기업의 미래

저자 주: 이 글은 차세대 경제를 다루는 연재의 두 번째 에세이로, AGI 시대의 미래를 탐구하는 독립적인 목소리를 담는 새로운 플랫폼에 실린 글이다. 이 글에 담긴 견해는 저자들의 것이며, OpenAI나 동료들의 견해를 대변하지 않는다.

우리 두 사람이 이곳 OpenAI에서 각자의 팀을 관리하기 시작했을 때, 나이는 스물넷이었다. 우리 팀을 만나 보면 그리 대단한 이야기는 아니라는 걸 알게 된다.

원래라면 우리는 허드렛일을 맡아야 할 위치다. 스물넷이면 회사의 직급 사다리에서 맨 아래에 있다. 회의록을 쓰고 보고서 몇 개를 작성한다. 몇 년간 지루하고 고된 일을 하고 나면, 운이 좋을 경우 더 넓은 업무 영역을 맡게 된다.

하지만 우리와 오늘날 많은 젊은이가 걷는 길은 달라지고 있다. 우리는 이미 지시를 내릴 ‘직원’들을 거느린 채 사회생활을 시작한다. 이 조력자들은 밤낮없이, 주말과 휴일에도 일한다. 허드렛일도 아주 잘한다. 우리에게 조언해 줄 수학 올림피아드 금메달리스트까지 팀에 있다. 새로 생긴 이 부하 직원들도 여전히 실수를 한다. 하지만 점점 나아지고, 우리에게 무엇이 필요한지 배워 나간다. 우리도 이들을 관리하는 법을 배우고 있다.

우리 둘 다 승진해서 관리자가 된 것은 아니다. 오히려 우리가 있는 직급에서도 관리자의 역할을 맡을 수 있게 된 것이다. 이 글은 우리의 승진, 그리고 지능의 시대로 접어들면서 기업이 재편될 수 있는 여러 방식을 다룬다.

AI가 기업에 들어오면 어디에 자리 잡을까? 이를 보여 주는 세 가지 시나리오를 제시한다.

어느 시나리오도 우리가 묘사한 그대로 펼쳐지지는 않겠지만, 세 시나리오의 일부 측면은 모두 현실이 되리라 생각한다. 이미 세 가지 모두 눈에 잘 띄지 않는 방식으로 일어나고 있다.

여기서 초점을 맞추는 것은 완전한 자동화가 아니라 전환기의 경제다. 우리는 AI가 발전하고 기존 조직에 스며들면서 인간과 AI가 뒤섞인 기업이 어떤 모습을 띠게 될지에 관심이 있다.

우리는 이런 혼합형 기업이 개념적으로 중요하다고 본다. AI를 도입해 생산성으로 연결하는 일은 단번에 이루어지지 않기 때문이다. 모델이 일부 작업만 수행할 수 있을 때는 업무에 익숙한 일선 직원들이 가장 쉽게 도입할 수 있다. 모델이 폭넓은 기능을 처음부터 끝까지 수행하게 되면, 상급자들이 직접 활용할 수 있다. 우리 생각에 AI는 유능할수록 도입하기 쉽다. 기업은 기술을 배워야 하지만, 노동력은 기업을 배우고 스스로 업무에 적응할 수 있기 때문이다.

우리는 세 가지 새로운 조직도 유형을 분석한 뒤, 이것이 앞으로 번거로운 행정 절차, 직원의 주도권, 기업 규모, 임금 격차에 어떤 의미를 갖는지 살펴볼 것이다.

첫 번째 시나리오는 기존 질서를 가장 적게 흔드는 듯하다. 여기서는 사람들이 같은 자리를 지키고 보고 체계도 그대로이며, 겉으로 보기에는 이전과 같은 일을 한다. 사람만 놓고 본 조직도는 지금이나 이 미래나 달라 보이지 않는다.

차이는 우리 아래에 있다. 각 실무 직원 아래에 새로운 AI 노동력이 생겨 우리 각자에게 보고한다. 조직도에 지하층이 생기고, 우리 모두가 관리자가 된다.

처음에는 이 지하층이 미완성 상태다. 처음에는 각자 에이전트 한두 개를 둔다. 이들은 노련한 직원보다는 의욕 넘치는 인턴에 가깝다. 감독해 주고 실수도 너그럽게 봐줘야 한다. 기대치는 낮다. 이메일을 보내고, 보고서 초안을 쓰고, 여기저기서 오는 Slack 메시지에 답하는 정도다. 사람 신입 직원처럼, 처음에는 자율성도 신뢰도 거의 주어지지 않는다.

