처음 Big Four와 AI에 대해 이야기를 시작했을 때, 대화는 놀랄 만큼 빠르게 진전됐습니다. 긴 도입도 없었고, 왜 AI가 중요한지 설명할 필요도 없었습니다. 거의 곧바로 파트너들과 시니어 컨설턴트들은 자신들의 시간이 실제로 어디에 쓰이고 있는지 이야기하기 시작했습니다. 의사결정이나 인사이트 도출이 아니라, 준비 작업에 말입니다. 서로 다른 시스템에서 데이터를 끌어오고, 숫자를 맞추고, 누군가가 결과의 의미를 생각하기도 전에 분석이 내부 기준에 부합하는지 확인하는 일들이었습니다.
우리에게 인상적이었던 점은 이 일들 중 어느 것도 가치가 낮은 업무가 아니었다는 것입니다. 모두 필요한 일이었습니다. 하지만 동시에 몹시 소모적이기도 했습니다. 고도로 숙련된 사람들이 하루의 상당 부분을, 진짜 사고가 시작될 수 있는 지점에 도달하기 위해 쓰고 있었습니다.
대화가 이어지면서, AI가 역할을 할 수 있는 프로세스가 수십 개를 훌쩍 넘게 그려졌습니다. 보고, 컴플라이언스, 재무 통제, 세무 분석, 내부 검토까지. 겉으로 보기에는 전형적인 자동화 문제처럼 보였습니다. 하지만 아니었습니다.
이들 프로세스 대부분에는 이미 도구와 템플릿, 그리고 부분적인 자동화가 갖춰져 있었습니다. 모든 것을 느리게 만든 것은 단계와 단계 사이에 있었습니다. 맥락을 전환하고, 결과물을 대조하며, 파편화된 정보 전반에 걸쳐 일관되게 판단을 적용하는 일이었습니다. 진짜 비용은 단지 시간만이 아니라, 인지 부하였습니다.
그때 문제를 바라보는 틀이 바뀌었습니다.
AI가 처음부터 끝까지 일을 대신하게 하려면 어떻게 해야 할지를 묻는 대신, 그 일을 하는 사람들을 어떻게 지원할 수 있을지를 묻기 시작했습니다. 통제권은 빼앗지 않으면서도 에너지를 소모시키는 부분을 AI가 맡을 수 있다면 어떨까? 구조화된 초안을 준비하고, 불일치를 드러내며, 자신의 추론 과정을 보이게 해서 전문가들이 셋업이 아니라 판단에 집중할 수 있게 한다면 어떨까?
이 접근 방식이 실제로 운영되기 시작하자, 그 효과는 분명하게 드러났습니다.
팀 전반에서 반복적인 분석 업무의 사이클 타임은 8090퍼센트 줄었습니다. 특히 대사 작업이 많은 프로세스에서 수작업 오류가 크게 감소했습니다. 그에 못지않게 중요한 변화는, 예전에는 같은 업무를 팀마다 조금씩 다르게 처리하던 결과물이 더 일관되게 바뀌었다는 점입니다. 평균적으로 컨설턴트들은 이제 더 높은 가치의 사고에 쓸 수 있는 시간을 월 4050시간가량 되찾았습니다.
하지만 가장 흥미로운 변화는 숫자에 있지 않았습니다.
사람들이 자신의 일을 이야기하는 방식에 있었습니다. 리뷰는 더 차분해졌고, 논의는 더 집중되기 시작했습니다. 시니어 리뷰어들은 모든 것이 정확한지 확인하는 데 쓰는 시간을 줄이고, 결과가 실제로 무엇을 의미하는지 논의하는 데 더 많은 시간을 쓰게 됐습니다.
시간이 지나면서 이 시스템은 사람들이 억지로 써야 하는 도구처럼 느껴지지 않게 됐습니다. 의사결정이 어떻게 이뤄지는지를 조용히 흡수하고, 그것을 이후의 분석에 다시 반영하는, 하나의 공유된 업무 방식처럼 느껴지기 시작했습니다.
이 경험은 또한 우리가 오랫동안 믿어온 한 가지를 다시 확인시켜 주었습니다. 더 일반적인 지능을 향한 진전은 복잡한 영역에서 전문가를 대체하려는 시스템에서 나오지 않을 것입니다. 그것은 전문가의 사고를 둘러싼 마찰을 줄이고, 그 사고를 증폭시키는 시스템에서 나올 것입니다.
이러한 협업에서 AI는 자율적으로 움직였기 때문에 가치를 만든 것이 아니라, 협업적으로 작동했기 때문에 가치를 만들었습니다. 사람을 대신해 결정을 내린 것이 아니라, 사람들이 더 나은 결정을 더 빠르게 내릴 수 있도록 도왔습니다.
AGI와 유사한 시스템이 가장 먼저 중요해질 곳을 보여주는 초기 신호가 있다면, 바로 여기입니다. 완전한 자동화가 아니라, 인간의 판단을 대규모로 뒷받침하는 데서입니다.
자동화에서 레버리지로의 그 전환이 차이를 만들어냈습니다.
