AI, 실제로 직원 생산성 저하시키고 있다?

생성형 AI 도구는 시간이 많이 소요되는 다양한 작업을 대체해 직장 생산성을 크게 향상시킬 것으로 기대되고 있다. 하지만 2,500명 이상 근로자와 경영자를 대상으로 한 조사에서 실제로 생성형 AI 도구가 업무량을 증가시키고 생산성을 저해하고 있다는 게 밝혀졌다.

미국 캘리포니아주에 본사를 둔 프리랜서 플랫폼 업워크(Upwork)는 2,500명 이상 정규직 근로자, 프리랜서, 경영자를 대상으로 생성형 AI를 업무에 사용해 생산성이 향상됐다고 생각하는지에 대해 조사했다. 그 결과 업무에서 생성형 AI를 사용하는 근로자 80%가 생성형 AI로 인해 업무량이 증가해 생산성이 저해됐다고 응답했다. 이는 생성형 AI 도구가 지금까지 인간이 수행해 온 복잡한 작업을 줄이고 생산성을 크게 향상시킬 것이라는 기대와는 정반대 결과다.

조사에 응답한 근로자는 AI가 생성한 콘텐츠를 검토하고 관리하는 데 많은 시간을 소비하고 있으며 도구 사용 방법을 배우는 데도 시간이 더 많이 소요되고 있다고 말했다. 업워크 조사에서는 경영진 96%가 AI가 생산성을 향상시킬 것이라고 예상한 반면 직원 40%는 AI로 인한 생산성 향상이 어떻게 실현될지 모르겠다고 응답해 경영진과 현장 사이에 단절이 있음도 나타났다. 보도에선 고용주는 새로운 기술을 효과적으로 통합하고 일정한 ROI(투자수익률)를 얻기 위해 AI에 대한 기대와 접근 방식을 조정해야 하지만 얻을 수 있는 이익은 고용주가 기대하는 것보다 적을 것이라고 지적했다.

경영 컨설팅 기업 가트너 시니어 디렉터 애널리스트인 에밀리 로즈 맥클레이는 무슨 일이 일어나고 있냐면 AI에 대한 과대 광고 거품이 너무 커서 현 시점에서 전개되고 있는 방식으로 가져올 영향과 균형이 맞지 않는다는 것이라고 말했다. 실제로 그가 이야기한 한 클라이언트 이사회는 생성형 AI 도입으로 인력을 20% 줄일 수 있을 것으로 예상했다고 한다. 하지만 어떤 기업도 AI 도입으로 그런 인력 감축에 근접하지 않았으며 AI를 도입했으니 인력을 줄일 수 있다고 쉽게 결론 내릴 수 있는 건 아니다.

생성형 AI 도구 문제점으로 지적되는 건 생성형 AI가 여전히 환각을 일으키거나 합리적으로 들리는 답변을 조작하는 불완전성을 가지고 있다는 점이ㅏ다. 확실히 AI는 사물이나 정보를 정리하는 데 도움이 되지만 이를 실제 비즈니스에 적용하기 전에 인간에 의한 자료와 사실 재확인이 필수적이다. 따라서 모든 경우에 생성형 AI 도입이 생산성 향상으로 이어지는 건 아니라는 것.

물론 법률 분야에서 변호사가 기존 판례를 조사·분석하고 방대한 양에 달하는 정보를 요약할 때 AI 도구가 도움이 되는 등 일부 분야에서는 생성형 AI가 근로자 시간 단축으로 이어지고 있다. 또 생성형 AI를 탑재한 챗봇을 사내에 도입해 직원이 새로운 소프트웨어 조작 방법이나 작업 진행 방법을 배우는 시간을 크게 단축할 수 있거나 직원 질문에 답변하고 적절한 사내 리소스로 안내해 인사 부서 부담을 줄이는 등 유익한 사용 사례도 존재한다.

하지만 어느 경우에도 출력 유효성을 확인하려면 인간이 필요하며 시간이 많이 소요되는 검토 절차를 소홀히 하면 다양한 위험이 발생하는 것도 사실이다. 업워크 측은 대규모 언어 모델 대부분은 인간이 루프 사이에 들어가 인간 판단과 감시가 있을 때만 적절하게 작동한다며 그게 이 기술의 현 상황이라고 말했다.

회사 측은 생성형 AI 도구를 사용해 생산성을 향상시키려면 해결하려는 비즈니스 문제가 무엇인지를 고려해야 한다고 지적했다. 하지만 근로자는 생성형 AI 도구 활용을 위해 업무 방식을 재고하기는커녕 기술에 뒤처져 있다고 느끼고 있다고 한다.

업워크 조사에 따르면 근로자 40%가 AI 활용에 대해 회사 측이 너무 많은 걸 요구하고 있다고 느끼고 있으며 생성형 AI 도구 사용법을 독학하는 데 많은 시간을 소비하고 있다고 한다. 고용주가 생성형 AI 도구에 관한 포커스 그룹을 개최하고 직원이 직면한 장벽과 필요한 훈련을 정확히 판단해 직원을 더 적절하게 지원할 수 있다는 설명이다.

직원이 생성형 AI를 시도하고 그 사용법을 배우는 게 최우선 과제라면 AI로 해주길 바라는 것에 대한 실제 사례가 있는지 확인하고 그 방법을 배우기 위한 도구와 여유를 제공하라면서 하지만 동시에 AI가 우리에게 필요한 일을 해주지 않는다, AI가 실제로는 도움이 되지 않는다는 피드백에 대해 매우 개방적이어야 한다고 지적했다. 관련 내용은 이곳에서 확인할 수 있다.