뱅크오브아메리카의 버나드 햄프턴

오늘의 나, 나 자신, 그리고 AI 팟캐스트 에피소드(시즌 13의 마지막 회)는 뱅크오브아메리카가 업스킬링과 리스킬링을 통해 방대한 글로벌 인력을 AI 미래에 어떻게 준비시키고 있는지 탐구합니다. 금융 기관의 아카데미 책임자인 버나드 햄튼은 학습 및 개발 조직이 인력 민첩성과 기술 및 소프트 스킬의 결합 구축에 어떻게 초점을 맞추고 있는지 설명합니다.

버나드는 인공지능 도입을 위한 3단계 접근법을 설명하고 인간이 개입해야 한다고 생각하는 상황을 공유합니다.

구독하기 나, 나 자신, 그리고 AI ~에 애플 팟캐스트 또는 스포티파이.

성적 증명서

앨리슨 라이더: 수십만 명의 직원에게 AI 사용에 대한 업스킬링을 제공하는 조직에서 어떤 학습 및 개발 교훈을 얻을 수 있을까요? 오늘의 에피소드에서 확인하세요.

버나드 햄튼: 저는 뱅크오브아메리카의 버나드 햄튼입니다. 지금 듣고 계신 것은 나, 나 자신, 그리고 AI.

샘 랜스보텀: 에 오신 것을 환영합니다 나, 나 자신, 그리고 AI, 님의 팟캐스트 MIT 슬론 경영 리뷰 인공지능의 미래를 탐구하다. MIT SMR 2014년부터 연구 기사, 연간 업계 보고서, 사례 연구, 그리고 현재 12개 시즌의 팟캐스트 에피소드를 제공하고 있습니다.

에 오신 것을 환영합니다. 나, 나 자신, 그리고 AI. 오늘은 뱅크오브아메리카 아카데미 책임자 버나드 햄튼과 함께합니다. 아카데미는 미국 기업 내에서 가장 큰 학습 및 온보딩 조직 중 하나로, 전 세계 20만 명 이상의 직원을 지원합니다. 버나드는 은행의 AI 사용을 위한 인력 업스킬링, 리스킬링 및 준비 작업에서 핵심적인 역할을 담당하고 있습니다. 버나드, 프로그램에 오신 것을 환영합니다.

버나드 햄튼: 안녕하세요, 샘. 정말 감사합니다. 만나서 반갑습니다.

샘 랜스보텀: 대부분의 청취자들이 뱅크오브아메리카에 대해 잘 알고 있을 거라고 생각합니다. 정말 거대하죠. 세계에서 가장 큰 금융 기관 중 하나입니다. 찾아보니 7천만 고객, 35개국이더군요. 엄청납니다. 하지만 대부분의 사람들은 귀하가 이끄는 아카데미에 대해 잘 모를 거라고 생각합니다. 아카데미에 대해, 그리고 그것이 뱅크오브아메리카와 어떻게 연결되는지 말씀해 주시겠습니까?

버나드 햄튼: 네, 물론입니다. 아카데미는 2017년부터 존재했습니다. 이전의 레거시 학습 조직을 대체했으며, 뱅크오브아메리카의 수상 경력에 빛나는 온보딩 교육 및 전문성 개발 조직으로, 전사적으로 팀원들의 성장과 성공에 전념하고 있습니다.

아카데미에서는 인력 민첩성에 집중하고 있습니다. 즉, 적절한 역할에 적절한 기술을 더 빠르게 구축하는 것을 의미하며, 우리는 지속적으로 프로세스를 개선하고 운영 우수성 또는 새로운 기술이나 방식을 도입할 기회를 찾아 그 목표를 달성하고자 합니다. 이는 AI 지원 인력의 이동성, 업스킬링 및 준비 상태에 관한 것입니다.

샘 랜스보텀: 저희도 비슷합니다. 저는 매년 수백 명의 학생을 가르치는데, 귀하는 20만 명을 담당하시네요. 거의 비슷하죠?

버나드 햄튼: 비슷합니다.

샘 랜스보텀: 규모가 엄청나 보이는데, 거기에 모든 변화의 속도까지 더해지네요. 이 두 가지를 어떻게 동시에 관리하시나요?

