Increase your personal productivity in an AI-enabled workspace

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

MIT Sloan의 Robert Pozen과 Renee Fry는 AI로 반복 업무와 초안 작성 시간을 줄이되, 목표 설정·근거 검증·최종 판단·설득은 사람이 책임지는 성과 중심 생산성을 강조한다.

📌 핵심 요약

• Robert Pozen과 Gentreo 공동창업자 겸 CEO Renee Fry가 함께 개발한 MIT Sloan의 ‘Personal Productivity in an AI-Enabled Workplace’ 과정은 노동시간을 늘리는 대신 목표와 우선순위를 정하고 성과를 높이는 데 초점을 맞춘다.
• AI는 일상 업무 시간을 줄여 사고와 판단의 여유를 확보하는 동료이자 비서실장처럼 활용한다. Pozen은 긴 문서와 이사회 메모 종합에는 Claude, 아이디어 발상과 빠른 초안에는 ChatGPT, Outlook·Word·Excel·Teams·PowerPoint 내부 작업에는 Microsoft Copilot을 추천한다.
• AI 조사에 앞서 최종 결과물에 필요한 질문을 정하고, 표적 조사 후 잠정 결론을 세워 새 근거에 따라 수정한다. Pozen은 3개월 프로젝트라면 2주마다 결론을 재검토할 것을 제안하며, Fry는 Perplexity와 Claude 등을 활용하면서 빠진 근거를 질문하도록 권한다.
• AI Delegation Decision Rule은 업무의 중요도·위험과 반복성을 기준으로 직접 수행, 검토를 수반한 체계화, 일회성 보조, 자동화를 구분한다. 중요도가 높고 드문 업무는 직접 맡고, 중요도가 낮고 자주 반복되는 업무는 고정 프롬프트나 템플릿을 사용하되 매번 결과를 확인한다.
• Pozen의 ‘마지막 30%’ 원칙은 AI가 일을 70%까지 진행하더라도 나머지는 인간의 판단으로 완성해야 한다는 설명이다. 다른 사람이 전달한 AI 활용 결과도 검증하고 기밀 데이터를 보호해야 하며, 우선순위 설정·결과 판단·설득의 중요성은 계속 남는다.

🧩 주요 포인트

1. 투입시간에서 달성 성과로 기준 전환 → AI 활용의 가치는 사용량보다 목표와 우선순위에 얼마나 기여하는지에 달려 있다.
2. 최종 결과물과 잠정 결론을 중심으로 조사 설계 → 정보 축적보다 어려운 분석 질문을 조기에 드러내고 근거에 따라 결론을 수정하는 데 집중한다.
3. 업무 특성에 따른 위임과 ‘마지막 30%’의 인간 책임 결합 → AI 활용 범위를 나누면서도 결과 검증·기밀 데이터 보호·설득 역량을 유지한다.

🧠 상세 정리

1. 생산성의 기준을 시간에서 성과로 바꾸기

AI는 메모 초안이나 회의 요약을 순식간에 만들 수 있지만, 어떤 메모가 중요한지, 요약이 정확한지, 다음에 무엇을 해야 하는지는 여전히 인간의 지식이 필요한 판단이다. MIT Sloan의 Robert Pozen이 Gentreo 공동창업자 겸 CEO Renee Fry와 함께 개발한 ‘Personal Productivity in an AI-Enabled Workplace’ 과정은 이 문제의식에서 출발한다. Pozen은 일을 더 오래 하면 생산성이 높아진다는 투입 중심 관점 대신, 무엇을 달성할지 정하는 성과 중심 접근을 강조한다. 과정은 목표와 우선순위를 설정하고 적절한 시점에 AI를 활용해 이를 실행하는 전략을 다룬다. 일일 일정 구성, 미루는 습관 줄이기, 효과적인 회의 운영, 압박 속 의사소통도 함께 다루며 AI 도구 사용을 개인 생산성 전략과 연결한다.

2. 필요한 도구를 골라 동료처럼 활용하기

Pozen은 AI 도구가 지나치게 많아지면 오히려 업무에 방해가 될 수 있으므로, 자신의 필요에 정확히 맞는 도구를 선별하고 나머지 영역에서는 인간의 판단을 우선하라고 권한다. 그가 제시한 조합은 긴 문서와 이사회 메모 종합에는 Claude, 아이디어 발상과 빠른 초안 작성에는 ChatGPT, Outlook·Word·Excel·Teams·PowerPoint 안에서의 작업에는 Microsoft Copilot이다. 핵심 목적은 비교적 일상적인 업무에 쓰는 시간을 줄여 더 깊이 생각하고 판단할 시간을 확보하는 것이다. Fry는 AI를 신기한 도구가 아니라 비서실장처럼 사용하는 법을 익히는 것이 목표라고 설명한다. 중요한 결정이 경영자에게 전달되도록 돕고, 회의를 준비하거나 아이디어를 검토하는 역할을 맡기면 경영자가 핵심 관계와 전략적 결정에 집중하도록 지원할 수 있다는 주장이다.

3. 최종 결과물에서 출발해 조사 방향 정하기

AI에 방대한 정보를 모으게 한 뒤 질문을 시작하기보다, 먼저 최종 결과물에 답이 필요한 질문을 정하는 사고 작업을 해야 한다는 것이 Pozen의 조언이다. 그는 현재의 문제가 데이터 부족이 아니라 거의 모든 주제에서 데이터에 압도될 수 있다는 점이라고 지적한다. 따라서 몇 차례의 표적 조사를 거쳐 잠정 결론을 세우고, 새로운 근거가 나타나면 이를 수정하는 ‘끝에서 시작하기’ 접근을 권한다. 3개월 프로젝트의 경우에는 2주마다 잠정 결론을 재평가하는 방식을 제안한다. 이 접근의 목적은 어려운 분석 질문을 초기에 드러내고 후속 조사가 향할 방향을 잡는 데 있으며, 처음 세운 결론을 고정된 답으로 취급하는 것은 아니다.

