AI와 업무의 미래

데이터 기반의 AI 지원 업무 환경으로의 전환은 불확실성의 시기 이후에 이루어졌습니다. 글로벌 기술 부족과 코로나바이러스 이후 원격 근무로의 전환으로 인해 경쟁력 있는 조직은 직원 경험에 우선 순위를 두어야 했습니다.

동시에 평균적으로 조직은 이전 수십 년보다 훨씬 더 많은 데이터를 관리했으며, 그 중 상당수는 한 사람이 해석하기 어려웠습니다. 조직 전체에 전략적으로 배포된 AI는 이러한 문제를 일부 완화하여 개인화된 직원 경험을 제공하고 기업이 정보에서 실행 가능한 인사이트를 얻을 수 있도록 지원합니다.   

이 기술의 큰 잠재력을 감안할 때, 비교적 짧은 기간 동안 여러 부문의 기업들이 AI 도구를 채택했습니다. 처음에는 자동화 및 AI 기술, 그 다음에는 생성형 AI, 최근에는 AI 에이전트가 도입되었습니다. 기술 발전의 급속한 속도는 기술 및 문화적 환경 수준 모두에서 기업 환경을 재편할 것을 약속합니다. 과거에는 신기술이 IT 부서의 소관이었다면, 이제는 모든 직군에서 AI 활용 능력이 더욱 중요해지고 있습니다. 

그러나 AI의 급속한 성장으로 인해 일부 비즈니스 리더들은 적응에 어려움을 겪고 있습니다. 예를 들어, IBM Institute for Business Value(비즈니스 가치 연구소)의 최근 설문조사에 따르면 대부분의 경영진은 AI가 비즈니스의 핵심 측면을 변화시킬 것으로 기대하고 있습니다. 그러나 응답자의 절반은 최근 투자 속도를 고려할 때 조직이 기술을 단절하여 AI 도구의 진정한 가치를 실현하지 못하고 있다고 답했습니다. 그리고 직장 문화는 채택에 큰 영향을 미칩니다. CEO의 절반 이상이 데이터 변환 과정에서 기술적 문제를 극복하는 것보다 문화 변화가 더 중요하다고 생각합니다.

AI를 얼마나 활용할 준비가 된 비즈니스 리더인지에 관계없이 이러한 기술은 글로벌 노동 시장을 재편할 것으로 널리 예상됩니다. 경영 컨설팅 회사인 맥킨지(McKinsey)에 따르면 2030년까지 미국 경제 전반에서 일하는 시간의 최대 30%가 자동화될 수 있으며, 같은 해까지 1,200만 건의 직업 전환이 필요할 것으로 예상됩니다. 세계경제포럼(WEF)의 추산으로는, 향후 몇 년 동안 전 세계적으로 8,500만 개의 일자리가 사라질 수 있지만, 신기술로 인해 9,700만 개의 새로운 일자리가 창출될 수 있습니다. 요컨대, 평균적인 근로자가 보유한 기술은 향후 10년 동안 극적으로 변화할 것입니다.

이러한 변화에 대비하기 위해 선제적 기업은 AI를 수용하기 위한 전체 시스템 접근 방식을 취합니다. IBM 기업가치연구소(IBV)의 다른 최근 보고서에 따르면 기술 기반이 아닌 운영 수준에서 AI를 배포한 조직은 직원 유지 및 수익 성장과 같은 중요한 지표에서 동종업체보다 44% 더 우수한 성과를 보였습니다. 그리고 점점 더 많은 비즈니스 리더들이 민첩한 직원을 육성하기 위해 새로운 인재 관리 및 교육 패러다임을 설계하는 데 집중하고 있습니다.  

이러한 근본적인 변화의 한가운데서 이해관계자는 현재 순간을 인간의 잠재력을 높이고 탄력적인 시스템을 만들 수 있는 기회로 삼아야 합니다. AI의 미래를 준비하려면 신중한 전략 계획과 변화의 조직 문화를 조성해야 합니다. 

