AI가 팀의 업무를 얼마나 변화시켰나요? 표면적으로는 업무가 그다지 달라 보이지 않을 수도 있습니다. 회의는 여전히 진행되고, 문서는 여전히 동일한 채널을 통해 이동하며, 보고서는 예전과 같은 방식으로 제출됩니다.
하지만 뭔가가 있다 변경되었습니다.
팀 전반에 걸쳐 사람들은 기술 스택의 다른 도구가 완전히 보여주지 않는 방식으로 직장에서 AI를 사용하고 있습니다. 즉, 공식 워크플로에 없는 모델에 의해 결정이 형성되는 것입니다.
실제로 전문가의 85%가 AI를 사용한다고 보고하지만 AI가 전체 업무 시간의 4%만을 차지합니다. 출력은 평범해 보이지 않을 수도 있지만, 그 뒤에 숨은 노력은 그렇지 않습니다. 그리고 대부분의 시스템은 그런 차이를 알아채도록 구축되지 않았습니다.
이 게시물에서는 AI 사용이 어떻게 이면에서 결과를 창출하는지, 그리고 이 획기적인 기술의 영향을 더 잘 추적하여 생산성을 최적화할 수 있는 방법을 살펴보겠습니다. 시작해 보겠습니다.
대화형 데모를 통해 글로벌 팀 관리를 그 어느 때보다 쉽게 만들어주는 기능을 살펴보세요.
대부분의 팀을 외부에서 보면 크게 달라진 점을 눈치채지 못할 수도 있습니다. 그러나 다음과 같이 출력이 향상되었습니다.
팀이 단순히 좋아진 것처럼 보일 수도 있습니다. 드문 경우지만 할 수 있습니다. 그럴 수도 있겠네요.
그러나 대부분의 경우 팀에서는 다음과 같이 도구가 명확하게 라벨을 지정할 수 없는 방식으로 AI를 근무 시간 내내 다양한 작업에 활용하기 시작했을 가능성이 높습니다.
(출처:Canva 크리에이터)
대시보드는 워크플로가 깨끗해 보인다고 알려줍니다. 작업 할당, 작업 완료, 완료.
하지만 그 사이의 노력은 바뀌었습니다. 리더십은 라이선스가 추적되고 공식 도구가 모니터링되기 때문에 AI 도입에 대한 합리적인 감각을 가지고 있다고 믿을 수 있습니다.
동시에 팀 워크플로의 구석구석에서 실제 사용이 이루어지고 있습니다.
더 자세히 알아보기 전에 정확하게 설명하는 것이 도움이 됩니다.
"숨겨진 AI 사용"이라고 말할 때, 우리는 극적이거나 기만적인 것을 말하는 것이 아닙니다. 우리는 사람들이 업무를 지원하기 위해 인공 지능을 사용하는 평범하고 보고되지 않은 방식에 대해 이야기하고 있습니다. 공식적인 입양 결정이 고려되지 않은 채 진행되는 경우도 많습니다.
숨겨진다는 것은 악의적인 의미에서 비밀을 의미하지도 않습니다. 일반적으로 추적되지 않거나 레이블이 지정되지 않음을 의미합니다. 기본적으로 리더십이 업무 수행 방식을 이해하기 위해 의존하는 시스템 외부에 있습니다.
실제로는 다음과 같습니다:
이 중 어느 것도 반드시 정책을 위반하는 것은 아닙니다. 위반해야 할 명확한 정책조차 없는 경우가 많습니다.
이를 "숨겨지는" 이유는 기존 시스템이 소요 시간, 사용된 도구, 완료된 작업과 같은 활동을 측정하기 때문입니다. 다음 항목은 표시되지 않습니다.
따라서 보고 관점에서는 꾸준한 성과로 보일 수 있습니다. 하지만 그 아래에는 그 어떤 대시보드도 포착할 수 없도록 설계된 작은 방식으로 프로세스가 재구성되고 있습니다.
