Thomson Reuters AI 청구 가능 시간 분석이 드러낸 가격 책정의 충돌

Thomson Reuters는 AI가 변호사 한 명당 연간 190시간의 업무 시간을 절감할 수 있다고 말한다. 그러나 외부 법률 지출의 대부분은 여전히 시간당 수수료 체계로 운영된다. Thomson Reuters AI 청구 가능 시간 분석은 전문 서비스 기업들이 더는 이론적 문제로 치부할 수 없는 충돌을 드러낸다. AI는 업무의 신속한 완료에 보상을 주는 반면, 시간당 청구는 그 효율성을 판매 가능한 단위의 감소로 바꾼다.

최근 Financial Times 분석은 AI를 변호사, 컨설턴트, 회계사 및 기타 자문가들의 수수료 구조를 무너뜨리는 파괴구로 묘사했다. 문제는 단순히 소프트웨어가 일상적인 업무를 더 빠르게 수행한다는 데 있지 않다. 기업들은 그 업무를 완료하는 데 필요한 시간을 중심으로 경제 구조, 인력 배치, 경력 경로, 성과 목표를 구축해 왔다.

이제 핵심 대립은 분명하다. 고객은 AI로 인한 절감 효과가 비용 인하나 더 나은 결과로 이어지기를 원한다. 전문 서비스 기업은 기술 투자, 감독, 그리고 자동화 시스템에 여전히 부족한 전문가의 판단을 지원하면서 수익을 유지해야 한다.

이러한 긴장이 하루아침에 시간당 청구를 없애지는 않을 것이다. 다만 소프트웨어가 몇 시간 걸리던 예측 가능한 업무를 몇 분으로 압축할 수 있게 되면서, 이 모델을 정당화하기는 더 어려워진다.

AI가 청구 구조의 충돌을 측정 가능한 문제로 만들었다

중요한 변화는 전문 서비스 기업이 AI를 사용한다는 사실이 아니라, 이제 고객이 절감된 시간이 어디로 갔는지 물을 수 있게 되었다는 점이다.

법률 AI는 판례를 검색하고, 계약서를 비교하며, 증거개시 자료를 요약하고, 일상적인 문서를 초안으로 작성하며, 대규모 문서 모음에서 조항을 식별할 수 있다. 자격을 갖춘 전문가는 여전히 결과를 검토해야 한다. 그러나 첫 단계에 필요한 인적 시간은 훨씬 줄어들 수 있다.

Thomson Reuters는 변호사들이 AI를 통해 매년 평균 190시간의 업무 시간을 절감할 것으로 예상한다고 추산한다. law firm economics 분석은 이러한 잠재적 절감 효과의 가치를 미국 법률 업무에서 연간 약 200억으로 평가한다.

같은 연구에 따르면, 설문에 응한 로펌 관계자 중 80%는 AI가 조직 운영 방식을 바꿀 것으로 예상했다. 가격 책정, 인력 배치, 서비스 제공은 이 예상되는 변화의 중심에 있다.

이러한 조사 결과는 시간당 계약에 직접적인 도전을 제기한다. 이전에는 10시간이 필요했던 리서치 업무가 이제 3시간이면 된다면, 정확한 청구서에는 3시간이 기록된다. 고객은 효율성의 혜택을 받는 반면, 로펌은 청구 가능한 7개 단위를 잃는다.

로펌은 절감된 시간을 추가 사건, 고객 자문, 사업 개발 또는 내부 검토에 재배치할 수 있다. 그러나 이 방식은 늘어난 역량을 흡수할 만큼 수요가 증가할 때만 작동한다. 또한 일상적인 업무가 사라진 인력에게 더 가치 있는 일을 찾아줄 수 있다는 가정도 필요하다.

대안은 시간당 요율을 올리는 것이다. 이는 전문 인력당 수익을 보호하지만, 모순을 더 뚜렷하게 만든다. 도구가 필요한 노력을 줄였는데도 소프트웨어 지원 업무에 더 높은 시간당 요율이 적용되는 이유를 고객이 의문시하는 것은 합리적이다.

