈련을 받은 사람은 14%에 불과하다. 그리고 절반 이상의 사람들이 인공지능이 자신의 직업과 관련이 없다고 생각한다. 처음에는 이것은 익숙한 문제처럼 보인다 – 훈련의 간격, 인식의 문제, 혹은 직원의 저항이다.
그러나 데이터는 더 깊은 역설을 보여준다. 인공지능은 rõ ràng히 최고의 우선순위이다. 그러나 인공지능의 적용은 노동력 전체에 걸쳐 얕고 단편적으로 남아 있다. 인공지능이 기업을 재창조하고 있다면, 왜 그것이 아직도 선택적이라고 느껴질까?
생산성의 환상
많은 조직에서 인공지능을 작업에 적용하고 있다. 그러나 생산성의 증가가 개별적이나 작업 수준에서만 나타난다. 예를 들어, 소프트웨어 개발에서 인공지능을 사용하는 개발자들은 30%에서 40%의 생산성 증가를 보고 있다. 코드를 더 빠르게 작성하고, 문서화가 개선되고, 디버깅이 빨라진다. 그러나 거의 모든 회사에서 30%에서 40%의 비용 감소나 생산성의 증가를 보지 못한다.
왜 vậy인가? 생산성의 증가가 전체의 경제를 자동으로 재창조하지 않기 때문이다. 작업량이 조금 줄어들지만, 그것으로 인해 비용 구조를 재설계할 수 없다. 결과는 불편한 중간 지帯이다: 효율성의 증가, 인공지능 라이선스 비용의 증가, 그리고 가치 창조의 구조적인 변화가 없다. 이것은 증분주의라고 할 수 있다.
숨겨진 인적 비용
또한 더 미묘하고 위험한 결과가 있다. 인공지능이 작업을 흡수하면, 작업은 줄어들지만 풍부해지지 않는다. 직원들은 시간을 절약하지만, 목적을 얻지 못한다. 조직은 시간을 절약하지만, 그 시간이 어떻게 가치를 창조하는지 재정의하지 않는다.
만약 개발자가 코드를 40% 더 빠르게 작성한다면, 그 다음에 어떤 것이 채워질까? 시간은 절약되지만, 역할은 더 얇아진다 – 덜 도전적이고, 덜 의미 있는 것이다. 기대는 불분명해지고, 관리자는 비용 절감을 추출하려고 하지만, 그것은 깨끗이 실현되지 않는다. 대시보드는 더 높은 생산성을 보여주지만, 결과는 거의 움직이지 않는다.
이것은 인공지능을 기존 작업에 적용하는 숨겨진 비용이다. 그것은 효율성을 제공하지만, 인간의 역할을 높이지 않는다. 의도적으로 재설계하지 않으면, 증가하는 것은 겉보기에만 남는다. 직원들은 무관심하게 느끼고, 기업은 인공지능의 真의 잠재력을 얻지 못한다.
이것은 노동력의 채택 문제가 아니다. 이것은 리더십과 작업 설계의 문제이다.
ROI 설계: 작업 흐름 재설계를 통해 결과를 조직화
오늘날 대부분의 인공지능 채택은 잘못된 질문으로 시작한다: “우리는 기존 작업에 인공지능을 어떻게 적용할 수 있을까?” 이것은 초기 디지털 시대의 실수와 같다 – 이미 존재하는 것을 디지털화하는 것만으로는 가치 창조를 재고하지 않는다. 단계를 자동화하고 작업 흐름을 가속화할 수 있지만, 과정 자체가 재설계되지 않는다면, 운영 모델은 거의 변경되지 않는다.
인공지능은 다른 출발점을 요구한다: 인공지능이 이 과정의 본질적인 일부라면, 우리는 그것을 처음부터 어떻게 설계할까?
진짜 영향은 인공지능으로增強된 작업에서 인공지능 중심의 작업 흐름 설계로의 전환에 있다. 그것은 효율성보다는 결과에서 시작한다. 목표는 더 빠른 제품 출시, 더 날카로운 위험 결정, 더 개인화된 고객 경험, 더 낮은 사기 손실, 혹은 더 높은 전환율을 달성하는 것이다. 한 번 목표가 명확해지면, 리더들은 전체 작업 흐름을 재상상해야 한다 – 자동화된 부분, 인간의 판단, 책임의 변화, 성과 측정 등.
이것은 단계를 제거하고, 역할을 재정의하고, 결정 주기를 압축하고, 권한을 재할당하는 것을 의미할 수 있다. 그러면 생산성의 증가가 부분적인 것이 아니라 구조적인 것이 되고, ROI가 시간 절약을 넘어서서 마진 확대, 수익 증가, 혹은 위험 감소로 이동한다.
인재 리셋
작업 흐름이 재설계됨에 따라, 인간의 역할도 진화해야 한다. 작업은 실행에서 판단, 결정, 책임으로 이동한다. 리더십은 다섯 가지 전선에서 전환해야 한다.
첫째, 채용을 재고한다. 인공지능 중심의 기업은 처음부터 원칙을 이유로 할 수 있고, 창의적이고, 모호성을 탐색할 수 있고, 시스템을 재설계할 수 있는 사람들을 필요로 한다. 자격증과 근속 기간은 판단, 문제 해결, 창의적인 위험 감수보다 중요하지 않다.
둘째, 학습을 변형한다. 프롬프트와 기능에 대한 교실 훈련은 충분하지 않다. 직원들은 실제 도메인별課題에 참여해야 한다 – 실제 작업의 복잡성을 반영하는 재설계 연습이다.
셋째, 경력 경로를 재설계한다. 승진은 근속 기간이나 작업량에 의해서가 아니라, 결과 소유, 결정의 질, 인공지능 환경에서의 가치 창조에 기반해야 한다.
넷째, 중요한 것을 측정한다. 인공지능 채택이 계속해서 도구 사용률이나 라이선스 배포 수로 측정된다면, 기업은 증분적인 증가와 증가하는沮丧을 계속해서 볼 것이다. 채택을 로그인 빈도수로 측정하는 것을 중단하고, 사이클 시간 압축, 결정 속도, 오류 감소, 수익 상승, 비용 절감을 측정하기 시작해야 한다.
마지막으로, 변화를 제도화한다. 이 변형은 자동으로 발생하지 않는다. 촉매가 필요하다. 조직은 미래 지향적이고, 호기심이 많고, 변경에 개방적인 사람들을 식별하고, 권한을 부여해야 한다. 이러한 개인들은 변형의 배수자이다 – 가능한 것을 보여주고, 다른 사람들을 앞으로 끌고 간다.
재설계할 때
노동자의 5%만이 인공지능에 능숙하다고 생각하는 데이터는 직원의 야망 부족으로 읽히지 않아야 한다. 그것은 조직이 아직 작업의 핵심 구조에 인공지능을 내재하지 못했다는 증거로 읽혀야 한다.
인공지능이 산업 시대 작업 흐름에 계층화되는 한, 그 영향은 증분적으로 남아 있다. 생산성의 증가가 단편적으로 남아 있다. 직업은 감소된 것으로 느껴질 뿐이다. ROI는 계속해서难以捉摸하다. 앞서 나가는 公司는 가장 많은 인공지능 도구를 배치하는 것이 아니다. 작업 자체를 구조적으로, 의도적으로, 결과 중심으로 재설계하는 것이다.