버나드 햄튼: 아카데미의 교육 과정은 기술적 스킬, 데이터 및 AI 리터러시, 고객 대응 우수성, 확장 가능한 리더십 역량에 중점을 두고 있습니다. 결국, 특정 인구 집단을 위한 조직 전반의 변화하는 우선순위를 고려할 때, 우리는 몇 가지를 수행합니다. 첫째, 내부 전통적인 학습 스킬 조직을 운영하면서 동시에 비즈니스의 주제 전문 지식과 매칭합니다. 지난 몇 년 동안 제 조직 내에서 약 750명의 인력이 비즈니스 라인에서 아카데미로 이동하여 정식 아카데미 팀원이 되어 실제 현장 지식을 조직에 기여했습니다.

샘 랜스보텀: 좋은 생각이고 마음에 들지만, 정말 어려워 보입니다. 약 1년 전만 해도 모두가 프롬프트 엔지니어링을 배워야 한다고 느꼈죠. 그다음에는 RAG(검색 증강 생성)가 최신 트렌드였습니다. 주제가 정말 빠르게 등장하는 것 같아요. 사실 오늘의 주제를 선택할 수도 있지만, 방송되기 약 한 달 전에 녹음하고 있기 때문에 그때쯤이면 이미 구식이 되어 있을 겁니다. 어떻게 따라잡으시나요? 그런 수준의 민첩성에 대응할 수 있는 프로세스를 어떻게 설계하시나요?

버나드 햄튼: AI는 확실히 우리에게 많은 가능성과 기회를 창출했습니다. 핵심 역할에서의 더 빠른 숙련도, 더 나은 비판적 사고와 의사 결정, 더 강력한 의사소통 및 관계 기술, 그리고 일상 업무와 연결된 AI에 대한 실용적 이해로 학습 우선순위를 전환했습니다.

AI 기반 학습 모듈을 사용할 때는 단순히 "아, 학습을 돕기 위해 누군가 앞에 AI 도구를 놓자"는 것이 아닙니다. 궁극적으로 누구를 위해 봉사하는지, 무엇을 달성하려는지 실용적인 방식으로 생각하고, 거꾸로 작업하여 규모에 맞게 실용적이고 사실 기반이며 심리적으로 안전하면서도 참여를 유도하는 방식으로 누군가가 핵심 기술에 집중하고 개발할 수 있도록 돕는 최상의 솔루션을 결정하는 것입니다.

샘 랜스보텀: 의사소통 기술과 AI 기술적 스킬을 동시에 언급하셨는데요, 초소프트 스킬과 더 기술적인 스킬 사이의 스펙트럼을 고려할 때, 어디에서 어려움을 겪고 계신가요? 어떤 부분이 더 문제인가요? 아니면 각 유형의 학습 경험에 따라 어려움이 어떻게 다른가요?

버나드 햄튼: 궁극적으로 두 가지 모두 최우선으로 유지하는 것이 매우 중요했습니다. 오늘날 AI가 대부분의 뉴스 사이클을 지배하고, 온라인에서 읽는 내용을 지배하며, 이야기하기 재미있는 주제라는 것은 쉽게 알 수 있습니다. 하지만 현실은 장난감이 아니라는 점입니다. 이를 진지하게 다루는 기업은 리더십부터 시작하여 해당 분야의 기술을 개발함으로써 조직 전체에 흐르게 할 것입니다. 그렇지 않은 기업은 잠시 가지고 놀다가 치워버리는 장난감처럼 취급할 것입니다.

동시에, 배경에서 작동하는 개념은 인간이 항상 AI와 함께 주도권을 가져야 한다는 믿음입니다. 따라서 두 가지를 동시에 논할 수 있는 능력은 공감, 경청, 판단, 의사 결정과 같은 것들을 고려할 때 인간의 기술이 여전히 매우 중요하고 핵심적인 차별화 요소라는 것을 의미합니다. 이러한 기술은 계속해서 엄청나게 중요해지는 반면, AI에 대한 기술적 유창함도 엄청나게 중요해지고 있습니다.

제가 말씀드리고 싶은 다른 두 가지 배경은 AI가 우리 모두가 상상할 수 있듯이 점점 더 빠른 속도로 업무 방식을 변화시킬 것이라는 점입니다. 우리가 기술이 궁극적으로 우리를 위해 할 수 있는 일을 받아들이는 동시에, 경력 이동성은 어떻게 보일지, 인력은 기술 여정에서 어디에 있는지 계속 고려해야 합니다.

