AI를 활용해 회사의 집단 지성을 만들기

경영 세계에서, AI에 대해 자동화와 증강이라는 두 가지 관점에서 생각하는 것이 일반적입니다. 자동화는 인간이 수행하던 작업을 기계가 대신하는 것을 의미하고, 증강은 인간과 기계가 협력하여 작업을 수행하는 것을 의미합니다. 전통적인 관점에 따르면, 증강은 단기적인 사고, 유연성 상실, 인간의 직관과 기술의 상실과 같은 부정적인 측면을 완화하기 때문에 자동화보다 더 높은 성과를 이끈다고 합니다. 즉, 장기적인 성공을 저해하는 단점들을 완화해 준다는 것이죠.

하지만 이 관점은 중요한 점을 놓치고 있습니다. 증강은 자동화를 피하는 것이 아니라 단지 그것을 숨기고 있을 뿐입니다. 주로 정보 수집이나 의사 결정의 하위 작업에서 말입니다. 예를 들어, 조직이 온라인 스토어에서 제품 설명 작성을 증강하는데 생성형 AI 도우미를 사용할 때, 첫 번째 초안을 작성하는 작업은 이미 자동화되고 있을 수 있습니다. 이 자동화는 인간의 직관, 전문성, 경험, 그리고 논리를 AI 시스템이 결정하는 것으로 대체하고 있으며, 결국 기술 퇴화와 같은 부정적인 영향을 미칠 수 있습니다. 즉, 증강 전략이 관리자들이 피하려고 했던 자동화의 단점들이 단순히 더 낮은 수준으로 밀려 내려가고 있는 것입니다.

AI 도입이 전략적 목표를 발전시키고 주요 목표를 지원하도록 하기 위해, 관리자들은 AI를 조직의 집단 지능을 증가시키는 방법으로 사용하는 새로운 사고방식을 채택할 수 있습니다.

집단 지능은 협업, 집단적 노력, 경쟁을 통해 형성되는 공유된 지능입니다. 이는 집단이 합의를 도출하고, 복잡한 문제를 해결하며, 변화하는 환경에 적응하는 능력을 반영합니다. 최근 연구에 따르면 집단 지능은 세 가지 상호 의존적인 요소, 즉 집단 기억, 집단 주의, 집단 추론에서 비롯된다고 합니다. 관리자는 이 아이디어를 적용하여 AI가 조직의 집단적인 인지 능력을 높이고, 인간 중심적인 방식으로 더 나은 의사 결정을 이끌며, 인간의 창의성을 증대시킬 수 있는 특정 영역을 타겟으로 삼을 수 있습니다.

AI는 이 세 가지 프로세스를 모두 지원할 수 있습니다. 다음은 그 방법입니다.

집단 기억(Collective Memory): 개인의 학습 능력을 강화하고 기회를 활용하기

생성형 AI는 이미 지식 노동자의 업무를 변화시키고 있습니다. 예를 들어, 월스트리트의 금융 기관들은 금융 분석가와 같은 초급 직원들이 수행하던 작업을 자동화하기 위해 AI를 도입하는 것을 고려하고 있습니다. 한 주요 은행의 임원이 말했듯이, “쉬운 방법은 AI 도구로 주니어들을 대체하는 것”입니다. 단기적인 생산성 향상에 매력적이지만, 이러한 전략은 조직 내 기술 및 지식 개발과 같은 장기적인 결과에 명백한 도전을 제기합니다. 초급 직무가 완전히 자동화된다면, 직원들은 어떻게 배우고 고도로 훈련된 전문가가 될 수 있을까요? 이러한 변화는 조직 내 지식 개발을 저해할 뿐만 아니라, 조직의 집단 지식을 유지하고 접근하는 데 필수적인 사회적 네트워크와 지식 공유 프로세스를 방해할 위험이 있습니다.

집단 기억은 집단이 어떻게 지식을 할당하고, 검색하며, 업데이트하는지에 관한 것입니다. 이 프로세스는 개인들이 서로 다른 세부 사항을 기억하고 전문화할 수 있게 하여, 집단이 개별적으로는 기억할 수 없는 지식을 집합적으로 더 많이 기억하고 활용할 수 있게 합니다. 이 프로세스가 효과적이기 위해서는, 집단은 서로의 역량에 대한 이해를 지속적으로 업데이트하며, “누가 무엇을 알고 있는지”에 대해 동적으로 배워야 합니다.

AI는 조직 내에서 집단 지식을 개발하고, 검색하며, 업데이트하는 데 도움을 줄 수 있습니다.

예를 들어, NVIDIA는 산업용 칩 설계와 같은 복잡한 엔지니어링 작업에 대한 질문에 답변하는 생성형 AI 기반의 챗봇 도우미를 개발했습니다. 이 챗봇은 이른바 파운데이션 모델이라 불리는 기존의 대규모 언어 모델을 기반으로 하지만, 내부 문서, 코드, 이메일 및 인스턴트 메시지와 같은 내부 커뮤니케이션으로 수정되었습니다. 이 시스템은 복잡한 설계 주제를 설명하고, 엔지니어들이 기술 문서를 빠르게 찾을 수 있게 하며, 설계, 도구, 내부 인프라에 대한 질문에 답합니다. 이를 통해 조직 전반에 분산된 지식을 더욱 널리 접근할 수 있게 합니다. 이는 전문가들이 전 세계에 분산되어 있어 즉각적인 도움을 받기 어려운 다국적 기업인 NVIDIA 같은 회사에 특히 유용합니다.

이러한 방식으로 AI 시스템을 사용하면 조직 내에 보유된 집단 지식을 검색하는 데 도움이 됩니다. 이는 조직 내에서 관련 정보를 찾는 방법에 대한 메타 지식이 부족할 수 있는 개인에게 특히 유용할 수 있습니다. 지식을 한 곳에 모음으로써, AI와 그것을 사용하는 인간은 대량의 데이터를 처리하는 데 한계가 있는 인간에게는 어려운 연결과 추론을 도출할 수 있을 것입니다. 또한 조직 내에서 관련 전문가를 식별하는 데도 도움을 줍니다.

이러한 접근 방식은 특정 전문 지식과 관련된 작업을 반복적으로 동일한 개인에게 할당함으로써, 새로운 정보와 작업을 할당하는 과정을 개선할 수 있습니다. AI는 초급 직원들의 작업을 자동화하는 대신, 그들이 특정 전문 지식을 습득하고 개발할 수 있도록 도와줄 수 있습니다. 또한, 개인 간의 의사소통을 통해 “누가 무엇을 알고 있는지”에 대한 메타 지식을 개발하고 업데이트하는 데 도움을 줄 수 있습니다. 이를 통해 개인은 지식을 더 효율적으로 검색하고, 적절한 사람에게 정보를 전달하며, 누가 무엇을 알고 있는지 최신 상태로 유지할 수 있습니다.

이러한 AI 응용 프로그램은 조직의 집단 기억을 지원하여 조직의 집단적인 인지 능력을 크게 확장할 수 있습니다.

집단 주의(Collective Attention): 개인과 집단이 정보를 처리하는 방식을 조율하기

생성형 AI가 이미 광범위하게 사용되고 있는 주요 영역 중 하나는 커뮤니케이션을 간소화하는 것입니다. AI 지원 커뮤니케이션의 잠재적인 생산성 향상은 매력적이지만, 이러한 사용은 집단이 어떻게 주의를 조율하고, 초점을 맞추는지에도 영향을 미칠 수 있습니다.

집단 주의는 집단이 주요 작업과 우선순위에 집중하는 방식을 말합니다. 때로는 여러 개인이 동일한 이벤트에 주의를 기울일 때가 있으며(예: 여러 사람이 한 사람이 말할 때 듣는 경우), 때로는 여러 개인이 서로 다른 이벤트에 주의를 기울여 집단의 주의 자원을 극대화하기도 합니다. 또한, 집단은 서로의 현재 주의 집중 대상과 요구 사항에 대한 이해를 업데이트할 필요가 있습니다.

AI는 커뮤니케이션을 간소화하고, 일정, 워크플로우, 할 일 목록을 최적화함으로써 주의 집중을 조율하는 데 도움을 줄 수 있습니다. 이를 통해 집단 주의가 전환 비용을 줄이고, 상호 의존적인 작업과 관련된 조율 비용을 줄일 수 있습니다. 이는 팀의 자원을 창의적인 문제에 집중할 수 있도록 해줍니다. AI는 그룹의 루틴을 지원하여 동기화된 조정을 장려함으로써 주의를 다시 불러올 수 있습니다. 예를 들어, AI는 각 개인의 주의 집중 대상을 조율하여 동일한 목표에 함께 집중하거나, 상황에 따라 다른 목표에 주의를 분산시킬 수 있게 할 수 있습니다. AI는 또한 개인들이 서로의 업무량과 가용성에 대한 공동 인식을 개발하는 것을 지원하여 집단 주의를 업데이트하는 데도 도움을 줄 수 있습니다. 이러한 방식으로 사용되면 AI는 조직이 집단적인 주의 자원을 최대한 활용할 수 있도록 도울 수 있습니다.

