[BCG 번역] GenAI Doesn’t Just Increase Productivity. It Expands Capabilities (Part 1)

이번 보고서는 BCG 헨더슨 인스티튜트(BCG Henderson Institute)가 주도한 두 번째 주요 현장 실험로, 비즈니스 리더들이 직원과 생성형 AI가 어떻게 업무 현장에서 협업해야 하는지를 이해하도록 돕기 위해 설계되었습니다.

 

출처: https://www.bcg.com/publications/2024/gen-ai-increases-productivity-and-expands-capabilities

 

이전 연구에서는 직원들이 자신이 이미 수행할 수 있는 난이도의 과제를 처리할 때, 생성형 AI가 새로 만들어내거나 파괴한 가치에 대해 평가했습니다.

 

이번 실험은 직원들이 현재 자신의 역량을 초과하는 과제를 생성형 AI의 도움을 받아 어떻게 수행할 수 있는지를 검증하고자 합니다.

 

 

새로운 유형의 지식 노동자가 글로벌 인재 시장에 등장하고 있습니다. 이 직원은 생성형 AI로 증강(augmented)되어, 더 빠르게 코드를 작성하고, 단 하나의 프롬프트로 개인화된 마케팅 콘텐츠를 제작하며, 수백 개의 문서를 순식간에 요약할 수 있습니다. 이는 매우 인상적인 생산성 향상입니다.

 

그러나 많은 직무의 본질과 그에 요구되는 기술이 변화함에 따라, 노동자들은 현재 갖고 있는 역량을 확장해야 할 필요가 있습니다. 과연 생성형 AI가 이 문제를 해결할 수 있을까요?

 

 

BCG 헨더슨 인스티튜트와 보스턴 대학교, OpenAI의 경제영향 연구팀이 공동으로 수행한 최신 실험 결과에 따르면, 그 답은 명백히 '그렇다'입니다.

 

우리는 이제, 어제까지는 특정 업무를 수행하는 데 충분한 지식이 없던 직원이, 오늘은 생성형 AI의 도움을 받아 자신의 역량을 넘어선 업무를 수행할 수 있다는 사실을 확인했습니다.

 

 

이러한 점을 고려하면, 리더들은 생성형 AI를 단순히 생산성 향상을 위한 도구로 보지 말아야 합니다. 오늘과 내일, 그리고 더 먼 미래의 변화하는 업무 역량에 부응하도록 인력을 준비시키는 기술로 인식해야 합니다.

 

생성형 AI는 마치 외골격(exoskeleton)처럼 작동하여, 인간이나 AI가 단독으로는 해내지 못할 성과를 가능하게 만듭니다.

 

 

물론 주의해야 할 점도 있습니다. 예를 들어, 직원들이 자신의 작업 결과를 검토할 수 있는 충분한 지식이 없다면, 생성형 AI가 오류를 내도 그것을 잡아내지 못할 수 있습니다. 또는 더 높은 수준의 분별력이 요구되는 상황에서 오히려 집중력이 떨어질 가능성도 있습니다.

 

그러나 이러한 리스크를 효과적으로 관리할 수 있다면, 리더들은 엄청난 대가를 얻을 수 있습니다.

 

 

특히 생성형 AI를 활용해 전통적으로 특정 전문 기술(Data Science)이 필요한 업무를 빠르게 소화할 수 있는 능력은 개인과 조직 모두에게 결정적인 변화를 가져올 수 있습니다.

 

---

생성형 AI는 지식 노동자에게 어떤 도구가 될 수 있는가

 

이전 실험에서는 참가자들이 이미 수행할 수 있는 역량 범위 내의 업무에서의 성과를 측정했습니다(Exhibit 1의 상단 행 참조).

 

생성형 AI가 탁월하게 수행할 수 있는 과제의 경우, 생성형 AI로 증강된 직원들이 생성형 AI의 도움 없이 작업한 사람들보다 훨씬 더 뛰어난 성과를 냈습니다.

 

그러나 생성형 AI가 과제를 전문가 수준으로 수행할 수 없는 경우, 사람들은 생성형 AI에 과도하게 의존하는 경향을 보였고, 스스로 과제를 수행했을 때보다 오히려 성과가 떨어졌습니다.

 

 

그렇다면, 생성형 AI를 기존 역량 범위 안에서 성과를 높이기 위한 수단이 아니라, 자신의 역량 밖에 있는 과제를 해결하는 데 사용하면 어떤 일이 벌어질까요? 생성형 AI로 증강된다는 것은, 사람들이 수행 가능한 업무의 폭을 넓혀주는 효과가 있을까요?

 

 

이번 실험에서는 480명이 넘는 BCG 컨설턴트들이 일반적인 데이터 사이언스 작업과 유사한 세 가지 짧은 과제를 수행했습니다.

 

그 과제는 다음과 같습니다. 1) 두 개의 데이터 세트를 병합하고 정제하는 파이썬 코드 작성하는 일, 2) 머신러닝 등 분석 기법을 활용한 스포츠 투자용 예측 모델을 구축하는 일, 3) 그리고 ChatGPT가 생성한 통계 분석 결과를 검토하고, 통계 지표를 적용해 보고된 결과가 의미 있는지 평가하는 작업이었습니다.

 

 

물론 이 과제들이 전문 데이터 사이언티스트의 모든 업무를 대변하는 것은 아니지만, 그들의 주로 하는 작업들이며, 모든 컨설턴트에게 상당한 난이도의 도전이 되도록 설계되었습니다. 또한 생성형 AI 도구만으로는 완전히 자동화할 수 없도록 구성되었습니다.

 

생성형 AI의 성과 영향을 평가하기 위해, 참가자의 절반에게만 해당 도구에 대한 접근 권한을 부여했고, 그들의 결과를 생성형 AI 없이 작업한 44명의 데이터 과학자들의 결과와 비교했습니다.

 

실험 결과를 좀 더 깊이 들여다보면, 세 가지 중요한 발견이 드러납니다.