/사진제공=Google DeepMind
2024.04.12 14:06
26min
최근 영국 총리 리시 수낙과 가진 인터뷰에서 일론 머스크는 인공지능이 "역사상 가장 파괴적인 힘"이라고 선언하면서 "어떤 직업도 필요하지 않게 될 시점이 올 것"이라고 말했다. 지난해 AI의 대부 제프리 힌튼은 사람들에게 "배관공 일을 하라"고 조언했다.
이들이 갖고 있는 생각은 분명하다. 대부분의 사람들에게 직업의 미래는 위험에 처했다는 것이다. 최근 갤럽 여론조사에 따르면 미국 성인의 75%가 AI로 인해 일자리가 줄어들 것이라고 믿는 것으로 나타났다.
(This article was produced by and originally published in Noema Magazine.)
그러나 이런 두려움은 잘못된 것이다.
[새로운 PADO 기사가 올라올 때마다 카톡으로 알려드립니다 (무료)]
산업화된 세계에는 일자리가 넘쳐나고 있으며, 앞으로도 계속 그럴 것이다. 코로나19 팬데믹 발생 4년 만에 미국의 실업률은 팬데믹 이전의 최저치로 떨어졌고 총고용은 팬데믹 이전 최고치보다 거의 300만 명 증가했다. 출산율 급감과 노동력 급감으로 인해 산업화된 세계 전역(중국 포함)에서 서로 비슷한 수준의 노동력 부족 현상이 펼쳐지고 있다.
이는 예측이 아니라 인구학적 팩트다. 2053년에 30세가 되는 모든 사람들은 현재 이미 태어난 상태로, 우리는 그들을 더 만들 수 없다. 대규모 이민 정책 변화가 없다면 미국을 비롯한 선진국들은 일자리가 부족해지기 전에 노동자가 부족해질 것이다.
AI는 노동 시장을 변화시킬 것이지만 머스크와 힌튼이 생각하는 방식으로는 아니다. 그 대신 AI는 인간이 갖는 전문성의 가치와 본질을 재구성할 것이다. 여기서 '전문성'이란 바이탈사인(활력징후) 측정, 앱 코딩, 식사 준비 같은 특정 작업을 수행하는 데 필요한 지식이나 역량을 말한다. 어떠한 전문성이 목표를 달성하는 데 필수적이면서 상대적으로 희소할 경우, 전문성은 시장 프리미엄을 얻는다. 영화 '인크레더블'에 등장하는 캐릭터 신드롬의 말마따나 모두가 전문가라면 아무도 전문가가 아닌 셈이다.
전문성은 미국과 다른 산업화된 국가에서 노동 가치의 주요 원천이다. 레스토랑 서버, 경비원, 단순노동자, (심지어) 보육 노동자와 같이 교육이나 자격증이 거의 필요하지 않은 직업은 일반적으로 임금 사다리의 맨 아래에 있다.
항공관제사와 교통안전도우미crossing guard를 비교해 보자. 전반적으로 볼 때 이들이 하는 일은 동일하다. 탑승객과 차량(여객기), 행인 간의 충돌을 막기 위해 생사를 가르는 결정을 신속히 내린다. 그러나 2022년 항공관제사의 연봉 중앙값은 13만2250달러로 교통안전도우미의 연봉 중앙값 3만3380달러의 거의 4배에 달했다.
그 이유는 전문성이다. 항공관제사가 되려면 수년간의 교육과 현장 견습이 필요하다. 이는 희소한 기술이다. 반대로 대부분의 미국 주에서 교통안전도우미로 일하는 데는 공식적인 훈련, 전문적 기술 또는 자격증이 필요하지 않다. 더 많은 교통안전도우미 확보가 시급하다면 대부분의 항공관제사들이 그 자리를 채울 수 있지만 그 반대는 성립하지 않는다.
전문성은 끊임없이 변화한다. 한때 상당한 시장 프리미엄을 받았던 전문성—말굽 제작, 활자 조판, 모피 사냥, 맞춤법 검사—은 이제 모두 구식이거나 자동화되었다. 동시에 산업화된 경제에서 가장 높은 급여를 받는 직업의 대부분—종양 전문의, 소프트웨어 엔지니어, 특허 변호사, 심리치료사, 영화 배우—은 특정 기술이나 사회적 혁신이 그 필요성을 만들어낼 때까지 존재하지 않았다. 그러나 시대에 뒤떨어지거나 시대의 부름을 받게 되는 전문성 분야는 기술의 흐름에 따라 변화한다. 인공지능 시대는 그런 류의 또 다른 변혁을 예고한다.
현대의 정보화 시대가 갖고 있던 유토피아적 비전은 컴퓨터가 정보를 민주화함으로써 경제적 위계질서를 평평하게 만들 것이라는 것이었다. 2005년 넷스케이프 공동 설립자인 마크 안드레센Marc Andreessen은 뉴욕타임스의 토머스 프리드먼에게 이렇게 말했다. "오늘날 제게 가장 심오한 것은 루마니아, 방갈로르, 또는 (구)소련이나 베트남의 14세 아이가 모든 정보, 모든 도구, 모든 소프트웨어를 쉽게 이용할 수 있다는 사실입니다."
그러나 현실은 그런 비전과는 정반대였다.
정보는 결국 더 중요한 경제적 기능인 의사결정을 위한 단순한 입력에 불과한 것으로 밝혀졌다. 의사결정은 엘리트 전문가—통상적으로 대학 또는 대학원 학위를 가진 소수의 미국 성인들—의 영역이다. 컴퓨터화는 정보와 계산을 저렴하고 풍부하게 만들어 엘리트 전문가들에게 전례 없는 의사결정권 및 그에 수반되는 자원의 집중을 촉발했다.
컴퓨터화는 동시에 행정 지원, 사무직, 생산직 등 광범위한 중간숙련middle-skill 계층의 일자리를 자동화했다. 반면, 더 나은 기회가 없는 대졸 미만 학력 성인의 60%는 비전문적, 저임금 서비스직으로 밀려났다.
