블룸버그: 인공지능이 기업의 조직 방식을 어떻게 뒤흔들게 될까?
이미지 출처: 무계 AI 생성
인류 역사의 대부분 동안 박사학위를 소지한 전문가 십여 명을 고용하려면 막대한 예산과 수개월에 걸친 준비 기간이 필요했다. 그러나 지금은 챗봇에 몇 가지 키워드만 입력하면 순식간에 이러한 '두뇌'들의 지혜를 얻을 수 있다.
지능의 비용이 낮아지고 속도가 빨라짐에 따라, 우리 사회 제도의 근본 전제—즉 '인간의 통찰력은 부족하고 값비싸다'는 가정—는 더 이상 유효하지 않게 될 것이다. 언제든지 여러 전문가의 통찰을 호출할 수 있다면 조직 구조는 어떻게 바뀔까? 우리의 혁신 방식은 어떻게 진화할까? 우리는 각자 학습과 의사결정을 어떻게 대해야 할까? 개인과 기업 앞에 놓인 질문은 이것이다. 지능 자체가 어디서나 거의 무료로 이용 가능할 때, 당신은 어떻게 행동할 것인가?
지혜의 "가격 하락" 역사
역사적으로 우리는 지식의 비용이 급격히 감소하고 전파 경로가 빠르게 확장되는 현상을 한 번 이상 목격해왔다. 15세기 중반 인쇄기의 등장은 문서 자료의 전달 비용을 크게 낮췄다. 그 이전에는 텍스트가 수도사 같은 전문가들에 의해 수작업으로 베껴졌기 때문에 비용과 시간이 모두 많이 들었다.
이러한 병목현상이 해소되자 유럽은 깊은 사회 변혁을 맞이하게 되었다. 종교 개혁은 종교적 차원에서 큰 충격을 주었고, 문맹률은 급속히 상승하여 초등교육 보급의 기반이 마련되었으며, 과학 연구는 인쇄된 간행물을 통해 활발히 진행되었다. 네덜란드와 영국 등 상업 중심 국가들은 이로부터 큰 이득을 얻었고, 특히 네덜란드는 '황금시대'를 맞이했으며 영국은 이후 수 세기에 걸쳐 세계 무대에서 중요한 역할을 계속 수행했다.
시간이 흐르며 대중의 문해력과 공공 교육이 보급되면서 사회 전체의 지혜 수준이 향상되었고, 이는 산업화의 기반이 되었다. 공장 직무는 점점 전문화되었고, 더욱 복잡한 분업은 경제 성장을 촉진했다. 18세기 말 남성 문해율이 높은 국가들이 산업화를 선도했으며, 19세기 말 가장 기술적으로 발전한 경제권은 대부분 문해율이 가장 높은 국가들이었다. 사람들은 새로운 기술을 습득하며 더욱 전문화된 직무를 만들어냈고, 이는 오늘날까지 이어지는 선순환 구조를 형성했다.
인터넷의 등장은 이러한 추세를 새로운 차원으로 끌어올렸다. 어릴 적 나는 새로운 주제를 연구하고자 한다면 도서관에서 책 목록을 찾아 메모를 하느라 반나절 이상을 소비해야 했다. 당시 지식 획득은 값비쌌고 접근하기 어려웠다.
오늘날 인공지능(AI)은 천 년에 걸친 '지혜 비용 절감'의 계보를 이어받아, 우리 경제와 사고방식에 새로운 장을 열고 있다.
내가 ChatGPT와 경험한 '눈부신 순간'
나는 2022년 12월 처음으로 ChatGPT를 사용했을 때 이것이 이정표적인 제품임을 느꼈다. 처음엔 AI에게 '에미넴(Eminem) 스타일로 독립선언서를 다시 써보라'는 식의 단순한 숫자 마법 같은 일을 시켰다(그 결과물은 아마 '야, 우리가 말하고 싶은 건, 여기 있는 사람들은 결코 굴복하지 않는다는 거야' 같은 것이었다).
돌이켜보면, 이것은 일류 요리사에게 치즈 샌드위치를 구워달라고 하는 것과 다름없었다. 그러다가 2023년 1월 어느 오후, 나는 12살 딸과 함께 ChatGPT를 활용해 완전히 새로운 보드게임을 설계하는 데 몇 시간을 보냈다. 그때 비로소 이 도구들의 진정한 힘을 실감하게 되었다.
