AI 개발 가속화의 열쇠? 실용주의 플러스 상상력

[힘힘]

AI 개발 가속화의 열쇠? 실용주의 플러스 상상력

공유하다

인쇄

구하다

리더들은 생성적 AI를 호기심의 대상이 아니라 비즈니스의 필수적인 부분으로 취급하고 있습니다. McKinsey 연구는 누가 AI를 사용하고 있는지, 어떻게 사용하고 있는지, 그리고 남아 있는 과제에 대해 조명을 비춥니다.

AI가 계속해서 우리의 업무 방식에 새로운 방식으로 영향을 미치고 있지만, 조직이 AI를 안전하게 유지하기 위한 보호책을 적용하는 것이 중요합니다. The McKinsey Podcast 의 이번 에피소드에서  McKinsey의 수석 파트너  인 Alexander Sukharevsky  와  Lareina Yee는 편집 책임자인 Roberta Fusaro와 함께 AI 도입에 대한 새로운 연구를  파헤칩니다  .

두 번째 세그먼트에서는 직장에서 불편한 일에 대해 이야기할 용기를 어떻게 낼까요? 수석 파트너 셰리나 에브라힘이 두 가지 팁을 알려줍니다.

본 대본은 명확성과 길이를 위해 편집되었습니다.

맥킨지 팟캐스트 는 로베르타 푸사로와 루시아 라힐리가 공동 진행합니다.

AI가 빛날 시간

가장 인기 있는 통찰력

1. 맥킨지 기술 트렌드 전망 2024
2. 에이전트가 생성 AI의 차세대 선두주자인 이유
3. 다음에 읽을 책: McKinsey의 2024년 연간 도서 추천
4. 의료 분야의 생성 AI: 도입 추세와 향후 방향
5. 2024년 초 AI의 현황: Gen AI 도입이 급증하고 가치 창출 시작

로베르타 푸사로: 우리는 기하급수적으로 진화하는 기술인 AI의 상태에 대한 최신 맥킨지 보고서를 논의하기 위해 왔습니다 . AI의 한 유형일 뿐인 Gen AI에 관해서, 우리의 최신 결과에 따르면 응답자의 65%가 조직에서 정기적으로 사용한다고 보고했습니다. 이는 12개월도 채 안 되어 실시한 이전 설문 조사의 두 배에 달하는 수치입니다. 이 새로운 수치가 중요한 이유는 무엇입니까?

라레나 예: 이 숫자는 낙관주의를 나타냅니다. 갈 길이 멀지만, 이 숫자는 사람들이 호기심에서 벗어나 사업에 통합하고 있음을 보여줍니다.

또한 주목해야 할 점은 보고서가 생성적 AI만을 살펴보는 것이 아니라는 것입니다. 전반적인 AI를 살펴보고 있습니다. 이는 40년 동안 만들어진 추세입니다. 우리가 보고 있는 것 중 하나는 생성적 AI에 대한 이 모든 흥분이 회사의 발전에 실제로 도움이 될 수 있는 광범위한 역량에 산소와 햇빛을 제공하고 있다는 것입니다.

알렉산더 수하레프스키: 네, 생성적 AI는 우리가 40년간의 AI 여정을 민주화할 수 있게 해줍니다. 왜냐하면 그것이 우리에게 너무나 가까이 있어서 우리가 그것이 무엇인지 실제로 보고 느낄 수 있기 때문입니다. 우리는 그것과 상호 작용할 수 있습니다. 우리 고객의 아이들이 이 기술과 상호 작용하고 있으며, 저녁 식사 때 논의되고 있습니다. 그래서 틈새 시장이었던 것이 갑자기 주류의 일부가 되었습니다.

반면, 응답자의 75%가 조직에서 생성적 AI를 사용한다고 답했을 때, 다음 질문은 그들이 정확히 무엇을 위해 그것을 사용하는가입니다. 그들은 그것을 실험에 사용하고 있습니까, 기술에 익숙해지고 있습니까, 아니면 실제로 진정한 사업적 가치를 창출하려고 하고 있습니까?