AI는 컴퓨터화로 시작된 과정을 역전시킬 수 있는 독특한 기회를 인류에게 제공한다. 전문성의 관련성, 도달 범위, 가치를 보다 많은 노동자 집단에게 확장하는 것이다. 인공지능은 정보와 규칙을 후천적 경험과 엮어 의사결정을 지원할 수 있다. 적절한 기초 훈련을 받으면 더 많은 노동자들이 지금은 의사, 변호사, 소프트웨어 엔지니어, 대학 교수와 같은 엘리트 전문가에게만 허용되는 고위험 의사결정 업무를 수행할 수 있다. 본질적으로 AI는 잘 활용된다면 자동화와 세계화로 인해 공동화된 미국 노동시장의 중간숙련-중산층의 코어를 복원하는 데 도움이 될 수 있다.
AI가 전문성을 단순히 무의미하게 만들고 전문가를 불필요하게 만들까 봐 걱정할 수도 있겠지만, 역사와 경제논리가 시사하는 바는 다르다. AI는 계산기나 전기톱과 같은 '도구'이며, 도구는 일반적으로 전문성을 대체하는 것이 아니라 그것을 적용하기 위한 수단이다.
도구는 의도와 결과 사이의 거리를 단축시킴으로써 적절한 훈련과 판단력을 가진 노동자들이 이전에는 시간이 오래 걸리고 실패하기 쉽거나 불가능했던 작업을 수행할 수 있게 해준다. 반대로 도구는 관련 교육과 경험이 없는 사람들에게는 최선의 경우 쓸모없고 최악의 경우에는 위험하다. 공압식 네일건은 지붕 수리공에게는 없어서는 안 될 시간 절약 도구이지만 집에서 취미로 작업하는 사람에게는 부상 위험이 될 수 있다.
기초 교육과 경험을 갖춘 노동자들에게 AI는 전문성을 활용하여 더 높은 가치의 일을 할 수 있도록 도와줄 수 있다. AI는 분명 기존의 업무를 자동화하여 기존의 전문분야 일부를 무의미하게 만들 것이다. 또한 우리가 아직 예지하지 못한 전문성에 대한 수요를 창출하는 새로운 인간의 능력, 새로운 상품과 서비스가 더욱 구체화될 것이다.
나의 논지는 예측이 아니라 달성 가능한 것에 대한 주장이다. AI는 AI가 어떻게 사용될지 결정하지 않을 것이며, AI의 건설적이고 파괴적인 응용은 무한하다. 미래가 기술적 필연성에 의해 결정된다는 잘못된 가정—쇼샤나 주보프Shoshana Zuboff는 이를 불가피론inevitabilism이라 부른다—은 시민들이 미래를 만들거나 심지어 인식하는 데 있어 집단적 결정을 내릴 수 있는 능력을 박탈한다. 시몬 드 보부아르가 썼듯이 "우리가 운명을 믿는 순간 운명은 승리한다." AI는 노동자를 강화하고 업무를 향상시킬 수 있는 광대한 도구를 제공한다. 우리는 그 도구들을 지배하고 우리를 위해 일하게 만들어야 한다.
장인에서 대중 전문성으로
우리 시대의 대부분의 '전문가'들은 18세기로 순간이동한다면 당황할 것이다. 산업혁명 이전에는 상품이 숙련된 장인들에 의해 수작업으로 만들어졌다. 수레바퀴는 수레바퀴 만드는 사람이, 의복은 재단사가, 신발은 구두공이, 시계는 시계 제작자가, 총기는 대장장이가 만들었다. 장인들은 적어도 두 가지 광범위한 형태의 전문성을 익히는 데 수년을 보냈다. 결과를 만들어내기 위해 고도로 연마된 단계를 따르는 절차적 전문성과 그러한 절차를 다양한 사례에 적응하는 전문가적 판단이다.
대장장이가 같은 설계로 두 개의 머스킷총을 만들었을 경우, 하나에 속한 부품 중 어느 것도 다른 하나와 호환되지 않을 것이다. 각 부품은 그것이 들어가는 개별 총기에 정확히 맞도록 다듬어지고 연마될 것이다. 우리 시대의 전문가들 중 그런 일을 할 수 있는 사람은 거의 없을 것이고 그 시대의 원시적인 도구를 사용해서 그렇게 할 수 있는 사람은 더더욱 없을 것이다.
장인의 전문성은 존경받았지만 그 가치는 결국 18세기와 19세기에 대량생산의 등장으로 크게 감소했다. 대량생산은 장인들의 복잡한 작업을 별개의 자족적이고 단순한 단계로 나누는 것을 의미했다. 이렇게 하면 고등교육을 받은 관리자들의 감독 하에 생산 노동자 팀이 기계의 도움을 받아 기계적으로 수행할 수 있었다.
대량생산은 장인의 노동보다 훨씬 더 생산적이었지만, 일반 노동자들의 노동 조건은 일반적으로 위험하고 고됐다. 가혹한 조건에서 극도로 낮은 임금을 받고 일할 의지 외에는 특별한 전문지식을 요하지 않았다.
숙련된 장인들은 거의 필연적으로—직업을 마스터하는 데 필요한 수년간의 도제 기간과 제한적인 젠더 규범을 반영해—성인 남성이었던 반면, 초기의 공장은 어린이와 미혼 여성을 많이 활용했다. 19세기에 기계화에 대항해 봉기했던 영국의 숙련 직조공과 섬유 노동자들(러다이트)은 오늘날에는 기술에 대해 순진한 두려움을 가졌다고 자주 조롱받는다.
그러나 이 두려움은 정당한 것이었다. 경제사가 조엘 모키르Joel Mokyr와 그의 동료들이 2015년에 썼듯이 "작은 작업장을 가진 직조공과 편물공은 1815년 이후 공장에 의해 매우 빠르게 말살되었다." 산업시대의 혁신이 생산성의 급증을 촉발했음에도 불구하고, 노동자 계급의 생활수준이 상승하기 시작하기까지는 50년이 걸렸다.
현대 산업의 도구, 공정, 제품이 정교해짐에 따라 새로운 형태의 노동자 전문성인 '대중 전문성mass expertise'에 대한 수요가 급증했다. 복잡한 장비를 운영하고 유지보수하는 노동자들은 기계 가공, 조립, 용접, 화학물질 처리, 섬유 취급, 염색, 정밀 기기 교정 등의 훈련과 경험이 필요했다. 공장 밖에서는 전화 교환원, 타이피스트, 부기담당자, 재고 사무원이 당대의 정보기술이었던 정보 전달 통로의 역할을 했다.
