AI 이야기, 이제 지겹지 않나요?

https://news.hada.io/topic?id=27827

• AI가 워크플로를 완전히 바꿔놓았고 생산성도 크게 높여줬지만, 매일 쓰다 보니 이제 더 이상 새로울 게 없는 일상이 됨
• Hacker News 등 개발자 커뮤니티가 거의 동일한 Claude Code 워크플로 자랑과 AI 도구 설정 이야기로 뒤덮여, 흥미로운 프로젝트와 문제 해결 논의가 밀려남
• 2023년에는 코드보다 제품 가치(Product Engineer) 에 집중하자는 흐름이 있었는데, 지금은 엔지니어링에서 가장 쉬운 부분을 더 쉽게 만드는 도구에 집착하는 방향으로 퇴보
• 경영진까지 AI에 올라타면서 개발자당 토큰 사용량 같은 무의미한 지표를 측정하기 시작, 과거 코드 줄 수 측정과 다를 바 없음
• 도구가 아니라 그 도구로 무엇을 만들고 있는지, 누군가에게 가치를 전달하는 진짜 목적을 이야기해야 함

AI 피로감: 놀랍지만 이제는 일상

• AI는 놀라운 기술이고 매일 사용하며 워크플로를 완전히 바꿔놓았지만, 일상적으로 쓰다 보니 더 이상 대화할 거리가 남지 않은 느낌
• 최근 새 역할을 맡아 까다로운 도메인에서 웹 스케일 작업을 시작했는데, AI 덕분에 몇 주 만에 생산성이 0에서 1로 올라감
• 변화의 속도가 빠른 건 맞지만, 하루하루 체감하는 수준에서는 루틴화된 상태

개발자 커뮤니티의 AI 편중

• Hacker News는 원래 흥미로운 프로젝트와 문제 해결로 가득했지만, 지금은 세 명이 올리는 거의 동일한 Claude Code 워크플로와 OpenClaw로 고양이 쓰다듬고 비디오 게임 하면서 절약한 시간으로 또 AI 도구를 설정한다는 포스트로 변질
• 이 현상이 자기 충족적(self-fulfilling) 순환 구조를 만들고 있음
• Kagi Small Web도 같은 현상의 예시로, 'next' 버튼을 20번 누르면 AI 관련 글이 얼마나 되는지 확인해볼 만함

Product Engineer에서 도구 집착으로의 퇴보

• 2023년, 누구든 Claude Code 터미널을 열 수 있는 사람을 'AI 엔지니어'라 부르기 전, 'Product Engineer' 가 가장 뜨거운 개념이었음
• 코드에 대한 집착에서 벗어나 제품이 전달하는 가치에 집중하자는 방향이었고, 매우 합리적이었음
• 하지만 지금은 코드 대신 과도하게 비대해진 자동완성 도구(overgrown auto-complete) 에 집착하는 상태로 퇴보
  • 엔지니어링에서 가장 쉬운 부분을 더 쉽게 만드는 데 몰두하는 꼴
• 목공 커뮤니티에 비유하면, 만든 테이블 사진을 올리던 곳에서 모두가 같은 망치를 같은 방식으로 쓰면서 망치 이야기만 소리치는 상황

경영진의 AI 개입과 무의미한 지표

• 과거 매니저들은 데이터베이스 기술, IDE, JavaScript 프레임워크에 관심이 없었고 기능 완성과 판매만 원했음
• 이번에는 경영진이 구현 세부사항에 직접 발을 들여놓기 시작
• 대부분의 개발자가 올해 목표에 'AI를 더 사용하라' 는 회사 이니셔티브를 받았을 것
• 기존 경영진의 SDLC 개입은 DORA 메트릭스 등 산출물(faster deploys, time to respond) 중심이었지만, 지금은 개발자당 토큰 사용량을 측정하고 있음
  • 이는 과거 코드 줄 수(lines of code) 측정만큼이나 무의미한 지표

결론: 도구가 아니라 만드는 것을 이야기하자

• 사용하는 도구보다 그 도구로 만드는 멋진 결과물을 더 이야기해달라는 요청
• 코딩을 포함한 모든 크래프트의 본래 목적은 누군가에게 가치를 전달하는 것, 그 누군가가 자기 자신이더라도
• AI에 대한 글을 불평하는 글 자체가 AI에 대한 글이라는 아이러니를 인지하고 있음

생성형 AI 골드러시 속에서 초기 사용 사례로 각광받는 것 중 하나는 코딩 어시스턴트였다. 그러나 기대했던 생산성 향상 효과는 기대에 미치지 못하고 있다는 보고서가 등장해 눈길을 끈다.

