본문 바로가기
잠들어 있는 지원금으로 공개/기업 교육비용 90% 환급 받자! [중소기업 인재키움 프리미엄 훈련]​

IGM 인사이트

이미지 목록

  • 559
    [칼럼] 매일 확인하는 그 숫자는 진짜 성과가 맞나요? N새글
    1년치 AI 예산을 단 4개월 만에 탕진해버린 회사가 있다?글로벌 테크 기업 우버(Uber)는 올해 초 엔지니어 조직의 생산성을 끌어올리자는 취지로 AI 코딩 도구를 적극적으로 활용할 것을 독려했다. 그리고 개인과 팀별 사용량(토큰 소비량)을 실시간으로 집계해 순위를 매기는 사내 리더보드를 가동했다. AI 도구 사용량은 곧 열심히 일한다는 증거로 여겨졌고 직원들은 순위에 오르기 위해 필요 이상으로 무거운 프롬프트를 작성하고 불필요한 자동화 코드까지 반복해서 돌리는 이른바 토큰 맥싱(Token Maxing, 토큰 사용량 극대화) 경쟁에 뛰어들었다.그 결과 2월 32% 수준이던 사용률은 불과 한 달 만인 3월에는 84%까지 치솟았다. 사태가 심각해지자 회사는 개발자 1인당 도구별 월 1500달러라는 지출 한도를 급히 잠갔다. 우버 최고운영책임자(COO) 앤드루 맥도널드는 한 인터뷰를 통해 “막대한 토큰 지출이 실제로 더 나은 서비스 개선으로 이어졌다는 명확한 증거를 찾기 어려웠다”고 인정했다. 비용 대비 성과는 증명하지 못한 셈이다.지표가 목표가 되는 순간 시작되는 ‘굿하트의 함정’영국의 경제학자 찰스 굿하트는 “어떤 지표가 목표가 되는 순간 그 지표는 더 이상 좋은 지표로서의 기능을 상실한다”고 경고했다. 이른바 ‘굿하트의 법칙’이다. 현상을 관찰하고 진단하는 용도로 쓰일 때 지표는 현실을 정직하게 비춰준다. 하지만 지표를 평가와 보상의 ‘목표’로 내걸고 압박하는 순간 사람들은 진짜 가치를 만드는 대신 숫자를 올리는 데 몰두한다.우버 사례를 다시 보자. AI 도구 사용량은 원래 생산성을 짐작하게 해주는 참고 신호였다. 그러나 그것을 리더보드에 올려 경쟁의 목표로 삼는 순간 사용량은 생산성과 무관하게 부풀려지기 시작했다. 많이 쓰는 것 자체가 목적이 되어버린 것이다. 숫자는 계속 올라갔지만 그것이 더 나은 성과를 뜻하지는 않았다.‘무엇을 측정하는가’가 곧 조직의 ‘가치관’지표의 함정은 조작과 남용에만 있지 않다. 애초에 ‘무엇을 측정하기로 정했는가’ 하는 선택 자체가 그 조직의 가치관을 그대로 드러낸다.글로벌 이커머스 기업 아마존에는 ‘TOT(Time Off Task, 작업 이탈 시간)’라는 악명 높은 지표가 있었다. 물류센터 직원이 바코드를 스캔하지 않는 시간을 초 단위로 추적하는 시스템이다. 5분 이상 자리를 비우면 기록이 누적되고 기준치를 초과하면 시스템이 자동으로 경고나 해고 절차를 밟았다. 화장실에 다녀오는 시간이나 동료와 짧은 업무 대화를 나누는 시간조차 ‘생산성 이탈’로 잡혔다.결과는 참혹했다. 직원들은 화장실 가는 시간을 아끼려 물을 마시지 않았고 몸의 이상 신호를 무시한 채 달렸다. 미국 노동안전보건국(OSHA) 데이터를 바탕으로 한 조사에서 아마존 물류창고의 부상률이 경쟁사인 월마트 등 타사의 두 배에 달한다는 사실이 밝혀졌다.이를 우연히 발생한 부작용이라고 할 수 있을까? 휴식과 생리 현상 같은 기본적인 인적 요소를 고려하지 않고 작업 이탈 시간만을 초 단위로 추적한 지표 설계는 그 자체로 단기 효율 극대화에 집중된 구조적 선택이다. 이는 조직이 무엇을 중요하게 여기는지에 대한 명확한 선언이다. 작업 속도와 가동률은 정밀하게 측정하면서 안전과 인적 지속 가능성은 지표에서 배제할 때 조직의 시스템은 자연스럽게 사람보다 단기적 수치에 편중되어 작동할 수밖에 없다.지표가 본질을 삼켜버렸음을 알리는 3가지 신호지표는 단순한 중립적 수치에 그치지 않는다. 무엇을 세고(Count) 무엇을 세지 않을지 정하는 선택 속에는 이미 조직이 중시하는 관리의 우선순위가 담겨 있다. 지표로 설정된 항목은 조직 내에서 명확한 실행 기준이 되지만 지표에 포함되지 않은 가치는 관리의 시야에서 상대적으로 멀어지기 쉽다.“측정할 수 있어야 관리할 수 있다”는 피터 드러커의 유명한 격언 역시 경영 현장에서 자칫 불균형을 낳을 수 있어 신중한 접근이 필요하다. 측정이 용이한 영역에 관리가 집중되다 보면 정작 정량화하기 어려운 본질적 가치가 경시될 수 있기 때문이다. 매출, 처리 건수, 토큰 사용량처럼 수량화하기 쉬운 지표는 정밀하게 추적되지만 고객의 신뢰, 코드의 근본적인 품질, 조직의 피로도처럼 눈에 보이지 않는 중요한 가치는 관리 우선순위에서 밀려나기 쉽다.그렇다면 우리 조직의 지표가 목표로 변질되어 본질을 갉아먹고 있는지는 어떻게 알 수 있을까? 다음 세 가지 경고 신호를 주목해야 한다.첫째, 지표는 상승하는데 진짜 목표는 제자리이거나 후퇴할 때다. 우버처럼 AI 사용량 지표나 영업 실적 숫자는 늘어나는데 제품의 품질이나 고객 만족도는 제자리라면 그 실적은 조직의 미래를 담보로 당겨쓴 가짜 성과다.둘째, 구성원들이 ‘지표의 규칙’을 이용해 게임을 하기 시작할 때다. 지표의 허점을 찾아내 실질적 성과 없이 숫자만 맞추는 꼼수가 조직 내에 팽배해진다면 이미 그 지표는 오염된 것이다.셋째, 측정되지 않는 중요한 업무를 서로 기피할 때다. 지표에 반영되는 단기 과제에만 인력이 몰리고 시간이 오래 걸리거나 숫자로 증명하기 힘든 근본적 문제 해결에는 아무도 나서지 않는 현상이다.지표를 제자리에 돌려놓는 두 가지 실천 전략아마존은 2021년 거센 사회적 비판과 규제 압박에 직면하자 TOT 지표의 운영 방식을 전면 수정했다. 단기적인 시간 이탈을 개인의 생산성 평가와 징계 수단으로 쓰지 않고 장기 평균을 내어 ‘물류 시스템의 오류나 병목을 감지하는 진단 도구’로 재정의했다. 회사의 설명대로 지표가 본래의 목적인 ‘시스템 개선’으로 돌아가자 현장의 과도한 압박도 완화되기 시작했다.이처럼 숫자의 함정에서 벗어나는 길은 지표를 ‘목적지’가 아닌 ‘보조 도구’의 제자리로 돌려놓는 것이다.첫째, 지표 하나만 보지 말고 이를 견제할 ‘반대편 지표’를 함께 세워라. 하나의 지표만 내걸면 조직은 그 숫자에 잡아먹힌다. 지표가 변질되어 부작용을 일으킬 때 이를 견제할 수 있는 반대편의 지표를 함께 바라봐야 한다. AI 도입률을 높인다면 ‘실제 제품 오류 감소율’이나 ‘개발 주기 단축 시간’을 함께 보고, 처리 속도를 올려야 한다면 ‘재작업률’을 나란히 배치하는 방식이다. 두 지표가 서로를 견제할 때 비로소 왜곡을 막을 수 있다.둘째, 지표를 사람을 평가하는 잣대로 쓰지 말고 프로세스의 허점을 찾는 진단 도구로 삼아라. 지표를 구성원을 감시하고 통제하는 수단으로 쓰면 구성원은 숫자를 조작하는 편법으로 응수하게 된다. 지표는 개인의 실적을 심판하는 도구가 아니라 업무 과정과 시스템에 어디가 고장 났는지 확인하는 진단용 데이터여야 한다.지표는 유용한 지도다. 방향을 가리키고 현주소를 알려준다. 하지만 지도만 들여다보고 있으면 창밖의 풍경이 바뀌고 지형이 무너져 내리는 것은 보지 못한다. 지금 당신은 어떤 숫자를 들여다보고 있는가? 그리고 그 숫자를 채우기 위해 전속력으로 달리는 동안 조용히 갉아먹히고 있는 조직의 진짜 본질은 무엇인가?김민경 IGM세계경영연구원 인사이트연구소장* IGM 한경비즈니스 칼럼을 정리한 글입니다.
