AI 사람에게 배우다

“스티브, 반발이 좀 있지 않을까요? 요즘 하도 AI 때문에 직업이 없어질지도 모른다고 말이 많아서요. 아무래도 현업 부서 입장에서는 달가워하지 않을 것 같아요.”
“자네 말도 일리가 있네. 그런데 난 이렇게 생각하네. 어떤 직업이든 기계가 더 잘할 수 있는 부분이 있고, 사람이 더 잘할 수 있는 부분이 있을 걸세. 자네도 느끼지 않나? 자네 하루를 한번 유심히 들여다보게. 아마 꽤 많은 시간을 반복적이고 행정적인 업무에 쓰고 있지 않은가?”

스티브는 말을 이어갔다. “그 반복적인 일이 필요하지 않다는 것이 아니네. 회사가 움직이기 위해서는 필요하기 때문에 우리가 그런 일을 하는 것이겠지. 그러나 우리 시간과 집중력은 한정되어 있지 않나, 회사에 중장기적으로 더 중요할 일에 투입할 시간을 뺏기고 있지는 않은지 돌아볼 필요가 있네. 자네는 무슨 일을 할 때 행복한가? 나는 고객과 만나고 그들의 이야기를 듣고, 우리가 어떻게 변화해야 이 무한 경쟁 속에 살아남을까 생각하고 고민하는 데에 시간을 더 쓰고 싶네.

- AI, 여정을 시작하다

“사실 인사부는 다른 부서 직원들이 행복하게 일할 수 있도록 도와주는 사람들이죠. 그런데 정작 우리는 행복하지 않으니, 그게 어렵습니다. 지금껏 여러 기술을 도입하고, 노력해봤는데 모두 실패했어요. 그런데 마이크와 존의 설명을 들으니 지금까지 잘못된 방향으로 기술을 적용했다는 생각이 듭니다.”

한 가지 중요한 것은 이득이 반드시 ‘비용 절감’을 의미하는 것은 아니라는 점이다. 실질적인 목표는 AI를 적용해 인건비를 줄이는 것이 아니라, 그 인력을 더 도전적이고 창의적인 업무에 재배치하는 것이 목표일 때가 많기 때문이다.
- 태도가 전부다

흥미롭게도 전혀 다른 산업, 전혀 다른 회사, 전혀 다른 비즈니스 프로세스라 하더라도 대부분의 AI의 성능은 비슷한 궤적을 그린다. 거칠게 말하면, 개발 시작 후 초기 1~2주 차에 약 70~80%, 즉 ‘그럭저럭’ 괜찮은 성능에 도달하지만, 남은 20~30% 성능 개선에 엄청나게 오랜 시간과 비용이 소요된다는 것이다.
전혀 다른 영역의 문제가 대부분 비슷한 난이도를 보인다는 것은 흥미로운 발견이다. 아마도 사람이 처리하는 일 대부분은 쉽고 명료하지만, 나머지 20~30% 정도의 일은 복잡하고 어려운 것이라고 추측하고 있다.
문제는 AI 성능이 ‘사람의 과거 수행 실적’에 좌우된다는 것이다. 이는 AI를 개발하는 비즈니스 부서가 ‘진실과 마주하는 순간’이라고 할 수 있다.
- 개발의 장애물