직원이 아닌 가치 변환기로서의 AI: 조직의 가치 흐름 속에 AI 배치하기

전체 텍스트

1 서론

AI 도구를 도입하는 조직은 대개 이를 인력 배치의 언어로 설명합니다. 지원 어시스턴트가 요청의 일정 비율을 "처리"합니다. 코딩 어시스턴트가 엔지니어 몇 명 분의 "일을 합니다". 비즈니스 케이스는 모델 구독 비용과 정규직 직원 한 명의 비용을 비교합니다. AI 시스템은 디지털 직원으로 취급됩니다. 과업을 받고, 그것을 완료하며, 그 기여는 완료된 과업 수나 절감된 인원 수로 계산됩니다.

이 논문은 직원 틀(frame)이 범주 오류이며, 그 오류가 무해하지 않다고 주장합니다. 직원 틀은 측정을 가치 흐름의 생산자 측, 즉 AI가 가장 강한 곳으로 향하게 하고, 가치가 실제로 실현되는 수령자 측에서는 멀어지게 합니다. 그 결과는 익숙한 양상으로 나타납니다. 대시보드에는 산출물이 늘어나는 것으로 표시되지만, 고객, 동료, 검토자는 어떤 보고서에서도 AI 시스템의 몫으로 기록되지 않는 재작업을 떠안습니다.

여기서 제안하는 대안은 가치 관리 이론(Value Management Theory, VMT)과 Æilus 방법론에서 나옵니다. VMT에서 변환자(transformer)는 개체가 아니라 역할입니다. 그 역할을 맡은 행위자는 가치를 소비하고 다른 누군가를 위해 새로운 계획된 가치를 생산합니다(A7). AI는 이 역할에 정확히 들어맞습니다. 가치 흐름 안에 변환자로 놓이면, AI 시스템에는 비용이 드는 투입물이 있고, 수령자가 소비하기 전까지는 가설에 불과한 산출물이 있으며, 반가치(anti-value)일 수 있는 부산물이 있습니다. 이렇게 배치하고 나면 도입과 측정에 관한 올바른 질문이 보이게 됩니다.

이 논문은 조직에서 Æilus를 적용하는 것을 다룬 8부작 시리즈의 네 번째 논문이며, 정의는 첫 번째 논문 "Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners"를 따릅니다. VMT의 형식적 체계와 가치 통화 Æ는 여기서 다시 유도하지 않으며, Bolshakov (2026)의 "Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective"에 제시되어 있습니다. 이 논문은 개념적인 논문입니다. 측정된 데이터는 포함하지 않으며, 여기에 나오는 유일한 수치는 가설이라고 명시적으로 표시된 시나리오에 속합니다.

2 범위, 가치 체계 및 이론적 토대

2.1 누구의 가치를 측정하는가

VMT는 가치가 정의된 가치 체계(value system) 안에서만 존재하며(A1), 같은 사건이라도 서로 다른 체계에서는 다르게 해석될 수 있다고 봅니다(A2). 따라서 "AI의 가치"에 관한 진술은 체계가 명시되기 전까지는 불완전합니다. 이 논문은 처음부터 끝까지 하나의 가치 체계를 사용합니다. 바로 수행 조직과 그 직접 수령자입니다. 이 체계의 행위자는 조직의 팀과 기능, 변환자 역할을 맡은 AI 시스템, AI 산출물을 검토하거나 수정하는 사람들, 그리고 조직의 작업을 받는 외부 수령자(고객, 사용자 또는 다른 기능 부서의 내부 소비자)입니다. 이 체계의 흐름은 이들 사이를 오가는 요청, 산출물, 의사결정입니다. AI 공급업체, 노동 시장, 사회 전체는 경계 밖에 있으며 외부 흐름을 통해서만 다룹니다(A10).

이 선택은 중요합니다. 공급업체의 가치 체계 안에서는 생성된 모든 토큰이 실현된 수익입니다. 조직의 체계 안에서는 같은 토큰이 수령자가 그것으로 무엇을 하느냐에 따라 가치일 수도, 잡음일 수도, 반가치일 수도 있습니다. T15가 말하듯, 경계를 옮기면 현실은 바뀌지 않으면서 결론이 바뀝니다. 아래의 분석은 여기서 선언한 경계에 대해서만 성립합니다.

