조직과 학습 / AX 심층 특집
AI와 일하는 우리 팀, 좋은 아이디어는 어떻게 만들고
실행할 안은 어떻게 고를까요?
우리는 직장에서 AI로 여러 아이디어를 만듭니다. 그런데 어떤 기획안을 실행할지 정하기 어렵지 않으셨나요? 오늘은 AI로 준비할 일과 동료와 함께 결정할 일을 나눠보겠습니다.
제안서를 빨리 완성해도 실행할 안을 고르지 못하면 기획을 진행하기 어렵죠. 고객에게 필요한지, 우리 회사가 실제로 만들 수 있는지를 함께 살펴야 실행을 결정할 수 있습니다.
생활용품 회사 P&G의 신제품 기획 사례를 통해 AI와 동료가 각각 어떤 도움을 줄 수 있는지 살펴보겠습니다.
기획 회의의 시작
같은 제품을 보면서도,
고민하는 관점은 다릅니다.
새 제품을 기획하는 회의를 떠올려보세요. 상품 담당자는 “고객이 왜 이 제품을 사야 할까?”를 생각합니다. 연구개발 담당자는 “이 기능을 실제로 만들 수 있을까?”를 먼저 살피죠. 같은 제품을 기획해도 각자 맡은 일에 따라 고민하는 관점이 다릅니다.
예를 들어 세척하기 쉬운 물병을 만든다고 해보죠. 고객은 “입구가 넓으면 씻기 편하겠다”고 말할 수 있습니다. 설계 담당자는 입구를 넓혀도 물이 새지 않을지, 부품이 많아져 조립하기 불편하지는 않을지 살펴야 합니다. 좋은 아이디어라도 실제 상품으로 만들려면 이런 조건을 함께 검토해야 하죠.
물병은 업무를 설명하기 위한 가상 예시입니다. 아래 연구의 실제 과제나 Blackbold 고객 사례가 아닙니다.
AI에게 고객의 불편과 설계 조건을 설명하면 혼자서도 여러 방법을 비교해볼 수 있습니다. 그렇다면 동료와 회의할 때는 무엇을 논의하면 좋을까요? AI와 미리 살펴볼 일, 담당자에게 직접 확인할 일을 나눠보면 회의에서 다룰 내용도 구체적으로 정할 수 있겠죠.
“이 아이디어 어때요?”와 함께
“실제로 만들려면 무엇을
확인해야 할까요?”라고 물어보세요.
함께 일할 사람을 정할 때도 지금 해결할 문제에 어떤 경험과 지식이 필요한지 먼저 생각해보세요. 고객이 무엇을 원하는지 아는 사람과 제품을 어떻게 만들지 아는 사람이 함께 검토해야 실행할 계획을 세울 수 있습니다.
현장에서 비교한 네 가지 조합
같은 기획 과제를,
네 가지 방식으로 진행했습니다.
P&G에서는 신제품 기획 과제를 개인과 두 명으로 구성된 팀에 맡겼습니다. 팀은 제품 개발 담당자와 고객·시장 담당자로 구성했죠. 개인과 팀을 각각 AI를 사용하는 그룹과 사용하지 않는 그룹으로 나누면, 아래 네 가지 작업 방식을 비교할 수 있습니다.
혼자
자신의 전문성을 바탕으로
아이디어를 만듭니다.
두 사람
연구개발과 시장의 관점을
함께 검토합니다.
혼자 + AI
개인이 AI와 대화하며
기획을 발전시킵니다.
두 사람 + AI
두 담당자가 AI를 활용해
하나의 안을 만듭니다.
완성된 제안은 작성자가 누구인지, AI를 사용했는지 알 수 없도록 가린 뒤 평가했습니다. 작업 방식에 대한 선입견 없이 제안의 내용을 비교하려는 것이죠. 논문 3절·4.2절
인물과 로봇은 조합을 설명하는 생성 이미지입니다. 실제 연구는 화면 속 생성형 AI를 사용했으며, 휴머노이드 로봇이 참가한 실험은 아닙니다.
