AI를 일상 업무에 성공적으로 통합하는 것은 일선 직원에게 달려 있지만, 직원의 사기에 미치는 영향은 간과되는 경우가 많다.
오늘날 모든 산업 분야에 AI/ML 솔루션이 도입되고 있다. AI 이니셔티브에는 종종 ML 모델을 운영 환경에 배포하는 작업이 포함되는데, 여기서 모델 출력은 화면의 위젯이나 보고서의 숫자가 되어 수백, 수천 명의 일선 직원 앞에 놓인다. 이런 직원은 보험설계사, 대출 담당자, 사기 조사관, 간호사, 교사, 손해사정사, 변호사 등 누구라도 해당할 수 있다. 어떤 산업도 이런 변화에서 자유로울 수 없다.
AI 이니셔티브는 일반적으로 위에서 아래로 추진된다. 경영진은 KPI를 모니터링하고 개선할 방법을 모색하며, 이를 위한 수단으로 AI/ML 이니셔티브가 점점 더 많이 활용되고 있다. 물론 AI 이니셔티브에 대해 경영진, 재무, 데이터 과학 및 운영 책임자 간에 많은 커뮤니케이션이 이뤄지고 있다. 하지만 안타깝게도 이런 논의에서 가장 흔히 소외되는 그룹은 바로 일선 직원들이다.
AI 이니셔티브가 시작되고, 위젯이나 기타 지표가 수정된 일일 표준 운영 절차(SOP)에 통합된다. 하지만 이런 과정이 일선 직원의 사기에 미치는 영향은 간과되는 경우가 많다. 관리자가 건전한 관점으로 직원들을 교육하기 위해 적극적으로 노력하지 않는다면, 직원들의 해석을 우연에 맡기게 된다.
여기서는 AI/ML 이니셔티브에 대한 직원들의 일반적인, 종종 잠재된 몇 가지 반응과 경영진이 긍정적이고 정보에 입각한 사고방식을 육성하기 위해 채택할 수 있는 접근 방식에 대해 알아보겠다. 직원들의 AI 수용을 관리하지 못했을 때의 결과에 대해서는 많은 시간을 할애하지 않을 것이다. 관리자는 이미 모든 이니셔티브가 일선 직원들이 원하는 만큼만 성공할 수 있다는 것을 알고 있다. 이들을 참여시키지 못하면 AI 이니셔티브는 실패로 돌아가고 말 것이다.
다양한 반응의 스펙트럼
기업 책임자가 일선 전문가의 일상에 영향을 미칠 새로운 AI/ML 이니셔티브를 발표하면 다양한 반응이 나타난다.
- 긍정적인 관점. 기업 내 일부 직원은 이런 혁신을 긍정적인 진전으로 받아들일 수 있다. 이들은 잠재적인 이점을 인식하고 워크플로우와 생산성을 향상시킬 수 있을 것이라 믿으며 변화를 받아들이고 싶어 한다. 이는 일반적인 반응은 아니지만 변화를 지지하는 직원이라면 이런 식으로 생각할 수 있다.
- 불안감. 직원이 구현된 AI/ML에 편집증이나 불안감을 느끼는 것은 드문 일이 아니다. 이들은 자신이 왜 이런 변화에 선택됐는지 반문을 제기하며, AI가 자신의 업무 성과나 고용 안정성에 영향을 미칠까 두려워한다. 이런 직원들은 “어머, 왜 이런 일을 시켰을까, 내가 일을 잘 못한다고 생각하는 건 아닐까, 내가 문제가 있는 건 아닐까?”라고 조용히 걱정한다.
- 실직에 대한 두려움. 실직에 대한 두려움은 정당한 우려이다. 직원들은 결국 인공지능이 자신의 역할을 완전히 대체할지도 모른다고 걱정한다.