    작성자 작성일 11-19 조회 14
  • 558
    [프리즘] 쏟아지는 AI 콘텐츠 속, 휴먼 프리미엄을 …
    * 본 콘텐츠는 IGM 트렌드 리포트 '프리즘'에 수록된 글로, 총 2편으로 나누어 연재됩니다. 이전 글(1/2) 읽기《인간시대》와 《PD수첩》 등을 제작·기획한 권문혁 히트메카닉스 대표는 AI가 만들어낸 완성도 높은 결과물이 많아질수록 ‘인간의 흔적’이 프리미엄으로 부상한다고 말한다. 그는 AI를 능숙하게 활용하되, 콘텐츠에 인간만의 흔적을 남기기 위한 전략적 고민도 필요하다고 강조한다. 그렇다면 최근 기업들은 콘텐츠에 인간의 흔적을 어떤 방식으로 남기고 있을까? 3가지 사례를 살펴보자.‘No AI’를 선언한 에어리(Aerie)에어리는 미국 의류기업 아메리칸이글아웃피터스(American Eagle Outfitters) 산하의 속옷·라운지웨어 브랜드다. 에어리는 2014년부터 ‘에어리 리얼(Aerie Real)’ 캠페인을 통해 광고 속 인물과 신체를 보정하지 않겠다는 원칙을 지켜왔다. 매끈하게 수정된 몸 대신 실제 고객과 모델의 모습을 보여주겠다는 약속이었다.생성형 AI가 패션 광고에 빠르게 확산하자, 에어리는 2025년 10월 이 약속의 범위를 넓혔다. 브랜드는 “보정 없음. AI 사용 없음. 100% 에어리 리얼(Aerie Real)”이라는 메시지와 함께, 광고와 마케팅에서 AI로 생성한 사람이나 신체 이미지를 사용하지 않겠다고 밝혔다. 다만 이는 AI 기술 전체를 배제한다는 의미는 아니다. 에어리는 데이터 분석 등에는 AI를 활용할 수 있지만, 사람의 신체나 얼굴을 생성·변형하는 용도로는 사용하지 않겠다는 선을 그었다. 에어리 최고마케팅책임자(CMO) 스테이시 맥코믹(Stacey McCormick)은 브랜드가 “우리 브랜드의 DNA는 진정성에 있다”며 “사람의 모습을 바꾸려 하지 않는다. 튼살을 지우지 않는 것도 그중 하나”라고 설명했다. 소비자의 반응도 컸다. 출처: Aerie intagram 에어리가 2025년 10월 9일 인스타그램에 게시한 선언문은 4만 건 이상의 ‘좋아요’와 500개 이상의 댓글을 받았다. 소셜미디어 분석업체 메트리쿨(Metricool)에 따르면 이 게시물은 당시 최근 1년간 에어리의 인스타그램 게시물 가운데 가장 높은 반응을 얻었다.‘Human-made’를 인증하는 미국작가길드(Authors Guild)생성형 AI로 작성된 책이 온라인 서점과 마켓플레이스에 늘어나면서, 독자가 인간이 쓴 책과 AI가 생성한 책을 구분하기 어려워지고 있다. 이에 미국작가길드는 2025년 1월 ‘Human Authored’ 인증을 도입했다. 이 인증은 책에 AI가 전혀 사용되지 않았음을 뜻하지는 않는다. AI 기반 맞춤법·문법 검사처럼 보조적인 AI 활용은 허용하되, 글의 표현 자체는 인간이 창작했다는 사실을 구분해 보여준다. 인증을 받은 작가와 출판사는 ‘Human Authored’ 마크를 책 표지와 책등, 홍보물 등에 사용할 수 있다. 2025년 회원을 대상으로 시작한 인증에는 첫해 1,250명의 작가가 참여해 약 4,000권을 등록했다. 이후 2026년 3월에는 3,000명 이상의 작가가 5,000권의 도서를 등록했다.‘사람의 취향’을 내세운 반스앤노블(Barnes & Noble)미국 최대 오프라인 서점 반스앤노블의 매장에는 서점 직원들의 취향이 고스란히 묻어난다. 책장에는 직원이 직접 읽고 느낀 감상과 추천 이유를 손글씨로 적어 둔 ‘스태프 픽(Staff Pick)’ 카드가 놓여 있다. 이는 반스앤노블이 추진해 온 매장 전략과도 맞닿아 있다. CEO 제임스 던트(James Daunt)는 본사가 모든 매장의 도서 선정과 진열 방식을 일률적으로 정하던 운영에서 벗어나, 각 매장의 직원들이 어떤 책을 들여놓고 어떻게 소개할지 직접 판단할 수 있도록 자율성을 확대했다. 출처: Intagram / Barnes&Noble Staff Picks hashtag스태프 픽 카드는 AI 시대에 새롭게 등장한 방식은 아니다. 다만 온라인 서점과 유통 플랫폼에서 데이터와 알고리즘 기반의 추천이 널리 사용되는 지금, 반스앤노블이 서점 직원의 추천을 적극 활용하고 있다는 점은 눈여겨볼 만하다. 실제 한 고객은 반스앤노블은 “내가 필요하다는 것조차 몰랐던 책을 발견하는 곳”이라고 말했다. 반스앤노블은 직원들에게 책의 선정과 진열에 대한 자율을 준 전략이 성공을 거두고 있다고 평가한다. 실제 2023년 600개 이하로 줄었던 미국 내 매장은 2026년 700개 이상으로 늘었다.AI로 찍어낸 효율이 오히려 발등을 찍을 수도 있다?연말이면 어김없이 떠오르는 광고가 있다. 1995년 처음 공개된 코카콜라의 ‘Holidays Are Coming’이다. 눈 내리는 길을 달리는 빨간 트럭과 익숙한 음악은 오랜 시간 많은 사람에게 크리스마스의 시작을 알리는 상징으로 자리 잡았다. 이 광고가 전하는 핵심은 새로운 제품 정보가 아니다. 크리스마스를 앞둔 설렘과 따뜻한 분위기다. 코카콜라는 2024년에 이어 2025년에도 이 광고 제작에 생성형 AI를 활용했다. 2025년 캠페인에는 AI 전문가 5명이 참여해 30일 동안 7만 개 이상의 영상 클립을 생성했다. 광고가 공개된 뒤 일부 소비자들은 AI 특유의 어색한 움직임과 이미지 표현을 지적하며 “영혼이 없다”는 반응을 보였고, 기존 광고가 지닌 따뜻함을 충분히 살리지 못했다는 비판도 나왔다.이 사례가 말해주는 것은 AI를 사용하지 말아야 한다는 뜻이 아니다. 다만 더 빠르게, 더 많은 콘텐츠를 만드는 일과 고객이 그 콘텐츠에서 가치를 느끼는 일은 다를 수 있음을 시사한다. 따라서 AI 활용의 출발점은 ‘무엇을 얼마나 빨리 만들 수 있는가’가 아니라, 고객이 그 콘텐츠에서 무엇을 기대하는지 파악하는 데 있어야 한다. 기능이나 기술력, 혁신성과 같은 실용적 가치를 전달하는 콘텐츠라면 AI는 강력한 도구가 될 수 있다.반면 감정과 취향, 브랜드만의 이야기, 사람의 해석과 경험을 전달해야 하는 콘텐츠라면 AI의 효율만으로는 충분하지 않을 수 있다. 이때 기업은 ‘휴먼 프리미엄’을 어떻게 콘텐츠에 담아낼지 고민해야 한다. 그래야 AI가 주는 효율과 고객 가치라는 두 마리 토끼를 모두 잡을 수 있을 것이다.<References>· “The real signals from Cannes Lions 2026”, June 30, 2026, McKinsey· “From anxiety to advantage: A marketing organization that thrives with AI”, June 22, 2026, McKinsey· “From campaigns to continuous growth: AI capabilities shaping marketing”, June 22, 2026, McKinsey· “Gartner Survey Reveals Marketing Leaders Expect AI Automation of Marketing Work to Double by 2028”, May 11, 2026, Gartner· “Ogilvy Futures Report: The Human Premium”, March 27, 2026, Ogilvy· “Consumers Are Sick and Tired of Hearing About AI All the Time”, June 25, 2026, 미국광고대행사협회(4A’s)· “AI 발전할수록 ‘날 것’의 ‘진정성’에 감동. 