업무가 변화함에 따라 특정 작업을 수행하는 데 더 적은 인력이 필요할 수 있지만, 결국 우리는 고객 비즈니스입니다. 우리는 더 많은 사람들이 고객과 직접 대면할 뿐만 아니라, 행정 업무나 작업 유형 기능에 시간을 덜 쓰게 된다면 더 많은 사람들이 고객에게 무엇을 제공할 수 있을지, 고객의 필요, 목표, 목적이 무엇인지 이해하고 지원하기 위해 나설 수 있을지 생각하기를 원합니다.

샘 랜스보텀: 이 통계를 정확히 말하지는 못할 테니 수정해 주셔도 됩니다만, 어디선가 읽었는데 귀사는 내부 인력으로 약 40%의 직무를 충원한다고 들었습니다. 그렇다면 많은 역량 향상과 재교육이 필요할 것 같습니다. 그것이 과제인가요? 아니면 목표가 내부 인력을 더 많이 활용하는 것인지, 외부 인력을 더 많이 활용하는 것인지, 아니면 그 혼합에 대해 어떻게 생각하고 계신가요?

버나드 햄튼: 거의 맞추셨습니다. 작년에 2만 명을 채용했는데, 여기에는 캠퍼스 신입 채용 2,000명이 포함됩니다. 작년에 공석이었던 직무의 45%가 거의 내부에서 충원되었으며, 이는 조직 전반에 걸쳐 기술 교육과 역량 향상이 왜 그렇게 중요한지를 더욱 강조합니다.

샘 랜스보텀: 어디선가 인력 재배치와 인력 감축에 대한 바람에 대해 말씀하신 것을 읽었습니다. 지금 당장 헤드라인이 분명히 있습니다. 뉴스를 볼 때마다 "X 회사가 AI 때문에 수천 명의 인력을 줄였다"는 기사가 나오는 것 같습니다. 첫째, 그것이 실제로 AI 때문인지 의심스럽습니다. 하지만 귀사는 그러한 감축과는 다른 접근 방식을 시도하고 있다고 공개적으로 밝히신 것으로 알고 있습니다. 그에 대한 생각은 어떠신가요?

버나드 햄튼: 저희 CEO는 매우 분명하게 밝혔습니다. 이는 고객, 팀원, 그리고 지역사회에 관한 것입니다. 따라서 우리 규모의 고용주를 생각할 때 조직의 지식과 고객 연결성은 매우 중요해집니다. 팀원들에게는, 시간이 지남에 따라 조직 내 특정 기능을 수행하는 데 더 적은 인력이 필요할 수 있지만, 동시에 재투자 기회도 있다고 말씀드렸습니다.

따라서 우리의 기회는 직원들이 조직에 많은 가치를 가져다준다는 인식입니다. 그들은 헌신과 충성도를 보여주었고, 계속 배우고자 하거나 호기심이 많고 민첩한 사람들에게는 경력 전반에 걸쳐 원하는 만큼의 이동성을 가질 수 있는 도구를 계속 제공합니다. 동시에 그들은 위험 관리 업무를 하든 고객 대면 역할을 하든, 고객과 조직에 유익한 통찰력과 경험을 가지고 있습니다. 예를 들어, 그들이 계속해서 최선을 다하고 즐겁게 일할 수 있기를 바랍니다. 그리고 직원 참여도 결과도 이를 뒷받침합니다.

샘 랜스보텀: 귀사 조직 내에는 매우 기술적인 사람부터 매우 비기술적인 사람까지 다양한 사람들이 있습니다. 누가 무엇을 알아야 하는지 어떻게 파악하시나요? 저는 그게 정말 어렵습니다.

버나드 햄튼: 간단히 말해, 모든 사람은 무언가를 알아야 합니다. 가장 간단한 형태로, 우리는 AI를 세 가지 다른 수준으로 생각합니다. 첫 번째 수준은 모든 역할과 기능에 관한 것입니다. 이는 개인의 도구 사용에 관한 것입니다. 개인 생산성에 관한 것입니다. 따라서 모든 사람은 오늘날 어떤 형태로든 AI에 접근할 수 있으며, 현재 하는 일을 향상시키고 글을 쓰거나 정보를 분석하거나, 무언가를 준비하거나, 작업 중심 또는 행정 유형 기능과 같은 것들을 생각할 수 있습니다. 우리는 그들이 AI를 창의적인 방식으로 사용하여 업무량을 더 간단하게 만들 수 있다는 자신감과 능력을 갖추길 바랍니다.

