AI가 기업 업무를 재구성하는 것을 보고 싶은가? 지속 가능성 팀을 관찰하라

어디선가 분석가가 현재 400개의 공공 요금 청구서 폴더를 보고 있는데, 이는 규제 기관, 고객, 또는 이사회가 회사에 대한 탄소 발자국을 알고 싶어하기 때문이며, 그 숫자는 대부분 문서에 묻혀 있다.

이러한 작업을 수행하는 AI 시스템을 구축하는 것이 나를 다음과 같은 것에 대해 확신시켰다: 기업의 지속 가능성 팀은 구조적 조건으로 인해 다른 기업보다 몇 년 앞서서 AI를 채택하고 있다. 만약 당신이 실제로 AI가 어떻게 백오피스 작업을 재구성하는지 이해하고 싶다면, 그들은 관찰할 그룹이다.

변화는 작업 수준에서 발생하고 있다

데이터가 무엇을 말하는지부터 시작하자. McKinsey의 최신 AI 설문조사에 따르면 88%의 조직이 현재 비즈니스 기능 중 하나 이상에서 AI를 사용하고 있으며, 약 4분의 1은 기업 내에서 AI 에이전트를 확대하고 있지만, 일반적으로 하나 또는 두 개의 기능에서만 vậy. 채택은 거의 보편적이지만, 변환은 아니다. 그래서 변화는 어디에서 발생하고 있는가? 대답은 일관되게 작업 수준에서 발생한다.Anthropic의 경제 지수는 실제 AI 대화 중 몇 백만개를 분석했으며, 사용이 보충(augmentation)으로 치우쳐 있었음(57%)을 발견했으며, 완전 자동화(full automation)보다 더 많았으며(43%), 약 4%의 직업이 작업의 3/4 이상에서 AI를 사용한다는 것을 발견했다. AI는 작업 내의 개별 작업에 걸쳐 확산되고 있다.

노동자에 대한 영향은 이미 측정할 수 있다. Stanford의 2026 AI 지수는 실제이지만 불균일한 생산성 향상을 보고하며(고객 지원에서 약 14-15%, 소프트웨어 개발에서 26%), 2024년 이후 22-25세 소프트웨어 개발자의 고용이 약 20% 감소했다는 것을 문서화했으며, 이는 백오피스에 대한 AI의 첫 번째 측정 가능한 수축이다. 더 넓은 관점에서 세계 경제 포럼의 미래의 일자리 보고서는 2030년까지 1억 7천만 개의 일자리가 창출되고 9천 2백만 개의 일자리가 사라질 것으로 예측하며, 그 과정에서 39%의 핵심 기술이 변경될 것이라고 예측한다. 대부분의 일자리는 사라지지 않지만, 그 구성은 작업별로 재배열되고 있으며, 재배열은 이미 시작되었다.

지속 가능성 팀이 먼저 도착한 이유

세 가지 구조적 조건이 지속 가능성을 앞으로 밀어 넣었다:

첫째, 데이터 부담이 상대적으로 크다. 탄소 회계는 환경을 위한 데이터 엔지니어링 문제이다. 입력은 공공 요금 청구서, 연료 영수증, 화물 송장, 냉매 로그, 공급업체 전자表 등 수천 개의 문서로 구성되며, 이는 일관된 형식이 아니며, 기계가 읽을 수 있도록 설계되지 않았다. 이러한 팀은 종종 10억 달러 회사에서 2-3명이다. BSR은 20개의 기업 지속 가능성 팀을 인터뷰했으며, 그들은 AI 사용에 대해 인터뷰했으며, 동일한 패턴을 발견했다: 시간은 데이터를 수집하고 정리하는 데 쓰이며, 그에 대해 무엇을 할지 결정하는 데 쓰이지 않는다.

둘째, 기한은 엄격하며, 처벌은 실제이다. 캘리포니아의 SB 253에 따르면, 1억 달러 이상의 매출을 올리는 회사는 2026년부터 1차 및 2차 온실 가스排出量을 보고해야 하며, 3차는 이후에 따를 예정이며, 불응에 대한 행정 처벌은 최대 50만 달러이다. 유럽의 기업 지속 가능성 보고 지침(CSRD)은 자신의 일정도를 부과한다. 규제는 “이것을 자동화하는 것이 좋겠다”를 “우리는 이것을 직원으로 해결할 수 없다”로 바꾼다. 이는 예산을 움직인다.

