왼쪽: 어린 앤드류 카네기와 그의 형. 오른쪽: 도금 시대의 피츠버그 제철소.
1850년대, 앤드류 카네기는 피츠버그의 진흙탕 거리를 누비며 전신을 작동시키는 전신 기사였습니다. 당시 미국인 10명 중 6명은 농부였습니다. 불과 두 세대 후, 카네기와 그의 동료들은 현대 세계를 건설했고, 말은 철도에, 촛불은 전등에, 철은 강철에 자리를 내주었습니다.
그 이후로 일자리는 공장에서 사무실로 옮겨갔습니다. 현재 저는 샌프란시스코에서 소프트웨어 회사를 운영하며 수십만 명의 지식 노동자를 위한 도구를 개발하고 있습니다. 이 기술의 도시에서는 모두가 인공 일반 지능(AGI)에 대해 이야기하지만, 20억 명에 달하는 사무직 근로자 대부분은 아직 AGI의 존재를 체감하지 못하고 있습니다. 가까운 미래에 지식 노동은 어떤 모습일까요? 끊임없이 작동하는 지능이 조직 구조에 통합되면 어떤 일이 벌어질까요?
초창기 영화는 종종 연극 무대와 같았는데, 카메라가 무대를 촬영하는 방식이었다.
미래는 과거로 위장하는 경우가 많아 예측하기 어렵습니다. 초기 대화는 전보처럼 간결했고, 초기 영화는 녹화된 연극과 같았습니다. 마셜 맥루한이 말했듯이, "우리는 항상 백미러를 통해 미래를 바라보고 있습니다."
오늘날 가장 널리 퍼진 인공지능의 형태는 여전히 과거의 구글 검색과 유사합니다. 맥루한의 말을 빌리자면, "우리는 항상 백미러를 통해 미래를 바라보고 있다." 오늘날 우리는 구글 검색창을 모방하는 AI 챗봇을 목격하고 있습니다. 모든 기술 혁명이 그렇듯, 우리는 불편한 과도기에 놓여 있는 것입니다.
미래에 대한 모든 해답을 갖고 있지는 않습니다. 하지만 인공지능이 개인, 조직, 나아가 경제 전반에 걸쳐 다양한 역할을 할 수 있다는 점을 생각해 볼 때, 몇 가지 역사적 비유를 활용하는 것을 좋아합니다.
개인적인 이야기: 자전거부터 자동차까지
초기 징후는 지식 노동의 "고급 실무자"인 프로그래머들에게서 나타날 수 있습니다.
공동 창업자인 사이먼은 한때 "열 배 빠른 프로그래머"였지만, 요즘은 직접 코드를 작성하는 일이 거의 없습니다. 그의 작업 공간 옆을 지나가다 보면, 그가 동시에 서너 개의 AI 프로그래밍 도우미를 관리하는 모습을 볼 수 있습니다. 이 도우미들은 단순히 타이핑 속도만 빠른 것이 아니라 사고까지 하기 때문에, 사이먼의 작업 효율을 30~40배 높여줍니다. 그는 점심이나 취침 전에 작업을 예약해 두고, 자리를 비운 동안에도 AI가 계속 작업하도록 합니다. 그는 이제 무한한 지능을 가진 관리자로 변모했습니다.
1970년대 과학 잡지 '사이언티픽 아메리칸'에 실린 운동 효율성 연구는 스티브 잡스에게 영감을 주어 "생각의 자전거"라는 유명한 비유를 만들어내게 했습니다. 하지만 그 이후 수십 년 동안 우리는 정보 고속도로 위에서 "자전거를 타고" 있었을 뿐입니다.
1980년대에 스티브 잡스는 개인용 컴퓨터를 "생각의 자전거"라고 불렀습니다. 10년 후, 우리는 인터넷이라는 "정보 고속도로"를 건설했습니다. 하지만 오늘날 대부분의 지식 노동은 여전히 인간의 노동에 의존하고 있습니다. 마치 우리가 이 모든 시간 동안 고속도로에서 자전거를 타고 있었던 것과 같습니다.
