https://www.oneusefulthing.org/p/ai-in-organizations-some-tactics
AI in organizations: Some tactics
Meet the Lab and the Crowd
www.oneusefulthing.org
요즘 AI열풍이 불고 있는데 개인적으로 활용은 잘 하고 있으나 회사 조직에서 보면 이게 맞나?
싶은 정책이나 활용 방법에 대한 잘못된 접근 방법이 나오고 있다. 여기 좋은 글이 있어 해석을 해서 올린다.
영어 해석은 DeepL을 이용했다.
지난 몇 달 동안 우리는 직장에서의 AI에 대한 두 가지 핵심 사항에 대해 점점 더 명확한 증거를 얻었습니다:
1. 많은 사람들이 직장에서 AI를 사용하고 있습니다. 지난 1월 덴마크의 지식 근로자를 대상으로 한 대표적인 연구에 따르면 마케터의 65%, 언론인의 64%, 변호사의 30%가 직장에서 AI를 사용한 경험이 있다고 답한 것으로 나타나 이러한 현상은 EU에서 일어나고 있음을 알 수 있습니다. 또한 지난 8월 미국 근로자를 대상으로 한 새로운 연구에서도 근로자의 1/3이 지난 한 주 동안 직장에서 제너레이티브 AI를 사용한 적이 있다고 답했습니다. (해당 연구에서 가장 많이 사용된 도구는 ChatGPT였으며, 그다음으로 Google의 Gemini가 뒤를 이었습니다).
2.저희는 개인이 중요한 업무에서 생산성 향상을 경험하고 있다는 것을 알고 있습니다. 컨설턴트들이 GPT-4를 사용하여 18가지 작업을 25% 더 빨리 완료했다는 저희의 연구 결과를 거의 확실하게 보셨을 것입니다. 그러나 코딩을 위한 기존 GitHub Copilot의 실제 배포에 대한 또 다른 새로운 연구에 따르면 생산성이 26% 향상되었습니다(이 연구는 지금은 사용되지 않는 GPT-3.5를 사용했으며 현재의 코딩 도구보다 훨씬 덜 발전된 버전입니다). 이는 자체 보고된 데이터와도 일치합니다. 예를 들어, 덴마크의 한 연구에 따르면 사용자들은 직장에서 수행하는 업무의 41%에 대해 AI가 업무 시간을 절반으로 줄여준다고 생각했습니다.
하지만 회사에서 AI 사용에 대해 리더 및 관리자와 이야기할 때, 그들은 종종 허용된 좁은 사용 사례 외에는 AI 사용이 거의 없고 생산성 향상 효과도 거의 없다고 말합니다. 그렇다면 이 두 가지 경험을 위의 요점과 어떻게 조화시킬 수 있을까요?
개인의 성과를 높이는 AI 활용이 항상 조직의 성과 향상으로 이어지지 않는 이유는 여러 가지가 있습니다. 조직의 성과를 높이려면 AI 활용에 대한 연구개발이 필요하며, 연구개발은 대부분 사용자가 직접 수행해야 합니다. 다시 한 번 강조하지만, R&D는 대부분 직접 수행해야 합니다. 수십 년 동안 기업들은 조직 혁신을 컨설턴트나 엔터프라이즈 소프트웨어 공급업체에 아웃소싱해 왔으며, 이들은 많은 조직에서 본 것을 바탕으로 일반화된 접근 방식을 개발해 왔습니다. 적어도 당분간은 이 방식이 통하지 않을 것입니다. 회사에서 AI를 가장 잘 활용하는 방법에 대한 특별한 정보나 조직에 통합하는 방법에 대한 플레이북을 가진 사람은 아무도 없습니다. 주요 AI 회사조차도 어떻게 AI를 가장 잘 활용할 수 있는지 알지 못한 채 모델을 출시하고 트위터에서 공유되는 사용 사례를 발견합니다(괜찮습니다, X). 특히 그들은 사용자의 산업, 조직 또는 상황에 대해 잘 모릅니다. 우리는 모두 함께 이 문제를 해결해 나가고 있습니다. 우위를 점하려면 더 빨리 알아내야 합니다.
