AI 소프트웨어와 수십조 달러 생산성 문제

AI가 소프트웨어 작성에서 극적으로 좋아진다면, 비즈니스 리더들은 오늘 무엇을 바꿔야 할까? 내 답은 결과물을 확인하고 유지하는 데 필요한 작업을 포함하여 완전한 비즈니스 프로세스를 어떻게 개선하는지 측정하라는 것이다.

AI가 연간 세계 경제 생산량에 20조~30조 달러를 추가할 수 있을까? 일론 머스크는 이 대략적인 추정치를 제시했으며, AI가 거의 모든 디지털 작업을 처리하고 Stockfish 수준의 코딩 능력에 도달할 수 있다는 예측도 함께 내놓았다. 이러한 주장은 지식 노동의 경제학에서 큰 변화를 시사하기 때문에 주목을 끌었다.

이것은 야심 찬 예측이지, 확립된 결과가 아니다. 비즈니스 리더는 큰 생산성 향상의 가능성과 AI가 모든 디지털 작업을 신뢰할 수 있게 제공할 수 있다는 증거를 구별해야 한다. 투자 결정에는 조직이 실제로 수행하는 작업에서 나온 증거가 필요하다.

Stockfish 비교가 말해주는 것

Stockfish는 오픈 소스 체스 엔진이자 세계에서 가장 강력한 엔진 중 하나다. 이 비교는 실제 가능성을 보여준다: 기계가 까다로운 지적 작업에서 사람을 능가할 수 있다. 그러나 이 유비만으로는 AI가 언제 모든 소프트웨어 엔지니어를 능가할지 입증할 수 없다.

체스에는 고정된 규칙, 보이는 판, 명확한 목표가 있다. 기업용 소프트웨어는 불완전한 요구사항, 변화하는 정책, 레거시 시스템, 경쟁하는 이해관계자 우선순위를 포함한다. 프로그램은 잘못된 비즈니스 문제를 풀면서도 테스트를 통과할 수 있다.

코드를 생성하는 것은 엔지니어링의 한 부분이다. 무엇을 만들지 결정하고, 접근을 통제하고, 보안을 확인하고, 안전하게 배포하고, 사용자를 지원하는 것은 여전히 결과의 일부다. 아주 뛰어난 AI도 실수를 감지하고 책임을 배정할 수 있는 프로세스가 필요하다.

경제적 주장 이해하기

연간 경제 생산 수준의 20~30% 증가는 매년 20~30% 성장과는 다르다. 이 규모의 주장에는 도입, 신뢰성, 투자, 이익 실현에 필요한 시간에 대한 명시적 가정이 필요하다. 그 비율들을 20조~30조 달러와 짝짓는 것은 대략 100조 달러의 출발 경제를 암시한다.

비교를 위해, 골드만삭스는 2023년 생성형 AI가 세계 GDP를 약 7%, 즉 거의 7조 달러 높이고 10년에 걸쳐 생산성 성장을 1.5%포인트 높일 수 있다는 시나리오를 발표했다. 그것은 조건부 예측이었지, 측정된 결과나 미래 이익의 상한이 아니었다. 그것은 머스크의 더 큰 추정치를 독립적으로 입증하지 않는다.

회사 수준에서 유용한 계산은 더 간단하다: 순가치 = 추가 유용 생산물과 실현된 절감액의 가치, 마이너스 AI 비용, 통합, 검토, 재작업, 오류로 인한 손실. 절약된 시간은 조직이 그것을 생산적으로 사용할 수 있을 때만 재무적 가치가 된다.

이점과 비용

속도 대 검증. AI는 초안 작성, 코딩, 분석을 단축할 수 있다. 리더는 결과를 생산하는 데 절약된 시간과 함께 결과를 확인하는 데 필요한 시간을 측정해야 한다.

낮은 생산 비용 대 새로운 운영 비용. 첫 번째 버전을 만드는 것은 더 저렴해질 수 있다. 모델 사용, 통합, 모니터링, 수정은 여전히 돈과 직원 시간을 소비한다.

더 넓은 접근 대 의존. 더 작은 팀이 이전에는 자원을 넘어서는 작업을 맡을 수 있다. 단일 공급자에 대한 의존은 가격, 가용성, 모델 변경을 관리하기 어렵게 만들 수 있다.

더 큰 역량 대 인력 혼란. 직원들은 고객 요구와 어려운 결정에 더 많은 시간을 쓸 수 있다. 기업은 또한 변화하는 역할, 재교육, 일상적인 학습 작업이 자동화될 수 있는 주니어 직원의 개발을 계획해야 한다.

실용적인 기업 사례

주문 추적 서비스를 구축하는 가상의 창고 사업을 생각해 보자. AI는 인터페이스 초안을 작성하고, 데이터베이스 쿼리를 제안하고, 테스트 케이스를 생성할 수 있다. 팀은 여전히 어떤 고객이 어떤 주문을 볼 수 있는지, 재고 불일치가 어떻게 처리되는지, 서비스가 기존 시스템과 작동하는지 확인해야 한다.

의미 있는 비교는 승인된 릴리스당 비용과 사용 중 성능이다. 배송 시간, 결함, 지원 요청, 고객 결과를 측정하라. 더 많은 생산 사고를 만드는 더 빠른 첫 초안은 전체 가치를 줄일 수 있다.

같은 원칙이 고객 서비스에도 적용된다. 간단한 요청을 자동화하면 응답 시간이 개선될 수 있다. 불명확한 사례는 관련 맥락을 보존한 채 사람에게 이어지는 신뢰할 수 있는 경로가 필요하다.

CEO와 CTO가 해야 할 일

CEO는 식별 가능한 비용과 명확한 고객 결과가 있는 프로세스를 하나 선택해야 한다. 기준선을 세우고, 제한된 파일럿을 실행하고, 어떤 개선이 확장을 정당화할지 미리 합의하라. 구현 비용과 직원 책임의 변화를 포함하라.

CTO는 자체 시스템의 대표적인 작업에서 제안된 모델을 평가해야 한다. 정확성, 보안, 프라이버시, 장애 복구, 기존 서비스와의 호환성을 확인하라. 변경을 제안하는 권한과 실행하는 권한을 분리하라.

중대한 작업의 경우 승인 소유자를 정의하고 감사 추적을 유지하라. 성능이 저하될 때 변경을 되돌리고, 접근을 제한하고, 자동화를 중단할 수 있는 능력을 유지하라.

공급업체 의존을 검토하고 직원들이 결과물에 이의를 제기하도록 훈련하라. 검토 및 지원 비용 이후에도 측정된 이점이 긍정적으로 남을 때 배포를 확장하라. 글로벌 경제 예측은 시나리오 계획에 정보를 제공하고, 지역 증거는 투자를 안내해야 한다.

리더십 결정

AI는 디지털 작업의 경제학을 상당히 바꿀 수 있다. 규모와 시기는 여전히 불확실하다. 내 조언은 지금 그것을 책임감 있게 평가하고 채택할 역량을 구축한 다음, 증거가 강해짐에 따라 투자를 늘리라는 것이다.

귀하의 조직에서 어떤 프로세스를 먼저 테스트하겠는가, 그리고 어떤 증거가 AI가 지속적인 비즈니스 가치를 창출했다고 확신하게 할 것인가?

수학적으로 생각하라. 지능적으로 설계하라. 전략적으로 이끌어라. 책임감 있게 만들어라. 전 세계적으로 확장하라. 인공지능을 통해 실제 비즈니스 가치를 창출하라.

#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership

원래 케샤반 티아가라자가 LinkedIn에 게시했다. LinkedIn에서 원문을 읽으라. [1]