이제, 한편으로는 "아, 시간을 많이 절약했으니 심호흡하고 쉴 수 있겠다"고 말할 수 있지만, 현실은 그 증가된 능력을 무엇으로 전환하느냐가 가장 좋은 척도입니다. 우리가 생각하는 방식은, 사람들이 스스로 역량을 향상시키는 것부터 그 시간을 고객에게 유익하고 조직의 생산성에 도움이 되거나 고객을 돌보는 다른 사람을 지원하는 더 가치 있는 활동에 사용하는 것으로 전환하는 것을 어떻게 측정할 것인가입니다.

그리고 AI의 두 번째 수준은 실제로 기능에 관한 것입니다. 우리는 고유한 시스템을 사용할 것입니다. 특정 그룹이 특정 시스템을 가장 자주 사용해야 할 수도 있으며, 우리는 에이전트를 사용하여 특정 그룹의 특정 기능을 단순화하는 정보를 해독, 수집, 집계하도록 조정할 것입니다.

그리고 세 번째 수준이 있습니다. 여기서는 대규모 워크플로, 여러 데이터 소스, 여러 에이전트가 관련되며, 이는 일반적으로 대규모로 조직 전체에 수평적으로 적용됩니다.

각 수준은 궁극적으로 조직에 상당한 이점을 제공하여 생산성의 그림을 구축합니다. 이를 통해 시간이 지남에 따라 생산성이 향상됨에 따라 재배치 기회가 어디에 있는지, 또는 역할을 대체하지 않을 기회가 어디에 있는지 결정할 수 있지만, 이는 결국 대규모 해고를 발생시키는 일부 회사와 같은 상황에 빠질 필요가 없다는 것을 의미합니다.

샘 랜스보텀: 그 수준들은 흥미롭고, 특히 첫 번째 수준에서 측정을 언급해 주셔서 기쁩니다. Bank of America도 다른 곳과 마찬가지로 진행 상황을 측정하고 생산성과 효율성 등을 측정하는 수많은 KPI가 있을 것입니다. 생각해 보면, 그러한 측정의 보편화가 우리가 훨씬 측정하기 쉬운 첫 번째 수준에 집중하게 할까 걱정됩니다. 이는 기존 KPI에 잘 맞을 것이지만, 더 교차적인 세 번째 수준과는 대조적입니다. 이는 조직 내 균형을 바꿀 기회가 있습니다.

모든 것을 첫 번째 수준 유형으로 만드는 것을 어떻게 방지하시나요? "더 효율적이고 생산적으로 만들자"는 식으로요.

버나드 햄튼: 우리의 관점에서, 이는 (1) 모든 것을 동시에 수행하고, (2) 그 반대편에서 Academy에서 수행하는 작업의 큰 부분은 AI 유창성과 도구 사용 준비를 조직 전반에 걸쳐 가져오는 데 도움이 되는 도구와 리소스 개발을 지원하는 것뿐만 아니라, 기술 라이브러리가 팀원들이 자신에게 투자할 기회를 지속적으로 제공하는 데 도움이 된다는 것을 의미합니다. 따라서 측정하는 것의 균형이 있습니다. 때로는 그 측정이 더 AI 중심적인 새로운 시스템이나 고객과 더 잘 소통할 수 있는 기술로 전환하고자 하는 레거시 시스템에 관한 것일 수 있습니다.

또 다른 부분은 고부가 가치 작업에 소비하는 시간을 측정하는 것입니다. 이는 반드시 생산성만 측정하는 기능은 아닙니다. 몇 가지 다른 트리거가 있습니다. 하나는 사람들이 스스로 일을 처리하도록 움직일 것이라는 점입니다. 다른 하나는 남은 작업량에 적합한 수준으로 해당 작업을 수행하는 사람 수를 줄이는 것입니다.

샘 랜스보텀: 서류상으로는 AI를 사용하기 좋은 곳처럼 보였지만 위험이 보상되지 않는다고 판단한 사례가 있나요? 아니면 그러한 지침을 어떻게 주입하고 있으며, 도구를 사용할 수 있는 곳이 아니라 사용해야 하는 곳은 어디인가요?