정액 수수료는 인센티브를 뒤집는다. 로펌이 합의된 수수료로 정의된 결과를 제공하기로 한다면, 업무를 효율적으로 완료하는 것은 수익성을 높일 수 있다. 그러면 AI는 기록되는 시간에 대한 위협이 아니라 경제적 이점이 된다.

다만 정액 수수료는 위험을 제공자에게 이전한다. 부정확한 범위 설정, 예상치 못한 복잡성 또는 광범위한 인적 검증은 겉보기에는 매력적인 계약을 수익성 없는 계약으로 만들 수 있다. 로펌은 그러한 위험을 수용하기 전에 더 나은 과거 데이터와 더 명확한 완료 기준이 필요하다.

이 때문에 이 논쟁은 청구서 형식을 넘어선다. 로펌은 고객이 무엇을 구매하는지 결정해야 한다. 그 답은 시간, 완료된 과업, 전문성에 대한 접근, 위험 감소 또는 측정 가능한 사업 성과일 수 있다.

시간당 청구는 시간을 세기 쉽기 때문에 이런 논쟁의 일부를 피하게 해 준다. AI는 기록된 시간이 제공된 가치를 신뢰할 수 있게 나타낸다는 가정을 약화시킨다.

이 충돌은 문서 중심의 법률 업무에서 특히 두드러진다. 계약 검토와 증거개시는 AI가 가속할 수 있는 반복 가능한 단계를 포함하는 경우가 많다. 전략 자문, 협상, 법정 변론, 최종 판단에 대한 책임은 여전히 표준화하기 어렵다.

이 차이는 가격 책정이 과업별로 분화될 가능성이 크다는 뜻이다. 일상적인 구성 요소는 정액 또는 단위 기반 요금으로 이동할 수 있다. 불확실하거나 대립적이거나 개방형인 업무는 시간당 방식으로 남을 수 있다.

이러한 분화는 청구 가능 시간에 대한 하나의 보편적 대체 모델보다 더 현실적이다. 또한 많은 기존 시간 입력 시스템이 제공하도록 설계되지 않았던 수준으로 로펌이 자신의 업무를 이해해야 함을 의미한다.

Thomson Reuters AI 청구 가능 시간 문제는 로펌 내부에서 시작된다

시간당 청구는 고객에게 부과하는 비용일 뿐 아니라, 많은 로펌이 전문 인력을 채용하고 교육하며 평가하고 승진시키는 방식을 조직하는 수단이기도 하다.

1980년대에 이르러 청구 가능 시간은 로펌 경영의 핵심 도구가 되었다. 로펌은 이를 개인 생산성 측정, 사건 평가, 재무 목표 설정, 업무 그룹 비교에 사용했다.

이 모델은 하나의 지표를 통해 여러 의사결정을 연결한다. 어소시에이트는 시간을 기록하고, 파트너는 가동률을 감독하며, 재무팀은 수익을 예측하고, 경영진은 연간 목표 대비 성과를 평가한다. 로펌이 이러한 내부 시스템까지 재설계하지 않는 한, 고객 청구서만 바꿔서는 내부 시스템에 변화가 없다.

그렇기 때문에 Thomson Reuters AI 청구 가능 시간 충돌은 가격 책정보다 더 광범위한 영향을 미친다. AI는 주니어 인력이 수행하는 리서치, 초안 작성, 검토, 분석에 필요한 가시적인 시간을 줄일 수 있다. 이러한 업무는 교육 기회 역할도 해 왔다.

주니어 변호사는 전통적으로 수많은 문서를 검토하고, 초기 버전을 작성하며, 경험 많은 동료로부터 수정 지시를 받는 과정에서 배웠다. 소프트웨어가 초기 결과물을 생성하면, 주니어 전문가는 작성이 아니라 검토에서 출발하게 된다.

검토는 여전히 가치가 있지만, 다른 역량을 길러 준다. 사람은 독립적으로 논거나 분석을 구성하는 방법을 배우지 못한 채 명백한 오류를 찾아내는 데만 능숙해질 수 있다. 자동화가 초기의 반복 학습을 없앤다면 로펌은 의도적인 교육을 마련해야 한다.

