AI로 성공할 사람은 누구인가?

ALISON BEARD: 저는 Alison Beard입니다. HBR입니다. 아이디어캐스트. 하버드 비즈니스 리뷰는 최근 HBR 전략 서밋 2026을 개최했으며, 이 행사는 경영진과 학계의 전문가 조언과 지침으로 가득 찬 하루였습니다. 이 특별 기사에서 행사의 하이라이트를 공유합니다. 아이디어 캐스트 시리즈.

오늘, 이 시리즈의 마지막 에피소드는 MIT의 수석 연구 과학자이자 MIT 슬론 경영대학원 디지털 경제 이니셔티브의 공동 창립자이자 공동 디렉터인 앤디 맥아피의 마스터클래스입니다. 이 세션에서 그는 기업이 AI로 진정한 성공을 거두기 위해 올바른 문화를 어떻게 구축하고 있는지 설명합니다. 그는 소위 '긱(geek) 조직'의 부상과 AI가 최고와 나머지 사이에 만들어내는 격차에 대해 설명합니다. 또한 HBR 편집장 애디 이그나티우스의 도움을 받아 청중 질문에 답변합니다. 여기 그 마스터클래스가 있습니다.

앤드류 맥아피: 요즘 많은 사람들이 가장 관심을 두는 주제에 대해 이야기해보려 합니다. 누가 성공할 것인가? 현재 AI에 관한 상당한 불확실성이 존재하는 이 시대에, 성공적인 AI 도입자와 뒤처지는 자들을 가르는 기준은 무엇일까요? 최근 며칠간의 헤드라인 몇 가지를 살펴보며 이 불확실성이 얼마나 심각한지 강조하고 싶습니다. 먼저, 제 공동 창업자이자 동료이자 뛰어난 경제학자인 에릭 브린욜프슨이 얼마 전 파이낸셜 타임즈에 기고한 글의 헤드라인을 인용하겠습니다. "AI 생산성 도약은 이미 시작됐다. 우리는 이를 기다려왔다." 이는 로버트 솔로우의 오래된 통찰에 기반한 것으로, "컴퓨터 시대의 증거는 생산성 통계를 제외한 모든 곳에서 찾을 수 있다"는 말이 AI에도 적용되어 왔습니다. 에릭은 이제 그 시대가 끝났으며, AI로 인해 높은 생산성 성장의 시대로 접어들 것으로 예상한다고 말합니다.

하지만 최근 전 세계 많은 CEO들을 대상으로 한 설문조사는 "아직 이르다"고 말합니다. 실제로 우리는 그런 현상을 목격하지 못하고 있습니다. AI 투자에 대한 ROI, 생산성 향상, 또는 조직이 AI로부터 얻은 KPI 상승을 살펴보면 아직 그 효과가 나타나지 않은 것으로 보입니다. MIT에 여전히 재직 중인 또 한 명의 뛰어난 경제학자, 다론 아제모을루가 있습니다. 그가 노벨상을 수상했다는 사실만으로도 상당한 경제학자임을 알 수 있죠. 그는 최근 MIT 테크 리뷰와의 인터뷰에서 AI로 인한 생산성 향상은 없다고 말했습니다.

우리는 깊고 깊은 불확실성의 시대에 살고 있습니다. 얼마 전 파이낸셜 타임스에 실린 한 차트가 현재 상황을 아름답게 요약해 준다고 생각합니다. 그 차트는 이렇게 말했습니다. "자, 여기 세 가지 가능성이 있습니다." 첫째, AI가 희소성을 종식시키고 영원한 풍요의 시대로 이끌 가능성입니다. 그것이 바로 위로 치솟는 그 미친 빨간 선입니다. 둘째, 터미네이터가 나타나 인류를 멸종으로 몰아갈 가능성입니다. 그것이 아래로 떨어지는 선입니다. 셋째, AI가 생산성 성장의 평범한 흐름을 어느 정도 개선할 뿐일 가능성입니다. 그것이 추세선을 이어가는 것입니다. 이는 매우 높은 수준의 불확실성 범위라고 할 수 있습니다.

저는 어제 데릭 톰슨이 자신의 서브스택에서 제시한 관점이 마음에 듭니다. 그는 이렇게 말했죠. "사실 아무도 확실히 알지 못합니다. 현대 AI, 생성형 AI의 도입 단계는 너무 이릅니다. 분명 강력한 기술이고 많은 일을 할 수 있습니다. 낙관적인 이유도 있고 비관적인 이유도 있습니다. 확실히 알기에는 너무 이른 시점입니다." 저는 이런 사고방식이 좋습니다. 왜냐하면 우리가 AI 확산 시대의 극히 초기 단계에 있으며, 특히 증거를 면밀히 살펴보면 그 변화가 아직 명확하지 않다고 생각하기 때문입니다.

