팀의 AI 역량은 사용량이 아니라 회수율로 드러난다

AI 활용도를 볼 때 생성량보다 회수율을 보고 싶다. 회수율은 AI가 만든 산출물이 팀 안에서 다시 쓸 수 있는 자산으로 얼마나 바뀌었는지를 보는 기준이다.

• 더 나은 코드가 남았는가.
• 더 정확한 테스트가 남았는가.
• 더 명확한 설계 판단이 남았는가.
• 다음 사람이 이해할 수 있는 문서가 남았는가.
• 다음 문제를 풀 단서가 팀 안에 남았는가.

이 목록에 남는 것이 없다면 산출물은 팀의 자산이 되지 못한다. 당장 동작하는 코드일 수는 있지만, 팀이 판단하고 추적하고 복구할 수 없는 의존성으로 남는다.

회수하면 자산이 되고 방치하면 의존성이 된다. 같은 변경이라도 "백오프로 교체함" 한 줄만 남은 PR과 무엇·왜·검증·다음 단서까지 남은 PR은 반년 뒤 가치가 다르다. 앞은 코드만 남고, 뒤는 판단까지 남는다. 회수율은 이 차이를 본다.

설명과 예시

토큰 사용량·프롬프트 수·생성 코드량은 얼마나 많이 투입했는지를 보여준다. 회수율은 그 활동 뒤 무엇이 팀에 남았는지를 본다. 사용량이 노력을 보여준다면, 회수율은 팀이 AI 산출물을 흡수해 다음 작업에 재사용할 역량으로 바꿨는지를 보여준다.

회수율의 단위를 PR로 잡으면 리뷰와 기록의 품질을 보는 기준이 된다. 더 긴 기간으로 보면 반복해서 남은 테스트·설계 판단·문서가 팀의 학습 자산으로 이어졌는지 돌아볼 수 있다. 다만 아직 정식 산식이라기보다 팀의 시선을 생성량에서 잔존 가치로 돌리는 질문에 가깝다.

발전시킬 질문

• 회수율의 분모와 분자를 무엇으로 잡아야 형식적인 숫자가 되지 않을까?
• 코드·테스트·문서처럼 형태가 다른 자산의 잔존 가치를 어떻게 함께 볼 수 있을까?

출처

• 개인의 AI 활용을 팀의 역량으로 바꾸려면 공개되지 않은 자료 - 회수율 개념과 설명·검증·학습 루프를 정리한 원문

연관된 글

연관된 노트

• AI 활용의 마찰은 위험도에 맞게 설계해야 한다
• 기술 부채, 이해 부채, 역량 부채