|
2024년 7월 12일| 팟캐스트
1530
0:00
28:01
대본을 읽어보세요
1530
0:00 / 0:00
공유하다
네, 세대 AI는 눈부실 수 있습니다. 하지만 가치를 전달하기 위해 리더들은 중심 무대 너머를 바라봐야 할 것입니다.
Gen AI는 리더들의 관심을 올바르게 사로잡았습니다 . 하지만 덜 알려진 디지털 필수 요건을 능가하고 있을까요? The McKinsey Podcast 의 이번 에피소드에서 McKinsey의 수석 파트너인 Rodney Zemmel 과 Kate Smaje 는 글로벌 편집 책임자 Lucia Rahilly와 함께 Gen AI가 주목받으면서 리더들이 간과할 위험이 있는 아이디어 와 Gen AI를 포함한 디지털 이니셔티브가 함께 작동하여 의미 있는 가치를 창출하는 방법에 대해 이야기합니다 .
본 대본은 명확성과 길이를 위해 편집되었습니다.
맥킨지 팟캐스트 는 로베르타 푸사로와 루시아 라힐리가 공동 진행합니다.
어디서 시작하나요
가장 인기 있는 통찰력
루시아 라힐리: Gen AI는 비즈니스 세계의 반짝이는 새로운 대상이지만, 새로운 기사에서 제안했듯이, 리더들이 조직의 성공에 필수적인 다른 디지털 도구에 눈을 멀게 할 위험이 있습니다. 리더들이 반짝이는 것을 추구하는 경향과 다른 필수적인 비즈니스 운영 및 전략에 집중해야 할 필요성을 어떻게 조화시킬 수 있다고 생각하십니까?
로드니 제멜: 생성적 AI는 실제로 매우 반짝이는 대상입니다. 이는 실제 가치를 제공할 수 있고 이미 제공하고 있기 때문에 약간 비하하는 것처럼 들립니다. 하지만 "내 생성적 AI 전략은 무엇인가?"라고 묻는 것은 잘못된 질문입니다. 가치가 어디에서 오는지부터 시작해서 기술로 비즈니스 영역을 변환하여 어떻게 가치를 얻을 수 있는지 생각해야 합니다. 생성적 AI , 구식 AI, 프로세스 디지털화 또는 그 외 무엇이든, 이는 가치가 어디에서 오는지에 대한 질문에 부수적이어야 합니다.
당신의 두뇌와 같은 사업
루시아 라힐리: 귀하의 보고서는 디지털과 AI에 대한 "숨겨진 아이디어" 10가지를 제시하고 있으며, 오늘은 그 중 3가지에 집중할 것입니다. 모든 회사가 신경 사업이 될 것이라는 생각부터 시작해 보겠습니다. 이것은 무엇을 의미합니까?
로드니 제멜: 작년에 뇌에 대한 이해에 놀라운 과학적 돌파구가 두 개 있었습니다. 케임브리지에 있는 제 옛 연구실에서 우리는 연결체, 즉 모든 다른 뉴런이 어떻게 서로 어울리는지에 대한 첫 번째 시각화를 얻었습니다. 먼저 과일파리 뇌에서, 그다음 구글 팀의 인간 뇌 조각에서 말입니다. 우리가 보는 것은 모든 것이 다른 모든 것과 연결되는 놀랍고 복잡한 구조입니다. 그리고 우리는 이것이 비즈니스에 대한 새로운 은유라고 생각합니다.
사업이 어떻게 조직되는지에 대한 오래된 은유는 나무입니다. 계층적이고, 가지가 서로 뻗어 있습니다. 하지만 이 비유의 문제점은 나무의 활을 가로질러 연결을 하는 것이 매우 어렵다는 것입니다.
사업에서 가장 흥미롭고 혁신적인 일을 하려면, 많은 엄격한 계층적 조직에서보다 훨씬 더 효과적으로 그 연결을 작동시켜야 합니다. 이것은 새로운 아이디어가 아닙니다. 새로운 관점이며, 필요한 연결의 규모를 말해줍니다.
