最近 AI의 發展은 生成型 AI(Generative AI)가 主導하고 있다. 챗GPT(ChatGPT)가 가장 代表的인 事例지만 챗GPT 外에도 수많은 生成型 AI의 發展이 있었다. 구글의 바드(Bard), 메타의 라마(LLaMA), 國內 企業인 네이버 하이퍼클로버X와 같은 AI는 主로 텍스트 爲主의 生成型 AI이고 여기에 더해 擴散 모델(Diffusion model)에 基盤한 수많은 이미지 生成 AI 모델이 發表됐다. 이들의 發展 速度는 눈부실 程度이고 境遇에 따라 사람보다 낫다는 생각이 들게 할 程度다. 複雜하고 厖大한 텍스트의 內容도 거의 完璧하게 理解하고, 사람이 만든 것 같은 이미지를 瞬息間에 만들어내기도 한다.

많은 사람이 앞으로 이들 AI가 知識勤勞者라고 불리는 화이트칼라의 業務를 相當 部分 代替할 것으로 豫想하고 있다. 例를 들어 월스트리트저널에 따르면 2023年 AI 때문에 美國에서만 約 4300個의 일자리(主로 화이트칼라)가 줄었으며 이런 現象은 앞으로 加速化될 展望이다. 特히 이 같은 일자리 대체는 화이트칼라 中에서도 中·上位層 管理者를 對象으로 많이 나타날 것이라는 것이 共通된 展望이다. 1 1 Smith, Ray A., “AI Is Starting to Threaten White-Collar Jobs. Few Industries Are Immune.” Wall Street Journal, Feb. 12, 2024, https://www.wsj.com/lifestyle/careers/ai-is-starting-to-threaten-white-collar-jobs-few-industries-are-immune-9cdbcb90 닫기 筆者도 基本的으로는 이러한 豫想에 同意한다. 그러나 AI가 知識勤勞者의 일을 100% 代替하기는 어려울 것이다. 그렇다면 한 가지 생각해봐야 할 것은 AI가 知識勤勞者의 일을 얼마나 代替할 것이고, 어떤 일을 主로 代替할 것이며, 反對로 AI가 代替하기 어려운 일은 무엇인가 하는 것이다. 이에 對한 理解를 正確히 하는 것은 AI가 가져올 未來의 方向을 豫測하고 對處하는 데 매우 重要하다. 이러한 質問에 答辯하기 위해서는 知識勤勞者의 일에 對해서 깊이 分析하고 더 잘 理解할 必要가 있다. 이를 위해 經營學 碩學들의 知識管理에 對한 洞察力을 다시 한番 살펴보는 것이 도움이 될 것이다.


知識管理를 다시 생각한다

經營學에서 知識勤勞者의 日課 知識 經營에 對한 硏究는 1990年代에 큰 人氣를 끌었다. 知識管理 或은 知識經營(knowledge management)이라고 불리는 分野에서 知識勤勞者 業務의 本質이 어떤 것이고 컴퓨터에 依해서 어떻게 代替, 或은 改善될 수 있는지에 對한 硏究가 主로 이뤄졌다. 그 當時 PC가 빠르게 發展하면서 企業의 業務 中 單純 데이터 處理 業務는 많은 部分이 컴퓨터化됐다. 以後 어떻게 하면 知識勤勞者의 業務를 더 效果的으로 컴퓨터化할 것인가에 對한 關心이 자연스럽게 생기면서 知識管理에 많은 사람들이 關心을 가졌다.