2.2 사용하는 공리와 정리

이 논증은 A4와 T3(계획된 가치와 실현된 가치는 괴리됨), A5(반가치는 가치와 독립적임), A6(가치는 소비 시점에 실현됨), A7(변환), A8과 T7(참여 조건), T4와 T6(저항과 왜곡은 누적됨), T5(국소 최적화가 전역적 개선을 보장하지 않음), T8(변환 역할의 중복성은 지속 가능성을 높임), 그리고 T16과 T17(실현으로 확인되지 않은 해석은 불안정하며 반가치를 누적시킴)에 의존합니다.

3 "디지털 직원"이라는 범주 오류

3.1 직원 틀이 계산하는 것

직원 틀은 인력 배치에서 측정 습관을 들여옵니다. 직원은 역할에 맞춰 채용되고, 업무량을 배정받고, 처리량과 비용으로 평가됩니다. AI를 같은 틀에 놓으면 세 가지 수치가 지배적이 됩니다. 처리된 작업 항목의 수, "넘겨받은" 업무량의 비율, 그리고 절감된 상근 환산(FTE) 비용입니다. 세 가지 모두 작업이 생산자를 떠나는 지점에서 측정됩니다.

인간 직원의 경우 이 습관은 좀처럼 언급되지 않는 이유로 용인할 만합니다. 사람 운영자는 수령자를 관찰합니다. 지원 담당자는 고객이 여전히 화가 나 있다는 것을 듣습니다. 계획된 가치와 실현된 가치 사이의 격차 대부분은 어떤 지표가 이를 기록하기 전에 사람 내부에서 비공식적으로 바로잡힙니다. 생산자 측 지표가 작동하는 것은 수령자 측 센서가 생산자 안에 내장되어 있기 때문입니다.

AI 시스템은 기본적으로 그런 센서를 갖고 있지 않습니다. 가치의 계획된 측면은 매우 잘 생산합니다. 유창하고, 빠르고, 자신감 있는 산출물을 대량으로 내놓습니다. 그러나 명시적으로 연결되어 있지 않은 한, 그 산출물이 수령자의 상태를 바꾸었는지는 관찰하지 않습니다. 따라서 직원 틀은 AI가 가장 좋아 보이는 곳에서 AI를 측정하고, 계획과 사실의 차이가 나타나는 곳에서는 측정을 멈춥니다.

3.2 틀이 가리는 것

직원 틀 아래에서는 네 가지가 시야에서 사라집니다.

1. AI 변환자의 소비 측면. 인원 비교는 모델의 라이선스 또는 컴퓨트 비용만 계산하고, 변환자가 함께 소비하는 사람의 주의, 검토 노력, 데이터 준비는 무시합니다.
2. 수령자의 판정. "완료"는 생산자가 선언합니다. 수령자의 상태가 나아졌는지는 기록되지 않습니다.
3. 전가된 작업. AI 산출물이 끝내지 못한 작업은 하류의 수령자나 검토자에게 넘어갑니다. 생산자의 보고서에서는 사라졌지만, 체계 안에는 여전히 존재합니다.
4. 누적. 재작업, 신뢰 상실, 역량 침식은 일회성 비용이 아닙니다. T4와 T6에 따라 이들은 누적되며 체계가 앞으로 가치를 실현할 능력을 떨어뜨립니다.

FTE 대체 프레이밍은 또한 인간의 역할과 AI의 역할이 동일한 산출물을 내는 대체재라고 가정합니다. VMT의 관점에서 이 둘은 투입과 산출의 프로필이 서로 다른 별개의 변환자입니다.