하지만 모델이 발전하면서 에이전트들은 감독을 덜 받으면서 더 많은 업무를 맡는다. 서로 업무를 조율하기도 한다. 관리자 AI와 허드렛일을 하는 AI, 회계사와 변호사까지 모두 여러분의 지시에 따라 함께 일할 수도 있다. 결국 여러분이 이끄는 조직은 인턴의 손을 잡고 하나하나 가르치는 수준을 넘어, 자체 조직도를 갖추고 여러분을 이사회로 둔 작은 기업처럼 변한다.

이 시나리오가 해고를 뜻하지는 않는다는 점에 주목하자. 여기서 우리는 자신을 자동화로 대체하지 않고도 AI를 도입한다. 대신 과거의 우리를 자동화하고, 조직의 위계에서 한 단계 올라간다. AI는 우리가 하던 일을 점점 더 많이 맡는다. 관리할 일이 늘어나기 때문에 우리의 일자리는 남고, 우리는 더 많은 산출물을 책임지게 된다.

직무는 고정되어 있지 않다⁠(새 창에서 열기). AI가 여러분이 하던 일의 90%를 할 수 있다고 가정해 보자. 자신에게 남은 일은 10%뿐이라고 결론 내릴 수도 있다. 다른 가능성도 있다. 여전히 한 사람 몫의 일을 하되, 이제는 열 배 더 큰 목표에 집중하는 다른 직무를 맡는 것이다. 이것이 기술 발전이 가져오는 대표적인 혜택이다. 생산성이 높아지고, 그에 맞춰 목표도 커지며, 커진 목표와 함께 임금도 오를 수 있다⁠(새 창에서 열기).

이 모든 것은 우리가 여전히 생산에 가치를 더하는지⁠(새 창에서 열기)에 달려 있다. 이 글은 자동화가 모든 일을 할 수 있거나 모든 곳에 도입되지는 않은 향후 몇 년에 초점을 맞춘다. AI가 모든 일을 할 수 있더라도, 우리는 사람이 만들었다는 이유로 어떤 것에 더 높은 가치를 두거나 사람이 최종 결정권을 가져야 한다고 요구할 수 있다.

이는 우리가 얼마나 더 소비하고 싶어 하느냐에도 달려 있다. 소비자로서 열 배의 산출물을 원하지 않는다면, 균형은 일하는 사람 수나 근로시간이 줄어드는 쪽으로 이동할 것이다. 역사적으로 생산량이 늘어난다고 우리의 욕구가 채워지지는 않았다. 우리는 훨씬 더 많이⁠(새 창에서 열기) 누리지만, 일하는 시간은 조금 줄었을⁠(새 창에서 열기) 뿐이다. 산출물이 몇 배로 늘어나는 동안 우리의 욕구도 계속 커지고, 우리가 생산에 여전히 기여한다면, 우리는 노동을 더 많은 소비와 맞바꾸는 선택을 이어 갈 것이다. 반대로 생산이 너무 풍부해져 욕구가 충분히 충족된다면, 자발적으로 노동 인구를 줄이는 쪽을 택할 수 있다.

더 작은 기업들이 더 많이 생기지 않겠느냐는 등 다른 반론도 있는데, 이는 뒤에서 다룬다. 그럼에도 우리는 이 시나리오가 중요하다고 본다. 도입은 어디에선가 시작되어야 하기 때문이다. 기업에는 현재의 조직 구조에서 안정적으로 진화할 방법이 필요하다. 기존 직원의 업무 역량을 강화하는 것이 전면적인 구조 개편보다 쉬운 첫걸음일 수 있다. 오늘날 이미 이런 일이 일어나고 있다. 아직 조직의 대변혁은 없지만, 직원들이 하나둘 AI에 업무를 맡기고 있다.

이 시나리오는 일선 직원이 먼저 AI를 고용하는 데서 출발한다. 관리자나 임원이 아니라 일선 직원이 AI 도입을 이끈다. AI에 일을 가장 잘 시킬 수 있는 사람이 그 일을 직접 해 오던 사람인 한, 그럴 가능성이 높아 보인다.

모델은 이미 많은 데이터 과학 작업을 자동화할 수 있지만, 방법론과 세부 사항에 익숙하지 않은 부서장은 도구를 활용하는 데 어려움을 겪을 것이다. AI가 여러분이 모르는 것까지 먼저 알려 줄 만큼 주도성을 갖추기 전까지는, 이미 일하는 방식에 익숙한 사람들에게 가장 유용할 것이다. 이 점은 다음 시나리오에서 다룬다.

이 시나리오에서 가장 큰 변화를 겪는 것은 신입 직원이다. 적어도 인간에게는 더 이상 사다리의 맨 아래 칸이 없을 것이다. 젊은 인재를 채용해도 고된 일을 맡는 조직의 맨 아래에 배치하지는 않을 것이다. 그 자리는 그런 일을 개의치 않는 무언가가 채울 것이다.