많은 개발자가 AI 코딩 어시스턴트가 생산성을 높여준다고 말하지만, 최근의 한 연구에 따르면 생산성을 측정한 결과 큰 이득을 얻지 못했다. 코딩 및 협업 데이터에서 인사이트를 제공하는 업레벨(Uplevel)은 해당 연구 보고서에서 깃허브 코파일럿을 사용할 때 버그도 41% 더 많이 발생했다고 전했다. 

이 연구는 코드를 리포지토리에 병합하는 데 걸리는 시간인 PR(풀 리퀘스트) 주기와 병합된 풀 리퀘스트의 수인 PR 처리량을 측정해 효과를 살펴봤다. 그 결과 코파일럿 사용 개발자에게는 유의미한 개선 사항이 발견되지 않았다. 업레벨은 고객 기업들이 생성한 데이터를 사용하여 약 800명의 개발자가 3개월 동안 깃허브 코파일럿을 사용한 결과와 도입 전 3개월 동안의 결과물을 비교했다고 설명했다.
 

번아웃 측정
업레벨 연구는 생산성과 더불어 개발자의 번아웃 요인도 살펴봤다. 그 결과 깃허브 코파일럿이 번아웃에도 도움이 되지 않는다는 사실을 드러났다. 코딩 도구를 사용한 대조군과 테스트군 모두 표준 시간 외의 작업 시간이 감소했지만, 개발자가 코파일럿을 사용하지 않았을 때 오히려 더 많이 감소했다.

업레벨의 제품 관리자이자 데이터 분석가인 매트 호프만은 AI 코딩 어시스턴트가 보편화되면서 생산성이 크게 향상될 것이라는 주장에 대한 호기심에서 이 연구를 진행하게 되었다고 전했다. 지난 8월에 발표된 깃허브 설문조사에 따르면 소프트웨어 엔지니어, 개발자, 프로그래머의 97%가 AI 코딩 어시스턴트를 사용한다고 답했다.

호프만은 “생산성에 큰 도움이 된다는 주장을 담은 여러 연구들이 있었다. 어떤 사람들은 '그거 알아? 나는 앞으로 [코드] 리뷰어가 되어야 할 것 같아"라고 말하기도 했다”라고 전했다.

한편 깃허브 코파일럿 이번 업레벨의 연구에 대해 직접적으로 언급하지 않았다. 단 개발자가 코딩 어시스턴트를 사용하여 코드를 55% 더 빠르게 작성할 수 있었다는 최근의 연구를 언급했다. 

호프만에 따르면 업레벨은 당초 생산성 향상을 기대하며 연구에 착수했다. 그는 “우리 팀의 가설은 PR 주기 단축 효과에 대한 긍정이었다. 코드를 더 많이 작성할 수 있을 것이라고 생각했고, 실제로 코드를 배포하기 전에 이러한 생성형 AI 도구를 사용하여 코드를 검토하기 때문에 결함률이 낮아질 것이라고 생각했다”라고 말했다.

호프만은 PR 주기 시간과 PR 처리량 외에도 개발자의 생산성을 측정하는 방법이 더 있을 수 있다는 점을 인정한다면서도, 업레벨은 이들 메트릭이 개발자의 성과를 측정하는 확실한 척도로 보고 있다고 말했다.

앞으론 달라질 수도
업레벨은 이번 연구 결과에도 불구하고 코딩 어시스턴트가 빠르게 발전하고 있다는 점을 감안할 때 코딩 어시스턴트 사용을 중단하라고 제안하지는 않는다고 밝혔다. 호프만은 “코드 생성보다 코드 리뷰에 투입하는 시간이 늘고 있다. 코드가 제대로 작동하고 있다고 착각하기 쉽다. 무엇이 생성되는지, 예상한 대로 작동하는지를 면밀히 주시해야 한다”라고 말했다.