인공지능 비서 덕분에 사이먼과 같은 사람들은 자전거 타기에서 자동차 운전으로 단계를 넘어섰습니다.
다른 유형의 지식 노동자들은 언제 "운전면허"를 딸 수 있을까요? 이 질문에는 두 가지 핵심 사항이 있습니다.
인공지능 지원 지식 작업이 프로그래밍 지원 도구보다 더 어려운 이유는 무엇일까요? 지식 작업은 더 파편화되어 있고 검증하기가 더 어렵기 때문입니다.
첫째, 맥락이 파편화되어 있다는 문제가 있습니다. 프로그래밍에서는 도구와 맥락이 통합 개발 환경(IDE), 코드 저장소, 터미널 등 한 곳에 집중되는 경우가 많습니다. 하지만 일반적인 지식 관련 작업은 수십 개의 도구에 흩어져 있습니다. 인공지능 비서가 제품 설명을 작성한다고 가정해 보세요. 슬랙 스레드, 전략 문서, 대시보드의 지난 분기 데이터, 그리고 사람의 머릿속에만 존재하는 조직의 기억 등 다양한 곳에서 정보를 클레임 합니다. 현재로서는 사람이 복사 붙여넣기나 브라우저 탭 전환 등을 통해 모든 정보를 짜깁기하는 역할을 하고 있습니다. 맥락이 통합되지 않는 한, 인공지능 비서는 제한적인 용도로만 사용될 수밖에 없습니다.
두 번째로 부족한 요소는 검증 가능성입니다. 코드는 테스트와 오류 보고를 통해 검증할 수 있다는 마법 같은 속성을 가지고 있습니다. 모델 개발자들은 이를 활용하여 강화 학습과 같은 방법을 통해 AI가 더 나은 프로그래밍을 하도록 훈련시킵니다. 하지만 프로젝트가 잘 관리되고 있는지, 전략 메모가 훌륭한지 어떻게 검증할 수 있을까요? 우리는 아직 일반 지식 기반 업무 모델을 개선할 방법을 찾지 못했습니다. 따라서 인간은 여전히 감독하고, 안내하고, 무엇이 "좋은" 것인지 보여주기 위해 개입해야 합니다.
1865년 제정된 적색기법은 차량이 도로를 주행할 때 깃발을 든 사람이 차량 앞을 걸어가도록 규정했습니다(이 법은 1896년에 폐지되었습니다).
올해 프로그래밍 보조 실습을 통해 우리는 "인간이 개입하는 방식"이 항상 이상적인 것은 아니라는 것을 알게 되었습니다. 마치 생산 라인에서 볼트를 하나하나 검사하거나, 차량 통행을 위해 앞을 가로막는 사람(1865년 적색기법 참조)을 두는 것과 같습니다. 우리는 사람이 직접 참여하는 것이 아니라, 더 높은 차원에서 과정을 감독하는 역할을 해야 합니다. 맥락이 통합되고 작업의 검증이 가능해지면 수십억 명의 노동자들이 "자전거 타기"에서 "운전하기"로, 그리고 "운전하기"에서 "자율주행하기"로 이동하게 될 것입니다.
조직: 철강 및 증기
기업은 현대의 발명품이며, 규모가 커질수록 효율성이 떨어지다가 결국 한계에 도달하게 됩니다.
1855년 뉴욕-이리 철도 회사의 조직도. 현대 기업과 그 조직 구조는 철도와 함께 발전해 왔는데, 철도는 장거리에서 수천 명의 사람들을 조율해야 하는 최초의 사업 중 하나였습니다.
수 세기 전 대부분의 기업은 십여 명의 직원으로 이루어진 소규모 작업장이었습니다. 오늘날 우리는 수십만 명의 직원을 둔 다국적 기업을 보유하고 있습니다. 회의와 정보로 연결된 인간의 두뇌에 의존하는 소통 체계는 기하급수적으로 증가하는 업무량에 압도당하고 있습니다. 우리는 위계질서, 절차, 문서로 이 문제를 해결하려 하지만, 이는 마치 산업 규모의 문제를 인간 규모의 도구로 해결하려는 것과 같습니다.