그와 함께 젊은 직원을 교육하던 전통적인 경로 일부도 잃게 된다. 도제식 학습⁠(새 창에서 열기), 허드렛일을 하며 배우기, 경험을 쌓아 실력을 인정받기 같은 방식이다. 분명한 대가가 따르지만, 우리는 전반적으로 이를 혜택으로 본다. 가장 경험이 적은 신입도 좋은 아이디어만 있으면 실험할 자원을 갖게 된다. 회사에서 가장 오래된 핑계, 인력이 없어서 못 한다는 말이 사라지고 있다. 멋진 비디오 게임 구상을 머릿속에만 담고 있고 인력을 확보할 길이 없던 신입 직원도 이제는 직접 만들면 된다.

우리 생각에 이 ‘승진’ 시나리오에서도 신입 직원이 배워야 할 것은 많다. 판단력, 안목, 관리 역량, 창의적인 비전이 그것이다. 이 역량들이 업무 결과물에 드러나기 때문에, 우리는 이를 기르려는 동기를 갖게 된다. 우리는 여전히 실행하며 배울⁠(새 창에서 열기) 것이다. 다만 더 넓은 범위의 일을 통해서다. 회사 선배들도 책임 있는 관리자로서 우리를 도울 동기를 계속 갖는다. 우리의 성공에 지분이 걸려 있기 때문이다. 여기에 있는 기회는 모든 직급의 모든 사람이 더 흥미롭고 도전적인 역할을 맡는 것이다. 누구나 더 넓은 업무 영역에서 재능을 보여 줄 수 있다. 이는 자신만의 업무 영역이 전혀 없던 신입에게 특히 중요하다.

AI가 기업에 들어오는 두 번째 방식은 기존 조직도 사이사이로 스며드는 것이다. 여기서 에이전트는 맨 밑의 말단이 아니라 동료다. 기존 관리자는 다른 직원에게 위임하듯 팀 업무의 일부를 모델에 맡긴다. AI는 사람 아래에만 있는 것이 아니라 옆에 자리 잡는다.

첫 번째 시나리오와의 핵심 차이는 생산적인 AI를 현재의 실무 직원뿐 아니라 기존의 사람 관리자도 도입한다는 점이다. 그러려면 AI는 온전한 팀원으로 일할 만큼 유능해야 한다.

인간은 다방면의 일을 할 수 있다. 망치는 한 가지 작업을 돕지만, 인간은 훨씬 더 많은 일을 한다. AI가 도구에서 노동력으로 나아가는 여정은 범위가 넓어지는 과정이다. 작업을 자동화한 뒤 직무, 팀, 마침내 기업을 자동화한다. 범위가 한 단계 넓어질 때마다 더 폭넓은 역량이 필요하다.

하나의 직무는 여러 작업으로 가득 찬 여행 가방과 같다. 팀 전체라면 그 가방에는 온갖 다양한 일이 빽빽이 들어 있다. 맡은 작업이 많을수록 잠재적인 병목도 많아진다. 팀의 필수 작업 중 단 하나라도 신체 노동이 포함된다면, 완전히 새로운 주변 장치들이 필요하다. 팀 전체를 그대로 대체하려면 AI는 그 팀의 다양한 업무를 모두 수행할 수 있어야 한다.

더 넓은 범위를 다룰 수 있는 AI는 만들기가 더 어렵다. 하지만 기업 입장에서는 다루는 범위가 넓을수록 도입하기 쉽다. 이것이 전체 전환 과정의 핵심적인 비대칭이다.

임원은 처음부터 끝까지 자동화된 팀이나 폭넓은 업무 기능을 직접 도입할 수 있다. 기능이 제한적인 도구는 위에서 지시한다고 그렇게 간단히 도입할 수 없다. 더 단순한 도구를 도입하려면 직원 전반의 폭넓은 동의와 재교육이 필요하다.

전통적으로 신기술은 한정된 일련의 작업을 수행하는 비용을 낮춘다. 그다음 부담은 구매자에게 넘어간다. 기업은 새 도구를 어떻게 활용할지 알아내고, 그 도구에 맞춰 직원을 재교육하고, 조직을 개편하고, 업무 절차를 다시 설계해야 한다⁠(새 창에서 열기). 스프레드시트 소프트웨어가 스스로 회계 부서에 자리 잡은 것은 아니다. 회계 부서가 소프트웨어에 맞춰 스스로를 바꾼 것이다.

노동력은 그 반대다. 인턴, 직원, 유능한 팀은 여러분에게 도움이 되는 방법을 스스로 찾아낸다. 질문을 던지고, 여러분의 상황을 파악하고, 필요한 것을 알아챈다. 여러분이 모른다는 사실조차 몰랐던 것을 알려 준다. 최고의 인재는 스스로 업무에 적응한다.

