사람과 AI가 함께하는 일
사람과 AI가 판단과 권한을 나누고, 함께 문제를 풀며, 일과 배움에서 사람의 역량이 어떻게 되는지를 묻습니다.
사람과 AI는 판단과 권한을 어떻게 나눌까요?
사람과 AI가 함께 일하는 상황에서는 누가 어떤 부분을 맡는지 구체적으로 정해야 합니다. 권한은 자료를 읽는 권한, 대안을 제안하는 권한, 기록을 바꾸는 권한, 결정을 확정하는 권한처럼 행동의 종류에 따라 나누어 생각할 수 있고, 같은 사람이나 AI가 여러 권한을 가지더라도 어떤 권한으로 어떤 행동을 했는지는 확인할 수 있어야 합니다.
좋은 협업인지 평가하려면 최종 결과와 함께 사람의 검토 부담을 살펴야 합니다. 오류가 줄었더라도 검토 시간이 지나치게 늘면 다른 일에 영향을 줄 수 있고, 처리 시간이 줄었더라도 사용자가 결과를 이해하거나 고치기 어려워질 수 있습니다.
사람의 판단
목표와 허용 범위
요청의 목적과 권한을 정함
AI의 지원
근거 수집과 대안
자료를 확인하고 선택지를 마련
AI의 지원
판단 지원
근거 · 불확실성 · 대안 제시
사람의 판단
검토와 확정
수정 · 보류 · 최종 선택
현장의 실행과 운영
실행과 상태 확인
정해진 범위에서 실행하고 기록
결과와 영향
사람의 판단
설명 요구와 재검토
잘못된 판단과 조치를 바로잡음
설명 요구와 재검토에서 판단 지원으로 — 재검토
사례
미국 매사추세츠공과대학(MIT) 집단지능연구센터의 미셸 바카로(Michelle Vaccaro) 연구진은 인간과 AI가 어떤 조건에서 함께 더 잘 일할 수 있는지 연구했다. 이들이 2024년 발표한 연구는 관련 실험을 정해진 기준으로 모아 검토하고, 여러 실험의 결과를 통계적으로 종합했다. 이러한 방법을 ‘체계적 문헌고찰과 메타분석’이라고 한다. 비교 대상은 인간 단독, AI 단독과 인간·AI 조합이었다. 분석에 포함된 연구들에서 조합은 평균적으로 인간과 AI 가운데 더 성과가 좋은 단독 조건보다 통계적으로 유의하게 낮았으며, 과제 유형에 따른 차이가 관찰되었다. 이는 2020년부터 2023년 상반기까지 발표된 연구 표본의 결과다. 모든 최신 시스템에 같은 결론을 적용할 근거로 확대해서는 안 된다.
자세히 읽기 — 사람과 AI가 권한을 나누는 법
사람의 능력과 판단권이 실제 과정에서 어떻게 유지되는지 평가하는 연구가 필요하다. 인간과 AI가 함께 일하는 상황에서는 누가 어떤 부분을 맡는지 구체적으로 정해야 한다. 권한은 행동의 종류에 따라 정리할 수 있다. 자료를 읽는 권한, 대안을 제안하는 권한, 기록을 변경하는 권한과 결정을 확정하는 권한을 나누어 생각할 수 있다. 같은 사람이나 AI가 여러 권한을 가질 수 있지만, 어떤 권한으로 어떤 행동을 했는지 확인할 수 있어야 한다.
연구 대상에는 시스템을 구매하거나 운영하는 사람과 함께 그 판단의 영향을 받는 사람도 포함한다. 누구에게 도움이 되었고 누구의 부담이 늘었는지 구분하는 것이 권한 분담의 사회적 의미다.
문제를 새로 정의하면 무엇을 비교할 수 있을까요?
창의적인 해결책을 찾을 때는 문제를 어떻게 정의했는지가 중요합니다.
바꾸기 전 절차
구매 검토에서 모든 확인을 마친 뒤에야 규격 누락을 발견하는 절차가 있다고 해 봅시다.
순서를 바꾸면
처음에 요청 규격부터 확인하도록 순서를 바꾸면 불필요한 후속 작업이 줄어드는지 비교할 수 있습니다.