인력 피라미드도 비슷한 압박에 직면한다. 대형 전문 서비스 기업은 전통적으로 다수의 주니어 인력을 고용했고, 이들의 청구 가능 산출물이 소수의 시니어 전문가를 뒷받침했다. AI는 이 주니어 계층에 배정되는 일부 업무에 필요한 노동을 줄인다.

로펌은 신입 인력을 더 적게 채용하는 방식으로 대응할 수 있다. 또는 주니어 인력을 고객 접점, 조사, 전문 분석, 기술 감독 업무로 재배치할 수 있다. 어느 선택이든 미래의 시니어 전문가가 경험을 쌓는 경로를 바꾼다.

도입이 자동으로 재무 성과를 만들어내지는 않기 때문에 경제적 효과는 여전히 불확실하다. professional services survey에서 생성형 AI의 수익을 측정한다고 답한 조직은 21%에 불과했다.

이 집단에서는 고객 만족도나 신규 사업보다 내부 비용 절감이 훨씬 더 많은 주목을 받았다. 로펌이 성과를 일관되게 측정하지 못한다면 그 성과에 자신 있게 가격을 매길 수 없기 때문에, 이 측정 격차는 중요하다.

설문에 참여한 로펌의 거의 절반은 AI에서 적어도 하나의 혜택을 얻었다고 보고했다. 하지만 시간 절감과 같은 혜택은 결과적으로 발생한 가치를 누가 가져가는지 보여주지 않는다.

정액 수수료 사건의 제공 비용이 낮아지면 로펌이 그 가치를 확보한다. 시간당 사건에서 기록되는 시간이 줄어들면 고객이 그 가치를 확보한다. 기술 공급업체는 소프트웨어 비용을 통해 일부를 확보하는 반면, 전문 인력은 검증과 거버넌스 비용을 부담한다.

분배는 계약에 따라 달라진다. 따라서 상업적 설계는 모델 역량만큼 중요하다.

시간 목표는 도입을 저해할 수도 있다. AI를 통해 더 빨리 업무를 완료하는 전문가는 고객 경험을 개선할 수 있지만, 내부 가동률 목표에서는 더 뒤처질 수 있다. 경영진이 측정 체계를 바꾸지 않으면 직원은 상충하는 지시를 받게 된다.

로펌은 효율성을 위해 AI를 사용하라고 말한다. 그러나 승진 체계는 여전히 누적된 시간을 보상한다.

새로운 성과 지표는 품질, 책임, 고객 유지, 사건 수익성, 협업, 기술의 효과적인 활용을 인정해야 한다. 이 중 어느 것도 시간을 세는 것만큼 단순하지 않다. 그러나 함께 보면 전문 인력의 기여를 더 정확하게 설명한다.

운영상의 과제는 신뢰할 수 있는 AI workflow를 구축하는 일과 닮아 있다. 입력값, 검토 단계, 책임 있는 의사결정이 계속 보이지 않는다면 속도에는 제한된 가치밖에 없다.

전문 서비스 기업에서 결과물은 단순히 생성된 문서가 아니다. 그것은 법적, 재무적 또는 평판상의 결과를 수반하는 전문가 승인 결과물이다.

고객이 대체 수수료 체계로의 전환을 압박하고 있다

AI는 기업 구매자에게 투입요소 기반 수수료가 언제나 완성된 업무의 가치와 일치하지는 않는다는 더 강력한 근거를 제공한다.

대체 수수료 약정에는 정액 수수료, 상한 수수료, 구독, 단위 가격, 리테이너, 정의된 결과와 연계된 지급 방식이 포함된다. 각각은 청구액의 적어도 일부를 기록된 시간 수와 분리한다.

Thomson Reuters는 설문에 참여한 전문가 중 40%가 생성형 AI가 대체 수수료 약정의 사용을 늘릴 것으로 예상했다고 밝혔다. 이 예상은 주목할 만하지만, 고객과 로펌이 대체 모델에 합의했다는 뜻은 아니다.

시간당 가격 체계는 여전히 외부 법률 지출에서 우세하다. Thomson Reuters는 외부 로펌에 대한 기업 지출의 최대 90%가 계속 시간당 요율을 포함한다고 보고했다.