AI가 이런 의미에서 노동력을 닮아 주도성과 적응력을 갖출수록, 기업이 AI 활용법을 배워야 할 부담은 줄고 AI가 기업에 도움이 될 방법을 스스로 찾아내는 몫은 커진다. 임원은 새 도구를 배우려고 디자인 소프트웨어 입문 강의를 끝까지 듣지는 않을 것이다. 하지만 이런 제안이라면 기꺼이 귀를 기울일 것이다. 말씀만 하시면 마케팅 조직 전체를 꾸려 드리겠습니다.

우리는 너무 자주 하나의 직무를 자동화하는 것을 AGI의 궁극적인 목표로 꼽는다. 물론 아직 거기에도 도달하지 못했다. 직무가 그토록 복잡한 것은 인간의 능력이 그만큼 놀랍도록 뛰어나기 때문이다. 그렇다 해도 우리 경제의 산출물 가운데 혼자 일하는 사람에게서 나오는 몫은 극히 적다⁠(새 창에서 열기). 생산적인 직무는 팀에 기여하고, 팀은 기업에 기여하며, 기업은 우리가 소비하는 거의 모든 것을 생산한다.

AGI를 ‘직무’ 기준으로 평가하는 것은 인간의 능력을 충분히 인정하지 않는 셈이다. 노동은 단순히 작업을 수행하거나 비정형적인 일을 처리하는 것만이 아니다. 탁월한 조율 능력과 더 큰 결과물의 일부를 담당할 수 있도록 유연하게 적응하는 능력도 노동의 중요한 부분이다. 인간을 그저 작업의 묶음으로 보는 것은 우리의 가치를 터무니없이 깎아내리는 일이다. 인간의 역량은 개인보다 조직⁠(새 창에서 열기)에서 더 크게 발휘된다. 경제적 역할을 수행하는 AGI는 개인 한 명이 아니라 여러 사람이 협력하는 조직의 역량에 도달해야 한다.

따라서 AI가 팀이나 기업처럼 행동하지 못하고 여전히 도구나 개별 직원 수준에 머문다면, ‘동료로 합류’ 시나리오는 상당히 비효율적일 수 있다. 직원마다 곁에 모델을 하나씩 끼워 넣으면 수많은 연결 지점과 업무 인계⁠(새 창에서 열기)가 생긴다. 이런 단편적인 구성은 도입을 늦출 수 있다.

우리는 일찍 등장하지만 역량이 낮은 구현 방식과, 늦게 등장하지만 역량이 높은 모델 사이의 경쟁을 보고 있다. 승부는 미래 모델의 도입 속도가 그 역량을 갖추는 데 더 걸린 시간을 만회할 만큼 빨라지느냐에 달려 있다.

이 ‘동료로 합류’ 시나리오는 첫 번째 ‘승진’ 시나리오와 공존할 수 있다. AI가 특정 기능을 자동화하면서 기업 내 사람의 비중은 줄어들되, 남은 사람들은 에이전트 인력의 도움으로 훨씬 더 넓은 업무 영역을 맡게 될 수 있다. 중요한 점은 이 시나리오만으로 전체 인간 고용이 줄어든다고 볼 수는 없다는 것이다. 기업 수는 늘고 기업당 인원은 줄어들 수도 있다.

세 번째 시나리오는 가장 당혹스럽다. 여기서 AI는 사람들 위에 자리 잡으며 기업에 들어온다. 더는 기계 위에 사람이 있는 구조가 아니다. 사람, AI, 사람으로 이어지는 자동화 샌드위치다. 어떤 사람들은 AI에게 ‘보고’한다.

현실과 동떨어진 이야기처럼 들린다. 특히 기업의 AI 도입 출발점으로는 더 그렇다. 하지만 우리는 덜 급진적인 형태로나마 이런 변화가 이미 시작되었다고 본다.

AI를 인지 노동을 기계화하는 수단으로 생각할 때도 우리는 대개 하위 직급에 초점을 맞춘다. 보통 AI가 자동화하는 것은 스프레드시트와 발표 자료라고 하지, 관리 업무라고 하지는 않는다. 직관적으로 우리는 자동화가 위계를 타고 올라간다고 생각한다. 단순한 인지 업무가 먼저고 판단은 마지막이며, 관리자는 최후의 보루라는 것이다.

하지만 관리자의 업무 대부분은 컴퓨터와 머릿속에서 이루어진다. 읽고, 회의하고, 따져 보고, 맥락을 기억하고, 결정을 내리는 일이다. 물론 직접 현장에 있는 것도 가치가 있다. 사무실을 둘러보고 직원들 곁에 머무는 일 말이다. 그렇지만 대부분이 인지 노동인 경우에도, 관리 업무보다 물리적 세계와 도구에 더 많이 얽혀 있는 것은 일선 업무다. 복사기로 보내지는 사람은 상사가 아니라 인턴이다.