하지만 또한 전반적인 공통 패턴, 거버넌스, 조직 구조가 아름답고 복잡하며 네트워크화되어 조직 전반의 팀이 서로 협력하고 완전한 혼란 없이 조직을 형성하고 개혁할 수 있도록 해야 합니다.
맥킨지 팟캐스트 를 구독하시겠습니까 ?
케이트 스메이제: 이것은 속도를 가능하게 하는 것에 대한 것입니다. 저는 조직으로서 오늘보다 더 높은 신진대사율로 일할 수 있을까요? 그리고 두 번째로, 이것은 규모에 대한 것입니다. 여기서 이러한 일반적인 패턴 중 일부가 작용하는데, 재사용성이 클수록 패턴 인식이 커지고, 매번 바퀴를 다시 발명하는 것과는 달리 규모에 맞게 더 많은 것을 할 수 있기 때문입니다.
루시아 라힐리: 팀은 형성되고 재편되는 동안 자율적으로 기능해야 합니다. 이 맥락에서 자율성이 무엇을 의미하는지 조금 설명해 주시겠습니까?
로드니 제멜: 이를 발전시키는 한 가지 방법은 우리가 제품 및 플랫폼 회사라고 부르는 것입니다. 중앙 플랫폼 서비스와 자율권을 가지고 특정 비즈니스 목표에 맞춰 조정되는 권한이 부여된 팀의 분산 네트워크가 있으며, 그들은 중앙 플랫폼에서 서비스를 가져옵니다.
그들은 자립적이고 자신이 소유한 사업 목표를 향해 일한다는 점에서 자율적입니다. 하지만 그들은 전반적인 회사 프레임워크와 목표 집합 내에서 일하고, 서비스를 끌어올 것으로 기대되는 플랫폼 팀이 있으며, 그저 스스로 만드는 대신 규칙을 따른다는 점에서 자율적이지 않습니다.
이 제품과 플랫폼 모델에서 우리가 본 것은 아직 초기 단계라는 것입니다. 하지만 이를 도입한 회사들을 살펴보면, 성숙도 측면에서 상위 절반의 회사는 하위 절반의 회사보다 총 주주 수익률이 60% 더 높았습니다.
루시아 라힐리: 이러한 민첩한 신경망 접근 방식을 성공적으로 구현한 회사의 사례를 알려주시겠습니까?
로드니 제멜: Rewired 책 에서 언급한 회사 중 하나 인 DBS Bank는 디지털 뱅킹 분야의 선도적 은행 중 하나로 알려져 있으며, 실제로 수평적 셀로 자신을 재고 했습니다 . 은행 사례를 사용하자마자 사람들은 "음, 서비스 산업에서는 분명 말이 되죠."라고 말합니다. 하지만 책에 나오는 또 다른 회사인 Freeport-McMoRan은 구리 채굴 작업에서 이를 수행했습니다 .
공유하다
사이드바
McKinsey의 AI인 QuantumBlack에 대하여
케이트 스메이제: 회사가 이를 테스트할 수 있는 방법 중 하나는 간단한 질문을 하는 것입니다. 오늘 얼마나 빨리 새로운 제품과 서비스를 구상하고, 개발하고, 출시할 수 있습니까?
로드니 제멜: 산성 테스트는 좋은 질문입니다. 요즘에는 고위 임원이 "네, 물론 우리는 애자일로 일하고 있습니다."라고 말하지 않는 회사를 찾기 어렵기 때문입니다. 그리고 종종 그것은 그들이 애자일로 일하는 기술 팀을 가지고 있다는 것을 의미합니다 . 하지만 그것은 항상 사업과 기술이 적절하게 함께 일하고 있다는 것을 의미하지는 않으며, 솔직히 말해서, 애자일 포드에 제대로 내장된 제어 기능을 가지고 있다는 것을 의미하는 경우는 드뭅니다.
루시아 라힐리: 제어 기능에 대해 말하자면, 이런 종류의 신경 사업이 성공적으로 기능하려면 어떤 종류의 운영 모델이 필요할까요? 그리고 이런 자율적인 팀이 잘 기능하려면 어떤 종류의 감독이 필요할까요? 여기에는 실수를 제한하고 이 모델에서 생산성을 유지하는 것이 포함됩니다.