몇 가지 핵심 기술이 직장 AI 환경을 지배하고 있습니다. 종종 반복적인 작업을 자동화하고 인간의 의사 결정을 강화하기 위해 함께 작업하여 작업자가 보다 창의적이고 가치가 높은 작업에 집중할 수 있도록 합니다. 이러한 핵심 기술은 다음과 같습니다. 

생성형 AI는 대규모 언어 모델(LLM)에서 실행되며 기계 학습(ML)을 배포하여 새로운 자료를 생성합니다. ChatGPT로 대중의 의식을 파고든 이 기술은 양질의 텍스트, 코드 및 기타 새로운 콘텐츠를 만듭니다. 마찬가지로 정교한 이미지 생성 AI 도구는 시각적 콘텐츠 제작에 능숙합니다.

이러한 시스템의 통합으로 멀티모달 AI 시스템이 텍스트, 이미지, 오디오 및 동영상 기능을 원활하게 결합하여 콘텐츠 생성 및 처리에 탁월한 다양성을 제공할 수 있게 되었습니다. 비즈니스 환경에서 생성형 AI는 엄청난 수의 작업을 수행합니다. 외부 커뮤니케이션의 경우, 개인화된 마케팅 캠페인을 개발하고 고객 서비스 커뮤니케이션을 한 언어에서 다른 언어로 번역합니다. 내부적으로는 코드를 생성하고, 직원을 위한 개별화된 학습 자료를 제공하고, 인간 작업자가 더 쉽게 소화할 수 있도록 콘텐츠를 요약합니다.

생성형 AI와 자동화 기술을 결합한 AI 어시스턴트는 자연어로 사용자와 지능적으로 상호 작용하며, 오늘날 직장에서 널리 사용되고 있고, 생산성 소프트웨어에 내장되는 경우가 많은 이러한 도구는 의사 결정과 데이터나 기타 콘텐츠 요청에 신속하게 대응하는 데 도움이 됩니다.

또한 특수 제작된 어시스턴트는 일부 워크플로를 간소화하거나 완전히 워크플로를 대체합니다. 예를 들어, 헬싱키 시는 최근 여러 부서의 데이터를 결합하여 가상 비서를 만들었습니다. 이를 통해 거주자는 하루 중 언제든지 다양한 의료 및 사회 서비스 제공자를 이용할 수 있으며, 사람의 개입으로 하루에 최대 300건의 고객 연락을 처리할 수 있습니다. 이러한 비서 기능은 예를 들어 상담원이 복잡한 질문을 신속하게 해결할 수 있도록 즉각적인 상황별 고객 데이터를 제공함으로써 내부적으로 직원을 지원합니다. 

AI 에이전트와 자율 시스템은 업무 환경 혁신의 또 다른 영역입니다. 이러한 시스템은 정보 추출부터 다단계 프로세스 실행에 이르기까지 사람의 감독을 최소화하면서 복잡한 작업을 독립적으로 수행합니다. 단순한 챗봇이나 이전 형태의 AI와 달리 외부 데이터 소스를 호출하고 시간이 지남에 따라 메모리를 유지합니다. 이러한 기능을 통해 진화하고 복잡한 작업을 수행하면서 성능을 크게 향상시킬 수 있습니다. 이른바 디지털 작업자는 사전 정의된 목표를 선제적으로 달성하기 위해 다양한 산업 분야에 점점 더 많이 배포되고 있습니다. 의료 환경에서는 환자의 바이탈을 모니터링합니다. 인사 애플리케이션에서 이력서를 분석하고 직원 요청에 자동으로 응답합니다. 고객 서비스에서는 소비자 문제를 해석하고 해결책을 제시합니다.

AI는 업무 수행 방식과 업무에 필요한 기술을 근본적으로 변화시키고 있습니다. 고용 환경에서 가장 눈에 띄는 네 가지 변화는 다음과 같습니다.

