GenAI Doesn’t Just Increase Productivity. It Expands Capabilities
생성형 AI(Generative AI)가 단순한 생산성 향상 도구를 넘어 직원들의 능력을 획기적으로 확장시키는 강력한 수단으로 주목받고 있다. 보스턴컨설팅그룹(BCG) 헨더슨 연구소가 보스턴 대학, 오픈AI(OpenAI) 경제영향 연구팀과 공동으로 진행한 최근 실험에서 이러한 가능성이 입증됐다. 이번 연구는 생성형 AI가 어떻게 직원들의 현재 역량을 넘어서는 새로운 과제 수행을 가능케 하는지 살펴보았다.
생성형 AI로 인한 직원 능력의 즉각적 확장
이번 실험에는 480명 이상의 BCG 컨설턴트들이 참여했다. 이들은 데이터 과학 파이프라인과 유사한 세 가지 과제를 수행했다. 구체적으로 파이썬(Python) 코드를 사용해 데이터셋 병합 및 정제, 스포츠 투자를 위한 예측 모델 구축, 그리고 챗GPT(ChatGPT)가 생성한 통계 분석 결과의 검증 및 수정 작업이었다. 이 과제들은 고급 데이터 과학자들의 일반적인 업무를 대표할 만한 것들로 선정되었다.
실험 결과는 놀라웠다. 생성형 AI를 사용한 참가자들은 코딩이나 통계 경험이 전혀 없었음에도 불구하고 이러한 복잡한 과제들을 성공적으로 수행할 수 있었다. 특히 코딩 과제에서 생성형 AI의 능력 확장 효과가 가장 두드러졌다. AI를 사용한 참가자들은 데이터 과학자들의 벤치마크 대비 평균 86%의 점수를 달성했으며, 이는 AI를 사용하지 않은 그룹보다 49%p 높은 수치였다. 더욱 놀라운 점은 AI 사용 그룹이 데이터 과학자들보다 약 10% 빠르게 과제를 완료했다는 것이다.
코딩 경험이 전혀 없는 참가자들도 AI를 활용해 데이터 과학자 벤치마크의 84%에 달하는 성과를 보였다. 한 참가자는 “코딩 방법을 모르는데도 코더가 된 것 같아요. 혼자서는 절대 달성할 수 없었을 결과를 얻을 수 있었습니다”라고 소감을 밝혔다. 반면 AI를 사용하지 않은 그룹은 데이터 과학자 벤치마크의 29%에 그쳤다.
생성형 AI의 브레인스토밍 파트너 역할
예측 분석 과제에서는 참가자들과 AI 도구 모두 높은 숙련도를 보이지 않았지만, 여기서도 생성형 AI는 중요한 브레인스토밍 파트너 역할을 했다. 많은 참가자들이 AI와 함께 아이디어를 교환하며 새로운 모델링 기법과 문제 해결 방법을 발견할 수 있었다. AI를 활용한 참가자들은 그렇지 않은 참가자들에 비해 15%p 더 높은 확률로 적절한 머신러닝 방법을 선택하고 적용할 수 있었다.
이는 생성형 AI가 단순히 정해진 작업을 수행하는 도구가 아니라, 창의적인 문제 해결 과정에서 인간과 협력할 수 있는 파트너로서의 잠재력을 보여준다. 특히 복잡하고 새로운 과제에 직면했을 때, AI와의 상호작용을 통해 인간의 사고 범위를 확장하고 더 나은 해결책을 도출할 수 있다는 점이 주목할 만하다.
코딩 경험의 중요성
흥미롭게도 실험 결과 코딩 경험이 생성형 AI 활용의 핵심 성공 요인으로 나타났다. 중간 수준의 코딩 경험이 있는 참가자들은 모든 과제에서 초보자들보다 10-20%p 더 높은 성과를 보였으며, 이는 코딩이 전혀 필요 없는 과제에서도 마찬가지였다. 실제로 중간 수준의 코딩 경험자들은 세 가지 과제 중 두 가지에서 데이터 과학자들과 동등한 수준의 성과를 보였다.