때마침 1995年 이쿠地로 노나카와 히로타카 다케우치가 共同 執筆한 『The Knowledge Creating Company』 2 2 Ikujiro Nonaka and Hirotaka Takeuchi, The Knowledge-creating Company: How Japanese Companies Create the Dynamics of Innovation, Oxford University Press, 1995. 닫기 라는 著書가 知識管理에 關心이 있는 많은 學者와 企業人의 注目을 끌었다. 이 冊에서는 知識管理를 잘하는 日本과 美國 企業에 對한 分析을 통해서 企業에서 어떻게 知識의 創出과 電波가 이뤄지는지를 다루고 있다. 이 冊의 核心的인 內容 中 하나는 企業의 經營에 必要한 知識의 種類는 다양하지만 大體로 ‘形式地(explicit knowledge)’와 ‘暗默知(tacit knowledge)’라는 두 가지 種類의 知識으로 나눌 수 있다는 것이다. 形式지는 知識 中에서 텍스트나 그림 等을 통해서 明確히 傳達하고 學習할 수 있는 知識을 말한다. 卽, 形式지는 文書化가 可能한 知識이다. 이에 비해서 暗默知는 텍스트나 그림을 통해서 表現하거나 傳達하기 어려운 知識이다. 例를 들어서 어떤 製品에 들어가는 原材料의 比率이나 機械를 어떻게 使用하는지 等은 書類나 매뉴얼을 통해서 明確히 表現되고 傳達될 수 있는 形式지다. 이에 비해서 셰프의 料理 祕訣이나 市場의 變化를 直觀的으로 잘 捕捉하는 經營者의 能力 等은 文書化하기 쉽지 않다. 勿論 一部를 文書化할 수는 있지만 그 文書는 該當 知識을 完全하게 傳達하지 못하는 暗默知라고 할 수 있다.

著者들이 主張하는 內容의 核心은 企業의 經營 活動에 必要한 知識은 形式地와 暗默知와 같이 性格이 다른 다양한 知識으로 構成돼 있으며 서로 다른 種類의 知識은 創出, 電波, 擴散의 方式이 判異하다는 것이다. 또한 形式地와 暗默知는 서로 다른 種類로 變換되기도 하고 같이 使用돼 시너지를 갖기도 한다는 主張도 하고 있다. 卽, 企業의 成功的인 知識管理를 위해선 形式地와 暗默知에 對한 效果的인 管理를 통해서 시너지를 極大化해야 한다는 것이 著者들의 主張이다. 暗默知와 形式지는 아래의 4가지 方式으로 서로 變換되거나 새로 만들어진다.

1) 外部化(externalization): 暗默知를 最大限 文書化해서 形式地 形態로 바꾸는 過程 (예: 셰프가 自身의 料理 祕法을 레서피로 만드는 것)

2) 內部化(internalization): 形式地를 反復的으로 學習하고 實行하면서 몸에 體化하는 過程 (예: 機械에 對한 매뉴얼을 反復 學習하면서 機械의 作動 原理를 理解하는 것)

3) 組合(combination): 다양한 形式地를 結合해서 새로운 知識을 만들어 내는 過程 (예: 製品의 需要에 對한 다양한 出處의 情報를 結合해서 더 正確한 豫測을 하는 것)

4) 親交(socialization): 暗默知를 가진 사람과 繼續 같이 지내면서 暗默知를 傳受받는 過程 (예: 어떤 分野의 匠人이나 專門家와 時間을 보내고 對話를 하면서 知識을 學習하는 것)


著者들에 따르면 企業 內 暗默知는 外部化를 통해 文書化되고 이 文書를 學習한 사람이 이를 體化하면서 自身만의 暗默知를 만들기도 하고 서로 다른 形式地를 組合해서 새로운 知識을 創出하기도 한다. 또한 必要에 따라 專門家와 親交를 하면서 暗默知를 바로 傳受받기도 한다. 이러한 過程을 잘 管理하는 企業은 그림에 있는 것과 같이 知識이 暗默知에서 形式地, 形式地에서 暗默知로 形態를 바꾸면서 漸漸 더 커지고 널리 傳播된다는 것이다. 例를 들어서 重要한 意思決定을 直觀的으로 잘하는 經營者의 境遇를 생각해보자. 이런 直觀的 意思決定 能力이 어느 날 갑자기 생긴 것은 아니었다. 처음에는 意思決定을 어떻게 할지 모르기 때문에 컨설팅 報告書나 先輩 經營者가 남긴 資料와 같은 形式地를 보면서 試圖해 봤을 것이다. 이런 經驗이 反復되면서 意思決定에서 重要하게 考慮할 것이 어떤 것인지, 狀況에 따라 어떻게 달라야 하는지 等에 對해서 經營者의 머릿속에 말로 說明하기 어려운 一種의 暗默知 또는 直觀이 生成될 것이다.