변혁적인 기술이 등장해 조직과 경제 전반에 빠르게 확산되기 시작했지만, 아무도 이것이 우리를 어디로 이끌지 확실히 알지 못하는 시대에 우리는 무엇을 해야 할까요?

지금처럼 아무도 확실히 알지 못하는 상황에서 AI를 성공적으로 활용하기 위한 아주 간단한 세 부분으로 구성된 전략을 제안하고자 합니다. 첫 번째 부분은 베팅을 해야 한다는 것입니다. 반드시 전념해야 합니다. 저는 강력히 AI에 찬성하는 방향으로 전념할 것을 권장합니다. 더 이상 애매모호한 태도를 취하지 마십시오. 중립적인 입장에서 벗어나십시오. 조직 차원에서 AI에 전념하십시오. 그리고 그 전념을 보여주는 한 가지 방법은 AI를 OKR(목표 및 핵심 결과)로 설정하는 것입니다. 즉, AI를 조직 구성원들에게 기대하는 사항으로 만드십시오. 그 기대를 명확히 전달하고, 반복해서 강조하십시오. AI가 단순히 진행 중인 여러 일 중 하나이거나 유행하는 기술이라는 생각을 없애십시오. 기대치를 전달하십시오. 또한, OKR을 잘 활용하는 조직들은 목표를 향한 진행 상황을 측정합니다. 시간 절약, 비용 절감, 또는 단순한 AI 사용량과 같은 목표가 있다면 훌륭합니다. 그 목표를 설정하고, 시간이 지남에 따라 진행 상황을 측정하십시오.

아무도 아무것도 모를 때 AI 플레이북에서 정말 중요한 두 번째 부분은 스티브 유르베트손(Steve Jurvetson)이 저에게 강조한 점입니다. 그는 스페이스X와 테슬라 초기에 투자한 뛰어난 벤처 캐피털리스트입니다. 제가 『긱 웨이(The Geek Way)』를 연구할 때, 그는 높은 불확실성 속에서 복잡하고 상호 의존적인 프로젝트를 실행하는 두 가지 학파의 차이점이 얼마나 중요한지 저에게 깨닫게 해주었습니다. 약간 단순화하자면, 이 두 학파는 폭포수(waterfall) 방식과 애자일(agile) 방식입니다. 폭포수 방식은 대규모 프로젝트를 성공적으로 실행하기 위해 사전에 철저히 계획하는 방법입니다. 폭포수 방식이 말하는 것은, 우리가 이것을 제대로 해야 한다는 것입니다. 이는 고위험 환경입니다. 그렇게 하려면 많은 똑똑한 사람들과 함께 앉아 상황이 어떻게 전개될지 예측하고, 모든 우발 상황을 대비하며, 그 우발 상황에 대한 계획을 세우고, 시뮬레이션을 통해 검토한 후, 시작할 때 어떻게 진행될지 확실히 알아야 한다는 것입니다.

폭포수 모델의 가장 큰 문제는 작동하지 않는다는 점입니다. 그리고 그 이유는 얼마 전 클레이 셔키가 아름답게 요약했듯이, "폭포수 모델은 실제 작업을 수행하는 동안 아무것도 배우지 않겠다는 모든 참여자의 약속"이기 때문입니다. 아무것도 알지 못하고 미래가 그렇게 불확실할 때, 성공을 향해 계획을 세울 수 없습니다. 앞으로 닥칠 모든 우발 상황과 그 모든 갈림길, 분기점, 예외 상황에 대한 올바른 대응을 예측할 수 없습니다.

