KM-Hana

똑똑함이 흔해진 시대, 직업의 본질에 집중하자 엔비디아 CEO 젠슨 황이 말하는 미래 인재는 단순히 기술이 뛰어난 사람이 아닙니다. 기술적 예리함과 인간적 공감 능력을 동시에 갖춘 사람입니다. 그리고 AI를 도구로 대하는 "본질적인 태도"에 초점이 맞춰져 있습니다. 전통적 의미의 '똑똑함'(Commoditization of Smartness)과거에는 뛰어난 지능으로 기술적인 문제를 잘 해결하는 사람을 가장 똑똑하다고 생각했습니다. 하지만 젠슨 황은 이러한 전통적인 지적 능력은 이제 흔한 자산(commodity)이 되었다고 말합니다. 사람이 뛰어나다고 믿었던 영역들을, 인공지능(AI)이 가장 먼저 그리고 가장 쉽게 해결(대체)하고 있기 때문입니다. 즉, 기술적 문제 해결 능력만으로는 더 이상 차별화된 경쟁..

소크라테스식 질문법으로 되찾는 생각의 주도권 지난 글에서는 자동화 편향과 인지적 외주화에 대해 살펴봤습니다.자동화 편향은 AI가 틀렸음에도 그 결과를 맹신하는 현상이고, 인지적 외주화는 생각 자체를 AI에게 떠넘기는 현상입니다. 두 현상 모두 효율이라는 이름으로 우리가 얼마나 쉽게 "생각하는 힘"을 잃어갈 수 있는지 살펴보았습니다. 우리는 AI를 더 잘 사용하기 위해 "프롬프트 엔지니어링(Prompt Engineering)"이라는 기술을 배우고 있습니다. 하지만, AI를 잘 사용한다는 것은 단순히 기술적인 명령어를 입력하는 단계를 넘어 "질문하는 능력"과 맞닿아 있습니다. 우리에게 지금 필요한 것은 단순히 답을 잘 얻어내는 기술이 아니라, 사고를 확장할 수 있는 방법이 더 필요합니다. 이 문제에 대한 해..

질문이 곧 실력이 되는 시대 대규모 언어 모델(LLM)은 텍스트 완성, 번역, 복잡한 추론, 요약 등 다양한 작업을 수행할 수 있습니다. 그러나 출력의 품질은 사용자가 프롬프트를 얼마나 잘 작성하는가에 크게 좌우됩니다. 프롬프트의 명확성, 구체성, 맥락이 모델의 해석과 응답의 관련성에 상당한 영향을 미칩니다. 프롬프트 엔지니어링: AI의 잠재력을 깨우는 '질문의 설계'프롬프트 엔지니어링은 단순히 AI에게 명령을 내리는 기술을 넘어, 생성형 AI 모델로부터 최적의 결과물을 끌어내기 위해 입력값(Prompt)을 전략적으로 설계하고 최적화하는 과정을 말합니다. 과학 논문 초록에서 정보를 뽑는 실험에서, 단순 프롬프트보다 "표 형식 + 단계적 추론(CoT)"을 명시한 프롬프트가 10% 더 높은 정확도를 보였다..

AI와 함께 "제대로" 일한다는 것: 워크슬롭을 넘어 인간다움으로 우리는 앞선 글을 통해 개발 분야와 일반 사무직군에서 AI가 가져온 생산성 변화를 살펴보았습니다. 주니어 개발자의 40% 효율 향상이나 고객 지원 업무의 14% 처리량 증가했다는 연구 결과를 살펴보면, AI를 활용한 생산성 증가는 분명합니다. 하지만 이 화려한 이면에는 우리가 반드시 직면해야 할 위험한 현상이 숨어 있습니다.하지만 이러한 생산성 향상의 이면에는 우리가 간과하고 있는 위험한 현상이 존재합니다. 겉은 예쁘지만 사실과 다른 보고서, 그럴듯하지만 검증되지 않은 분석 자료들이 떠돌고 있습니다. 이러한 현상을 "워크슬롭(Workslop)"이라고 부릅니다. 겉만 번지르르한 AI 오물, "워크슬롭"의 습격 워크슬롭(Workslop)은 "..

생각을 넘기는 습관. AI에 의존하는 노예가 될 것인가 최근 AI 기술이 비약적으로 발전하며 우리의 업무 효율은 극대화되고 있습니다. 하지만 역설적이게도 AI를 자주 사용할 수록 "인지적 외주화(Cognitive Offloading)"의 덫에 빠져, 스스로 사고하기를 멈춘 "생각하지 않는 전문가"가 될 위험이 커지고 있다는 경고가 잇따르고 있습니다. 요즘 OpenAI의 ChatGPT나 구글의 AI 요약처럼, 대형 언어 모델(LLM)이 훨씬 더 쉽게 사용 가능해졌습니다. 과거 TV 나 인터넷처럼 기술이 크게 도약할 때마다 그랬듯, 연구자들은 이러한 기술 확장이 사용자에게 미치는 영향을 분석했습니다. 1. 비판적 사고의 증발: 인지적 외주화(Cognitive Offloading)란? 스위스 취리히의 SBS..

