Understanding tokenization and consumption in LLMs

Large language models (LLMs) such as ChatGPT, Claude Cowork and GitHub Copilot have revolutionised the way individuals and organizations interact with artificial intelligence for content generation, coding assistance and collaborative work. At the core of these advancements lies the concept of tokenization — a fundamental process that dictates how user inputs are interpreted, processed and…

The increasing need to expand a tech knowledge base

Technological sovereignty is often debated in terms of jurisdiction, compliance, or vendor origin. All of that is important, but it leaves out the important issue of retaining critical knowledge, which directly impacts the CIO. Case in point, British bank TSB undertook a critical platform migration in 2018. The operation relied on a structure that, on paper, had guarantees of a validated…

Designing for complexity: Lessons from building a digital wallet integration

Years ago, around 2015, while working on a digital wallet integration initiative at Lloyds Bank, I realized something fundamental: modern payment capabilities are not traditional software projects. Digital wallets such as Apple Pay changed how financial institutions design, deliver and govern technology. What appeared externally as a simple “tap-to-pay” feature required deep coordination across device…

Bridging the digital divide in Asia-Pacific EPC

Why integrated execution is now a competitive necessity Engineering, Procurement and Construction (EPC) organisations across Asia-Pacific are under intense pressure. Record investment in infrastructure, energy transition projects and urban development is colliding with rising costs, labour shortages and increasing scrutiny around delivery certainty. Digital transformation is widely seen as part of the answer. Yet despite…

링크드인, 브라우저 정보 수집 공방…종교·정치 성향 추론 의혹 제기

10억 명 이상 이용자를 보유한 플랫폼인 링크드인이 해당 데이터를 활용할 경우, 종교적·정치적 성향까지 추론할 수 있는 개인식별정보에 접근할 수 있다는 지적이 제기됐다. 다만 링크드인이 이처럼 수집한 데이터를 실제로 어떻게 활용하는지는 명확히 확인되지 않았다. 이 주장은 ‘브라우저게이트(BrowserGate)’라는 이름의 캠페인을 통해 공개됐다. 해당 사이트는 링크드인이 “이용자 컴퓨터를 불법적으로 검색하고 있다”라며 “현대 역사상 가장 큰 규모의 기업 스파이…

몰로코 기고 | AI 시대의 마케팅 혁신, 기술보다 ‘변화하는 소비자 행동’에 집중하라

2026년 3월 몰로코가 보스턴컨설팅그룹 (이하 BCG)와 공동으로 발간한 ‘AI 시대, 변화하는 고객 여정과 새로운 기회’ 글로벌 보고서를 살펴보면, 지금 일어나고 있는 AI 혁신의 핵심은 기술적 진보보다 소비자 행동의 변화에 있다. 단순히 생성형 AI라는 새로운 도구가 등장한 것을 넘어, 이 기술을 대하는 소비자의 기대와 활용 방식 자체가 근본적으로 달라지고 있기 때문이다. 그 결과 소비자의 구매 여정은…

IT 비효율, 기업에 연간 수백만 달러 손실 초래…해법은 무엇인가

느린 헬프데스크 지원을 포함한 IT 비효율로 인해 많은 기업이 매년 수백만 달러의 비용을 부담하고 있으며, 다수의 직원과 IT 리더가 매주 여러 시간의 업무 시간을 잃고 있는 것으로 나타났다. AI 기반 헬프데스크 제공업체 아테라(Atera)의 설문조사 결과에서 확인된 내용이다. 헬프데스크 지연과 기타 IT 비효율이 흔하고 비용 부담이 크다는 점은 이미 알려져 있었지만, AI 기반 헬프데스크 제공업체 아테라(Atera)를…