2026년 6월 12일 온라인 출판된 연구입니다. 하루짜리 원격 기획 워크숍이며, 설문까지 완비한 776명과 전체 분석 대상 791명을 구분합니다. 사람이 둘인 팀도 제안은 하나를 제출하므로 직원 수와 제안 수는 다릅니다.
제안의 평균 점수 비교
혼자 AI를 쓴 경우와 둘이 AI를 쓴 경우,
제안의 평균 점수는 비슷했습니다.
AI 없이 혼자 만든 제안을 기준으로 보면, 동료나 AI와 함께 만든 제안의 평균 점수가 더 높았습니다. 두 명의 팀이 AI를 썼을 때는 약 10.2%, 혼자 AI를 썼을 때는 약 9.6% 높았죠. AI를 쓴 두 그룹 사이의 평균 점수 차이는 뚜렷하지 않았습니다.
아래에서 비교할 지표를 바꿔보세요. 제안의 평균 점수와 상위 10%에 든 제안의 비율을 각각 볼 수 있습니다.
평균 제안 품질은 얼마나 달랐을까요?
AI 없이 혼자 만든 제안의 품질 점수 대비 향상률
AI를 쓴 두 그룹의 평균 점수 차이는 이 실험에서 뚜렷하지 않았습니다.
논문 6절에서 저자가 제시한 환산값으로, 각각 약 6.3%, 9.6%, 10.2%입니다. 제안 품질 점수의 상대적 향상률이며 매출이나 성공률의 증가가 아닙니다. 표준편차 수치에 단순히 100을 곱한 값이 아닙니다. 기준 0은 변화의 기준입니다.
550개 제안 단위 · 원문 6절·표 9
그렇다면 혼자 AI만 쓰면 동료의 도움이 필요 없다는 뜻일까요? 이 실험은 제안의 품질을 평가한 것이지, 제품을 실제로 만들고 판매하는 과정까지 비교한 것은 아닙니다. 우리 업무에 적용할 때도 제안서를 쓰는 일과 실행을 결정하는 일을 나눠 생각해야 하죠.
회의 전에 동료가 검토할 내용도 살펴보세요.
물병 예시로 돌아가 보죠. 상품 담당자는 AI에게 “입구를 넓히면 물이 샐 위험도 커질까?”라고 물어볼 수 있습니다. 연구개발 담당자는 “세척한 뒤 부품을 다시 조립해야 한다면 고객이 얼마나 불편할까?”를 살펴볼 수 있겠죠. 회의 전에 서로의 검토 내용을 조금씩 살펴두면, 회의에서는 고객의 편의와 제조 조건을 함께 놓고 논의할 수 있습니다.
물론 AI가 제안한 방법을 우리 설비에서 구현할 수 있는지, 고객도 편하다고 느끼는지는 담당자가 확인해야 합니다. AI와 살펴본 내용을 동료에게 가져가 검토를 부탁하면, 막연히 “이 아이디어 어때요?”라고 묻는 것보다 구체적인 답을 받을 수 있겠죠.
두 사람 + AI가 상위 10% 제안을 낼 비율의 차이
AI 없는 개인과 비교
특히 좋은 안을 찾을 때는
다른 차이가 보입니다.
여기서 비교한 것은 제안이 연구 내 평가에서 상위 10%에 든 비율입니다. 제품 출시의 성공률이나 매출 증가율은 아니죠. AI 없이 혼자 작업한 그룹의 비율은 5.8%였고, 표 9의 첫 모형에서 두 명의 팀이 AI를 쓴 경우는 15.0%로 추정됩니다. 두 비율을 빼면 9.2%p가 됩니다.