기업과 창작자는 ‘인간의 흔적’ 설계해야, September 2026, 동아비즈니스리뷰· “CMOs Must Protect Their Brand in an AI-First World”, August 15, 2025, BCG· “CMO Confidence in GenAI Is Higher Than Ever, with Over 80% Expressing Optimism”, June 2, 2025, BCG· “The Irreplaceable Value of Human Decision-Making in the Age of AI”, January 30, 2026, Harvard Business Impact· “When Do We Trust AI's Recommendations More Than People's?”, October 14, 2020, Harvard Business Review· “The Impact of Consumer Skepticism of AI-Generated Marketing Content”, NIM, Fabian Buder· “The Algorithm Discount: Explaining Consumers’ Valuation of Human- versus Algorithm-Created Digital Products”, 2025, Journal of Management Information Systems
    작성자 작성일 11-16 조회 57
  • 557
    [프리즘] 'AI 딸깍'이 부른 평범함의 함정, 휴먼 …
    * '휴먼 프리미엄' 콘텐츠는 IGM 트렌드 리포트 'PRISM'에 수록된 글로, 총 2편으로 나뉘어 연재됩니다.평범함이 대량생산되는 AI 시대, 휴먼 프리미엄이란?AI라는 요술방망이로 누구나 손쉽게 결과물을 얻어내는 시대다. 특히 마케팅은 AI 활용이 가장 빠르게 자리 잡은 분야다. 가트너가 기업의 생성형 AI 활용 현황을 조사한 결과, 'AI를 활용한 마케팅 콘텐츠 제작'은 기업 현장에서 가장 널리 활용되는 영역 중 하나로 나타났다.그런데 모두가 이 요술방망이를 손에 쥐면 어떤 일이 벌어질까? 맥킨지는 2026년 칸 라이언즈 분석 에서 ‘평범함의 대량생산(Mediocrity at Scale)’을 주요 화두로 제시했다. 여러 기업이 소수의 유사한 AI 모델에 의존하면서 마케팅 콘텐츠가 서로 비슷해지는 현상을 지적한 것이다. 마케팅 콘텐츠를 빠르고 그럴듯하게 만드는 일은 쉬워졌지만, 그 안에 우리 브랜드만의 색깔을 담아내는 일은 여전히 과제로 남아 있다.비슷한 도구로 비슷한 결과물이 만들어질 때, 브랜드의 고유성은 어디서 생길까? 도구를 다루는 사람에서 나온다. 이 지점에서 주목해야 할 개념이 ‘휴먼 프리미엄’이다. 휴먼 프리미엄이란 인간 고유의 영역이 고객에게 의미 있는 차이로 인식될 때 생기는 가치다. 그렇다면 AI 시대의 소비자는 인간의 어떤 요소를 가치 있게 볼까? 기업은 그 가치를 어떻게 전달하고 있을까?소비자가 휴먼 프리미엄을 느끼는 지점생성형 AI는 마케팅 콘텐츠 제작의 모습을 바꾸었다. 가트너가 마케팅 리더 418명을 대상으로 실시한 조사에 따르면, 마케팅 조직의 73%가 이미 생성형 AI를 활용하고 있었다. 특히 AI를 도입한 조직 중 77%는 카피라이트 작성과 편집, 이미지 생성, 컨셉 개발 등 콘텐츠 개발 업무에 이를 활용한다고 답했다.그렇다면 소비자는 AI가 만든 콘텐츠를 어떻게 받아들일까? 독일 뉘른베르크 시장결정연구소(NIM)는 미국·영국·독일 소비자 3,000명을 대상으로 AI 생성 마케팅 콘텐츠에 대한 반응을 조사했다. 연구진은 동일한 제품 광고를 제시한 뒤, 일부 응답자에게는 사람이 만든 이미지라고, 다른 응답자에게는 AI가 생성한 이미지라고 설명했다. 광고 자체는 같았지만, AI 제작이라고 고지된 광고는 더 비판적인 평가를 받았다. 소비자들은 이를 사람이 만든 광고보다 덜 자연스럽고 덜 유용하다고 인식했으며, 제품 정보를 더 알아보기 위해 광고를 클릭할 의향도 낮게 나타났다.다만 AI 제작 표시가 언제나 부정적으로 작용한 것은 아니다. NIM의 분석에 따르면 AI에 대한 신뢰가 높은 소비자는 AI 생성 콘텐츠를 더 긍정적으로 받아들였다. 그리고 혁신성과 기술력이 중요한 하이테크 제품에서는 AI 제작 광고가 전통적 제품보다 더 잘 수용됐다. 반대로 감성적 연결이나 진정성, 브랜드 고유의 이야기를 중요하게 여기는 콘텐츠에서는 AI 제작 사실이 거리감이나 획일성으로 해석되었다.정리하면 소비자는 AI 활용 여부만으로 콘텐츠의 가치를 판단하지 않는다. 그렇다면 AI 시대, 소비자는 또 어떤 지점에서 휴먼 프리미엄을 느낄까? AI와 인간이 만든 콘텐츠를 비교한 연구를 통해 그 단서를 살펴보자.1) 팩트 정리는 AI, 팩트에 대한 해석은 인간국제 학술지 《Journal of Management Information Systems(JMIS, 경영정보시스템 저널)》에 실린 연구에 따르면, 소비자들은 알고리즘이 작성한 디지털 뉴스 기사에 대해 인간 기자가 작성한 기사보다 0.48~1.08달러 낮은 지불의향을 보였다. 이러한 차이는 단순 사실을 전달하는 뉴스보다 의견과 해석을 뉴스에서 더 크게 나타났다. 연구진은 소비자가 알고리즘이 만든 디지털 상품을 인간이 만든 상품보다 낮게 평가하는 현상을 ‘알고리즘 디스카운트(algorithm discount)’라고 명명했다.2) 실용성이 중요한 제품은 AI, 경험이 중요한 제품은 인간하버드비즈니스리뷰(HBR)에 소개된 키아라 롱고니(Chiara Longoni)와 루카 치안(Luca Cian)의 연구에 따르면, 소비자는 제품 선택에서 기능과 실용성 같은 효용적 속성에 주목할 때 AI를 더 유능한 추천자로 인식하는 경향을 보였다. 반면 스타일·향·사용감처럼 감각과 경험이 중요한 속성에 초점을 둘 때는 인간의 추천을 더 신뢰했다. 이는 AI와 인간 중 누가 언제나 더 정확한 추천을 하는가의 문제가 아니다. 소비자는 비교 기준이 명확하고 정보 분석이 중요한 선택에서는 AI의 분석 역량을 높게 평가하는 반면, 취향과 정체성, 감각적 경험이 중요한 선택에서는 인간의 이해와 판단을 더 기대한다.* '2편: 휴먼 프리미엄을 전달하는 기업 사례'는 다음 글에서 이어집니다.
