북집 지식DB

AI를 개인 도구가 아니라 팀 도구로 쓰는 법

AI는 보고서를 작성하고 자료를 요약하는 개인 비서로 빠르게 자리 잡았다...

AI를 개인 도구가 아니라 팀 도구로 쓰는 법

AI는 보고서를 작성하고 자료를 요약하는 개인 비서로 빠르게 자리 잡았다. 그러나 회의와 협업에 AI를 참여시키면 발언권과 토론 방식, 판단의 주도권까지 달라진다. 팀의 성과를 높이려면 AI 사용법을 익히는 데서 나아가 인간과 AI가 함께 일하는 규칙을 설계해야 한다.

[Key Message]

* 개인의 AI 활용 능력이 높아져도 팀의 의사결정이 저절로 좋아지는 것은 아니다. 팀 성과에는 업무 속도뿐 아니라 참여, 조율, 신뢰, 책임이 함께 작용한다.

* AI에 입력할 질문은 팀이 공동으로 설계해야 한다. 질문 작성 권한이 한 사람에게 집중되면 그 사람의 관점이 팀 전체의 문제 정의로 바뀔 수 있다.

* AI는 정답을 내리는 권위자가 아니라 비판자, 고객, 경쟁자, 미래 관찰자, 촉진자 등 다양한 역할을 맡아야 한다. 이러한 활용은 익숙한 가정을 흔들고 토론의 시야를 넓힌다.

* AI의 답변은 회의의 결론이 아니라 검증해야 할 사고 재료다. 사실과 추정, 가정과 의견을 구분하고 원자료, 전문가, 고객 및 현장의 정보를 통해 교차 검증해야 한다.

* 최종 판단과 책임은 끝까지 인간과 팀이 소유해야 한다. AI가 무엇을 제안했는지뿐 아니라 팀이 무엇을 선택했고 왜 그렇게 결정했는지를 명확히 기록해야 한다.

***

개인의 생산성이 팀의 성과를 보장하지 않는다

생성형 AI는 개인의 업무 방식을 빠르게 바꾸고 있다. 이메일 초안을 만들고, 긴 보고서에서 핵심을 추출하며, 아이디어를 정리하고, 복잡한 데이터를 이해하기 쉬운 문장으로 바꿔준다. 과거에는 몇 시간이 필요했던 작업을 몇 분 안에 처리할 수 있다는 경험이 확산되면서 AI는 어느새 특별한 혁신 기술이 아니라 일상적인 업무 도구가 됐다. 기업도 직원들에게 AI 계정을 제공하고 교육 프로그램을 운영하며 활용을 장려하고 있다.

그러나 개인이 AI를 잘 사용하는 것과 팀이 AI를 잘 사용하는 것은 전혀 다른 문제다. 개인 업무에서는 사용자와 AI 사이의 관계만 조정하면 된다. 원하는 결과가 나오지 않으면 질문을 수정하거나 다른 표현으로 다시 요청하면 된다. AI의 답변을 받아들일지 말지도 개인이 판단할 수 있다. 반면 팀 회의에는 서로 다른 직무와 전문성, 이해관계, 권한이 함께 들어온다. 한 사람에게 유용한 답변이 다른 사람에게는 중요한 조건을 빠뜨린 제안일 수 있고, 효율적인 정리가 누군가에게는 자신의 의견이 지워지는 경험이 될 수 있다.

개인 생산성은 기본적으로 작업 속도와 품질의 문제다. 팀 성과는 여기에 조정과 참여, 신뢰와 책임이라는 요소가 추가된다. 구성원 개개인이 AI를 활용해 더 많은 자료를 만들었다고 해서 팀이 더 나은 결정을 내리는 것은 아니다. 오히려 각자 다른 AI와 대화하고 서로 다른 전제에서 자료를 생산하면 정보의 양은 늘어나지만 공통의 이해는 약해질 수 있다. 회의에 제출되는 문서는 풍부해져도 어떤 자료를 믿어야 하는지, 서로 충돌하는 분석을 어떻게 조정할지 판단하는 데 더 많은 시간이 들기도 한다.