AI 기반 도구 및 자동화 기술은 문서 처리에서 기본적인 고객 문의에 이르기까지 일상적인 작업을 점점 더 많이 처리합니다. 이 프로세스를 통해 작업자는 반복적인 작업에서 벗어날 수 있습니다. 작업자는 이러한 도구를 사용하여 특정 작업을 AI에 오프로드하는 동시에 인간의 전문 지식이 가장 큰 가치를 더하는 영역에 집중함으로써 더 높은 수준의 작업을 수행할 수 있습니다.

AI가 데이터 분석이나 일상적인 지식 공유와 같은 시간 소모적인 작업을 인간보다 더 빠르게 처리하면서 작업을 수행할 수 있는 속도가 급격히 빨라지고 있습니다. 그런 다음 작업자는 구현 세부 사항보다는 비즈니스 목표와 창의적인 방향에 더 집중하여 더 높은 수준에서 성과를 내므로 AI 시스템이 실행을 처리하는 동안 보다 창의적이고 전략적으로 생각할 수 있습니다. 

AI가 도입된 직장에서는 개별 작업이 개별 구성 요소로 나뉘어지는 경우가 많으며, 이는 인간 작업자와 AI 간에 최적으로 할당될 수 있습니다. 가상 머신은 일부 구성 요소를 처리하고 다른 구성 요소는 사람과 함께 처리하므로 물류 문제가 발생하지만 궁극적으로 더 효율적이고 효과적인 작업 프로세스를 위한 기회를 제공합니다. 이러한 협업 방식에서 인간은 컨텍스트와 판단을 제공하고 AI는 패턴 인식, 처리 능력 및 실행을 처리합니다. 가장 효과적인 워크플로는 이러한 상호 보완적인 강점을 활용하여 어느 쪽도 독립적으로 달성할 수 없는 결과를 창출합니다.

인간 노동자에게 중요한 변화 중 하나는 창작에서 큐레이션 및 방향으로의 이동입니다. AI를 사용하는 작업자는 처음부터 콘텐츠를 만드는 데 소요되는 시간을 줄이고 AI가 생성한 아웃풋을 검토, 개선 및 지시하는 데 더 많은 시간을 할애합니다. 이러한 변화는 비판적 평가, 맥락 이해 및 AI 시스템을 효과적으로 안내하는 능력에 더 중점을 두면서 많은 역할에 필요한 기술을 변화시키고 있습니다. 한 가지 예를 들자면, HR 리더는 지능형 시스템을 인사 부서에 통합함으로써 단순 관리자에서 직원 경험을 적극 활용하는 자세로 변화합니다. 

AI 프롬프트가 직장의 핵심 기술로 개발됨에 따라 이러한 변화와 함께 특히 일선 및 비기술적 역할에서 기술 리터러시의 중요성이 커지고 있음을 반영합니다. 오늘날 AI 도구를 효과적으로 사용하고 지시하는 능력은 수많은 직업에서 점점 더 가치가 높아지고 있습니다. 이러한 워크플로와 기술 요구 사항이 변화함에 따라 일부 조직에서는 직원이 미래의 역할을 수용할 수 있도록 개인화된 AI 기반 교육 프로그램에 투자하고 있습니다. 

AI가 직장에 통합되면서 완전히 새로운 직업군이 생겨나고 있으며, 노동 시장에도 광범위한 변화가 일어날 것으로 예상됩니다. 맥킨지(McKinsey)에 따르면, 생성형 AI와 같은 혁신이 일자리를 완전히 없앨 것이라는 결정적인 증거는 없지만, 현재 일자리들의 조합된 형태가 바뀔 가능성이 있다고 합니다.