관리자의 의사결정을 모델에 가르치기는 어렵다. 성공의 기준이 모호하고 오랜 시간이 지나야 성과를 측정할 수 있기 때문이다. 유능한 사람 관리자를 양성하기 어려운 것도 비슷한 이유⁠(새 창에서 열기)에서다. 모델이 관리 업무를 얼마나 잘하는지는 아직 모른다. 실행 중심의 인지 노동을 평가하는 방법은 많지만, 관리자와 임원 수준의 대규모 조율 능력을 포착하는 평가는 드물다.

그래도 오늘날 모델의 역량이 일선 직원보다는 사람 관리자에 더 가까울 가능성을 생각해 볼 가치는 있다. 일부 관리 기능은 그 기능이 감독하는 업무보다 먼저 자동화될 수 있다.

이 ‘중간 계층 추가’ 시나리오가 완전히 실현되면, AI가 사고를 맡고 자신에게 보고하는 외부 계약 인력으로 부족한 역량을 채우는 모습일지도 모른다. 그런 세상은 우리에게 상당히 낯설다. 많은 것이 바뀌어야 할 것이다.

하지만 더 자연스럽게 자리 잡는 형태도 있고, 그 첫 막은 이미 올랐다. 바로 자문이다. 오늘날 임원은 ChatGPT에 회사 전반의 수백 개 Slack 채널, 문서, 서신, 코드 파일을 읽고 질문에 답해 달라고 요청할 수 있다. 이 팀은 실제로 무슨 일을 하는가? 그 취약점은 어디에서 나타나는가? 임원은 조직 구석구석을 점점 더 세밀하게 파악할 수 있게 된다⁠(새 창에서 열기).

경영진은 오래전부터 돈을 주고 고용한 중개자들을 조직도 곳곳에 끼워 넣었다. 이를 컨설팅이라고 불렀다. 경영 컨설팅 회사를 이용하면 비싼 비용을 들여 일시적으로 외부 자문 인력을 조직에 추가하는 셈이다. 앞으로 AI 컨설턴트는 비용이 거의 들지 않으면서 상시 곁에 있을 수 있다.

모델은 이제 막 기업 문서와 소통 내용을 신뢰할 만하게 분석하기 시작했다. 안목과 주도성은 더 성숙해져야 한다. 현재 ChatGPT는 의욕 있는 임원이 자기 조직을 더 자세히 이해하도록 돕는다. 우리는 이것이 결국 종합 컨설팅 조직으로 발전하리라 본다. 하위 직급 직원의 진정한 ‘관리자’라기보다는 경영진에게 사내 소식을 전하는 통신원이자 자문역이 될 것이다. 경영 전문 지식으로 모든 것을 살피고, 문제점을 먼저 드러내며, 대응 우선순위를 정하도록 도울 것이다.

이것이 이로울지 해로울지는 경영진에게 달려 있다. 구조적으로는 중앙집중화를 가져온다. 우리는 이것이 최고경영진과 회사 현장 사이의 거리를 좁히리라 본다. 이전에는 정보 전달의 마찰 때문에 분산된 의사결정이 유리했지만, 이제는 더 많은 권한이 상층부에 모인다.

우리가 이 시나리오를 중요하게 보는 이유는 권한을 재배분한다는 점뿐 아니라, 컨설팅 역할의 AI를 매우 쉽게 도입할 수 있다는 점 때문이다. 기존 컨설팅과 마찬가지로 AI 컨설팅도 임원에게 기술적 식견을 요구하지 않는다. 타자를 치고 터미널을 다룰 줄 아는 사람들이 아래에서부터 도입했던 컴퓨터와는 다르다. 컨설턴트에게 말만 하면 기술적인 부분은 알아서 처리한다. 이번 도입의 물결은 임원실에서 시작될 수 있다. 그리고 이 컨설팅 조직이 나머지 조직 전반의 AI 도입을 가속할 수도 있다.

기업이 원격근무와 외부 계약 인력을 불신하는 데는 중요한 이유가 하나 있다. 약속한 일을 제대로 하도록 보장하기 어렵다는 점이다. 기업이 업무 수행 과정을 그 복잡하고 풍부한 맥락까지 충분히 관찰하면서도 비용을 적게 들일 방법은 없었다. 그래서 클릭 수, 마우스 움직임, 접속 상태를 나타내는 초록색 점처럼 실제로 일을 잘하는지와는 동떨어진 신호, 즉 일하는 시늉을 측정한다⁠(새 창에서 열기).