이러한 변화는 AI 활용의 중심이 개인에서 팀으로 이동할수록 중요해진다. 캐프제미니연구소가 전 세계 임원 500명을 대상으로 실시한 조사에서는 향후 3년 안에 팀 회의에서 AI를 적극적으로 활용하는 비율이 세 배 이상 증가할 것으로 전망됐다. 기업의 기대도 크다. AI가 회의 내용을 정리하고 정보를 즉시 제공하며 다양한 대안을 제시한다면 회의 시간을 줄이면서도 더 높은 수준의 결과에 도달할 수 있다는 판단이다.

문제는 AI를 회의에 추가한다고 해서 협업이 저절로 좋아지지는 않는다는 데 있다. 기존 회의가 소수의 발언에 좌우되고, 부서 간 정보가 충분히 공유되지 않으며, 결론을 내린 뒤에도 책임 소재가 불분명했다면 AI는 이러한 문제를 해결하기보다 더 빠르게 확대할 수 있다. 불완전한 협업 구조 위에 강력한 기술을 올리면 기존의 결함까지 강화되기 때문이다.

따라서 팀 단위 AI 도입에서 먼저 물어야 할 질문은 “어떤 AI를 사용할 것인가”가 아니다. “우리 팀은 어떤 방식으로 질문을 만들고, 누구의 관점을 반영하며, AI의 제안을 어떻게 검증하고, 최종 판단의 책임을 누가 질 것인가”를 물어야 한다. 기술을 선택하기 전에 협업의 원칙부터 세워야 하는 이유다.

AI가 들어온 회의에서 벌어지는 뜻밖의 문제

회의실에서 AI를 사용하는 가장 간단한 방법은 한 사람이 컴퓨터를 열고 팀을 대신해 질문을 입력하는 것이다. 겉으로는 효율적으로 보인다. 참석자들이 의견을 말하면 담당자가 프롬프트를 작성하고, AI가 몇 초 안에 답변을 내놓는다. 그러나 이 방식에는 눈에 잘 보이지 않는 권력의 이동이 일어난다. AI를 조작하는 사람이 질문의 표현과 범위, 포함할 조건과 제외할 조건을 선택하기 때문이다.

프롬프트는 단순한 명령문이 아니다. 무엇을 문제로 볼 것인지 결정하는 작은 의사결정 구조다. “신제품의 판매 전략을 제안해 달라”는 질문과 “기존 고객의 이탈을 줄이면서 신제품 매출을 높일 방법을 제안해 달라”는 질문은 서로 다른 답변을 만든다. 여기에 비용, 브랜드 가치, 현장 인력, 기술적 제약과 같은 조건을 포함하느냐에 따라서도 결과가 달라진다. 한 사람이 이 과정을 전담하면 그 사람의 관점이 자신도 모르는 사이 팀 전체의 질문으로 바뀔 수 있다.

다른 구성원들은 점차 관전자 모드로 밀려날 가능성이 있다. 화면에 AI의 답변이 빠르게 생성되면 사람들은 대화를 멈추고 결과를 읽기 시작한다. 이전에는 서로 질문하고 반박하며 생각을 발전시켰지만, 이제는 AI가 내놓은 문장을 평가하는 역할에 머물 수 있다. 회의가 인간과 인간의 대화에서 인간과 화면의 관계로 바뀌는 것이다. 특히 직급이 낮거나 발언 기회가 적은 구성원은 자신의 생각을 충분히 설명하기 전에 AI의 정리된 답변과 마주하게 된다.

논의가 분절되는 문제도 나타난다. 참석자들이 떠오르는 질문을 그때그때 AI에 입력하면 답변은 많아지지만 하나의 사고 흐름으로 연결되지 않을 수 있다. 시장 규모를 묻다가 경쟁사를 분석하고, 곧바로 홍보 문구를 만든 뒤 예상 위험을 질문하는 식이다. 각각의 답변은 그럴듯하지만 서로 다른 가정 위에 놓여 있을 가능성이 크다. 팀은 많은 정보를 확보했다고 느끼지만 정작 무엇을 결정해야 하는지는 더 불분명해진다.

AI가 제시한 첫 답변이 토론의 기준점이 되는 현상도 경계해야 한다. 사람은 처음 접한 숫자나 설명을 중심으로 이후 판단을 조정하는 경향이 있다. AI가 회의 초반에 특정 시장을 유망하다고 평가하면 이후 토론은 그 시장에 진출할지를 검토하기보다 어떻게 진출할지를 논의하는 방향으로 흐르기 쉽다. 아직 검증되지 않은 제안이 논의의 출발점을 넘어 사실상의 전제로 굳어지는 것이다.