또 다른 例로 料理를 잘하는 뛰어난 셰프의 境遇도 처음부터 料理를 잘하지는 못했을 可能性이 높다. 처음에는 先輩들의 레서피를 보면서 數없이 그대로 따라 하는 過程을 거쳤을 것이다. 이 過程에서 레서피라는 形式지가 自身의 몸에 滯貨되고 經驗이 쌓이면서 材料와 調理法에 對한 스스로의 暗默知를 生成하게 된다. 例를 들어서 어떤 材料는 너무 높은 溫度로 調理하거나 特定 材料와 같이 使用하면 맛이 달라진다든지 하는 等 知識을 蓄積하고 旣存의 레서피를 變形하거나 結合해서 自身만의 레서피를 만들게 되는 것이다. 以上의 例는 形式地를 反復, 學習하면서 暗默知로 變換되는 것이라고 할 수 있다.

暗默知는 文書로 完全하게 傳達이 어렵기 때문에 暗默知를 學習하는 것은 形式地보다는 어렵다. 暗默知를 學習하려면 一旦 暗默知를 가지고 있는 사람이 最大限 暗默知를 文書化해야 한다. 例를 들어 意思決定에 直觀을 가지고 있는 經營者는 自身의 直觀에 對해서 最大限 文書化(外部化)하고 學習者는 一旦 이것을 學習해야 한다. 그렇지만 暗默知는 文書만 學習하는 것으로는 完全히 習得할 수 없고 該當 知識을 가지고 있는 사람과 繼續 같이 일을 하면서 時間을 보내며 指導를 받아야 習得될 수 있다. 위에서 例로 든 셰프의 料理 祕訣을 배우기 위해서는 그 사람의 레豺皮만 工夫하는 것으로는 限界가 있고 그 밑에서 오랜 期間 徒弟式으로 學習을 해야 하는 것이 이런 理由다. 마찬가지로 重要한 意思決定 能力을 키우기 위해서는 뛰어난 意思決定 能力을 갖춘 經營者와 相當 期間 같이 密着해서 일하면서 傳受를 받는 期間을 갖는 것도 이러한 理由 때문이다.

知識管理에 對한 또 다른 有名한 著書는 知識 經營의 代價인 토마스 대븐포트와 로렌스 프루삭이 1998年에 共同 執筆한 『Working Knowledge: How Organizations Manage What They Know』 3 3 Thomas H. Davenport and Laurence Prusak, Working Knowledge: How Organizations Manage What They Know, Harvard Business Review Press, 1998. 닫기 가 있다. 이 冊에서 著者들은 “知的인 活動을 코드化할 수 있게 되면 그것은 더 以上 사람만이 할 수 있는 것이 아니다(The moment a realm of intellectual activity is codifiable, it ceases to be uniquely human)”라고 主張한다. 이 말은 위에서 說明한 形式地/暗默知와 一脈相通하는 말이다. 우리의 知識을 코드化, 卽 文書化할 수 있다면 이것은 사람이 아닌 컴퓨터와 같은 機械도 할 수 있다는 뜻이다. 이 말에 對한 著者들의 元來 意味는 컴퓨터로 知識을 잘 管理하기 위해서는 知識을 코드化, 文書化하는 것이 重要하다는 것으로 解釋된다. 그렇지만 이 말을 바꾸어 생각하면 知識을 코드化할 수 있다는 것은 形式地라는 것이고, 코드化가 되고 나면 AI가 코드化된 知識 業務를 代替할 수 있다는 意味가 된다.





AI 時代에 知識管理가 示唆하는 點

最近 AI가 잘하는 知識 關聯 業務를 보면 모두 다 形式지다. AI의 作動 原理를 생각해 보면 當然한 結果다. 最近 活用되는 AI는 大部分의 境遇 正答이 存在하는 問題에 對해 學習用 데이터를 使用해서 學習을 한다. 例를 들어 “大韓民國의 首都는…” 다음에 올 單語가 무엇인지는 答이 明確하다. 이와 같이 問題와 答이 맞춰져 있는 學習用 데이터를 使用해서 AI에 學習을 시킨 後에 주어진 問題에 對해서 答을 하도록 하는 方式으로 作動한다. 答이 明確한 問題일수록 더 잘 學習할 수 있기 때문에 形式誌의 性格이 剛할수록 잘 學習하는 反面 暗默知의 性格이 剛한 分野에서는 學習을 제대로 하기 어렵다. 學習을 위한 데이터를 만들기가 어렵기 때문이다.