셋째, 작업에는 자연스러운 노동 분리가 있다. 추출과 판단 사이에는 명확한 차이가 있다. 기계는 더러운 문서에서 킬로와트시, 열, 갤런을 뽑아내고, 배출 요인에 매핑하고, 월별로 400% 증가한 미터 판독값을 잡는 데 탁월하다. 그러나 조직 경계를 결정하고, 방법론을 선택하고, 숫자를 얻은 후에 무엇을 할지 결정하는 것은 인간이 해야 할 일이다. 지식 작업 도메인 중에서는 이런 분리가 깨끗이 나뉘는 곳이 드물다. 지속 가능성은 그렇다. 왜냐하면 측정을 하는 것이 그들의 일이기 때문이다.

역할이 어떻게 진화하는지

저는 이러한 도구를 nghiêm肃하게 채택하는 팀에서 무슨 일이 발생하는지 관찰했다: 직업의 중추는 이동한다.

PDF에서 스프레드시트로 숫자를 입력하는 시간이 줄어들고, 예외를 검토하고, 기계가 생성한 것을 검증하고, 결과를 방어하는 시간이 늘어난다. 기후 공개는 제3자 보증으로 이동하고 있으며, “모델이 말했다”는 방어할 수 있는 감사 트레일이 아니다. 인간이 숫자 뒤에 서 있어야 한다. 분석가의 핵심 기술은 데이터 입력에서 기계가 잘못된 것을 알게 하는 것으로 이동한다.

저는 또한 누구든지 이것을 명확한 승리라고 묘사하는 것을 부드럽게 반대한다. 실제로 거래가 있다: 初级 인원이 수동 작업을 하지 않는다면, 그들은 어떻게 판단력을 개발할까? 1000개의 추출된 청구서를 검토하는 것은 잘못된 숫자가 무엇인지 가르친다. 스탠퍼드 연구진은 동일한 우려를 제기한다. 즉, 심한 AI 의존은 장기적인 학습 비용을 초래할 수 있다. 저는 아직 누구도 완전한答案을 가지고 있지 않다고 생각한다. 이제 기업들은 初级 역할을 의도적으로 설계해야 한다. 우연히 전문성을 쌓을 수 없게 되었다.

지속 가능성 팀이 가장 잘 아는 거래

이 기업의 이 구석을 관찰할 가치가 있는 또 다른 이유가 있다. 지속 가능성 팀은 자신의 도구의 에너지 및 환경 비용을 계산해야 하는 유일한 AI 채택자이다. 국제 에너지 기구는 데이터 센터 전기 소비가 2030년까지 약 945테라와트시로 두 배로 증가할 것으로 예측하며, 이는 세계 전기 소비의 약 3%에 가까운 수준이다. 또한 AI 작업당 에너지 사용량은驚異的な 속도로 감소하고 있다. 두 가지 모두 동시에 사실이며, 지속 가능성 팀은 편리한 프레임을 선택할 수 없다. 왜냐하면 소비는 어느 쪽이든 누군가의 배출량 목록에 기록되기 때문이다.

이 제약은 다른 기업이 복사해도 좋은 규율을 생산한다: 모델을 작업에 매치한다. 공공 요금 청구서에서 필드를 추출하는 것은 가장 큰 전線 모델이 처음부터 추론하는 것을 필요로 하지 않는다; 더 작은, 더 저렴한, 더 효율적인 시스템이 일반적으로 더 잘 작동하며, 에너지의 한 조각에서 작동한다. 측정된 AI 사용, 즉 소비가 추적된 입력인 경우, 궁극적으로 모든 기능에 적용될 것이다. 지속 가능성은 측정을 하는 것이 그들의 일이기 때문에 먼저 도착한다.

기업의 나머지 부분이 배울 수 있는 것

지속 가능성을 앞으로 밀어 넣은 조건은 고유하지 않다. 데이터에 비해 작으며, 외부 당사자에게 엄격한 기한을 지키며, 비구조화된 문서에 묻혀 있는 모든 기능은 동일한 곡선을 따를 것이다: 재무, 조달, 법률 등. 그렇게 되면 지속 가능성의 플레이북을 훔치면 된다: 판단을 가로막는 작업을 자동화하라, 판단 자체를 자동화하지 마라; 검토할 수 있는 것이 필요하다면 인간이 책임을 지게 하라; 자동화가 무엇을 비용으로 내는지 측정하라, 달러와 에너지로.

흥미로운 질문은 결코 “AI가 일자리를 가져갈까?”가 아니었다. 그것은 “어떤 작업이 기계로 이동하는가, 어떤 순서로, 그리고 사람들이 돌아오는 시간에 무엇을 하는가?”이다.

지속 가능성 팀은 규제 기한에 따라, 감사가 그들의 작업을 확인하는 동안, 그 질문에 답하고 있다. 그것은 AI가 재구성된 기업을 볼 수 있는 가장 좋은 예측이다.