《긱 웨이(The Geek Way)》를 위해 스티브를 인터뷰했을 때, 저는 그를 만나고 싶어 몹시 간절했어요. 약 10년 전, 실리콘밸리에서 열린 한 콘퍼런스에서 그를 처음 만났거든요. 제가 "무슨 일이야?"라고 묻자 스티브가 말하길, "무슨 일이냐고? 스페이스X가 우주에서 풍부하고 저렴한 인터넷 연결로 세상을 뒤덮을 거야." 당시 그들은 첫 스타링크 위성조차 발사하지 않았고, 저는 저벳슨이 정신이 나갔다고 생각했어요. 실리콘밸리의 환상에 너무 취한 거라고 여겼죠. 왜냐하면 제 순진한 생각으로는 우주 통신 시대가 60년이나 지났는데, 정말 우주에서 풍부하고 저렴한 대역폭으로 세상을 뒤덮는 게 가능하다면, 항공우주 및 통신 업계의 기존 강자들 중 하나가 이미 알아냈을 거라고 믿었거든요. 하지만 그 누구도 해내지 못했고, 대신 이 완전한 신생 조직이 해냈습니다. 그래서 저는 저벳슨이 제가 보지 못한 어떤 것들을 보고 알고 있다는 사실을 깨달았죠. 그래서 《긱 웨이》를 연구할 때 그에게 인터뷰를 요청했고, 그는 매우 친절히 승낙했습니다. 그가 제게 남긴 한 마디를 인용하고 싶은데, 그 말은 그 이후로 제 마음에 계속 남아 있습니다. 그것은 폭포수 모델처럼 계획과 사전 준비에 무거운 접근법과, 긱들이 하는 방식인 매우 민첩한 접근법의 차이에 관한 것입니다. 즉, 시도해보고, 빠르고 유효한 피드백을 얻고, 가능한 한 그 피드백을 통합한 후, 다시 세상에 나가 또 시도하는 방식이죠. 이는 궁극적으로 산업 현장에서 강력하게 적용되는 '실행을 통한 학습' 접근법입니다.

그리고 스티브가 저에게 한 말은 이겁니다. "앤디, 네가 이해해야 해. 내 생태계에 속한 회사들은, 우리가 약 25년 전에 소프트웨어를 구축하는 법을 배운 방식, 그 애자일 방식으로 이제 모든 것을 구축하고 있어." 하드웨어든 소프트웨어든 상관없어요. 원자든 비트든 중요하지 않아요. 우리는 애자일 접근법을 취해요. 그게 학습을 극대화하는 방법이기 때문이죠. 그리고 저는 이 말이 정말 좋았어요. 저벳슨이 말하길, "가끔 내게 여섯 번째 감각이 있는 것 같아. 죽어가는 회사들을 볼 수 있어. 그들은 아직 모르지만, 걸어다니는 시체나 다름없어. 충분히 민첩하게 대응하지 못하기 때문이지." 그리고 그는 말했어요. "내 생태계에 속한 회사들, 내가 도우려고 하는 회사들, 내가 투자하는 회사들은, 이 폭포수 방식에 치중하고 계획에 무거운 기존 업체들을 완전히 따돌려요. 우리는 그들이 거의 10년이 걸리는 일을 2~3년마다 혁신해내고 있어."

우리 모두 알다시피, 불과 몇 달 전에 놀라운 코딩 능력을 가진 모델들이 출시되면서 소프트웨어 엔지니어링과 코딩의 완전히 새로운 시대에 접어들었습니다. 만약 오늘 다시 저벳슨을 인터뷰한다면, 그는 더 이상 몇 년 단위의 시간 척도로 이야기하지 않을 것입니다. 아마 몇 달 단위로 이야기할 겁니다. 따라서 실행을 통한 학습의 가치는 더욱 높아집니다. 실행할 수 있는 양이 늘어났고, 그에 따른 학습량도 급격히 증가하고 있기 때문입니다. 그래서 두 번째 전략은 실행을 통한 학습의 빠른 피드백 사이클을 구축하는 것입니다. 그리고 세 번째는 조직 내에 이미 존재하는 모범 사례를 확산시키는 것입니다. 이는 작년 말에 나온, 조직 내 파워 유저에 관한 기사에서 언급된 내용입니다.

그리고 Workhelix에서 우리가 함께 일한 모든 기업에서 발견한 것은, AI 사용 분포가 매우 특정한 형태를 띤다는 점입니다. 소수의 사람들이 AI를 많이 사용하고, 대부분의 사람들은 아껴서 사용합니다. 또한 우리가 살펴본 모든 조직에서 많은 사람들이 여전히 관망하는 입장에 있습니다. 그들은 실험 중이거나 발을 살짝 담그고 있거나, 아직 그 정도조차 하지 않은 경우도 있습니다. 따라서 소수의 파워 유저가 존재하고, 이 기술을 어떻게 활용해야 할지 이해하는 데 도움이 절실히 필요한 많은 사람들이 있습니다.

지금 우리에게 이는 엄청난 기회를 의미합니다. 이미 파워 유저들이 하고 있는 것을 활용하고, 그들이 알고 있는 지식과 그들이 찾아낸 모범 사례를 활용하여 최대한 널리 공유하고 확산시키는 것입니다. 우리는 깊은 재상상과 재설계의 시대 초기 단계에 있습니다. 원하는 용어를 사용하셔도 좋지만, 우리는 기업 내부와 기업 간 업무 수행 방식을 변화시킬 것입니다. 이러한 재상상을 어떻게 실현할지에 대한 몇 가지 사고방식이 있습니다. 여기서도 계획 중심 접근법과 반복 중심 접근법 사이에 대비가 있습니다.