군중을 위한 전술
MIT에서 박사 학위를 받을 때 지도교수 중 한 명은 사용자 혁신이라는 개념을 개발한 에릭 폰 히펠 교수였는데, 그는 많은 획기적인 혁신이 중앙 R&D 연구소가 아니라 실제로 제품을 사용하고 자신의 문제를 해결하기 위해 제품을 만지는 사람들로부터 나온다는 것으로 유명합니다(그의 웹사이트에서 이 연구에 대한 많은 내용을 읽을 수 있습니다). 그 주된 이유는 새로운 제품을 개발하려는 외부인에게는 실험이 어렵고 비용이 많이 들지만, 자신의 업무를 수행하는 직원에게는 매우 저렴하기 때문입니다. 사용자들은 기술을 통해 자신의 업무를 더 쉽게 만들고자 하는 동기가 강하기 때문에 그렇게 할 수 있는 방법을 찾게 됩니다. 특히 제너레이티브 AI를 실험할 때는 시스템이 불안정하고 기능의 경계가 들쭉날쭉하기 때문에 사용자가 유리합니다. 전문가들은 시행착오를 통해 AI가 자신의 업무에 유용한지 쉽게 판단할 수 있지만, 외부인은 그렇지 못한 경우가 많습니다.
설문조사와 많은 대화를 통해 사람들이 AI를 실험하고 있고 매우 유용하다고 생각한다는 것을 알 수 있었습니다. 하지만 그들은 그 결과를 고용주와 공유하지 않습니다. 대신 거의 모든 조직에 비밀 사이보그가 완전히 침투하여 AI를 사용하지만 회사에는 알리지 않는 사람들이 있습니다.
비밀 사이보그를 원하시나요? 시크릿 사이보그를 구하는 방법은 다음과 같습니다
사람들이 조직 내에서 AI 실험을 공유하지 않는 일반적인 이유는 다음과 같습니다:
- 부적절한 AI 사용이 어떻게 처벌될 수 있는지에 대한 무서운 이야기를 들었습니다. 어쩌면 부적절한 사용이 무엇인지 모호하게 설명했을 수도 있습니다. 어쩌면 묻고 싶지 않았을 수도 있습니다. 처벌을 받고 싶지 않아서 사용을 숨기는 것일 수도 있습니다.
- 이들은 민감한 이메일과 빠른 코딩 능력으로 직장에서 영웅 대접을 받고 있습니다. 이들은 자신이 AI라고 밝히면 사람들이 자신을 덜 존중할까 봐 사용 사실을 숨깁니다.
- 그들은 기업이 생산성 향상을 비용 절감의 기회로 여긴다는 것을 알고 있습니다. 이들은 회사가 AI가 자신의 업무 일부를 수행한다는 사실을 알게 되면 자신이나 동료가 해고될 수 있다고 생각하기 때문에 AI 사용을 숨깁니다.
- 그들은 AI 사용 사실을 밝히면 처벌을 받지 않더라도 보상을 받지 못할 것이라고 생각합니다. 자신이 알고 있는 정보를 공짜로 나눠줄 수 없기 때문에 사용 사실을 숨깁니다.
- 기업이 비용을 절감하고 사용량에 대한 보상을 제공하지 않아도 생산성 향상은 더 많은 업무를 처리할 수 있을 것이라는 기대감으로 바뀔 수 있다는 것을 알고 있기 때문에 사용량을 숨깁니다.
- 그들은 사람들에게 자신의 접근 방식을 보여주고 싶은 인센티브가 있지만, AI를 사용하는 방법을 공유할 방법이 없기 때문에 사용 방법을 숨깁니다.
사이보그의 도움 받기
그렇다면 기업은 이 문제를 어떻게 해결할 수 있을까요? 바로 이러한 문제를 심각하게 받아들이는 것입니다.
첫째, 두려움을 줄여야 합니다. AI 윤리에 대한 막연한 이야기나 무서운 포괄적인 정책 대신, 모든 종류의 실험이 허용되는 명확한 영역을 제시하고 윤리적으로나 법적으로 가능한 범위에서 사람들이 AI를 사용할 수 있도록 허용하는 방향으로 편향해야 합니다(참고로, 많은 내부 법무 부서는 AI의 위험에 대해 구시대적인 시각을 갖고 있습니다). 규칙과 윤리 기준은 분명히 중요하지만, 엄격할 것이 아니라 명확하고 잘 이해될 수 있어야 합니다. 그리고 정책을 고치는 것만으로는 충분하지 않습니다. 생산성 향상이 해고로 이어지지 않을 것이라는 점을 직원들에게 어떻게 보장할 수 있을지 생각해 보세요. 큰 변화의 순간에 기술 발전을 이용해 직원을 해고하는 것은 좋지 않은 생각인 경우가 많기 때문입니다. 좋은 문화를 가진 회사라면 이 과정이 더 쉬울 수 있지만, 직원들의 경영진에 대한 신뢰가 낮은 회사라면 이번에는 신기술을 해고의 구실로 삼지 않을 것임을 보여주기 위해 극단적인 조치를 취해야 할 수도 있습니다. 심리적 안정감은 혁신을 공유하려는 의지의 핵심인 경우가 많습니다.
