본문으로 건너뛰기
인터페이스 언어: 한국어
지식과 운영 / Signal

뛰어난 전문가들로 구성된 팀에도 어떤 역량이 빠질 수 있을까

팀의 업무와 지식 접근, 기여를 연결하는 방식을 살펴봅니다. AI로 만든 초안과 승인된 결과 사이의 빈틈을 확인하세요.

본문 언어: 한국어

받침대에 놓인 축에 끼워진 세 개의 둥근 물체 곁에 있는 여성.
목차

네 사람이 AI의 도움을 받아 만든 훌륭한 초안을 보여준다. 모두 여러 버전의 글을 만들고 빠르게 고칠 수 있다. 그런데 제품 설명을 승인할 때가 되자 전원이 누군가가 최신 제조사 자료와 대조해 주기를 기다린다. 팀에 아이디어가 부족한 것은 아니다. 그 구체적인 일을 누가 할지 정하지 않았다.

한 회사가 가구용 원단 카탈로그를 만들기 위해 작은 팀을 꾸린다고 가정해 보자. 가상의 사례다. 구성원들은 편집 경험이 있고 AI 도구도 능숙하게 사용한다. 하지만 회사가 원하는 것은 초안만이 아니다. 올바른 버전의 데이터를 바탕으로 한 설명도 필요하다. 처음 업무를 나눌 때 모두에게 제품 몇 개씩 배정했지만, 초안과 출처가 다를 때 이를 확인하고 판단할 일은 누구에게도 명확히 맡기지 않았다.

리더는 뛰어난 사람을 한 명 더 뽑아야 한다고 생각할 수 있다. 그 전에 팀 전체에 어떤 역량이 빠져 있고 언제 필요한지 살펴보는 편이 좋다. 초안을 만드는 사람이 늘면 초안의 수는 많아지지만 승인 단계의 빈틈까지 메워지는 것은 아니다. 좋은 이력서를 합산하는 것보다 실제로 필요한 일을 중심으로 팀 구성을 논의하자.

기술 목록만으로는 업무 전체가 보이지 않는다

회사가 실제로 필요로 하는 결과를 적어보자. 카탈로그에서는 올바른 제품의 설명을 작성하고, 최신 출처와 연결하고, 불분명한 점을 해결한 뒤 게시할 수 있도록 전달해야 한다. 각각을 다른 사람이 맡아도 된다. 중요한 것은 필요한 시점에 각자 그 일을 할 역량과 접근 권한, 시간이 있는지다.

직책부터 늘리지 말자. ‘편집자’라는 이름에는 서로 다른 경험이 담길 수 있다. 한 사람은 원단의 용도를 잘 설명하고, 다른 사람은 제조사 표기를 알아보며, 또 다른 사람은 제품 카드의 정보를 정리한다. 한 사람이 여러 일을 할 수도 있다. 직책이나 도구 사용 경험만으로 추측하지 말고 실제로 할 수 있는 일을 확인하자.

Woolley와 공동 저자가 2010년에 발표한 연구에서는 699명이 소규모 집단으로 여러 과제를 수행했다. 연구진은 개인 성과와 집단의 성과를 설명하는 공통 통계 요인을 구분하고 상호작용 방식도 살펴봤다. 이 연구는 AI를 이용한 카탈로그 제작을 다루지 않았다. 다만 집단의 결과를 구성원 개인의 결과에서 단순히 읽어낼 수 있다고 여기는 데 신중해야 한다는 근거는 된다.

카탈로그 팀에서 프로그램 사용 능력을 시험하거나 초안 하나를 평가하면 필요한 기술을 확인할 수 있다. 그러나 팀이 공동 자료를 끝까지 완성할 수 있는지는 아직 알 수 없다. 이를 판단하려면 업무의 의존 관계도 살펴봐야 한다. 누구의 판단이 있어야 다음 사람이 움직일 수 있고, 누가 합의된 범위에서 그 판단을 준비할 수 있는가?