현장의 개발 팀들은 엇갈린 결과를 보고하고 있다. 맞춤형 소프트웨어 개발 회사인 게트소프트 USA(Gehtsoft USA)의 개발자들은 LLM(대규모 언어 모델) AI를 기반으로 한 코딩 어시스턴트를 통해 생산성이 크게 향상되지 않았다고 이 회사의 CEO인 이반 게트는 전했다. 게트소프트는 샌드박스 환경에서 코딩 어시스턴트를 테스트해 왔지만 아직 고객 프로젝트에 사용한 적은 없다.
 

“AI가 생성한 코드를 이해하고 디버깅하는 것이 점점 더 어려워지고 있다. 문제 해결에 투입되는 리소스가 크기 때문에 코드를 수정하는 것보다 처음부터 다시 작성하는 것이 더 쉬운 편이다.”
-이반 게크트, Gehtsoft CEO

게트 CEO는 “생산성 향상을 위해 LLM을 사용하려면 LLM이 실제 사람에 필적하는 능력을 갖춰야 하고, 실제 사용자도 LLM을 효율적으로 사용하는 방법을 알아야 한다. LLM은 비판적 사고, 자기 인식, 사고 능력이 없다”라고 말했다.

게트는 몇 줄의 코드를 작성하는 것과 본격적인 소프트웨어 개발에는 차이가 있다고 지적했다. 코딩은 문장을 쓰는 것과 같고, 개발은 소설을 쓰는 것과 같다고 그는 표현했다. “소프트웨어 개발은 요구 사항을 이해하고, 시스템을 설계하고, 한계와 제약을 고려하는 등 90%는 두뇌의 작동이다. 모든 지식과 이해를 실제 코드로 변환하는 것은 더 간단한 부분이다”라고 게트는 말했다.

업레벨 연구와 마찬가지로 AI 비서가 코드에 오류를 발생시키는 경우도 발견했다고 그는 전했다. AI가 생성한 코드가 반복적으로 재활용되면서 일관성 문제로 이어진다는 것이다. 개발자마다 다른 프롬프트를 사용함에 따라 나타나는 문제다. “AI가 생성한 코드를 이해하고 디버깅하는 것이 점점 더 어려워지고 있다. 문제 해결에 투입되는 리소스가 크기 때문에 코드를 수정하는 것보다 처음부터 다시 작성하는 것이 더 쉬운 편이다"라고 그는 말했다.

실효 체감
클라우드 서비스 제공업체 이노베이티브 솔루션(ovative Solutions)에서는 다르다. 이 회사의 CTO인 트래비스 렐은 클로드 데브 및 깃허브 코파일럿과 같은 코딩 어시스턴트를 사용하여 상당한 생산성 향상을 경험하고 있다고 전했다. 또한 자체 개발한 앤트로픽 통합을 사용하여 풀 리퀘스트를 모니터링하고 코드 품질을 검증하고 있다는 설명이다.

렐은 개발자 티켓의 완료 속도, 고객 결과물의 처리 시간, 코드 내 버그 수로 측정한 티켓의 품질을 기준으로 개발자 생산성이 2~3배 향상되는 것을 확인했다며, 과거 30일 정도 걸렸던 고객 프로젝트를 코딩 어시스턴트를 사용하여 24시간 만에 완료한 사례도 최근 있었다고 덧붙였다. 

하지만 코딩 어시스턴트가 전체 개발팀을 대체할 것이라는 주장 등 코딩 어시스턴트에 대한 일부 과대광고는 비현실적이라고 렐은 강조했다. 그저 코딩 어시스턴트는 코드의 일부를 재작업하여 코드를 빠르게 대체하거나 코드 경로를 최적화하는 데 사용되기에 적합하다고 그는 덧붙였다.

