AI와 의사 결정(AI문고)

AI는 답을 준다, 그러나 결정은 질문에서 시작된다
같은 AI를 써도 결과가 다른 이유는 기술이 아니라 '의사 결정의 구조'에 있다. 생성형 AI 시대에 개인과 조직이 기대만큼의 성과를 얻지 못하는 근본 원인을 파헤치며, 문제는 도구가 아니라 질문과 판단의 설계에 있음을 밝힌다. 허버트 사이먼의 '제한된 합리성' 이론을 바탕으로, 인간이 어떻게 불완전한 정보 속에서 결정을 내리는지, 그리고 AI가 그 한계를 어떻게 보완할 수 있는지를 체계적으로 설명한다. 핵심은 인간-AI 협업의 방식이다. AI를 단순한 정답 생성기가 아닌 '조언자'로 활용하고, 인간이 기준을 설정하고 검증하는 구조를 설계할 때 의사 결정의 질은 비약적으로 향상된다. 이 책은 문제 정의, 맥락 설계, 질문 구조화, 답변 검증, 협업 구조 설계까지 의사 결정 전 과정을 단계별로 정리하며, 실무에서 바로 적용할 수 있는 지침을 제시한다. 또한 AI 의존이 장기적으로 판단력을 약화시킬 수 있는 역설과, 자동화·증강·변형이라는 세 가지 활용 방식의 전략적 선택 기준을 함께 다룬다. 결국 중요한 것은 AI를 얼마나 잘 쓰느냐가 아니라, 무엇을 물어보고 어떻게 판단하느냐다. 모든 사람이 의사 결정자가 된 시대, AI와 함께 더 나은 결정을 설계하는 실천적 기준을 제시하는 책이다.

같은 AI인데 왜 결과가 다를까?

01 AI보다 먼저 생각하라
02 맥락 없는 질문, 쓸모없는 답
03 탐색의 함정
04 도메인 지식의 부상
05 AI는 설명하지만, 설득은 인간의 몫
06 데이터 품질의 무게
07 인간 개입 지점을 설계하라
08 단일 AI vs 멀티 AI
09 AI로 사람의 행동을 시뮬레이션하다
10 실사례와 함께 하는 의사 결정

이상석 영국 런던시티대학 베이즈 비지니스스쿨(Bayes Business School)에서 객원교수로 MBA 및 최고경영자 과정에서 데이터 분석과 LLM을 활용한 의사 결정을 주로 가르친다. 주요 연구 주제는 인간?AI 협업과 의사 결정 과정이며, 특히 판단자-조언자 시스템(Judge?Advisor System), 사회적 영향과 신뢰의 형성, 집단 의사 결정의 동학을 주제로, 인간과 AI가 함께 참여하는 조직 내 의사 결정이 어떻게 구조화되고 변화하는지를 이론적·실증적으로 분석하고 있다.
2021년 미국 듀크(Duke) 대학에서 데이터 사이언스 석사과정을 졸업하고, 스탠퍼드대학교(Stanford University) 컴퓨테이셔널 컬처 랩(Computational Culture Lab)에서 문화 적합성(Culture Fit)을 연구했다. 실리콘밸리 피플 애널리틱스 스타트업에서 데이터 사이언티스트로 근무하기도 했다. 국내 복귀 후 공공기관에서는 최초로 만들어진 HR 애널리틱스팀에서 HR 데이터 피플 사이언티스트로 활동하며 감정분류모델, 인재추천시스템, HR 데이터레이크(HR Data Lake) 등을 개발하여 특허 출원을 했고, 영국 London Text Analytics 컨퍼런스, AI Seoul Summit, HR AI 포럼에서 해당 주제를 발표하기도 했다. 저서로 《데이터 드리븐 리포트》(2023), 《피플 애널리스트가 온다》(2024, 공저)가 있다.