AI活用は社員が嫌いな仕事から始めよ

多くの企業がAI活用に踏み切れずにいる。活用すべきとわかっているが、二の足を踏んでいる場合は、以下の3つの条件を同時に満たそうとしているからではないか。

・AIが確実にこなせる業務を見つけること
・実際のビジネス価値を証明すること
・社員の反発や雇用不安を生まずに進めること

この3つは一見、不可能な組み合わせに見える。しかし、3つの条件を同時に満たすスポットは意外なところにあるし、シンプルだ——社員が嫌がっている仕事から始めればいい。

AIが最も得意とするのは、人間が最もうんざりする作業だ。膨大な書類の要約、翻訳、フォームへの記入、PDFからのデータ抽出——そしてそれを何千ページにわたって繰り返すこと。幸いなことに、社員はこうした仕事を嫌だ、面倒くさいと思っている。しかも、そのような作業に割く時間は決して少なくはない。McKinseyの試算では、ナレッジワーカーは実際の業務に入る前の情報収集だけで、勤務時間の約20%を費やしているという。

ここに自然な分業が生まれる。創造的な仕事は人間に任せる——社員は創造的な仕事の方を好むし、AIよりはるかにうまくこなす。単調で繰り返しの多い、月曜の朝が憂鬱になるような作業はAIに任せる。

つまり、「社員が嫌がっている仕事は何か」と問うことが、AIに任せるべき業務を見つける最良の基準と言えるのだ。

AIに任せるべきは「誰もやりたくない仕事」だ

AIに重要な判断を任せろということではない。住宅ローンの審査でも、投資の意思決定でもない。誰もやりたくなくて、急いでやって、ミスが多い——そういう単調な作業だ。

例えば契約書のタグ付け。契約書をアップロードして、会社名、日付、管轄、条項など10〜15の必須フィールドを埋める作業がある。誰も好きではない。退屈な業務なので注意力を注がず、急いで済ませようとするから、ミスが出る。早く終わらせようと「承認」をクリックする。

その作業をAIに任せる。AIがフィールドを事前に埋め、人間が確認する。2時間の苦行が5分になる。リスクは低く、社員の士気は上がり、生産性はすぐに向上する。全員がハッピーになる。

住宅ローンの申請も同じだ。担当者はファイルを開いて、必要な書類が揃っていないことに気づく。源泉徴収票、給与明細、必要な書類——AIはそれを瞬時に検出して差し戻す。判断も意思決定も不要。ただ無駄な手間を省くだけだ。

同じパターンはどこにでも見つかる。RFP(提案依頼書)を適切な担当者に振り分ける、人間が読む前に長い文書を要約する、誰かが触る前に不完全なファイルにフラグを立てる。新しいプロセスではない。同じワークフローが、より速く、よりクリーンに、より苦痛なく動くだけだ。

「人間の作業こそ正確」という思い込みを疑え

ある企業が契約書のタグ付けをAIで試したとき、意外な事実が浮かび上がった。当初、人間がタグ付けしたデータが「正解」で、AIの精度が低いと思われていた。しかし実際に人間の作業を確認したところ、品質は散々だった。

社員が不注意だったからではない。その作業が嫌いだったからだ。医療研究の大規模なシステマティックレビューでは、人間による医療記録の手動抽出のエラー率は6.57%に上ることが確認されている——これは自動化ツールや二重チェック方式と比べてはるかに高いエラー率だ。AIは人間より劣っていたのではなく、優れていた——AIは作業を嫌がらないからだ。そこが突破口だ。

AIが奪うのは判断ではなく面倒な作業

社員がすでに嫌いな作業からAIの導入を始めると、抵抗は生まれない。安堵が生まれる。誰も脅威を感じない。誰も代替されたと感じない。そして、社員には時間という貴重な資源が戻ってくる。

「AIなし」と「AIがすべてを決める」の間には、すでに10〜30%の生産性向上を実現できる広大な領域がある。説明責任の所在を変えることなく、プロセスを書き直すことなく、ただ誰も望んでいなかった仕事を取り除くだけで良い。それが今日、AIが本当に勝てる場所だ。


Read More from This Article: AI活用は社員が嫌いな仕事から始めよ
Source: News