집단 추론(Collective Reasoning): 집단이 목표와 우선순위를 맞추는 데 도움을 주기

집단 추론은 집단이 서로의 개별적 및 집단적 목표에 대해 추론하여 공동 목표와 우선순위를 맞추어 공동 보상을 극대화하는 능력을 말합니다. 집단은 우선순위를 할당하고, 구성원의 헌신을 이끌어내야 합니다. 또한, 집단은 서로의 목표, 동기, 우선순위에 대한 이해를 지속적으로 업데이트해야 합니다.

AI는 다양한 출처에서 정보를 통합하여(예: AI 기반 데이터 통합을 사용하여) 목표 정렬을 개선할 수 있습니다. 또한, 협력적으로 우선순위를 할당하고 헌신을 회복하는 그룹 프로세스를 개선하여 조직 문화를 강화할 수 있습니다.

효과적으로 협력하기 위해, 집단은 서로의 출발점을 이해하고 사람들 간의 커뮤니케이션 격차를 메울 수 있어야 합니다. AI는 개별적인 관점을 요약하고 분석함으로써, 집단이 구성원들을 공동 목표와 우선순위에 맞추는 능력을 향상시킬 수 있습니다. 현재의 생성형 AI 도구는 또한 목표와 우선순위의 기저에 있는 논리를 더 쉽게 접근할 수 있게 하여, 서로 다른 배경을 가진 사람들이 이해할 수 있도록 돕는 데 유용하다는 점이 입증되었습니다. 소프트웨어 개발과 같은 분야에서 생성형 AI는 기술 배경이 없는 사람들도 프로세스에 참여할 수 있게 하여 집단 지능을 향상시킬 가능성을 제공합니다. 예를 들어, HubSpot은 AI가 웹사이트 변형을 생성하는 과정을 단순화하여 A/B 테스트를 자동화하는 방법을 탐구하고 있습니다. 이러한 AI 사용은 개인의 추론 능력을 향상시키고, 다양한 사고 방식을 증대시킬 수 있습니다.

AI는 또한 개인들이 서로의 우선순위를 업데이트하고 학습할 수 있도록 도울 수 있습니다. 이미 공공 AI 챗봇을 사용하여 집단 성찰 도구로 사용하는 아이디어들이 실현되고 있습니다. AI를 활용하여 동료와의 어려운 사회적 상황에서 의사소통하는 방법을 성찰하는 도구로 사용하는 인기 있는 사례들이 있습니다. 이렇게 사회적 단서를 활용하고 어려운 사회적 상황을 역할 놀이로 처리함으로써, 집단 내 개인은 고차원적인 추론 능력에 접근할 수 있게 됩니다. 이러한 방식으로 AI를 사용하면, 집단이 공유된 가치와 우선순위를 개발하는 방식을 개선하고, 자원과 우선순위를 효율적으로 조정하여 실행을 지원할 수 있습니다. 이러한 AI 시스템 응용 프로그램은 개인들이 집단 구성원이 중요하게 여기는 것들을 배우고, 목표에 대해 설명하고 차이점을 설명하여 더 나은 추론을 할 수 있도록 도와줄 수 있습니다. 이를 통해 집단이 가장 보상받을 수 있는 목표를 추구하도록 집단 목표를 협상하여 공동 우선순위를 더 잘 할당할 수 있게 됩니다.

AI 전략을 성공적으로 구현하기

AI가 생산 도구로 도입되어 프로세스를 자동화할 때, 이는 본질적으로 기술 저하를 유발하고, 구조를 경직시키며, 해결책을 동질화하는 방식으로 작동하여 조직이 변화하는 환경에 적응하고 조정할 수 있는 능력을 제한하는 경향이 있습니다. 결과적으로, 조직이 고려하는 아이디어, 가설, 프로세스의 다양성을 줄이는 경향이 있습니다.

관리자는 몇 가지 전략을 통해 이러한 경향을 상쇄할 수 있습니다:

AI를 코치 및 조정 도구로 사용하세요

생성형 AI 챗봇은 글쓰기 작업을 자동화할 수 있지만, 피드백을 제공하고 비평하는 코치로도 사용할 수 있습니다. NVIDIA가 개발한 지식 관리 시스템에서는 AI가 조직의 집단 지능을 향상시키기 위한 지원 시스템으로 작동합니다. 이 시스템을 통해 직원들은 귀중한 지식에 접근하고, 새로운 기술을 습득할 기회를 얻으며, “누가 무엇을 알고 있는지”에 대한 이해를 업데이트할 수 있습니다. AI 지원 시스템이 효과적인지 확인하려면, 관리자들은 사용 통계, 만족도 조사 또는 직원 성과 평가를 통해 이를 평가할 수 있습니다.

AI를 생산 도구로 사용하여 실험을 가속하고 지적 공간을 확장하세요

AI는 실험 설계, 유망한 약물 후보 식별, 가상 시나리오 분석(what-if 분석) 또는 여러 개의 초안을 생성하여 그 중에서 가장 좋은 것을 선택하는 등의 작업에 도움을 줄 수 있습니다. 이러한 모든 예시에서 AI는 새로운 아이디어나 다른 아이디어를 제시함으로써 지적 공간을 확장할 수 있습니다. 하지만 관리자는 하나의 함정을 유의해야 합니다. 생성형 AI가 기회를 확장하는 생산 도구로 사용될 때—예를 들어, 여러 개의 초안을 고려할 때—관리자는 이를 단기적인 생산성 향상을 위해 낭비적인 중복으로 간주하지 않도록 주의해야 합니다.

AI가 옵션을 확장하느냐 축소하느냐는 그것이 조직 프로세스에 어떻게 내재되어 있는지에 달려 있습니다. AI를 활용한 생산성 향상을 통해 직원들의 부담을 줄이고, 자율성을 높이며, 창의적인 사고를 위한 시간을 확보할 수 있다면, AI는 집단 지능을 대폭 강화할 잠재력을 갖고 있습니다. 창의성에 관한 연구는 오랫동안 시간, 자금, 장비와 같은 필수 자원에 대한 접근이 창의적 프로세스를 촉진할 수 있다는 중요한 역할을 입증해 왔습니다. 직원들이 자신의 역할을 적응할 수 있도록 권한을 부여하는 것은 지적 공간을 확장하기 위한 강력한 경로가 될 수 있습니다. 직접적인 영향을 받는 사람들의 의견을 구하고, 단기적인 행동을 장기적인 전략적 목표와 일치시키기 위한 체계적인 측정 및 모니터링을 설정하는 것은 관리자가 이를 올바르게 수행할 수 있도록 도와줍니다.

인지적 다양성을 감소시키고 불평등을 증대시키는 AI 위험을 주의하세요

불가피하게, 조직의 프로세스에 AI를 도입할 때에도 위험이 따릅니다. 예를 들어, 저의 연구실에서 수행한 연구에 따르면, AI는 팀이 무엇에 주목하는지에 상당한 영향을 미칠 수 있으며, AI의 기여가 질이 좋지 않더라도 마찬가지입니다. 팀이 AI 음성 비서와 함께 작업할 때, 그들은 AI 비서의 주의 집중 대상에 맞춰 주의를 조율하기 시작했으며, AI가 사용하는 특정 용어도 채택했습니다. 더 놀라운 점은 팀이 비과제 관련 영역에서도 AI가 사용하는 언어를 채택했다는 점입니다. 이는 AI가 도움이 되지 않는 정보를 제공했을 때조차 발생했으며, 팀은 AI를 신뢰하지 않는다고 보고했습니다.

최근에 저희가 수행한 또 다른 연구는 AI가 생성한 피드백이 개인의 학습과 기술 향상에 도움이 되긴 했지만, 전체적으로는 인지적 다양성의 감소를 초래한다는 것을 보여주었습니다. 동일한 중앙 집중식 AI 시스템에서 피드백을 받음으로써, 개인들은 유사한 방식으로 전문화하는 경향을 보였고, 이는 결국 인구 전체의 인지적 다양성을 감소시켰습니다. 동일한 연구는 또 다른 위험을 지적합니다. AI 시스템이 학습을 지원하고 피드백을 제공함으로써 집단 기억을 향상시킬 수 있지만, 이미 높은 기술과 동기를 가진 사람들에게 더 많은 학습 기회를 제공함으로써 기존의 불평등을 악화시킬 수도 있습니다.

이러한 사례들은 의도는 좋았지만 AI의 잘못된 응용이 집단 기억, 주의, 추론 능력을 제한할 수 있다는 것을 보여줍니다. 인간을 중심에 두면서도 AI의 대량 입력 처리 능력을 활용하는 잘 설계된 시스템은 다양한 사고 방식과 배경을 증대시키며 집단 추론을 강화할 수 있습니다.

AI의 변혁적인 혜택을 실현하려면, 단순히 작업을 자동화함으로써 얻는 즉각적인 성과와 효율성 이점을 넘어서 생각해야 합니다. AI가 집단 기억, 주의, 추론을 지원함으로써 집단 지능을 강화할 수 있는 방법을 고려하면, 인간과 AI의 협업이 지닌 진정한 잠재력을 열 수 있는 기회를 포착할 수 있습니다. 집단 지능의 관점을 적용함으로써, 복잡한 문제를 해결하고 변화하는 환경에 적응하는 능력을 증대시키기 위해 AI 시스템을 설계하고 배포하는 데 원칙적인 방법을 도입할 수 있습니다.