모두가 AI가 전문가에게 유리한지, 아니면 제너럴리스트에게 유리한지 묻고 있습니다.
저는 그 질문이 잘못되었다고 생각합니다.
AI는 어느 한쪽 편을 들지 않습니다. AI는 트레이드오프를 변화시킵니다.
기존의 세상은 선택을 강요했습니다. 깊이 파고들거나, 넓게 확장하거나. 전문가들은 깊이를 가졌습니다. 그들은 제품, 기능, 도메인, 프로세스, 예외 사례, 그리고 오랜 시간 문제 공간 안에서 살아야만 얻을 수 있는 값진 교훈을 알고 있었습니다. 그들은 자신의 영역 안에서 어려운 질문에 답할 수 있었습니다.
제너럴리스트들은 범위를 가졌습니다. 그들은 팀, 고객, 시장, 기능, 비즈니스 모델을 넘나들며 점들을 연결할 수 있었습니다. 그들은 다른 사람들이 놓치는 패턴을 볼 수 있었습니다. 그들은 자연스럽게 같은 언어를 사용하지 않는 그룹 간의 통역사 역할을 할 수 있었습니다.
둘 다 가치 있었습니다.
둘 다 불완전했습니다.
전문가들은 종종 좁은 영역 안에 갇혔습니다. 제너럴리스트들은 어려운 결정을 내리기에 충분한 깊이가 부족한 경우가 많았습니다. 그 트레이드오프는 우리가 인정하는 것보다 더 깊이 현대 조직도를 형성해 왔습니다.
많은 조직 설계는 인간 능력의 한계를 중심으로 구축되었습니다. 어떤 한 사람이 충분한 맥락, 전문성, 정책, 기술적 세부 사항, 고객의 미묘한 차이, 그리고 판단력을 모두 가지고 복잡한 작업을 끝까지 진행할 수는 없었습니다. 그래서 우리는 인수인계(handoffs)를 만들었습니다.
비즈니스 담당자가 기술 담당자에게 넘겼습니다.
기술 담당자가 제품 담당자에게 넘겼습니다.
제품 담당자가 법무 담당자에게 넘겼습니다.
법무가 보안에 넘겼습니다.
보안이 IT에 넘겼습니다.
IT가 세 가지 코멘트와 회의 초대장과 함께 다시 돌려보냈습니다.
매우 정교합니다. 또한 매우 느립니다.
그것이 AI가 가장 많이 바꾸는 부분입니다.
AI는 전문성을 무의미하게 만들지 않습니다. AI가 마법처럼 모든 사람을 훌륭한 제너럴리스트로 만드는 것도 아닙니다. AI는 인수인계 비용(handoff tax)을 공격합니다.
AI는 전문가에게 더 넓은 범위를 제공합니다.
AI는 제너럴리스트에게 더 깊이를 제공합니다.
AI는 더 많은 사람들이 다른 인간이 개입하기 전에 작업을 더 멀리 진행할 수 있게 해줍니다.
마지막 부분이 중요합니다.
목표는 전문가를 없애는 것이 아닙니다. 목표는 전문가를 경로 지정 인프라(routing infrastructure)로 사용하는 것을 중단하는 것입니다.
AI는 업무가 어떻게 진행되어야 하는지 변화시킵니다
간단한 예를 들어보겠습니다: 역량 강화 콘텐츠(enablement content).
기존 모델에서는 콘텐츠를 담당하는 사람이 작업이 제대로 완성되기 전에 제품, 법무, IT, 보안, 현장 역량 강화 및 여러 다른 팀의 의견을 받아야 할 수도 있습니다. 그 승인 중 일부는 실제로 필요합니다. 법적 승인이 필요한 곳에서는 여전히 법무 팀이 필요합니다. 보안 승인이 필요한 곳에서는 여전히 보안 팀이 필요합니다. 답변이 중요한 경우에는 진정한 제품 전문가가 여전히 필요합니다.
하지만 많은 왔다 갔다 하는 과정은 판단이 아닙니다. 그것은 번역입니다. 그것은 초안 검토입니다. 그것은 기본적인 위험 식별입니다. 그것은 작업 소유자가 인수인계 전에 했을 수도 있는 사고(thinking)를 다른 사람에게 요청하는 것입니다.