전략적 계획을 통해 AI 관련 비용 절감 효과를 새로운 역할에 재투자하여 조직의 미래를 강화할 수 있습니다. 예를 들어, 미래의 노동 시장에서는 영업 담당자가 일상적인 문의에 응답하거나 개인화된 영업 자료를 처음부터 작성하는 데 소요되는 시간이 훨씬 줄어들 수 있습니다. 하지만 그들은 궁극적으로 영업 프로세스와의 관계를 더욱 돈독하게 만들면서 고객과의 친밀한 관계와 네트워킹에 더욱 집중할 가능성이 높습니다.

일부 기술 범주는 AI 시스템의 역량이 향상됨에 따라 수요가 감소할 가능성이 있습니다. 데이터 입력, 기본 분석 및 간단한 콘텐츠 생성과 같은 일상적인 정보 처리 작업은 점점 더 자동화되고 있습니다. 단순 조사 및 정보 종합도 취약합니다. 그러나 창의적인 문제 해결 및 혁신, 감성 지능 및 대인 관계 기술과 같은 인간 고유의 능력이 더욱 가치 있게 될 것입니다. 새로운 기술을 빠르게 습득하거나 변화하는 상황에 적응하는 능력도 더욱 중요해질 것입니다.

동시에 고용 시장은 더 많은 정보 기술, 컴퓨터 과학 및 AI 중심 기술을 요구할 것입니다. 미래 지향적인 조직은 기존 직무 아키텍처를 매핑하고 미래에 직원에게 필요한 기술을 주의 깊게 관찰하여 새로운 직무 역할에 맞게 인력을 준비합니다.

AI는 인간의 창의적 기능을 향상시키고 이전에는 보이지 않았던 기회를 드러냄으로써 산업 전반에 걸쳐 혁신을 가속화할 수 있습니다. 놀라운 규모와 속도의 데이터 기반 분석을 통해 인간만으로는 발견할 수 없는 인사이트를 얻을 수 있습니다. AI 시스템은 방대한 정보 저장소를 처리하여 유망한 연구 방향이나 미개척 비즈니스 경로를 식별할 수 있습니다. 또한 인력 계획 프로세스를 지원하여 대기업이 직원의 현재 기술을 분류하고 분석하는 데 도움을 줄 수 있습니다.

인재 관리 관점에서 볼 때, AI 기술은 인사 부서가 향후 직원에게 어떤 기술이 필요한지 파악하고 전반적으로 민첩성을 높이는 데 도움이 되는 것으로 입증되었습니다. 새로운 비즈니스 환경에서 이러한 민첩성은 하나의 기술만큼 유용할 수 있습니다. 특정 업무 요구 사항이 빠르게 변화함에 따라 장기적인 커리어 성공을 위해서는 지속적으로 학습하고 진화하는 시장에 적응할 수 있는 역량이 필수적인 요소가 될 수 있습니다. 이러한 자기 주도적이고 유연한 근로자는 기존 문제에 대한 상상력이 풍부한 솔루션을 만들 가능성이 더 높을 수 있습니다.

보다 완전하고 창의적인 인간 역할로의 전환은 여러 학문 분야 간을 연결하거나 주제에 대한 심도 있는 탐구 등 고차원적인 혁신도 가능하게 합니다. 가장 효과적인 조직은 이러한 고부가가치 창작 활동에 소요되는 인간의 시간을 극대화하는 워크플로를 신중하게 설계하고 있습니다.

직장에 AI를 통합하면 기업 리더에게 전략적 기회와 주어지는 한편 관리상의 어려움에도 직면하게 됩니다. 이러한 전환을 성공적으로 헤쳐나가려면 일반적으로 AI 전환의 기술적, 조직적, 인간 중심적 측면을 동시에 다루는 다면적인 접근 방식이 필요합니다. 다음 항목에서는 기업이 장기적으로 적응하고 성공할 수 있도록 돕는 모범 사례를 간략하게 설명합니다.