    작성자 작성일 11-09 조회 139
  • 556
    [시금치] "이제 AI로 뚝딱!" 동료 건너뛰는 요즘 …
    요즘 많은 직장인들은 업무 중 막히는 일이 생기면 일단 AI를 찾습니다. 예전 같으면 동료에게 “이거 어떻게 생각해요?”하고 먼저 물어봤을 상황에서도요. 사실 개인 입장에서 보면 매우 효율적인 선택입니다. 동료의 답장을 기다리거나, 여러 사람의 의견을 모으지 않고도 일단 빠르게 답을 얻을 수 있으니까요. 그런데 최근 하버드비즈니스리뷰(HBR)에 실린 연구에서 ‘동료 대신 AI를 찾는 일이 반복되면 조직 내 업무 관계가 약해질 수 있다’고 경고합니다. 연구진은 이런 현상을 ‘Relationslipping(릴레이션슬리핑)’이라고 정의합니다. 대체 왜 이런 일이 벌어지는 걸까요?동료에게 물어보는 일은 단순히 답만 얻는 일이 아닙니다. 서로 이야기 나누는 과정에서 답과 함께 따라오는 게 많은데요. ‘이 사람은 이 분야를 잘 아는구나’, ‘이런 경험도 있구나’, ‘이런 식으로 생각하는구나’ 하는 것도 저절로 알게 됩니다. 가끔은 내 생각을 뒤집는 새로운 관점도 얻고요. 서로 도와주면서 자연스레 신뢰도 쌓입니다. 그런데 AI에게만 물으면, 답은 빨리 얻어도 이런 이점들은 얻지 못합니다. 동료가 어떻게 일하는지, 무엇을 잘하는지 알기 어렵고요. 정작 도움이 필요할 때 조직에서 누구를 찾아가야 할지도 막막해질 수 있습니다. AI로 개인의 생산성은 높아져도, 함께 일하는 힘은 약해질 수 있는 이유입니다. 실제, 같은 연구에서 미국 직장인 1천 여명을 조사한 결과, 동료 대신 AI를 찾는 팀일수록 협업 수준이 22.3% 낮았습니다.더 눈여겨볼 점은 응답자의 49%는 자신이 AI로 가끔 대체됐다고 느낀 적이 있다는 건데요. 이들은 조직에서 자신의 존재가 중요하지 않다고 느끼는 경향을 보였습니다. 그렇다면, 구성원이 AI를 충분히 활용하게 하면서도 동료 간의 연결고리를 놓지 않게 하려면 리더는 무엇을 챙겨야 할까요?AI 만큼 묻기 편하도록 ‘질문의 문턱’ 낮추기구성원이 동료 대신 AI를 찾는 이유는 편리해서만이 아닙니다. 질문했다가 무능해 보일까 봐, 바쁜 동료를 귀찮게 하는 걸까 봐 망설이기도 합니다. 반면 AI에게는 몇 번이고 다시 물어도 눈치 볼 필요가 없죠. 연구에서도 심리적 안전감이 낮은 팀의 구성원은 동료를 AI로 대체할 가능성이 두 배 이상 높았습니다. 모르는 것을 드러내도 괜찮고, 도움을 구하는 일이 부담스럽지 않아야 동료를 찾습니다. 그런 환경이 우리 조직에, 팀에 조성돼 있는지 돌아보세요. 나는 질문을 받았을 때 한숨을 쉬진 않는지, 바쁘다는 이유로 모니터만 보면서 대답해주고 있진 않은지 말이죠.각자 일해도 끊이지 않는 ‘소통의 접점’ 만들기각자 AI와 일하는 시간이 늘면 동료와 대화할 일도 자연스레 줄어듭니다. 이때 리더가 먼저 소통의 접점을 만들어주는 겁니다. 연구진은 슬랙, 메신저, 이메일처럼 시간과 장소를 정해놓지 않아도 되는 비동기식 채널을 활용하라고 조언합니다. 업무 진행 상황 뿐 아니라, 고민이나 새로 알게 된 시시콜콜한 정보들을 자주 나누는 겁니다. 동료 대신 AI를 찾는 사람이라도 팀과 매일 연락하는 사람일수록 팀의 협업 수준은 28%, 팀 신뢰는 19% 높았습니다. 각자 일하더라도 서로의 상황을 알 수 있도록 연결을 유지하는 것이 중요합니다.나만의 노하우를 ‘팀 전체의 노하우’로 만들기한 구성원이 AI를 활용해 고객 분석 시간을 크게 줄였다고 해봅시다. 그런데 결과만 공유하면 다른 동료는 그 방법을 알 수 없어요. 비슷한 일이 생겨도 각자 AI와 처음부터 씨름하게 되죠. AI에게 어떤 질문을 던졌는지, AI 답에서 무엇을 믿고 무엇을 고쳤는지, 어떤 기준으로 걸러냈는지도 공유하게 해보세요. 이런 노하우가 전체에 퍼지려면 평가도 바뀌어야 합니다. AI 활용 능력 뿐 아니라, 그 경험과 지식을 어떻게 동료와 나누었고, 조직과 팀의 성장에 어떻게 기여했는지 함께 살펴보세요.혹시 구성원이 AI로 뚝딱 만든 결과물을 가져오나요? 빠른 속도와 AI 활용 능력은 분명 칭찬할 일입니다. 하지만 장기적 관점에서 팀 전체의 힘을 키우려면 위 3가지도 함께 챙겨주시기 바랍니다. 그래야 AI로 높아진 개인의 생산성이 조직의 단단한 성과로 이어지니까요.* 매주 금요일, IGM 시금치를 메일로도 받아볼 수 있습니다. 뉴스레터 구독하기
    작성자 작성일 11-06 조회 161
  • 555
    [칼럼] AI 딸깍 시대, 남다른 기획자는 ‘통념’부터…
    AI의 고리타분한 아이디어는 이제 그만!문제가 생기면 우리는 관련 자료를 찾거나 경험 많은 사람에게 조언을 구한다. 이제는 생성 AI에 묻는 일도 자연스럽다. 문제를 설명하고 해결책을 요청하면 몇 초 만에 여러 아이디어가 나온다. 그런데 아이디어가 많아졌다고 해서 혁신적인 해결책까지 쉽게 얻을 수 있을까.꼭 그렇지는 않다. AI의 답은 우리가 문제를 어떻게 제시하느냐에 따라 달라진다. 익숙한 관점으로 질문하면, AI가 내놓는 답도 그 범위를 벗어나기 어렵다. 같은 문제를 같은 기준으로 묻는다면, 아무리 많은 답을 얻어도 비슷한 범위 안에서 변주될 가능성이 크다. 틀린 답은 아니지만, 클릭 몇 번이면 누구나 얻을 수 있는 ‘거기서 거기인 아이디어’에 머물 수 있다.누구나 ‘AI 딸깍’으로 손쉽게 답을 얻는 시대다. 이제 남다른 아이디어를 얻으려면 더 많은 답을 요구하기보다 문제를 바라보는 방식을 달리해야 한다. 그렇다면 우리는 무엇을 다르게 봐야 할까?통념을 뒤집어라어느 산업에나 오랜 경험을 거치며 굳어진 통념이 있다. ‘좋은 상품은 이래야 한다’, ‘이 일은 이렇게 해야 한다’와 같은 생각이다. 통념은 판단을 빠르게 하고 시행착오를 줄여준다. 하지만 모두가 같은 관점으로 문제를 보면 떠올리는 해결책도 비슷해지기 쉽다. 남들과 다른 답이 필요하다면 당연하게 여겨온 통념을 뒤집어봐야 한다.미국 프로야구 메이저리그 베이스볼(MLB) 소속팀 애슬레틱스는 2000년대 초 주축 선수 여럿이 팀을 떠나면서 빈자리를 채워야 했다. 하지만 몸값이 높은 스타 선수를 데려올 만큼 예산이 넉넉하지 않았다. 당시 야구계에서는 타율과 타점 같은 기록, 빠른 발과 강한 어깨 같은 눈에 띄는 능력을 중요하게 평가했다. 이런 기준에서 좋은 평가를 받는 선수는 대체로 몸값도 비쌌다. 애슬레틱스의 빌리 빈 단장은 ‘좋은 선수’를 판단하는 기존 기준을 다시 살펴봤다. 전통적인 조건을 두루 갖추지 못했더라도, 팀이 점수를 내는 데 실질적으로 기여한다면 가치 있는 선수라고 본 것이다.그렇다면 어떤 선수가 득점 기회를 많이 만들까. 야구에서 점수를 내려면 먼저 타자가 아웃되지 않고 베이스에 나가야 한다. 안타뿐 아니라 볼넷이나 몸에 맞는 공으로도 출루할 수 있다. 빈 단장은 당시 선수 시장에서 출루 능력이 실제 가치만큼 몸값에 반영되지 않고 있다는 점에 주목했다. 그래서 다른 능력은 두드러지지 않더라도 여러 방법으로 꾸준히 출루하는 선수를 찾았고, 이들은 출루 능력에 비해 몸값이 낮아 상대적으로 낮은 비용에 영입할 수 있었다. 애슬레틱스는 이처럼 선수의 가치를 평가하는 기준을 바꿔 제한된 예산으로도 경쟁력 있는 선수단을 구성했고, 2002년 정규 시즌에서 103승을 거뒀다.남다른 아이디어가 필요하다면 통념을 뒤집어보자. ‘우리가 오랫동안 당연하다고 믿어온 것은 무엇인가.’ ‘그 기준은 지금도 유효한가.’ ‘그 기준 때문에 놓치고 있는 것은 무엇인가.’같은 AI에 물어도 누구는 뻔한 답을 얻고, 누구는 남다른 답을 얻는다. 차이는 문제를 보는 관점에서 나온다. 아이디어를 많이, 빠르게 내는 일은 AI에 맡길 수 있다. 하지만 그중 남다른 아이디어를 알아보는 눈은 결국 사람에게 있다.업계 밖으로 시선을 돌려라문제가 생기면 우리는 같은 업계의 다른 회사부터 살펴본다. “경쟁사는 이 문제를 어떻게 해결했나”라고 묻는 식이다. 하지만 같은 업계를 아무리 살펴봐도 마땅한 답을 찾지 못할 때가 있다. 그렇다고 아직 아무도 풀지 못한 것은 아니다. 전혀 다른 분야에서 비슷한 문제를 이미 해결했을 수도 있다. 하는 일은 달라도 문제가 생기는 원인과 해결해야 할 조건이 비슷하다면, 다른 분야 기업이 사용한 방법에서 실마리를 얻을 수 있다.런던의 그레이트 오먼드 스트리트 어린이병원은 수술을 마친 어린이 환자를 중환자실로 옮기는 과정에서 어려움을 겪었다. 여러 의료진이 동시에 움직이다 보니 작업 순서가 어긋나거나 중요한 정보가 제대로 전달되지 않는 일이 발생했다. 이 문제의 실마리는 다른 병원이 아닌 자동차 경주 포뮬러원(F1)의 피트스톱(Pit Stop)에서 찾았다.피트스톱은 F1 레이싱 머신이 경기 중 타이어 교체와 점검을 위해 정비 구역에 잠시 멈추는 과정이다. 머신이 이 구역에 들어오면 여러 명의 정비사가 일제히 달라붙어 누군가는 차를 들어 올리고, 누군가는 타이어를 교체하며, 또 다른 사람은 머신의 상태와 전체 작업을 확인한다. 각자 맡은 일은 단 몇 초 안에 정해진 순서대로 끝내야 한다. 한 사람의 동작이 늦거나 손발이 어긋나면 작업이 지연되고 사고로 이어질 수 있다. 머신을 정비하는 일과 환자를 중환자실로 옮기는 일이 전혀 달라 보이지만, 여러 사람이 제한된 시간에 정확히 협업해야 하고, 작은 실수가 큰 사고로 이어질 수 있다는 점에서는 닮았다. 병원은 F1 레이싱 피트스톱 팀의 역할 분담과 작업 순서, 소통 방식을 환자 인계 과정에 맞게 적용해 실수와 정보 누락을 줄였다.새로운 해결책이 필요하다면 익숙한 업계 밖으로 시선을 돌려보자. ‘우리와 하는 일은 다르지만, 비슷한 문제를 해결한 곳은 어디인가.’ ‘그들의 방식을 우리의 문제에 어떻게 적용할 수 있을까.’고객의 맥락에서 숨은 문제를 발견하라남다른 해결책은 지금까지 보지 못한 문제에서 나오기도 한다. 그렇다면 그런 문제는 어디에서 찾을 수 있을까. 고객이 제품이나 서비스를 사용하는 전체 맥락을 살펴보자. 그 안에 고객이 감수해 온 불편과 비효율이 숨어 있다.글로벌 건설 공구·장비 기업 힐티(Hilti)의 사례를 보자. 공구 회사가 경쟁력을 높이려 할 때 흔히 떠올리는 방법은 비슷하다. 더 강하고 오래가는 공구를 만들거나 가격을 낮추는 식이다. 하지만 힐티는 공구 자체보다 고객이 공구를 사용하는 현장의 맥락을 살펴봤다. 그러자 다른 문제가 눈에 들어왔다. 건설 현장에는 수많은 공구와 장비가 있었지만, 어떤 장비를 보유하고 있는지, 지금 어디에 있는지, 누가 사용하고 있는지 한눈에 파악하기 어려웠다. 작업자는 필요한 장비를 찾느라 시간을 썼고, 급할 때는 이미 보유한 공구를 다시 구매하기도 했다.힐티는 질문을 바꿔 ‘어떻게 더 좋은 공구를 만들까’가 아니라 ‘어떻게 하면 고객이 현장의 장비를 더 효율적으로 관리할 수 있을까’를 고민했다. 그 결과 나온 해법이 자산관리 시스템 ‘온트랙(ON!Track)’이다. 공구와 장비에 태그를 붙여 등록하면 보유 현황과 배치 장소, 사용자, 점검 일정을 한곳에서 관리할 수 있다. 힐티 제품뿐 아니라 다른 회사의 장비도 함께 등록할 수 있게 했다. 고객이 관리해야 하는 것은 힐티의 공구만이 아니라, 현장에 있는 모든 장비였기 때문이다.경쟁사와 같은 질문을 붙들고 더 나은 답만 찾고 있는가. 그렇다면 고객이 제품과 서비스를 사용하는 전체 맥락을 살펴보자. 그동안 보지 못했던 문제를 발견할 때, 기존과 다른 아이디어도 나온다.같은 AI에 물어도 누구는 뻔한 답을 얻고, 누구는 남다른 답을 얻는다. 차이는 문제를 보는 관점에서 나온다. 어떤 통념을 의심할지, 어디에서 실마리를 찾을지, 무엇을 문제로 볼지에 따라 AI의 답도 달라진다. 아이디어를 많이, 빠르게 내는 일은 AI에 맡길 수 있다. 하지만 그중 남다른 아이디어를 알아보는 눈은 결국 사람에게 있다.백재영 IGM 인사이트연구소 수석연구원* IGM 이코노미조선 칼럼을 재구성한 글입니다.
    작성자 작성일 11-02 조회 183
  • 554
    [시금치] AI 쓰면 일이 줄어야 정상이잖아? 일폭탄 …
    예전 같았으면 사흘은 걸렸을 보고서를 AI 덕분에 반나절 만에 끝냈습니다. 한숨 돌리려는 순간, “띵동” 메신저가 도착합니다.[OO님, 급하게 요청 드려서 죄송하지만, 저번에 말씀드렸던 B프로젝트 기획 건 내일까지 가능할까요?]원래라면 일정 조율로 스트레스 받으며, 며칠 야근을 해야 했을지도 모릅니다. 하지만 AI가 있으니 걱정 없습니다.요즘 직장인들의 일하는 모습을 상상해봤습니다. CTA 조사에 따르면, 국내 직장인 10명 중 7명이 업무에 AI를 활용하고 있다고 하죠. AI를 통해 절약했다고 평가하는 업무 시간도 주당 평균 8시간을 넘었습니다. 그 시간은 어떻게 사용되고 있을까요? 국내 직장인 881명을 대상으로 한 설문에 따르면, ‘같은 시간에 더 많은 업무 처리’(62.4%)가 1위를 차지했습니다. 그야말로 ‘생산성 혁신’이 현실이 된 것 아니냐고요? 그런데 이 현상을 조금 다른 시각으로 보는 연구결과가 있어, 소개해 드립니다.옥스퍼드대 드 네브 교수(Jan-Emmanuel De Neve) 연구팀은 최근 하버드비즈니스리뷰(HBR)에서 “AI 자동화가 아니라 증강을 추구해야 한다”고 이야기합니다. 단어가 조금 어렵죠? 쉽게 말해, 자동화가 비슷한 일을 더 빨리, 그리고 많이 하는 것이라면, 증강은 할 수 있는 일의 범위를 넓히는 것입니다. 둘 다 ‘생산성을 높인다’는 점은 같지만, 조직 차원에서 무엇을 얻으려고 하는지가 다릅니다.먼저, 자동화(Automation)는 주어진 업무를 더 적은 시간과 노력으로 처리하는 데에 초점을 둡니다. 자동화는 성과가 빨리 보입니다. 적어도 서너 사람이 하던 일을 한 사람이 해낼 수도 있죠. 물론 엄청난 진보입니다만, 문제는 기존의 틀은 그대로 둔 채, 속도와 양에만 집중한다는 겁니다. 게다가 서너 사람이 하던 일을 한 사람이 한다는 것은, 더 이상 충원이 없거나 감원으로 이어질 수 있다는 뜻이죠. 기본 업무는 AI가 처리하니 미래의 리더가 업무를 배우고 자랄 기회도 없어집니다. 연구팀은 이런 흐름이 결국 구성원의 불신과 인재 육성 기반 약화로 이어질 수 있다고 봅니다.반면, 증강(Augmentation)은 할 수 있는 일의 범위 자체를 넓히는 데 초점을 맞춥니다. AI로 줄어든 시간이 있다면, 밀려드는 비슷한 일을 더 하는 것이 아니라, 새로운 업무 영역을 배우고 익히는데 쓰는 것인데요. 예를 들어, 디자이너라면 AI로 코딩을 시도해보고, 영업직군이라면 자신이 사용할 자료를 직접 디자인해보는 겁니다. 안 해본 일에 시간을 쓰니, 처음에는 성과가 올라가는 것처럼 보이지 않을 수 있습니다. 