두 가지 역사적 비유는 조직이 새로운 기술 자원을 보유하게 될 때 미래가 얼마나 달라질 수 있는지를 보여줍니다.
강철의 기적: 1913년에 완공된 뉴욕의 울워스 빌딩은 한때 세계에서 가장 높은 건물이었습니다.
첫 번째는 바로 철이었습니다. 철이 발명되기 전인 19세기 건물은 높이가 6~7층으로 제한되었습니다. 철은 강했지만 부서지기 쉽고 무거워서 층수를 더 높이면 구조물이 자체 무게를 견디지 못하고 무너질 위험이 있었습니다. 철은 모든 것을 바꿔놓았습니다. 강하면서도 유연한 철 덕분에 프레임 는 더 가볍게, 벽체는 더 얇게 만들 수 있었고, 수십 층 높이의 건물을 갑자기 지을 수 있게 되어 새로운 건축 양식을 가능하게 했습니다.
AI는 조직의 "강철"과 같습니다. AI는 워크플로 전반에 걸쳐 맥락적 일관성을 유지하고, 불필요한 간섭 없이 필요할 때 의사결정을 내릴 수 있도록 지원합니다. 인간의 소통은 더 이상 부담을 주는 벽 역할을 할 필요가 없습니다. 매주 2시간씩 진행되던 회의는 5분짜리 비동기식 검토로 대체될 수 있으며, 3단계 승인이 필요한 고위 경영진의 결정도 몇 분 만에 완료될 수 있습니다. 기업은 과거에는 불가피하다고 여겨졌던 효율성 저하 없이 진정한 규모 확장을 이룰 수 있습니다.
물레방아로 동력을 얻는 방앗간. 수력은 강력하지만 불안정하고 위치와 계절에 따라 제약이 있습니다.
두 번째 이야기는 증기기관에 관한 것입니다. 산업혁명 초기에는 섬유 공장들이 강변에 세워졌고 수차를 동력으로 사용했습니다. 증기기관이 등장한 후, 공장주들은 처음에는 수차만 증기기관으로 교체하고 나머지는 모두 그대로 유지했기 때문에 생산성 향상은 제한적이었습니다.
진정한 돌파구는 공장주들이 물의 제약에서 완전히 벗어날 수 있다는 사실을 깨달았을 때 찾아왔습니다. 그들은 노동자, 항구, 원자재에 더 가까운 곳에 더 큰 공장을 짓고 증기 기관을 중심으로 공장 구조를 재설계했습니다. (이후 전기가 널리 보급되면서 공장주들은 중앙 동력축을 더욱 없애고 공장 곳곳에 소형 엔진을 분산 배치하여 다양한 기계를 가동했습니다.) 생산성이 폭발적으로 증가하면서 제2차 산업혁명이 본격적으로 시작되었습니다.
토머스 알롬이 1835년에 제작한 판화는 영국 랭커셔에 있는 증기 동력 방직 공장을 묘사하고 있습니다.
우리는 여전히 "물레방아를 교체하는" 단계에 머물러 있습니다. 인간을 위해 설계된 업무 흐름에 AI 챗봇을 억지로 끼워 넣는 것만으로는, 기존의 제약이 사라지고 기업이 잠자는 동안에도 작동하는 무한한 지능에 의존할 수 있게 되었을 때 조직이 어떤 모습일지 제대로 상상해 보지 못했습니다.
저희 회사인 노션에서는 다양한 실험을 진행해 왔습니다. 1,000명이 넘는 직원 외에도 700명 이상의 AI 비서가 반복적인 업무를 처리하고 있습니다. 회의록 작성, 팀 지식 공유를 위한 질문 답변, IT 요청 처리, 고객 피드백 기록, 신입 직원의 복리후생 안내, 수동 복사 붙여넣기를 없애는 주간 업무 보고서 작성 등이 그 예입니다. 이는 시작에 불과합니다. 진정한 잠재력은 우리의 상상력과 끊임없는 노력에 달려 있습니다.