AI는 업무를 이해하는 감시자를 제공한다. 사람이 만든 결과물을 보고 더 큰 목표를 향한 실질적인 진전을 알아볼 수 있다. 다음 절에서 살펴보겠지만, 새로운 감시 체계는 어떤 것이든 가볍게 도입해서는 안 된다⁠(새 창에서 열기). 다만 적절한 여건에서는 신뢰를 높여 기업이 직원에게 더 많은 자유를 주도록 이끌 수 있다.

감시자가 좋은 업무 결과로 이어지는 다양한 경로를 이해한다면, 직원은 원하는 방식으로 더 자유롭게 일할 수 있다. 상사가 추적하기 쉬운 정해진 방식 하나를 따르는 것보다, 좋은 결과를 향해 나아가는 것이 더 중요해질 것이다. 지능적인 감시자는 유연성을 허용하고, 우리 모두가 싫어하는 보여 주기식 생산성에는 불이익을 준다.

이런 제안은 차량에 추적 장치를 설치하면 보험료를 낮춰 주는 보험사의 제안과 비슷하다. 제도를 악용하려 했다면 불리하겠지만, 그저 자기 일을 하고 있었다면 감시자가 이를 입증해 주고 경영진도 여러분을 더 신뢰하게 된다.

그 신뢰는 새로운 가능성을 낳는다. 하이브리드 근무, 비정형적인 사고방식의 인재, 외부 계약 인력, 먼 나라의 뛰어난 인재 채용을 꺼리던 기업들도 새롭게 열린 태도⁠(새 창에서 열기)를 보일 수 있다.

오늘날 일선 직원들이 조직도에서 겪는 문제는 많다. 직접 목격한 문제를 윗선에 알릴 길이 없다는 것은 몹시 의욕을 꺾는 일이다. 무능한 관리자 밑에 묶여 있거나 훌륭한 성과를 내고도 인정받지 못하는 것은 부당하다.

우리는 이전의 경영 초최적화 흐름이 제한된 데이터, 대략적인 지침, 단순한 알고리즘 위에 세워졌다고 본다. 조직을 단순한 기계적 지표로만 평가한다면, 직원 한 사람 한 사람도 그저 기계의 부품처럼 보일 수밖에 없다. 기업은 오래전부터 직원의 기여를 제대로 측정하는 데 어려움을 겪었다. 지능적인 감시자는 오늘날의 조잡한 지표가 놓치는 가치 있는 기여와 독창적인 접근법을 알아볼 수 있다.

이제 세 가지 시나리오의 핵심을 바탕으로, 기업의 미래를 좌우할 몇 가지 질문을 살펴보자.

무언가를 만드는 데는 대체로 상당한 비용이 든다. 앱, 영화, 발표 자료, 기능, 분석 결과. 무엇이든 다시 만들려면 비용과 시간이 들고 고통스럽다. 사실상 기회가 한 번뿐이라면, 실행에 앞서 철저히 계획을 세울 수밖에 없다. 계획 수립 주기, 로드맵을 정하는 각종 회의, 승인 위원회가 있는 것도 모두 기업이 마침내 실행에 나설 때 가치 있는 일을 하도록 하기 위해서다. 조직의 위계에 수많은 확인 절차가 있는 것은 실행에 드는 자원이 귀했기 때문이다.

AI는 여러 분야에서 제작 비용을 급격히 낮추고 있다. 최종 완성까지는 아니더라도 적어도 시제품 단계까지는 그렇다. 우리는 기업의 접근 방식도 이에 맞춰 바뀌어야 한다고 본다. 사전 계획에 들이는 시간을 줄이고, 더 많이 시도해야 한다는 것이다. 기업은 시제품을 만들고, 관찰하고, 빠르게 배우고, 방향을 바꿔 다시 만들 수 있다. 시제품 제작이 쉬워지면⁠(새 창에서 열기) 기업은 치밀한 계획에 의존하는 생산을 뒷받침해 온 제도에서 점차 벗어나게 될 것이다.

가장 단순하게는 팀의 반복 개선 속도가 빨라진다. 더 급진적으로 해석하면 팀 자체의 필요성이 의문에 부쳐진다. 공동 계획의 중요성은 줄고 서로 독립적인 다양한 아이디어가 더 중요해진다면, 하나의 팀이 빠르게 반복 개선하는 편이 나을까, 아니면 여러 개인이 각자 작동하는 시제품을 내놓는 편이 나을까? 실제 시제품이 어떤 업무 범위 문서보다 비전을 잘 전달한다면, 소통 방식도 달라질까? 더 많이, 더 일찍 공유하고, 보고서 대신 결과물을 공유하게 될까?

제작 비용이 낮아지면 기업은 개인 중심으로 기울 수 있다. 이는 중간 관리 계층과 허락을 구하는 일이 줄어든다는 뜻이다. 예전에는 직접 실행하는 것보다 허락을 구하는 비용이 적었지만, 이제는 그렇지 않기 때문이다.