버나드 햄튼: AI가 정말 잘하는 것이 무엇인지 생각해 보세요. AI는 연구에 정말 능숙합니다. 글쓰기, 행정 기능에 능숙합니다. 작업에 능숙합니다. AI는 인간의 개입이 필요한 판단에는 능숙하지 않습니다.

교육 과정에서 '무엇'과 '어떻게'를 고려할 때, 우리는 AI를 배포하여 학습을 (1) 더 실용적으로, (2) 더 관련성 있게, (3) 확장 가능하게 만듭니다. 여기에는 시뮬레이션, 안내 연습과 같은 AI 기반 학습 경험이 포함됩니다. Academy는 AI 대화 시뮬레이터를 활용하여 팀원들이 대화형 역할극과 코칭을 통해 소프트 스킬을 구축하고 강화하도록 돕습니다. 물론 AI가 안내합니다. 그리고 다양한 역할의 팀원들의 준비 상태를 가속화하고, 경력 이동성을 지원하며, 인간의 감독이 학습 경험의 중심에 남도록 설계되었습니다.

그렇게 함으로써 우리는 "AI가 정말 잘할 수 있는 것은 이것이다"라고 어느 정도 말할 수 있게 됩니다. 우리는 사람들이 자신의 기술을 경험하고 향상시킬 수 있는 상황에 놓이기를 원합니다. 제가 특히 말씀드리는 것은 팀원들이 실제 시나리오를 연습할 수 있는 대화형 플랫폼입니다. 이것은 누군가를 안전하고 시뮬레이션된 환경에 몰입시키는 방법을 고려할 때 AI의 훌륭한 사용 사례입니다. 궁극적으로 자부심, 능숙함, 전문성을 구축합니다.

샘 랜스보텀: 오, 정말 마음에 듭니다. 몇 년 전에 우리는 자기 결정이라는 프레임으로 연구를 수행했습니다. 더 많은 권한이 있다고 느끼고, 더 자신감이 있고, 사람들과 더 나은 관계를 맺고 있다고 느끼고, 자신이 하는 일에 대해 기분이 좋다면, 그러한 도구가 인간을 "대체"할 수 있다고 생각할지라도 도구를 사용할 가능성이 더 높습니다. 그리고 그것은 전혀 그런 관점이 아닙니다. 그리고 시뮬레이션 측면이 정말 마음에 듭니다.

TV 쇼 굿 플레이스를 보시나요? 추천합니다. 정말 재미있다고 생각해요. 하지만 그 쇼의 시나리오 중 하나는 굿 플레이스 누군가 여자친구와 헤어지는 시뮬레이션을 겪는 것입니다. 여자친구와 헤어질 기회가 많지 않기 때문에 제대로 하고 싶을 것입니다. 연인들을 위해 말씀드리자면, 그는 좋은 방법이 없다는 것을 알게 됩니다. 어쨌든 고통스러울 것입니다.

하지만 당신이 말하는 것은 사람들이 안전한 곳에서 어려운 일을 연습하게 하는 것입니다. 우리가 자주 연습할 기회가 없는 것들 말이죠. 이 대화형 시뮬레이션 환경을 통해 어떤 종류의 것들을 연습하게 하나요? 사람들이 실제로 연습할 수 있는 구체적인 것들이 궁금합니다.

버나드 햄튼: 이것들은 주로 대량 처리, 빠른 속도 환경에서 사용됩니다. 콜센터를 생각해 보세요. 전국에 있는 3,500개의 금융 센터와 다양한 시기에 발생하는 피크 시간을 생각해 보세요. 각각의 경우, 느린 시간이든 빠른 시간이든, 우리는 사람들이 훌륭한 판단력을 발휘하고, 고객이 공감하는 누군가에게 경청받고 도움을 받고 있다고 느끼며, 궁극적으로 고객이 달성하려는 목표에 집중하도록 해야 합니다.

따라서 수표 현금화부터 복잡한 거래 수행까지 모든 것이 될 수 있습니다. 우리는 사람들을 실제 상황에 배치하여 살아 숨 쉬고 말하고 걷는 실제 고객처럼 보이는 아바타에 응답할 수 있도록 합니다. 다양한 시나리오에 참여하고, 상황 처리, 과정에서 도구와 리소스 사용, 판단력 발휘에 대한 실시간 피드백을 받을 수 있습니다. 이것이 한 예입니다.