4 변환자 역할로서의 AI

4.1 개체가 아닌 변환자

VMT와 Æilus는 변환자를 그것이 무엇인가가 아니라 흐름 안에서 무엇을 하는가로 정의합니다. 사람, 팀, 서비스, 도구 모두 변환자 역할을 맡을 수 있으며, 가치 체계 스키마(Value System Schema)에서 그 역할은 변환자 노드를 가리키는 Æilus의 명칭인 컨버터(converter)로 그려집니다. 이러한 틀은 "AI는 노동자인가 도구인가?"라는 질문을 없애고 더 유용한 질문으로 바꿉니다. 이 변환자는 무엇을 소비하고, 무엇을 생산하며, 누가 그 산출물을 받는가?

4.2 AI 변환자가 소비하는 것

AI 변환자에게는 적어도 네 종류의 투입물이 있습니다. 각각은 체계 내 어딘가에서 소비되는 가치 요소입니다.

• 데이터와 맥락. 프롬프트, 문서, 티켓, 코드, 고객 이력. 누군가가 이를 만들고, 정리하고, 유지하며, 그 품질이 산출물의 상한을 정합니다.
• 컴퓨트와 라이선스. 눈에 보이는 비용이며, 대개 비즈니스 케이스에 들어 있는 유일한 비용입니다.
• 사람의 주의. 지시를 작성하고, 과업의 틀을 잡고, 상호작용을 이끄는 일입니다. 이는 다른 일을 하고 있었을 사람들로부터 소비됩니다.
• 검토 노력. 산출물을 읽고, 확인하고, 수정하고, 승인하는 일입니다. 많은 용도에서 이것이 가장 큰 투입물이며, 다른 누군가의 예산에 잡힙니다.

4.3 AI 변환자가 생산하는 것

산출물은 이 시리즈에서 말하는 의미의 가치 요소입니다. 초안, 답변, 코드, 분류, 요약, 의사결정이 그것입니다. 각각은 가치 가설로 시작합니다. 생산자가 해석한 계획된 가치를 담고 있으며, 다음 변환자가 그것을 소비할 때에야 비로소 측정 가능해집니다(A6). AI 변환자는 반가치도 생산할 수 있습니다. 틀린 답변, 오해를 부르는 요약, 나중에 제거해야 하는 코드, 그리고 7절에서 설명하는 효과들이 그것입니다.

Æilus의 컨버터 효율 정의는 이 균형을 명시적으로 드러냅니다. 컨버터의 효율은 다음과 같습니다.

E = (produced value - produced anti-value) / (consumed value - consumed anti-value)

모든 항은 선언된 체계 안에서 Æ로 표현됩니다. 이 공식에서 AI에 중요한 특징은 두 가지입니다. 첫째, 분모에는 컴퓨트뿐 아니라 검토 노력과 사람의 주의가 포함됩니다. 둘째, 분자에서는 생산된 반가치를 빼는데, 직원 틀은 이를 전혀 기록하지 않습니다. 인상적인 산출량을 가진 AI 변환자도 이 두 가지 보정을 모두 거치고 나면 효율이 낮거나 음수일 수 있습니다. 같은 변환자가 한 가치 체계에서는 효율적이고 다른 체계에서는 파괴적일 수 있습니다.

5 AI 산출물의 계획된 가치와 실현된 가치

5.1 AI가 계획된 측면에서 강해 보이는 이유

A4는 계획된 가치와 실현된 가치가 일반적으로 다르다고 말하며, T3은 괴리가 0인 경우는 불안정한 특수 사례라고 덧붙인다. 사람의 작업에서는 생산자가 수령자를 직접 관찰함으로써 이 괴리가 완화된다. AI 산출물의 경우 이 괴리에는 구조적인 편향이 있다. 생성된 산출물은 올바른 답처럼 보이도록 최적화된다. 유창함과 확신은 계획된 쪽에 속하고, 정확성과 적용 가능성은 실현된 쪽에 속한다.

AI는 계획된 가치를 빠르고 저렴하게 높인다. 실현된 가치를 따로 측정하지 않으면 조직은 그 상승을 진전으로 받아들인다. 이는 T16이 구조적으로 불안정하다고 기술하는 패턴이다.

5.2 숨은 재작업

실현된 가치가 계획된 가치에 미치지 못하면 그 부족분은 사라지지 않는다. 그것은 흐름의 다른 어딘가에서 작업으로 바뀐다. 고객이 지원팀에 다시 연락한다. 관리자가 생성된 이메일을 다시 쓴다. 엔지니어가 생성된 코드를 고친다.