대부분의 작업 공간 도구는 표준 활동 지표를 추적하기 위해 구축되었습니다. 또한 상호작용을 통해 노력이 가시화된다는 가정을 바탕으로 설계되었습니다.
오랫동안 그것은 효과가 있었습니다. 그러나 AI는 해당 모델에 딱 들어맞지 않습니다. 생각해 보세요:
시스템 관점에서 보면 워크플로는 그대로 유지됩니다. 하지만 대시보드가 실제로 측정하는 것은 노력입니까, 아니면 성과입니까?
AI는 작업이 공식적으로 시작되기 전, 두 개의 추적 작업 사이 또는 기술적으로 완료된 것으로 표시된 후에 작동하는 경우가 많습니다. 그것은 여백에서 생각을 재구성합니다. 그리고 대부분의 도구는 할당된 작업에서 완료된 작업까지 선형 경로를 가정하기 때문에 그 사이에 발생하는 루프와 기능 보강을 놓치게 됩니다.
프로세스가 변경되었지만 눈에 보이는 체크포인트는 변경되지 않은 경우 작업 수행 방식을 이해하기 위해 정확히 무엇을 의지하고 있습니까?
도구가 AI 사용을 해석하는 방식을 넘어서, 우리는 최근 AI 변화가 문화적 영향을 여전히 느끼고 있다는 점을 상기해야 합니다.
기술은 정책을 바꾸기 훨씬 전에 행동을 바꿉니다. 많은 직원들에게 AI를 사용하는 것은 실험보다는 역량을 유지하는 데 더 가깝습니다. 기대치가 높아지는데 시간이 흐르지 않으면 사람들은 영향력을 찾습니다. 모델이 초안 작성 속도를 높이고 실수를 줄이는 데 도움이 된다면 이는 자신의 성과를 보호하는 방법의 일부가 됩니다.
그래도 그 말을 대놓고 말하기는 좀 꺼려지네요.
일부 사람들은 직장에서 생성 AI를 사용하는 것이 지나친 것으로 비쳐질 것이라고 여전히 걱정합니다. 다른 사람들은 리더십이 이론적으로 "AI 혁신"을 축하하지만 팀의 일상적인 사용에 대해 솔직한 대화를 위한 공간을 마련하지 못했다고 생각합니다. 따라서 승인 없이 계속 사용됩니다.
발전하는 것은 인식의 차이입니다. 리더들은 항상 측정되어 온 대로 성과를 평가하고 있다고 믿습니다. 반면에 직원들은 자신의 작업이 점점 더 협력적이라는 사실을 알고 있습니다. 즉, 운전석에서 인간의 판단이 기계의 도움을 받는다는 것입니다.
이 두 가지 보기가 일치하지 않으면 피드백을 받는 방법이 변경됩니다. 또한 신용이 할당되는 방식과 위험이 관리되는 방식도 변경됩니다. 시간이 지나면 눈에 보이지 않는 생산성 향상이 정상이 됩니다. 기준선이 위쪽으로 이동합니다.
숨겨진 AI 사용을 잠시 무시하는 것이 가능합니다. 상황 결국엔 다 끝내고 말죠.
하지만 멀리서 보면 아무 것도 부서진 것처럼 보이지 않지만 위험은 더 느리고 알아보기가 더 어렵습니다.
AI가 업무 수행 방식의 일부가 되었지만 공식적인 승인 범위를 벗어나면 리더는 결국 불완전한 정보를 바탕으로 결정을 내리게 됩니다.
이러한 연결 끊김은 다음과 같은 결과를 초래할 수 있습니다:
이 중 어느 것도 AI가 문제라는 의미는 아닙니다. 대신 문제는 불투명도입니다.
리더는 AI의 영향력을 볼 수 없다면 일상 업무의 형태를 형성할 기회를 쉽게 놓칠 수 있습니다. 올바른 기술에 투자할 수 없으며, 더 중요한 것은 책임 있는 사용을 규제할 수 없다는 것입니다.
직장 내 AI에 관한 대화는 새로운 지침, 더 엄격한 정의, 더 명확한 경계 등 제어 쪽으로 빠르게 이동하는 경향이 있습니다.