로드니 제멜: 맞아요, 그리고 어떻게 대규모로 할 수 있을까요? 다시 말하지만, 많은 회사가 할 수 있지만, 수십 개에서 수백 개의 팀에 걸쳐 어떻게 할 수 있을까요? 그게 어려운 부분입니다.
첫째, 많은 부분이 재능에 관한 것입니다 . 이 모델에서 일할 수 있도록 재능의 기술을 향상시키고 재교육하는 데 노력을 기울여야 합니다. 그런 다음 이러한 팀에 직원을 배치하는 방법과 고위 리더십 팀이 보호책과 목표를 설정하도록 편안하게 만드는 방법에 대해 매우 신중하게 생각하는 것입니다. 그들은 큰 이정표에서 검토에 참여하지만 모든 결정이 그들에게 전달되는 것은 아닙니다. 상당히 진화된 거버넌스 프레임워크가 필요합니다.
데이터를 예로 들어보겠습니다. 조직 내의 모든 데이터 거버넌스 규칙을 실제로 파악하면 다음 AI 사용 사례에서 명확한 ROI를 볼 수 있습니다. 데이터 거버넌스 모델과 규칙을 미리 적용하지 않으면 이런 종류의 분산되고 확장 가능한 모델에서 작업하는 것이 불가능해집니다.
케이트 스메이제: 저는 "강화된 팀이 달성하고자 하는 성과 집합이 있나요?"라고 묻습니다. 여기서 경영진이 상황을 확인하고 어떻게 진행되고 있는지 아는 것이 중요해집니다. 원하는 팀 성과에 대한 일치가 있다면, 우리가 아직 거기에 도달했는지에 대한 투명성이 생깁니다. 그렇지 않다면, 무엇이 방해가 될까요? 다음에 어떻게 더 나아질 수 있을까요? 마지막으로, 패턴 인식이라는 개념으로 돌아가서, 재사용성을 해결하고 있는지 어떻게 확인할 수 있을까요?
최고의 풀어웨이 방법
루시아 라힐리: 디지털과 AI 리더가 영원한 트랜스포머가 되는 것에 대한 또 다른 아이디어로 넘어가 보겠습니다. 리더가 지금 주목해야 할 새로운 기술이나 트렌드는 무엇입니까?
케이트 스메이제: 어떤 면에서는 모든 사람이 열광할 만한 기술을 가지고 있고, 우리는 다른 사람만큼 그것에 대해 죄책감을 느낍니다. 하지만 저에게 마법은 단일 기술이나 단일 트렌드에 대한 것이 아니라 이러한 여러 기술을 하나로 모으는 결합된 힘에 대한 것입니다. 그것이 실제로 일어날 때만(그런데 생성 AI에도 마찬가지였습니다) 새로운 비즈니스 모델을 만드는 돌파구가 생기고, 전에는 없었던 혼란을 만들어냅니다.
하지만 저는 그 마법이 단일 기술이나 단일 트렌드보다 여러 기술을 하나로 합친 결합된 힘에 더 크다고 생각합니다.
케이트 스메이제
로드니 제멜: 저희는 디지털 몫 또는 AI 몫 이라는 분석을 통해 회사가 다양한 디지털 또는 AI 접근 방식을 얼마나 잘 채택했는지 살펴봅니다. 지난 2~3년 동안, 저희는 산업이 더 이상 운명이 아니라는 것을 보았습니다. 산업 간의 차이보다 산업 내에서의 차이가 훨씬 더 큽니다. 가장 진보된 산업 회사는 하이테크 중간 수준보다 더 디지털화되어 있고, 가장 덜 진보된 회사는 공공 부문 중간 수준보다 덜 디지털화되어 있습니다.