① AI가 代替하지 못할 것: 暗默知

여기서 우리가 알 수 있는 것은 AI가 發展을 해도 暗默知에 該當하는 分野는 사람을 代替하기 쉽지 않을 것이라는 點이다. 이것이 勿論 代替가 全혀 안 된다는 意味는 아니다. 위에서 言及했듯이 暗默地圖 어느 程度는 文書化가 可能하다. 셰프들이 自身의 料理 祕訣을 文書化한 레서피를 잘 學習하면 셰프의 料理를 어느 程度는 따라 할 수 있다. 最近에 登場한 料理하는 로봇은 이런 式으로 作動한다. 그러나 問題는 이 레서피가 料理 祕訣을 完璧하게 傳達하지 못한다는 點이다. 뛰어난 셰프의 레서피를 그대로 따라 한다고 그 셰프와 똑같은 맛을 낼 수 있는 것이 아닌 것이다.

經營者의 力量을 構成하는 要素를 생각해 볼 때 形式지에 該當하는 論理的, 分析的인 部分이 큰 것은 事實이지만 말로 說明이 안 되는 暗默知에 該當하는 部分도 相當하다는 것을 알 수 있다. 特히 最高經營者의 境遇 本人의 直觀이나 洞察力으로 重要한 意思決定을 함으로써 企業을 危機에서 求하거나 크게 성장시키는 境遇를 種種 본다. 스티브 잡스가 스마트폰이라는 全혀 새로운 製品을 開發해서 市場에 出市한 것이나 이병철 會長이 半導體 事業을 始作하겠다고 判斷한 것 等이다. 萬一 現在의 AI(或은 未來에 더 發展된 AI도 마찬가지)에 스마트폰을 만들어야 할지, 半導體 事業을 始作해야 할지를 물어봤다면 아마 제대로 答을 못했을 것이다. 왜냐하면 AI가 對答할 수 있으려면 비슷한 事例에 對한 學習 데이터가 있어야 하는데 그것이 없었기 때문이다. 勿論 經營者의 直觀이나 洞察力이 恒常 成功하는 것은 아니다. 本人의 直觀으로 周圍의 反對를 무릅쓰고 實行했다가 失敗한 境遇가 成功한 境遇보다 어쩌면 더 많을 것이다. 그러나 重要한 것은 위의 例와 같이 決定的인 意思決定은 暗默知에 該當하는 部分이 많고 이런 일은 AI가 잘 못하는 分野라는 點이다.

最高經營者의 戰略的 意思決定뿐 아니라 中間 經營者의 業務 中에도 暗默知에 該當하는 것이 많다. 萬一 여러분이 中間 經營者라면 本人이 하고 있는 일 中에서 다른 사람에게 文書나 말로 完璧하게 說明할 수 있는 일이 얼마나 되는지 생각해 보라. 아마 文書化나 說明이 쉽지 않은 業務가 相當히 많을 것이다. 그런 業務가 AI가 代替하기 어려운 業務다.


② AI가 代替하지 못할 것: 創意性

AI가 잘하지 못하는 分野 中의 하나는 創意的인 일이라 할 수 있다. 企業의 創意性과 關聯된 代表的인 業務는 廣告 카피라이팅, 디자인이나 일러스트레이션, 寫眞/비디오 撮影, 或은 市場에 맞는 新製品의 企劃 等이 있다. 이들 業務는 最近 發展하는 챗GPT나 디퓨전 모델에 基盤한 이미지 生成 AI가 많은 部分을 代身할 수 있다. 텍스트와 이미지를 같이 學習하는 멀티모달(Multi-modal) AI에 指示하면 關聯 이미지나 動映像을 금세 만들 수 있다. 패션 企業의 境遇 前에는 많은 돈이 들던 시즌別 카탈로그 作成도 이미지 生成 AI를 使用하면 모델 寫眞 몇 커트와 製品 寫眞만으로 願하는 背景의 願하는 포즈의 寫眞을 推薦해주고 數萬 章까지 만들어낼 수 있다. 그렇다면 이러한 業務는 AI로 代替될 것인가? 相當 部分 代替될 수 있을 것이다. 그러나 創意性이 무엇인지 생각해 보면 AI로 만들어내는 이미지나 動映像은 限界가 있다.