AI 변환기의 보고서에는 완료된 항목이 나타나고, 그 비용은 수령 측 변환기가 떠안는다. 이는 T5의 사례이다. 한 변환기의 처리량이 국소적으로 개선되어도 시스템의 개선이 보장되지는 않는다. 또한 이는 대기열과 재작업에 숨은 작업이 활동 지표에는 보이지 않는다는, 흐름 기반 관리의 일반적 관찰과도 일치한다(Reinertsen, 2009). VMT의 해석은 한 가지를 더한다. 숨은 작업은 중립적인 지연이 아니라 반가치이며, T4에 따라 AI 변환기와 그 수령자 사이의 접점에 흐름 저항(flow resistance)으로 누적된다.

6 수령자 측 지표

가치가 소비 시점에 실현된다면(A6), 이를 검증하는 것은 생산자가 아니라 수령자이다. 이것이 이 논문의 핵심 측정 규칙이다. AI 산출물의 가치는 그것을 생산하는 AI 변환기가 아니라 그것을 소비하는 변환기에서 측정한다. 린 사고는 최종 고객의 관점에서 가치를 정의함으로써 이와 관련된 주장을 한다(Womack and Jones, 1996). VMT는 이를 흐름 속의 모든 내부 수령자로 일반화한다.

수령자 측 지표는 생산자 측의 모든 집계를 그다음에 일어난 일에 대한 관찰과 짝짓는다. 몇 가지 예는 다음과 같다.

두 열 사이의 격차는 AI 프로그램이 추적할 수 있는 가장 유익한 수치이다. 이는 전가된 작업과 접점에서 생산된 반가치를 추정한 것이다. 격차가 벌어진다면 그 프로그램이 실현보다 해석을 더 빠르게 확대하고 있음을 나타낸다.

수령자 측 지표는 예측 가능한 실패도 막아 준다. 목표가 된 생산자 측 지표는 그 지표가 세는 것을 더 많이 생산하는 방식으로 충족되는데, 이는 보통 Goodhart (1975)와 연관되는 역학이다. AI는 이를 저렴하게 만든다. "종결된 요청"을 목표로 삼은 어시스턴트는 요청을 종결할 것이다. 목표를 수령자의 상태에 고정하면 가치를 전달하지 않고서는 충족하기가 더 어려워진다.

7 AI에 특유한 반가치

A5는 반가치를 가치와 독립적인 것으로 다룬다. AI 변환기는 같은 기간에 실제 가치와 실제 반가치를 함께 생산할 수 있으며, 수령자의 경험 속에서 둘은 서로 상쇄되지 않는다. 다음 종류의 반가치는 AI 변환기의 특징이다. 이는 측정된 빈도가 아니라 관찰해야 할 범주로 제시한다.

• 확신에 찬 오류. 올바른 산출물과 같은 유창함으로 제시되는 잘못된 산출물. 수령자는 어조로 둘을 구별할 수 없으므로 모든 산출물을 검사해야 하며, 그렇지 않으면 오류가 하류로 넘어간다.
• 검토 부담. 산출물을 검증하는 데 필요한 노력. 이는 산출물의 질이 아니라 산출물의 양에 따라 커진다.
• 기술의 퇴화. AI 변환기가 작업의 초안을 넘겨받으면, 예전에 그것을 만들던 사람들은 자신을 훌륭한 검토자로 만들어 준 실천을 잃을 수 있다. T6에 따라 이렇게 누적된 왜곡은 AI의 오류를 탐지하는 능력을 포함하여, 가치를 실현하는 시스템의 미래 능력을 떨어뜨린다.
• 신뢰 상실. 실패한 상호작용은 매번 그 채널에 대한 수령자의 신뢰를 낮춘다. A8과 T7에 따라 참여 조건(participation condition)이 침해되면 행위자는 떠나거나 참여 형태를 바꾼다.
• 해석 팽창. AI 산출물은 검사되는 속도보다 빠르게 인용되고, 요약되고, 전달될 수 있다. T17에 따라 실현으로 확인되지 않은 영향력 있는 해석은 반가치를 누적한다. 세 건의 의사결정에서 인용된 생성 요약문은 그 오류를 세 번 퍼뜨린다.