팀+AI와 개인+AI를 직접 비교한 p값은 0.061, AI 없는 팀과의 비교는 0.190입니다. 통상적인 5% 기준에서 다른 모든 조합에 우월하다고 단정할 수 없습니다. 표 9
우리 팀에서도 이번 기획이 무엇을 위한 것인지 먼저 정해보세요. 기존 제품을 조금 개선하려는지, 새로운 고객의 불편을 해결하려는지에 따라 필요한 경험과 지식이 달라지겠죠. 목표를 정한 뒤 누가 먼저 자료를 준비하고, 어느 단계에서 함께 검토할지 정하면 됩니다.
제안 작성과 최종 선택
AI가 좋은 안을 만들어도,
그중 무엇을 고를지는 따로 판단해야 합니다.
참가자들은 먼저 아이디어 다섯 개를 만든 뒤, 그중 하나를 골라 구체화했습니다. 여기서 한 가지 더 살펴볼 점이 있습니다. 연구진은 AI를 써서 아이디어의 품질이 높아진 것과, 자신이 만든 아이디어 중 가장 좋은 것을 골랐는지는 별개라고 설명합니다. 논문 5.4.1절
우리도 비슷한 상황을 겪을 수 있죠. AI가 정리한 기획안이 모두 그럴듯해 보이면 어떤 안을 골라야 할지 오히려 고민될 수 있습니다. 설명이 매끄러운 안과 고객의 중요한 불편을 해결하는 안이 항상 같지는 않기 때문입니다.
물병의 입구를 넓힐 수도 있고, 뚜껑을 분리하거나 세척 도구를 함께 제공할 수도 있습니다. 모두 세척의 불편을 줄이려는 방법이죠. AI에게 “가장 좋은 안을 골라줘”라고 하기 전에, 어떤 고객이 쓸 제품인지와 비용·밀폐 성능처럼 지켜야 할 조건부터 정해보세요.
좋다는 의견에 그치지 말고, 판단의 근거를 설명하세요.
회의에서 “이 안이 좋아 보인다”고만 말하면 다음 결정을 내리기 어렵죠. 고객에게 실제로 어떤 불편을 들었는지, 설계할 때 어떤 문제가 생길 수 있는지 함께 설명해보세요. 서로 놓친 부분을 알게 되면 기획안을 고칠지, 더 확인한 뒤 결정할지도 판단할 수 있습니다.
AI에게 “고객이 이 제품을 불편하게 느낄 이유는 무엇일까?”라고 물어볼 수도 있습니다. 답을 받았다면 실제 고객 의견과 맞는지 확인해보세요. 동료가 현장에서 겪은 일을 설명하고, AI로 검토할 항목을 정리하면 다음에 무엇을 확인해야 할지 구체적으로 적을 수 있습니다.
회의가 끝나면 왜 그 안을 골랐는지 적어두세요. 다른 안은 왜 제외했는지, 선택한 안은 무엇을 더 확인해야 하는지도 함께 남깁니다. 다음 담당자가 같은 논의를 처음부터 반복하지 않고 일을 이어갈 수 있겠죠.
팀을 구성하는 기준
누구와 일할지 정하기 전에,
함께 해결할 문제부터 정하세요.
먼저 어떤 고객의 어떤 불편을 해결할지 정해보세요. 그다음 고객 의견을 아는 사람, 제품을 만들 사람 등 검토에 필요한 담당자로 팀을 구성하면 됩니다. 모두가 모든 회의에 참석할 필요는 없겠죠. 다만 AI가 있다는 이유로 필요한 담당자의 확인을 미루면, 마지막에 제조나 판매의 제약을 알게 돼 기획을 다시 해야 할 수 있습니다.
지금 맡은 기획은 어느 단계인가요? 아래에서 가까운 상황을 골라보세요. AI로 준비할 일과 동료에게 확인할 내용, 회의 뒤 정리할 내용을 나눠볼 수 있습니다.
AI와 여러 안을 만든 뒤, 확인할 조건을 동료와 검토하세요.
- AI와 먼저 할 일
- AI에게 고객의 불편을 해결할 방법을 여러 가지로 제안받고, 각 방법에 필요한 조건을 적어보세요.