AI 성공을 위한 파트너십

로베르타 푸사로: 생성 AI 에 관해 이야기하자면 , 알렉산더, 저희 조사에 참여한 응답자의 약 절반이 자체적으로 구축하기보다는 쉽게 구할 수 있는 생성 AI 모델을 사용한다고 답했습니다. 그렇게 하는 것의 장단점은 무엇인가요?

알렉산더 수하레프스키: 한 걸음 물러서서 생각해 보면, AI 모델의 11%만이 프로덕션에 들어간다는 사실을 염두에 두어야 합니다. 즉, 가치를 끌어내기 위한 일상적인 진정한 비즈니스 도구가 된다는 뜻입니다. 생성적 AI의 비용과 위험을 고려한다면, 이 숫자는 기술 기업뿐만 아니라 기존 기업에 대해 이야기할 때 거의 한 자릿수에 가깝습니다. 따라서 모델 자체가 성공의 15%에 불과하다는 것을 인식하는 것이 중요합니다.

이제 우리는 단순히 "구축 대 매수"가 아니라 "구축, 파트너십, 매수"의 패러다임으로 이동하고 있습니다. 조직이 필요에 맞게 사용자 정의할 수 있는 놀라운 커뮤니티 지원이 있는 특정 오픈소스 모델이 있습니다. 조직이 스스로 개발할 수 없는 매우 높은 투자가 필요한 독점 모델이 있습니다. 그리고 조직이 타사와 협력하여 개발할 모델도 있습니다.

맥킨지 팟캐스트 를 구독하시겠습니까 ?

애플 팟캐스트스포티파이이전 에피소드 듣기

결국 미래의 기업은 수십 개의 기초 모델로 구성된 척추 뇌를 갖게 될 것입니다. 그 중 일부는 당신이 구매하는 독점 모델일 것입니다. 그 중 일부는 당신이 스스로 개발한 모델일 것입니다. 그리고 그 중 일부는 오픈 소스일 것입니다. 따라서 이 질문(구매 또는 구축)에 대한 답은 고객에 따라 달라집니다.

Lareina Yee: 이것은 기술에서 "구매 대 구축"에 대해 궁금해하는 고전적인 질문이기 때문에 중요한 주제입니다. 하지만 Alexander와 저는 배포에서 이 문제를 다루어 왔고, 우리는 다른 패러다임에 있다고 생각합니다. 파트너십의 일부가 되는 것은 Alexander가 제기하는 정말 중요한 요점입니다. 이 모든 것을 스스로 구축하는 것은 어렵습니다. 또한 이 모든 것을 스스로 구매하는 것도 실행 불가능합니다. 여러분이 발견하는 것은 스택 전반에 걸쳐 파트너십을 맺어야 한다는 것입니다. 그것은 전통적인 기술 용어입니다. 즉, 대규모 언어 모델 공급자와 파트너십을 맺게 된다는 것을 의미합니다. 선택의 폭이 넓습니다.

따라서 이 모든 것의 요점은 이전에 접근할 수 없었던 비즈니스 가치를 추진하고 잠금 해제하는 것입니다. 우리는 많은 회사가 Gen AI 솔루션의 약속을 전달하기 위해 파트너십의 별자리를 구축하는 것을 보고 있습니다.

공유하다

사이드바

McKinsey의 AI인 QuantumBlack에 대하여

알렉산더 수하레프스키: 하지만 모델을 구동하려면 컴퓨팅 파워도 필요합니다. 이 컴퓨팅 파워를 얻을 수 있도록 해주는 특정 파트너가 필요합니다. 그리고 세계에서 가장 강력하고 자원이 풍부한 조직이라 하더라도 스스로 만들 수는 없습니다.

라레나 예: 스스로에게 가장 중요한 질문은 "내가 달성하려는 비즈니스 사용 사례는 무엇인가?"입니다. 그리고 그에 따라 "나에게 가장 큰 도움이 될 공급업체 세트는 무엇인가?" 이는 기업에 초점을 맞춘 매우 큰 언어 모델 공급업체의 조합일 수 있습니다. 비디오에 강점이 있지만 텍스트 주변에서 무언가를 하는 사람이 될 수 있습니다.