그 뒤에는 영원한 변압기라는 개념이 있습니다. 여정을 시작한 회사가 앞서 나가고, 투자를 계속하고, 솔직히 더 앞서 나가는 것을 볼 수 있습니다. 그리고 시간이 지남에 따라 디지털 리더가 업계의 다른 사람들보다 앞서 나갈 수 있게 되면서 수익이 증가하는 것을 볼 수 있습니다.
루시아 라힐리: 저는 양자 에 대한 낭만적인 매력을 가지고 있습니다 . 저는 카를로 로벨리 단계를 거쳤습니다 .
로드니 제멜: 그는 정말 훌륭해요.
루시아 라힐리: 그는 정말 훌륭해요. 저는 양자 얽힘을 낭만적인 구성으로 생각하는 것을 좋아했습니다. 하지만 저희 연구에 따르면 일부 산업은 양자 컴퓨팅을 특정 사용 사례에 매우 실용적으로 적용함으로써 상당한 이익을 얻을 수 있는 반면, 저는 그것을 더 추상적으로 생각하는 경향이 있습니다. 실제로 양자는 어떤 모습일까요?
로드니 제멜: 저도 당신만큼 양자에 대해 흥분합니다. 사실, 오늘날 우리가 AI나 Gen AI에 대해 나누는 모든 대화는 5~10년 후에는 양자에 대한 것이 될 수 있습니다.
여전히 과학 실험이라는 점을 강조하는 것이 중요합니다. 변화의 속도가 놀랍지만, 양자 작업을 수행하는 데 필요한 단위인 기능적 큐비트의 수는 오늘날 양자 컴퓨터에서 얻을 수 있는 것이 여전히 매우 적습니다. 따라서 여전히 연구 중이거나 초기 개발 단계에 있습니다.
하지만 효과가 있다면 그 영향은 정말 엄청날 수 있습니다. 논의되는 산업은 금융 서비스, 제약, 화학 및 농업, 자동차, 그리고 그 외 여러 산업입니다. 그리고 본질적으로, 기존 알고리즘을 사용하면 수년에서 수세기가 걸리는 많은 어려운 수학 문제를 양자 알고리즘 접근 방식으로 훨씬, 훨씬 더 빨리 해결할 수 있습니다. 선형 속도가 아닌 지수 속도로 해결할 수 있습니다.
따라서 이는 금융 서비스 분야의 포트폴리오 구성과 성과 분석부터 농업에서 효과적인 촉매를 설계하는 방법까지 모든 것에 영향을 미칠 수 있습니다. 그다지 흥미로운 내용은 아니지만, 암모니아 기반 비료를 생산하는 더 효율적인 방법을 찾는다면 전 세계의 경제적 영향이 엄청날 것입니다.
저는 먼저 실제 양자 물리학 문제와 비슷한 것들이 나올 것 같다는 느낌이 듭니다. 하지만 시간이 지나면서 물류 회사의 배송 경로를 재설계하는 방법이든 항공우주용 강력한 소재를 개발하기 위해 탄소 섬유 층을 가장 잘 쌓는 방법이든 복잡한 수학 문제라면 양자 컴퓨팅이 작동하면 엄청나게 다루기 쉬워질 것입니다.
Gen AI를 당신의 초능력으로 만들다
루시아 라힐리: 차세대 AI가 점점 더 발전하고 직원들이 포트폴리오의 일부에 대해 AI에 점점 더 의존하게 되면서, 조직은 어떤 역할이나 업무가 차세대 AI의 혜택을 가장 크게 받아 더 생산적인 인력을 확보할 수 있는지 어떻게 파악할 수 있을까요?
케이트 스메이제: 우리의 연구에 따르면 주요 생산성 향상의 기회가 있다는 것은 의심할 여지가 없지만, 오늘날에는 실현하기 매우 어렵습니다. 그 중 일부는 기술 혁신을 위해서는 인간 측면에서 상응하거나 동등하고 반대되는 혁신이 있어야 하기 때문입니다.
어떻게 하면 워크플로를 바꿔서 시간을 크게 확보할 수 있을까? AI 초능력이 인간과 함께 할 때 인간이 무엇을 할 것인지 근본적으로 재설정하는 학습, 업스킬링, 리스킬링, 새로운 커리어 경로 측면에서 무엇을 할 것인가?
