AI는 시간을 절약해 준다고 약속했는데, 오히려 시간을 낭비하게 만드는 것은 아닐까요?

인공지능(AI)의 약속은 매력적입니다. 이전에는 몇 시간이 걸리던 작업을 단 몇 분 만에 해낼 수 있게 해준다는 것입니다.

하지만 라이선스를 구매하고 실제로 생산성을 얻기까지는, 대다수 기업이 간과하는 단계가 있습니다: AI를 사용하는 법을 배우는 데도 비용이 든다는 점입니다.

도구를 시험하느라 몇 시간씩 보내는 것. 반복해야 하는 프롬프트. 작업에 적합하지 않았던 모델. 먼저 이해하지 않고 자동화하려는 프로세스. 토큰 소비. 해결책이 되지 못하는 실험들.

Líder Roundtable의 인공지능 전문가 토론에서 SL Global Energy의 설립자 겸 CEO인 Máximo Hernández, ISA Sistemas Avanzados의 이사인 Ismael Prieto, CEOS Lógica의 CEO인 Alan Gibrán Ávalos는 조직 내에서 점점 더 명확해지는 역설을 논했습니다. 즉, 생산성 향상을 위해 만들어진 도구가 방향성 없이 도입될 경우 일시적으로 생산성을 저하시킬 수 있다는 것입니다.

호기심에도 비용이 따른다

Máximo Hernández는 이전 토론에서 해결되지 못한 질문을 제기했습니다. 사람들이 새로운 도구를 배우는 동안 생산성은 어떻게 되는가?

어떤 기술이든 도입하는 데는 학습 곡선이 필요합니다.

Hernández는 1990년대 기업용 이메일의 등장을 상기시켰습니다. 오늘날 필수적인 것으로 여겨지는 이메일도 습관, 프로세스, 업무 방식을 바꾸는 데 필요했습니다.

AI의 경우에도 비슷한 현상이 일어나지만, 훨씬 더 빠른 속도로 진행됩니다.

차이점은 이제 거의 모든 직원이 즉시 실험을 시작할 수 있다는 것입니다.

그리고 실험은 필수적입니다.

문제는 그 실험을 통해 무엇을 얻고자 하는지 아무도 정의하지 않았을 때 발생합니다.

어떤 사람은 이미 알고 있던 절차를 사용했다면 더 빨리 얻을 수 있었을 결과를 AI를 통해 얻기 위해 몇 시간을 할애할 수 있습니다.

또 다른 사람은 적절한 맥락을 제공하지 않고 작업을 해결하려고 기술 자원을 낭비할 수 있습니다.

학습에는 가치가 있지만, 자원도 소비합니다.

AI 구매가 생산성 구매와 동일하지 않다

Hernández는 모든 직원을 일관되게 교육한 후 AI 지원 프로젝트를 다수 개발한 회사의 사례를 들려주었습니다.

이 과정에서 문제가 발생했습니다. 일부 사용자는 원하는 결과를 얻지 못한 채 가용 용량을 빠르게 소진했습니다.

반드시 기술 자체의 문제 때문은 아니었습니다.

그들은 여전히 AI를 사용하는 방법을 배우고 있었습니다.

간단해 보이는 지시사항도 여러 단계, 충분한 맥락, 문제에 대한 이해, 그리고 적절한 모델 선택이 필요할 수 있습니다.

따라서 기업이 플랫폼을 계약한다고 해서 생산성이 자동으로 발생하는 것은 아닙니다.

먼저 이를 사용할 수 있는 능력을 개발해야 합니다.

답변 비용은 얼마인가?

이 학습 곡선에 더해, 많은 조직에게는 비교적 새로운 변수인 모델 사용 비용이 있습니다.

Alan Gibrán Ávalos는 소위 ‘토큰 경제’를 제기했습니다.

모든 모델의 비용이 동일하지는 않습니다.

모든 작업에 동일한 용량이 필요한 것도 아닙니다.

간단한 문제를 해결하기 위해 지나치게 강력한 도구를 선택하면 운영 비용이 불필요하게 증가할 수 있습니다.

Ismael Prieto는 일부 조직이 처음 예상했던 절약액보다 토큰 소비에 더 많은 비용을 지출하게 될 수도 있다고 지적했습니다.

이는 AI에 대한 기본적인 질문을 바꾸어 놓습니다.

이제는 단순히 “AI로 무엇을 할 수 있을까?”라고 묻는 것만으로는 부족합니다.

“이를 수행하는 데 얼마의 비용이 들고 어떤 가치를 창출하는가?”라고 묻는 것도 필요하게 될 것입니다.

절약이 반드시 일자리 감소를 의미하는 것은 아니다

또한 인공지능의 수익을 단순히 인력 감축의 관점에서만 측정하려는 위험도 있습니다.

Prieto는 다른 관점을 제시했습니다.

기술은 프로세스를 개선하고, 판매를 증대시키며, 운영을 가속화하고, 분석 능력을 향상시키거나, 더 큰 영향력을 가진 활동을 위한 시간을 확보함으로써 가치를 창출할 수 있습니다.

단 한 명의 직원도 해고하지 않아도 구현은 성공적일 수 있습니다.

진정한 질문은 조직이 기존 자원으로 더 많은 가치를 얻고 있는가입니다.

실험은 하되, 방향성을 가지고

해결책은 실험을 중단하는 것도 아닙니다.

이러한 속도로 발전하는 기술은 테스트하고, 배우고, 수정하도록 강요합니다.

하지만 실험하는 것과 단순히 방향 없이 도구를 사용하는 것 사이에는 차이가 있습니다.

방향성 있는 실험은 목표 설정, 사용 사례 선택, 직원 교육, 결과 측정, 그리고 어떤 관행을 확장할 가치가 있는지 결정하는 것을 포함합니다.

또한 일정 기간 동안 학습 곡선이 존재할 것이라는 사실을 받아들이는 것을 의미하기도 합니다.

AI는 막대한 시간을 절약해 줄 수 있습니다.

하지만 이를 달성하기 전에 기업은 명백히 간단해 보이는 것을 배워야 합니다: 무엇에 사용하는 것이 가치가 있고, 무엇에 가치가 없는지.

The entry AI는 시간을 절약해 준다고 약속했는데, 오히려 시간을 낭비하게 만드는 것은 아닐까요? first appears on Líder Empresarial.