익숙함은 이러한 지속성을 설명하는 데 도움이 된다. 조달팀은 요율, 시간, 할인, 예산을 이해한다. 로펌은 시간을 기록하고, 기록된 가치 대비 회수 수익을 측정하는 실현율을 비교하는 방법을 안다.

대체 구조에서는 양측이 범위를 정의하고 위험을 배분해야 한다. 정액 수수료는 투입값이 안정적인 반복 프로세스에 적합하다. 사실관계, 상대방 또는 규제 요구 사항이 예고 없이 바뀔 수 있는 경우에는 적합하지 않다.

고객도 범위가 불확실할 때 시간당 청구를 선호할 수 있다. 큰 위험 프리미엄이 포함된 정액 수수료를 신뢰하지 않을 수 있다. 기초 비용이 숨겨진 결과에 비용을 지불하는 것보다 시간의 투명성이 더 안전하게 느껴질 수 있다.

따라서 전환은 업무를 표준화하고 측정할 수 있는 영역에서 먼저 일어날 것이다. 계약 포트폴리오, 반복적인 컴플라이언스 검토, 일상적인 리서치, 구조화된 문서 분석이 유력한 후보이다.

고위험 소송과 복잡한 거래는 다른 문제를 제시한다. 자문의 가치는 손실 회피, 협상력 유지 또는 하나의 핵심 쟁점 식별에 달려 있을 수 있다. 필요한 업무량은 시작 단계에서 예측하기 어렵다.

이러한 환경에서 성과 기반 가격 책정은 매력적으로 들리지만, 인과관계는 논쟁거리가 된다. 유리한 결과는 시장 상황, 사법 판단, 상대방 또는 고객 자신의 행동에 따라 달라질 수 있다. 로펌은 모든 변수를 통제할 수 없다.

구독은 또 다른 경로를 제공한다. 고객은 정의된 서비스, 역량 또는 전문성에 지속적으로 접근하기 위해 비용을 지불한다. 이 구조는 구매자에게 예측 가능한 지출을, 제공자에게 반복 수익을 만들어 준다.

사용량 기반 수수료는 구독과 시간당 청구의 중간에 위치할 수 있다. 로펌은 검토한 계약 건수, 완료한 제출 건수, 평가한 청구 건수 또는 승인된 산출물 단위로 요금을 부과할 수 있다. 이 단위는 모든 내부 분을 공개하지 않고도 업무량을 반영한다.

성과 기반 가격 책정은 고객 가치에 더 가까워지고 있다. 대금은 합의된 결과나 서비스 지표에 부분적으로 연동된다. Forrester는 서비스 의사결정권자의 45%가 성과 기반 가격 책정을 확대할 것으로 예상했으며, 46%는 고정가 계약이 늘어날 것으로 전망했다고 보고했다.

성과 기반 가격 책정 추세는 법률 분야를 넘어 확산되고 있다. AI가 서비스 제공에 필요한 노동을 줄이면서 컨설팅사, 기술 통합업체, 관리형 서비스 제공업체도 같은 질문에 직면하고 있다.

이러한 방식은 함께 적용할 수도 있다. 하이브리드 계약에는 고정 기본 수수료, 추가 물량에 대한 사용료, 합의된 결과에 연동된 성과 요소가 포함될 수 있다.

하이브리드 가격 책정은 모든 업무를 예측 가능한 것으로 간주하지 않게 해준다. 불확실한 업무에 대한 보상은 유지하면서도 반복 가능한 업무의 효율성에는 보상을 제공한다.

기업 구매자는 여전히 근거를 요구할 것이다. 기업은 AI가 처리 시간, 오류율, 일관성, 위험, 그리고 투입된 고위 인력의 관심 수준에 어떤 영향을 미쳤는지 보여줘야 한다.

기술이 팀의 효율성을 높였다는 주장만으로는 충분하지 않다. 고객은 청구액이 줄었는지, 결과가 개선됐는지, 또는 처리 역량이 늘었는지를 알고 싶어 한다.

이러한 수요는 법무 운영 및 가격 책정 팀의 역할을 강화할 것이다. 이들은 사건 이력을 분석하고, 단위를 정의하며, 위험을 모델링하고, 제안된 수수료를 실제 서비스 제공 비용과 비교할 수 있다.