이렇게 새로이 요구되는 전문성의 대부분은 과거에는 존재하지 않았던 것이었다. 전기가 산업적, 소비자적 용도를 찾기 전까지는 전기기술자에 대한 수요가 없었다. 기계가 발명되기 전에는 이를 운영하는 숙련된 기계공이란 존재하지 않았다. 그리고 전화 네트워크가 구축되기 전에는 전화 교환원이 없었다. 이러한 작업에 사용되는 도구, 규칙, 그리고 엄격한 요구사항을 마스터하기 위해 노동자들은 읽고 쓰는 능력과 계산 능력이 자주 필요했다.
우연의 일치는 아니지만, 미국 노동시장에서는 고등학교 졸업 학력의 인력이 적지 않았고 계속 늘고 있었다. 이는 그러한 기술의 공급이 점점 늘고 있었으며 그 기술에 대해 상당한 보상을 받을 수 있었음을 의미한다. 산업 생산성 향상과 노동자 전문성에 대한 수요 증가의 이러한 선순환적 조합은 산업화되는 국가에서 새로운 중산층이 생겨나는 데 도움이 됐다. 이들은 옷이 가득한 옷장, 공장에서 만든 가정용품, 전기 토스터기와 다리미와 같은 새로운 산업 제품과 같은 사치품을 살 수 있었다.
그러나 그들 이전의 장인들과 달리 사무실과 조립 라인에 있는 '대중 전문가' 노동자들에게는 전문가적 판단이 반드시 필요하지 않았고 심지어 용인되지도 않았다. 대량생산 시대의 경영 전문가 프레드릭 윈슬로 테일러Fredrick Winslow Taylor가 1911년에 썼듯이 "모든 노동자의 작업은 적어도 하루 전에 경영진에 의해 완전히 계획되며, 대부분의 경우 달성해야 할 작업과 작업 수행 방법을 상세히 설명하는 서면 지침을 받는다."
그 결과, 규칙을 따라야 하고 재량권은 거의 없었던 대중 전문가 작업의 협소한 절차적 내용은 그 이후 시대의 기술변화에 따른 해고에 특히 취약했을 것이다.
정보화 시대의 대중 전문성에서 엘리트 전문성으로
제2차 세계대전 동안 개척된 혁신에서 비롯된 컴퓨터 시대(정보화 시대)는 결국 산업혁명이 촉진했던 대중 전문성에 대한 수요의 대부분을 소멸시켰다. 이전 시대의 모든 기술과 비교했을 때, 디지털 컴퓨터의 독특한 강점은 명시적이고 결정론적인 규칙, 즉 경제학자들이 '반복적 작업routine task'이라고 부르고 소프트웨어 엔지니어들이 프로그램이라고 부르는 방식에 따라 인지적, 수동 작업을 저렴하고 안정적이며 신속하게 실행하는 능력이었다.
이 설명은 단조롭게 들릴 수 있다. 기계라면 모두 결정론적 규칙을 따르지 않는가? 한 차원에서는 그렇다. 기계는 오작동하지 않는 한 그것이 만들어진 대로 작동한다. 그러나 다른 차원에서는 그렇지 않다. 특정 물리적 작업만 수행하는 이전의 기계 장치와 달리 컴퓨터는 추상적인 정보에 접근하고 분석하며 행동하는 상징 처리기symbolic processor이다. 앨런 튜링이 1937년에 증명했듯이, 이러한 기계는 작업을 일련의 단계로 부호화(보다 공식적으로는 알고리즘이라고 한다)할 수 있다면 무한한 다양성의 작업을 수행할 수 있다.
컴퓨터 시대 이전에는 상징 처리를 위한 도구는 본질적으로 단 하나, 인간의 정신 뿐이었다. 컴퓨터는 상징을 처리할 수 있는 두 번째 도구를 제공했는데 비상한 능력과 심오한 한계를 모두 갖고 있었다. 컴퓨터 시대 이전에 사무 및 생산 관련 숙련업무를 전문으로 하는 노동자들은 대중 전문성의 화신化身이었다.
컴퓨팅이 발전함에 따라 디지털 기계는 도구를 마스터하고 규칙을 따르는 데 있어 노동자들보다 더 능숙하고 훨씬 더 저렴하다는 게 입증되었다. 이는 산업혁명의 기술이 이전에 장인 전문성의 가치를 떨어뜨린 것처럼 대중 전문성의 가치를 떨어뜨렸다.
그러나 모든 작업이 잘 이해된 규칙을 따르는 것은 아니다. 철학자 마이클 폴라니Michael Polanyi가 1966년에 지적했듯이 "우리는 말할 수 있는 것보다 더 많이 알 수 있다"는 것은 우리의 암묵적 지식이 종종 우리의 명시적, 형식적 이해를 초과한다는 것을 의미한다.
설득력 있는 주장을 하고, 농담을 하고, 자전거를 타고, 아기 사진에서 성인의 얼굴을 인식하는 것은 미묘하고 복잡한 일이지만, 사람들은 자신이 하고 있는 일에 대한 형식적인 이해 없이, 그리고 종종 특별한 노력 없이 이를 해낸다.
이른바 '비정형non-routine' 작업의 숙달은 규칙을 배워서 얻어지는 것이 아니라 행함으로써 배우는 것이다. 어린이가 자전거 타는 법을 배우기 위해 자이로스코프의 물리학을 공부할 필요는 없다. 간단한 시행착오로 충분할 것이다. 그러나 AI 이전에는 프로그래머가 로봇이 자전거를 타기 위해 관련된 모든 단계, 분기, 예외를 지정해야 했다. 인간은 직관적으로 어떻게 수행해야 하는지 이해하지만 그 규칙과 절차를 언어화할 수 없는 많은 작업이 존재한다는 이러한 발견은 종종 '폴라니의 역설'이라고 불린다.
많은 고소득 일자리가 비정형 작업을 집중적으로 수행하기 때문에 폴라니의 역설은 전통적인 컴퓨터가 할 수 있는 작업에 큰 제약이 됐다. 관리자, 전문가, 기술 노동자는 주기적으로 일회성의 중요한 사례에 대해 판단(규칙이 아닌)을 내려야 한다. 종양 환자를 위한 치료 계획 선택, 법률 서류 작성, 팀이나 조직 이끌기, 건물 설계, 소프트웨어 제품 설계, 위험한 상황에서 비행기를 안전히 착륙시키기 등이 그렇다. 규칙에 대한 지식은 필요하지만 이러한 사례에서는 규칙만으로는 충분하지 않다.