이 중 어느 것도 FTE 비교에는 나타나지 않는다. 흐름의 수령자 측에 계측 장치를 갖추면 이 모두를 관찰할 수 있다.

8 AI 역할의 명명과 배치

8.1 산출물과 수령자로 역할 이름 붙이기

"AI가 분석가를 대체했다"는 표현은 흐름을 감춘다. "AI가 주간 보고서의 초안을 작성하고, 분석가가 결론을 검증한다"는 표현은 변환기, 그 산출물, 그 수령자, 그리고 검토 단계를 명시한다. 유용한 명명 규칙은 세 부분으로 이루어진다.

1. AI가 생산하는 가치 요소(초안, 답변, 분류, 코드 변경)
2. 그것을 소비하는 수령자(고객, 검토자, 다음 팀)
3. 수령자가 그것을 받아들이는 조건(검증됨, 승인됨, 재작업 없이 사용됨)

8.2 책임

AI 시스템은 가치에 대한 책임을 질 수 없다. 자기 상태의 변화를 가치나 반가치로 해석하지 않기 때문이다. Æilus의 용어로 말하면 AI 시스템은 변환기 역할을 차지하지만 책임자 역할은 차지하지 않는다. AI를 포함하는 변환기의 가치 변환기 책임자(Value Transformer Owner, VTO)는 그 변환기의 실현된 가치와 소급 재평가된 가치, 그것이 만들어 내는 반가치, 그리고 시스템을 저하시키지 않고 계속 참여할 수 있는 능력에 책임이 있다. 가치 체계 책임자(Value System Owner, VSO)는 AI 변환기를 추가해도 시스템 전체가 지속 가능한 상태로 유지되는지, 그리고 AI 변환기로 부담이 늘어나는 검토자를 포함한 다른 행위자들의 참여 조건이 온전하게 유지되는지에 책임이 있다.

AI 변환기와 그 수령자 사이의 접점이 지속적인 저항의 원천이 되는 경우에는 흐름 책임자(Flow Owner) 역할이 적용된다.

8.3 짝지은 역할과 중복성

T8에 따라 변환 역할의 중복성은 지속 가능성을 높인다. 하나의 역할에 AI와 사람을 짝지어 서로의 실패를 잡아내게 하는 것이 그러한 중복성이다. 이 짝짓기는 스키마에 드러나야 하며, 그래야 사람이 맡은 절반이 공짜로 취급되지 않고 투입으로 계산된다.

8.4 가치 체계 스키마에서의 배치

가치 체계 스키마(Value System Schema, VSS)에서 AI 역할은 명시적인 투입과 산출을 가진 변환기로 그려진다. 최소한의 배치에는 다음이 포함된다.

• 유입 흐름: 데이터와 맥락, 연산 자원, 사람의 지시 노력, 검토 노력
• 유출 흐름: 생산된 가치 요소. 각각은 이름이 지정된 수령 변환기로 향한다.
• 반가치 흐름: 되돌려지거나 하류로 넘어가는 확신에 찬 오류와 재작업
• 각 유출 흐름의 Æ 단위 계획 가치와 실현 가치. 실현 가치는 수령자에서 기록한다.

이렇게 그리면 스키마는 흔히 사업 계획서가 빠뜨린 흐름, 대개 검토 노력을 드러낸다. T9에 따라 구조가 관찰된 비용을 설명하지 못한다면 잠재 흐름이 있거나 경계가 잘못 설정된 것이다.

9 도입과 AI 프로그램 측정에 대한 함의

9.1 도입 결정

변환기 관점은 도입에 관한 질문을 "AI가 어떤 직무를 할 수 있는가?"에서 "어떤 흐름에서 AI 변환기가, 그것이 더하는 반가치와 검토 노력을 제하고도 수령자의 실현 가치를 높이는가?"로 바꾼다.

