AI 시대에 관리자는 산출물을 중요한 일에 연결해야 한다

AI가 직원들의 산출량을 늘리면서 관리자의 역할은 줄어드는 게 아니라 더 중요해지고 있다. Stay SaaSy는 관리자가 협업 기준과 성과 측정 방식을 다시 세우고, 결과물의 출처보다 품질에 초점을 맞춰야 한다고 주장한다.

AI를 쓰면 개인의 생산량은 크게 늘지만, 새로 만들어진 결과물을 검토하고 통합하고 조율하는 일은 그만큼 빨라지지 않는다. 한 조사에서는 풀 리퀘스트가 23% 늘어난 반면 검토와 병합에 걸리는 시간은 49% 증가했다. 글은 이 병목이 조직을 각자가 자기 일은 해내지만 전체적으로는 아무것도 내놓지 못하는 공장처럼 만들 수 있다고 지적한다.

해법으로는 풀 리퀘스트 검토처럼 빈번한 협업에 응답 시간 목표를 두고, 이를 측정하고 담당자를 정하는 방안을 제시한다. 각 업무가 사업 가치와 어떻게 연결되는지도 분명히 해야 한다. 활동량이 아니라 성과를 측정해야 한다는 설명이다. 아마존은 AI 사용량으로 엔지니어 순위를 매기는 내부 순위표를 만들었다가, 직원들이 의미 없는 작업에 에이전트를 투입해 점수를 높이자 이를 없앴다. 글은 지표를 가능한 한 10-K에 보고되는 실제 사업 성과에 가깝게 두라고 강조한다.

성과 평가에서는 AI를 사용했는지보다 결과와 책임을 기준으로 삼아야 한다는 것이 Stay SaaSy의 제안이다. 기대 수준을 높이고, 결과가 나왔다면 AI 사용 여부를 따지지 않으며, 출시한 결과물은 누가 만들었든 담당자가 책임져야 한다. 예컨대 시니어 엔지니어라면 명확한 사양이 있을 때 세 사람이 맡던 프로젝트를 혼자 수행하고, 작은 변경을 두고 다른 팀에 막혔다고만 하지 않으며, 작동하는 시제품을 설계 문서와 함께 제시하는 수준을 기대할 수 있다고 설명한다.

AI로 작성한 문서가 허용되는지, 무엇을 부실한 결과물로 볼지에 관해서도 조직의 기준이 필요하다. 글은 결과물이 어디서 나왔는지가 아니라 내용 자체를 평가하는 문화를 제안한다. AI가 쓴 부분이라는 이유만으로 비판하기보다 결과물의 장단점을 따져야 한다는 주장이다.

Stay SaaSy는 AI가 산출량을 늘렸지만, 관리자의 일은 그 산출물을 중요한 목표에 연결하는 것이라고 정리한다. 응답 시간 기준, 성과 지표, 높아진 기대 수준, 명확한 품질 기준은 새로운 처방이라기보다 기존 관리의 기본에 가깝다. 다만 이를 빠뜨리면 문제를 더 빨리 마주하고 비용도 더 커진다고 글은 말한다.