컨설턴트를 위한 AI

컨설팅은 AI가 속도를 높일 수 있는 세 가지 업무, 즉 정보 수집 및 종합, 설득력 있는 스토리 구성, 데이터 분석을 중심으로 진행됩니다. 대기업에서는 이를 위한 내부 도구를 구축했습니다. 예를 들어, McKinsey는 자체 지식을 검색하기 위해 2023년 Lilli라는 내부 생성 AI 도우미를 도입했습니다. 많은 소규모 회사에서는 일반 비서의 엔터프라이즈 버전을 사용합니다. 연구 종합이란 보고서, 인터뷰 노트, 시장 자료를 주제별로 요약하는 것을 의미합니다. AI는 이 작업을 빠르게 수행하지만 합성은 중립적이지 않습니다. 모델은 가장 일반적인 관점을 반복하고, 모순을 완화하고, 비정상적인 이상치를 삭제하는 경향이 있으며, 이상치는 때로는 통찰력입니다. 좋은 방법은 특정 출처에 대한 인용을 요구하고 원본 샘플을 읽는 것입니다. 컨설팅 슬라이드는 지배적 사고, 뒷받침하는 주장, 결론을 기술하는 조치 제목 등 알려진 규칙을 따르기 때문에 스토리라인 작업은 AI에 잘 맞습니다. AI는 구조를 제안하고 헤드라인을 강화할 수 있습니다. 클라이언트의 CEO가 무엇을 걱정하는지 알 수 없습니다. 산문체로 숫자를 명시하는 것보다 AI가 검사하고 다시 실행할 수 있는 코드나 수식을 작성할 때 분석이 가장 안전합니다. 기밀성은 어려운 제약입니다. 고객 데이터는 일반적으로 계약 및 NDA에 포함되므로 컨설턴트는 고객 데이터에 대한 교육이 제외된 회사 승인 도구를 사용해야 합니다. 또한 AI 사용을 완전히 금지할 수 있는 클라이언트 자체 규칙을 따라야 합니다. 품질에 대한 증거는 엇갈립니다. 보스턴 컨설팅 그룹 컨설턴트와 함께 하버드 비즈니스 스쿨 연구원이 주도한 2023년 현장 실험에서는 들쭉날쭉한 국경을 설명했습니다. 모델 기능 내의 작업에서 AI를 사용하는 컨설턴트는 더 빠르고 효율적으로 작업을 수행했습니다. 그 밖의 과제에서는 잘못된 답에 도달할 가능성이 더 높았습니다. 교훈은 작업이 국경의 어느 쪽에 있는지 아는 것입니다. 후배들에게는 고전적인 초안 작업(책상 조사, 서식 지정, 데이터 정리)이 줄어들기 시작합니다. 이는 실제 견습 질문을 제기합니다. 새로운 컨설턴트가 더 이상 기초 작업을 수행하지 않는 경우 어떻게 판단을 내릴 수 있습니까?