당시 나는 먼저 AI에게 우리가 좋아하는 보드게임과 싫어하는 게임들을 알려주고, 그 공통점을 분석해 달라고 요청했다. AI는 우리가 '경로 구성', '자원 관리', '카드 수집', '전략 수립', 그리고 '승패 여부가 불확실한' 게임 메커니즘을 좋아한다는 점, 동시에 <리스크(Risk)>나 <모노폴리>에서 흔히 보이는 패턴은 싫어한다는 것을 파악했다.
이러한 요소들을 바탕으로 드러나지 않는, 그러나 중요한 게임 아이디어를 제안해 달라고 요구했고, 역사적 배경을 포함하도록 했다. ChatGPT는
그 후 나는 자원, 룰, 게임 메커니즘 및 플레이어가 맡을 수 있는 역할을 더 구체화해 달라고 요청했다. AI는 '연금술사', '파괴자', '상인', '과학자' 등의 역할을 제안했으며, 라부아지에, 조셉루이 게뤼삭, 마리 퀴리, 카를 빌헬름 쉴레 같은 실제 화학자들과 연결시켰다.
당시 아직 비교적 '초기' 수준이었던 ChatGPT를 활용해 우리는 불과 두세 시간 만에 다소 거칠지만 충분히 플레이 가능한 보드게임을 만들었다. 결국 나는 멈춰야 했는데, 시간 부족도 있었지만 무엇보다 정신적 고갈 때문이었다. 이 경험을 통해 나는 AI '협업자'가 원래 수 주가 걸리던 개발 프로세스를 불과 몇 시간 안으로 줄일 수 있음을 직접 경험했다. 이를 제품 개발, 시장 분석, 심지어 기업 전략 수립에 적용한다면 얼마나 엄청난 잠재력을 지닐 수 있을지 생각해보라.
이 과정에서 내가 본 ChatGPT는 단순히 사실을 반복하거나 나열하는 존재가 아니었다. 오히려 유추와 개념적 사고 능력을 보이며, 아이디어와 현실 참조를 연결해 요구에 따라 창의적인 해결책을 실제로 제공했다.
'무작위 앵무새'에서 '심층 사고자'로
1조라는 숫자는 이미 매우 놀랍다. ChatGPT를 구동하는 대규모 언어 모델(LLM)은 수십억, 수천억, 심지어 수조 개의 매개변수를 갖추고 있어 그 복잡성은 어마어마하다.
우리는 여전히 이러한 모델이 왜, 또 어떻게 작동하는지 완전히 이해하지 못한다. 지난 7년간 이 모델들이 연이어 돌파구를 만들어왔지만, 일부 이론가들은 이들이 진짜 새로운 것을 만들어낼 수 없다고 주장했다. 2021년엔 일부 연구자들이 '무작위 앵무새(stochastic parrots)'라는 비하적 표현까지 사용했는데, 이는 대규모 언어 모델이 훈련 데이터의 통계적 규칙에 기반해 텍스트를 예측하는 것이 마치 앵무새가 무작위로 말을 반복하는 것과 같다는 의미였다.
그러나 이러한 도구를 꾸준히 경험하며 그 가치를 인정하는 사람들에게는 그것들이 단순히 반복 작업을 한다고 믿기 어렵다. 특히 지난 반년 사이에는 이러한 주장은 더욱 설득력을 잃었다.
초기 대규모 언어 모델은 '직관적으로 말하는' 존재에 가까웠으며, '성찰'이나 '자기 인식' 기능은 거의 없었다. 노벨경제학상 수상자 다니엘 카너먼(Daniel Kahneman)의 말을 빌리면, 인간은 대부분 시스템 1(직관적이고 빠른 반응)의 사고를 하지만, 깊은 사고가 필요할 때는 시스템 2(느리고 신중하며 오류가 적은)로 전환한다. 초기 버전의 ChatGPT와 경쟁 제품들은 대부분 시스템 1에 해당하는 성능만을 가지며, 시스템 2의 추론 과정은 부족했다.
이러한 상황은 2024년 9월 OpenAI가 o1이라는 추론 모델을 발표하면서 변화하기 시작했다. 이 모델은 복잡한 다단계 논리 문제를 분해하고 중간 결론을 검증하며, 필요시 되돌아가 수정하는 능력을 갖추어 최종 결과를 더 잘 도출할 수 있다. 전통적인 대규모 언어 모델이 기억 또는 표층 패턴 매칭에 의존하는 것과 달리, 새로운 추론 모델은 점차 문제를 분해하고 신중하게 추론하는 능력을 갖추고 있다. 일부 테스트에서는 이러한 추론 모델이 특정 분야 평가에서 박사급 전문가와 견줄 수 있고, 때로는 이를 능가하기도 한다.
o1 출시 이후 불과 6개월 만에 AI는 또 다시 놀라운 발전을 이루었다. 현재 가장 뜨거운 화두는 바로 이러한 추론 모델을 '자율형 연구 조수'로 만드는 것이다. 그들의 성능은 정말 놀랍다.
최근 나는 연구 목적의 AI에게 F1 레이싱, 코첼라 음악제, 디즈니랜드, 라스베이거스 카지노, 병원, 대형 동물원 등 대규모 행사 또는 운영 프로젝트의 종합적인 환경 영향 평가를 분석해 달라고 요청했다. AI는 73분 동안 29개의 독립 출처를 조사해 상세한 결과 표와 1,916자 분량의 설명문을 작성했다. 품질은 여전히 개선 여지가 있으며, 대략 대학원생이 며칠 동안 작성한 보고서 수준이지만, 나는 수일 치의 시간을 절약할 수 있었다.
불과 18개월 전만 해도 내 AI 시스템은 반나절 이내 해결 가능한 작은 작업만 처리할 수 있었지만, 지금은 훨씬 더 복잡하고 시간이 오래 걸리는 연구 작업에도 충분히 대응할 수 있게 되었다.
인지(cognition)의 '생산 라인' 등장
우리는 '지식 활용'과 '인지적 노동'과 관련된 일련의 진화를 지속해서 목격하고 있다. 원래는 사원과 학자들이 지혜를 독점하다가 인쇄술 덕분에 지식이 전파 가능해졌고, 인터넷 덕분에 정보 자체가 손쉽게 접근 가능해졌다. 이제 문제는 점차 '정보를 어떻게 이해할 것인가'로 옮겨갔다. 그런데 이제 우리가 이전에 부족하고 복잡하다고 여겼던 작업들조차 가까이서 저렴하게 이용할 수 있게 되었다.
그러나 대기업 경영진과 대화를 나누다 보면, 그들 대부분은 고객 서비스 자동화처럼 단순한 영역에서만 AI를 사용하고 있다는 것을 알게 된다. 세일즈포스(Salesforce) CEO는 작년 12월, 매주 발생하는 3만 6천 건의 고객 지원 문의 중 86%가 AI에 의해 처리된다고 밝혔다. 스웨덴 핀테크 기업 클라르나(Klarna)는 자사 고객 서비스 대화의 3분의 2를 AI가 처리하며, 이를 통해 4천만 달러의 이익을 창출했다고 주장한다. 그러나 단순히 고객 서비스 비용을 10% 줄이는 것으로는 기업이 질적으로 도약하기 어렵다. 위대한 기업 중 단지 비용 절감만으로 성공한 사례는 없다.
따라서 대부분의 기업은 우선 AI를 상대적으로 단순한 작업부터 시작하는데, 예를 들어 고객 서비스 채팅처럼 시간당 50달러 수준의 업무를 처리하게 한다. 유용하긴 하지만, 이는 전환(transformation)이라고 보기 어렵다. 하지만 사실 AI는 시간당 '가치'가 5,000달러에 달하는 작업—예컨대 R&D, 전략 기획, 전문 컨설팅—에서도 똑같이 능력을 발휘할 수 있다. 그런데 왜 소수의 기업들만이 AI를 이러한 핵심 영역에 투입하고 있는가?