산업혁명 이전 시대의 장인과 유사하게 의사, 건축가, 조종사, 전기 기술자, 교육자와 같은 현대의 엘리트 전문가들은 특정의 중요하며 종종 불확실한 사례를 다루기 위해 절차적 지식을 전문가적 판단 및 창의성과 자주 결합한다. 화이트칼라 전문가들에게 '도제'란 표현은 거의 쓰지 않지만 전문가들은 장인과 마찬가지로 도제 과정과 같은 수년간의 감독 하에 실습을 통해 전문가적 판단을 개발한다.
컴퓨터화가 대중 전문성의 가치를 떨어뜨리는 동안에도 엘리트 전문가 작업에 종사하는 노동자들에게 컴퓨터는 신의 선물과 같았다. 컴퓨터는 전문가들이 정보를 획득하고 조직하는 데 드는 시간을 줄이고 그 정보를 해석하고 적용하는 데, 다시 말해 실제 의사결정에 더 많은 시간을 할애할 수 있게 해주었다. 이는 전문가 판단의 정확성, 생산성, 철저함을 증대시켜 그 가치를 배가시켰다.
컴퓨터화가 발달함에 따라 4년제 대학, 특히 법학, 의학, 과학, 공학의 대학원 학위를 가진 노동자들의 소득이 가파르게 상승했다. 그러나 이것은 양날의 검이었다. 컴퓨터는 전문가들이 예전에 의존했던 비엘리트 노동자들의 대중 전문성을 자동화했다.
아이러니하게도 컴퓨터화는 비전문 작업에 종사하는 사람들에게도 똑같이 중대한 영향을 미쳤다. 산업화된 국가에서 가장 낮은 임금을 받는 일자리 중 많은 부분이 직접hands-on서비스 직종에서 발견된다. 식품 서비스, 청소 및 관리 서비스, 경비, 개인 케어 등이 그것이다.
이러한 일자리는 손재주, 시력, 단순한 의사소통 기술, 상식을 요구하기 때문에 컴퓨터화에 적합하지 않은 비정형 작업임에도 불구하고 전문성을 거의 필요로 하지 않기 때문에 저임금이다. 대부분의 건강한 성인은 최소한의 훈련과 자격으로 이 일을 할 수 있다.
컴퓨터는 이 일을 직접 할 수는 없었지만 그 일을 하기 위해 경쟁하는 노동자 공급을 늘렸다. 이전 수십 년 동안 사무직, 행정직, 생산직 등 대중 전문성 일자리에 적합했을 노동자들은 대신 비정형의 직접서비스 직종으로 밀려났다. 이는 이미 낮은 이 직종의 임금에 하방 압력을 가했다.
따라서 컴퓨터화는 산업혁명이 촉발한 것과 같은 새로운 대중 전문성 시대를 촉발하기보다는 40년 동안 불평등 심화의 추세를 부추겼다.
인공지능 시대의 전문성
그 이전의 산업혁명과 컴퓨터 혁명과 마찬가지로 인공지능은 인간 전문성의 경제적 가치에 변곡점을 찍는다. 그 이유를 이해하려면 지난날의 컴퓨팅 시대와 구별되는 AI의 특징을 생각해 보라. AI 이전 컴퓨팅의 핵심 능력은 반복적이고 절차적인 작업을 완벽하게 그리고 거의 비용을 들이지 않고 실행하는 것이었다. 그것의 아킬레스건은 암묵적 지식(암묵지)을 필요로 하는 비정형 작업을 마스터할 수 없다는 것이었다. 인공지능의 능력은 정확히 그 반대이다.
우주적 아이러니의 사례라고 할 수 있겠지만 팩트와 숫자에 대해서는 AI를 신뢰할 수 없다. AI는 규칙을 존중하지 않기 때문이다. 그러나 AI는 암묵적 지식을 획득하는 데 놀랍도록 효과적이다. AI는 하드 코딩된 절차에 의존하기보다는 예시를 통해 학습하고, 명시적 지시 없이 숙련도를 얻으며, 명시적으로 갖추도록 설계되지 않은 능력을 습득한다.
전통적인 컴퓨터 프로그램이 악보에 있는 음표만 연주하는 클래식 연주자와 유사하다면 AI는 기존의 멜로디를 바탕으로 즉흥 솔로를 연주하며, 새로운 곡을 흥얼거리는 재즈 음악가와 더 비슷하다. 인간 전문가와 마찬가지로 AI는 형식적 지식(규칙)을 습득한 경험과 엮어 일회성의 중요한 결정을 내리거나 지원할 수 있다.
대본에서 일탈해 훈련과 경험을 바탕으로 즉흥 연주할 수 있는 AI의 능력은 전문가적 판단에 참여하는 걸 가능하게 해준다. 이러한 능력은 지금까지 엘리트 전문가들의 영역에 속해 왔던 것이다.
아직 초기 단계에 불과하지만 이것은 초능력이라 할 수 있다. 앞으로 AI의 의사결정 능력이 보다 신뢰할 수 있고, 예리하며, 접근 가능해짐에 따라 AI는 우리의 업무 생활에서 거의 모든 곳에 자리잡은 존재로 부상할 것이다. AI의 주된 역할은 의사결정자들이 전문가적 판단을 적용할 때 조언하고, 코치하며, 경고하는 것이 될 것이다. 이게 말도 안 되는 소리처럼 들린다면 AI의 의사결정 능력이 이미 우리 일상생활의 가장자리에 스며들었음을 살펴 보라.
이메일 앱이 내가 작성하던 문장을 완성하려 하거나, 스마트워치가 넘어졌는지 묻거나, 차가 차선을 침범하지 않도록 운전대를 살짝 밀 때 AI는 당신의 의도를 해석하고 행동을 안내하기 위해 전문가적 판단을 제공하고 있다.
현재 대부분의 이러한 결정의 위험은 사소하지만(테슬라 운전대에서 졸고 있지 않다면), AI가 발전하고 우리 삶에서 더 높은 가치의 임무를 맡게 되면서 그 위험은 커질 것이다.
기계 능력의 획기적인 발전이 인간 전문성의 미래에 의미하는 건 무엇일까? AI의 새로움에도 불구하고 나는 AI가 미칠 영향에 대한 시사점을 경제사에서 찾을 수 있다고 생각한다. 하지만 그 시사점은 현재와 반대로 작용한다.