둘째, 인간이 주도하는 상황을 생각할 때, 기술을 올바르게 개발, 교육, 사용하는 데 있어 핵심 질문 중 하나는 예를 들어 고위험 거래를 연속 다섯 번 처리하는 경우입니다. 만약 어떤 종류의 AI를 사용해서 "예, 예, 예"라고 답했다면, 핵심 질문은 "그 여섯 번째에는 무슨 일이 일어날까?"입니다. Sam이 그 상황을 보고 "글쎄, 다섯 번 연속으로 '예'라고 했으니 아마도 똑같겠지?"라고 말할까요? 인간이 주도하는 것을 인식하는 능력은 사람들이 "내가 무엇을 사용해야 하지?"라고 스스로에게 묻도록 준비시키는 시나리오를 활용하여, 그 순간에 이루어지는 권장 행동의 정확성을 인간으로서 검증하는 것입니다. 따라서 우리는 항상 이러한 고려 사항을 염두에 두고 고객을 보호하고 조직을 보호하며 고객이 훌륭한 경험을 하도록 해야 합니다.

샘 랜스보텀: 당신은 거대한 조직을 가지고 있습니다. 거기에 투입할 수 있는 많은 자원과 규모를 보유하고 있죠. 그런 수준의 인프라를 개발할 자원이 없는 사람들에게 어떤 조언을 해주시겠습니까? 이런 것들이 작은 단위로도 잘 작동합니까, 아니면 큰 규모가 필요합니까?

버나드 햄튼: 아시다시피, 그렇습니다. 사실 우리에게는 몇 가지 다른 루틴도 있습니다. 네, 우리가 측정하는 추가적인 것들이 있습니다. 예를 들어, 다른 시스템으로 전환하기 위해 폐기하려는 시스템 같은 것들이요. 우리는 조직이 사업 부문별로 얼마나 많은 프롬프트를 작성하는지 측정합니다. 즉, 조직 내 개별 그룹의 AI 도입 문화는 어떤지 말이죠. 이러한 것들 중 일부는 선택한 AI 도구와 인프라의 모양에 따라 대부분의 사람들이 접근할 수 있을 것입니다.

하지만 우리가 얻는 최고의 조언 중 일부는 실제로 여러 수준에서 이루어집니다. 우리는 최근에 조직 내 고위급 그룹에서 이를 수행했습니다. 우리 부서 외의 다른 조직 부서, 여러 수준의 교차 기능 그룹을 만나 수백 번의 청취 세션을 진행했으며, 한 번에 20~30명을 모아 AI에 대한 그들의 생각을 듣기 시작했습니다. 무엇이 도움이 된다고 생각하는지? 여전히 궁금한 점은 무엇인지? 어디에 도움이 필요한지? 이러한 모든 아이디어와 피드백은 우리 그룹이 교육을 개발하고 구축하는 데 필요한 피드백, 기술 그룹과 위원회가 다음 단계를 고려할 때 필요한 피드백, 또는 회사가 팀원을 지원하기 위해 다음에 투자해야 할 우선 순위가 높은 주요 프로젝트와 이니셔티브를 선별하는 데 이르기까지 모든 것을 생성합니다.

따라서 누구든지 도구를 배포할 때 사람들과 대화하고 그들의 말을 듣기만 하면 우선순위를 정할 기회를 얻을 수 있으며, 이는 조직의 규모에 관계없이 가치 있는 일입니다.

샘 랜스보텀: 그것은 생각해볼 좋은 방법인 것 같습니다. ... 구현하는 데 많은 자원이 필요하지 않은 것들은 대부분의 조직이 충분히 할 수 있는 범위 내에 있는 것 같습니다.