“코딩 어시스턴트가 처음부터 전체 코드를 올바르게 작성하지는 못한다. 코딩 어시스턴트에 대한 기대치를 낮춰야 한다. 단코딩 어시스턴트를 올바르게 사용하면 개발자의 코딩 속도를 두세 배까지 높일 수 있다”라고 그는 말했다.

https://www.ciokorea.com/news/351488

당신이 최고의 성과를 이끌어내기 위해 무엇을 배우고 따를 수 있는지 알아보세요.

무언가를 하려고 생각하지만 계획을 세우지 않을 때.

나는 결코 그것을 다 끝내지 못하는 것 같아.

특정한 시간과 장소에서 작업을 완료하는 것에 대해 스스로에게 말한다면,

완성할 가능성이 높아집니다.

무언가를 하기 위해 간단한 계획을 세우면 놀라운 효과가 나타날 수 있습니다.

생각해보세요,

루틴이 당신을 위해 할 수 있는 일

1. 하루를 일찍 시작하세요

생산성이 높은 사람들은 하루를 일찍 시작하기 위해 종종 일찍 일어납니다.

이런 조용한 시간은 그들이 방해받지 않고 중요한 업무에 집중할 수 있게 해줍니다.

- 일정한 기상 시간을 정하세요: 주말에도 매일 같은 시간에 일어나도록 노력하세요.

- 알람 시계를 사용하세요: 스누즈 버튼을 누르는 일을 방지하려면 방 반대편에 두세요.

- 애플 CEO 팀 쿡은 일찍 일어나 하루를 시작합니다.

2. 아침 운동

유명인이 아침 일과에 신체 활동을 포함시킨다는 말을 몇 번이나 보셨나요?

왜냐하면,

운동은 에너지를 높이고 집중력을 향상시킵니다.

- 빠른 속도로 걷는다: 20~30분만 걸어도 큰 변화를 느낄 수 있다.

- 요가나 스트레칭을 해보세요. 이러한 활동은 신체와 정신 모두에 좋습니다.

3. 건강한 아침 식사

영양가 있는 아침 식사는 하루를 위해 몸과 마음에 에너지를 공급합니다. 무겁거나 설탕이 많은 음식을 피하면 나중에 에너지가 폭락하는 것을 예방할 수 있습니다.

- 단백질과 섬유질을 섭취하세요: 계란, 오트밀, 스무디 등이 좋은 선택입니다.

- 수분을 충분히 섭취하세요. 하루를 물 한 잔으로 시작하세요.

4. 하루를 계획하세요

아침에 몇 분만 시간을 내어 하루를 계획하면 생산적인 분위기를 조성할 수 있습니다. 이 시간을 이용해 업무와 우선순위를 간략하게 정리하세요.

- 할 일 목록을 만드세요. 그날의 가장 중요한 업무를 적으세요.

- 시간 차단을 활용하세요. 각 작업에 대해 구체적인 시간 슬롯을 할당하세요.

5. 중요한 작업에 먼저 집중하세요

생산성이 높은 사람들은 에너지 수준이 가장 높을 때, 보통 아침 시간에 가장 중요한 업무를 처리합니다.

- 작업 우선순위를 정하세요. 아이젠하워 매트릭스를 사용하여 어떤 작업이 긴급하고 중요한지 확인하세요.

- 멀티태스킹을 피하세요: 더 나은 결과를 얻으려면 한 번에 한 가지 작업에만 집중하세요.

6. 정기적으로 휴식을 취하세요

하루 종일 짧은 휴식을 취하는 것은 생산성을 유지하고 소진을 예방하는 데 도움이 됩니다.

- 포모도로 테크닉을 따르세요. 25분 동안 작업한 다음 5분 휴식을 취하세요.

- 스트레칭이나 움직임: 휴식시간을 이용해 걷거나 가볍게 스트레칭을 하세요.

7. 산만함을 제한하세요

생산적인 사람들은 집중력을 유지하기 위해 방해 요소를 최소화합니다.

잠시 전화기를 던져 보세요.

- 경계 설정: 방해해서는 안 될 때를 다른 사람에게 알리세요.

- 기술을 현명하게 사용하세요. 기기에서 불필요한 알림을 끄세요.