AI 이전의 컴퓨팅이 정보 획득과 조직화 작업을 가속화함으로써 직업적인 의사결정자들의 전문가적 판단을 더 중요하고 가치 있게 만들었음을 상기해 보라. 동시에 컴퓨터화는 많은 중간숙련 노동자들의 주력 상품이었던 절차적 전문성의 가치를 떨어뜨리고 대체했다.
그러나 이 과정을 뒤집을 수 있는 기술을 상상해 보라. 어떤 모습일까? 판단을 지원하고 보완함으로써 더 많은 비엘리트 노동자들이 중요한 의사결정에 참여할 수 있게 해주는 기술이 바로 그런 것이리라. 그것은 또한 의사가 의료행위에 대해, 변호사가 문서 제작에 대해, 소프트웨어 엔지니어가 컴퓨터 코드에 대해, 교수가 학부 교육에 대해 가지고 있는 독점력을 약화시킬 것이다.
인공지능은 이러한 반전 기술이다. 실시간 가이드와 안전장치의 형태로 의사결정 지원을 제공함으로써 AI는 더 많은 노동자들이 보완적 지식을 갖추고 현재 의사, 변호사, 코더, 교육자와 같은 엘리트 전문가들만 전용하는 중요한 의사결정 작업을 일부 수행할 수 있게 해줄 수 있다. 이는 대졸 학위가 없는 노동자들의 일자리 질을 향상시키고, 소득 불평등을 완화하며, 산업혁명이 소비재에 대해 했던 것과 유사하게 의료, 교육, 법률 전문성과 같은 주요 서비스의 비용을 낮출 것이다.
대부분의 사람들은 대량 생산이 소비재 가격을 낮췄음을 이해한다. 오늘날의 문제는 고도로 교육받은 전문가 길드가 독점하고 있는 의료, 고등교육, 법률과 같은 필수 서비스의 가격이 높은 데다가 계속 상승하고 있다는 것이다.
연방준비제도이사회의 경제학자 에밀리 도어만Emily Dohrman과 브루스 팰릭Bruce Fallick은 지난 40년 동안 미국 가구소득 대비 의료와 교육의 가격이 각각 약 200%, 600% 상승했다고 추정한다. 이러한 인상에 기여한 것은 엘리트 의사결정자 고용 비용의 상승이다. 그러한 상승은 충분히 정당화될 수 있다. 전문성은 그것이 필수적이면서도 희소할 경우 상당한 프리미엄을 요구한다.
그러나 AI는 희소성을 줄임으로써, 즉 더 많은 노동자들이 이 전문적인 일을 할 수 있게 함으로써 이러한 비용을 낮출 가능성이 있다.
/사진제공=Google DeepMind
이 주장을 보다 구체적으로 만들기 위해 AI가 아닌 다른 예를 고찰해 보자. 전문간호사1Nurse Practitioner 직업이다. 전문간호사란 추가로 석사 학위를 가진 간호사로서, 이 학위는 그들이 한때 의사의 영역에만 속했던 진단검사 시행 및 해석, 환자 평가 및 진단, 약물 처방과 같은 서비스를 제공할 자격을 부여한다.
2011년부터 2022년 사이에 전문간호사 고용은 거의 3배 증가해 약 22만4000명에 이르렀고, 향후 10년 동안 전국 평균을 훨씬 웃도는 약 40%의 성장을 기록할 것으로 예상된다. 2022년 미국 전문간호사의 연봉 중앙값은 12만5900달러(1억7200만원)였다.
전문간호사는 엘리트 의사결정자다. 그들의 업무는 절차적 전문성과 전문가적 판단을 결합한 것으로, 위험도가 높아 현명한 의사결정이 필요한 단발성의 환자 사례에 직면할 수 있다.
전문간호사 직업이 우리의 논의와 관련 있게 만드는 것은 그것이 진단, 치료, 처방과 같은 중요한 전문적 업무가 가장 엘리트 전문 노동자(의사)로부터 다소 덜 엘리트적이지만 (그래도 상당한) 공식적 전문성과 훈련을 갖춘 또 다른 전문가(전문간호사) 집단으로 재할당(또는 공동 할당)된 매우 드문 대규모 사례를 제공한다는 점이다.
이러한 엘리트적 의사결정 권한의 공유를 가능하게 한 것은 무엇일까? 핵심적인 답은 제도다. 1960년대 초 간호사와 의사들은 1차 진료 의사의 부족이 심화되고 있음을 인식하고, 간호사의 기술이 충분히 활용되지 않고 있다고 판단해 두 가지 부족을 모두 해결하기 위해 새로운 의료 직종을 개척했다.
이를 위해서는 새로운 훈련 프로그램을 시작하고, 자격 인증 제도를 개발하며, 의사들의 주요 로비 단체인 미국의사협회와의 (아마도 영원히 끝나지 않을) 힘든 싸움 끝에 의료행위 규정의 변경을 이끌어내야 했다.
전문간호사 제도의 기원에 대한 부가적인 답은 정보기술과 개선된 훈련이 이 새로운 노동 분업을 촉진했다는 것이다. 2012년의 한 연구는 정보통신기술(ICT)이 전문간호사 직업에서 수행하는 중요한 역할에 대해 이렇게 보고했다. "ICT는 전문간호사의 고급 실무를 두 가지 방식으로 지원했다. 환자 정보의 가용성과 완전성을 통해 진단 및 치료 의사결정의 적시성과 품질을 향상시켜 환자의 적절한 치료 접근을 촉진함으로써... (그리고) 중앙 데이터베이스에서 제공되는 환자 데이터는 의료 전문가 간 의사소통을 지원하고 그 품질을 개선했다."
간단히 말하자면, 전자 의료기록과 개선된 의사소통 도구가 전문간호사가 더 나은 결정을 내릴 수 있게 도운 것이다.
더 나아가 AI는 결국 보다 넓은 범위의 의료 업무를 수행하는 전문간호사의 전문가적 판단을 보완할 수 있을 것이다. 그리고 이 점은 훨씬 더 광범위하게 적용 가능하다. 계약법부터 미적분 교육, 심지어 심장 카테터 시술에 이르기까지 AI는 더 많은 노동자들이 중요한 전문 업무를 수행하게 해줄 잠재력이 있다. AI는 노동자들의 기술을 보완하고 그들의 판단을 보완함으로써 이를 실현시킬 것이다.