- 동료에게 물을 것
- 이미 확인한 사실과 다른 내용은 없는지, 현장에서 빠뜨린 조건은 없는지 물어보세요.
- 회의 뒤 남길 것
- 비교한 기획안과 아직 확인하지 못한 조건, 다음에 필요한 자료를 한 장으로 정리해두세요.
Blackbold의 적용 제안입니다. 선택 결과는 인원 추천이나 성과 예측이 아니며 입력을 저장·전송하지 않습니다.
AI를 잘 쓰는 사람에게 모든 판단을 맡기지 마세요.
상품 담당자는 고객이 겪는 불편과 구매할 때 중요하게 보는 조건을 설명할 수 있습니다. 연구개발 담당자는 구현할 수 있는 범위와 시험해볼 부분을 확인하죠. AI로는 여러 대안을 정리하고 검토할 내용을 준비할 수 있습니다. 이 내용을 함께 검토한 뒤 담당자가 실행할 안과 조건을 결정해야 합니다.
AI를 잘 쓰는 직원도 고객과 생산 현장의 모든 사정을 알 수는 없죠. 고객을 만나는 직원은 자주 들었던 불편을, 개발 담당자는 반복해서 생겼던 설계 문제를 알려줘야 합니다. AI를 누가 쓸지만 정하지 말고, 어떤 내용을 누가 확인하고 결정할지도 함께 정해보세요.
검토에 쓸 자료도 필요하겠죠. 고객 의견을 어디서 찾고, 최신 제품 사양은 누가 관리하는지 확인해두세요. AI가 참고할 수 있도록 허용된 자료를 연결하면 매번 배경부터 설명하는 수고를 줄일 수 있습니다. 이때는 누가 어떤 자료를 볼 수 있는지도 함께 확인해야 합니다.
우리 팀에서 확인할 차례
다음 기획 하나로,
함께 일하는 방식을 비교해보세요.
우리 팀에서도 차이를 확인해볼까요? 아직 실행을 확정하지 않은 기획 한 가지를 골라보세요. 고객에게 제안하거나 생산에 들어가기 전에, 혼자 AI로 준비하는 방식과 동료와 함께 준비하는 방식을 비교해볼 수 있습니다.
같은 기획 과제와 자료를 줍니다.
어떤 고객의 무슨 문제를 해결할지 정하고, 비교할 그룹에 같은 자료를 줍니다. 한쪽에만 더 좋은 자료를 주면 결과의 차이가 작업 방식 때문인지 자료 때문인지 알기 어렵겠죠.
제안의 품질과 선택한 이유를 따로 살펴봅니다.
혼자 AI로 준비한 기획안과 동료와 함께 만든 기획안을 같은 기준으로 검토합니다. 기획안 자체가 좋은지와 그중 하나를 고른 이유가 타당한지를 따로 살펴보세요. 가능하면 평가할 사람에게 어떤 방식으로 만든 안인지 먼저 알려주지 않는 편이 좋습니다.
다음 행동이 구체적인지 확인합니다.
회의 뒤에 고객에게 무엇을 물어볼지, 어떤 기능을 시험할지, 누가 언제 확인할지 적어보세요. 회의 전에는 몰랐던 문제를 알게 됐나요? 실행할 안을 고르는 데 도움이 됐나요? 이런 내용도 함께 돌아보면 좋겠죠.
한 번의 결과로 인원 계획을 바꾸지 않습니다.
한 번의 비교에서 생긴 차이는 과제가 어렵거나 참여자의 경험이 달라서 나타났을 수도 있습니다. 이 결과만으로 팀의 인원을 바꾸기는 어렵겠죠. 다음 기획에서도 비교해보고, 언제 누구의 도움이 필요했는지 기록해두세요.