그러한 충동은 일리가 있지만 공식적인 내용을 기록하기 전에 주목해야 할 더 기본적인 레이어가 있습니다.
집행보다는 이해에 관한 질문으로 시작됩니다.
이러한 질문 중 어느 것도 즉각적인 규칙을 생성하지 않습니다. 대신에 그들은 좀 더 근본적인 일을 합니다. 즉, 리더들이 그 격차가 기술에 관한 것인지, 아니면 무언의 기대에 관한 것인지 알 수 있도록 도와줍니다.
AI는 이미 일상 업무에 녹아들어 있습니다. 점점 더 널리 퍼질 것입니다. 진짜 선택은 현실이 비공식적이고 불균등하게 유지되는지, 아니면 팀이 공개적으로 이야기하여 의도적으로 개선할 수 있는지 여부입니다.
출력을 보는 것만으로 알 수 있는 신뢰할 수 있는 방법은 거의 없습니다. 명확한 글쓰기, 더 빠른 처리 시간 또는 더 구조화된 사고는 모두 AI 지원의 징후일 수 있지만 이를 사용하는 사람의 경험과 기술도 반영합니다. 모니터링 도구는 일반적으로 증강이 아닌 활동을 추적합니다.
대부분의 조직에서는 그렇습니다. 하지만 경계가 중요합니다. 허용되는 사용은 작업 유형, 데이터 민감도, 업계 규정 및 회사 정책에 따라 다릅니다. 주요 차이점은 AI가 판단을 지원하는 데 사용되는지 아니면 책임을 대체하는 데 사용되는지입니다. 직원들은 관련된 도구에 관계없이 업무 결과에 대해 계속 책임을 져야 합니다.
일반적인 예는 제도입니다. 직원은 최종 버전을 제출하기 전에 생성 AI 도구를 사용하여 보고서의 개요를 설명하고 회의록을 요약하거나 메시지를 다듬을 수 있습니다. 아이디어와 결정은 여전히 사람에게서 나오지만 모델은 결과를 구조화하고 다듬는 데 도움이 됩니다. 이 경우 AI는 기록 작성자가 아닌 보조자 역할을 합니다.
장점: AI는 반복 작업을 줄이고, 연구 속도를 높이며, 초안을 개선하고, 직원들이 복잡한 문제를 보다 효율적으로 생각하도록 도울 수 있습니다.
단점: 과도한 의존은 핵심 기술을 약화시키고, 오류를 발생시키며(결과를 주의 깊게 검토하지 않는 경우), 부적절하게 사용할 경우 윤리적 또는 데이터 보안 위험을 초래할 수 있습니다.
대부분의 도구와 마찬가지로 그 가치는 사용 방식에 따라 달라집니다.
숨겨진 사용법은 사각지대를 만듭니다. 리더는 성과 신호를 잘못 해석하거나 작업이 어떻게 완료되는지 오해할 수 있습니다. 열린 대화를 통해 AI를 가시화하면 팀이 기술과 책임을 조정할 수 있습니다.
문제는 더 이상 팀이 AI를 사용하는지 여부가 아닙니다. 퇴보할 것인지, 계속해서 강해질 것인지도 아닙니다.
대신, 다음으로 큰 질문은 그 용도가 이해되는지 여부입니다.
숨겨진 AI 사용법이 무섭게 들립니다. 그렇습니다. 하지만 검토하지 않은 채로 있을 때만 위험합니다.
리더는 워크플로가 1년 전과 동일하다고 가정할 때 오래된 가정과 비교하여 성과를 평가합니다. 반면, 직원들은 자신의 도구가 어떻게 인식될지 확신할 수 없을 때 기본적으로 침묵을 지킵니다.
가시성은 철저한 모니터링으로 시작되지 않습니다. 이미 일어나고 있는 일을 인정하고 AI 유창성을 숨기는 지름길이 아닌 강화하는 기술로 다루는 것부터 시작됩니다.