최근 몇 주 동안 Accenture는 고위 관리자의 승진 전망을 내부 AI 도구 사용과 연결하는 것으로 헤드라인을 장식했습니다. 자동화와 효율성으로 정의되는 시장에서 직원들은 AI를 일상 업무 흐름에 통합해야 합니다. 지금 사용하면 경력 경로가 형성될 수 있습니다.
이 정책은 미국 기업 전반에 걸쳐 발전하고 있는 보다 광범위한 것을 반영합니다. 기업은 AI를 사용하여 작업을 자동화하는 것이 아닙니다. 그들은 인간이 얼마나 많은 일을 생산해야 하는지에 대한 기대치를 생성하기 위해 이를 사용하고 있습니다.
이것은 본질적으로 잘못된 것이 아닙니다. 측정은 규율과 성과를 위해 필수적입니다. AI 도구는 마찰을 줄이고 가치가 낮은 작업을 제거하며 목표를 명확하게 할 수 있습니다. 주의 깊게 사용하면 인간의 능력을 향상시킬 수 있습니다.
오류는 다른 곳에 있습니다.
더 큰 측정 출력을 지속 가능한 성능과 혼동할 때 위험이 발생합니다. 조직이 생산성 향상을 기대치의 영구적인 증가와 동일시하면 생물학적 보유량을 효과적으로 차입할 수 있습니다. 부채는 나중에 이탈, 이직, 적응력 저하로 상환됩니다.
AI는 생산량을 두 배로 늘릴 수 있습니다. 인간 생물학은 그럴 수 없습니다.
에스컬레이션을 추진하는 논리는 이해할 수 있습니다. 생성 도구를 통해 컨설턴트가 두 배 더 많은 데이터를 분석할 수 있다면 목표를 조정하는 것은 어떨까요? 코딩 마법사가 개발 일정을 단축한다면 납품 일정을 재설정하는 것은 어떨까요? 대시보드가 실시간으로 성과를 정량화한다면 기대치를 정확하게 보정하는 것은 어떨까요?
문제는 기계 가속이 인간의 능력을 자동으로 확장하지 않는다는 것입니다.
인간의 성과는 비선형 곡선을 따릅니다. 적당한 스트레스는 주의력을 날카롭게 만듭니다. 만성 스트레스는 기억력, 판단력, 감정 조절 능력을 저하시킵니다. 에너지는 유한합니다. 복구 용량은 유한합니다. 감정적 대역폭은 유한합니다. AI가 작업 속도와 양을 늘리면 생물학적 시스템이 동시에 확장되지 않습니다.
기술은 작업을 압축할 수 있습니다. 복구를 압축할 수 없습니다.
기업이 AI를 사용하여 두 배 더 많은 정보를 처리하고, 두 배 더 많은 회의에 참석하고, 두 배 더 많은 결과물을 생산할 때, 그 증가를 새로운 기준으로 삼고 싶은 유혹이 듭니다. 한때 예외적이었던 것이 예상되는 일이 됩니다. 일시적이었던 것이 영구적이 됩니다.
시간이 지남에 따라 이러한 불균형은 예측 가능한 결과를 낳습니다. 피로의 주기가 증가합니다. 결근이 증가합니다. 인지 부하가 누적되면 창의적 문제 해결 능력이 감소합니다. 재량적 노력이 감소합니다. 생산성을 극대화하기 위해 설계된 동일한 도구가 생산성을 지원하는 기능을 약화시키기 시작합니다.
이러한 효과는 측정 가능한 경제적 결과를 가져옵니다.
이직은 문화적 불편이 아닙니다. 숙련된 인력을 교체하는 데 채용 비용, 온보딩 시간, 생산성 손실, 팀 혼란 등이 포함되면 연간 보상의 상당 부분이 소요될 수 있습니다. AI 기반 기대 재설정으로 인해 감소가 약간이라도 증가하면 더 높은 성과로 인한 금전적 이익은 교체 비용과 약화된 제도적 기억으로 빠르게 상쇄될 수 있습니다.
생산성 변동성은 수익의 질에도 영향을 미칩니다. 생리학적 한계 근처에서 일하는 근로자는 짧은 기간 동안 생산량이 증가한 후 피로, 이탈 또는 장기 휴가가 발생하는 경향이 있습니다. 이러한 변동성은 계획을 복잡하게 만들고 운영 예측 가능성을 약화시킵니다. 지식 집약적 산업에서 지속 가능한 가치는 실제 성과보다는 판단, 혁신, 협력적 문제 해결에 더 많이 좌우됩니다. 생물학적 한계를 무시하면 이러한 능력이 저하됩니다.