結局 이 問題는 ‘創意性이란 무엇인가?’라는 質問으로 歸結된다. 創意性은 ‘새로운 것을 만들어 내는 能力’이라고 생각하기 쉬운데 事實 正確히 말하면 創意性은 ‘關聯이 없다고 생각되던 것을 관련짓는 能力’이다. 世上에 存在하지 않던 것을 새로 만들어내는 것은 神의 領域이고, 人間의 創意性은 이미 存在하는 수많은 것 中에서 그동안 關聯이 없던 것들을 관련짓는 것이다. 例를 들어서 프라이드치킨과 고추醬 양념을 連結하면 양념치킨이 만들어지고, 컴퓨터와 電話를 連結해 스마트폰을 만드는 것 等이다. 얼핏 생각하기에는 AI도 創意的인 일을 할 수 있는 것처럼 보인다. 學習한 것들을 連結하고 組合해서 새로운 것을 만들어 낸다. 宇宙人과 말을 結合해서 有名한 ‘말을 타는 宇宙人’ 이미지를 만들기도 한다. 그러나 AI의 創意性에는 두 가지 限界가 存在한다. 첫째, 이러한 새로운 組合은 大部分 사람의 命令에 따라 만들어진다는 것이다. 宇宙人과 말을 連結 짓는 아이디어를 사람이 만들어서 AI에 指示(프롬프트)한 것이다. 卽, 可能한 수많은 連結과 組合 中에 어떤 것이 價値가 있는지를 AI는 잘 判斷하지 못한다. 둘째는 組合의 對象인 旣存에 學習한 것으로 制限된다. A와 B를 組合하라고 사람이 命令을 해도 自身의 學習 데이터에 A나 B가 없었다면 이를 組合하지 못한다. 例를 들어서 치킨의 調理法에 對한 學習을 忠實히 한 AI라도 自身이 學習한 데이터 中에 고추醬이 없었다면 양념치킨은 생각해 낼 수 없다는 것이다. 要約하자면 創意的인 分野, 特히 큰 價値를 갖는 創意的인 分野는 如前히 사람이 AI보다 主導的인 役割을 할 것이라는 것이다.


AI를 使用하는 環境에서 知識管理는 어떻게 해야 할까?

AI가 形式지에 該當하는 일을 잘하니 形式지에 該當하는 日은 AI에 맡기고 사람들은 暗默知에 該當하는 部分에 集中하면 效率이 올라갈 것이라고 單純히 생각할 수도 있다. 問題는 形式地와 暗默知가 完全히 分離된 것이 아니라는 點이다. 앞에서 說明했듯 暗默知를 創出하기 위해선 形式地를 反復的으로 學習하면서 몸에 體化하는 것이 必要하다. 다시 말해 形式地를 몸에 體化하고 關聯 分野에 經驗을 쌓는 過程을 거쳐야 暗默知가 만들어진다. 萬若 AI가 形式지에 該當하는 일을 잘한다고 AI에 지나치게 依存하게 되면 暗默知에 關聯된 業務 能力도 低下될 수 있다. 이것이 示唆하는 바는 AI에 特定 業務를 完全히 맡기기보다는 一部라도 사람이 直接 遂行하면서 知識을 體化하고 經驗을 쌓을 수 있는 機會를 주는 것이 最高經營者로서의 力量을 높이는 데 必須的이라는 것이다. 萬一 中·上位 經營者의 일을 AI가 代替하면 企業의 運命을 左右하는 最高經營者를 育成할 機會를 잃어버릴 것이다. 따라서 企業은 職員의 일을 AI가 代替하면서 效率性이 올라간다는 點만 볼 것이 아니라 重要한 暗默知를 갖춘 人力을 어떤 方式으로 養成할지를 苦悶해야 한다. 이러한 努力이 隨伴되지 않으면 長期的으로 組織 全體의 暗默知가 줄어들어 組織 力量이 弱化할 수도 있다. 또한 뛰어난 暗默知(直觀)를 가지고 있는 經營者가 次世代 經營者와 時間을 같이 보내면서 暗默知를 直接 學習할 수 있는 親交의 機會를 주는 方案도 생각할 수 있다. 이런 努力도 없이 10年 以上을 보낸다면 企業의 重要한 意思決定을 하는 最高經營者의 力量이 떨어져 AI로 얻은 效率性 以上의 費用을 支拂해야 할 수도 있을 것이다.