문장이 유창하다는 점도 판단을 어렵게 한다. AI는 불확실한 내용도 논리적이고 자신감 있는 표현으로 제시할 수 있다. 자료의 근거가 약하거나 중요한 맥락이 빠져 있어도 형식이 완성돼 있으면 참석자들은 이를 높은 수준의 분석으로 받아들이기 쉽다. 시간에 쫓기는 회의에서는 출처와 조건을 하나씩 확인하기보다 “방향은 맞아 보인다”며 다음 단계로 넘어갈 가능성이 더욱 커진다.

가장 큰 문제는 판단의 소유권이 흐려지는 것이다. 팀이 AI의 제안을 선택했는데 결과가 좋지 않으면 누구의 판단이었는지 모호해진다. 질문을 입력한 사람, 답변에 동의한 참석자, 회의를 주재한 리더가 서로 책임을 미룰 수 있다. “AI가 그렇게 분석했다”는 말은 설명처럼 들리지만 실제로는 판단의 공백을 드러낸다. AI는 제안을 생성할 수 있을 뿐 그 제안을 채택한 결과에 책임질 수 없다.

AI가 회의의 질을 떨어뜨리는 원인은 기술 자체라기보다 준비되지 않은 사용 방식에 있다. 구성원이 어떤 역할을 맡고 AI가 어느 단계에 개입할지 정하지 않은 채 도구부터 실행하면, 참여는 줄어들고 논의는 조각나며 판단의 주도권은 팀 밖으로 이동할 수 있다. 회의 시간이 짧아지는 대신 숙고도 짧아질 수 있다는 뜻이다.

팀 전체가 함께 AI와 대화한다

AI를 팀 도구로 사용하기 위한 첫 번째 원칙은 AI와의 대화를 공동 작업으로 만드는 것이다. 누군가가 팀을 대신해 질문하고 답변을 전달하는 방식에서 벗어나, 질문을 만드는 과정 자체에 구성원들이 참여해야 한다. 좋은 프롬프트는 기술적으로 세련된 문장이 아니라 팀의 다양한 지식과 우려를 충실히 담은 질문이다.

회의를 시작할 때는 AI를 바로 실행하기보다 문제의 범위부터 합의하는 것이 좋다. 지금 해결해야 할 문제가 무엇인지, 어떤 결과가 필요한지, 고려해야 할 제약은 무엇인지, 아직 확인되지 않은 가정은 무엇인지 구성원들이 먼저 말해야 한다. 영업 담당자는 고객의 반응을, 재무 담당자는 비용과 수익성을, 기술 담당자는 구현 가능성을, 현장 담당자는 운영상의 위험을 제시할 수 있다. 이 관점들이 하나의 질문 안에 반영될 때 AI의 답변도 팀의 실제 상황에 가까워진다.

AI에 팀의 배경을 설명하는 과정도 필요하다. 구성원의 역할과 전문성, 프로젝트가 처한 환경, 이미 시도한 방법과 실패한 이유를 알려주면 일반적인 조언을 넘어 보다 구체적인 분석을 얻을 수 있다. 다만 이러한 정보에는 고객 정보나 영업비밀, 개인정보가 포함될 수 있으므로 기업의 보안 정책과 데이터 사용 기준을 따라야 한다. 더 많은 정보를 입력하는 것이 언제나 좋은 것은 아니다. 필요한 맥락은 제공하되 입력해서는 안 되는 정보의 경계를 분명히 해야 한다.

프롬프트는 한 사람이 완성한 뒤 보여주는 것이 아니라 화면에 공개한 상태에서 함께 수정할 수 있다. “고객 관점이 빠졌다”, “예산 조건을 넣어야 한다”, “이 표현은 이미 특정 결론을 전제한다”는 의견이 나올 수 있다. 이 과정은 다소 느려 보이지만 팀의 사고를 정렬하는 중요한 단계다. 구성원들은 질문을 함께 만드는 동안 서로가 무엇을 중요하게 생각하는지 이해하고, 문제에 대한 공통 언어를 형성한다.

