AI가 업무 산출량을 늘리면서 관리자의 역할은 줄어드는 게 아니라 달라지고 있다. 이 글은 협업 기준과 사업 성과 측정, 성과 관리, 조직 문화를 새로 정해야 한다고 주장한다.

협업과 사업 성과

AI는 사람끼리 협업할 필요를 줄이는 듯 보이지만, 동시에 검토와 조율의 부담을 키운다. 대규모 언어 모델(LLM)과 하루 종일 협업하는 사람들이 동료와 덜 협력하게 될 수 있고, LLM의 아첨하고 낙관적인 성향이 자기중심적인 태도를 부추길 수도 있다는 설명이다.

반면 콘텐츠와 코드를 만드는 비용이 낮아져 검토·통합·조정의 필요는 커졌다. 약 700개 기업을 살펴본 하버드 연구에 따르면 AI 코딩 에이전트 도입 뒤 풀 리퀘스트(PR) 건수는 23% 늘었고, PR 검토와 병합에 걸리는 시간은 49% 증가했다.

각자가 맡은 일을 해도 다음 단계가 따라오지 않으면 결과물이 출고되지 않는다. 이 글은 이를 파티가 끝난 에어비앤비를 청소하는 상황에 빗댄다. 각자 자신이 공정한 몫보다 더 많이 일한다고 느끼면서 다른 사람은 제 몫을 하지 않는다고 여기는 현상이다. 대응책으로는 PR 검토처럼 빈번한 상호작용에 응답 시간 목표를 정하고, 이를 측정하고 인력을 배정하며 지연에 책임질 사람을 두라고 제안한다.

AI를 쓰면 목표가 불분명한 상태에서 토큰 비용으로 10만 달러를 지출한 뒤에야 아무도 해당 기능을 요청하거나 원하지 않았다는 사실을 알게 될 수 있다. 따라서 투자와 업무가 사업 가치로 이어지는 경로를 명확히 하고, 활동량이 아니라 결과를 측정해야 한다는 주장이다. 아마존이 엔지니어의 AI 사용량을 순위로 매기는 사내 리더보드를 만들자, 직원들이 순위를 올리려고 쓸모없는 작업에 에이전트를 투입하기 시작했다는 보도도 사례로 든다. 측정 지표는 가능한 한 10-K에 보고되는 실제 사업 결과에 가까워야 한다고 글은 강조한다.

성과 관리와 조직 문화

글이 제시하는 성과 관리 원칙은 다음과 같다.

  • 모든 업무에서 기대 수준을 높인다.
  • 결과가 나왔다면 AI가 했는지 사람에게 맡겼는지를 따지지 않는다.
  • 누가 또는 무엇이 작성했든, 배포한 결과물은 담당자가 책임진다.
  • 사업 투자 수익률(ROI)이 있어야 한다.

예를 들어 선임 엔지니어라면 명확한 사양이 있는 프로젝트를 과거 세 명이 하던 방식 대신 한 사람이 수행하는 것이 기준 상향의 한 모습일 수 있다. 작은 변경을 직접 처리할 수 있는데도 프런트엔드 팀에 막혔다고 답하거나, 작동하는 시제품 없이 설계 문서만 내는 일도 더 이상 받아들여지지 않는다는 설명이다. AI가 작성한 코드에 버그가 있더라도 배포한 사람이 책임져야 하며, AI가 썼다는 말은 면책 사유가 될 수 없다고 주장한다.

AI 사용 자체를 성과로 인정하던 관행도 재검토해야 한다는 입장이다. 2023년 이전에는 산출량과 업무 능력 사이에 강한 상관관계가 있었지만 AI가 이를 거의 무너뜨렸다고 글은 본다. 따라서 더 많은 양뿐 아니라 더 높은 품질을 요구하고, 모델이 개선될 때마다 기본 기대치도 높여야 한다고 말한다.

AI가 작성한 문서를 허용할지, 무엇을 저품질 결과물로 볼지에 대해서는 새로운 조직 기준이 필요하다. 글은 결과물이 어떻게 만들어졌는지보다 내용 자체를 평가하라고 제안한다. ‘AI를 썼다’는 이유만으로 비판하기보다 결과물의 장단점을 구체적으로 따져야 좋은 작업이 무엇인지 공유할 수 있고, AI에 대한 편견도 피할 수 있다는 주장이다.

글의 결론은 AI가 모두의 산출량을 늘렸다면 관리자는 그 산출을 중요한 목표에 맞춰야 한다는 것이다. 응답 시간 기준, 지표, 높아진 기대 수준, 명확한 기준은 새로운 관리 기법이라기보다 기존의 좋은 관리 방식에 가깝다. 다만 이를 생략했을 때 문제를 더 빨리 발견하고 비용도 더 크게 치를 수 있다고 설명한다.