버나드 햄튼: 저는 모든 규모의 회사들과 이야기합니다. 이 여정에서 호기심을 갖는 것은 저에게 중요했습니다. 제 리더십 팀에게도 중요했습니다. 우리는 세계에서 가장 큰 회사들 중 일부를 만나지만, 여러 중소 규모 조직도 만납니다. 그 이유는 그로부터 고객들이 잠재적으로 어떻게 생각하고 무엇을 필요로 하는지 고민하기 위해서입니다. 다른 규모와 다른 그룹에 대해 어떻게 생각해야 할까요? 그들이 놓치고 있는 것은 무엇일까요? 우리가 놓치고 있는 것은 무엇일까요? 다른 회사의 실수와 성공으로부터 배우는 일반적인 호기심은 대화에 참여하고 무엇을 먼저 하고 다음에 할지 신중하게 생각하는 중요한 장소입니다. 그래야 단순히 실험하는 것이 아니라 무엇을 채택할지에 대해 매우 의도적으로 행동할 수 있습니다. 그 이유는 사람들에게 "왜 다음에 X, Y, Z를 경험하게 되는가?"에 대한 확신을 주기 때문입니다.

샘 랜스보텀: 당신이 '실수'를 언급한 점이 마음에 듭니다. 우리는 항상 무언가 잘못했다는 것을 인정하는 것을 너무 주저하는 것 같아요. 아시다시피, 저를 제외한 대부분의 사람들은 과거에 잘못한 적이 있습니다. 하지만 피드백을 받는 아이디어는 정말 중요하며, 당신이 시뮬레이션 부분에서 그것을 언급했죠.

저는 학생들이 생각만큼 시험을 싫어하지 않는다는 것을 알게 되었습니다. 그들은 자신이 잘 모르는 부분과 개선할 수 있는 부분을 보기 때문입니다. 우리는 개선하는 것을 매우 좋아합니다. 그것이 당신이 말하는 주제를 관통하는 주제라고 생각합니다. 사람들에게 어떤 영역을 개선해야 하고 어떻게 개선해야 하는지 알려주면, 사람들은 일반적으로 그것을 좋아합니다.

제 학생들을 언급했는데요. 당신은 내부 인력의 40%, 45%를 언급했습니다. 제가 계산을 제대로 했다면, 55% 또는 60%는 외부에서 온다는 뜻입니다. 지금 노동 시장에 진입하는 사람들에게 어떤 조언을 해줄 수 있습니까? 그들이 현재 노동 시장에서 적극적인 역할을 하기 위해 어떤 기술을 생각해야 할까요?

버나드 햄튼: 첫째, 당신이 기술(skills)을 언급할 때 적절한 핵심 단어를 말했다고 생각합니다. 한 가지 분명해진 것은 기술적 기술(technical skills), 또는 기술적 기술의 반감기가 제 성인 인생에서 그 어느 때보다 짧아졌다는 점입니다. 그리고 우리 회사에서 계속 이야기하는 것들, 즉 명확성(clarity), 학습 민첩성(learning agility), 지적 호기심(intellectual curiosity)을 인식하는 것이 중요합니다. 이러한 것들을 계속 최우선으로 두는 것은 엄청나게 중요한 특성입니다.

우리는 뱅크 오브 아메리카에서 이것들에 대해 꽤 많이 이야기할 뿐만 아니라, 특히 호기심은 당신을 관련성 있게 유지해주며, 여기에는 새로운 기술도 포함됩니다. 오늘날 AI를 생각할 때, 그것은 미지의 것에 대한 두려움이 아니라 오늘날과 미래의 환경에서 전화나 이메일을 사용하여 비즈니스를 수행하는 것만큼 중요한 것을 받아들일 기회여야 합니다.

앞으로의 직업 생활을 생각하는 모든 사람에게 말하고 싶은 것은, 자신에게 도전하는 데 의도적이 되라는 것입니다. 기회가 있을 때 스트레치 업무를 선택하세요. 그것은 재사용할 수 있는 기술을 구축해줍니다. 그리고 다른 사람들에게 배우고 공유함으로써 훌륭한 팀원이 되세요. 협업은 이 업무 환경에서 매우 중요한 특성입니다. 회사 전반에 걸쳐, 특히 고객 비즈니스에서 일한다면, 일반적으로 사일로에서 일하던 시대는 지났습니다. 다른 사람에 대한 필요성과 고객을 중심으로 한 조직의 힘을 생각하는 것보다 더 중요한 것은 없습니다. 그리고 마지막으로, 인간적 기술(human skills)을 계속 개발하고 윤리, 판단력, 의사 결정의 강점이 계속해서 매우 중요하다는 것을 인식하라고 말하고 싶습니다.