승자는 반드시 AI를 가장 많이 사용하는 기업이 아닐 것이다. 업무를 잘 측정하고 가격 책정을 명확히 설명하는 기업이 더 강한 상업적 입지를 갖게 될 것이다.

더 빨라진 업무가 전문적 책임을 없애지는 않는다

급격한 가격 체계 재편에 반대하는 가장 강력한 논거는 AI가 생산 시간을 줄이지만 검증, 책임, 전문가의 책무까지 없애지는 않는다는 점이다.

생성형 AI는 부정확한 인용, 불완전한 분석, 조작된 권위 자료, 그리고 원자료로 뒷받침되지 않는 확신에 찬 진술을 만들어낼 수 있다. 따라서 전문적 검토는 선택적 수정이 아니라 서비스의 일부다.

검증에는 자동화가 절감한 것으로 보였던 시간 중 상당 부분이 소요될 수 있다. 필요한 노력은 업무, 모델, 데이터 품질, 기밀성 통제, 그리고 오류로 인한 잠재적 피해에 따라 달라진다.

위험이 낮은 내부 요약에는 법원 제출 서류나 감사 의견서와 같은 절차가 필요하지 않다. 가격은 이러한 차이를 반영해야 한다.

American Bar Association은 2024년 7월 발표한 Formal Opinion 512에서 이러한 긴장을 다뤘다. 해당 AI 윤리 지침은 시간당 보수를 받는 변호사가 과거에 업무에 필요했던 시간이 아니라 실제로 투입한 시간을 청구해야 한다고 명시한다.

이 원칙은 기업이 AI를 한 시간 사용하고 가상의 인간 노동 시간 수 시간을 청구하는 것을 막는다. 그렇다고 모든 수수료 체계에서 기업이 투자, 판단, 또는 위험을 무상으로 제공해야 한다는 뜻은 아니다.

같은 지침은 고정 수수료나 성공보수도 합리적인 수준을 유지해야 한다고 경고한다. AI는 실제 업무가 거의 수행되지 않았을 때 기존의 고정 수수료를 청구할 자동적 권한을 부여하지 않는다.

합리성은 서비스, 계약, 부담하는 책임, 그리고 적용되는 전문직 규정에 따라 달라진다. 따라서 투명성이 필수적이다.

고객은 수수료가 소프트웨어 사용, 인간 검토, 전략 자문, 책임, 또는 지속적 대응 가능성 중 무엇을 포함하는지 이해할 필요가 있다. 설명되지 않은 단일 기술 할증료로는 좀처럼 문제가 해결되지 않는다.

기밀성은 또 다른 비용을 만든다. 소비자용 AI 서비스는 민감한 고객 자료에 필요한 접근 통제, 보존 정책, 데이터 경계 또는 계약상 보호를 제공하지 않을 수 있다.

전문 서비스 기업에는 승인된 시스템, 보안 검토, 교육, 감사 추적, 그리고 허용 가능한 사용을 규정하는 정책이 필요하다. 또한 모델을 사용해서는 안 되는 경우를 식별하는 절차도 갖춰야 한다.

이러한 통제는 위험을 줄이지만 즉각적인 비용 절감 주장에는 복잡성을 더한다. 빠른 모델 응답도 출처 확인, 상위 검토 이관, 최종 승인을 포함하는 더 느린 전문 업무 프로세스 안에 놓일 수 있다.

AI 성능은 분야별로도 차이가 난다. 시스템은 이례적인 사실관계, 생소한 관할권 또는 불완전한 기록보다 일반적인 패턴을 더 안정적으로 처리할 수 있다. 고객은 자신의 사안이 모델의 강점 범위를 벗어나는지 알지 못할 수 있다.

이러한 불확실성은 지속적인 인간 책임을 뒷받침한다. 또한 제공업체가 추가 검토나 실패 가능성까지 가격에 반영해야 하므로 순수한 결과 기반 가격 책정을 제한한다.

KPMG의 고객 중심 보고서는 자동화가 전문 서비스 전반에서 전통적인 시간당 모델의 관련성을 약화시키고 있다고 주장한다. 이 보고서는 가치와 고객 요구에 기반한 가격 책정의 방향도 제시한다.