- 방어적이고 영역적인 반응. 자신의 전문성과 경험에 자부심을 느끼며, AI가 자신을 도울 수 있다는 것을 비웃는 직원도 있다. 이들은 기계가 어떻게 자신보다 고객(또는 업무)을 더 잘 이해할 수 있는지 의문을 제기할 것이다. 이런 직원은 AI/ML 이니셔티브를 경영진이 자신의 지식과 전문성 또는 조직에 제공하는 가치를 인정하지 않는다는 신호로 간주한다.
- 회의적이고 지친 태도. 기업의 여러 이니셔티브가 왔다가 사라지는 것을 수없이 봐왔기 때문에 “이 또한 지나가리라”고 생각하는 직원도 있다. 이들은 또 다른 변화가 위에서부터 강요될 것이라는 점에 눈살을 찌푸리며 그 효과와 영향력에 의구심을 품을 수 있다. 성공적인 변화를 위해 노력하기보다는 무시한 채 시간을 끌 것이다.
새로운 AI/ML 이니셔티브를 착수하면, 이런 모든 반응이 직원들에게 나타날 수 있다. 이런 반응은 반드시 해결해야 하며, 건전하고 정보에 입각한 관점을 조직 전체에 공유해야 한다.
건강한 관점 육성
직원들이 이해 부족으로 부정적인 관점을 갖지 않도록 하려면, 어떤 관점을 갖기를 원하는지 결정한 다음 필요한 교육을 제공해야 한다.
다음은 AI/ML 이니셔티브에 대한 건전한 관점을 전달하는 예시로, 보험금 청구 기관과 같은 조직을 위해 작성된 것이다.
“매일 수천 통의 전화와 이메일이 쏟아지는 상황에서 적시에 적절한 조처를 해야 합니다. 어떤 조치를 취해야 하는지, 각 클레임을 어떻게 처리해야 하는지 아는 것은 지식에서 비롯됩니다. 이런 지식은 경험, 즉, 각 인터랙션에서 수집한 데이터를 통해 얻을 수 있습니다. 물론 이런 지식은 부분적으로는 최전선에서 근무하는 직원들을 매우 가치 있게 만듭니다. 전통적인 운영 지식의 원천은 직원들의 지성입니다. 하지만 데이터의 또 다른 원천이 있는데, 바로 우리 건물이나 원격 데이터센터에 숨겨진 서버입니다. 직원들은 이런 서버에 존재하지 않는 관찰과 인사이트를 가지고 있습니다. 마찬가지로 이런 서버에는 우리 머릿속에 존재하지 않는 인사이트가 있습니다.
서버에 있는 정보를 그냥 방치하는 것은 무책임한 일입니다. 이는 석유 회사가 매장지에 앉아서 시추를 하지 않는 것과 같습니다. 서버가 석유 매장량이라면 머신러닝은 그 신호를 추출할 수 있는 시추기입니다. 따라서 어떤 조처를 해야 할지 매일 내리는 수많은 결정 중 하나를 내릴 때는 자신의 경험을 기반으로 판단하겠지만, 그 판단을 내릴 때 가능한 한 많은 정보를 바탕으로 하기를 바랍니다.
이런 AI/ML 모델은 데이터센터에 있는 데이터에 존재하는 패턴을 추출하고, 이를 사용자에게 제공하면 나머지 과정에서 올바른 결정을 내릴 수 있는 권한을 사용자에게 부여합니다. 모델은 “이렇게 보이는 모든 청구 중 80%는 소송으로 이어진다”라고 알려줍니다. 20%는 그렇지 않다는 뜻입니다! 여러분의 업무에는 판단력이 필요하며, 회사는 여러분이 최대한 현명한 판단을 내릴 수 있도록 모든 정보를 제공하고 있습니다.”
직원들과 진솔하게 소통하기
앞서 논의한 몇 가지 우려 사항을 직접적으로 해결할 수 있는 방법을 살펴보자.
AI/ML 이니셔티브가 자신이 일을 못 하기 때문은 아닌지 걱정하는 직원들에게는 그들의 말을 듣고 있다는 사실을 알려주고, AI/ML은 그런 목적이 아니라는 것을 재차 확인시켜 준다.