둘째, 보상 시스템을 조정해야 합니다. AI 사용을 공개하는 직원에게 어떻게 보상할지 고민하세요. 생산성이 향상되면 직원들에게도 혜택이 돌아가야 합니다. 이는 큰 성과에 대해 큰 보상을 주는 것을 의미할 수도 있습니다. 몇 달치 월급에 해당하는 상금을 생각해 보세요. 프로모션. 코너 오피스. 영원히 재택근무를 할 수 있습니다. LLM을 통해 얻을 수 있는 잠재적인 생산성 향상은 획기적인 혁신을 위해 지불할 수 있는 작은 대가입니다. 또한 큰 인센티브는 조직이 진지하다는 것을 보여줍니다.
셋째, 긍정적인 사용 모델을 제시하세요. 경영진은 분명하게 AI를 사용하고 그 사용 사례를 회사와 공유해야 합니다. JP Morgan의 자산 및 자산 관리 그룹 CEO인 Mary Erdoes가 경영진 수준에서 AI 사용의 우선순위를 정하고 AI 경험을 전략적 사고에 통합하는 방법에 대해 이야기하는 것을 시청하세요. 그리고 일단 사용자가 되면 관리자는 직원들이 문제를 해결하기 위해 먼저 AI를 사용하도록 장려할 수 있습니다. 예를 들어 SmartBear의 CMO인 Cynthia Gumbert는 팀에서 새로운 프로젝트에 대한 리소스를 요청할 때 AI가 도움이 될 수 있다고 생각되면 "먼저 AI로 할 수 없다는 것을 증명하면 내가 자금을 지원할 수도 있습니다."라고 말한다고 말했습니다.
다른 사람들에게도 사용법을 보여줄 수 있는 기회를 제공하세요. 해커톤과 같은 대중을 대상으로 하는 이벤트(특히 기술 전문가가 아닌 MBA들도 기술 수준에 관계없이 다양한 업무에 유용한 GPT를 개발할 수 있었습니다)와 즉석 공유 세션은 종종 효과가 있습니다. 또한 커뮤니티를 구축하는 방법도 고려해야 합니다. AI 인재는 조직 내 어디에나 있을 수 있습니다. 열정적이고 재능 있는 인재를 어떻게 찾고, 그들이 배운 것을 공유하도록 돕고 있나요?
물론 직원들에게 도구와 교육에 대한 액세스 권한도 제공해야 합니다. 도구의 경우, 이는 일반적으로 프론티어 모델(아마도 여러 제공업체 중 하나를 통해 클로드 3.5, GPT-4o 또는 제미니 1.5)과 보다 완벽한 솔루션을 개발하고 공유할 수 있는 OpenAI의 GPT, 클로드의 프로젝트 또는 Google의 Gems 같은 시스템을 직접 플레이할 수 있는 기능을 제공하는 것을 의미합니다. AI를 사용하는 방법에 대해 아직 많은 논의가 이루어지고 있기 때문에 교육은 조금 더 어려운 과제이지만(여기에서 자극적인 연구를 바탕으로 몇 가지 조언을 제공했습니다), 입문 세션만으로도 사람들에게 혁신에 대한 권한을 부여할 수 있습니다.
AI를 위한 혁신 인재는 조직 내부에 있습니다. 이러한 인재가 번성할 수 있는 기회를 만들어야 합니다. 대중이 도움을 줄 수 있습니다. 하지만 보다 집중적인 혁신 노력을 위한 역할도 있습니다: 바로 랩입니다.
연구소를 위한 전술
분산형 혁신도 중요하지만, 조직에서 R&D를 어떻게 활용할지 고민하는 중앙 집중식 노력의 역할도 중요합니다. 연구소는 주제별 전문가와 기술자 및 비기술자가 혼합되어 구성되어야 합니다. 다행히도 대중이 연구원을 제공합니다. AI를 사용하는 방법을 알아내고 이를 자랑스럽게 회사와 공유하는 열성적인 사람들이 연구소에 필요한 인재 중 일부가 될 것입니다. 이들의 업무는 전적으로 또는 대부분 AI에 관한 것입니다. 분석이나 추상적인 전략이 아니라 구축에 집중해야 합니다. 다음은 이들이 구축할 내용입니다:
- 조직을 위한 AI 벤치마크를 구축하세요. 이전에도 AI 벤치마크의 상태에 대해 이야기한 적이 있지만, 거의 모든 AI 연구소에서 코딩과 객관식 지식 테스트를 실시합니다. 이러한 테스트는 어떤 AI가 가장 스타일리시한 글을 쓰는지, 재무 데이터를 처리할 수 있는지, 법률 문서를 가장 잘 읽을 수 있는지를 알려주지 않습니다. 회사 내부에서 실제로 수행하는 업무에서 각 모델이 얼마나 잘할 수 있는지 자체적인 벤치마크를 개발해야 합니다. 명확한 비즈니스 크리티컬 업무와 이를 평가할 수 있는 기준을 세우는 것이 핵심입니다(Anthropic에서 벤치마킹 가이드를 제공하고 있으니 참고하세요). 이러한 벤치마킹 기준이 없으면 맹목적으로 비행하는 것과 같습니다. 인공지능 시스템이 얼마나 좋은지 알 수 없고, 더 중요한 것은 얼마나 발전하고 있는지 알 수 없다는 것입니다. 벤치마크가 있다면 새로운 O-1 모델이 기회인지 위협인지, 아니면 인간의 성과와 격차를 좁혀가고 있는지 알 수 있을 것입니다. 하지만 대부분의 조직은 전혀 모릅니다.