직원 교육도 실제 기획으로 해보면 어떨까요? AI로 여러 기획안을 준비하고, 동료에게 확인할 내용을 정한 뒤, 왜 그 안을 골랐는지 설명해보는 것이죠. 팀장은 이 과정을 보며 직원에게 어떤 자료나 실습이 더 필요한지 살펴볼 수 있습니다.
AI로 제안을 준비하고,
동료와 실행할 안을 고르세요.
기획안은 빨리 나오는데 실행할 안을 정하기 어렵다면, 최근 진행한 기획을 바탕으로 Blackbold와 이야기해보세요. 직원이 맡는 일과 사용하는 자료를 살펴보고, AI로 준비할 일과 동료가 함께 판단할 일을 나눠보겠습니다. 필요한 직원 실습과 사내 자료 연결을 설계하고, 기획안의 품질과 준비 시간, 다시 수정한 내용을 어떻게 확인할지도 함께 정하겠습니다.
상담 신청참고자료와 해석의 범위
The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork
Fabrizio Dell’Acqua 외 · Organization Science · 2026년 6월 12일 온라인 출판
- 어떤 자료인가요?
- P&G에서 2024년 5~7월 수행한 신제품 기획 실험입니다. 분석 대상 791명과 설문 완비 776명은 다르며, 평균 품질·상위권 분석의 관측 단위는 제안 550개입니다.
- 어느 값을 표시했나요?
- 평균 품질은 논문 6절의 저자 환산값인 약 6.3% / 9.6% / 10.2%, 상위 10% 비율 차이는 표 9 첫 모형의 +3.7%p / +1.9%p / +9.2%p입니다. 모두 AI 없는 개인이 기준입니다. 모형을 바꾸면 추정값도 달라질 수 있습니다.
- 무엇까지 알 수 있나요?
- 당시 도구와 하루짜리 기획 과제의 결과입니다. 한국 기업 전체, 장기간의 협업, 실제 출시·매출·고용 효과로 일반화할 수 없습니다. 같은 값의 반복 재현이나 앞으로의 효과를 보장하지 않습니다.
- 어디부터 제안인가요?
- 물병 사례, 기획 상황 선택과 우리 팀의 비교 방법은 Blackbold의 설명과 적용 제안입니다. 연구가 직접 시험한 절차나 확인된 고객 성과와 구분합니다.
연구를 쉽게 읽는 해설
The Cybernetic Teammate: How AI is Reshaping Collaboration and Expertise in the Workplace
Harvard Business School AI Institute · 2025년 4월 2일
AI가 개인의 작업을 돕는 것을 넘어, 서로 다른 분야의 지식을 함께 다루는 데 어떤 역할을 했는지 설명한 연구기관의 해설입니다. 본문의 ‘동료가 검토할 내용도 살펴보기’를 이해할 때 함께 읽을 수 있습니다.
이 해설은 2025년 연구 초안을 소개합니다. 같은 연구를 설명한 자료이므로 별도의 실험 결과로 세지 않았습니다. 이 페이지의 표본과 수치는 위에 연결한 2026년 학술지 최종본을 기준으로 했습니다.
함께 읽으면 좋은 글
다음 판단에 도움이 되는 관련 글을 이어서 읽어보세요.
AI가 일을 빨리 끝낼수록, 회사는 왜 더 바빠질까요?
AI로 초안은 빨리 나오는데 검토는 왜 밀릴까요? 빅테크 리더의 발언과 기업 사례로 직원의 역할과 회사의 변화를 살펴봅니다.
AI와 함께, 내 일과 생활에 맞는 활용법을 찾는 7일
제안서와 여행 계획, 일상에 AI를 직접 써보고 편해진 일과 손이 더 간 일을 비교해 나에게 맞는 활용법을 찾습니다.
손정의는 왜 AI와 대화하며 생각을 다듬을까요?
손정의는 AI의 첫 답에서 왜 대화를 끝내지 않을까요? Blackstone 인터뷰를 바탕으로, 계획의 빈틈을 찾고 회의를 준비하는 데 AI를 활용하는 방법을 설명합니다.