이 가설을 뒷받침할 증거가 있을까? 최근 세 가지 연구가 '개념 증명proof-of-concept' 사례를 제공한다. 2023년 논문에서 마이크로소프트리서치Microsoft Research의 연구 경제학자 시다 펭Sida Peng과 공동저자들은 깃허브GitHub의 생성AI 기반 프로그래밍 도구인 깃허브 코파일럿GitHub Copilot이 프로그래머의 생산성을 크게 높일 수 있음을 보여준다. 통제된 실험에서 코파일럿을 사용할 수 있었던 실험군은 그렇지 못했던 대조군보다 필요한 프로그래밍 작업을 약 56% 더 빨리 완료했다.
2023년 사이언스지 논문에서 매사추세츠공과대학교(MIT) 대학원생 샤케드 노이Shakked Noy와 휘트니 장Whitney Zhang은 글쓰기 작업에 초점을 맞춘 온라인 실험을 수행했다.이 연구에 모집된 마케터, 보조금 제안서 작성가grant writer, 컨설턴트, 관리자 및 기타 다양한 전문가 중 절반은 무작위로 글쓰기 작업에 챗GPT를 사용할 수 있게(그리고 사용하도록 권장받았고), 나머지 절반은 기존 도구인 워드프로세서와 검색 엔진을 사용해 작업을 수행했다.
노이와 장은 챗GPT 그룹에 할당된 사람들 사이에서 글쓰기 속도와 품질이 크게 향상되었음을 발견했다. 모든 작업에서 작업 시간이 40% 감소했다. 놀랍게도 가장 큰 품질 향상은 하위권에 집중되어 있었다. 챗GPT 그룹에서 가장 성과가 낮았던 작가들은 챗GPT를 쓰지 않은 그룹에서 중간 정도 성과를 낸 작가만큼 효과적이었다. 이는 엄청난 품질 도약이었다.
챗GPT는 전문성의 역할을 없애지 않았다. 최고의 작가들은 어느 쪽 도구를 사용하든 여전히 최고 수준을 보여줬지만 챗GPT는 유능한 작가가 더 빨리 쓸 수 있게 해주었고 덜 유능한 작가가 더 빠르고 더 잘 쓸 수 있게 해주었다. 그리하여 적당한 작가와 훌륭한 작가 사이의 생산성 격차가 줄어들었다.
최근 전미경제연구소(NBER) 논문에서 스탠퍼드대학교의 에릭 브린욜프슨Erik Brynjolfsson과 MIT의 다니엘 리Danielle Li, 린지 레이먼드Lindsey Raymond는 고객서비스 상담원에게 자동으로 응답을 제안하는 생성AI 도구의 사용을 평가했다. 그들은 또한 약 14%의 상당한 생산성 향상을 추정했고, 노이와 장의 연구와 유사하게 이러한 이익은 초보 노동자들 사이에서 가장 두드러졌다.
AI 도구는 초보 노동자들이 10개월이 아닌 3개월 만에 경험 많은 상담원의 역량에 도달할 수 있게끔 도왔다. 예상치 못한 효과로 신입 상담원의 퇴사율도 상당히 감소했는데, 채팅창에서 그들을 향한 고객의 분노가 줄었기 때문일 가능성이 높다. AI 도구의 완충을 받은 고객지원 노동자들은 고객으로부터 그리고 고객에 대해 양방향으로 훨씬 적은 적대감을 경험했다.
이 세 가지 사례 모두에서 AI 도구는 전문가를 대체하기보다는 전문성을 보완했다. 이는 자동화와 증강augmentation의 조합을 통해 이루어졌다. 자동화의 이점은 시간 절약으로 나타났다. AI는 컴퓨터 코드, 광고 카피, 고객지원 응답의 초안을 작성했다. 증강의 이점은 품질 향상으로 이어졌다.
AI를 사용하여 덜 숙련된 노동자들은 더 경험 많고 숙련된 동료들의 작업과 보다 비슷한 품질의 작업을 만들어냈다. 그러나 품질이 향상된 것은 노동자들이 AI가 운전하는 동안 운전대에서 졸고 있었기 때문이 아니다. 노동자들은 코드, 텍스트 또는 고객지원의 최종 결과물을 만들어내기 위해 자신의 전문성과 판단력을 적용해야 했는데, 이와 동시에 AI의 제안도 활용해야 했다.
최근 또 다른 NBER 논문은 규칙을 입증하는 예외를 제공한다. AI 지원 여부를 방사선과 전문의에게 무작위로 할당한 실험에서 MIT의 니킬 아가왈Nikhil Agarwal과 공동저자들은 AI가 방사선과 전문의의 진단 품질을 개선하지 못했음을 발견했다. AI의 예측이 연구에 참여한 의사의 거의 3분의2만큼 정확했음에도 불구하고 말이다.
이는 의사들이 AI 도구를 효과적으로 사용하는 방법을 이해하지 못했기 때문이다. AI가 자신 있는 예측을 제공할 때 의사들은 종종 자신의 감으로 그 예측을 무시했다. AI가 불확실한 예측을 제공했을 때 의사들은 종종 자신의 보다 나은 예측을 무시하고 기계가 제공한 예측을 따랐다.
이 연구가 주는 교훈은 의사의 AI 사용을 금지해야 한다는 것이 아니다. AI를 광범위하고 상호보완적으로 사용하기 위해서는 교육과 추가 전문성 습득이 필요하리라는 것이다. 이러한 전문성을 갖추면 방사선과 의사들은 진단 속도와 정확성 모두에서 더 나아질 것이고, 따라서 전문가로서의 가치가 더 향상될 것이다.
만약 AI가 방사선학, 고객서비스, 소프트웨어 코딩, 카피라이팅 및 많은 다른 영역에서 생산성의 급증을 촉발한다면, 이전에 여러 사람들이 하던 일을 더 적은 수의 노동자들이 하게 되는 건 아닐까? 일부 영역에서는 그 반대가 사실일 수 있다.
의료, 교육, 컴퓨터 코드에 대한 수요는 거의 무한해 보이며, AI가 기대만큼 이러한 서비스의 비용을 낮추면 더욱 증가할 것이다. 그러나 다른 영역에서는 급속한 생산성 증가가 고용을 잠식할 것이다. 1900년 당시 미국 고용인구의 약 35%가 농업에 종사했다. 100년 넘게 지속된 생산성 증대 이후, 2022년의 농업종사자 비율은 약 1%였는데 우리가 먹는 양이 줄었기 때문은 아니다.