그래서, 이게 빠른 공간임에도 불구하고, 저는 항상 "비즈니스 목표는 무엇인가? 사람들의 목표는 무엇인가?"로 돌아간다고 생각합니다. 그리고 그런 다음, 빠르게 그것을 달성하기 위해 다양한 기술 공급업체와 다양한 파트너 조합을 어떻게 데려올지에 대한 사고방식을 훨씬 더 개방적으로 하는 것입니다.

미래는 여전히 인간이다

로베르타 푸사로: 인재는 모든 사람에게 큰 의문이자 이슈입니다. 저는 연구 결과가 무엇을 보여주는지, 아니면 Gen AI에서 앞서 나가려는 임원들에게는 다른 인재 필수 조건이 있는지 궁금합니다.

Lareina Yee: 인재는 항상 최우선입니다. 매우 실용적이어야 하고 , 예를 들어 Gen AI, AI 또는 머신 러닝 솔루션에 인재를 매치  해야 합니다. 이러한 솔루션은 사용 사례가 다릅니다. 하지만 모든 경우에 팀에 정말 중요한 역량 세트가 있습니다. 보고서에서 가장 중요한 것은, 그리고 고객과의 경험에서 우리가 확인한 것은 데이터 역량입니다. 따라서 데이터와 보유한 인재 유형에 대한 생각이 중요합니다. 이는 이러한 솔루션을 구현하는 데 필요한 인재 유형의 한 예일 뿐입니다.

"인재에 무슨 일이 일어나고 있나요?"라는 질문을 받으면 일반적으로 일자리가 늘어나거나 없어지는 것에 대한 질문이 더 많습니다. 그리고 그것은 더 경제적인 질문입니다. 그리고 우리는 이러한 기술이 일자리의 구조를 바꾼다는 것을 알고 있습니다. 하지만 우리가 낙관적으로 보는 것 중 하나는 새로운 일자리를 창출한다는 것입니다. 따라서 인재 측면에서 우리가 보는 것은 다양한 측면이 있다는 것입니다. 이러한 솔루션을 개발하고 확장하는 데 필요한 인재와 역량이 있습니다. 또한 일자리 구조를 어떻게 바꾸는지에 대한 전반적인 인재에 대한 질문도 있습니다.

알렉산더 수하레프스키: 라레나가 가장 좋아하는 말 중 하나는 "기술에 투자하는 1달러마다 3~5달러를 인간에게 투자해야 한다"는 것입니다. 인간은 매우 비싸고 바꾸기 어렵기 때문입니다.

따라서 실제 질문은 다음과 같습니다. "놀라운 기술 부서를 갖는 것 외에도, 누가 도구를 운영하고 구축하는 데 도움을 줄 수 있습니까? 조직의 나머지 구성원이 이러한 도구를 실제로 사용하고, 받아들이고, 다른 제3자에 대한 위험을 관리하도록 어떻게 설득합니까?" 이는 기술에서 완전히 벗어난 동료를 데려가 기술을 배우고 기술을 신뢰하게 하는 어려운 질문입니다. 변화 관리와 관련된 것이든 역량과 관련된 것이든, 그것은 꽤 긴 여정입니다.

라레이나 예: 우리는 기술에 많은 시간을 투자합니다. 하지만 사실, 그게 쉬운 부분입니다. 더 어려운 부분은 인간의 변화입니다. 그리고 우리는 때때로 여기서 줄거리를 잃기도 합니다. 목적은 기술로서의 생성적 AI가 아닙니다. 목적은 인간을 돕는 도구로서의 생성적 AI입니다. 사람들이 이것의 중심에 있습니다. 그리고 그 변화는 어렵습니다. 그 수준의 미세한 변화가 있습니다.

목적은 기술로서의 생성적 AI가 아닙니다. 목적은 인간을 돕는 도구로서의 생성적 AI입니다. 사람들이 이것의 중심에 있습니다. 그리고 그 변화는 어렵습니다.

라레나 예

또한 거시적 변화도 있습니다. "기계와 상호작용하는 방식을 다르게 신뢰할 수 있을까? 잠재적으로 기계에 행동을 맡기는 것에 대해 어떻게 생각할까?" 우리는 에이전트 역량의 증가를 보기 시작했는데, 이는 이러한 시스템이 행동을 취할 수 있는 곳입니다. 수많은 질문이 있고, 우리가 그것에 익숙해지는 것은 여정이며, 우리가 사용하는 기본적인 비즈니스 프로세스를 변경하는 것은 어려운 일입니다.