시간에서 가치로 이동한다고 해서 가치 평가가 객관적이 되는 것은 아니다. 고객과 자문가는 회피한 위험, 더 빠른 의사결정 또는 개선된 계약의 가치에 대해 의견이 다를 수 있다.

결과 기반 수수료는 자체적인 유인도 만들 수 있다. 속도에 따라 보수를 받는 제공업체는 신중함에 충분히 투자하지 않을 수 있다. 하나의 측정된 결과에 따라 보수를 받는 제공업체는 측정되지 않은 결과를 소홀히 할 수 있다.

좋은 계약에는 속도나 절감 목표와 함께 품질 관문이 필요하다. 검토 기준, 제외 항목, 상위 검토 경로, 그리고 생성된 자료가 실패했을 때의 책임을 정의해야 한다.

소규모 기업에는 경쟁상 위험도 존재한다. AI는 한때 더 큰 팀과 연관됐던 역량에 접근하게 해주지만, 엔터프라이즈급 거버넌스에는 상당한 운영 투자가 필요할 수 있다.

대형 기업은 보안 도구, 독점 데이터, 평가 및 교육에 투자할 자원이 더 많다. 소규모 기업은 더 빠르게 움직일 수 있지만, 심각한 오류는 비례적으로 더 큰 비용을 초래할 수 있다.

따라서 증거는 즉각적인 붕괴보다는 분화를 뒷받침한다. 시간당 청구는 일상적이고 측정 가능한 업무에서 신뢰를 잃고 있다. 범위와 위험을 신뢰성 있게 예측할 수 없는 분야에서는 여전히 방어 가능한 방식이다.

AI 가격 책정은 경쟁 지도를 바꾼다

AI는 가장 큰 노동 피라미드를 갖춘 기업에서 전문성, 기술, 측정 가능한 서비스 제공을 결합할 수 있는 기업으로 우위를 이동시킨다.

소규모 기업은 AI를 활용해 과거에는 더 많은 주니어 인력이 필요했던 규모로 검색, 요약, 분류, 초안 작성을 수행할 수 있다. 이후 대형 경쟁사와 같은 인력 기반을 떠안지 않고 고정 수수료를 제시할 수 있다.

그렇다고 제도적 깊이의 가치가 사라지는 것은 아니다. 대형 기업은 여전히 폭넓은 전문 인력 커버리지, 국제적 도달 범위, 구축된 관계, 그리고 여러 업무 흐름을 동시에 처리할 역량을 제공한다.

AI는 첫 번째 버전을 만드는 비용을 바꾼다. 기업의 판단력, 평판 또는 복잡한 의사결정을 조율하는 능력을 자동으로 재현하지는 않는다.

경쟁은 전문 업무의 표준화 가능한 영역에서 심화될 것이다. 대체 법률 서비스 제공업체, 회계 플랫폼, 관리형 서비스 기업, AI 네이티브 기업은 광범위한 업무 계약에서 반복 가능한 과업을 분리할 수 있다.

이들은 그러한 과업을 범위가 열려 있는 전문 인력 시간 대신 제품처럼 가격 책정할 수 있다. 기존 기업은 제품화된 제안을 따라가거나 더 광범위한 서비스를 방어해야 하는 선택에 직면한다.

제품화란 각 계약이 시작되기 전에 입력, 워크플로, 검토 기준, 산출물, 가격을 정의하는 것을 뜻한다. 반복은 자동화와 비용 예측을 모두 개선하므로 이 구조는 AI에 잘 맞는다.

전통적인 기업은 흔히 인력에 대한 접근을 판매하고 최종 투입 노력은 나중에 결정한다. 이러한 유연성은 복잡한 업무에서는 여전히 유용하지만, 명확한 단위 기반 제안과 비교하면 비싸 보인다.

컨설팅도 관련된 과제에 직면한다. AI는 조사, 벤치마킹, 문서 제작, 데이터 분석, 프레젠테이션 초안 작성을 가속할 수 있다. 고객 역시 이러한 활동 중 더 많은 부분을 내부에서 수행할 수 있다.