AI를 사용하면 콘텐츠 소유자는 다른 사람을 참여시키기 전에 훨씬 더 많은 일을 할 수 있어야 합니다. 그들은 콘텐츠를 초안 작성하고, 정책과 비교하고, 메시지를 스트레스 테스트하고, 가능한 법적 문제를 식별하고, 기술적 주장을 확인하고, 더 깔끔한 승인 패키지를 준비할 수 있어야 합니다.
전문가는 여전히 승인합니다. 하지만 이제 전문가는 판단을 위해 사용되며, 정리를 위해 사용되지 않습니다.
그것이 변화입니다.
AI는 깊이의 필요성을 없애지 않습니다. AI는 깊이에 즉시 접근할 수 없어서 발생하는 의존성을 줄입니다.
이것은 미묘해 보이지만, 그렇지 않습니다. 이것은 운영 모델을 변화시킵니다. 더 많은 사람들이 더 많은 맥락을 가지고 갈 수 있다면, 작업이 동일한 수의 인간 체크포인트를 거칠 필요가 없어야 합니다. 첫 번째 분석(first-pass analysis)이 저렴하다면, 전문가들은 반쯤 구워진 투입물(half-baked inputs)을 수정하는 데 시간을 보내서는 안 됩니다. 조정 비용이 떨어진다면, 팀들은 그 경로가 익숙하다는 이유만으로 오래된 라우팅 경로를 유지해서는 안 됩니다.
우리가 협업이라고 부르는 많은 것들은 단지 예의 바른 지연(latency with better manners)에 불과합니다.
AI는 우리가 그것에 대해 더 솔직해지도록 강요합니다.
전문가는 여전히 중요하지만, 깊이에는 범위(range)가 필요합니다
이것이 제가 미래가 제너럴리스트에게 속한다는 단순한 주장을 믿지 않는 이유입니다.
그것은 그럴듯하게 들립니다. 또한 불완전합니다.
AI를 가진 얕은 제너럴리스트는 여전히 얕습니다. 그들은 단지 확신에 찬 헛소리를 더 빠르게 생산하게 될 수도 있는데, 그것이 우리에게 약속된 혁명과는 거리가 있습니다.
깊이는 여전히 중요합니다. 사실, AI가 표면 수준의 유창함(surface-level fluency)을 싸게 만들기 때문에 깊이가 더 중요해질 수도 있습니다. 누구나 AI에게 주제를 요약해 달라고 요청할 수 있습니다. 누구나 괜찮은 초안을 생성할 수 있습니다. 누구나 5분 동안은 정보를 얻은 척 할 수 있습니다.
차별화 포인트는 당신이 무엇이 빠졌는지 알아차릴 만큼 충분히 아는지 여부가 됩니다.
전문성이 나타나는 곳이 바로 여기입니다.
전문가는 어떤 세부 사항이 틀렸는지 압니다. 전문가는 어떤 가정이 위험한지 압니다. 전문가는 답변이 옳게 들리지만 실제 환경에서는 실패할 때를 압니다.
AI는 바닥을 높입니다. 천장을 없애지는 않습니다.
하지만 전문가도 변해야 합니다.
범위 없는 깊이는 병목 현상이 됩니다. 당신의 가치가 단지 한 가지를 알고 있고 모든 사람이 당신의 답변을 기다려야 한다는 것이라면, AI는 그 모델을 직접 공격하고 있습니다.
최고의 전문가들은 단지 자신의 영역을 보호하지 않을 것입니다. 그들은 그 영역에서 확장할 것입니다. 그들은 AI를 사용하여 주변 비즈니스 맥락, 인접 시스템, 고객 영향, 경쟁 역학, 구현 제약 조건 및 운영 위험을 이해할 것입니다.
저는 제 의사를 생각합니다. 그는 턱관절 장애(TMJ) 전문의입니다 — 수십 년 동안 하나의 좁고 어려운 문제에 집중해 왔습니다. 속일 수도 없고 서두를 수도 없는 그런 깊이입니다.