사용 사례 및 응용 프로그램

로베르타 푸사로: 새로운 연구에서 생성 AI의 다양한 응용 프로그램을 보고 있는지 궁금합니다. 조직 내에서 생성 AI를 더 많이 보거나 덜 보는 부분이 있습니까?

라레나 예: 보고서를 보면, 우리가 가장 흔히 보는 분야는 마케팅과 영업입니다. 또한 제품 개발과 소프트웨어 엔지니어링 분야에서도 엄청난 양의 작업이 이루어집니다. 이러한 분야는 오늘날 기술 역량에 가장 적합한 지식 작업이 있는 분야이기 때문에 예상됩니다. 특히 우리가 살펴보는 것의 대부분이 텍스트의 요약과 간결함에 더 가깝기 때문입니다.

우리는 또한 산업별로 차이를 봅니다. 기술 부문, 에너지 부문, 금융 서비스 부문이 이러한 역량을 대규모로 실험하고 구축하기 시작하는 데 가장 앞서 있는 부문이라는 것은 놀라운 일이 아닙니다.

알렉산더 수카레프스키: 이 문제를 보는 방법은 본질적으로 생성 AI가 다른 AI 기술을 적용하는 데 가장 편리한 인간 인터페이스라는 것입니다. 따라서 모든 것은 인터페이스에 관한 것입니다. 데이터베이스와의 인터페이스이든, 다른 알고리즘과의 인터페이스이든, 심지어 서로 다른 생성 AI 애플리케이션 간의 인터페이스이든 말입니다.

저는 Lareina의 요점으로 빨리 넘어가면, 점점 더 많은 자율적 가상 에이전트가 엄격한 인간 감독 하에 서로 통신하여 다양한 작업을 해결하고 위험을 적절히 관리하고 납품물의 품질이 우리가 찾는 기준에 부합하도록 보장하는 것을 보게 될 것이라고 생각합니다. 따라서 현재는 대부분 인간 대 기계의 상호 작용을 보고 있지만, 우리가 발전함에 따라 다양한 작업을 해결하기 위해 기계 대 기계 상호 작용을 점점 더 많이 보게 될 것입니다. 지금은 초지능이나 AGI[인공 일반 지능]에 대해 이야기하는 것이 아닙니다. 그 순간까지는 몇 년이 걸릴 것입니다. 동시에 우리는 우리의 작업을 더 잘, 더 빠르게, 더 정확하게 수행하는 데 도움이 되는 매우 정교하고 매우 틈새 시장의 조수를 보게 될 것입니다.

AI의 위험 제한

로베르타 푸사로: 지금까지의 대화를 보면 분명히 많은 기회가 있습니다. 하지만 저희 보고서에 따르면, 조직에서 Gen AI를 사용할 때 가장 자주 언급하는 두 가지 위험은 부정확성과 IP[지식 재산권] 침해입니다. 조직에서 이러한 위험 중 일부를 완화하기 시작했습니까? 그렇다면 어떻게 완화했습니까?

라레나 예:  위험을 살펴보면, 많은 위험이 있습니다. 그리고 알렉산더와 제가 고객에게 상기시키는 것 중 하나는 이것이 기술의 초기 단계라는 것입니다. 부정확성은 사람들이 가장 우려하는 위험 중 하나이지만, 지적 재산권 침해, 사이버 보안, 개인 정보 보호, 규정 준수, 설명 가능성, 공정성, 편견 증폭도 있습니다.

이런 대규모 언어 모델을 개발하는 사람들은 이런 위험 중 많은 부분에 대해 정말 빠르게 작업하고 있습니다. 설명 가능성도 또 다른 하나입니다. 환각 감소도 있는데, 이는 여러분이 올해 동안 더 나아진 것을 보셨을 것입니다.

완전히 없어진 것은 아니지만, 공급자 측에서 더 나은 결과를 내기 위해 많은 노력을 기울였습니다. 그리고 그것은 부정확성 문제를 개선할 것입니다. 이것의 반대편은 기업의 구현입니다. 그들이 이러한 시스템을 어떻게 개발하고, 훈련하고, 테스트하는지가 출시하기 전에 매우 중요합니다.