그래도 장기적으로 가치 창출과 성장에 유리한 쪽은 증강이라는 것이 연구팀의 전망입니다. AI로 인해 대체되는 게 아니라 구성원 개개인의 역량이 더 강화되고 넓어지니까요.그렇다면 증강을 지향하는 조직은 무엇이 달라야 할까요? AI로 확보한 시간이 실제로 새로운 역량을 키우는 데 쓰이도록, 조직 차원에서 새로운 발판을 제공해야 합니다. 먼저, 구성원에게 의견을 듣는 것으로 시작하세요. “평소에 바꿔보고 싶었던 비효율적인 프로세스나, 새로운 시도가 있나요?” 그리고 AI를 활용해 이런 일을 작게 시도해 볼 수 있도록 충분한 시간과 기회를 주는 겁니다. 필요한 역량이 부족하다면 교육도 뒷받침되어야겠죠. 이때, 주의할 점이 있습니다. 변화의 궁극적 목적이 단순히 한 사람에게 더 많은 일을 시켜 비용을 줄이기 위한 것이 되어서는 안됩니다. 구성원 각자의 성장에 도움을 주고, 더 나아가 조직 전체의 역량이 강화되는 것이 목적이 되어야 하죠. 그렇지 않으면 현장에서는 그저 '자동화'의 일환으로 느끼며 저항만 강해질 수 있거든요.우리 조직이 AI로 아낀 시간은 똑같은 일을 더 많이 처리하는 데 쓰이고 있나요, 아니면 조직의 역량을 개발해 혁신의 뿌리를 만드는 데에 쓰이고 있나요? AI 시대, 진정한 격차는 이 질문에서 시작될 것입니다.* 매주 금요일, IGM 시금치를 메일로도 받아볼 수 있습니다. 뉴스레터 구독하기
    작성자 작성일 10-30 조회 220
  • 553
    [프리즘] 에이전트 보스를 현실로 만든 프론티어 기업 …
    * 본 콘텐츠는 IGM 트렌드 리포트 '프리즘'에 수록된 글로, 총 3편으로 나누어 연재합니다. 이전 글(2/3) 읽기"모든 디지털 직원에 사번을 주고, 현장에 배치하다"미국에서 가장 오래된 은행, BNY는 AI를 단순한 업무 지원 도구가 아니라 새로운 노동력으로 활용하기 시작했다. 현재 BNY에는 ‘디지털 직원(Digital Employee)’이라고 불리는 AI 에이전트가 약 140개 있으며, 이들은 저마다의 직원 번호와 계정을 갖고 있다. 또한 디지털 직원은 모두 업무를 배정하고 성과를 검토하는 사람 관리자, 즉 에이전트 보스를 두고 있다.그 중 결제·자금관리 운영 본부 총괄 담당자인 레이첼 루이스(Rachel Lewis) 사례를 보자. BNY의 결제 조직에서는 하루에도 수천 건의 예외 처리를 사람이 직접 해야 했다. 누락된 국가 코드, 잘못된 주소, 오류가 난 라우팅 정보 를 일일이 확인하고 수정하는 일이었다. 이를 해결하고자 RPA를 도입했지만, 복잡한 시스템을 일일이 조작해야 했고, 봇을 유지·보수하는 데도 상당한 인력이 필요했다. 결국 사람 직원은 본래 업무와 봇 관리, 두 가지 일을 동시에 떠안게 됐다. 2025년 봄, 루이스의 팀은 이 문제를 해결하기 위해 첫 번째 결제 디지털 직원을 만들었다.디지털 직원은 거래 주소를 읽고 국가 코드를 확인한 뒤, 수정한 결제 건을 사람에게 최종 검토하도록 넘기는 업무를 수행한다. 루이스는 에이전트의 역할 범위를 의도적으로 좁게 설계했다. 금융기관에서는 잘못된 결제 하나가 막대한 자금의 이동을 멈출 수 있기 때문에, 신뢰성과 감사 가능성을 확보하기 위함이었다. 그 결과, 건당 5~6분 걸리던 결제 검증이 30초 이내로 줄었고 미해결 결제 조사 건수는 약 80% 감소했다. 루이스는 대시보드를 통해 처리량, 소요 시간, 누락 건수, 승인 결과 등을 실시간 확인하고, 디지털 직원의 성과가 기대에 미치지 못하면 신규 직원에게 하듯 코칭하고 재교육한다.BNY는 이러한 경험을 조직 전체로 확장하고 있다. 2022년부터 AI 허브와 배포 플랫폼을 구축해 기반을 마련한 BNY는, 2025년부터 40시간 과정의 AI 부트캠프를 열어 전사적 육성에 나섰다. 35명으로 출발한 이 프로그램은 수료생 2,300명을 배출하며 기수당 800명이 참여할 정도로 성장했다. 모든 참가자는 자신이 담당하는 현장의 문제를 해결할 AI 프로토타입을 직접 구축해야 한다. 업무를 수행하는 사람을 넘어, AI와 함께 일하는 방식을 직접 설계하는 사람을 키워내는 것이 BNY의 AI 교육 목표다."인턴부터 정직원까지, AI 동료를 단계적으로 성장시키다"미국의 보험 및 HR 컨설팅 기업, 원디지털(OneDigital)은 AI를 마치 신입사원 육성하는 것처럼 ‘단계별 성장 경로’에 따라 온보딩했다. 대표적인 첫 사례가 복리후생 컨설턴트 셸리 맥린(Shelley McLean)이 구축하고 관리한 AI 동료 ‘벤(Ben)’이다. 벤은 고유한 역할을 바탕으로, 사내 상담 시 셸리의 전문성과 판단 기준을 그대로 반영해 복리후생 관련 전문 과업을 수행한다. 벤은 처음부터 완벽한 상태로 투입되지 않았다. 먼저, 거의 1년 가까이 인턴십 단계를 거쳤는데, 실제 사례로 매일 테스트를 거치며 업무 지식의 빈틈을 보완해 나갔다. 이후 수습 단계에서는 실제 고객 업무를 처리하며 현업의 피드백을 반영했다. 마지막으로 정직원 단계에 이르러서야 전체 조직이 활용하는 정식 동료로 승격되었고, 지속적인 성과 평가와 교육을 이어갔다. 오랜 기간, 직원들이 벤의 성장 과정을 함께 지켜보았기에 신뢰가 자연스레 쌓였다. 한번은 벤이 잠시 오프라인 상태가 되자, 전국의 컨설턴트들이 셸리에게 “벤 무슨 일 있냐”며 동료의 안부를 묻듯 연락을 보내오기도 했다고 한다.벤의 성공 이후, 원디지털은 리스크 전문가 ‘에이미(Amy)’, 퇴직연금 전문가 ‘니나(Nina)’ 등 전문 영역과 에이전트 보스가 명시된 AI 동료 라인업을 전사로 확장했다. 그 결과, 원디지털은 자체 집계한 주간 이용률(85.5%)이 업계 평균(15~20%)을 압도했다고 밝혔다. 원디지털은 이 성공의 핵심 요인으로, AI를 일괄 배포하는 기술 도구가 아니라 명확한 역할 부여, 책임질 사람 관리자(에이전트 보스) 지정, 지속적인 코칭과 피드백을 결합한 것이라고 꼽았다.에이전트 보스 시대를 향한 조직과 개인의 과제에이전트 보스 시대가 온다고 해서, 직원 개개인이 알아서 에이전트 팀을 꾸리기를 기다려서는 빠른 성과를 얻기 어렵다. 이미 리더와 일반 직원 사이에는 AI 활용 격차가 뚜렷하게 나타나고 있다. 마이크로소프트의 조사에 따르면, 에이전트 친숙도(리더 67% vs. 직원 40%), 에이전트 관리 기대감(리더 36% vs. 직원 21%), AI 정기 사용률(리더 69% vs. 직원 45%) 등 모든 지표에서 리더가 직원을 1.5배 가량 앞선다. 따라서 조직의 역할은 단순히 AI 사용법을 교육하는 수준에 머물러서는 안 된다. 조직은 에이전트를 도입할 과업을 선별하고, 필요한 에이전트를 구축·배포하는 동시에 구성원이 새로운 방식으로 일할 수 있도록 교육해야 한다.나아가, 누가 어떤 에이전트로 결과를 냈는지 전사에 공유하고 학습하는 구조를 만들어야 한다. AI가 개인의 성장에 어떻게 도움이 되는지 체감하게 만들 때, 비로소 AI 도입은 자발적 참여로 이어지며 조직 전체의 변화로 확산된다.개인 차원에서는 ‘전문성’이 핵심 무기가 된다. 2026년 앤트로픽(Anthropic) 해커톤에서도 1위는 개발자가 아닌 변호사였고, 나머지 4명 중 3명의 수상자도 비개발자였다. 이들은 자신이 매일 마주하는 문제를 정확히 알고, 무엇이 필요한지를 아는 전문성을 바탕으로 성과를 만들어냈다. 베인앤컴퍼니는 ‘AI로 실행할 수 있는 일이 많아질수록, 문제를 올바르게 정의하고 의사결정을 내리는 능력이 차별화 요소가 된다.’