재구상이나 재설계에 대한 계획 중심 접근법은 이렇게 말합니다. "가장 똑똑한 사람들을 한 방에 모아 화이트보드 앞에 세워라. AI 시대에 업무가 어떻게 진행될지 도표로 그려라." 하지만 전문가들은 "안 돼"라고 말합니다. 전문가들이 하는 일을 하게 두세요. 즉, 강력한 새 도구를 잡고, 해결해야 할 문제를 살펴보고, 그 도구를 활용해 업무를 근본적으로 다른 방식, 훨씬 더 효율적인 방식으로 수행할 무언가를 만들어내는 것입니다. 전문가들은 바로 거기서 진정한 재구상이 나온다고 말합니다.

주로 하향식 지원을 받는 상향식 과정입니다. 그래서 이미 사람들이 그 재구상 작업을 시작하고 있습니다. 이 깊은 불확실성의 시대에 조직의 목표 중 하나는 그런 사람들을 찾아내고, 그들이 무엇을 하고 있는지 배우며, 그들의 좋은 아이디어를 최대한 널리 퍼뜨리는 것이라고 생각합니다. 아디, 여기서 잠시 멈추겠습니다. 그 부분이 어떤 질문과 의견을 불러일으키는지 듣고 싶습니다.

아디 이그나티우스: 앤디, 정말 훌륭하고 자극적인 내용이었어요. 제가 먼저 한두 가지 질문을 드릴게요. 참가자분들로부터 많은 질문이 들어오고 있긴 하지만요. AI 같은 새로운 기술은 항상 과대평가되는 걸까요, 아니면 과소평가되는 걸까요? 이번 AI는 대부분의 사람들에게 전략의 1, 2, 3순위에 있을 정도로 중요하게 여겨지고 있어요. 마치 '우리는 이걸 하고 있다'는 식이죠.

앤드류 맥아피: 우리가 이걸 하는 거야.

아디 이그나티우스: 우리는 실험을 통해 그 길로 들어설 수도 있습니다. 대규모로 나아갈 수도 있지만, 우리는 이 일을 해내고 있습니다. 그리고 방금 당신이 말했듯이, 데릭 톰슨조차도 아무도 아무것도 모른다고 말하지만, 당신은 사람들에게 헌신을 촉구하고 있었습니다. 어느 시점에서, 이것이 AI가 헌신할 가치가 있다는 신념의 문제인가요, 아니면 당신은 기술 낙관론자인가요? 즉, 우리는 이것을 어떻게 생각해야 할까요? 양쪽으로 주장할 수 있으니까요.

앤드류 맥아피: 아디, 알다시피 저는 기술 낙관론자입니다. 하지만 우리가 AI를 맹목적으로 믿을 필요는 없습니다. 경제학자들은 범용 기술이라고 부르는 것을 식별하는 세 가지 방법을 제시했습니다. 경제학 용어로 말하자면, 증기기관이나 내연기관 수준의 경제적 대변혁을 의미합니다. 이런 기술들은 경제 전반의 성장을 가속화합니다. 이를 인식하는 세 가지 방법이 있으며, 사전에 파악할 수 있습니다.

첫째, 기술 자체가 빠르게 발전하는가? AI를 보면 그렇다. 둘째, 이 기술이 다른 보완 혁신을 촉발하는가? 이미 AI 기반 자율주행차가 있으며, AI를 핵심으로 하는 로봇을 빠르게 개발·보급하려 하고 있다. 따라서 이것도 아마 그렇다고 볼 수 있다.

세 번째 기준은 이것이 한두 개의 분야나 경제에 국한되는지, 아니면 경제 전반에서 사용되기 시작하는지입니다. 우리는 이미 AI, 생성형 AI가 경제 전반에서 사용되는 것을 목격하고 있습니다. 그래서 이 세 가지 기준과 AI의 새로운 장을 고려할 때, 저는 '그렇다, 그렇다, 그렇다'고 말할 수 있습니다. 그것이 제 믿음이 가는 지점이고, 이건 단순한 믿음이 아니라 제가 이것이 정말 큰 변화라고 말할 수 있는 근거입니다.

아디 이그나티우스: 좋아요. 그럼 앞으로를 예측해 봅시다. AI가 할 수 있는 일을 한다면, 저와 많은 사람들에게 떠오르는 두 가지 큰 질문이 있습니다. 첫째, 이러한 도구가 모든 사람에게 접근 가능하다면, 지속 가능한 경쟁 우위는 어떻게 생각해야 할까요? 그것은 어디서 오는 걸까요? 둘째, 이것이 경영과 중간 관리 계층에는 도대체 어떤 영향을 미칠까요?