그는 수년간 제품 아이디어를 가지고 있었습니다. 그 문제 안에서만 살아가는 사람이 생각해낼 수 있는 것들입니다. 하지만 그 아이디어들은 항상 같은 지점에서 좌초되었습니다. 아이디어가 틀려서가 아닙니다. 아이디어 주변의 모든 것이 다른 전문가를 필요로 했기 때문입니다. 성분 연구. 규제 승인. 제조. 특허 출원. 법무. 각각은 그가 가지고 있지 않거나, 감당할 수 없거나, 대화를 어떻게 시작해야 할지 모르는 누군가에게로의 인수인계였습니다.
그래서 아이디어는 아이디어로 남았습니다.
그것이 바뀌었습니다. 그가 화학자나 변리사가 되어서가 아닙니다 — 그의 깊이는 여전히 턱에 있고, 지식 재산권 법에 있지 않습니다. 하지만 이제 그는 첫 번째 작업(first pass)을 스스로 할 수 있습니다. 성분을 연구합니다. 규제 경로를 매핑합니다. 특허 출원에 실제로 무엇이 관련되는지 이해한 후에야 누군가에게 비용을 지불하고 출원을 의뢰합니다. 그는 아이디어가 실제로 실현 가능한지 알 만큼 충분히 아이디어를 발전시킬 수 있습니다.
그는 여전히 변리사가 필요합니다. 그는 여전히 규제 전문가가 필요합니다. 하지만 이제 그들은 사려 깊은 아이디어에 대해 판단을 제공하기 위해 참여하게 됩니다 — 그에게 기본을 가르치거나 다음 사람에게 안내하기 위해서가 아닙니다.
그의 전문성은 결코 병목 현상이 아니었습니다. 병목 현상은 다른 모든 사람에 대한 접근성이었습니다.
그들의 깊이가 닻(anchor)이 됩니다.
AI는 반경(radius)을 확장합니다.
제너럴리스트는 여전히 중요하지만, 범위(range)에는 얻어진 깊이(earned depth)가 필요합니다
제너럴리스트에게도 역방향으로 동일하게 적용됩니다.
최고의 제너럴리스트들은 단지 점들을 연결하며 작업 위에 떠 있지 않을 것입니다. 그들은 문제가 요구할 때 AI를 사용하여 깊이 들어갈 것입니다. 그들은 가정을 테스트할 것입니다. 프로토타입을 만들 것입니다. 문서를 읽을 것입니다. 데이터를 분석할 것입니다. 실제 제약이 어디에 있는지 알기 위해 아키텍처를 충분히 이해할 것입니다.
그들의 범위가 이점이 됩니다.
AI는 그들에게 필요할 때 깊이를 제공합니다.
따라서 미래의 프로필은 전문가 또는 제너럴리스트가 아닙니다. 그것은 필요할 때의 범위와 깊이(range and depth on demand)입니다.
문제가 연결을 요구할 때는 넓게 가십시오.
결정이 전문성을 요구할 때는 깊게 가십시오.
AI로 충분한 때를 알라.
인간 전문가가 필요한 때를 알라.
작업이 승인될 준비가 되었을 때와 여전히 예쁜 옷을 입은 반쯤 구워진 엉망(half-baked mess wearing a nice outfit)일 때를 알라.
그 판단이 바로 그 일(the job)입니다.
리더는 업무를 재설계해야 합니다
이것은 리더에게 큰 시사점을 던집니다.
만약 당신의 운영 모델이 여전히 모든 질문이 다섯 명의 인간을 통해 라우팅되어야 한다고 가정한다면, 당신은 AI 네이티브가 아닙니다. 당신은 더 나은 도구를 가지고 더 느려진 것뿐입니다.
모든 팀이 기본적인 작업을 진행하기 위해 다른 팀을 기다리고 있다면, 당신은 업무를 재설계하지 않은 것입니다. 당신은 똑같은 오래된 의존성 체인에 AI를 추가하고 그것을 혁신이라고 부르고 있습니다. 그것은 전략이 아닙니다. 그것은 기조 연설(keynote)이 있는 조달(procurement)입니다.
리더가 던져야 할 질문은 "모든 사람을 어떻게 더 생산적으로 만들 것인가?"만이 아닙니다.
그것은 너무 모호합니다.
더 나은 질문은: 우리는 어디에서 인간을 판단 대신 인수인계(handoffs)로 사용하고 있는가?
그 질문은 낭비를 드러냅니다.