고 강조한다.AI 시대에도 인간의 역할은 사라지지 않으며, 최종 결과물에 대한 책임 역시 언제나 사람에게 있다. 사람의 역할이 실행자에서 디지털 노동력을 설계하고, 조율하며, 성장시키는 '에이전트 보스'로 전환되었을 뿐이다. 앞으로 AI라는 새로운 노동력을 목적에 맞게 이끌고 최종 성과를 책임질 수 있는 리더십을 갖춘 조직과 개인만이 미래의 경쟁력을 확보할 수 있을 것이다.<References>· “Research acceleration: The view inside OpenAI”, 2026.9.6, OpenAI· “Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools”, 2026.9, NBER· “The state of AI in 2026: On the road to ROI”, 2026.8.25, Mckinsey· “Your AI agent can be a teammate. But it still needs a boss”, 2026.8.4, Fortune· “AI at Work: Strategy Matters More Than Tools”, 2026.6.3, BCG· “The making of a Frontier Firm: How AI is redesigning work at BNY”, 2026.5.12, Microsoft· “How BNY's 150 AI Agents Work Alongside its Human Employees”, 2026.3.24, HR Chief· “What Harvard And Microsoft Are Teaching Leaders About Winning With AI”, 2026.3.17, Forbes· “What Leadership Looks Like in an Agentic AI World”, 2026.2.11, Harvard Business School· “2025: The year the Frontier Firm is born”, Microsoft· “How to Be an Agent Boss”, 2025.5.13, Microsoft· “AI 시대, 사람 중심 조직에서 AI 기반 운영체계로의 전환”, 2026.6.8, Kearney
    작성자 작성일 10-28 조회 221
  • 552
    [시금치] 다 보는 데서 화내는 리더, 전체 성과를 갉…
    뉴스를 보다 보면 직장 내 폭언이나 폭력 사건을 심심찮게 접하게 됩니다. 언론에서는 주로 파장이 큰 극단적인 사례를 다루지만, 상대를 존중하지 않는 일상적인 '무례함' 역시 사무실에서 흔히 목격되곤 합니다. 이러한 직장 내 무례함은 단순히 누군가의 기분을 상하게 하는 선에서 끝날까요? 조직은 생각하는 것보다 훨씬 더 큰 대가를 치릅니다.조지타운대 교수 ‘크리스틴 포래스’와 플로리다 경영대학원의 ‘아미르 에레즈’ 교수는 한 가지 실험을 했는데요. 참가자들을 무시하고 깎아내린 다음, 과제를 수행시켰습니다. 그랬더니, 단어를 조합하는 만드는 퍼즐(애너그램) 성적은 33% 낮아졌고, 창의적 아이디어는 39% 줄었습니다. 더 놀라운 것은 무례한 장면을 지켜보기만 한 사람도 같은 패턴을 보였다는 겁니다. 동일한 과제에서 각각 22%, 28% 낮은 성과를 보였습니다. 연구진은 그 성과 저하의 원인을 ‘인지적 소진’으로 설명합니다.무례한 상황을 목격하는 것만으로도, 직원의 정신적 에너지가 눈앞의 업무가 아닌 그 상황을 해석하는 데 쓰인다는 겁니다. ‘어떤 상황이지’, ‘왜 저러지’, ‘나도 저렇게 되면 어쩌지’ 하는 생각이 머릿속을 계속 맴도는 거죠. 리더의 감정 분출로 차가워진 사무실… 그 속에서는 전체 성과도 얼어붙을 수 밖에 없습니다.특히 리더의 감정은 주변으로 번지기 쉽습니다. 오픈된 사무실에서 리더가 언성을 높이면, 지적 받는 당사자뿐만 아니라 주변 직원들까지 덩달아 긴장합니다. 대놓고 쳐다보진 않지만 자신도 모르게 눈과 귀는 그 쪽을 향하게 되죠. 그렇다고 리더에게 화를 내지 말라는 이야기가 아닙니다. 화는 자연스러운 감정이니까요. 핵심은 그 감정을 ‘언제, 어디서, 어떻게’ 표현하느냐에 있습니다.먼저, 감정의 ‘골든타임’을 확보하세요.분노는 처음 몇 초가 고비입니다. 그 순간을 넘기지 못하면 화에 휩쓸려 하지 않아도 될 말까지 하게 됩니다. 잠깐 자리를 뜨거나 한 박자 늦게 대답하는 것만으로도 감정적인 대응을 피할 수 있습니다.둘째, 질책은 철저히 1:1로 진행하세요.단호하게 질책할 일이 있다면 반드시 공개적이지 않은 장소에서 따로 이야기해야 합니다. 여러 사람 앞에서 지적하면 당사자는 모욕감을 느끼고, 주변 사람들도 불편합니다. 리더가 주의를 주는 목적은 문제를 바로잡는 것이지, 망신을 주는 것이 아니니까요.마지막으로, 리더의 감정은 파급력이 크다는 것을 인지하세요.직원들은 리더의 말투와 표정 하나 바뀌는 것도 쉽게 감지합니다. 리더의 영향력이 클수록 그의 감정은 조직 분위기를 크게 좌우하죠. 따라서 감정을 조절하는 능력은 단순히 성품의 문제라기 보다는 리더가 갖춰야 할 역량이라고도 할 수 있습니다.순간 욱해서 날카롭게 쏘아붙인 경험, 별 생각 없이 짜증 낸 경험은 누구에게나 있습니다. 그런데 다행히도, 포래스 교수는 리더의 거친 분노 만큼이나 ‘존중하는 분위기’ 또한 전염성이 강하다고 말합니다. 존중을 담은 말 한마디 한마디가 쌓이면 서로를 대하는 태도도, 성과도 조금씩 달라질 수 있다는 거죠. 이번 한 주, 여러분은 주변에 어떤 에너지를 퍼뜨리셨나요? 다음 주에는 직원들에게 어떤 한마디를 먼저 건넬지 생각해보시면 좋겠습니다.* 매주 금요일, IGM 시금치를 메일로도 받아볼 수 있습니다. 뉴스레터 구독하기
    작성자 작성일 10-27 조회 190
  • 551
    [프리즘] 미래 인재, '에이전트 보스'의 3가지 핵심…
    * 본 콘텐츠는 IGM 트렌드 리포트 '프리즘'에 수록된 글로, 총 3편으로 나누어 연재합니다. 이전 글(1/3) 읽기1. Build: “어떤 업무를 에이전트화 할 것인가?”1) 문제를 정의하라에이전트 구축의 첫 단계는 ‘어떤 문제를 해결할 것인가?’를 명확히 정의하는 것이다. 너무 거창하게 생각할 필요 없다. 우선 반복해서 같은 자료를 찾아야 하는 영역, 데이터가 넘치지만 충분히 활용하지 못하는 영역, 지나치게 많은 시간이 소요되는 영역과 같이 병목 지점이 어디인지 찾아본다. 예를 들어, “고객 의견을 직접 취합해 전달하는 구조라 제품 반영까지 3개월이 걸린다”, “매주 5개 채널에서 매출 데이터를 취합하고 가공하는 데만 8시간 소요된다”와 같이 구체적으로 정의해야 한다. 반면, 문제라고 생각이 들더라도 일회성 업무이거나 명확한 프로세스가 아직 없거나, 실제로 시간을 크게 절약해주지 못한다면 에이전트를 만드는 대신, AI 챗으로 지원받는 것이 낫다.  2) 업무를 과업 단위로 분해하라문제와 관련된 업무를 최소 단위인 과업으로 쪼갠다. 가령, ‘매출 데이터 취합 및 보고서 작성’ 업무를 △데이터 수집 △형식 통일 △매출 증감률 계산 △주요 증감 항목 추출 △이상치 탐지 △보고서 작성 등처럼 잘게 해체하는 것이다. 이렇게 분해해보면 AI가 잘할 수 있는 영역과 사람이 꼭 해야 하는 영역을 가늠해볼 수 있다. 