생물학적 보유량에 대한 차입의 역학은 재정적 레버리지와 유사합니다. 기업이 기본 현금 흐름을 강화하지 않고 부채를 늘리면 단기 수익은 증폭되지만 장기적 취약성은 증가합니다. 회복, 자율성, 신뢰를 강화하지 않고 생산 기대치를 높이면 비슷한 불균형이 발생합니다. 조직은 미래 성과를 뒷받침하는 인적 자본을 조용히 고갈시키면서 인상적인 분기별 수익을 올릴 수 있습니다.
규정 준수 및 평판 위험도 있습니다. 기업이 인공 지능 시스템과 웨어러블 기술을 통해 더 많은 생체 인식 및 행동 데이터를 수집함에 따라 규제 기관은 개인 정보 보호 및 장애 보호에 더 많은 관심을 기울이고 있습니다. 건강 또는 행동 데이터와 관련된 침해는 평판 손상 및 시장 가치 침식으로 빠르게 이어질 수 있습니다. 인적 자본 거버넌스는 주변 인적 자원 문제가 아닌 신탁 감독의 일부가 점점 더 많아지고 있습니다.
이 중 어느 것도 측정항목을 포기하는 것을 제안하지 않습니다. 차이점은 사용 방법에 있습니다.
AI는 생물학적 한계를 영구적으로 높이는 것이 아니라 마찰을 제거해야 합니다. 복구 시간을 단축하는 것이 아니라 전략적 역량을 확장해야 합니다. 지표는 성과를 규율할 수 있지만 생리학적 한계를 제거할 수는 없습니다.
신뢰는 결정적인 역할을 합니다. 신뢰도가 높은 환경은 조정 비용을 줄이고 실행 속도를 높입니다. 모니터링이 투명하고 지원적인 것처럼 보이면 채택이 뒤따르는 경향이 있습니다. 추출적이라고 느끼면 스트레스 반응이 증가하고 내적 동기가 감소합니다. 감시는 단기적으로 가시적인 성과를 증가시킬 수 있지만 장기적으로는 조직의 비용 구조를 소리 없이 높일 수도 있습니다.
투자자들은 지속적인 성과의 동인으로 인력의 안정성과 탄력성을 점점 더 검토하고 있습니다. 인적 자본 공개는 이제 장기적인 가치 창출을 평가할 때 재무제표와 함께 진행됩니다. 복구, 자율성 및 신뢰를 강화하지 않고 AI를 통해 생산을 두 배로 늘리는 전략은 압력을 받아 부서지는 취약한 조직을 만들 위험이 있습니다.
AI 채택이 가속화됨에 따라 이사회와 경영진은 더욱 엄격한 질문을 해야 합니다. 마찰을 제거하거나 기대치를 높이면 생산성이 향상됩니까? 성능 시스템에 복구 주기가 내장되어 있습니까? 인적 자본의 내구성을 강화하고 있습니까, 아니면 단기적인 이익을 위해 소비하고 있습니까? 3~5년 동안 더 안정적인 수익을 창출하는 접근 방식은 무엇입니까?
AI 시대에 성공할 가능성이 가장 높은 기업은 가장 높은 생산성 배수를 요구하는 기업이 아닐 것입니다. 그들은 기술적 가속을 생물학적 지속가능성과 연계시키는 사람들이 될 것입니다.
그러기 위해서는 디자인 규율이 필요합니다. 이는 성능 시스템에 복구 주기를 구축하는 것을 의미합니다. 이는 분기별 급증에 대한 보상보다는 다년간의 기간에 걸쳐 가치를 측정하는 것을 의미합니다. 이는 AI가 분석 역량을 확장하고 일정을 단축할 수 있지만 인간 생리학의 한계를 다시 쓸 수는 없다는 점을 인식하는 것을 의미합니다.
이러한 한계를 무시하는 조직은 인상적인 단기적 이익을 얻을 수 있습니다. 또한 인공지능 시대의 실제 병목 현상은 기술적 역량이 아니라는 점을 발견할 수도 있습니다.
이를 따라갈 것으로 예상되는 것은 생물학적 시스템이다.
Fortune.com 댓글에 표현된 의견은 전적으로 해당 작성자의 견해일 뿐이며 반드시 Fortune의 의견과 신념을 반영하는 것은 아닙니다.