알렉산더 수하레프스키: 가장 중요한 이해 부분은 "위험은 무엇인가?"입니다. 보고서를 보면 응답자 대부분이 위험이 있다고 믿지만, 그 위험이 무엇인지 구체적으로 설명하지 못합니다. 이런 위험을 해결하는 방법은 있습니다. 가장 중요한 것은 분명히 루프에 인간이 있는 것입니다. 그래서 저는 인공지능에 대해 말하고 싶지 않습니다. 저는 "하이브리드 지능"을 선호합니다. 여기서 우리는 인간과 기계의 장점을 함께 모아 도전과 위험을 극복하고 기회를 열어줍니다.

가장 중요한 부분은 '위험은 무엇인가?'를 이해하는 것입니다. 왜냐하면 보고서를 보면 응답자 대부분이 위험이 있다고 믿지만, 그 위험이 무엇인지 구체적으로 설명하지 못하기 때문입니다.

알렉산더 수하레프스키

반면에, 기술이 이러한 문제 중 일부를 해결하는 데 도움이 되지 않는다고 생각해야 할까요? 예를 들어, IP 또는 추적 가능성과 관련하여 IP를 추적하고 보호하기 위해 기술을 적용할 수 있습니다. 동시에 우리 모두가 매우 단기적인 위험에 집중한다고 믿는 반면, 저는 인류로서 한 걸음 물러나 "더 큰 그림은 무엇일까? 이것이 우리와 미래 세대를 위해 무엇을 해줄까? 인도주의적 관점, 사회적 관점 또는 환경적 관점에서 어디에 적용해야 하거나 적용해서는 안 될까? AI를 기술로 적용함으로써 어떤 미래를 형성하고 있을까?"라고 생각해야 한다고 생각합니다. 그리고 이러한 질문은 우리가 정확히 어디로 향하고 있는지 이해하기 위해 이사회와 기계실에서 더 많은 시간을 할애해야 하는 훨씬 더 큰 질문입니다.

Lareina Yee: 알렉산더, 저는 몇 가지 엄청나게 장기적인 질문이 있다고 생각합니다. 그 중 일부는 기계와의 관계 측면에서 매우 철학적입니다. 저는 그 중 하나가 인간의 적응력과 창의성이라고 생각합니다. 그리고 간단한 예를 들어보겠습니다. 모든 부모, 모든 학생, 모든 교사가 공감할 수 있는 매우 실용적인 표절에 ​​대한 우려입니다. 학생들이 ChatGPT나 Claude를 사용하여 표절할 수 있다는 우려는 많이 제기되었습니다. 그것은 실제적인 우려이며 시스템의 위험이 아닙니다. 그것은 실제로 사용에 있습니다.

일부 교사들이 사용하는 매우 실용적인 해킹 방법이 있는데, 그것은 시험을 교실에서 치르는 것입니다. 우리는 필기라는 오래된 기술과 연필과 종이를 사용하여 정보를 습득했다는 것을 보여줄 수 있습니다. 그리고 그것은 매우 간단한 예이지만, 그것이 보여주는 것은 이러한 기능을 우리의 일상 생활에 도입하는 것이 가져오는 매우 중요한 윤리적이고 매우 큰 질문들이 있다는 것입니다.

책임 있는 AI 거버넌스

로베르타 푸사로: 라레이나, 당신은 보고서에 AI 거버넌스에 대해 조금 썼는데, 그것은 여기서 위험과 우리가 너무 멀리 가지 않도록 하는 것과 관련이 있는 듯합니다. 회사들은 어떻게 AI 거버넌스에 힘을 실을 수 있을까요?

라레나 예: 알렉산더와 저는 회사와 대화할 때 "책임 있는 AI는 첫날부터 시작됩니다."라고 말하면서 시작합니다. 따라서 전통적인 세상과 이전 세대에서는 솔루션을 개발한 다음 위험을 포착하고 규정 준수 기능을 갖추는 방식으로 생각했을 수 있습니다.

