미국 전문가들이 보낸 800,000개의 ChatGPT 메시지를 분석한 OpenAI의 결과에 따르면, 업무 관련 프롬프트 6개 중 1개꼴로 모델에게 기존에는 다른 직종의 영역이었던 업무를 처리해 달라고 요청하는 것으로 나타났습니다. 일상적인 글쓰기와 요약 작업을 제외하면 이 수치는 43.5%까지 치솟습니다. 이러한 변화는 이미 직원들의 일과를 재편하고 있으며, 특히 모든 추가 기술이 전문가를 기다리는 시간을 몇 주씩 단축할 수 있는 소규모 기업에 가장 큰 영향을 미치고 있습니다.
수치가 중요한 이유
이번 연구에 따르면 부서 간 요청은 특정 직무에 집중되는 경향을 보였습니다. 마케팅과 엔지니어링 분야가 선두를 달리고 있는데, 특히 마케팅 관련 질의는 다른 역할의 메시지 중 8.9%를 차지하며 데이터 세트에서 가장 높은 비율을 기록했습니다. 예를 들어, 영업 담당자가 데이터 분석가가 수행해야 할 고객 생애 가치(CLV) 수치 계산을 ChatGPT에 요청할 수 있고, 마케터는 엔지니어를 투입하기 전에 깨진 링크를 해결하거나 온페이지 SEO를 직접 조정할 수 있습니다.
소규모 기업 운영자들에게 그 영향은 더욱 뚜렷합니다. 운영자들은 이제 과거에 변호사나 CFO가 필요했던 법률 검토 노트를 초안하고, 빠른 재무 예측을 실행하며, 임시 분석을 직접 수행합니다. 직원 2~5명 규모의 팀에서는 AI가 생성한 업무의 18.9%가 직원의 핵심 역할 범위를 벗어나는 반면, 직원 100명 이상의 대기업에서는 그 비율이 16.3%에 그쳤습니다. 논리는 간단합니다. 대기업은 해당 요청을 전담 동료에게 넘길 수 있지만, 아주 작은 조직은 스스로 문제를 해결해야 하기 때문입니다.
장점: 속도와 더 명확한 업무 인계
직원이 초안 분석이나 대략적인 법률 요약본을 생성하면, 전문가에게 업무를 인계하는 과정이 더 빠르고 집중적으로 변합니다. 전문가는 더 명확한 문제 정의와 잘 준비된 데이터를 전달받게 되며, "무엇이 필요한지 설명해 주세요"와 같은 이메일을 주고받는 일이 줄어듭니다. 이는 대기 시간을 단축하고, 내부 마찰을 줄이며, 요청의 품질을 높입니다.
위험 요소
이번 연구는 AI가 전문가를 불필요하게 만들 것이라고 주장하지 않습니다. 대신 AI를 문제를 발생 지점에 더 가깝게 가져다주는 '최전선 대응자'로 정의합니다.
기업의 적응 방법
- 의사결정 지점 파악 – 요청이 통상적으로 정체되는 지점을 찾아내고, AI가 사용 가능한 초안을 생성할 수 있는지 테스트하십시오.
- 권한 한계 설정 – 어떤 결과물에 자격을 갖춘 전문가의 승인이 필요한지 명시하십시오.
- 새로운 기술 세트 교육 – 프롬프트 작성, AI 제안 해석, 발생 가능한 오류 포착 등에 관한 마이크로 러닝을 제공하십시오.
- 영향력 측정 – 업무 인계 시 절약된 시간과 오류율 또는 재작업의 증가를 비교하여 추적하십시오.
소규모 vs 대규모 조직: 서로 다른 경로
다음 개척지
OpenAI의 데이터는 빠르게 진화하고 있는 관행을 보여줍니다. 모델이 더욱 신뢰할 수 있고 특정 도메인에 특화될수록, 부서 간 업무의 비중은 높아질 가능성이 큽니다. AI를 워크플로우 재설계를 위한 촉매제가 아닌 단순한 생산성 도구로만 취급하는 조직은 뒤처질 위험이 있습니다. 어떤 결정을 인간이 내리고 어떤 결정을 AI로 보완할지 지금 바로 프로세스를 재설계하는 조직은 더 빠른 사이클과 더 민첩한 팀을 확보하게 될 것입니다.
핵심 요약: AI는 이미 문제의 초기 대응을 문제의 발생 지점으로 옮기고 있으며, 특히 모든 추가 역량이 지연을 줄여주는 소규모 기업에서 이러한 경향이 두드러집니다. 진정한 이점은 직업의 이름을 바꾸는 것이 아니라, 누가 무엇을 할 것인지, 그리고 기계가 어디에 안전하게 개입할 수 있는지를 재고하는 데서 옵니다.