앤드류 맥아피: 네, 두 가지 큰 질문이네요. 저도 당신과 같은 이야기를 듣습니다. 즉, 소프트웨어를 작성하는 것처럼 어려운 일을 하는 비용이 낮아지면, 소프트웨어에 능숙하다는 경쟁 우위도 줄어드는 것 아닌가요? 저는 그렇게 보는 것이 올바른 관점이 아니라고 생각합니다. 소프트웨어를 작성하는 비용은 이미 계속 낮아지고 있었습니다. 정확히는 모르겠지만, 10배일까요? 1000배일까요? 적어도 10년 전보다 소프트웨어를 작성하는 비용이 몇 자릿수 이상 저렴해졌습니다. 그렇다면 오늘날 모든 사람이 소프트웨어에 동등하게 능숙하다는 뜻일까요? 전혀 아닙니다. 강력한 소프트웨어 시대는 기업 간의 경쟁적 차이를 더욱 선명하게 만들고 증가시켰습니다. 저는 AI가 결코 경쟁을 평준화하는 위대한 도구가 될 것이라고 생각하지 않습니다. 오히려 기업 간의 차이를 지금보다 훨씬 더 크게 만들 것입니다.

AI가 가장 많이 활용된 분야, 즉 소프트웨어 개발 분야를 살펴보면서 이에 대한 설득력 있는 증거가 나타나기 시작했습니다. 매우 흥미로운 패턴이 드러나고 있습니다. Adi, 우리 둘 다 오랫동안 네트워크 조직과 계층 구조의 평탄화에 대해 논의해 온 경력을 가지고 있습니다. 드디어 그 변화를 목격하고 있습니다. 사람들이 이 강력한 새로운 AI에 접근할수록 의사소통, 협업, 조정 작업을 덜 수행하는 경향이 있다는 사실이 밝혀졌습니다. 물론 그 작업이 완전히 사라지는 것은 아니지만, 프로젝트 운영과 다른 팀 조정과 같은 행정적 잡무를 기술에 맡기고 있는 듯합니다. 그 결과 인간이 수행하는 해당 작업의 양은 줄어들고 있습니다. 동시에 증거에 따르면, 가장 뛰어난 인재들, 즉 우리가 직면한 큰 문제에 집중시키고 싶은 사람들은 탐구 작업, 혁신, 한계 돌파에 더 많은 시간을 할애할 수 있게 되었으며, 이는 정확히 우리가 그들에게 바라는 바입니다.

또한 사람들이 에이전트 집단을 운영하는 기술은 특히 첨단 기술 분야나 제품 관리자로서의 뛰어난 관리자 기술과 매우 유사하다고 말하는 것을 들었습니다. 그래서 저는 크고 복잡한 작업을 운영하는 데 필요한 기술이 전혀 쓸모없어지고 있다고 생각하지 않습니다. 오히려 그 작업에는 인간과 기술이 놀랍도록 풍부하게 혼합되어 참여하게 될 것이라고 생각합니다.

아디 이그나티우스: 그 부분에 대해 이야기해 보죠. 듣고 계신 분들 중에는 "네, 네, 저희도 에이전트를 사용하고 있고, 관리하는 데 익숙하며, 어떤 경우에는 에이전트가 저를 관리하기도 해요"라고 생각하시는 분들이 분명 계실 거예요. 하지만 아직 그게 약간 공상과학처럼 느껴지거나 먼 미래의 일처럼 보이는 분들을 위해 말씀드리자면, 업무 환경에서 에이전트를 활용하는 개념에 대해 편안하게 느끼실 수 있도록 설명해 드리겠습니다.

앤드류 맥아피: 소프트웨어 에이전트는 우리가 익숙한 방식처럼 일일이 세세히 지시할 필요가 없는 기술입니다. 비교적 복잡한 작업을 지시하고, 가급적 명확한 지침을 주면, 대부분의 경우 몇 시간 동안 스스로 작업을 수행한 뒤 결과를 가져와 제시합니다. 그런데 이 새로운 기술인 오픈클로(OpenClaw)와 관련해 몇 가지 사례가 있었는데, 사람들이 너무 많은 자율성을 부여한 경우였습니다. 신용카드를 주고 크리스마스 쇼핑을 모두 처리하라고 지시하는 것은 아주, 아주 나쁜 생각일 겁니다. 하지만 적절한 안전장치를 마련하면, 이 기술들을 설정해 점점 더 오랜 시간 동안 작업을 수행하게 하고, 서로 상호작용하며 이중 확인, 감사, 규칙 준수 여부 확인, 활동 조정을 하게 한 뒤, 진행 상황 보고를 받을 수 있습니다.