• 수신자가 저렴하게 검증할 수 있는 흐름을 우선하십시오. 산출물을 확인하는 데 만드는 것과 거의 같은 비용이 든다면 AI 변환기는 거의 보탬이 되지 않습니다. 수신자가 품질을 빠르게 확인할 수 있다면 변환기는 많은 것을 보탤 수 있습니다.
• 오류가 드러나지 않는 곳에서는 신중하십시오. 잘못된 산출물이 한참 뒤에야 발견되는 곳에서는, 프로그램이 성공으로 선언된 뒤 한참이 지나서 사후 가치(retrospective value)가 음수로 바뀔 수 있습니다.
• 도입 전에 검토 예산을 계산하십시오. 산출물을 검토할 사람들은 자신만의 참여 조건을 가진 행위자입니다. 이 조건을 위반하는 도입(A8)은 그들을 잃거나 그들이 참여하는 방식을 바꾸게 됩니다(T7).
• 성장은 전달이 확인된 경우에만 계획하십시오. Æilus는 수요, 유입, 전달 역량이 확인된 경우에만 VTO가 계획 가치를 늘릴 것을 요청합니다(T16).

9.2 AI 프로그램의 측정

프로그램 검토를 위해 이 논문은 네 가지 측정을 제안하며, 모두 선언된 가치 체계 안에서 이루어집니다.

1. 수신자에게서 실현된 가치: 흐름별로 Æ 또는 명시된 대리 지표로 나타내며, 수신하는 변환기가 기록합니다.
2. 계획과 실제의 격차: 생산자 측 집계에서 수신자 측 확인을 뺀 값이며, 시간에 따라 추적합니다.
3. 전체 소비: 컴퓨팅과 라이선스, 그리고 추정된 검토 노력과 인간의 주의력.
4. 반가치 지표: 재접촉, 되돌려진 변경, 수정된 산출물, 불만, 그리고 숙련도 저하나 신뢰 감소의 징후.

물량과 FTE 절감만 보고하는 프로그램은 계획 가치를 보고하는 것입니다. 그것이 옳을 수는 있지만, 아직 확인된 것은 아닙니다.

10 예시 시나리오

다음 시나리오는 가상의 것입니다. 숫자는 계산의 편의를 위해 선택되었으며 어떤 조직이나 측정도 설명하지 않습니다.

한 제품 조직이 지원 흐름에 AI 어시스턴트를 도입합니다. 가상의 한 달 동안 이 흐름은 1,000건의 요청을 받습니다. 어시스턴트는 그중 700건을 종료 처리하고, 내부 보고서는 어시스턴트가 "지원의 70퍼센트를 처리한다"고 기술합니다. 직원 틀(employee frame)에서 이것은 상담원 팀 업무량의 10분의 7이 사라졌다는 뜻으로 읽힙니다.

이제 어시스턴트를 변환기로 놓고 수신자 측을 살펴보겠습니다. 종료된 700건 중 250건이 일주일 안에 같은 문제로 재접촉으로 되돌아오고, 이제는 사람 상담원이 처리하며 고객은 이전보다 더 불만이 커진 상태라고 가정합니다. 또한 상담원이 각 재접촉에 답하기 전에 어시스턴트의 대화 기록을 읽는 데 시간을 쓴다고 가정합니다.

수신자 측 관점은 어시스턴트가 실패했다고 말하지 않습니다. 이 가상의 경우에서 450명의 고객은 문제를 빠르게 해결했으며, 이는 실제로 실현된 가치입니다. 이 관점이 보여 주는 것은, 700건 종료라는 계획 가치에 수신자가 거부한 250개의 가설이 포함되어 있었다는 점입니다. 그 250건은 세 가지 반가치로 바뀌었습니다. 평균보다 어려운 사례에 대한 상담원의 추가 업무, 대화 기록 검토 노력, 그리고 채널에 대한 고객 신뢰의 하락입니다. 상담원의 업무량은 보고서가 암시한 것보다 적게 줄었고, 남은 업무는 더 어려워졌습니다.