4. 근거의 누락을 질문하며 결론 다듬기

Fry는 잠정 결론을 중심으로 조사하는 방식을 AI 연구 실습과 결합하면서, 작업이 진행되는 동안 근거를 평가하고 결론을 다듬는 데 무게를 둔다. 수강생들은 사례를 검토하며 Perplexity와 Claude 같은 도구로 근거를 수집하고 정리한 뒤, 그 근거로 자신의 잠정 결론을 시험한다. 이때 AI에 ‘무엇이 빠졌는가’, ‘무엇이 누락되었는가’를 묻도록 권한다. 이런 질문을 통해 근거를 평가하고 적절한 질문을 던지는 법을 익히며, 필요하거나 관련 있는지 따지지 않은 채 정보를 더 모으는 일을 피하도록 한다. 조사 과정에서 AI가 정보를 빠르게 확보하는 역할을 맡더라도, 그 정보가 필요한지와 결론을 뒷받침하는지는 사람이 계속 검토해야 한다는 흐름이다.

5. 업무의 중요도와 반복성에 따라 위임하기

Fry는 업무를 AI에 넘기기 전에 그 일에 무엇이 걸려 있는지와 얼마나 반복되는지를 살펴야 한다고 말하며, Pozen과 함께 과정용 AI Delegation Decision Rule을 개발했다. 이 규칙은 중요도가 높고 드물게 발생하는 업무라면 사람이 직접 수행하는 방식을 제시한다. 중요도가 낮고 자주 반복되는 업무는 고정 프롬프트나 템플릿으로 체계화할 수 있지만, 결과는 매번 확인해야 한다. 한 번만 발생하는 중요도가 낮은 업무에는 AI가 응답 초안을 작성하는 정도의 빠른 보조가 대체로 적합하다고 설명한다. 일상적이고 위험이 낮으며 쉽게 넘길 수 있는 업무에는 자동화를 제안하며, AI 위임을 하나의 방식으로 통일하지 않고 업무 특성에 맞춰 구분한다.

6. 마지막 판단과 설득의 책임 유지하기

Pozen의 ‘마지막 30%’ 원칙은 AI가 일을 70%까지 진행하더라도 나머지는 인간의 판단으로 완성해야 한다는 설명으로, AI의 지원만으로 업무가 끝나지는 않는다는 점을 강조한다. 직원은 결과를 확인하고 데이터를 보호할 책임이 있으며, 다른 사람이 AI를 활용해 전달한 작업도 그 대상에 포함된다. Fry는 매일 직접 AI를 사용해 보는 연습, 결과에 의존하기 전 검증하는 습관, 적절한 보호 장치를 통한 기밀 데이터 보호를 주문한다. AI가 초안 작성 시간을 줄일수록 전문가의 가치는 우선순위를 정하고 결과의 정확성을 판단하며 다른 사람을 설득하는 능력으로 이동한다는 것이 그의 주장이다. 과정에 참여하는 MIT Sloan의 Ben Shields는 발표와 즉흥 말하기 실습을 통해 생각 정리, 청중에 맞는 메시지 구성, 설득력 있는 전달과 즉각적인 대응을 돕는다. 따라서 이 과정은 생산성을 높이는 전략과 이를 실행할 선별된 AI 도구를 함께 제공한다.

🧾 핵심 주장 / 시사점

• 도구가 많아지는 것 자체는 생산성 향상을 보장하지 않는다. 필요한 업무에 맞춰 AI를 선별하고 확보한 시간을 사고와 판단에 사용하는 것이 과정의 핵심 논리다.
• 잠정 결론은 조사의 종착점이자 수정 대상이다. 최종 결과물에 필요한 질문을 먼저 정하되, 누락된 근거를 찾아 결론을 계속 다듬는 방식이 정보 과잉에 대응한다.
• AI 위임의 확대와 인간 책임의 유지는 함께 제시된다. 초안을 빠르게 만드는 능력이 보편화될수록 결과를 검증하고 우선순위를 정하며 설득하는 역량의 중요성이 커진다는 관점이다.

✅ 액션 아이템

• 목표와 우선순위를 먼저 정하고, Claude·ChatGPT·Microsoft Copilot을 각 업무의 필요에 맞춰 선택.
• 최종 결과물에 필요한 질문과 잠정 결론을 중심으로 조사를 진행하고, 3개월 프로젝트에서는 2주마다 새 근거에 따라 결론을 재검토.
• AI Delegation Decision Rule로 위임 방식을 구분하고, ‘마지막 30%’ 원칙에 따라 결과 검증과 기밀 데이터 보호 책임을 유지.

❓ 열린 질문

• Claude·ChatGPT·Microsoft Copilot 중 현재 목표와 우선순위 달성에 가장 적합한 도구는 무엇인가?
• 3개월 프로젝트에서 2주마다 잠정 결론을 재검토할 때, 어떤 새 근거나 누락된 근거가 결론 수정을 요구하는가?
• AI Delegation Decision Rule에 따라 직접 수행할 업무와 위임할 업무를 어떻게 구분하고, ‘마지막 30%’의 검증 책임은 누가 맡을 것인가?