그리고 시간이 지나면서 아주 빠르게, 그 진전은 점점 더 많아지고 버그는 점점 더 줄어듭니다. 그렇다고 해서 오늘날 에이전트를 마음대로 풀어놓을 수 있다는 뜻은 아닙니다. 다음 달에 그렇게 할 수 있다는 뜻도 아닙니다. 하지만 이러한 AI 조각들이 시간이 지남에 따라 점점 더 복잡한 일을 수행하고, 경우에 따라 서로 상호작용하는 능력이 점점 더 향상되고 있습니까? 두 경우 모두 절대적으로 그렇습니다. 그리고 제가 이야기한 누구도 그것이 곧 둔화될 것이라고 말하지 않습니다.

아디 이그나티우스: 제가 내린 한계선은 봇에게 제 신용카드를 주는 거예요. 그냥 "싸구려는 사지 마"라고 말할 거예요.

앤드류 맥아피: 좋아요.

ADI IGNATIUS: 그런 일은 일어나지 않습니다. 좋습니다. 청중의 질문이 많이 들어오고 있습니다. 그중 몇 가지를 합쳐서 다루고 싶습니다. 하나는 고객 성공 전략가인 Moumita의 질문이고, 다른 하나는 전무 이사인 Elena의 질문으로, 둘 다 성과 지표와 KPI에 관심이 있습니다. AI로 더 생산적이고 효율적이 됨에 따라 성과 지표를 어떻게 생각해야 하는지가 하나의 질문입니다. 그리고 지식 근로자의 경우 실제 KPI는 어떤 모습일까요?

ANDREW MCAFEE: 네, 그 질문에는 몇 가지 흥미로운 부분이 있습니다. 저는 두 가지 영역으로 나누어 설명하겠습니다. AI는 조직의 KPI, 즉 우리가 중요하게 여기는 지표에 영향을 미치기 위해서는 사람들이 그것을 사용해야만 합니다. 따라서 우리가 가장 먼저 권장하는 것은 AI 사용량을 추적하고 있는지입니다. 앞서 말씀드렸듯이, 이 기술을 받아들인 소수의 사람들만 있는 상황인가요? 그들 대부분이 현재 소프트웨어 엔지니어링 분야에서 일하고 있나요? 그리고 조직의 나머지 사람들은 여전히 관망하고 있나요? 우리는 지금 그것을 측정할 수 있습니다. 원하는 것은 파워 유저들이 자신의 일을 하며 사용량을 늘리는 것뿐만 아니라, 광범위한 채택과 사용량의 광범위한 증가를 보는 것입니다. 따라서 매우 풍부한 KPI 질문의 첫 번째 부분은 사용량을 올바르게 측정하고 있는지 확인하고, 그 사용량이 증가하기를 원한다는 것입니다.

이제, 그러한 모든 사용에 참여하고 AI 공급업체에 비용을 지불하는 이유는 일부 성과 지표가 개선되기를 원하기 때문입니다. 질문자가 지적했듯이, 이러한 성과 지표 중 일부는 매우 간단합니다. 예를 들어 콜센터에서는 상담원의 고객 서비스 생산성이 향상되기를 원합니다. 통화 시간은 줄어들고, 해결률은 높아지기를 원합니다. 해당 범주의 지식 작업에 대한 좋은 지표가 있습니다. 다른 범주의 지식 작업의 경우 훨씬 덜 명확합니다. 한 투자 은행의 대표와 이야기했을 때, 그는 "우리 애널리스트들이 실제로 하는 일은 매우 복잡한 분석이지만, 결과물은 고객에게 보여주는 슬라이드 덱처럼 보입니다. 만약 제가 애널리스트들에게 더 생산적이 되라고 말한다면, 그들이 단순히 두 배 많은 덱을 쏟아내지 않기를 바랍니다."라고 말했습니다.

따라서 측정하기가 실제로 상당히 복잡한 지식 작업 영역이 있습니다. 불가능한 것은 아니지만 조금 더 미묘합니다. 제게 있어 정말 좋은 소식은 변화를 측정하기 위한 경제학자 도구 상자가 있다는 것입니다. 변화가 미묘하더라도, 우리가 이야기하는 AI와 같은 개입에서 약간 떨어져 있더라도, 우리가 투자한 이 것이 좋은 결과를 가져왔는지 나쁜 결과를 가져왔는지 이해하기 위한 도구 상자가 있습니다. 그 도구 상자는 지금 정말 훌륭합니다. 우리는 Workhelix에서 이를 활용했습니다. 이것은 '신뢰성 혁명'이라고 불리는 것의 일부로, "당신이 무언가를 시도했습니다. 그것이 KPI를 원하는 방향으로 움직이게 했습니까?"라고 말할 수 있는 능력입니다. 그러한 능력은 20년 전보다 훨씬 더 좋아졌습니다. 따라서 이를 활용하고, 신뢰성 혁명을 KPI에 적용하십시오.