8. 반성하고 내일을 계획하세요

하루가 끝나면 지금까지 이룬 일을 검토하고 다음 날 계획을 세우는 시간을 가지세요.

- 할 일 목록을 검토하세요. 완료된 작업에 체크 표시를 하고, 완료하지 못한 작업이 있는지 확인하세요.

- 내일의 목표 설정: 꼭 해결해야 할 가장 중요한 세 가지 작업을 적어보세요.

9. 충분한 수면을 취하세요

좋은 수면은 생산성을 유지하는 데 필수적입니다. 매일 밤 7~8시간의 양질의 수면을 목표로 하세요.

- 취침 전 루틴을 만드세요. 독서나 명상 등 편안한 활동을 하며 하루를 마무리하세요.

- 화면 시간 제한: 잠자리에 들기 전 최소 1시간 전에는 전자 기기를 피하세요.

일상에 머무르면 가능한 가장 효과적인 결과를 얻을 수 있습니다. 월요일과 화요일에는 열심히 일하고 나머지 주에는 무시하면 일이 잘 되지 않습니다.

일관성이 핵심이라는 점을 기억하세요. 작은 변화도 시간이 지나면서 상당한 개선으로 이어질 수 있습니다.

https://medium.com/@adityapatel880099/the-daily-routine-of-highly-productive-people-b8e73964557c

소프트웨어 개발자의 생산성을 측정하는 방법

https://www.itworld.co.kr/news/315198

소프트웨어 개발자의 효율성을 측정하는 것은 수십 년 동안 불가능한 것으로 여겨졌다. 두 명의 맥킨지 컨설턴트는 개발자가 개발자의 생산성을 측정할 수 있는 방법을 소개한다.

우리는 다양한 산업 분야의 많은 기업과 협력한 결과, 소프트웨어 개발자의 생산성을 측정할 수 있는 방법을 찾았다. 3년 전, 맥킨지는 440곳 대기업의 개발자 속도를 분석했다. 그 결과 소프트웨어 개발자의 성과와 회사의 성공 사이에는 분명한 상관관계가 있다는 사실이 밝혀졌다. 이는 IT 기업뿐만 아니라 다른 분야에도 적용된다. 전 세계 소프트웨어 엔지니어의 약 절반이 IT 산업이 아닌 다른 산업군에서 일한다.
 

ⓒ Getty Images Bank
현재 전 세계적으로 약 2,700만 명의 개발자가 있으며, 440만 명이 미국에 있다. 미국 노동통계국은 2021년부터 2031년까지 이 숫자가 25% 더 증가할 것으로 예측하고 있다. 생성형 AI의 급격한 확산을 고려하면, 개발자 수요는 훨씬 더 커질 것이다.
 

성과와 직결되는 개발자 생산성

이런 조사 결과를 종합하면, 관리자는 소프트웨어 개발 인재를 가장 잘 활용할 수 있는 방법을 정확히 알아야 한다는 결론에 도달할 수 있다. 오늘날의 소프트웨어 개발은 창의적인 과정일 뿐만 아니라 협업 과정이기도 하므로 이는 쉽지 않은 일이다. 노력과 수익 간의 합리적인 관계를 보장하는 것은 결코 쉬운 일이 아니다. 이미 많은 기업이 시스템, 팀, 개인의 생산성을 측정하는 데 실패했다.

배치 빈도와 같은 알려진 지표는 팀의 생산성을 추적하는 데 도움이 될 수 있지만, 개인의 생산성을 추적하는 데는 도움이 되지 않는다. 하지만 우리는 개발자의 생산성을 측정하는 일이 가능하다고 생각한다. 특히 맥킨지는 이미 이 작업을 수행하고 있는 20여 곳의 IT, 금융 및 제약 회사와 협력하고 있다. 아직 100% 신뢰할 수 있는 결과는 얻은 것은 아니지만, 유망한 결과이다. 맥킨지의 계산에 따르면, 이들 기업은 개발자의 생산성을 측정하고 개선해 오류율을 평균 20~30% 줄이고 고객 만족도를 60%까지 높일 수 있었다.
 

개발자의 생산성을 측정하는 방법

우선, 구글과 마이크로소프트에서 개발한 두 가지 지표, 즉 소프트웨어 배치 처리량과 안정성을 측정하는 DORA(DevOps Research and Assessment)와 개발자의 개별 생산성을 측정, 이해 및 개선하기 위해 설계된 프레임워크인 SPACE(Satisfaction, Performance, Activity, Communication/Collaboration and Efficiency)를 활용한다. 맥킨지는 이들 지표를 다음과 같은 네 가지 '기회 지향 지표'로 보완했다.

내부 루프 및 외부 루프에 소요된 시간. 내부 루프는 코딩, 빌드, 단위 테스트 등 소프트웨어 제품 개발과 직접 관련된 활동을 포함한다. 외부 루프는 코드를 프로덕션 환경으로 이전하는 것과 관련된 활동으로, 통합, 테스트, 릴리스, 배치 등을 말한다. 개발자가 내부 루프에 더 많은 시간을 할애할수록 생산성이 높아지는데, 상위 기업의 경우 이 비율이 70%에 달한다.

개발자 속도 지수(Developer Velocity Index, DVI) 벤치마킹. 사내 프랙티스를 다른 회사 또는 경쟁사의 프랙티스와 비교함으로써 개선해야 할 영역을 파악할 수 있다. 백로그 관리, 테스트 또는 보안 및 규정 준수 등이 이에 해당한다.

개발자 기여도 분석. 팀이 백로그에 어떤 기여를 하고 있는지 평가한다. 백로그 관리를 측정하는 지라(Jira) 같은 툴을 사용해 성과 향상을 방해하는 부정적인 흐름을 파악할 수 있다. 작업 환경을 개선하고 자동화 수준을 높이거나 팀원 개개인의 기술을 최적화할 방법을 보여줄 수도 있다. 예를 들어, 한 회사는 자사의 최고 개발자들이 코딩 이외의 활동에 너무 많은 시간을 소비하고 있다는 사실을 깨달았고, 모든 개발자가 자신이 가장 잘하는 일에 집중할 수 있도록 운영 모델을 변경했다.

인재 관리. 인재 관리의 목표는 직원들이 각자의 재능과 선호도에 따라 배치하는 것이다. 업계 표준 역량 맵을 사용해 조직의 기존 지식, 기술 및 능력을 가시화할 수 있는 점수를 만들 수 있다. 이를 통해 격차와 약점을 파악할 수 있다. 예를 들어, 한 고객사는 경험이 부족한 개발자를 너무 많이 고용하고 있다는 사실을 깨달았다. 이 문제를 해결하기 위해 맞춤형 학습 프로그램을 제공했고, 개발자의 30%가 6개월 이내에 다음 단계의 역량에 도달했다.

이런 접근법은 DORA 및 SPACE와 함께 소프트웨어 생산성에 대한 차별화된 관점을 가능하게 한다. 또한 개발자에게 동기를 부여할 수 있는 방법, 적절한 툴와 전문 지식을 보유하고 있는지, 시간을 어떻게 사용하는지, 팀 구성이 최적화된 상태인지 등을 파악할 수 있다.
 

성공의 증거는 없지만 명확한 지표

개발자 생산성 측정은 여전히 논란의 여지가 있는 주제이며, 많은 전문가가 우리의 시도를 부정적으로 생각한다는 것도 알고 있다. 하지만 맥킨지와 긴밀하게 협력하는 20개 기업은 이에 동의하지 않는다. 우리는 소프트웨어 개발이 측정이 불가능할 정도로 복잡하고 신비롭다고 생각하지 않는다. 오히려 업데이트를 코딩하고 구현할 때 생성형 AI 도구를 사용하면 얼마나 개선되는지 꽤 잘 예측할 수 있다.

여기서 설명한 개발자 생산성 측정 시스템은 아직 완벽하지 않다. 우리는 개선해야 할 부분에 대한 건설적인 비판을 언제나 환영한다. 하지만 소프트웨어 개발의 중요성이 날로 커지고 인재 확보 경쟁이 치열해지는 상황에서 복잡하다고 미뤄두기에는 너무나 중요한 주제이다.