그러나 검토 단계를 빼는 것과 검토 시점을 바꾸는 것은 서로 다른 개입이어서, 무엇이 바뀌었는지 정확히 기록해야 결과를 해석할 수 있습니다. 창의성을 평가할 때도 새 제안의 수와 그 제안의 쓸모를 나누어 보아야 합니다.
서로 비슷한 제안을 많이 만든다고 해서 탐색 범위가 넓어졌다고 보기는 어렵습니다. 기존 제약을 지키는지, 실제로 실행할 수 있는지, 어떤 부작용을 낳는지 검토해야 합니다.
서울대학교 경영대학에서 전략과 창의적 사고를 연구하는 박남규 교수의 2023년 논문은, 업무 과정을 나누고 관계를 다시 살펴 개선 기회를 찾는 창의적 사고 방법인 ‘퍼즐링(Puzzling)’을 설명한다. 연구회는 그러한 접근을 AI의 업무 과정 분석에 연결할 연구 가능성을 검토한다.
자세히 읽기 — 창의적 문제 해결
중요한 것은 특정한 창의성 기법을 모든 문제에 적용하는 일이 아니라 어떤 과제에서 어떤 사고 과정이 유용한지 밝히는 일이다. 창의적인 해결책을 찾는 과정에서는 문제를 어떻게 정의했는지가 중요하다. 구매 검토 사례에서는 모든 확인을 마친 후에야 규격 누락을 발견하는 절차가 있다고 가정할 수 있다. 초기 단계에서 요청 규격을 먼저 확인하도록 순서를 바꾸면 불필요한 후속 작업이 줄어드는지 비교할 수 있다. 그러나 검토 단계를 생략하는 것과 검토 시점을 바꾸는 것은 서로 다른 개입이다. 무엇이 바뀌었는지 정확하게 기록해야 결과를 해석할 수 있다. 창의성을 평가할 때에는 새로운 제안의 수와 제안의 유용성을 나누어 보아야 한다.
AI와 함께 일하고 배우면 사람의 역량은 어떻게 될까요?
결과물의 품질만으로 사람의 학습 효과까지 판단하기는 어렵습니다. 조직에서는 AI가 작성한 절차를 다른 구성원이 이해하고 고칠 수 있는지, 담당자가 바뀌어도 업무의 근거가 남는지도 확인해야 합니다.
결과물의 품질
신입 직원이 AI의 도움으로 구매 검토 보고서를 빨리 썼다고 해 봅시다.
사람에게 남는 학습
그 뒤 AI 없이 비슷한 문제를 풀 수 있는지, 규격과 예외를 설명할 수 있는지, AI의 잘못된 제안을 알아챌 수 있는지는 따로 확인해야 합니다.
자세히 읽기 — 일과 배움에서 사람의 역량
AI가 업무에 들어오면 사람이 수행하는 활동의 구성이 달라질 수 있다. 결과물의 품질만으로 인간의 학습 효과까지 판단하기는 어렵다. 예를 들어 신입 직원이 AI의 도움으로 구매 검토 보고서를 빠르게 작성했다고 하자. 이후 AI 없이 비슷한 문제를 해결할 수 있는지, 규격과 예외를 설명할 수 있는지, AI의 잘못된 제안을 발견할 수 있는지는 별도로 확인해야 한다. 교육에서는 정답의 제공과 사고 과정의 지원을 어떻게 조합할지 검토할 수 있다. 조직에서는 지식이 특정 개인이나 도구에 집중되는 문제도 중요하다. AI가 작성한 절차를 다른 구성원이 이해하고 수정할 수 있는지, 담당자가 바뀌어도 업무의 근거가 유지되는지 확인해야 한다. 지식경영과 조직학습의 연구는 이 과정에서 지식의 전달과 재사용을 다루는 관점을 제공한다. AI 사용이 조직의 실제 역량으로 이어지는 경로를 구체적으로 관찰해야 한다.
일과 교육에 관한 연구는 인간 역량의 성장과 AI 활용 격차의 완화를 함께 추구한다.