채용 면접 (폴란드어)에서는 빠진 업무를 수행할 수 있다는 근거를 찾을 수 있다. 하지만 먼저 무엇을 찾는지 알아야 한다. ‘뛰어난 AI 인재 한 명 더’라는 막연한 요구만으로는 데이터, 내용 판단, 업무 전달 중 무엇을 맡을 사람이 필요한지 알 수 없다. 채용이 아니라 이미 가능한 일의 배분을 바꾸면 될 수도 있다.

한 업무에서 다음 업무로 넘어가는 지점을 골라 필요한 기여를 명확히 하자. 첫 번째 카탈로그 설명에서는 누군가 출처가 어느 제품에 관한 것인지 확인해야 한다. 두 번째에서는 새 데이터가 이전 버전을 대체하는지 판단해야 한다. 서로 다른 질문이다. 두 가지에 모두 답할 수 있는 사람이 팀에 있더라도, 각 사례를 그 사람에게 적절히 전달할 수 있어야 한다.

한 초안에 ‘청소가 쉽다’라는 표현이 들어갔다. 편집자는 구매자에게 유용한 설명이라고 생각하지만, 원단을 아는 사람은 그 문장의 근거를 묻는다. 출처는 다른 특성에 관한 것이어서 이 주장을 확인해 주지 않는다. 따라서 두 가지 기여가 필요하다. 정보가 어디까지 말해 주는지 경계를 알아보는 일과 독자에게 정직한 설명을 만드는 일이다. 작성자를 글솜씨가 더 좋은 사람으로 바꾼다고 빠진 근거가 생기지는 않는다. 문제만 지적해도 완성된 문장이 나오지는 않는다.

팀은 내용상 질문을 미해결로 남기고 당분간 확인된 데이터만으로 설명하기로 합의한다. 편집자는 새 버전을 만들고, 전문가는 지정된 범위를 확인하며, 게시 담당자는 승인이 어느 자료에 적용되는지 볼 수 있다. 누구도 다른 사람의 일을 모두 대신할 필요는 없다. 다만 각자가 무엇을 전달하는지, 받는 사람이 그 기여에 무엇을 덧붙여 추측해서는 안 되는지는 이해해야 한다.

필요한 곳에 필요한 지식이 도착해야 한다

Faraj와 Sproull은 2000년에 발표한 소프트웨어 개발팀 69개 연구에서 전문 지식의 위치와 필요를 파악하고 이를 업무에 포함하는 지식 조정을 분석했다. 횡단면 분석에서 이러한 조정은 역량의 존재와 행정적 조정만으로 설명되는 부분을 넘어 성과와 관련이 있었다. 특정 표본에서 관찰된 관련성이며 팀 구성을 바꾸면 보편적으로 효과가 생긴다는 증거는 아니다.

카탈로그 팀에서는 조직 운영에 관한 질문이 생긴다. 원단 데이터를 아는 사람이 언제 참여해야 하는지 알고 있는가? 그 사람이 프로젝트 명단에 있어도 필요한 순간에는 참여하지 못할 수 있다. 게시 직전에야 전체 카탈로그를 받는다면 그전의 초안에는 이미 합의되지 않은 가정이 들어갔을 수 있다. 팀에 전문가가 있다는 사실만으로 그 기여를 언제 받을 수 있는지 알 수는 없다.

질문을 전달하는 방식을 정하자. 편집자는 출처와 제품 설명, 구체적인 차이를 짚을 수 있어야 한다. 전문가는 ‘전체 확인 부탁드립니다’라는 메시지만 보고 맥락 전체를 다시 구성할 필요가 없어야 한다. 초안 작성자는 답변이 제품 하나를 해결하는지, 제품군 전체에 적용되는지, 특정 표기의 뜻만 설명하는지 알아야 한다.