AI보다 사람이 더 잘할 것이라고 얘기한 創意性도 形式誌의 反復的인 學習에 依한 體化 過程에서 開發되는 境遇가 많다. 創意性이 發現되기 위해서는 該當 分野에 對한 기초적인 知識이 必要하다. 食品에 對해서 아무것도 모르는 사람이 食品에 對한 아이디어를 낼 수 없고, 金融에 對해서 아무것도 모르는 사람이 金融과 關聯된 創意的인 아이디어를 내기 어려운 것이다. 該當 分野에 對한 기초적인 知識, 特히 形式地를 쌓고 이를 體化하는 過程을 거친 後에 어떤 特定 問題에 對해서 集中的으로 苦悶하다 보면 머릿속에서 떨어져 있던 것이 어느 瞬間 連結이 되면서 創意的인 아이디어가 생기는 境遇가 많다.

創意性에 關한 硏究가 共通的으로 얘기하는 創意性 發現에 있어서의 두 가지 前提 條件이 있다. 첫째는 該當 分野의 基本的인 知識이고, 둘째는 暫時 解決하려는 問題에서 떨어져서 지내는 所謂 ‘餘裕 時間(slack time)’이다. ‘유레카’로 有名한 아르키메데스는 問題 解決을 위한 基本 知識은 充分히 있었고, 問題 解決을 위해 몇 날 며칠을 苦悶했지만 問題가 解決되지 않아서 沐浴湯에서 餘裕를 가지고 머리를 식히다가 創意的인 아이디어가 생긴 것이다. 앞으로 AI가 知識勤勞者의 일을 代身하면 創意的인 일을 위한 餘裕 時間은 只今보다는 많아질 것이다. 그러나 餘裕 時間만 있다고 創意性이 올라가는 것은 아니다. 自身의 分野에서 形式誌의 學習을 통해서 基本 知識을 體化한 사람은 餘裕 時間이 많으면 創意性도 올라가겠지만 그렇지 않은 사람은 餘裕 時間이 많아져도 創意性이 떨어지거나 제자리가 될 可能性이 높다. 卽 AI를 많이 活用할수록 餘裕 時間이 많아져서 創意性이 올라갈 것으로 생각하는 것은 잘못된 생각이라는 것이다. AI가 代替하는 形式地 關聯 業務가 創意性을 위한 重要한 材料임을 記憶해야 할 것이다.

이것이 示唆하는 바는 企業의 創意性에 關한 戰略도 많은 變化가 必要하다는 것이다. 只今까지는 構成員의 創意性을 높이는 데 있어 該當 分野에 對한 基本 知識보다는 餘裕 時間이 不足해서 問題가 되는 境遇가 많았다. 그래서 勤務時間을 줄이거나 職員들이 餘裕를 가지고 쉴 수 있는 事務室 環境을 만드는 것 等이 創意性을 높이는 데 도움이 된다고 알려져 왔다. 萬一 앞으로 AI가 많은 일, 特히 形式紙와 關聯된 일을 代身한다면 創意性에서 障礙 要因은 餘裕 時間보다도 該當 分野의 專門 知識이 될 수도 있다. 앞으로는 創意性을 높이기 위해서도 職員들에게 該當 分野의 形式地를 어떻게 學習시킬지를 苦悶해야 할 것이다. 卽, 現在는 業務를 하면서 자연스럽게 익히는 形式地를 앞으로 AI가 代替하게 되면 職員들이 이런 知識을 體系的으로 體化할 수 있는 敎育 프로그램을 디자인하고 實行하는 것이 必要할 것이다.

AI가 많은 화이트칼라의 일을 代身하거나 도와주면서 企業의 效率性을 높일 것으로 期待된다. 그렇지만 過猶不及(過猶不及)이라는 말처럼 지나치게 AI에 依存하는 것은 企業의 競爭力에 害가 될 수 있음을 過去의 知識管理의 古典이 말해주고 있다.