AI가 답변을 내놓은 뒤에도 모든 구성원이 수정과 반박에 참여해야 한다. 누가 어떤 부분에 동의하는지, 무엇이 현실과 다른지, 어떤 정보가 누락됐는지 차례로 확인하는 방식이 효과적이다. AI의 답변을 회의의 결론으로 취급하지 않고 검토할 재료로 놓는 것이다. 이때 리더는 가장 먼저 자신의 평가를 밝히기보다 다른 구성원의 의견을 먼저 들을 필요가 있다. 리더가 AI의 답변에 긍정적인 반응을 보이면 반대 의견을 가진 구성원이 침묵할 수 있기 때문이다.

팀에는 AI와의 상호작용을 관리하는 역할도 필요하다. 다만 한 사람이 계속 프롬프트를 담당하면 다시 권한이 집중될 수 있으므로 회의마다 역할을 바꾸거나 단계별로 나누는 방법을 고려할 수 있다. 한 사람은 질문을 입력하고, 다른 사람은 답변의 근거를 확인하며, 또 다른 사람은 누락된 관점과 반론을 찾는 식이다. 역할이 분리되면 AI를 능숙하게 다루는 한 사람의 기술에 팀 전체가 의존하는 문제도 줄어든다.

발언의 균형을 확인하는 장치도 마련할 수 있다. AI를 사용하기 전 구성원들이 각자 독립적으로 의견을 적거나, 답변을 확인한 뒤 모든 참석자가 한 번씩 우려 사항을 말하도록 하는 방식이다. 독립적인 생각을 먼저 확보하면 AI의 첫 답변에 지나치게 영향을 받는 현상을 줄일 수 있다. 목소리가 큰 사람뿐 아니라 현장을 잘 아는 사람, 고객과 가까운 사람, 다른 경험을 가진 사람의 관점도 질문에 포함될 가능성이 높아진다.

여기서 중요한 것은 모두가 같은 AI 화면을 본다는 사실이 아니다. 팀원들이 질문의 형성과 답변의 해석에 함께 참여하고 있다는 감각이다. AI가 공동 자원으로 인식될 때 구성원은 기술의 결과를 수동적으로 소비하지 않고 적극적으로 개입한다. 팀용 AI의 핵심은 하나의 계정을 공유하는 데 있지 않다. 질문과 검증, 해석과 판단의 권한을 공유하는 데 있다.

AI에게 하나가 아닌 여러 역할을 맡긴다

회의에서 AI가 맡는 역할은 대개 기록과 요약에서 시작한다. 회의 내용을 정리하고 할 일을 추출하며 결정 사항을 문서화하는 기능은 유용하다. 그러나 AI를 기록자로만 사용하면 협업을 개선할 수 있는 더 큰 가능성을 놓치게 된다. AI는 의견을 대신 결정하는 권위자가 아니라 팀의 사고 범위를 넓히는 여러 역할로 활용할 수 있다.

대표적인 역할은 비판자다. 팀이 특정 방안에 빠르게 합의했을 때 AI에 그 결정이 실패할 수 있는 이유를 찾아 달라고 요청할 수 있다. 가장 취약한 가정은 무엇인지, 반대 입장에서는 어떤 문제를 제기할지, 예상하지 못한 부작용은 무엇인지 질문하는 것이다. 내부적으로 동의가 강한 팀일수록 이러한 역할이 중요하다. 구성원이 직접 반론을 제기하면 관계의 부담을 느낄 수 있지만, AI를 통해 반대 논리를 먼저 제시하면 토론의 문을 비교적 편하게 열 수 있다.

고객의 역할을 맡길 수도 있다. 신제품이나 서비스를 검토할 때 기업 내부의 논리는 쉽게 공급자 관점에 머문다. AI에 가격에 민감한 고객, 디지털 환경에 익숙하지 않은 고객, 기존 제품에 만족한 고객, 불만을 경험한 고객의 입장에서 질문하도록 요청하면 팀이 미처 보지 못한 마찰 지점을 발견할 수 있다. 물론 AI가 실제 고객을 완벽하게 대변하지는 못한다. 고객 조사와 현장 인터뷰를 대체하기보다 어떤 질문을 추가로 확인해야 하는지 찾는 도구로 활용해야 한다.

경쟁자나 외부 이해관계자의 역할도 가능하다. 경쟁사가 우리의 전략에 어떻게 대응할지, 규제기관은 어떤 위험을 문제 삼을지, 협력업체에는 어떤 부담이 생길지 검토할 수 있다. 하나의 안건을 서로 다른 입장에서 반복해 보면 팀 내부의 이해관계만으로는 보이지 않았던 영향을 확인할 수 있다. 특히 전략적 의사결정은 조직 내부에서 합리적으로 보여도 시장 전체의 반응에 따라 결과가 달라지므로 외부 관점을 의도적으로 불러오는 과정이 필요하다.