- 효과적인 프롬프트와 도구를 구축하세요. 크라우드에서 아이디어를 가져와서 빠르고 더티한 제품으로 만들어 보세요. 반복하고 테스트하세요. 그런 다음 조직에 배포하고 어떤 일이 발생하는지 측정하세요.
- 아직 작동하지 않는 것을 구축하세요... 아직... 주요 비즈니스 프로세스의 모든 작업을 AI 에이전트로 수행한다면 어떤 모습일까요? 먼저 구축해보고 실패하는 부분을 살펴보세요. 그런 다음 새로운 모델이 나오면 구축한 모델에 연결하여 더 나은 점이 있는지 확인합니다. 발전 속도가 계속된다면, AI 모델이 임계값을 넘어 개선되는 순간에 실제로 배포 가능한 프로토타입을 확보할 수 있는 기회를 얻을 수 있습니다.
- 도발과 마법을 만들어 보세요. 많은 사람들이 AI와 소통하는 데 실패했습니다. 하지만 AI를 면밀히 관찰하고 있다면 정기적으로 놀랍거나 충격적인 것을 보게 될 가능성이 높습니다. 사람들이 AI가 조직을 변화시키거나 변화시킬 수 있는 이유를 직관적으로 이해할 수 있는 데모와 경험은 그 자체로 가치가 있습니다. AI를 통해 불가능한 작업을 얼마나 멀리 수행할 수 있는지, 또는 최신 도구로 어떤 성과를 거둘 수 있는지 보여주세요. 사람들을 움직이게 하세요.
군중이 혁신하고 연구소가 구축하고 테스트합니다. 성공적인 내부 R&D 노력에는 이 두 가지가 모두 포함될 가능성이 높습니다.
이것은 시작에 불과합니다.
장기적으로 볼 때, AI의 능력이 계속 발전한다면 혁신이 성공하기 위해서는 혁신만으로는 충분하지 않으며, 기업은 AI를 인식하는 리더십이 필요할 것입니다. 우리의 조직은 우리가 이용할 수 있는 유일한 형태인 인간 지능의 한계와 이점을 중심으로 구축되었습니다. 이제 우리는 수십 년에 걸쳐 개발된 프로세스와 조직 구조를 AI의 '지능'을 고려하여 재구성하는 방법을 찾아야 합니다. 이를 위해서는 R&D를 넘어 조직 구조와 목표, 그리고 미래의 조직에서 사람과 기계의 역할에 대한 고려가 필요합니다. 이를 위한 올바른 방법은 아직 명확하지 않지만, 기업과 기업에게 조언을 제공하는 컨설턴트 및 학계가 지금부터 시작해야 할 작업입니다.
그러나 이것은 충분히 급진적이지 않을 수 있습니다. AI 연구소의 분명한 목표는 모든 지적 작업에서 인간보다 뛰어난 AI를 개발하는 것입니다. 그들은 곧 스스로 계획하고 행동할 수 있는 목표를 가진 자율적인 AI인 에이전트를 갖게 될 것이라고 약속했습니다. OpenAI의 로드맵에서 알 수 있듯이 궁극적으로는 조직의 업무를 수행하는 AI를 만들 수 있다고 믿습니다. 이 모든 것이 실현되지는 않겠지만, 일부만 실현되더라도 조직에 미치는 변화는 지금으로서는 상상하기 어려운 방식으로 훨씬 더 심대해질 것입니다. 기업이 이러한 불확실성을 헤쳐나가는 가장 좋은 방법은 일부 권한을 되찾고 새로운 세상을 직접 탐색하는 것입니다.
'영어 해석 > IT 관련 해석' 카테고리의 다른 글
| 2024년 소프트웨어 엔지니어 연봉 통계(미국기준) (1) | 2025.01.09 |
|---|---|
| 암을 위한 새로운 인공 지능 도구 (10) | 2024.10.28 |