우리는 규정 준수에 그 모든 강점이 절대적으로 필요하지만, 상류로 이동하여 첫날부터 책임 있는 AI를 도입해야  합니다. 그러면 무슨 뜻일까요? 거버넌스 수준에서는 책임 있는 AI 역량과 전문성을 갖춘 사람이 결정을 내리는 자리에 있다는 뜻입니다. C-suite 수준에서 누군가가 그 논의를 도울 수 있습니다.

또한, 이러한 솔루션을 개발할 때 편견과 부정확성과 같은 것에 대비하기 위해 이러한 솔루션을 개발하는 방법을 테스트하고 통합한다는 의미이기도 합니다. 따라서 책임 있는 AI에 대한 생각은 순간이 아닙니다. 이는 비즈니스 계획을 개발하는 방식, 솔루션을 빌드, 구성 및 테스트하는 방식, 솔루션을 구현하고 지속적으로 피드백을 받는 방식, 실수가 발생했을 때 백엔드에서 강력한 규정 준수를 하는 방식에 내재되어 있습니다.

가치 실현을 위한 단계

로베르타 푸사로: Gen AI에 대한 투자에서 가치를 실현하고자 하는 조직이 취해야 할 첫 번째 단계는 무엇입니까?

Lareina Yee: 첫 번째 단계는 성공 지표를 갖는 것부터 시작한다고 생각합니다. 이것으로 무엇을 달성하려고 합니까? 생성적 AI를 배포하여 그저 완료했다고 말하고, 개념적 데모나 기즈모를 만드는 것일 뿐인데, 그것은 사업적 가치로 이어지지 않을 것입니다. 처음부터 "성공 지표는 무엇인가? 분기별로 무엇을 볼 수 있을까?"라고 말하는 것이 중요합니다. 그리고 "그것에 비해 우리는 어떻게 하고 있는가?"라고 묻는 것입니다. 즉, 생산성을 20% 더 높일 수 있고, 그 추가 용량을 사용하여 더 많은 고객에게 다가갈 수 있습니다.

알렉산더 수하레프스키: 이 후퇴의 순간은 매우 중요합니다. 그리고 당신이 찾고 있는 것이 무엇인지 파악하면, 우리가 이전에 논의했던 "조직 내에서 AI를 확장하고 내장하는 데 무엇이 필요한가?"라는 레시피로 돌아가야 합니다.

Lareina Yee: Alexander, 저는 규모에 대한 당신의 관점을 좋아합니다. 때때로 사람들이 "규모가 무슨 뜻인가요?"라고 묻기 때문입니다. 솔루션을 사용하는 엔지니어가 10명뿐이라면 그것은 규모가 아닙니다. 규모는 대다수의 엔지니어가 솔루션을 사용하고 실제로 그로부터 결과를 보여줄 때입니다.

아마도 더 어렵고 긴 단계는 사용자의 채택 곡선이며, 모든 사람이 이를 사용하고 작업을 변경하는 것입니다. 이는 실시간이 필요합니다. 따라서 12주 안에 솔루션을 내놓았을 수 있지만, 12주 안에 채택과 사용이 이루어졌습니까? 아니요. 1년 또는 18개월 동안 열망하는 유형의 비즈니스 결과를 얻은 분기별 작업을 계속해야 합니다.

미래는 밝다

로베르타 푸사로: 차세대 AI의 발전 방향에 대한 마지막 생각은 무엇입니까?

라레나 예: 기술과 그 역량은 믿을 수 없을 정도로 흥미진진합니다. 이를 포착하기 위해서는 실용적인 의사 결정의 감각을 되살려야 합니다. 우리 사업에 변화를 가져올 사례는 무엇일까요? 어떻게 하면 완전히 투자를 시작할 수 있을까요? 어떻게 이런 사례에 투자할 수 있을까요? 어떻게 하면 이를 실현할 수 있을까요? 그리고 어떻게 하면 우리 사업에 그 가치를 창출할 수 있을까요? 저는 우리가 중요한 실용주의 시대로 접어들고 있다고 생각합니다.