미래 관찰자 역할도 의미가 있다. 현재의 결정을 1년 뒤 또는 3년 뒤에서 돌아보며 무엇을 후회할 가능성이 있는지, 지금은 작아 보이지만 시간이 지나며 커질 위험이 무엇인지 묻게 하는 것이다. 단기 성과에 집중된 회의에서는 장기적인 역량 손실이나 고객 신뢰, 조직문화의 변화가 간과되기 쉽다. AI를 통해 시간의 시점을 바꿔 보면 판단의 범위를 넓힐 수 있다.

회의가 정체됐을 때는 촉진자 역할을 맡길 수 있다. 지금까지 나온 의견의 공통점과 차이점을 정리하고, 아직 답하지 못한 질문을 제시하며, 논의를 진전시킬 선택지를 만들어 달라고 요청하는 것이다. 다만 AI가 토론을 지나치게 매끄럽게 정리하면 실제 갈등이 사라진 것처럼 보일 수 있다. 표현이 다를 뿐 근본적으로 충돌하는 이해관계가 있다면 이를 분명히 드러내야 한다. 좋은 정리는 갈등을 감추는 것이 아니라 무엇이 합의됐고 무엇이 남아 있는지 구별하는 작업이다.

AI에 여러 역할을 맡기는 목적은 더 많은 답변을 받는 것이 아니다. 하나의 문제를 여러 각도에서 바라보고 팀이 당연하게 여겼던 가정을 흔드는 데 있다. “최선의 전략을 알려 달라”는 질문보다 “이 전략이 실패하는 세 가지 경로를 제시하라”, “서로 다른 고객 유형은 무엇을 우려할까”, “우리와 반대되는 결론이 타당하려면 어떤 조건이 필요할까”와 같은 질문이 팀의 사고를 깊게 만든다.

정답을 요구하는 순간 AI는 권위자처럼 보이기 쉽다. 반대로 반론과 질문, 시나리오와 대안을 요구하면 AI는 사고를 돕는 협력자가 된다. 팀이 필요로 하는 것은 언제나 빠른 결론이 아니다. 때로는 성급한 합의를 늦추고 아직 검토하지 않은 가능성을 발견하는 일이 더 중요하다. AI의 진정한 가치는 답을 빨리 내놓는 능력보다 팀이 더 좋은 질문을 만들도록 자극하는 능력에서 드러난다.

판단과 책임은 끝까지 팀이 소유한다

AI를 팀 도구로 활용하는 마지막 원칙은 판단과 책임의 경계를 분명히 하는 것이다. AI는 자료를 분석하고 선택지를 생성하며 논리를 비교할 수 있지만 조직의 목표와 가치, 위험 감수 수준을 스스로 결정할 수 없다. 같은 정보를 놓고도 기업의 상황과 책임에 따라 다른 선택이 필요하다. 무엇을 우선할지 정하는 일은 여전히 사람과 조직의 몫이다.

이를 위해서는 AI의 제안과 팀의 결정을 회의 기록에서 구분해야 한다. 어떤 질문을 입력했고 AI가 무엇을 제안했는지, 팀이 그중 무엇을 받아들이거나 거부했는지, 그 이유는 무엇인지 남길 필요가 있다. 모든 대화를 방대하게 저장하라는 뜻은 아니다. 결정에 영향을 준 핵심 가정과 검증 결과, 최종 책임자를 추적할 수 있어야 한다는 의미다.

AI의 답변을 검토하는 기본 절차도 마련해야 한다. 사실과 수치의 출처가 확인됐는지, 최신 정보인지, 조직의 실제 조건과 맞는지, 빠진 이해관계자는 없는지, 특정 집단에 불리한 편향이 포함되지 않았는지 살펴야 한다. 중요한 의사결정일수록 원자료와 전문가 의견, 고객과 현장의 정보를 통해 교차 검증해야 한다. AI가 자신 있게 표현했다고 해서 검증 수준을 낮춰서는 안 된다.