컨설팅 기업은 문제 정의, 조직 변화, 전문 데이터, 실행, 그리고 책임 있는 의사결정에서 가치를 입증해야 한다. 소프트웨어가 그럴듯한 초안을 빠르게 생성할 수 있을 때, 잘 다듬어진 보고서는 희소성이 낮아진다.

회계 및 세무 기업도 반복 분석과 문서 처리에서 비슷한 압박을 받는다. 규제상 책임과 보증 업무는 전문가의 강력한 역할을 유지시키지만, 일상적 산출물은 노력만을 기준으로 가격을 매기기 더 어려워진다.

따라서 Thomson Reuters의 AI 청구 가능 시간 문제는 더 광범위한 전문 서비스 전환의 한 사례다. 공통 메커니즘은 노동 시간과 산출물 규모의 분리다.

AI 네이티브 경쟁업체는 처음부터 이러한 분리를 중심으로 설계할 수 있다. 기존 보상 체계를 해체하지 않고도 구독, 사용료 또는 결과 기반 수수료를 활용할 수 있다.

기존 기업은 다른 제약을 안고 있다. 파트너 보상, 가동률 목표, 재무 보고, 인력 계획, 고객 계약은 모두 시간당 경제성을 전제하고 있을 수 있다.

리더가 진단을 받아들여도 이러한 부담은 변화를 늦출 수 있다. 기업은 대체 모델이 수익 인식, 유인, 경력 개발에 미치는 영향을 이해하지 않고 가격 모델을 바꿀 수 없다.

전환은 두 가지 속도의 시장을 만들 수 있다. 신규 또는 좁은 영역에 집중한 제공업체는 표준화된 결과를 제시할 수 있다. 기존 기업은 복잡한 사안에는 시간당 요소를 유지하면서 예측 가능한 업무에는 고정 모듈을 도입할 수 있다.

고객은 이러한 서비스를 결합할 것이다. 반복 가능한 검토 업무는 전문 제공업체에 맡기고, 전략적 의사결정은 전통적인 자문가에게 남겨둘 수 있다.

이러한 분리는 고가의 자문과 대량의 주니어 실행을 결합해 마진을 확보하는 기업에 압박을 가한다. 고객은 두 요소를 분리할 수 있는 역량을 더 많이 갖게 된다.

브랜드만으로 논쟁이 끝나지는 않을 것이다. 구매자는 처리 시간, 품질, 예측 가능성, 보안, 책임성을 비교할 것이다. 기업은 각 차원에 대한 근거가 필요하다.

가장 지속적인 우위는 전문성을 재사용 가능하게 만들되 전문적 책임을 모호하게 만들지 않는 데서 나올 것이다. 이를 위해서는 선별된 지식, 통제된 워크플로, 문서화된 검토, 고객이 이해할 수 있는 가격 책정이 필요하다.

청구 가능 시간이 실제로 무너지고 있는지를 보여줄 세 가지 신호

다음 단계는 AI 시연이 아니라 계약 행태, 내부 성과 시스템, 측정 가능한 고객 결과에 의해 결정될 것이다.

첫 번째 신호는 고객 지출 중 고정형, 단위 기반, 구독형 또는 성과 연동형 계약으로 이동하는 비중이다. 설문조사상의 기대도 유용하지만, 실제로 체결된 계약이 더 강한 증거를 제공한다.

의미 있는 증가는 AI가 고객의 전문 업무 구매 방식을 바꾸고 있다는 견해를 뒷받침할 것이다. 변화가 거의 없다면 익숙함과 위험 배분이 여전히 시간당 청구를 보호하고 있음을 보여줄 것이다.

세부 사항이 중요하다. 기업은 예상 시간과 요율을 바탕으로 계산하면서도 업무를 대체 수수료 방식이라고 부를 수 있다. 이는 근본 경제성을 바꾸지 않고 청구서 형식만 바꾸는 일이다.

더 강한 신호는 단위, 서비스 수준 또는 결과를 기준으로 가격이 책정되는 반복 서비스일 것이다. 이러한 구조에서는 효율성이 제공업체의 마진에 직접 영향을 미친다.