어설픈 AI 전문가가 가장 위험하다 지난 글에서 우리는 AI가 그럴듯한 거짓말을 뱉어내는 현상, "환각(Hallucination)"에 대해 다뤘습니다. AI는 확률에 기반하여 다음 단어를 예측할 뿐, "진실"을 담보하지 않는다는 것이 핵심이었습니다.하지만 우리는 여기서 다음 질문을 던져야 합니다. "왜 우리는 틀린 AI의 말도 믿는가?" AI 기술이 정교해질수록 인간의 업무 효율은 높아지지만, 동시에 예상치 못한 판단 오류가 발생하는 사례들이 관찰되기도 합니다. 문제는 AI의 정확도가 아닙니다. 핵심은 사람이 언제 판단을 멈추는가입니다. AI가 틀리는 것은 오류(Error)지만, AI의 오류를 사람이 맹신하여 받아들이는 것은 "편향(Bias)"의 영역입니다. AI 시대의 생산성을 위협하는 함정, "자동화..

AI의 "유창한 환각"을 파괴하는 법 앞선 회차에서 우리는 AI 남용이 초래하는 워크슬롭(Workslop)의 위험과, AI 시대에 요구되는 파일럿형(Pilot) 마인드를 다뤘습니다. AI가 작성한 글은 매끄럽고 유창하지만, 그 유창함이 "사실"을 보장하지는 않습니다. 우리가 AI의 "승객"이 되어 핸들을 놓는 순간, AI가 만들어낸 그럴듯한 거짓말은 조직의 신뢰를 무너뜨리는 치명적인 덫으로 돌변합니다. 생성형 AI가 가진 가장 달콤하고도 치명적인 독, 환각(Hallucination)의 본질과 대응 전략에 대해 깊게 파고들어 보겠습니다. 1. 유창함의 역설: AI는 사실을 "이해"하지 못한다환각이 왜 필연적으로 발생하는지 이해하려면 생성형 AI의 작동 원리를 직시해야 합니다. 대규모언어모델(LLM)은 진실..

노동 가치의 이동: 작성자(Writer)에서 편집자(Editor)로 AI 기술은 단순한 도구를 넘어 개발, 리포트 작성, 리서치 등 화이트칼라 업무의 핵심 영역에 깊숙이 침투했습니다. 그러나 무조건적인 속도 향상은 자칫 알맹이 없는 워크슬롭(Workslop)의 양산으로 이어질 수 있습니다. 품질이 담보된 "적정 생산성 지표"를 정의하고 파일럿형 인재로 거듭나기 위한 로드맵을 제시합니다. 직장인이라면 가장 많은 업무 중 하나가 보고서와 같은 문서를 작성하는 업무일 텐데요. 두 가지 핵심 연구 - MIT의 노이와 장 연구: Study finds ChatGPT boosts worker productivity in writing 1) 2) - 스탠퍼드/MIT의 브린욜프슨 외 연구: Generative AI..

숙련자와 초심자 간의 격차가 줄어들고 있다. AI 기술은 개발, 리포트 작성, 리서치 등 다양한 영역에서 활용되고 있습니다. 하지만 무조건적인 생산성 향상만을 맹신해서는 안 됩니다. 각 직무별로 AI가 만들어낼 수 있는 "평균 기대 생산량"을 정의하고, 이를 초과하는 수치는 오히려 품질 저하나 워크슬롭(Workslop)의 신호로 간주하는 가이드라인이 필요합니다. 최신 자료를 중심으로 개발/코딩 분야에서 AI를 활용하였을 때 기대되는 증가량을 소개드리고자 합니다. AI로 증가된 생산성 - 개발 편 올바른 개발 생산성 지표 정의가 필요하며, 단순한 코드 양(LOC)은 생산성의 척도가 될 수 없습니다.마이크로소프트가 제안한 SPACE 지표를 통해 다각도로 평가해야 합니다.- Microsort에서는 SPACE..

당신은 "조종사"인가, "승객"인가? AI를 활용하면서 업무 처리량이 평소 2~3배 늘었다는 분들이 많습니다. 하지만 들여다보면 위험한 징후들이 보입니다. - 겉은 예쁘지만 사실과는 다른 보고서. - 구조는 완벽하고 방대하지만 정작 돌아가지 않는 코드AI가 만들어내는 그럴듯한 저품질 결과물 "워크슬롭(workslop)"은 조직의 생산성을 조용히 갉아먹는 비용 폭탄이자, 작성자의 정문성을 의심케 하는 부메랑입니다. 문장은 완벽한데 내용이 틀린 보고서가 쌓일수록, 동료들은 검증과 리뷰라는 늪에 질식하게 됩니다.에지는 "빠르고 많이"에서 "믿고 쓸 수 있는 품질의 적정량"을 만드는 것이 AI시대의 진짜 실력입니다. 대표적인 기사 1) 하버드 비즈니스 리뷰(HBR): AI-Generated “Workslo..