샘 랜스보텀: : 당신이 이러한 많은 것들에 대해, 아마도 저보다 훨씬 더 깊이 생각해본 점이 마음에 듭니다. 우리가 쇼에서 가끔 하는 것 중 하나인데, 당신에게도 재미있을 것 같아서, 몇 가지 속사포 질문을 드리고자 합니다.

사람들이 현재 인공지능에 대해 무엇을 잘못 이해하고 있다고 생각하십니까? 많은 사람들이 이 기술에 대해 배우고 있는데, 그들이 무엇을 잘못 알고 있을까요?

버나드 햄튼: 아마도 두 가지가 떠오릅니다. 하나는 그것이 사라질 것이라는 점, 즉 유행일 뿐이라는 생각이고, 두 번째는 그것 자체로 모든 사람의 일자리가 사라질 것이라고 생각하는 것입니다.

샘 랜스보텀: AI에 대해 생각했던 것보다 더 빠르게 또는 더 느리게 움직이는 것은 무엇입니까?

버나드 햄튼: 아마도 더 빠르게 움직이는 것은 도입(adoption)이고, 그 중 일부는 우리 조직이 취해온 접근 방식과 더 관련이 있을 수 있다고 생각합니다. 더 느리게 움직이는 것은 — 느리다고 말하지만, 적절한 속도이기도 합니다 — 우리는 규제가 엄격한 산업에 속해 있기 때문에, 움직일 때 항상 신중할 것입니다.

불과 10여 년 전만 해도 우리에게 고객 AI 솔루션이 없었다는 것이 믿기지 않지만, 오늘날 우리는 고객들이 분기당 1억 6900만 번 이상 사용하고 있으며 분기마다 계속 증가하는 솔루션을 보유하고 있습니다. 따라서 어떤 것들은 더 느리게 움직이고 있지만, 올바른 위험 마인드셋으로 적절하게 측정되고 있다고 말할 수 있습니다.

샘 랜스보텀: 개인적으로 일상 생활에서 AI 도구로부터 가장 많은 가치를 얻는 방법은 무엇입니까? 무엇에서 가장 많은 것을 얻고 계십니까?

버나드 햄튼: 저는 확실히 글을 쓰는 데 사용합니다. 정보를 분석하는 데 사용하고, AI를 사용하여 정보를 선별합니다. 저는 항상 우리가 그들이 필요로 하는 것에 맞는 확장 가능한 방식으로 교육 솔루션을 통합하고 발전시키는 방법을 고민합니다. 때로는 개인 생산성 도구에 관한 것이고, 때로는 우리가 구축할 수 있는 확장 가능한 벤더나 도구에 관한 것이며, 이는 다른 방법보다 더 빠르게 숙련도 수준을 구축하는 방식, 또는 현재 우리가 하는 방식과 다르게 정렬될 것입니다.

샘 랜스보텀: 더 빠르게 숙련도를 구축하는 것 — 이것이 이 이야기를 마무리하기 좋은 방법인 것 같습니다. 그것이 당신이 하려는 일의 핵심이라고 생각합니다. 당신이 하려는 규모에서 그것은 엄청난 도전이라고 생각합니다. 오늘 당신의 생각을 공유해주셔서 감사합니다. 함께 해주셔서 감사합니다.

버나드 햄튼: 별말씀을요. 함께하게 되어 영광입니다.

샘 랜스보텀: 또 다른 시즌에 함께 해주셔서 감사합니다. 나, 나 자신, 그리고 AI우리는 학습과 AI 개발에 관한 매우 흥미로운 대화를 나누었고, AI가 노동력에 미치는 영향에 대한 논의는 특히 중요하게 느껴집니다. 우리는 미국 노동부의 Taylor Stockton, 이코노미스트의 Andrew Palmer, 그리고 오늘 Bernard와의 논의를 했습니다. 가장 좋아하는 에피소드를 고르기가 어렵습니다! 올 여름에는 더 학술적인 연구 관점의 보너스 에피소드로 돌아오겠습니다. 계속해서 저희 팟캐스트를 리뷰해 주시고, 다루었으면 하는 주제에 대한 의견이나 요청을 보내주시기 바랍니다. 나, 나 자신, 그리고 AI 를 성공적으로 만드는 데 도움을 주셔서 감사합니다.

나, 나 자신, 그리고 AI^® 는 Massachusetts Institute of Technology의 연방 등록 상표입니다.