한 가지 이유는 '숙련된 관리자나 최고 전문가의 도움 없이는 불가능하다'고 여겨졌던 작업들이 기계에 의해 (또는 부분적으로라도) 수행될 수 있다는 사실을 사람들이 상상하기 어렵기 때문이다. 탁월한 인재가 부족하기 때문에 고부가가치 업무는 특히 귀중하게 여겨졌다. 우리의 조직 구조는 '진정한 고지능 인재의 공급은 제한적이다'는 인식 아래 설계된 것이다.
제약 산업을 예로 들면, 강력한 신약 하나가 기업의 성패를 좌우할 수 있다. 병목 요인은 약물을 고비용·장기간이 소요되는 승인 절차로 진입시키는 일인데, 일반적으로 10~15년과 10억 달러 이상의 투자가 필요하며, 수천 개의 후보 물질 중 단 하나만이 결국 시판된다. 동시에 대형 제약회사에서는 마케팅 인력이 최고 수준의 연구 인력보다 수천 배 많을 수 있는데, 이는 진정한 수석 연구 전문가가 극도로 희귀하기 때문이다.
현재 대부분의 기업 리더들은 여전히 'AI를 받아들이는 단계'에 머물러 있으며, 'AI를 진정으로 신뢰하는 단계'까지는 이르지 못했다. 그들은 어떤 문제가 너무 어렵거나 비용이 많이 든다고 생각하면 피하고 싶어 한다. 그러나 AI의 등장으로 이제 제약 조건은 '해결책을 생각해 낼 수 있느냐'가 아니라 '좋은 아이디어를 얼마나 빨리 실행하고 검증할 수 있느냐'로 바뀌고 있다.
이 모든 것은 깊은 영향을 미칠 것이다. 각 기업이 언제든지 수명의 '박사급 AI 전문가'를 호출할 수 있게 된다면, 혁신 속도는 자연스럽게 크게 빨라질 것이다. 헨리 포드(Henry Ford)의 자동차 조립 라인이 생산 과정의 신속한 반복과 개선을 가능하게 했듯이, AI는 아이디어와 해결책을 지속적으로 다듬고 업데이트할 수 있게 하며, 기업은 더 빨리 실패를 경험하고, 더 빨리 배우며, 신속하게 방향을 전환할 수 있다.
물론, 기업이 AI '지식 집단'이 제안한 아이디어를 실행하고 통합할 능력이 없다면 아무리 뛰어난 아이디어도 소용이 없다. 원활한 실행과 통합이 가능하냐가 진정한 격차를 만드는 핵심이다.
나와 AI가 함께하는 일상
지난 18개월 동안 나는 점차 나를 위해 일하는 'AI 생태계'를 구축해왔다. 예를 들어, 2024년 6월 어느 날 나는 하루 동안 AI 시스템을 38번 호출했고, 연구를 위해 총 7.9만 자의 상호작용을 했다.
2025년 1월에는 이미 문자 수를 더 이상 집계하지 않는다. 그러나 상대방(실제 사람)이 반대하지 않는 한, 나는 거의 모든 회의에서 AI로 회의록을 작성하게 하고 있다. 일상적인 연구에서도 나는 자주 여러 다른 AI 도구를 함께 사용한다. 이 글을 쓰기 일주일 동안만 해도 나는 다양한 대규모 언어 모델에 최소 144회의 조회를 보냈다. 이는 음성 녹음 전사(26회)와 코드 어시스턴트 도구 사용은 포함되지 않은 수치다. 나는 이제 Google 검색보다 차세대 AI 도구를 더 자주 사용한다.
놀랍게도, 나는 더 많은 작업을 더 빠르게 처리하고 있지만 컴퓨터 앞에서 보내는 시간은 몇 년 전보다 오히려 줄어들었다. 이것은 나에게 매우 기쁜 수확이다.
지혜의 비용이 거의 제로에 가까워졌을 때, 진정한 병목은 더 이상 '두뇌를 어떻게 얻을 것인가'가 아니라 '우리가 그것을 어떻게 잘 활용할 것인가'가 되었다. 좋은 질문을 하고, 답변을 객관적으로 평가하며, 신속하게 행동하는 개인과 조직이 승자가 될 것이다. 또한 그들은 이렇게 여유가 생긴 시간을 가지고 무엇을 할지 고민해야 할 것이다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
