지식 격차를 메우는 새로운 보안 격차: AI가 만드는 지식 격차

테크 회사들은 익숙한 베팅을 하고 있습니다. 즉, AI가 사람보다 더 빠르고 더 저렴하게 일을 할 수 있다는 가정입니다. 많은 경우에 이것이 사실일 수 있지만, 이것은 또한 쉽게 해고할 수 있는 버튼으로 사용되고 있습니다.

이번 년초에 공유된 PwC 보고서에 따르면, 56%의 CEO는 아직까지 AI 투자에서 상당한 금전적 이익을 보지 못했다고 말했습니다. 또한, 2월에 국립 경제 연구소에서 수행한 연구에 따르면, 거의 90%의 회사는 지난 3년 동안 AI가 고용이나 생산성에 영향을 미치지 않았다고 말했습니다. 이것은 많은 조직이 아직까지 AI의 수익과 생산성 반환을 보지 못하고 있으며, 이를 보완하기 위해 계속해서 수천 명의 직원을 해고하고 있다는 것을 보여줍니다.

하지만 여기서 말하지 않는 것은, 10년간의 관계 컨텍스트를 갖고 있는 어카운트 매니저나, 기관의 지식을 갖고 있는 QA 엔지니어를 제거할 때, 단순히 비용을 절감하는 것이 아닙니다. 이는 지지하는 벽을 제거하는 것입니다. 다시 작업하는 비용, 고객의 이탈, 품질 실패는 같은 슬라이드 데크에서庆祝한 헤드카운트 감소와는 별개입니다. 이것은 미래의 분기에默默히 흡수되고, 시장 상황으로归咎되며, 잊혀집니다. AI 주도 구조 조정의 약속과 실제 반환 사이의 격차는 실제로 존재하며, 증가하고 있으며, 많은 조직에서는 아직도 인정되지 않고 있습니다.

이러한 비용은 한 곳에만 집중되지 않습니다. 이는 남아있는 모든 팀에 걸쳐 있습니다. 개발자들은 사라진 엔지니어의 작업을 흡수해야 하며,同時에 아직까지 성숙하지 않은 AI 도구를 받습니다. 제품 팀은 고객 현실에 기반한 로드맵을 잃어버립니다. 지원 조직은 얇아지고, 고객은 즉시 “slop” 응답을 인식합니다. 이 부담은 집중되지 않으며, 이는 이를 무시하기 쉽게 만듭니다. 하지만 이러한 보다 넓은 분산 속에서, IT 팀은 구체적이고 복합적인 문제를 직면합니다. 그들은 더 적은 것으로 더 많은 것을 하는 것이 아닙니다. 그들은 빠르게 구축된 인프라를 관리해야 하며,同時에 사라진 동료들의 오프보딩과 새로 온 사람들의 온보딩을 수행해야 합니다.

今年이 진행됨에 따라, 조직은 AI의 약속을 실현하기 위해 노력할 것입니다. 하지만 우리는 이제 지식 격차를 메우는 것이 중요하다는 것을 깨달아야 합니다. 이는 단순히 사람을 제거하는 것이 아닙니다. 이는 사람을 중심으로 하는 전략을 취하는 것입니다.

지식이 문밖으로 나갈 때 무엇이 손실되는가

중요한 운영 지식은 사람에게 존재하며, 인간의 판단을 통해 적용됩니다. 이러한 사람들이 떠나면, 그 지식도 함께 사라집니다. 모델이 얼마나 복잡하더라도, AI는 이 격차를 메우지 못합니다.

AI의 능력이 확장됨에 따라, 자동화는 중요한 영역에서 위험한 블라인드 스폿을 생성합니다.

• 판단과 전략: 직관, 기관의 지식, 시장 인식은 데이터 세트에 존재하지 않습니다.
• 컨텍스트와 상황 인식: 인간은 미묘함, 의도, 회색 영역을 인식할 수 있습니다.
• 공감과 신뢰: 높은 영향이나 감정적인 순간에는 인간 중심의 응답이 필요합니다.
• 감독과 책임: 누군가는 실패, 편향, 또는 잘못된 정보를 식별해야 합니다.
• 기관의 기억과 시스템 컨텍스트: 팀이 인프라를 구축한 이유, 이전에 시도한 것, 문서화되지 않은 에지 케이스를 이해하는 것입니다.
• 리더십과 거버넌스: 정책, 리스크 허용, 윤리적 경계를 정의하는 것은 기본적인 인간의 책임입니다.