그러나 특정 상품이나 서비스의 고용에 대해 발생하는 일이 전체 경제 차원에서도 똑같이 발생하진 않았다. 미국 노동자의 거의 40%가 농장에서 일하던 시절, 보건 및 의료, 금융 및 보험, 소프트웨어 및 컴퓨팅 분야는 겨우 싹트기도 전이었다.
오늘날의 일자리 대다수는 지금까지 자동화를 피할 수 있었던 직업들의 잔재가 아니라 특정 기술 혁신과 불가분의 관계에 있는 새로운 직업 전문 분야다. 그것들은 이전 시대에는 이용할 수 없거나 상상할 수 없었던 새로운 전문성을 요한다.
항공관제사, 전기기술자, 유전자편집자 같은 직업은 그 기반이 되는 혁신이 이러한 전문기술에 대한 필요성을 낳기 전까지는 존재하지 않았다. 그렇다고 테크놀로지가 전부는 아니다. 비건 셰프, 대입 컨설턴트, 퍼스널트레이너와 같은 많은 전문 개인 서비스 직종은 특정한 혁신이 아니라 소득 증가, 유행 변화, 경제적 유인 변화로 생겨난 것이다. 혁신은 경제의 파이를 키움으로써 이에 기여하여 사회가 더 큼직한 조각을 요구할 수 있게 만든다.
인구 정체와 은퇴 연령을 훨씬 지난 시민의 비율 증가에 직면한 미국 및 선진국에게 진정한 난관은 일자리 부족이 아니라 노동자 부족이다. 예를 들어 파이낸셜타임스에 따르면, 빠르게 고령화되고 있는 일본에서는 "일본 소매업체들이 노동력 부족에 대처하기 위해 영업 시간을 단축하고, 아바타를 설치하며, 외국 유학생들을 고용하고 있다."
더 많은 노동자들이 AI로 전문성을 더 효과적으로 사용할 수 있게 되어 고생산성 일자리의 비중을 높이고 노동시장의 인구학적 압박을 완화한다면 미국과 다른 선진국에 큰 도움이 될 것이다.
대체냐 보완이냐
AI가 저렴한 전문성을 대량으로 공급할 수 있다면 수적으로 훨씬 부족한 인간의 전문성이 쓸모없지 않을까? 나는 비유로 답하겠다. 유튜브를 보라. 집수리에 능숙하거나 숙련된 기술직에 종사한다면 아마도 유튜브에서 '방법how to' 동영상을 보는 데 시간을 보낼 것이다. 스위치 교체 방법, 가스 누출 찾는 방법, 제설기 조정 방법 등. 2018년 퓨리서치 연구에 따르면 성인 유튜브 사용자의 51%가 유튜브가 "이전에 해보지 않은 일을 하는 방법을 알아내는 데 매우 중요하다"고 답했다.
그런데 이런 '방법' 동영상은 누구에게 유용할까? 전문가들은 아니다. 그들은 이런 동영상을 만드는 사람들이다. 아마추어들은 어떨까? 내가 19세기에 지어진 우리집의 퓨즈박스를 20세기의 회로차단기 패널로 교체하고 싶다고 가정해 보자. 나는 전기 플라이어를 만져본 적도 없고 절연장갑도 없다. (정말로 그런 건 아니다.) 하지만 내겐 한가한 토요일이 있고 근처에 홈디포가 있다. 자신감이 충만해진 나는 이 주제에 대한 수십 개에서 수백 개의 유튜브 동영상 중 하나를 틀어놓고 작업에 착수한다. 이윽고 나는 우리집의 19세기 퓨즈박스가 동영상에 나온 것과 꼭 같지 않다는 걸 깨닫는다. 내가 도중에 그만두거나 뻔뻔스레 계속 진행하기로 선택하든, 나는 심한 감전 또는 화재의 위험에 직면하게 된다.
그 유튜브 동영상은 분명 나를 위한 게 아니다. 전문성을 공짜로 이용하려면 내게는 그 기반이 되는 전문성이 필요했다. 고전압 회로를 다루는 절차에 대한 지식, 작업이 예상을 벗어났을 때 문제를 해결하기 위한 전문가적 판단이 필요했다. 내가 그 전문성을 갖추고 있다면 유튜브는 내가 정확히 필요로 했던 것일 수 있다.
요점은 도구가 전문성을 불필요하게 만드는 것이 아니라 그 효능과 범위를 확장함으로써 전문성을 더 가치 있게 만드는 경우가 적지 않다는 것이다. 그리고 도구가 강력할수록 위험도 더 높아진다. 알렉산더 포프가 지적했듯이 "가장 위험한 것은 조금만 배우는 것이다."
AI는 화이트칼라 전문가를 위한 유튜브 이상의 것이지만 전문가의 능력을 확장하는 데 AI의 역할은 무엇보다 더 중요하게 될 것이다. 예를 들어 대부분의 의료 절차는 잘 규정된 일련의 단계를 따른다. 그러나 이러한 단계를 실행하려면 실습과 그에 따라 암묵적으로 획득한 전문가적 판단이 필요하다.
마찬가지로, 경험 있는 의료인은 AI의 안내를 받아 새로운 유형의 카테터 사용과 같은 새로운 의료 기기를 마스터하거나 응급 상황에서 익숙하지 않은 절차를 수행할 수 있을 것이다. 훈련되지 않은 성인도 유튜브에서 '방법' 동영상을 따라 환자(또는 자신)에게 카테터를 삽입하는 데 성공할 수 있다. 그러나 그 절차가 불가피하게 예상에서 벗어날 경우, 전문가적 의료 판단을 가진 사람이 반드시 곁에 있어야 한다.
일반적으로 인공지능은 훈련되지 않은 비전문 노동자들이 카테터 삽입과 같은 고위험 작업을 수행할 수 있게 해주지 않을 것이다. 그러나 적절한 기초 전문성을 갖춘 노동자들의 레벨업을 돕는 건 가능하다. AI는 건실한 기초와 탄탄한 구조 위에 이야기를 구축함으로써 전문성의 도달 범위를 확장할 수 있다. 이러한 기반이 없다면 그것은 구조적 위험이 된다.