알렉산더 수하레프스키: 저는 라레이나의 의견에 동의합니다. 기술이 너무 새롭기 때문에 우리는 여전히 사전 인식 단계에 있다는 것입니다. 1년도 채 안 되어 천만 명의 개발자가 이 도구에 접근할 수 있었습니다. 그러니 지금 우리가 보고 있는 것은 시작에 불과하고, 따라서 창의성과 상상력의 시대라고 생각합니다.

우리는 그것이 무엇을 할 수 있을지 어느 정도 이해하지만, 오늘날 우리의 사업 모델과 일하는 방식을 어떻게 재창조할 것인지 알아낼 시간이 충분하지 않았습니다. Lareina가 말한 실용주의와 제가 언급한 상상력과 함께, 저는 앞으로 12~18개월 안에 획기적인 실용적 솔루션을 보게 될 것이라고 생각합니다. 기술을 적용하여 자신을 즐겁게 하는 것뿐만 아니라 사업이든 더 중요하게는 인류를 위한 진정한 가치를 창출하는 것입니다.

---

당신의 말이 들리지 않을 때 어떻게 해야 하나요?

루시아 라힐리: 이어서 맥킨지 수석 파트너인 셰리나 에브라힘이 상사의 짜증나는 행동에 맞서는 모든 사람을 위한 두 가지 팁을 공유합니다.

셰리나 에브라힘: 제가 육아휴가에서 처음 돌아왔을 때, 저는 관리자였고, 파트타임으로 일하러 돌아왔습니다. 그 당시에는 파트타임으로 일하는 것이 잘 확립된 정책이었지만, 특히 관리자 역할에서는 오늘날처럼 널리 퍼져 있지 않았습니다.

제가 돌아왔을 때, 저는 일주일에 하루씩 쉬었습니다. 첫째 주에, 제가 함께 일했던 파트너가 제 쉬는 날에 회의를 예약해 두었습니다. 저는 어쨌든 회의를 했습니다. 둘째 주에도 같은 일이 일어났고, 저는 회의를 했습니다. 셋째 주에도 같은 일이 일어났습니다. 우리는 내부 팀 회의를 예약했고, 또 다시 저는 아무 말도 하지 않았습니다. 하지만 이 시점에서 저는 무언가 말해야 한다고 생각했습니다.

그래서 저는 파트너에게 "저는 파트타임으로 일하고 있고 내일은 제 휴무일인데, 세 번째로 제 휴무일에 회의를 예약했습니다."라고 말했습니다. 솔직히 말해서, 파트너는 몹시 당혹스러웠습니다. 그는 완전히 잊어버린 것입니다. 그는 완전히 사과했고, 우리는 회의를 바꾸고, 계속 나아갔고, 나머지 참여는 우리가 어떻게 해냈는지에 있어서 완벽하게 괜찮았습니다.

그로부터 제가 배운 것은 두 가지였습니다. 첫 번째는 긍정적인 의도를 가정하는 것이었습니다. 그것은 정말로 "나는 그것에 익숙하지 않아, 그저 한 가지에서 다른 것으로 옮겨갈 뿐이야, 그저 그것에 대해 생각하지 않았어"와 같은 종류의 것이었습니다. 두 번째는 자신을 위해 일어서는 것입니다. 자신에게 맞지 않는 것을 보면 적어도 그것을 언급하고 대화를 나누세요.

그게 제 경력의 나머지 기간 동안 도움이 되었다고 생각합니다. 물론 모든 게 항상 완벽하지는 않거든요. 파트타임으로 일할 때도 있을 테고, 실제로 대화하고 참여하지 않으면 상사가 무슨 생각을 하는지 알 수 없고, 상사도 당신이 무슨 생각을 하는지 알 수 없고, 실제로 긍정적인 결과로 이어지지 않습니다.

저자에 관하여

Alexander Sukharevsky 는 McKinsey 런던 사무소의 수석 파트너이고, Lareina Yee는 Bay Area 사무소의 수석 파트너이며, Sherina Ebrahim 은 New Jersey 사무소의 수석 파트너입니다. Lucia Rahilly 는 McKinsey Global Publishing의 글로벌 편집 책임자이며 뉴욕 사무소에 근무하고 있으며, Roberta Fusaro 는 보스턴 사무소의 편집 책임자입니다.

우리에게 말해주세요

우리와 함께 경력을 탐색해보세요

채용공고 검색