고용 안정에 대한 우려는 어느 정도는 근거가 있다. 오늘날 AI가 사람의 일자리를 빼앗아 갈까? 짧은 대답은 ‘아니오’이다. 기업은 일반적으로 AI/ML 이니셔티브를 도입한 후 사람을 해고하지는 않지만, AI가 어느 정도 일자리를 위협하고 있다는 것은 누구나 알고 있다. 우리는 팀원들에게 이 사실을 인정해 단절되고 소통이 되지 않는 것처럼 보이지 않도록 해야 한다. 동시에 AI는 수세기 동안 도입된 다른 기술들과 마찬가지로 새로운 기술일 뿐이라는 점을 강조해야 한다. 시간이 지나면 일부 업무는 자동화될 것이다.
기계가 할 수 있는 일이라면 기계가 해야 한다는 말을 들어본 적이 있다. 기계가 할 수 있는 일은 기계에 맡겨야 한다는 말은 일리가 있다. 기계가 할 수 있는 일은 기계에 맡기고 사람들은 진정으로 미묘하고 복잡한 일을 할 수 있는 여유를 가져야 한다. 즉, 시간이 지남에 따라 인력은 갑작스러운 해고가 아닌 감원을 통해 서서히 변화할 것이다. 그렇다면 다음 주에 AI가 우리 중 누군가를 대체할까요? 아마 아닐 것이다. AI로 인해 10년에서 20년 후에는 일자리가 줄어들까? 그럴 가능성이 있다. 이에 대한 해결책은 현재와 수요에 맞게 기술을 발전시키는 것이다.
AI가 고객에 대해 더 많이 안다는 인식과 관련해, AI는 인간의 판단을 보완하는 것이지 대체하는 것이 아니라는 점을 다시 한번 강조한다. 증강 지능이라는 명칭이 더 적절한 이유는 인간이 여전히 개입하기 때문이다.
기업의 이니셔티브에 회의적인 직원의 경우, 회의론은 다양한 원인에서 비롯될 수 있으며 특히 AI/ML과 관련이 없는 별개의 문제라는 점을 인식시켜야 한다.
교육과 커뮤니케이션이 핵심
AI/ML 통합의 여정에서는 일선 직원을 포함한 모든 사람들과의 효과적인 커뮤니케이션이 가장 중요하다. 기업은 타운홀 미팅, 전체 회의, 포커스 그룹, 교육 세션을 진행할 수 있다. 위키 문서를 게시하고, 정기적인 이메일 뉴스레터를 발송하고, 동료들과 정기적으로 화상 면담을 진행할 수 있다. 일선 직원을 데이터 과학자로 만들기 위한 것이 아니라 블랙박스를 열고 기술을 이해하기 위한 AI/ML에 대한 정기적인 수업을 진행할 수도 있다. 팀원들에게 AI가 무엇이고 무엇이 아닌지에 대해 교육해야 한다. 불투명성을 낮출수록 AI는 덜 신비스럽고 위협적인 존재가 될 것이다.
AI/ML 모델을 일상 업무에 성공적으로 통합하려면 일선 직원들의 반응을 이해하고 대처하는 것이 중요하다. 일선 직원에게 정화한 정보를 제공하지 않으면, 나머지는 직원의 상상력에 맡기는 된다. 그리고 사람들의 상상력은 너무도 쉽게 두려움, 불안, 걱정으로 빈칸을 채우고 최악의 상황을 그린다.
일선 직원들에게 AI의 현실에 대해 교육하기 바란다. 그러면 직원들이 더 행복하고 생산적으로 일할 것이며, AI/ML 이니셔티브는 성공할 것이다.
* Bill Surrette은 보험금 청구 최적화를 위한 AI 기술을 제공하는 클라라 애널리틱스(CLARA Analytics)의 수석 데이터 과학자이다.
editor@itworld.co.kr
