생산성 10배 높인다… 생성AI 시대 일하는 법 ‘슈퍼 워크’

오픈AI는 올해 초 GPT스토어를 출시했다. 챗GPT와 서드파티(외부) 앱을 백엔드 플러그인으로 통합, AI를 전면(frontend)에 내세운게 GPT스토어의 특징이다.

한데 이런 움직임은 ‘AI가 기존 소프트웨어에 내장(embedding)돼 모든 기술과 제품의 근간이 될 것’이라는 아이디어와는 완전히 다른 접근 방식이다. 개인이 아닌 비즈니스용(B2B)으로 기업이 활용하기에는 한계가 있다는 지적도 있다.  

AI 챗봇을 넘어 에이전트(agent, 대리인) 시대에 접어든 지금, 우리의 업무방식을 바꿀 ‘AI와 앱의 상호작용’은 어떻게 발전할 수 있을까. ‘디지털 및 AI 전환’의 맥락에서 두 가지 방법론을 제안한다.

앱과 AI의 UI(사용자 인터페이스), UX(사용자 경험)에는 큰 차이가 있다. 앱은 시장의 요구를 충족하기 위해 표준화된 인터페이스를 갖추고 있다. 이는 고객이 새 앱을 채택할 때마다 새로운 UI/UX를 학습해야 한다는 의미다. 

앱을 도입하기 전후 업무 절차가 동일하더라도, 사용자는 앱의 인터페이스에 적응해야 한다. 새로운 기술을 채택하려는 욕구는 높지만, 실행할 능력이 낮은 경우 특히 문화 전환, 변화 관리(Change Management) 등의 어려움을 겪게 된다.

반면, AI 시스템은 개인화된 인터페이스를 제공하는 경향이 있다. 조직의 기술 준비 정도(technical readiness)와 관계없이 누구나 쉽게 사용할 수 있다. 다만 AI로 인한 생산성은 개인의 AI 리터러시(literacy, 문해력)에 따라 크게 달라진다.

예를 들어, 사용자가 프롬프트 엔지니어링(prompt engineering, 생성AI가 고품질의 결과를 생성할 수 있도록 입력을 작성, 정제 및 최적화하는 프로세스)에 능숙한 개발자가 아닌 경우 현재의 AI는 관련 없는 답변을 제공하는 지능이 낮은 개인용 챗봇에 그칠 수 있다.

요약하면 앱은 초기 장벽이 높지만, 일단 익히면 모두에게 일정 수준의 생산성을 제공할 수 있다. AI 시스템은 초기 장벽이 낮은 반면 팀과 조직이 효과적으로 사용하려면 지속적인 학습이 필요하다.

AI와 달리 앱은 설계된 시장 카테고리와 방법론에 밀접하게 연결돼 있다. 예를 들어, 목표 관리 소프트웨어 카테고리 내에서 일부 앱은 KPI(핵심 성과 지표)에 특화돼 있고, 다른 앱은 OKR(목표 및 핵심 결과)에 맞춰져 있다.

이와 유사하게 프로젝트 관리 카테고리에서는 특정 앱이 애자일 방법론에 맞춰 설계돼 있는 반면, 다른 앱은 디자인씽킹이나 WBS(작업 분해 구조)에 맞춰져 있다. 각 방법론은 절차와 결과를 개선하기 위해 고안됐으며, 각기 다른 초점, 원칙, 프레임워크(framework), 적용 방식을 갖고 있다.

이런 특정 방법론에 대한 의존성은 디지털 전환의 복잡성을 크게 증가시킨다. 특정 기업, 조직에서 사용하는 앱이 많을수록 사용자는 서로 다른 UI/UX를 익히는 것뿐만 아니라, 서로 다른 업무 원칙에서 발생하는 충돌, 간섭, 중복 및 혼란을 관리해야 하기 때문이다.