Aeneia 콘셉트 사진

Kyle Lewis의 2003년 연구에서는 팀이 지식을 활용하는 체계를 설명하는 척도를 세 표본에서 검토했다. 실험실 팀, MBA 컨설팅 팀, 기술 기업의 팀이었다. 초록은 이 척도의 한계를 더 살펴볼 필요성도 밝힌다. 공동 역량을 알아보려면 그저 ‘팀워크’라고 이름 붙이는 데서 그치지 않고 평가할 방법이 필요하다는 점을 일깨워 준다.

작은 프로젝트를 심리측정 연구로 바꿀 필요는 없다. 설명 하나를 준비하는 실제 경로를 따라가며 필요한 지식이 적절한 사람에게 전달되는지 볼 수 있다. 팀이 잘 협력한다는 일반적인 말과 실제 업무를 관찰한 결과는 구분하자. 그다음에야 확인된 빈틈에 맞는 변화를 고를 수 있다.

팀에서 도움을 요청할 때 (폴란드어)도 같은 정확성이 유용하다. 출처를 찾아 달라는 요청, 해석을 확인해 달라는 요청, 예외를 승인해 달라는 요청은 각각 다른 기여를 필요로 한다. 막연하게 ‘도와줄 사람 있나요?’라고 물으면 다른 사람의 역량이 더 적합해도 항상 가장 빨리 답하는 사람에게 일이 갈 수 있다.

강점을 반복해도 빠진 기능이 채워지지는 않는다

첫 주에 편집자들은 모두 능숙하게 설명의 여러 버전을 만든다. 하루가 끝나면 리더에게는 완성된 파일이 많이 보인다. 출처를 물어보니 일부는 이전 카탈로그를, 다른 일부는 새 제품 카드를 사용했다. 공동 결과를 비교할 때에야 문제가 드러난다. 개인의 빠른 작업만으로는 모두가 같은 근거를 쓰도록 유지하지 못했다.

한 사람을 확인 업무에만 영구적으로 배정해야 한다는 뜻은 아니다. 두 사람씩 짝을 지어 나누거나, 정해진 질문이 있을 때 전문가를 참여시키거나, 동시에 작성하는 항목 수를 줄일 수 있다. 선택은 보유한 지식과 시간에 달려 있다. 어느 방식을 택하든 모두가 알아서 꼼꼼히 하리라 기대하는 대신 필요한 일을 누가 할지 밝혀야 한다.

그 사람의 업무량도 살펴보자. 한 전문가가 모든 설명의 데이터를 확인하면서 자기에게 배정된 전체 묶음까지 작성해야 한다면, 역량 목록이 맞더라도 계획은 실행하기 어려울 수 있다. 묶음 크기를 조절하고 업무를 나누거나 다른 지원을 마련해야 한다. 업무 옆에 이름을 적는다고 한 주에 시간이 더 생기지는 않는다.

이런 일은 완성된 글의 목록에서 보이지 않기 쉽다. 준비와 확인에 들어간 기여를 인정하는 방법 (폴란드어)은 다른 사람의 초안을 활용할 수 있도록 무엇이 뒷받침했는지 보여주는 데 도움이 된다. 회사가 이름을 붙여 완성한 설명의 수만 평가하면 출처 문제를 해결하는 사람은 팀 전체의 일을 떠받치기 때문에 오히려 생산성이 낮아 보일 수 있다.

두 사람이 같은 파일에 접근할 수 있다는 이유만으로 서로 대신할 수 있다고 약속하지도 말자. 두 번째 사람도 질문을 이해하고 합의된 범위에서 행동할 수 있어야 한다. 준비된 예시를 함께 살펴보는 것으로 충분할 때도 있고, 현재 팀에 아직 없는 지식이 필요할 때도 있다. 완전한 독립 수행을 계획하기 전에 둘을 구분하는 것이 중요하다.

여기서 리더의 역할은 모든 설명을 직접 빠르게 고치는 것과는 다른 관점을 요구한다. 전문가가 팀 리더가 될 때 (폴란드어)는 다른 사람의 일을 통해 무엇이 만들어져야 하는지 정해야 한다. 어려운 질문이 나올 때마다 리더가 글 전체를 넘겨받는다면 회사는 업무 흐름에 어떤 역량이 빠졌는지 여전히 알 수 없다.