ADI IGNATIUS: 사람들을 회의적으로 만드는 문제 중 하나는 '워크슬롭'입니다. 이것은 Suzanne의 질문으로 많은 추천을 받았습니다. 많은 사람들이 워크슬롭을 목격하고 있습니다. 여기서 워크슬롭이란 멋져 보이지만 실제로는 그렇지 않고 동료들에게 더 많은 일을 만들 수도 있는 AI 생성 콘텐츠를 의미합니다. 워크슬롭을 볼 때, 그것을 훈련 문제, 문화 문제, 전략 문제, 또는 다른 무엇으로 생각하십니까? 그것은 문제입니다.

ANDREW MCAFEE: 그것은 문제이고, 위의 모든 요소가 조금씩 섞여 있습니다. 그리고 제가 우리가 향하지 않기를 바라는 해결책은 내 에이전트가 슬롭을 생성하고 당신의 에이전트가 그것을 걸러내어 당신에게 도달하는 것은 좋은 것만 있도록 하는 것입니다. 우리는 기업 내부나 기업 간에 슬롭 전쟁이 벌어지기를 원하지 않습니다. 여기서 정말 중요한 차이점 중 하나는, Adi, 당신은 프로세스 중심 조직과 결과 중심 조직의 차이에 대해 들어본 적이 있을 것입니다. 제가 연구하고 '긱 웨이'에 대해 쓴 긱 회사들은 매우 결과 중심적인 조직입니다. 그들은 프로세스의 필요성을 이해하지만, 그들이 정말로 중요하게 여기는 것은 비즈니스가 올바른 방향으로 가고 있는지 여부를 나타내는 지표입니다. 그 지표들은 어떻게 되고 있습니까? 저는 결과 중심 조직에서는 프로세스 중심 조직보다 워크슬롭에 대한 수요가 적을 것이라고 생각합니다.

프로세스 중심 조직은, 다음 회의에 모든 결과물을 가져왔습니까? 우리가 하기로 한 모든 일에 체크 표시를 했습니까? 모든 것을 다른 사람의 책상 위에 올려두었습니까? 그것이 고객이 신경 쓸 KPI를 움직였는지 여부와는 상관없이 말입니다.

프로세스 중심 조직에서는 워크슬롭의 양이 이미 상당히 높을 것이고 불행히도 더 높아질 가능성이 있다고 생각합니다. 결과 중심 조직에서는 상황이 상당히 다를 것이라고 예상합니다. 거기서 당신의 임무는 프로세스를 충족시키기 위해 문서를 생성하는 것이 아닙니다. 거기서 당신의 임무는 고객을 만족시키는 일을 완수하는 것입니다.

ADI IGNATIUS: 여기 당신의 애자일 대 폭포수 대화로 돌아가는 질문이 있습니다. 창립자이자 CEO인 Rich의 질문입니다. 이것은 실용적인 조언을 요청하는 것입니다. 전통적인 회사의 리더가 폭포수 사고방식과 문화에서 벗어나 애자일 마인드셋을 채택하기 위해 할 수 있는 한 가지는 무엇입니까?

ANDREW MCAFEE: 와우. 훌륭한 질문입니다. 리더가 할 수 있는 한 가지는 이해하는 것입니다. 두 부분으로 구성된 답변이지만 서로 관련이 있습니다. 양해 부탁드립니다. 아마존이 '원웨이 도어'와 '투웨이 도어'라고 부르는 것의 차이를 이해하는 것입니다. 즉, 여기서 실수를 해도 되는가? SpaceX는 많은 로켓을 발사하고 많은 로켓을 추락시켰습니다. 그들은 여러 면에서 로켓 발사가 투웨이 도어라는 것을 깨달았기 때문입니다. 사람을 태운 로켓을 발사하는 것은 원웨이 도어입니다. 그 차이를 이해하는 것, 그 로켓을 추락시키는 것은 용납할 수 없는 실패입니다. 따라서 SpaceX는 사람이 탑승한 로켓을 추락시키지 않기 위해 매우 열심히, 매우 성공적으로 노력합니다. 그러나 그러한 로켓을 만드는 방법을 배우는 방법은 배우고, 시도하고, 실패하고, "당신은 무언가를 배우기 위해 그 로켓을 만들었습니다. 우리는 아무도 태우지 않았습니다. 그것은 추락했습니다. 그것은 사실 좋은 일입니다. 우리는 그것에서 무언가를 배웠습니다."라고 말하는 조직의 일원이 되는 것입니다.