로드니 제멜: 세대 AI의 초능력은 하루 20분을 절약하는 방법을 찾는 것이 아니라 세대 AI를 사용하는 것을 첫 번째 본능으로 만드는 방법을 찾는 것입니다. 지금까지 소프트웨어 개발에서 이를 보았습니다. 소프트웨어 개발자에게 도구를 주고 "최신 소식이 있습니다"라고 말하면 개발자는 각자 자신이 하는 일에서 가장 지루한 부분을 찾아서 그것을 가속화하는 데 사용할 것입니다. 그러면 5~10%의 생산성 이점을 얻을 수 있습니다.
대신 전체 팀을 살펴보고 소프트웨어 개발 수명 주기의 일주일 또는 한 달을 살펴보고, 개발자 A 또는 B가 평균 화요일에 어떻게 일을 하는지에 대해서만 생각하지 않는다면? 그리고 전체 팀이 작업을 어떻게 변경하는지, 사람들을 훈련시키고, 인간보다 더 잘 작동하는지 여부를 실제로 측정하는 방법에 대해 생각해 보세요. 그렇게 하면 초능력을 구축할 수 있습니다.
루시아 라힐리: 리더들이 학습과 훈련을 어떻게 다루고 있다고 생각하시나요?
케이트 스메이제: 제가 많이 보는 건, 우리 조직을 기술, AI에 대해 교육할 거라는 거예요. 우리는 그들에게 그것이 무엇인지 가르치고, 설명하고, 신화를 깨는 등의 일을 할 거예요. 그리고 그게 중요한 일이에요, 오해하지 마세요. 하지만 그것은 필요하지만 충분하지 않은 일 중 하나예요.
예를 들어, 기본적으로 보조 기술을 잘 사용하는 것이 부족합니다. 최대한 활용하려면 사용 방법을 알아야 합니다. 훌륭한 프롬프트를 수행하는 방법을 가르치는 것과 같은 것에 대한 투자가 확실히 보입니다. 따라서 그것에 대해 가르치는 것보다 사용 방법을 가르치는 것이 정말 중요해집니다.
두 번째는 로드니의 요점에 따르면 일상적인 워크플로입니다. 복잡한 위험과 책임 있는 AI 사용 문제를 분석하고, 환각이 어떻게 진행될지 생각하고, 모델링의 사전 및 사후 처리에서 무엇을 해야 할지 생각할 수 있는 놀라운 비판적 사고 능력을 갖추는 것이 중요합니다.
아마도 놀라운 EQ[감정 지수]와 관계적 기술이 필요할 것입니다. 왜냐하면 인간이 할 일(기술이 하지 않는 일)이 그쪽에 더 많을 수 있기 때문입니다. 심지어 솔직히 말해서, 사람들은 배우고, 진화하고 반복하기 위해 더 높은 인지 능력이나 호기심이 필요할 수도 있습니다. 저는 아직 하이브리드 지능 환경에서 인간이 정말로 필요로 하는 비기술적 기술에 대한 초점이 충분하지 않다고 생각합니다 .
루시아 라힐리: 기술 전문가들도 기술 분야 외의 직원과 마찬가지로 기술 향상이 필요하다고 생각하시나요?
케이트 스메이제: 둘 다입니다. 우리 중 누구도 계속 학습해야 할 필요성에서 자유롭지 않습니다. 어떤 면에서 오늘날의 변화 속도가 다시는 이렇게 느리지 않을 것이기 때문입니다. 기술 전문가라 하더라도 새로운 기술을 이해하고 개방적인 태도를 취하는 능력에 관한 것입니다.
어떻게 하면 배우고 받아들일 준비가 되었는지 확인할 수 있을까요? 어떻게 하면 제 직업에서 그 기술을 사용하는 데 더 능숙해질 수 있을까요? 기술자로서 어떻게 하면 훌륭한 모델을 만드는 것뿐만 아니라 모델에서 가치를 얻는 데 도움을 줄 수 있을까요?