그것은 전문가들이 가치가 낮은 검토에 끌려들어가고 있는 곳을 보여줍니다. 그것은 제너럴리스트들이 이제 스스로 처리할 수 있는 작업을 조정하고 있는 곳을 보여줍니다. 그것은 전문가들이 이제 생성할 수 있는 맥락을 기다리고 있는 곳을 보여줍니다. 그것은 팀들이 흐름을 재설계하는 대신 오래된 프로세스를 보호하고 있는 곳을 보여줍니다.
이것이 진정한 리더십 작업입니다. 도구를 사는 것이 아닙니다. 파일럿을 발표하는 것이 아닙니다. 업무가 바뀌었는지에 대해 거의 말해주지 않는 사용량 메트릭을 축하하는 것이 아닙니다.
업무는 새로운 가정을 중심으로 재설계되어야 합니다: 더 많은 사람들이 이제 더 많은 맥락을 가지고 갈 수 있다.
이는 일부 인수인계는 사라져야 함을 의미합니다. 일부 승인 경로는 더 깔끔해져야 합니다. 일부 역할은 확장되어야 합니다. 일부 프로세스는 삭제되어야 합니다. 일부 전문가는 가치가 낮은 업무로부터 보호되어 진정으로 전문성을 요하는 결정에 집중할 수 있어야 합니다.
이것은 불편합니다. 왜냐하면 인수인계는 단지 프로세스가 아니기 때문입니다. 그것들은 또한 정체성, 통제, 위험 관리이기도 합니다. 팀들은 워크플로우에서 필수 정류장이 되는 것을 중심으로 권력을 구축합니다. 리더들은 모든 위험이 다른 곳에 소유자를 가지고 있다는 것을 알고 편안함을 느낍니다.
AI는 이 모든 것에 압력을 가합니다.
AI는 더 어려운 질문을 던집니다: 만약 업무가 이제 다르게 진행될 수 있다면, 우리는 왜 여전히 이렇게 조직되어 있습니까?
인재는 다르게 평가되어야 합니다
이것은 또한 우리가 인재에 대해 어떻게 생각해야 하는지를 변화시킵니다.
기존의 채용 및 개발 모델은 고정된 전문성을 보상했습니다. 당신은 무엇을 알고 있습니까? 어디서 일했습니까? 어떤 제품을 다루었습니까? 어떤 기능을 지원했습니까?
이러한 것들은 여전히 중요하지만, 더 이상 충분하지 않습니다.
새로운 질문은: 조직이 당신에게 플레이북을 건네줄 때까지 기다리지 않고 무엇을 알아내고, 구축하고, 검증하고, 움직일 수 있습니까?
그것은 다른 프로필입니다.
빌더 증명(builder proof)이 혈통(pedigree)을 이깁니다.
당신이 무엇을 구축했는지 보여주십시오. 어떻게 막혔는지 보여주십시오. AI가 어디에서 틀렸는지 보여주십시오. 어떻게 회복했는지 보여주십시오. 기술적 결정을 비즈니스 결과에 어떻게 연결했는지 보여주십시오.
그것은 혁신에 대한 정제된 답변보다 나에게 더 많은 것을 말해줍니다.
만지작거리는(tinker) 사람들은 훈련을 기다리는 사람들보다 더 빠르게 복리 효과(compound)를 볼 것입니다. 그것이 가혹하게 들릴 수도 있지만, 저는 그것이 사실이라고 생각합니다.
훈련은 조직이 이미 알고 있는 것을 알려줍니다. 만지작거리는 것은 이제 무엇이 가능한지 보여줍니다.
AI 세계에서는 이 두 가지 사이의 격차가 엄청납니다.
에이전트, 프로토타입, 워크플로우, 코드, 콘텐츠, 데이터를 실험하는 사람은 공식적인 역량 강화 프로그램이 따라잡을 수 없는 직관(instincts)을 개발할 것입니다. 그들은 도구가 강력한 곳을 알게 될 것입니다. 그들은 도구가 어디에서 고장 나는지 알게 될 것입니다. 그들은 2주가 걸리던 일을 이제 1시간 안에 할 수 있는 것이 무엇인지 알게 될 것입니다.
그 직관은 리더십 기술이 됩니다.
모든 사람이 엔지니어가 되어야 하기 때문이 아닙니다.