어떤 프레임워크라도 지정된 프레임 밖에서는 원활하게 기능하지 않기 때문에, 특정 프레임워크를 선호하는 직원, 부서 간 마찰이 증가하면 업무 자율성이 감소한다. 이는 도구화(tooling)를 통한 디지털 전환 노력을 방해하는 오랜 악순환으로 작용해 왔다.

앱과 AI의 장점만을 결합한다면 ‘디지털 vs AI’라는 이분법을 극복할 수 있다. ‘디지털 & AI’의 협력 관계로 전환될 수 있는 것이다. 그렇다면 양쪽의 장점을 어떻게 합쳐야 할까?

최적의 개인화를 달성하려면 AI가 UI를 주도하고, 앱을 백그라운드에서 조정(orchestration)할 필요가 있다. 이 접근 방식을 활용하면 사용자는 복잡한 앱 UI와 UX를 배우지 않아도 되므로 도입 초기 변화관리 노력을 제거, 생산성을 빠르게 높일 수 있다. 

복잡한 메뉴를 탐색하는 대신 사용자는 AI 에이전트에 프로젝트 추적이나 보고서 생성을 요청할 수 있다. 다양한 앱의 기능은 AI 에이전트가 기능 호출(function calling)을 통해 자연어로 접근, 전통적인 규칙 기반(rule-based) 방법을 대체한다. 이런 통합 방식은 번거로운 탭 전환 없이 원하는 것을 찾는 가장 빠른 방법이다.

반면 오픈AI의 지피티스(GPTs)와 같이 서드파티 앱 플러그인에 전적으로 의존하는 방식은 한계가 있다. 소비자용 앱의 간단한 기능 정도라면 무리가 없지만, 이보다 훨씬 복잡한 B2B(기업 간 거래) 업무 환경에서는 적합하지 않다는 평가다.

일단 앱 개발사들마다 각 고객사의 워크플로우에 따른 맞춤형 GPT를 고객이 선호하는 LLM(대규모언어모델) 스토어에 등록해야 하는데, 이는 비현실적이다. 또한, 올바른 플러그인 조정을 위해서는 “A 앱에서, B 워크스페이스에서, C 기능을, 어떤 목적으로 수행하라”와 같은 충분한 맥락 입력이 필요하다. 결과적으로 보면 통합 없이 별도의 브라우저를 사용하는 것이 더 쉬울 정도다. 

또 고객은 사용하는 앱의 수만큼 다양한 앱별 에이전트를 라우팅(routing, 하나 이상의 네트워크에서 경로를 선택하는 프로세스) 하기 위해 ‘슈퍼바이저 에이전트’를 만들어야 한다. AI 회사가 아니고서야 쉽게 수행할 수 있는 작업이 아니다. 이러한 장애물을 모두 극복했다 하더라도, 서드파티로의 API(애플리케이션 프로그래밍 인터페이스) 요청에 따른 지연이 수십에서 수백 초 소요되는 실정이다.

향후 더 효율적인 LLM 모델, GPU(그래픽처리장치) 개발로 서서히 개선되겠지만, 너무 긴 런타임(runtime, 실행시간)은 생산성의 큰 장애물이다. LLM 주도 앱 플러그인 환경에서는 한 번에 원하는 결과를 얻기 어려운 것이다. 좋은 성과를 위해 AI는 앱 기반 아키텍처에 내장되는 것이 좋다.

아래 차트는 GPT 스토어 서드파티 기업이 “목표, 프로젝트, 채널” 세가지 앱을 챗GPT에 통합할 때 얼마나 복잡한 과정을 거쳐야 하는지 보여준다. 사용자는 각 서드파티 앱의 구조를 이해하는데 어려움을 겪게 되며 구현 후에도 지속되는 사용성 제한을 겪을 가능성이 크다.

빠르게 변화하는 AI 환경은 모든 앱에 걸쳐 AI의 광범위한 영향을 수용할 수 있는 새로운 업무 방법론을 필요로 한다. 기존 앱은 특정 문제를 해결하기 위해 맞춤화된 방식으로 구축됐기 때문이다. 