두 번째 신호는 기업이 보상과 승진 결정에서 청구 가능 시간 목표를 대체하는지 여부다. 경력이 주로 기록된 시간에 묶여 있는 한 고객 가격 책정은 깊이 있게 바뀔 수 없다.

사안별 수익성, 품질, 고객 유지율, 지식 기여, 기술 활용, 팀 개발을 포괄하는 지표를 주시해야 한다. 이러한 측정치는 경영진이 AI를 운영 재설계로 보는지, 아니면 또 하나의 소프트웨어 구매로 보는지를 드러낸다.

채용 패턴도 관련 증거를 제공할 것이다. 주니어 직무가 줄어들면 자동화가 전통적인 피라미드를 축소하고 있음을 시사한다. 재설계된 초급 업무는 기업이 교육 파이프라인을 보호하면서 그 내용을 바꾸고 있음을 보여줄 것이다.

세 번째 신호는 결과 측정의 품질이다. 대부분의 조직은 여전히 생성형 AI를 고객 만족도, 수익 또는 사업 성과와 연결하는 성숙한 증거를 갖추지 못하고 있다.

이 격차는 신뢰할 수 있는 가치 기반 가격 책정을 막는다. 기업은 정의하고, 귀속시키고, 검증할 수 없는 결과에 대해 수수료를 청구할 수 없다.

유용한 지표는 서비스마다 달라질 것입니다. 처리 시간, 오류율, 성공적 완료, 재작업 방지, 규정 준수 성과, 또는 협의된 서비스 수준 준수 등이 포함될 수 있습니다.

품질 역시 측정의 일부로 남아야 합니다. 납품 속도만 빨라졌다고 해서 추가 위험이 숨겨지거나 검토 업무가 고객에게 전가되지 않는다는 보장은 없습니다.

이러한 신호는 이익을 누가 가져가는지도 보여줄 것입니다. 고객은 더 낮거나 예측 가능한 수수료를 받을 수 있습니다. 기업은 정액 업무에서 더 높은 마진을 얻을 수 있습니다. 직원들은 반복적인 생산 업무에 쓰는 시간을 줄일 수 있습니다.

혜택이 저절로 균등하게 분배되지는 않을 것입니다. 계약 조건과 내부 인센티브가 그 혜택이 어디에 귀속되는지를 결정합니다.

청구 가능 시간은 하나의 통합된 사건처럼 사라지지는 않을 가능성이 큽니다. 업무별로, 고객별로, 계약별로 점진적으로 물러날 것입니다.

측정 가능한 산출물이 있는 일상적 업무가 먼저 이동할 것입니다. 범위가 불안정한 복잡한 과업은 시간제 또는 혼합형 요소를 더 오래 유지할 것입니다.

그러한 점진적 변화도 중요합니다. 구매자가 한 분야에서 명확히 정의된 산출물에 비용을 지불하는 데 익숙해지면, 인접 서비스가 왜 여전히 전적으로 시간에 묶여 있는지 물을 수 있기 때문입니다.

따라서 전문 서비스 기업들은 시장이 성급한 대응을 강요하기 전에 가격 책정을 시험해야 합니다. 이를 위해서는 정리된 사건 데이터, 좁게 정의된 서비스 범위, 품질 관리, 그리고 예외 처리에 관한 명시적 규칙이 필요합니다.

고객도 마찬가지로 직접적인 질문을 해야 합니다. 어떤 업무가 자동화되는가? 누가 이를 검토하는가? 수수료는 효율성 향상으로 얻은 이익을 어떻게 배분하는가? 제공업체는 어떤 결과에 대해 책임을 지는가?

Thomson Reuters의 AI 청구 가능 시간 논쟁은 결국 신뢰에 관한 문제입니다. 고객은 속도가 품질을 약화시키지 않는다는 확신이 필요하며, 기업은 전문성과 책임 있는 판단에 대한 보상을 받아야 합니다.

다음 청구서만이 쟁점은 아닙니다. 더 큰 질문은 전문 서비스가 위험을 숨기거나, 시간을 부풀리거나, 전문가의 업무를 자동화된 산출물로 축소하지 않으면서 결과에 가치를 매길 수 있는지입니다.