생산성 혁명이란 기술 혁신과 제도 개선을 통해 경제 생산성이 급격히 증대하는 현상을 가리키는데요. 예를 들어 18세기 후반의 산업혁명, 1920~1970년대의 포드주의, 1990년대 IT 혁명 등이 대표적입니다.

한 몇 년 간 우리는 4차산업 혁명이라는 용어를 즐겨썼습니다. 4차 산업혁명이란 초연결성(Hyper-connectivity)과 초인텔리전스(Super-intelligence) 테크를 기반으로 생산성을 극대화하는 혁명을 가리킵니다. 주요 특징은?

4차산업의 주요 특징들

• 디지털 기술: 사물인터넷(IoT) 빅데이터 인공지능과 같은 디지털 기술이 융합하고 발전한다.
• 메타버스: 사이버 물리 시스템(CPS)이 등장하면서 물리적 세계와 디지털 세계가 혼합이된다.
• 플랫폼: 플랫폼을 토대로 한 새로운 비즈니스 모델이 창출된다.
• 탄력적 공급망: 종전 공급망과 가치사슬이 붕괴되고, 이런 기술이 새로운 질서를 창출한다.
• 산업간 경계의 붕괴: 현존하는 산업 경계가 붕괴되고, 수평적인 협력 체제가 확산된다.
• 인간 능력 향상: 이러한 기술을 토대로 인간은 보다 새롭고 창의적 활동을 시작한다.

생성형 인공지능은 이러한 4차 산업혁명을 배가 시키고 있습니다. 얼마전 컨설팅업체인 맥킨지에서 발간한 보고서를 잠시 살펴볼게요. 맥킨지는 “은행과 소매업이 생성형 인공지능의 가장 큰 혜택을 가장 먼저 누릴 수 있는 비즈니스 부문”이라고 치켜세웠습니다. 왜냐고요?

“인공지능으로 인한 생산성 향상의 75%는 고객 운영, 마케팅과 영업, 소프트웨어 엔지니어링, R&D 등 단 4개의 비즈니스 기능에서 발생할 것으로 예상됩니다.”

네 맞습니다. 이런 교집합 부분에 있는 곳이 바로 은행과 리테일이라는 메시지인데요. 인간 두뇌 시냅스에 해당하는 파라미터가 수십 수백억개에 달하는 초거대인공지능이 부상한 이후, 이제는 이를 활용해 서비스를 제공하려는 스타트업이 늘고 있습니다. 그래서 팀 미라클레터처럼 인공지능을 모르는 팀들도? 인공지능을 마치 사무용품인 줄자나 커터 칼처럼 쓸 수 있게 된 것이죠.

하지만 다른게 있습니다. 인공지능 생산성 혁명은 급여와 교육 수준이 높은 근로자에 타격을 준다는 점인데요. 맥킨지는 2100개에 달하는 업무 영역을 쭉 펼쳐놓고 이 가운데 63개 사례를 연구했다고 해요. 그랬더니 무려 3분의2가 향후 20년 이내에 자동화 될 것으로 내다봤습니다. 예를 들어 제품 초안을 디자인하고, 서비스 초안을 작성하며, 이를 놓고 수많은 테스트를 하는 업무는 인공지능 몫!

업무가 단순할 때는 일 잘하는 직원과 못하는 직원의
생산성 차이는 많아야 3배 정도에 지나지 않는다.
중급 정도의 난이도를 지닌 업무일 때도
생산성 차이는 최대 열두 배 정도다.
그러나 복잡한 일에 맞닥뜨리면 인재와
그렇지 못한 직원의 성과는 거의 무한대에 가까운 차이가 난다.
- 제프리 페퍼와 로버트 서튼 공동 연구


매우 의미있는 연구결과라 생각합니다.
이제 어느 기업, 어느 산업을 막론하고
상시적으로 복잡한 일과 맞닥뜨리는 상황에 직면해 있습니다.
다시 말해 인재와 그렇지 못한 직원의 성과차이가
무한대로 커진 사회가 이미 도래했습니다.
왜 인재전쟁(war for talent)인지,
그 해답을 명확히 제시해 주고 있는 연구결과입니다.