모든 사람이 이제 업무가 얼마나 비용이 드는지 이해해야 하기 때문입니다.
초안 작성 비용이 바뀌었습니다.
분석 비용이 바뀌었습니다.
프로토타이핑 비용이 바뀌었습니다.
학습 비용이 바뀌었습니다.
조정 비용도 바뀌어야 합니다.
만약 업무 수행 비용이 떨어졌지만 조직이 동일한 인수인계를 유지한다면, 병목 현상은 더 이상 역량이 아닙니다. 그것은 근육 기억(muscle memory)입니다.
그것이 위험한 부분입니다.
대부분의 회사는 AI 도구가 부족해서 실패하지 않을 것입니다. 그들은 더 이상 존재해서는 안 되는 프로세스에 AI를 덧붙이기(bolt) 때문에 실패할 것입니다. 그들은 진정한 기회가 워크플로우의 절반을 삭제하는 것일 때, AI를 사용하여 오래된 워크플로우를 더 빠르게 만들 것입니다.
아키텍처는 여전히 중요합니다
한 가지 더 중요한 부분이 있습니다: 아키텍처.
필요할 때의 범위와 깊이는 사람과 에이전트가 신뢰할 수 있는 컨텍스트를 가지고 있을 때만 작동합니다. 데이터가 오래되었거나, 단편화되었거나, 권한이 제대로 설정되지 않았거나, 워크플로우와 연결되지 않은 경우, AI는 사람들이 잘못된 방향으로 더 빠르게 움직이도록 도울 뿐입니다.
그것은 레버리지가 아닙니다. 그것은 더 나은 인터페이스를 가진 혼란(chaos with a nicer interface)입니다.
AI를 사용하는 사람은 올바른 정보, 올바른 도구, 올바른 가드레일, 올바른 에스컬레이션 경로에 접근할 수 있어야 합니다. 그렇지 않으면 그들은 안전하게 작업을 더 멀리 진행할 수 없습니다. 그들은 단지 더 빠르게 더 많은 결과물(artifacts)을 생성할 수 있을 뿐입니다.
이것이 AI 전략이 프롬프트 훈련이나 도구 채택으로 축소될 수 없는 이유입니다. 기본이 되는 아키텍처가 중요합니다. 데이터 모델이 중요합니다. 권한 모델이 중요합니다. 워크플로우 통합이 중요합니다. 에스컬레이션 경로가 중요합니다.
이러한 요소들이 없으면, AI는 생산성 극장 기계(productivity theater machine)가 됩니다. 많은 출력. 충분한 진전은 없습니다.
새로운 기술
이것은 단지 경력에 관한 대화가 아닙니다. 그것은 운영 모델에 관한 대화입니다.
더 많은 사람들이 더 많은 맥락을 가지고 갈 수 있을 때 업무는 어떻게 진행되어야 합니까?
첫 번째 분석이 저렴할 때 전문가는 어떻게 사용되어야 합니까?
조정 비용이 떨어질 때 팀은 어떻게 설계되어야 합니까?
지식이 생성될 수 있지만 판단은 여전히 얻어져야 할 때 리더는 인재를 어떻게 평가해야 합니까?
저는 계속 이것으로 돌아갑니다:
오래된 조직도는 인간 능력의 한계를 중심으로 구축되었습니다.
AI는 그 한계를 변화시킵니다.
그것은 모든 사람이 동일해진다는 것을 의미하지 않습니다. 그것은 역할 간의 경계가 더 유연해진다는 것을 의미합니다.
전문가에게는 범위가 필요합니다.
제너럴리스트에게는 깊이가 필요합니다.
전문가는 여전히 중요하지만, 기본적인 경로 지정이 아닌 판단을 위해 사용되어야 합니다.
제너럴리스트는 여전히 중요하지만, 패턴 인식에서 실제 실행으로 이동할 수 있는 충분한 깊이가 필요합니다.
리더는 여전히 중요하지만, 고장난 모델 안에서 생산성 향상을 축하하는 대신 업무를 재설계해야 합니다.
승자는 언제 넓게 갈지, 언제 깊게 갈지, 그리고 언제 다른 인간이 실제로 개입해야 하는지를 아는 사람들이 될 것입니다.
그것이 새로운 기술입니다.
필요할 때의 범위와 깊이(range and depth on demand).