경제: 피렌체에서 메가시티까지
철강과 증기는 건물과 공장뿐만 아니라 도시까지도 변화시켰다.
불과 몇 백 년 전까지만 해도 도시의 규모는 인간적인 척도로 측정되었습니다. 피렌체를 걸어서 횡단하는 데 40분이 걸렸고, 삶의 속도는 사람들이 걸을 수 있는 거리와 소리가 닿는 범위에 따라 결정되었습니다.
이후 철골 구조 덕분에 고층 빌딩 건설이 가능해졌고, 증기 기관차가 도시 중심부와 내륙 지역을 연결했으며, 엘리베이터, 지하철, 고속도로가 뒤를 이었다. 도쿄, 충칭, 댈러스처럼 도시의 규모와 밀도는 급격히 증가했다.
이 도시들은 단순히 피렌체를 확장한 버전이 아니라, 완전히 새로운 생활 방식을 나타냅니다. 메가시티는 방향 감각을 잃게 하고, 익명성을 강요하며, 길 찾기를 어렵게 만들 수 있습니다. 이러한 "식별 불가능성"은 규모의 경제에 따른 대가입니다. 하지만 메가시티는 더 큰 기회, 더 큰 자유, 그리고 더 많은 사람들이 더 다양한 활동에 참여할 수 있도록 지원하는 환경을 제공합니다. 이는 인간적인 규모의 르네상스 도시들이 결코 이룰 수 없었던 것입니다.
저는 지식 경제도 곧 같은 변화를 겪게 될 것이라고 생각합니다.
오늘날 지식 노동은 미국 GDP의 거의 절반을 차지하지만, 그 운영은 여전히 인간적인 규모에 머물러 있습니다. 수십 명 규모의 팀, 회의와 이메일에 의존하는 업무 흐름, 그리고 100명이 넘는 조직은 생존하기조차 버거운 현실입니다. 우리는 돌과 나무로 "플로렌스"를 건설해 왔습니다.
AI 비서가 대규모로 도입되면, 우리는 수천 명의 AI와 인간으로 구성된 조직인 "도쿄"를 구축할 것입니다. 시간대를 초월하여 누군가 깨어나기를 기다릴 필요 없이 지속적으로 실행되는 워크플로우와, 적절한 수준의 인간 개입을 통해 종합적으로 결정되는 시스템을 만들 것입니다.
이전과는 다른 경험이 될 것입니다. 더 빠르고, 더 큰 영향력을 행사할 수 있겠지만, 처음에는 다소 혼란스러울 수 있습니다. 주간 회의, 분기별 계획 수립, 연간 검토라는 기존의 방식은 더 이상 적합하지 않을 수 있으며, 새로운 방식이 등장할 것입니다. 명확성은 다소 떨어지겠지만, 규모와 속도는 향상될 것입니다.
물레방아 너머
모든 첨단 기술은 사람들이 과거의 모습을 되돌아보는 것을 멈추고 새로운 세상을 상상하도록 요구합니다. 카네기는 강철을 바라보며 도시의 스카이라인을 떠올렸고, 랭커셔의 공장주는 증기 기관을 보며 강변 멀리 떨어진 공장 작업장을 상상했습니다.
우리는 여전히 인공지능의 '물레방아 단계'에 머물러 있으며, 인간을 위해 설계된 업무 흐름에 챗봇을 억지로 끼워 맞추고 있습니다. 인공지능이 단순히 보조 역할을 하는 것에 만족해서는 안 되며, 인간 조직이 강철처럼 견고해지고 사소한 작업은 지칠 줄 모르는 지능에 위임될 때 지식 노동이 어떤 모습일지 상상해야 합니다.
강철, 증기, 그리고 무한한 지성. 미래의 스카이라인이 우리 앞에 펼쳐져 있으며, 우리가 직접 건설하기를 기다리고 있습니다.