비즈니스 목표에 부합하는 AI 전략을 개발하는 것은 필수적인 첫 번째 단계입니다. 유능한 리더는 AI 기술을 단독으로 채택하는 것이 아니라 AI가 의미 있는 가치를 창출할 수 있는 특정 비즈니스 문제나 기회를 식별합니다. 이 프로세스에는 기존 작업 및 기술과 함께 전체 조직의 아키텍처 및 워크플로를 매핑하여 조직의 병목 현상을 전체적으로 파악하는 작업이 포함되는 경우가 많습니다. 단순히 새로운 기술을 채택하는 것이 아니라 문제 해결에 집중함으로써 조직은 AI 투자가 실제적인 요구 사항을 해결할 수 있도록 합니다.

AI 능력을 지원하는 데이터 인프라를 구축하는 것은 여전히 경영진의 또 다른 중요한 우선 순위입니다. AI 개발이 적절하게 작동하려면 잘 정리된 고품질 데이터가 필요합니다. 리더는 일반적으로 효과적인 AI 배포를 위한 기반을 구축하기 위해 데이터 거버넌스, 보안 구조 및 통합에 투자합니다.

효과적인 데이터 거버넌스 프레임워크는 조직 전체에서 데이터에 대한 명확한 소유권과 책임을 확립합니다. 또한 AI 도구가 투명하고 결과를 설명할 수 있도록 하는 데 도움이 되며, 이는 적절한 아웃풋을 보장하고 조직의 신뢰를 조성하기 위해 AI 채택의 중요한 측면입니다. 또한 성공적인 AI 프로젝트는 당면한 작업에 적합할 뿐만 아니라 편향이 없는 데이터에 의존합니다. 이는 데이터 품질 보증 프로세스를 구현하고 데이터 수집 및 사용 관행을 정기적으로 감사하는 것을 의미할 수 있습니다.

데이터 수집 프로세스는 일반적으로 부서 간의 데이터 사일로를 허물고 통합 데이터 아키텍처를 생성합니다. 이를 통해 조직 전체에서 정보에 액세스할 수 있습니다. 이러한 사일로를 허물면 궁극적으로 효율성이 높아지고 비용이 절감되는 경우가 많습니다. 기업의 데이터 시스템 전반에 걸친 단일 정보 소스는 의사 결정권자의 역량을 강화하고 여러 시스템을 한 번에 유지 관리해야 하는 부담을 줄여줍니다. 

AI 기반 조직을 위한 전략적 인력 계획에는 인재 확보, 개발 및 배포에 대한 미래 지향적인 접근 방식이 필요합니다. 이 과정은 인재를 확보하는 과정과 기존 직원의 숙련도를 높여 미래의 변화를 흡수하는 과정을 통해 이루어집니다. 효과적인 AI 이니셔티브를 진행하는 동안 리더는 종종 어떤 역할이 도입으로 인해 변경될 가능성이 가장 높은지 파악하고 영향을 받는 직원을 이동시키기 위한 계획을 수립합니다. 이 프로세스에는 필요한 새로운 기술과 비교하여 현재 역량을 평가하고, 격차를 파악하고, 직원이 새로운 역량을 개발할 수 있는 의도적인 방법을 설계하는 것이 포함될 수 있습니다.

조직 내부의 AI 이해도 및 역량 강화에 투자하면 직원들이 효과적인 인간과 기계의 협업에 대비할 수 있습니다. 일반적으로 미래 지향적인 리더는 모든 직급의 직원이 자신의 역할과 관련된 AI 애플리케이션에 대한 이해를 개발하도록 합니다. 이렇게 더 광범위한 초점을 맞추면 저항이 줄어들고 조직 전체가 직장에서 AI 이니셔티브에 대한 소유권을 가질 수 있습니다. 또한 작업자가 자신의 부서 또는 역할에서 AI 애플리케이션에 대한 기회를 식별하는 데 도움이 됩니다.