이러한 결과는 코딩 경험 자체보다는 코딩을 통해 개발되는 엔지니어링 사고방식이 중요하다는 점을 시사한다. 문제를 작은 단위로 분해하고, 효과적으로 검증하고 수정할 수 있는 능력이 생성형 AI를 활용하는 데 있어 핵심적인 역할을 한다는 것이다. 이는 향후 AI 시대의 인재 육성 및 교육 방향에 중요한 시사점을 제공한다.
기업 리더들을 위한 시사점
이번 연구 결과는 기업 리더들에게 여러 가지 중요한 시사점을 제공한다. 첫째, 인재 채용과 내부 이동성 측면에서 생성형 AI를 면접 과정에 통합하여 지원자의 잠재적 능력을 더 정확히 평가할 필요가 있다. 개인이 혼자 수행할 수 있는 능력만으로는 AI 증강 시대의 잠재력을 정확히 판단하기 어렵기 때문이다. 이는 조직 내부에서도 마찬가지로, 예상치 못한 인재가 새로운 역할을 수행할 수 있는 가능성을 열어준다.
둘째, 학습과 개발 측면에서는 직원들이 장기적으로 필요한 핵심 기술을 습득할 수 있도록 인센티브와 보호된 시간을 제공해야 한다. AI가 즉각적인 능력 확장을 가능케 하지만, 이는 본질적인 기술 습득을 대체할 수 없다. 따라서 기업은 직원들이 AI를 활용하면서도 동시에 기본적인 기술과 지식을 쌓을 수 있는 환경을 조성해야 한다.
셋째, 팀 구성과 성과 관리 측면에서는 일반론자와 전문가를 적절히 조합한 크로스 펑셔널 팀을 구성하고 정기적인 결과 검토 체계를 마련해야 한다. AI 증강된 일반론자가 복잡한 업무를 수행할 수 있게 되었지만, 여전히 전문가의 지도와 검증이 필요하기 때문이다.
마지막으로, 전략적 인력 계획 측면에서는 특정 지식 기술을 가진 인력을 찾는 데 집중하기보다는 변화를 수용하고 새로운 역할에 적응할 수 있는 행동 기술과 enabler에 초점을 맞출 필요가 있다. AI 시대에는 기술 변화의 속도가 더욱 빨라질 것이므로, 유연성과 적응력이 핵심 역량으로 부각될 것이다.
생성형 AI, 직원 능력 확장하는 강력한 도구로 진화
생성형 AI는 단순한 생산성 향상 도구를 넘어 직원들의 능력을 확장시키는 강력한 도구로 진화하고 있다. 이는 기업의 인재 관리와 조직 구조에 근본적인 변화를 요구한다. 특히 전문성의 재정의, 장기적으로 유지해야 할 핵심 기술의 선별, 그리고 AI 증강 인력을 위한 새로운 성과 관리 체계 수립 등이 주요 과제로 대두될 것이다.
그러나 이러한 변화는 기업만의 노력으로는 불가능하다. 교육 시스템, 기업, 그리고 Udemy나 Coursera 같은 온라인 학습 플랫폼, 심지어 생성형 AI 모델 제공업체들까지 모두가 협력하여 AI 증강 시대의 인재를 육성하고 지원해야 한다. 이는 단순히 기술 변화에 대응하는 차원을 넘어, 우리의 집단적 미래를 설계하는 중요한 과제가 될 것이다.
생성형 AI가 열어갈 새로운 가능성은 무궁무진하다. 이제 우리에게 남은 과제는 이 강력한 도구를 어떻게 현명하게 활용하여 인간의 잠재력을 최대한 끌어올리고, 동시에 기술 발전의 혜택을 모두가 누릴 수 있는 포용적인 미래를 만들어갈 것인가 하는 점이다.
BCG 헨더슨 연구소의 리포트는 링크에서 확인할 수 있다.
본 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.
관련 콘텐츠 더보기