지원 변환기를 소유한 VTO는 70퍼센트가 아니라 이 격차를 기준으로 행동할 것입니다. 선택지로는 수신자가 해결을 확인하는 요청 유형으로 어시스턴트를 제한하기, 불확실한 사례를 더 일찍 사람에게 넘기기, 요청을 종료로 집계하기 전에 수신자 측 확인("문제가 해결되었습니까?")을 추가하기 등이 있습니다. 이 중 어느 것이 순 실현 가치를 높이는지는 경험적인 문제이며, 이 시나리오는 그에 답하는 데 어떤 숫자가 필요한지만 보여 줍니다.

11 한계

이 논문은 VMT의 공리와 정리, 그리고 Æilus 방법론 자료에서 도출한 개념적 분석입니다. 경험적 데이터는 보고하지 않습니다. 7절의 반가치 범주는 관찰 가능한 범주로 제안된 것이며, 실제 조직에서의 빈도와 규모는 이 연구로는 알 수 없습니다.

수신자 측 측정은 비용이 많이 들 수 있고, 일부 수신자는 자신의 상태를 보고할 수 없습니다. 검토 노력, 신뢰, 숙련도 저하를 Æ로 환산하려면 VSO가 정의하는 집계 정책(policy)이 필요하며, 이러한 가치는 부분적으로만 통약 가능합니다(A13). 예를 들어 AI 공급자를 포함하는 것처럼 경계가 다르면 다른 결론이 나올 것입니다(T15). 또한 이 논문은 AI 시스템을 고정된 변환기로 다루지만, 수신자 피드백에서 학습하는 시스템은 시간이 지나면서 계획과 실제의 격차를 바꿀 수 있습니다.

검증을 위해서는 여러 가치 체계에서 AI 변환기를 종단적으로 관찰해야 하며, 같은 흐름에서 계획 가치, 수신자 측 실현 가치, 검토 노력, 반가치 지표를 시간에 따라 기록해야 합니다.

12 결론

AI를 디지털 직원으로 보는 것은 흐름의 생산자 측, 즉 AI가 가장 강한 곳에서 AI를 측정하고, 가치가 실현되는 수신자 측은 측정하지 않은 채로 남겨 둡니다. AI를 변환기 역할(A7)로 보면 전체 교환이 드러납니다. AI는 데이터, 컴퓨팅, 인간의 주의력, 검토 노력을 소비하고, 수신자가 소비하기 전까지는 가설로 남는 가치 요소를 생산합니다(A6). AI 산출물의 계획 가치와 실현 가치는 서로 벗어나며(A4, T3), 이 벗어남은 숨겨진 재작업과 누적되는 반가치로 이어집니다(A5, T4, T6).

실천적 결론은 다음과 같습니다. 누구의 가치를 측정하는지 선언하십시오. AI 역할을 그 산출물과 수신자로 명명하십시오. 검토를 포함한 모든 입력과 함께 가치 체계 스키마(Value System Schema)에 그리십시오. 산출물이 소비되는 곳에서 가치를 측정하고, 생산자 측 집계와 수신자 측 확인 사이의 격차를 추적하십시오. 소유권은 시스템 자체가 아니라 VTO에게 부여하십시오. 수신자가 확인한 것만 확장하십시오. 이런 방식으로 측정한 AI 프로그램은 첫 보고서에서는 덜 인상적으로 보일 수 있지만, 이후의 보고서에서는 훨씬 더 유용할 수 있습니다.

참고 문헌

• Bolshakov, V. Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective. ÆVRI, 2026.
• Bolshakov, V. Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners. ÆVRI, 2026.
• Bolshakov, V. Æilus Methodology v2.0. aeilus.tech, 2026.
• Bolshakov, V. Rethinking Efficiency: Value Systems, Flows, Converters, and Elements. aeilus.tech, 2026.
• Bolshakov, V. Value Elements: What We Actually Produce and Consume. aeilus.tech, 2026.
• Goodhart, C. A. E. Problems of Monetary Management: The U.K. Experience. 1975.
• Reinertsen, D. G. The Principles of Product Development Flow. 2009.
• Womack, J. P. and Jones, D. T. Lean Thinking. 1996.