로드니 제멜: 일반 회사의 경우, 고위 팀은 기술 회사보다 선도적인 비기술 회사가 하는 일을 보고 더 잘 배울 것입니다. 우리가 매우 성공적으로 본 것은 경영진이 다른 회사, 종종 자신과는 상당히 다른 산업에 있는 회사를 방문하여 방문을 했을 때입니다. 일반 회사는 이를 실제로 적용하고 디지털과 AI로 사업을 혁신하는 방법을 실제로 배웠습니다.
일반 회사의 임원진은 기술 회사보다 선도적인 비기술 회사가 하는 일을 보고 더 잘 배울 수 있습니다.
로드니 제멜
"일반" 회사가 하는 것을 보면 디지털 네이티브가 할 수 있는 일을 보는 것보다 기술의 힘을 훨씬 더 실감하게 됩니다. 일반 회사에게는 흥미로운 일이기는 하지만 일상 생활과 직접 관련이 있는 일이라기보다는 동물원에 가는 것 같은 느낌이 듭니다.
앞으로 무엇이 기다리고 있습니까?
루시아 라힐리: 직원들이 AI에 지나치게 의존하게 될 위험이 있다고 생각하시나요? 그리고 조직은 직원들이 인간적 판단력을 유지하도록 돕기 위한 조치를 취해야 할까요?
케이트 스메이제: 어떤 면에서 우리는 "AI에 대한 의존"을 경멸적인 용어로 볼 수도 있고, 직원들이 AI를 사용하여 업무를 더 잘, 더 빠르게, 더 저렴하게, 더 낮은 위험으로 수행한다는 점에서 실제로 긍정적인 용어로 볼 수도 있습니다. 현실은 이러한 모델이 책임감 있게 구축되도록 하는 데 있어 인간의 판단이 그 어느 때보다 중요해지고, 그 모델에서 실제로 가치가 나오도록 하는 데 있어 더욱 중요해질 것입니다.
인간이 AI를 책임감 있게 사용하도록 하려면 적어도 두 가지를 고려해야 합니다. 하나는 기술에 대해 끊임없이 의문을 제기하는 것입니다. 두 번째는 끊임없이 "그리고"를 찾는 것입니다. 인간과 기술을 합쳐서 그렇지 않으면 불가능했던 돌파구를 찾는 것과 관련하여 1 더하기 1이 5가 되는 곳은 어디입니까? 우리가 여전히 그 두 가지를 하는 한, 인간의 판단은 덜 중요하지 않고 더 중요해질 것입니다.
로드니 제멜: 그렇긴 하지만, 많은 경우 인간보다 더 나을 것이라는 것은 분명합니다. 어쩌면 어리석은 예를 하나 들어보겠습니다. 테니스에는 전자 라인 심판이 있습니다. 윔블던과 US 오픈은 다른 길을 갔습니다. 윔블던에서는 전자 라인 심판이 있지만, 녹색 재킷을 입은 인간을 사이드라인에 서게 합니다. US 오픈에서는 전자로 전환했습니다. 그리고 대부분의 사람들은 US 오픈 버전이 똑같이 잘 작동하거나 더 잘 작동한다고 말할 것입니다. 플레이가 중단되는 일이 적습니다. 앞뒤로 움직이는 일이 적습니다. 더 이상 명백하게 잘못된 판정이 없습니다.
흥미롭게도, US 오픈은 윔블던만큼 많은 사람을 고용하지만, 다른 직업을 가지고 있다고 들었습니다. 기술 제어실에 있는 사람들과 기술을 배치, 설정, 모니터링하는 사람들이죠.
루시아 라힐리: 우리는 최근 At the Edge 팟캐스트를 위해 리드 호프만과의 인터뷰를 게시했습니다. 그는 AI가 EQ와 소프트 스킬을 개발할 수 있는 잠재력이 있다고 제안했습니다 . 그것이 직장에서 AI-인간의 계산에 어떤 영향을 미칠지에 대한 생각이 있나요?
