AI Agent의 업무 성과를 내는 비법
사실 많은 사람들은 단순히 AI만 도입만 하면 업무 성과가 개선되고 생산성이 향상될 것이라는 장미빛 미래를 꿈꾼다. 하지만 현실은 빅데이터와 크게 다르지 않다.
AI는 결국 DT화가 되어 있어야 하는데요. 바로 데이터기반 의사결정의 연장선에 있는데요.
데이터 기반 의사결정
데이터 기반 의사결정(Data-Driven Decision-Making)은 데이터와 분석 결과를 근거로 의사결정을 내리는 과정을 말합니다.
즉 수집할 수 있는 내외부의 데이터를 수집하고, 수집한 데이터를 기반으로 분석하여, 통찰을 도출하고 전략을 구성하는 형태를 말하는데요.
예를 들어 재난안전을 데이터 기반으로 분석한다면, 예전에는 단순히 가을에는 건조하니 산불이 난다 그러니 조심하자 이정도로 우리가 경험과 직관으로 의사결정을 하는데요.
빅데이터 기반으로 분석한다면 어느정도 습도일때 산불이 몇배 더 많이 나는지, 그렇다면 그 정도 습도가 되면 계절과 상관없이 재난 안전 문자를 발송한다는 등의 활동을 진행할 수 있습니다. 그리고 또 다른 변인 예를 들어 축제가 있어서 사람이 많이 모이면 몇배정도 산불이 나는지 등을 수치로 직접 확인할 수 있습니다.
그리고 이번 생성형 AI와 기업의 생산성 보고서는 그 내용을 좀더 명확하게 알 수 있습니다.
생성형 AI와 기업의 생산성
대한상공회의소 SGI(지속성장이니셔티브)가 발표한 ‘생성형 AI와 기업의 생산성’ 보고서에 따르면, 임금근로자 3천여 명 가운데 56%가 업무에 생성형 AI를 활용하고 있다고 답했다고 합니다.
보고서 전문 링크
응답자들은 AI가 없었다면 주당 평균 8.4시간을 더 일해야 했을 것이라고 밝혔습니다. 근무 시간 기준으로 약 17.6%를 절감한 셈인데요. 보고서가 제시한 수치는 단순 체감이 아니라 업무 대체 시간을 기준으로 산출되었다고 합니다.
활용 격차도 분명했습니다. 남성, 젊은 층, 고소득, 사무·전문직에서 사용 비율이 높았습니다. 산업별로는 정보통신업과 전문·과학 서비스업이 앞섰고, 300인 이상 대기업의 활용률은 66.5%로 중소기업보다 13%포인트 이상 높았다고 합니다.
업무 유형별로는 문서 작성과 요약이 가장 흔했습니다. 그러나 사용 빈도가 높아질수록 기획·분석·창의 업무로 확장되는 경향이 확인됐습니다. 문제는 숙련도입니다. 상황과 목표에 맞춰 프롬프트를 설계할 수 있는 ‘고도 활용자’는 13.6%에 그쳤습니다.
그리고 많이 사용할 수록 AI 전체 자동화 보다는 본인들의 목적에 맞춰서 사용하는 경향이 뚜렸해졌습니다.
보고서는 회귀분석 결과도 공개했습니다. AI 사용 시간을 늘리는 것만으로는 생산성 향상 효과가 통계적으로 유의하지 않았습니다. 반면 프롬프트 작성 역량이 높을수록 생산성이 개선되는 경향이 뚜렷했습니다.
그리고 고차원/전문적 영역에서는 AI 활용만으로는 생산성 향상이 제한적입니다. 이는 전체 업무를 대체하기 보다는 특정 업무군에서 강점을 발휘하는 편향적 생산성 도구라는 것입니다.
경영진은 AI가 모든 업무를 대체할 수 있을 것이라 기대하지면 현실적으로는 업무 프로세스 중에서 AI로 대체할 수 있는 부분은 대체하고 사람이 해야하는 업무에 집중하는 것이 현실적으로 AI를 통해 생산성을 향상할 수 있는 부분입니다.
그래서 본질적으로 AI를 활용해서 업무를 잘하려면, 본인의 업무 중에서 AI로 대체할 수 있는 정형화된 패턴과 명확한 규칙이 있는 업무와 AI로 하기 어려운 업무를 구분하는 작업부터 진행되어야 합니다.
예측 불가능한 상황 대응이라던지, 감정 기반 커뮤니케이션, 최종 책임이 필요한 의사선택의 경우에는 AI가 자동화하여 처리하기 어렵습니다.
이번 보고서는 우리가 알고 있는 사실을 통계를 통해 알려주는 역활을 하고 있는데요.
단순히 전직원에게 ChatGPT나 Gemini와 같은 AI도구를 보급하는 것이 업무 생산성을 향상 시키는 것이 아닙니다. 이 생성형 AI를 본인 업무에 어떻게 적용해서 ‘사용할 수 있는 능력’이 성과를 좌우했다는 의미입니다.
결국 생성형 AI는 인간을 대체할 수 있는 마법의 지팡이가 아니라 인간이 더 잘 할 수 있도록 도와주는 도구라는 점을 잊어서는 안될 것입니다.