따라서 그 일부는 원웨이 도어와 투웨이 도어의 차이를 이해하고 그것에 대해 매우 명확히 하는 것입니다. 다른 부분은 투웨이 도어의 경우 사람들이 무언가를 시도하게 하고, 팀이 무언가를 시도하게 하는 것입니다. 리더로서 할 수 있는 모든 방법으로 투웨이 도어에 대한 실패는 무언가를 배우는 한 괜찮다는 신호를 보내십시오. 우리는 무엇을 배웠습니까? 다음 번에 무엇을 다르게 할 것입니까? 좋습니다. 다시 나가서 다시 시도해 봅시다. 이것이 리더가 더 애자일한 조직을 구축하기 시작할 수 있는 방법이라고 생각합니다.

ADI IGNATIUS: 인재에 대해 이야기하고 싶습니다. 채용과 기술에 대해 이야기하고 싶습니다. 아마 IBM이 초급 직위를 세 배로 늘리고 있다는 보고서를 보셨을 것입니다. AI가 초급 일자리를 없앨 것이라고 예상했기 때문에 다소 직관에 반합니다. 마이크로소프트도 비슷한 말을 한 것으로 알고 있습니다. 어떻게 생각하십니까? HR은 채용, 채용 프로필, 기술에 대해 어떻게 생각해야 할까요? 사람들은 가볍게 "더 많은 인문학 전공자를 원합니다"라고 말하고 있습니다. 그것이 실제인지 아니면 그냥 좋게 들리는 것인지 모르겠지만, 어떤 기술이 필요할까요? 어떤 프로필이 필요할까요? 기업들은 이 시대에 사람을 채용하는 방법에 대해 어떻게 생각해야 할까요?

ANDREW MCAFEE: 많은 기업들이 초급 채용을 줄인 이유는 AI를 통한 대규모 자동화를 예상했기 때문입니다. 특히, 그들은 주니어 직원에게 의존했던 더 일상적인 업무를 수행할 수 있는 자동화를 예상했습니다. 그런데 여기에는 두 가지 문제가 있습니다. 첫째, 직무 교육과 견습을 통한 현장 학습 외에 사람들이 일을 배울 수 있는 다른 방법이 무엇이겠습니까? 어려운 지식 작업을 배우는 방법은 그 일을 잘하는 사람이 일상적인 업무를 처리하는 것을 도우면서 배우는 것입니다. 그리고 너무 빨리 너무 많은 자동화를 도입하면 그 견습 사다리를 잃게 됩니다. 그러나 또 다른 실수는 초급 채용을 중단하면 조직에서 AI 열성가, AI 파워 유저, AI 애호가가 될 가능성이 가장 높은 사람들의 파이프라인을 차단하는 것입니다.

큰 인구 통계학적 차이가 있습니다. 사람들은 나이가 들수록 자신의 방식에 더 고착되고 AI와 같은 미친 새로운 것을 시도하려는 의지가 줄어드는 경향이 있습니다. 따라서 초급 채용을 줄이면 미래의 학습 기회와 숙련된 인재를 희생할 가능성이 높습니다. 또한 조직에서 가장 열정적인 AI 파워 유저의 공급원을 차단하는 것입니다. 이러한 이유로 IBM과 마이크로소프트와 같은 조직이 이제 매우 재능 있는 AI 지향적인 젊은 인재 파이프라인을 확보하려고 노력하고 있다는 소식을 듣고 그다지 놀라지 않습니다.

ALISON BEARD: 지금까지 MIT의 연구 과학자 Andy McAfee가 HBR의 최근 전략 서밋 2026의 일환으로 마스터클래스를 진행했습니다.

이 에피소드가 도움이 되셨다면 동료와 공유해 주시고, 꼭 구독과 평가를 부탁드립니다. 아이디어 캐스트 Apple Podcast, Spotify, 또는 듣고 계신 곳 어디에서든 가능합니다. 리더들이 세상을 앞으로 나아가도록 돕고 싶다면 Harvard Business Review 구독을 고려해 주세요.

HBR 모바일 앱, 주간 독점 인사이더 뉴스레터, HBR 온라인 무제한 이용이 가능합니다. hbr.org/subscribe로 이동하세요. 저희 팀, 선임 프로듀서 Mary Dooe, 오디오 제품 관리자 Ian Fox, 선임 제작 전문가 Rob Eckhardt에게 감사드립니다. HBR을 들어주셔서 감사합니다. 아이디어캐스트. 화요일에 정규 에피소드로 돌아오겠습니다. 저는 Alison Beard입니다.