불확실성을 표시하는 습관도 중요하다. 확인된 사실, 추정, 가정, 의견을 구분하면 AI의 답변을 과도하게 신뢰하는 위험을 줄일 수 있다. 예를 들어 시장 규모는 공식 통계로 확인할 수 있지만 경쟁사의 향후 대응은 추정에 가깝다. 고객 반응 역시 과거 데이터에서 일부 단서를 얻을 수 있을 뿐 실제 조사 없이 단정하기 어렵다. 이 차이를 명시하면 팀은 어떤 부분에 추가 검증이 필요한지 알 수 있다.

팀의 AI 활용 규칙은 업무의 위험 수준에 따라 달라져야 한다. 아이디어 발산이나 회의 제목 정리에는 비교적 간단한 검토로 충분할 수 있다. 반면 인사 결정, 투자, 법률, 안전, 의료, 개인정보와 관련된 문제에는 훨씬 엄격한 기준이 필요하다. 사용 가능한 데이터의 범위, 인간 전문가의 검토 여부, 승인 권한과 기록 보존 방식까지 구체적으로 정해야 한다.

좋았던 프롬프트와 실패 사례를 팀의 자산으로 축적하는 것도 필요하다. 어떤 질문이 유용한 답변을 만들었는지뿐 아니라 어떤 질문이 토론을 편향시키거나 중요한 조건을 빠뜨렸는지도 기록해야 한다. 회의가 끝난 뒤 짧게라도 AI가 참여를 넓혔는지, 논의를 분절시켰는지, 판단을 개선했는지 돌아보면 팀만의 사용 원칙이 발전한다. AI 활용 능력은 한 번의 교육으로 완성되는 기술이 아니라 반복적인 실험과 성찰을 통해 만들어지는 협업 역량이다.

리더의 역할도 달라진다. 리더는 팀에서 AI를 가장 능숙하게 사용하는 사람이 될 필요는 없다. 그보다 구성원들이 자유롭게 질문하고 반론을 제기할 수 있는 환경을 만들며, AI의 답변이 권위로 굳어지지 않도록 관리해야 한다. 기술에 익숙한 사람에게 발언권이 집중되지 않는지, 현장의 경험과 소수 의견이 입력 과정에서 빠지지 않는지, 최종 결정을 누가 책임지는지 확인하는 일이 중요하다.

팀 단위의 AI 활용은 회의를 자동화하는 프로젝트가 아니다. 협업의 구조를 다시 설계하는 일이다. 개인이 혼자 AI를 사용할 때는 속도가 가장 눈에 띄지만, 팀이 함께 사용할 때는 관계와 권한, 참여와 책임이 성과를 좌우한다. AI가 회의록을 완벽하게 정리해도 구성원이 논의에서 소외됐다면 좋은 협업이라고 보기 어렵다. 회의 시간이 줄었어도 잘못된 가정을 검토하지 못했다면 생산성이 향상됐다고 말하기 힘들다.

좋은 팀은 AI를 대신 생각해 주는 존재로 대하지 않는다. 구성원들이 자신의 생각을 더 정확하게 표현하고, 서로 다른 관점을 비교하며, 익숙한 판단을 의심하도록 돕는 장치로 사용한다. AI가 답을 제시하면 팀은 그 답의 근거를 묻고, 누락된 조건을 찾으며, 반대되는 가능성을 검토한다. 결정이 내려진 뒤에는 “AI가 선택했다”고 말하지 않고 팀이 어떤 이유로 선택했는지 설명할 수 있어야 한다.

AI를 개인 도구에서 팀 도구로 전환한다는 것은 여러 사람이 같은 기술을 사용하는 것보다 훨씬 큰 변화를 뜻한다. 질문을 공동으로 만들고, AI에 다양한 역할을 부여하며, 답변을 함께 검증하고, 판단의 책임을 끝까지 인간이 소유하는 새로운 협업 방식을 구축하는 일이다. 이러한 원칙이 자리 잡을 때 AI는 구성원의 목소리를 줄이는 기술이 아니라 더 많은 관점을 연결하는 기술이 될 수 있다. 팀의 생각을 대신하는 도구가 아니라 팀이 더 깊고 넓게 생각하도록 돕는 공동의 지적 자원이 되는 것이다.

Reference

Harvard Business Review, May 2026, Rosani, G., Farri, E., Trabucchi, D., and Buganza, T., It’s Hard to Use AI as a Team. These 3 Practices Can Help