케이트 스메이제: 우리는 이미 이런 걸 보고 있습니다. 로드니와 저는 종종 영국에서 GP[일반 의사]와 함께 수행한 아주 작은 연구에 대해 농담을 하곤 합니다. 그 연구에서 그들은 환자가 차이를 알아낼 수 있는지 알아보기 위해 인간과 봇을 테스트했습니다. 대부분의 경우 환자는 거의 알아낼 수 있었습니다.
그런 다음 환자에게 어느 쪽을 선호하는지 물었습니다. 놀랍게도 대부분의 사람들이 봇을 선호했습니다. 그들은 "내 요구를 더 잘 이해한다고 느꼈습니다. 더 공감적이었습니다. 내 문제를 더 빨리 해결했습니다."라고 말했습니다. 우리는 이 기술이 이미 우리가 종종 인간과 연관시키는 특성에서 꽤 뛰어나다는 사실을 과소평가해서는 안 됩니다.
루시아 라힐리: 리더들이 가장 중요하게 여기지 않지만, 꼭 염두에 두어야 할 사항이 또 있나요?
로드니 제멜: 노동력의 미래가 어떻게 될지에 대한 의문이 있습니다. 얼마 전 개리 카스파로프와의 매우 흥미로운 인터뷰가 있었습니다. 그는 90년대에 IBM 체스 컴퓨터에 패배한 것으로 유명합니다. 그는 "보세요, 저는 컴퓨터에게 일자리를 잃은 최초의 지식 노동자였습니다. 그리고 이제 여러분 모두에게 다가오고 있습니다."라고 말했습니다.
약간 과장된 표현이지만, 그런 견해는 분명히 존재합니다. "좋아요, 우리는 더 이상 주니어, 분석가, 일상적인 업무를 하는 사람이 필요 없습니다. 우리는 인력을 그대로 두거나 매우 다른 피라미드 모양의 인력으로 진화할 수 있습니다."라고 말하는 회사들이 있습니다.
"어쩌면 그럴 수도 있겠네요. 하지만 이건 초능력이라는 아이디어에 대한 거예요. 우리 회사의 분석가나 신입 직원들을 오늘날 가장 선임 직원들만큼 미래에도 생산적으로 만들 수 있다는 뜻이에요. 왜냐하면 이렇게 하면 그들이 하는 일의 일상적이고 지루한 일들을 많이 없애고 더 많은 가치를 창출할 수 있는 놀라운 능력을 갖게 될 테니까요." 데이터 과학자의 가치는 떨어지고 데이터 엔지니어의 가치는 미래에 올라간다는 견해가 있습니다.
따라서 인력 계획 관점에서 보면, 이것은 심오합니다. 솔직히 말해서, 아직 답이 없습니다. 사람들은 인력 계획에 이것이 무엇을 의미하는지 발전시키기 위해 실제적인 사고 시간과 유연성이 필요할 것입니다.
케이트 스메이제: 전적으로 동의합니다. 플렉스에 대한 당신의 관점은 또 다른 풍미를 가지고 있는데, 우리가 여기서 실제로 이야기하는 것의 대부분이 끊임없는 학습, 끊임없는 실험이라는 것입니다. 그리고 그것은 좋은 시기에 자금을 조달하고, 자원을 제공하고, 시간을 할당하는 것이 매우 쉽습니다.
경제나 시장이 변하고 회사가 해치를 닫아야 할 때는 훨씬 더 어렵습니다. 리더가 알아내야 할 진짜 과제가 있습니다. 확실성 수준과 ROI 예측 수준이 더 어려울 때 미래에 투자하고 배우기 위해 더 순환적인 사고방식을 어떻게 가질 수 있을까요? 맑은 날과 비가 오는 날에 모두 충분히 유연한 계획을 세울 수 있을까요?
저자에 관하여
케이트 스메이제런던의 수석 파트너
로드니 제멜뉴욕의 McKinsey Digital and Firmwide AI Transformation 부문의 수석 파트너이자 글로벌 리더
루시아 라힐리 는 맥킨지 글로벌 퍼블리싱의 글로벌 편집 책임자이며 뉴욕 사무소에 근무하고 있습니다.
|