중요한 것은 단순히 자동화할 일을 찾는 것이 아니라, AI에게 하나의 독립된 역할로 맡길 수 있는 일을 찾는 것이다. MIT 슬론 경영 리뷰에 따르면, ‘자동화하기 쉬운 곳이 아니라 자동화할 가치가 있는 곳에 에이전트를 활용하고, 원하는 결과를 중심으로 프로세스를 다시 설계해야 한다’고 강조한다.3) AI 에이전트의 직무기술서를 만들어라에이전트를 팀에 합류시키기 전에, 사람 직원을 채용할 때처럼 직무기술서를 구체화해줘야 한다. 가장 먼저 방법이 아니라 ‘목표’를 명시해야 한다. 산을 오른다고 생각해보자. 한 걸음 한 걸음 내딛는 것은 ‘과업’이고, 정상에 도착하는 것이 ‘결과’다. 어디가 정상인지부터 명확히 정해야 한다. AI의 강점은 그 정상에 도달하기 위한 방법을 사람이 생각하는 것보다 더 잘 찾아낼 수 있다는 데 있다. 즉 방법을 말해주기 보다, 목표를 달성한다면 어떤 모습일지 ‘완료 기준’을 정의하는 것이 중요하다. 단순히 “이메일을 처리해줘”가 아니라, “완료란, 매일 오전 9시까지 받은 편지함이 비어 있고, 답장 초안이 내 어투로 작성되어 있으며, 내가 직접 처리해야 할 메일은 맨 위에 표시되어 있는 상태를 의미해”와 같이 완료된 모습을 그려주는 것이다. 달성하고자 하는 기준이 정의되어 있지 않다면, 에이전트도 그 목표에 도달할 수 없다.다음으로, 직무기술서에 포함해야 할 것은 에이전트의 ‘정체성’이다. 핵심 역할(책임 범위), 소통 스타일, 작업 방식, 타협할 수 없는 원칙 등을 담는 것이다. 정체성이 모호하면 월권 행위를 하거나, 같은 질문에도 매번 다른 답을 내놓거나, 매번 사람에게 물어보는 등 업무에 병목을 발생시킬 수 있다. 다만, 이 내용을 사람이 일일이 처음부터 다 쓸 필요는 없다. 해결하려는 문제와 목표가 명확하다면, AI 대화창에 “이런 문제를 해결하려 하는데, 이 에이전트의 정체성을 담은 직무기술서를 작성해 줘. 정확하게 채우기 위해 필요한 질문을 하고 나서 작성해줘”라고 요청한다. AI가 초안을 잡고 사람이 이를 수정하는 방식이 훨씬 효율적이다.2. Delegate: “어떤 방식으로 맡길 것인가?”AI 에이전트를 처음 도입할 때는 하나의 에이전트가 특정 과업을 맡고, 사람이 그 결과를 활용하는 형태로 시작하기 쉽다. 하지만 에이전트가 맡는 역할과 자율성이 점차 확대되면 두 개 이상의 에이전트가 협력해 하나의 목표를 수행하는 멀티 에이전트 시스템으로 발전하게 된다.멀티 에이전트가 일하는 방식은 대표적으로 네 가지가 있다. 가장 기본적인 구조는 ‘순차형’이다. 예를 들어 ‘신사업 진출 검토’라는 과업을 수행할 때, 마켓 리서처, 경쟁사 분석가, 사업 타당성 분석가, 재무 분석가, 보고서 작성가 등 에이전트가 각각 투입된다고 가정해보자. 마켓 리서치 에이전트가 시장 데이터를 수집한 뒤, 경쟁사 분석가가 경쟁사를 분석하고, 이를 기반으로 사업성을 판가름하고 재무를 분석한 후 보고서를 뽑아내는 방식이다. 단계별 선후 관계가 명확하고 앞선 데이터가 반드시 존재해야 하는 과업에 적합하다.반대로, 서로 의존하지 않는 과업은 ‘병렬형’으로 처리할 수 있다. 시장 규모, 경쟁사, 고객 니즈를 여러 에이전트가 동시에 조사한 뒤 결과를 모아 종합하는 방식이다. 시간 단축이 중요한 과업에서는 여러 에이전트가 각자의 일을 동시에 수행하도록 설계할 수 있다.과업이 복잡해지면 ‘계층형’ 구조도 활용할 수 있다. 상위 에이전트가 컨트롤 타워가 되어, 전체 목표를 바탕으로 하위 에이전트들에게 일을 나누고 결과를 취합하는 방식이다. 사람이 담당하던 위임과 관리의 역할이 에이전트 사이로 확장되는 것이다.여기에 더해, 외부에서 유입되는 요청에 따라 담당 에이전트를 연결하는 ‘라우팅 방식’을 결합할 수도 있다. 가령 고객 문의가 들어오면, 제품 문의는 제품 전문 에이전트에게, 계약 관련 문의는 법무 전문 에이전트에게 맡기는 식이다. 사람의 개입 없이 유입 단계부터 최적의 전담 인력으로 업무를 나눌 수 있다.그렇다면 에이전트를 많이 연결할수록 좋을까? 그렇지는 않다. 단순 반복 업무라면 한 사람이 수십 개의 에이전트를 다룰 수 있지만, 내·외부 시스템과 연동해 실행하거나, 전략적으로 민감한 과업일수록 사람의 역할이 더욱 커진다. 오늘날 AI에게 맡기는 업무 복잡성이 증가하는 지금, 에이전트 연결을 무작정 늘릴수록 사람이 점검해야 할 부담도 함께 커질 수밖에 없다. 앞으로 조직은 너무 과하지도, 부족하지도 않도록 사람과 에이전트의 비율을 설계해야 하는 과제를 안고 있다. 마이크로소프트는 이를 ‘사람-에이전트 비율(Human-Agent Ratio)’으로 정의하며, 최적의 비율은 역할, 과업, 프로젝트의 특성에 따라 달라진다고 설명한다.*Source: Microsoft / IGM 재구성3. Manage: “에이전트가 제대로 일하고 있는지 어떻게 판단하고 개선할 것인가?” 에이전트에게 과업을 위임했다고 끝이 아니다. 처음에는 잘 작동하던 에이전트가 시간이 지나면서 엉뚱한 결과를 내놓을 수도 있고, 목표와 어긋난 결과를 내놓을 수도 있다. 리더가 사람 직원의 성과를 확인하고 피드백하는 것처럼, 에이전트 역시 지속적인 코칭이 필요하다. 다만 사람이 모든 결과를 매번 검토하면 에이전트를 도입한 의미가 사라진다. 따라서 에이전트 보스는 '적절한 때에 개입하는 구조(Human-on-the-loop)'를 만들어야 한다. 평소에는 에이전트가 스스로 일하게 두되, 할인율 한도를 넘기거나 계약 체결처럼 중요한 판단이 필요한 순간에만 사람의 승인을 거치도록 기준을 정해두는 것이다.또한 그 개입의 순간마다 피드백을 기록해야 한다. 에이전트의 오답을 단순히 바로잡는 데 그치지 않고, 발생한 예외 상황과 사람의 수정 이력을 데이터로 쌓아 나가야 한다. 이를 통해 에이전트의 직무기술서와 일하는 방식을 다듬음으로써, 한 번 쓰고 마는 자동화가 아니라 계속해서 개선되는 ‘학습 루프(Feedback Loop)’를 구축할 수 있다. 이 데이터는 조직 관점에서도 대체 불가능한 자산이 된다. 매일 쌓이는 예외 처리 기록, 에이전트의 오류 패턴, 사람이 개입한 이유와 같은 기록 속에는 에이전트가 어떤 한계에 부딪히는지, 어떤 기준이 현장에서 실제 작동하는지가 그대로 담겨 있기 때문이다. 이러한 피드백 과정을 데이터로 체계적으로 쌓아두는 조직만이 에이전트 성능을 빠르게 고도화하고, 일하는 방식에서의 경쟁력을 끌어올릴 수 있다.마지막으로, 에이전트가 창출한 실질적 가치를 평가해야 한다. 반복 업무를 줄인 생산성 지표를 넘어, 비용 절감이나 매출 기회 발굴, 새로운 인사이트 도출과 같이 실제 비즈니스 투자수익률(ROI)을 만들어냈는지 살펴봐야 한다. 이러한 성과 평가 데이터가 확보되어야 어떤 에이전트를 조직 전체로 확대 적용하고, 어떤 에이전트를 보완하거나 정리할지 명확히 판단할 수 있다.* '3편: 에이전트 보스를 현실로 만든 프론티어 기업 사례'는 다음 글에서 이어집니다.
    작성자 작성일 10-21 조회 277
전체 559건 1 페이지
게시물 검색

주소 : 서울특별시 중구 장충단로 8길 11-16 사업자등록번호 : 101-86-24196 대표자 : 조승용 전화 : 02-2036-8300 팩스 : 02-2036-8399 Copyright©주식회사 IGM 세계경영연구원. All rights reserved.
QUICK MENU
TOP