팀 구성을 바꾸기 전에 공동 과제를 끝까지 따라가 보자

일반적인 제품 하나와 자료가 서로 다른 사례를 포함해 작은 묶음을 준비하자. 팀에게 평가할 준비가 된 설명에 이르기까지 전 과정을 수행해 달라고 요청한다. 보기 좋은 문단을 생성하는 데서 시험을 끝내지 말자. 출처를 고르는 순간과 편집자가 혼자 판단할 수 없는 질문을 전달하는 순간도 살펴봐야 한다.

누가 각 일을 했고 다른 사람에게 무엇이 필요했는지 기록하자. 두 사람이 같은 부분을 확인했다면 두 번째 확인에도 별도의 목적이 있었는지 살핀다. 아무도 설명을 자료와 대조하지 않았다면 악의를 추측하지 말고 빈틈을 기록한다. 문제를 발견한 사람의 권한도 확인하자. 그 사람이 문제를 알릴 수만 있고 게시 전에는 아무도 결정을 내리지 않는다면, 팀에는 지식이 있지만 이를 효과적으로 사용할 경로가 없는 것이다. 다음 단계를 누가 결정하는지 회사가 정하기 전에는 확인자를 한 명 더 늘려도 같은 보고가 반복될 뿐이다. 모두 게시 담당자의 일이라고 생각했을 수 있지만, 담당자는 이미 승인된 내용을 기대했을 수도 있다.

제안들 가운데 무엇을 선택할지도 합의된 방식이 필요하다. 작성자의 이름을 가리고 아이디어를 평가할 때 (폴란드어)는 첫 읽기에서 출처에 관한 정보 일부를 분리할 수 있다. 그러나 카탈로그 팀에서는 출처와 일치하는지가 더 중요한 미지의 사항일 수 있다. 먼저 무엇을 확인할지 정하고 그다음 누가 어떤 정보를 가지고 확인할지 결정하자.

시험 후에는 지식 부족과 접근 권한 또는 시간 부족을 구분하자. 편집자가 출처를 확인할 줄 알지만 자료를 받지 못했다면 교육만으로 해결되지 않는다. 자료를 받고도 표기를 이해하지 못한다면 적절한 역량이나 지원이 필요하다. 확인할 줄은 알지만 동시에 수많은 다른 일을 맡고 있다면 지침을 바꾸는 것만으로도 부족할 수 있다.

이처럼 구체적인 AI 사용 경로를 가지고 Aeneia Audit에 상담할 수 있다. 진단은 해당 업무에서 도구, 출처, 사람이 맡는 역할과 결과에 적절한 확인이 빠진 지점을 살펴본다. 팀 구성과 업무량은 회사가 직접 결정한다. 이 자료는 업무 흐름에 어떤 역량이 필요할지 정하는 데 도움이 된다.

다음 변화는 작을 수 있다. 데이터를 아는 사람을 더 일찍 참여시키고, 일부 항목을 별도로 확인하거나, 팀이 검증할 수 있는 수만큼 묶음을 줄이는 것이다. 비슷한 과제를 다시 수행해 빈틈이 메워졌는지 보자. 잘 구성된 팀은 파일을 더 많이 만드는 데 그치지 않는다. 필요한 일을 끝까지 이어 받아, 누군가 책임 있게 활용할 수 있는 결과를 만들어야 한다.

Aeneia / Aeneia 편집부

편집부의 글입니다. 본문에 출처 링크가 있습니다.

Aeneia 소개

함께한 브랜드

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 주폴란드 중국대사관
  • Mixa
Aeneia / Initium

지식에서 결정으로

정리하고 싶은 과제를 알려 주세요. 어디서 시작할지 함께 정합니다.

Aeneia에 문의하기

파트너의 솔루션을 활용합니다

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear