AI가 만드는 지식 격차는 새로운 보안 격차입니다. 어떻게 메울 수 있을까요?

기술 기업들은 익숙한 가정을 바탕으로 승부를 걸고 있습니다. AI가 사람보다 더 빠르고 저렴하게 일을 할 수 있다는 것입니다. 많은 경우 사실일 수 있지만, AI는 손쉽게 해고를 정당화하는 수단으로도 쓰이고 있습니다.

올해 초 공유된 PwC 보고서에서 최고경영자의 56%는 지금까지 AI 투자에서 유의미한 재무적 이익을 보지 못했다고 답했습니다. AI를 통해 비용 절감과 매출 증가를 모두 경험했다고 답한 비율은 12%에 불과했습니다. 또한 미국 전미경제연구소(National Bureau of Economic Research)가 2월에 발표한 연구에서는 기업의 거의 90%가 지난 3년간 AI가 고용이나 생산성에 아무런 영향을 미치지 않았다고 답했습니다. 이는 중요한 사실을 드러냅니다. 많은 조직이 AI가 처음 약속했던 매출 및 생산성 성과를 아직 거두지 못했으며, 손실을 메우기 위해 수천 명의 직원을 계속 해고하고 있다는 것입니다.

하지만 실적 발표 콘퍼런스콜에서는 말하지 않는 것이 있습니다. 고객 관계에 관한 10년 치 맥락을 머릿속에 간직한 고객 담당 관리자나, 고객에게 결함이 전달되기 전에 이를 잡아내는 유일한 기반인 조직 지식을 가진 품질 보증 엔지니어를 해고하는 것은 단순히 불필요한 군살을 빼는 일이 아닙니다. 하중을 지탱하는 벽을 허무는 일입니다. 뒤따르는 재작업 비용, 고객 이탈, 품질 문제는 인력 감축을 자축하던 바로 그 발표 자료에 좀처럼 나타나지 않습니다. 이런 비용은 이후 분기에 조용히 흡수되고 시장 상황 탓으로 돌려진 뒤 잊힙니다. AI 중심 구조조정이 약속하는 것과 실제로 제공하는 것 사이의 격차는 분명히 존재하며 커지고 있지만, 많은 조직은 여전히 이를 전혀 인정하지 않습니다.

이 순환의 실제 비용은 한곳에만 떨어지지 않습니다. 감축 이후 남아 있는 모든 팀에 퍼집니다. 개발자들은 떠난 엔지니어들의 업무를 떠안으면서, 인력 손실을 보완하기에는 아직 너무 미숙한 AI 도구도 함께 받습니다. 제품 팀은 고객의 현실에 맞춰 개발 계획을 세울 수 있게 해 주던 맥락을 잃습니다. 지원 팀은 과부하에 시달리고 답변의 품질은 떨어지며, 고객은 자신의 문의에 돌아온 답변에서 AI가 만든 저품질 콘텐츠를 즉시 알아봅니다. 부담은 집중되지 않고 분산되며, 이런 분산 때문에 분기 보고서에서 쉽게 무시되기도 합니다. 그러나 그 광범위한 분산 속에서 IT 팀은 이 문제가 한층 심화된 고유한 형태를 마주합니다. 단순히 더 적은 자원으로 더 많은 일을 하는 데 그치지 않습니다. 일관성을 부여하던 조직 지식 없이 급히 구축된 인프라를 관리해야 합니다. 동시에 떠난 동료들의 퇴사 절차와 후임자들의 입사 및 적응 절차를 처리해야 합니다. 기업들이 공개적으로 자축했던 감축을 조용히 되돌리고 있기 때문입니다.

한 해가 흘러가고 조직들이 AI의 약속을 실현하려 애쓰는 지금, AI가 가져오는 효율성을 명분으로 인간의 전문성을 줄이면 매출보다 훨씬 많은 것을 잃는다는 사실을 깨달아야 합니다. 좋은 소식은 두 세계의 장점을 모두 누릴 수 있다는 것입니다. 다만 AI에 대한 더 실용적이고 현실적인 접근, 사람을 전략의 중심에 두는 접근이 필요합니다.

지식이 조직을 떠날 때 잃는 것

핵심 운영 지식은 사람에게 있으며, 시스템이 아니라 인간의 판단을 통해 적용됩니다. 그 사람들이 떠나면 지식도 함께 떠납니다. 모델이 아무리 정교해도 AI는 오늘날 그 격차를 메우지 못합니다.

AI의 역량이 확대되더라도, 세밀한 맥락을 갖추지 못한 자동화는 중요한 영역에 위험한 사각지대를 만듭니다.

• 판단과 전략: 직관, 조직 지식, 시장에 대한 이해는 데이터 세트에 깔끔하게 담기지 않습니다. 비정형 데이터 세트도 마찬가지입니다.
• 맥락과 상황 인식: 인간은 미묘한 차이와 의도를 알아보고, 경직된 규칙이 통하지 않는 회색지대에 대처할 수 있습니다.
• 공감과 신뢰: 파급력이 크거나 감정이 고조되는 순간, 특히 고객이나 직원이 관련된 상황에서는 사람 중심의 대응이 필요합니다.
• 감독과 책임: 누군가는 실패와 편향을 발견하거나 잘못된 정보가 퍼지기 전에 대응할 책임을 져야 합니다. 완전히 틀린 정보를 제공한 뒤 단지 “맞습니다. 다시 해 보겠습니다”라고 말하는 것으로는 충분하지 않습니다.
• 조직의 기억과 시스템 맥락: 팀이 왜 인프라를 특정한 방식으로 구축했는지, 또는 왜 그렇게 하지 않았는지, 과거에 무엇을 시도했는지, 아무도 문서로 남기지 않은 예외 상황이 무엇인지 이해하는 일입니다.
• 리더십과 거버넌스: 정책과 위험 허용 수준을 정하고 윤리적 경계를 지키는 것은 여전히 근본적으로 인간의 책임입니다.

AI는 통찰을 제시하고 행동을 권고하며 실행 속도를 높일 수 있습니다. 그러나 재난을 예방하는 조직의 기억을 대체하거나, 문제가 통제 불능으로 번지기 전에 잡아내는 책임성을 제공할 수는 없습니다.

현명한 조직은 무엇을 다르게 하는가

AI로 성과를 거두는 조직은 사람을 배제하지 않습니다. 일상 운영에 마찰을 더하는 반복적이고 정형적인 과정을 AI로 간소화합니다. 그렇게 사람의 시간과 다른 핵심 자원을 확보해, 더 큰 사업적 이익을 낼 새로운 창의적 방법을 찾게 합니다. AI를 인간의 역량을 증폭하기 위해 “함께 달리는” 도구로 활용하는 것입니다. IT 운영을 생각해 보겠습니다. 이 팀들은 이미 제한된 자원으로 방대한 인프라를 관리하며 과부하에 시달리고 있습니다. AI, 또는 어쩌면 더 정확히는 머신러닝(ML)이 여기서 실질적인 가치를 제공할 수 있습니다.

AI와 ML은 예전에 많은 시간이 들었고 귀중한 분야별 전문가들을 운영 업무에 파묻히게 했던 정형적 작업을 자동화할 수 있습니다. 패치 조사와 테스트, 지원 요청 분류, 워크플로 생성, 탐색, 위험 매핑 등이 그 예입니다.

이 작업들은 IT 운영의 토대이지만 막대한 시간을 소모합니다. 특히 조직의 디지털 환경이 확대되고 취약성 지형이 변하며, 직원들이 업무 기기에서 긍정적인 디지털 경험을 점점 더 기대할수록 그렇습니다. 팀이 과부하 때문에 이런 기능과 과정을 관리하거나 모니터링하는 기본 업무를 제대로 하지 못하면, 서비스 중단, 적용하지 못한 패치, 데이터 유출, 보안 침해 같은 심각한 결과가 발생합니다. 반대로 AI를 잘 활용해 이 분야의 업무를 간소화하면 IT 직원들은 AI가 하지 못하는 일에 시간을 쓸 수 있습니다. 기술 부채를 줄이고, 기존 시스템과 과정을 개선하고, 복원력을 높이도록 아키텍처를 재설계하고, 핵심 시스템을 가동시키는 조직 지식을 보존하는 일입니다. 이는 단순한 효율성 이상의 의미가 있습니다. 위험 완화이며, 장기 성장의 더 단단한 토대를 마련합니다.

AI를 올바르게 도입하는 방법

AI의 활용과 도입을 신중히 설계하면서 안전하고 효과적인 사용을 가능하게 하는 데도 우선순위를 두는 조직은 AI 전략에서 더 큰 성과를 얻고 있으며, 앞으로도 그럴 것입니다. 최적화는 인력을 줄이는 데서 나오지 않습니다. 사람에게 투자하고, 워크플로를 재설계하며, AI를 가장 잘 활용하도록 팀을 교육하는 데서 나옵니다.

이는 새로운 일이 아닙니다. 기술은 수백 년 동안 세대별 주기를 거치며 발전해 왔고, 우리는 매번 같은 실수를 반복하는 경향이 있습니다. 지나치게 쏠려 특정한 발전을 모든 문제의 만병통치약으로 만들려 합니다. 이런 절박함을 이용해 과장된 약속을 하고 성과를 측정하기도 전에 사라지는 사기꾼은 부족하지 않습니다. 실제로 AI와 ML이 할 수 있는 것은 컴퓨터가 늘 해 왔던 일입니다. 특정 작업을 인간보다 더 빠르고 정확하게 수행하는 것입니다. 이런 기회를 찾아 AI를 실용적으로, 함께 일하는 도구로 적용하는 사람들은 빠르게 투자 수익을 얻을 것입니다. 구체적으로는 다음을 뜻합니다.

• AI로 가치가 낮은 작업을 없애되, 가치가 높은 인간의 판단은 없애지 않기
• 파급력이 큰 결정의 위험을 줄이도록 인간이 참여하는 워크플로 설계하기
• AI 시스템이 실패하거나 불확실한 결과를 내면 상위 담당자에게 전달할 명확한 경로 정하기
• AI에 기반한 결정에 대한 책임을 명확히 배정하기
• AI의 결과를 맹목적으로 받아들이지 않고 비판적으로 검토하도록 팀을 교육하기

잘못 접근했을 때 치르는 실제 대가

기술 업계에서 현재 반복되는 대량 해고와 그에 뒤이은 조용한 재고용은 인재의 이동이 아닙니다. 위험의 이전입니다. 조직들은 수십 년에 걸친 조직의 기억을 몇 달간의 자동화 속도와 맞바꾸고 있으며, IT 리더들이 그 결과를 떠안고 관리해야 합니다.

AI는 실질적인 성과를 제공합니다. 그러나 그 성과는 전문성을 대체하는 대신 보존하고 증폭하는 데 AI를 활용할 때 가장 큰 의미가 있습니다. AI 시대에 계속 번영할 기업은 가장 과감하게 인력을 줄이거나 가장 많은 AI 도구를 배치하는 기업이 아닙니다. 단조로운 일을 자동화하고 인간의 창의성, 협업, 전문성을 강화하도록 AI를 신중하게 활용하는 기업입니다.

다음 시스템 장애나 서비스 중단, 사이버보안 사고가 발생하면 시스템 복구나 고객 소통을 로봇이나 기계가 이끌기를 바라지는 않을 것입니다. 그때는 깊은 역사적 맥락과 지식을 지닌 사람이 여전히 회사에 남아 있기를 원하고, 또 필요로 할 것입니다.

AI의 잠재력을 온전히 실현하려면 지루하고 단조로운 작업에 AI를 활용하는 데 집중하고, 부진한 사업 성과의 핑계로 AI를 사용하는 일을 멈춰야 합니다.