다만 다음에서 살펴보겠지만, 개인이 더 적은 위험으로 시제품을 만들도록 돕는 바로 그 기술이 훨씬 더 많은 행정 절차를 강제할 수도 있다.

기업이 하향식 관리를 시행하는 주요 이유는 경영진이 하위 직급 직원보다 사업 관련 의사결정⁠(새 창에서 열기)을 더 잘 내린다는 믿음이다. 기업은 유능하고 경험 많은 인재를 상층부에 두기 위해 더 높은 보수를 지급한다. 또 실무 직원이 자기 분야의 전문성을 키우는 동안 관리자는 경영 전략 교육을 받는 경우가 많다. AI가 모든 직원에게 훌륭한 조언을 제공하면 의사결정의 질적 격차는 줄어든다. 관리자가 간섭할 이유도 줄어들 것이다. 직원의 자율성이 커지고, 관리 계층도 줄어들 수 있다.

마찬가지로 ‘AI 컨설팅 조직’은 영향이 큰 일이 경영진에게 알려지지 않은 채 벌어지지 않도록 한다. 직원이 회사에 심각한 파장을 미칠 블로그 글을 게시하려 하면, AI 컨설팅 조직이 먼저 임원에게 알려 준다. 이는 신뢰로 이어진다. 경영진은 모르는 사이에 큰 사고가 날까 걱정할 필요가 없으므로, 직원의 업무 방식을 그렇게 엄격하게 통제할⁠(새 창에서 열기) 필요도 없다.

하지만 AI 컨설팅 조직은 양날의 검⁠(새 창에서 열기)이다. 지능적인 감시자로서 직원에 대한 신뢰를 높일 수도 있지만, CEO가 선호하는 업무 방식을 조직 전체에 더 강하게 관철할 수도 있다. 기업은 일관성⁠(새 창에서 열기)을 중시한다. 단지 좋은 결정이 아니라 회사의 문화, 브랜드, 규모의 경제와 어울리는 결정을 원하는 것이다. 외식 체인은 식재료를 대량 주문하고 고객에게 일관된 제품을 제공할 수 있도록 가맹점마다 같은 메뉴를 쓰길 원할 수 있다.

이와 관련해 경영진과 직원의 이해관계가 늘 일치하는 것도 아니다. 직원은 자기 담당 영역의 성공⁠(새 창에서 열기)을 극대화하려 하지만, 임원은 기업 전체를 생각한다. 지분 소유자는 더 열심히 일한 데 따른 보상을 거두기⁠(새 창에서 열기) 때문에 임금 근로자와는 선호가 다르다. AI 컨설팅 조직은 위에서 정한 특정 업무 방식을 더 엄격하게 따르도록 할 수 있다.

종합적으로는 직원의 주도권이 커질 것이라는 게 우리의 견해다. 이런 낙관은 기업이 AI로 중대한 예외 상황을 포착하되, 더 많은 결정을 직원에게 맡기리라는 기대에 바탕을 둔다.

우리는 AI가 활동을 지탱하는 발판이 되리라 생각한다. 경영진이 일관된 브랜드를 유지하고 싶어 하더라도, 그것은 그 안에서 활동하면 되는 제약 조건에 그칠 것이다. 직원은 업무에 적용되는 사업적 제약을 더 잘 이해하고, 그 밖의 영역에서는 더 안심하고 창의성을 발휘할 수 있다. 필요한 안전장치가 마련되면 임원은 직원이 수익성 있는 새로운 접근법을 시도하도록 허용할 수 있다. 우리 아래의 AI 조력자들의 도움을 받아, 직원은 더 큰 규모의 산출물도 책임지게 될 것이다. 우리는 더 복잡한 업무를 지휘할수록 창의성을 발휘할 기회도 많아진다고 본다.

직원의 자율성에 관한 같은 논리는 기업 규모에도 적용된다. 로널드 코스⁠(새 창에서 열기)는 왜 우리가 계약망이 아니라 기업 내부에서 생산을 조직하는지 물었다. 비행기조차 개별 당사자 간의 계약만으로 만들 수 있지만, 그렇게 하면 매우 비효율적일 것이다. 기업은 규모의 경제를 실현하고, 이해관계를 일치시키고, 대규모 프로젝트를 조직하며, 끊임없이 협상할 필요를 없애 준다.