그러나 ‘AI 퍼스트’ 방식으로 UI가 전환됨에 따라 AI 시대의 ‘애자일 프레임워크’ 같은 영역 중립적인 AI 업무 방법론의 필요성이 커졌다. 다양한 앱 내외에서 AI 통합을 표준화, 상호작용 및 효율성을 높여야 하기 때문이다. 

처음에는 애자일 방법론을 적용하는 것이 고려됐으나 비기술 팀에 적용하기에는 어려움이 있었다. 애자일은 원래 소프트웨어 개발을 위해 고안됐기 때문이다. ‘스크럼(백로그, 스프린트)’, ‘익스트림 프로그래밍(테스트 주도 개발, 지속적 통합)’, ‘동적 시스템 개발 방법(DSDM)’ 같은 방법을 비기술 팀용으로 변환하는 것은 거의 불가능했다.

또 많은 애자일 프레임워크는 칸반 보드, 릴리스 계획 보드 같은 시각적 인터페이스 중심이므로 AI 퍼스트 접근 방식과 모순된다. 이런 한계 때문에 스윗테크놀로지는 AI 시대 교차 기능(cross-functional) 팀을 위한 ‘슈퍼 워크’라는 새로운 업무 방법론을 도입했다.

이런 프레임워크를 활용한 슈퍼 워크 방법론은 인간과 AI 협업을 효과적으로 촉진하고 AGI 시대를 준비하려는 조직이 활용할 수 있다. 투명성, 적응성, 사용자 친화성을 기반으로 인간과 AI 시스템이 공동 목표를 향해 함께 작업하는 생산적이고 조화로운 환경을 추구하는 것이다. AI는 발전 중인 기술이기 때문에 최적의 성능을 갖추려면 슈퍼 워크 프레임워크를 지속적으로 개발해야 한다.

스윗 팀은 목표, 프로젝트, 채널과 같은 작업 생산성의 필수 요소를 사용하기 어려운 다중 앱 생태계에서 직관적인 AI 중심 인터페이스로 전환하고 있다. 슈퍼 워크 방법론을 구현, 스윗을 다음 구성 요소가 포함된 슈퍼 워크스페이스로 변모시키는 게 목표다.

1. 에이전트 스튜디오: 역할을 기반으로 한 맞춤형 AI 에이전트를 생성하고 관리하는 공간, 고유한 지식, 기술 및 도구 포함

2. 다중 에이전트 아키텍처: 에이전트가 팀으로 협력하는 계층 구조, 필요에 따라 에이전트를 조정하고 라우팅하는 감독 에이전트 포함

3. 권한 인식 에이전트 RAG: 각 에이전트는 고유한 기능과 역할을 가져야 하며, 데이터 및 인간 접근 구성 포함. 예를 들어, CFO(최고재무책임자) 에이전트는 CFO가 접근할 수 있는 실시간 데이터에 접근할 수 있어야 하며, 이 정보를 허가받지 않은 사람에게 제공해서는 안 됨

4. 협업 필수 요소를 위한 에이전트 도구: 목표, 프로젝트, 채널과 같은 직장 협업의 필수 요소는 비즈니스 요구를 해결할 수 있는 강력한 앱으로 구현되어야 함. 각 기능은 에이전트 기능 호출을 통해 연결되어야 함

제품 발전에 따라 조직도 적응해야 했다. 사람을 위한 도구만 만들던 소프트웨어 회사에서 AI 에이전트와 인간 간의 협업에 중점을 둔 AI 회사로 전환하려면 인터페이스 주도, 디자인 및 규칙 기반 개발 방법론에서 AI 정의 접근 방식으로의 전환이 필요했다. 

이 전환은 내부 문화적으로도 큰 도전 과제였다. 스윗 팀은 이제 더 큰 열정과 자신감을 가지고 일하고 있다. 팀, 앱, 방법론 간 전통적인 경계가 존재하지 않는, 미래의 작업을 준비하기 위한 올바른 궤도에 올랐다고 본다.