개방적이고 총체적인 변화 관리 전략을 수립하는 것도 AI 통합에 필수적입니다. 이 접근 방식에는 AI가 업무 프로세스에 어떻게 그리고 왜 통합되는지에 대해 명확하게 전달하고, 우려 사항을 사전에 해결하고, 직원이 새로운 역할을 채택할 수 있도록 의미 있는 인센티브를 제공하는 것이 포함됩니다. 이를 통해 신뢰를 구축하여 기술 변화에 보다 생산적이고 오래 참여할 수 있습니다. 

AI가 고용 환경을 근본적으로 바꾸기 시작한 이후 몇 년 동안 일부 리더들은 즉각적인 생산성 향상과 보다 심도 있는 조직 혁신 사이에서 갈등을 겪었습니다. 애플리케이션은 즉각적인 결과를 제공할 수 있지만, 조직이 미래의 업무에 대비하려면 더 야심찬 이니셔티브가 필요합니다.

AI의 기능에 비추어 비즈니스 모델을 재고하면 더 엄청난 혁신의 기회를 발견할 수 있습니다. 리더는 조직이 가치를 창출하는 방법에 대한 핵심 가정을 정기적으로 평가해야 하며, 특히 AI 기술이 기존 접근 방식을 개선하는 것이 아니라 완전히 새로운 접근 방식을 가능하게 할 수 있는 방법을 고려해야 합니다. 지속적인 직원 개발 및 민첩성을 가능하게 하고 AI 전략을 지속적으로 개선하면 지속적인 관련성과 효율성을 보장할 수 있습니다. 가장 유능한 리더는 데이터를 수집하고 결과를 측정하기 위한 명확한 프로세스를 수립하는 경우가 많습니다. 반복적인 피드백 메커니즘은 조직이 전략적 일관성을 유지하면서 변화하는 상황에 빠르게 적응하는 데 도움이 됩니다.

세계 경제 포럼(World Economic Forum)은 가장 최근의 미래 직업(Future of Jobs) 보고서에서 비즈니스 리더 10명 중 6명이 AI가 조직을 변화시킬 것으로 기대한다고 밝혔습니다.¹ 조직은 향후 5년 동안 업무 수행에 필요한 기술이 70% 변화할 것으로 예상하고 있습니다. 공공 및 민간 부문 모두에서 이러한 전환을 성공적으로 이끌기 위한 열쇠는 적극적인 기술 개발에 있습니다.

개인과 조직 모두 AI 증강 업무 환경에서 필요한 능력을 개발하는 데 투자해야 합니다. 효과적인 기술 관리와 수반되는 AI 영향력은 일자리 제약이 아닌 상당한 경제 성장으로 이어질 수 있습니다. IBM 기업가치연구소(IBV)의 연구에 따르면 CEO의 67%는 기술이 더욱 보편화됨에 따라 기업의 차별화는 알맞은 인센티브와 함께 적절한 전문성을 갖춘 인재를 적절한 위치에 배치하는 데 달려 있다고 답했습니다. 하지만, 별도의 IBM 연구에 따르면 임원 중 20%만이 인사부가 미래의 업무 전략을 지시할 책임이 있다고 답했습니다. 미래에 정면으로 맞서기 위해서는 선도 기업들이 AI가 우리의 업무 방식에 미치는 영향에 대한 주인 의식을 가져야 합니다.

사려 깊은 시스템 설계도 점점 더 중요해질 것입니다. 효과적인 인간과 기계의 협업 시스템을 구축하려면 워크플로와 직원 경험에 세심한 주의를 기울여야 합니다. 또한 보안과 데이터 거버넌스를 우선시하는 윤리적 프레임워크는 긍정적인 결과를 보장할 수 있습니다. 이러한 과제에 전략적으로 접근함으로써 조직은 인간의 잠재력을 향상시키는 AI 기반 업무의 미래를 만들어 보다 생산적이고 만족스러운 업무 환경을 조성할 것입니다.