AI가 소통을 원활하게 해 주면 기업 규모를 키우는 쪽으로든 줄이는 쪽으로든 근거가 생길 수 있다. 전통적인 기업은 정보를 위로 전달하고 지시를 아래로 내려보내는 기반 구조이며, 그 과정에는 마찰과 전언에 따른 왜곡이 가득하다. AI가 조율 계층 역할을 하면 규모가 큰 기업, 즉 사람 직원이 더 많은 기업도 운영하기가 한결 수월해진다. ‘AI 컨설팅 조직’이 있으면 임원은 창업자가 20명 규모의 스타트업을 꿰뚫고 있듯 자기 회사를 파악할 수 있다. 분기별 보고를 기다리는 대신 프로젝트의 실행 과정을 지켜보고, 무슨 일이 생기면 알림을 받을 수 있다. 자신의 비전도 조직에 더 널리 스며들게 할 수 있다. 모두가 다른 사람들이 무슨 일을 하는지, 조직 전체의 우선순위는 무엇인지 더 잘 알게 된다.

반대 방향으로 작용할 수도 있다. 소통에 마찰이 없고 약속 이행 여부를 더 쉽게 점검할 수 있다면, 기업은 공급망의 많은 부분을 내부에 둘 필요가 없다. 외부 공급업체와 계약업체를 더 신뢰할 수 있기 때문이다.

수직계열화의 주요 동기 중 하나는 이해관계를 일치시키는 것이다. 불완전 계약⁠(새 창에서 열기)이라는 개념이 있다. 항공우주 기업이 제트 엔진 기업과 계약할 수는 있지만, 계약에 명시적으로 요구되지 않은 모든 사항에 대해서는 엔진 기업이 비용을 아끼고 자기 이익을 챙길 유인이 생긴다. 이를 피하려고 항공우주 기업은 제트 엔진 기업을 인수한다. 직원과 상사의 관계도 마찬가지다. 계약 이행을 더 쉽게 점검하고, 단순히 항목별로 확인하는 대신 지능적으로 분쟁을 조정할 수 있다면 기업은 다른 기업에 더 안심하고 의존할 수 있다. 모든 일을 내부에서 처리해야 할 이유가 줄어드는 셈이다.

우리는 소규모 기업이 많이 생기는 동시에, 하나의 기업 안에서 수많은 프로젝트를 진행하는 거대한 AI ‘지주회사’도 등장하리라 예상한다. 여러 프로젝트가 모두 활용하는 공통 자산이 있다면 복합기업은 경제성이 있다. 이 공통 자산은 컴퓨팅 자원일 수도 있다. 다만 컴퓨팅 자원은 필요할 때마다 소량씩 쉽게 확보할 수 있다. 공용 공장이나 로봇 군단이 더 설득력 있는 이유가 된다.

이해관계의 일치도 대규모 ‘지주회사’가 존재할 근거가 될 수 있다. AI와 자본으로 이루어진 대규모 조직이 암 정복 같은 하나의 공동 사명에 온전히 매진한다면, 별개의 소규모 조직들이 각자 사업을 추진할 필요는 줄어든다. AI 기업은 권력 다툼을 피하고, 모든 정보를 공유하며, 필요할 때 에이전트들 사이에 창의적 다양성을 구현해 여러 경로를 탐색할 수 있다.

현재의 체계는 뛰어난 직원에게 보상하도록 되어 있다. 이들은 승진하고 더 높은 보수를 받는다. 그런데 탁월한 모델 조언자가 있는 세상에서 직원들은 어떻게 두각을 나타낼까?

AI가 모두에게 똑같이 훌륭한 아이디어를 준다면, 차별화할 기회는 줄어든다. 임금 격차도 줄어들 것이다.

이런 격차 축소에 맞서는 힘은 판단력, 안목, 그리고 책임의 범위다. 우리가 각자 아래에 AI 기업을 거느린다면, 인간에게 남는 가치는 의사결정에 있다. 각자가 자기 아래의 더 큰 규모의 일을 책임지게 되면, 좋은 판단과 나쁜 판단의 차이는 더 큰 파장을 낳는다⁠(새 창에서 열기).

우리는 오래전부터 이 논리를 조직도의 최상층에 적용해 왔다. 최고위층의 조금 더 나은 결정이 기업 이익에 막대한 영향을 줄 수 있다는 논리로 CEO 보수⁠(새 창에서 열기)를 정당화한다. 일부 직원이 자기 아래의 AI 기업을 더 잘 관리해 희소한 자원을 배분한다면, 임금 불평등은 커질 수 있다.

결정에 걸린 것이 많을수록, 다른 사람보다 조금 더 나은 역량이 급여에 더 크게 반영된다. 반면 AI는 모두에게 좋은 조언을 해 줄 것이다. 차별성이 줄면 임금 분포의 폭도 좁아진다.

이 문제에서든 다른 문제에서든, 어느 힘이 우세할지는 우리가 주로 판단을 내리는 쪽인지, 내려진 판단을 따르는 쪽인지에 달려 있을지 모른다.