AI는 통찰력을 제공할 수 있습니다. 하지만 이는 기관의 기억을 대체할 수 없습니다. 또한, 이는 책임을 지는 것을 대체할 수 없습니다.

지능적인 조직은 무엇이 다른가

성공하는 조직은 인간을 제거하지 않습니다. 그들은 AI를 사용하여 일상적인 작업에서 반복적인 과정을 자동화합니다. 인간은 더 중요한 작업에 집중할 수 있습니다. 그들은 AI를 사용하여 더 빠르고 정확하게 작업을 수행합니다.

예를 들어, IT 작업은 이미 제한된 자원으로 인프라를 관리합니다. AI는 실제 가치를 제공할 수 있습니다. AI는 작업을 자동화하여, 전문가가 작업에 집중할 수 있도록 합니다.

이러한 작업은 IT 작업의基础입니다. 하지만 이러한 작업은大量의 시간을 소요합니다. 특히 디지털 에스테이트가 넓어지고, 취약성 풍경이 변화하고, 직원이 디지털 경험을 기대할 때, 이러한 작업은 중요합니다. 이러한 작업을 잘 수행하지 못하면, 다운타임, 패치 실패, 데이터 누출, 보안 침해가 발생할 수 있습니다.

AI를 올바르게 채택하는 방법

조직은 AI를 올바르게 채택하여, 안전하고 효과적인 활성화를 우선시해야 합니다. 최적화는 사람을 제거하는 것이 아닙니다. 이는 사람에 투자하는 것입니다, 워크플로우를 재설계하는 것입니다, 팀을 교육하는 것입니다.

이것은 새로운 것이 아닙니다. 기술은 수백 년 동안 발전해 왔습니다. 각 시간에 우리는 같은 실수를 반복합니다. 우리는 특정한 발전을 πανacea로 만들려고 합니다. 하지만 이는 실제로 아닙니다. AI/ML은 컴퓨터가 할 수 있는 것을 할 수 있습니다. 즉, 특정 작업을 더 빠르고 정확하게 수행하는 것입니다. 하지만 이는 인간의 판단을 대체할 수 없습니다.

• AI를 사용하여 저가치 작업을 제거하는 것입니다.
• 인간이 중심이 되는 워크플로우를 설계하는 것입니다.
• AI 시스템이 실패하거나 불확실한 결과를 내면, 명확한 경로를 정의하는 것입니다.
• AI 주도적인 결정에 대한 명확한 소유권을 부여하는 것입니다.
• 팀을 교육하여 AI 출력을 검토하는 것입니다.

이것을 잘못된 경우의 실제 비용

테크 산업의 현재 사이클은 대량 해고와 조용한 재고용입니다. 하지만 이는 재능의 변화가 아닙니다. 이는 위험의 이전입니다. 조직은 몇 개월 동안의 자동화 속도와 교환하여, 수십 년간의 기관의 기억을 잃어버리고 있습니다. IT 리더들은 이를 관리해야 합니다.

AI는 실제 이익을 제공할 수 있습니다. 하지만 이는 전문성을 보존하고 증폭시키는 경우에 가장 의미가 있습니다. 즉, AI를 사용하여 단순한 작업을 자동화하고, 인간의 창의성, 협력, 전문성을 강화하는 것입니다.

시스템이 실패하거나, 아웃케이거나, 사이버 보안 사고가 발생할 때, 로봇이나 기계가 시스템을 복구하거나 고객과 통신하는 것이 아닙니다. 이는 인간이 해야 할 일입니다. 즉, 깊은 역사적 컨텍스트와 지식을 갖고 있는 사람이 필요합니다.

AI의 전체 잠재력을 실현하기 위해서는, 우리는 단순한 작업에 AI를 사용해야 합니다. 그리고 우리는 사업 성과가 좋지 않은 것을 AI의 이유로 사용해서는 안 됩니다.