사람을 진짜로 이해한다는 것

"The Son of Man, 1946 by Rene Magritte" 의 모티브를 따서 변형함

 

그렇다면 어떻게 다른 사람의 머릿속에 들어갈 수 있을까? 그게 가능한 일일까요? 

대부분의 AI는 '평균'을 학습합니다. "직장인은 쓴소리를 들으면 어떻게 반응하나요?"라고 물으면, 통계적 중간값을 내놓죠. 그런 사람은 실제로 존재하지 않는데도요. 하지만 사람은 평균이 아닙니다. 갤럽이 270만 명의 직장인을 분석했더니, 팀의 몰입도 차이 중 70%가 단 한 사람에게서 갈렸습니다. 바로 그 팀의 매니저였죠. 제도도, 연봉도 아니었습니다. 그 방 안의 '특정한 사람'이었습니다.

Generative AI 페르소나 

Generative AI 페르소나는 바로 그 '특정한 사람'을 모델링합니다. 그 사람이 실제로 말하고, 결정하고, 중요하게 생각하는 방식을 학습한 뒤, 그 사람처럼 사고합니다. "매니저라면 뭐라고 할까"가 아니라, "이 매니저라면 뭐라고 할까"를요. 새로운 상황을 주면 그 사람의 성향대로 답합니다. 면담 전의 당신 상사. 결정을 앞둔 규제 당국자. 투표 직전의 위원회 위원처럼요.

FOMC-미국 연준의 금리 결정 

우리는 이 발상을 시험해 봤습니다. 미국 연방준비위원회의 금리 결정을 하는 위원회-FOMC 입니다. 위원 한 명 한 명을, 인플레이션·성장·신뢰에 대한 각자의 전제를 가진 페르소나로 만들었습니다. 회의 전에 우리 페르소나들의 예측을 공개했고, 이후 실제 결정과 비교했죠. 핵심은 AI가 유명인을 흉내 낼 수 있다는 게 아닙니다. 앞 편에서 말한 그 간극 — 말과 진심 사이의 거리 — 을, 비용을 치르기 전에 미리 시뮬레이션 해볼 수 있게 된다는 겁니다. 그게 변화의 핵심입니다. 상대가 어떻게 반응할지 '추측'하던 것에서, '시뮬레이션'하는 것으로.

 실제로 무엇이 달라지는가 — 당신에게, 회사에, 그리고 시장을 움직이는 결정들에.

대화를, 실제로 벌어지기 전에 미리 연습할 수 있다고 합시다. 그래서 무엇이 달라질까요?

작게 시작해 보죠. 당신은 연봉 협상 자리에 들어갑니다. 단, 진짜 당신 상사가 받아치는 방식 그대로 반박하는 버전을 상대로 이미 연습을 마친 채로요. 잘되기를 '바라는' 게 아닙니다. 이미 겪어본 자리니까요.

이제 규모를 키워봅니다. 맥킨지가 경영진에게 의사결정 방식을 물었더니, 자기 조직이 결정을 잘한다고 답한 사람은 20%뿐이었습니다. 대부분은 결정에 쓰는 시간의 상당 부분이 낭비된다고 했죠. 평균적인 포춘 500 기업 기준으로, 연간 약 53만 일의 업무 시간과 2억 5천만 달러의 인건비가 거기서 새어 나갑니다. 그 낭비의 대부분은 분석이 틀려서가 아니라, 사람을 잘못 읽어서입니다. CFO는 '리스크'로 듣고 CEO는 '야망'으로 듣는 전략. 틀려서가 아니라, 회의실이 그걸 어떻게 받아들일지 아무도 연습해보지 않아서 뒤틀려지게 되는 계획.

Generative AI 페르소나 는 그 순서를 바꿉니다. 회의실에 들어가기 '전에' 회의실을 시뮬레이션하는 거죠. CFO가 어디서 버티는지, 이사회가 어디서 망설이는지, 메시지가 어디서 빗나가는지를 미리 보고, 회의의 의도가 궤도를 이탈하기 전에 조정합니다.

좀 더 스케일을 키워 볼까요? 미국 연준이 경제 정책에 대해 말할 때, 시장은 그 '단어'에 반응하지 않습니다. 각자가 그 단어를 어떻게 '해석'하느냐에 반응하죠. 그 해석들을 — 하나의 '시장'이 아니라 열아홉 명의 위원으로 — 모델링하면 시장이 "오해"할 만한 포인트가 드러나게 됩니다. 

직장 동료와의 대화, 조직에서의 중요한 회의, 시장을 주도하는 금리 결정과 같은 다양한 상황에서 모델링하는 대상은, 우리가 알고 있는 실제로 그렇게 생각하는, 진짜 사람입니다. .

우리가 서로를 완전히 오해하지 않게 되지는 않을 겁니다. 하지만 더는 눈을 감은 채로 들어가지 않아도 됩니다.

우리가 서로를 이만큼 잘 이해하게 된다면, 그건 어떤 미래를 만들까요?