내가 AI로 돌아가는 로봇이 곧 이러한 일을 혼자 수행할 것이라는 가능성, 다시 말해 인간 전문가가 필요 없게 될 가능성을 간과하고 있는 걸까? 나는 그렇지 생각하지 않는다. AI는 로봇공학의 발전 속도를 높이겠지만 공장과 같이 엄격하게 통제된 환경이 아니라 예측 불가능한 실제 환경에서 육체적으로 힘든 작업을 수행하기 위해 로봇을 배치하는 것이 실현 가능하고 비용적으로도 효율적인 시대는 여전히 요원해 보인다.
내 말이 지나치게 비관적으로 들린다면, 막대한 투자와 곧 성공한다는 대대적인 선전에도 불구하고 우리 시대의 선도적인 테크 기업들이 자율주행을 제공하는 데 어떻게 실패했는지 생각해 보라. 왜일까? 로봇이 운전대, 가속 페달, 브레이크 페달을 조작하는 것이 무리라서가 아니다. 그건 사소한 일이다. 예측할 수 없는 보행자, 끊임없이 변하는 도로 위의 위험, 궂은 날씨의 세계를 해석하고 적절하게 대응하는 것은 여전히 매우 어려운 일이다. 이에 비해 차단기함을 설치하거나 식사를 준비하고 환자의 심장에 카테터를 삽입하는 등의 작업에 필요한 인지적, 신체적 민첩성은 엄청나 보인다.
전문성의 황혼?
누군가는 내가 단지 인간 전문성의 평온한 황혼기를 묘사하고 있을 뿐이라고 반박할 수 있다. 트랙터가 배수로 파는 일에, 공장의 조립 라인이 장인의 전문성에, 계산기가 긴 나눗셈에 했던 것처럼 AI가 결국은 인간 전문성을 자동화하지 않을까?
비록 대부분의 독자들이 인류가 여전히 대장간에서 쇠를 두들겨 도구를 만들거나 연필과 종이로 긴 나눗셈을 해야 하는 세상을 선호하지는 않겠지만 나는 그 우려를 인정한다. 내가 볼 때, 인간 노동에 경제적 가치가 없는 미래는 통제할 수 없는 악몽이다. 일부 기본소득 애호가들은 이에 동의하지 않겠지만 말이다. 그럼에도 불구하고 그러한 전제와 결론은 서로 부합하지 않는다.
혁신은 어김없이 새로운 도구를 제공하며, 도구는 자동화의 기구인 경우가 많은 건 사실이다. 예를 들어 런던의 택시 기사는 런던의 모든 길을 암기하기 위해 수년간 훈련을 받지만 스마트폰 내비게이션 앱은 이 힘들게 얻은 전문성을 기술적으로 쓸모없고 경제적으로 불필요하게 만들었다.
도구는 사용자의 전문성을 침해할 수 있으며 그런 사례도 많다. 그러나 그 반대도 마찬가지로 많다. 앞서 언급한 항공관제사를 떠올려 보라. 레이더, GPS, 쌍방향 무전기가 없다면 이 고도로 훈련된 전문가들은 하늘을 바라보는 것 이상의 일은 거의 할 수 없을 것이다. 마찬가지로 의사, 건설업자, 음악가와 같은 대부분의 오래된 직업의 전문성은 그 전문성을 적용하는 데 필요한 도구를 박탈당한다면 훨씬 덜 유용하고 많은 경우 무의미할 것이다.
경제학 용어로 내비게이션 앱은 런던 택시 기사의 전문성을 자동화했다. 그러나 레이더, GPS, 쌍방향 무전기는 항공관제사에게 정반대로 작용했다. 이 경우 혁신은 자동화를 만들지 않았고, 새로운 유형의 전문 업무를 만들었다.
혁신이 오로지 자동화를 만들었다면 우리는 오래전에 일자리가 사라졌을 것이다. 산업화된 세계에서는 일자리가 부족해지기 전에 노동자가 부족해질 것으로 보인다. 그 이유는 가장 중요한 혁신들은 결코 자동화와 별 관련이 없었기 때문이다. 예를 들어 자동화는 비행기, 실내 배관, 페니실린, 유전자가위(CRISPR), 텔레비전을 탄생시키지 않았다.
이러한 혁신은 기존 작업을 자동화하는 대신 근본적으로 새로운 인간 가능성의 지평을 열었다. 또한 새로운 고용과 새로운 전문성 수요를 창출했다. 이러한 전문기술에 대한 필요성을 뒷받침하는 혁신이 일어나기 전까지는 항공 승무원, 가정 배관공, 유전학자, 텔레비전 배우는 존재하지 않았다.
AI는 일부 직업의 핵심 작업을 자동화하고, 다른 일부는 제거하며, 남은 일부를 극적으로 재구성할 것이다. 동시에 새로운 재화와 서비스를 구체화하고, 새로운 전문성 수요를 창출하며, 인간 발전을 위한 새로운 가능성을 열어줄 것이다. 비록 그게 무엇이 될지 예측하기는 항상 어렵지만 말이다.
이러한 상반되는 효과는 승자와 패자를 만들 것이며, 이에 적응하기란 괴로울 수 있다. 자동화의 힘과 새로운 일자리 창출이 동등해서 서로 상쇄된다는 경제법칙은 없다. 사실 최근의 자료는 전자가 후자를 앞지르고 있음을 보여준다. 그러나 이 대립하는 힘들이 서로 겨루다가 무승부를 기록한다 하더라도 AI에 의해 전문성이 대체될 노동자들과 전문성이 새롭게 가치 있게 될 노동자들이 동일할 가능성은 작다.
예측이 아닌 시나리오
역사와 학문은 사회가 개발하는 기술과 그것을 어떻게 사용하는지—착취 또는 해방을 위해, 번영을 확대하거나 부를 집중시키기 위해—가 무엇보다도 그것이 만들어진 제도와 그것이 배치된 인센티브에 의해 결정됨을 보여준다.
1940년대 통제된 핵분열에 대한 과학적 숙달은 국가들이 대량살상무기와 탄소 제로에 가까운 발전소 둘 다를 생산할 수 있게 해주었다. 80년이 지난 지금, 국가들은 이러한 기술에 각기 다른 우선순위를 적용했다. 북한은 핵무기를 보유하고 있지만 민간 원자력발전소는 없다. 공격용 핵무기가 사용된 유일한 국가인 일본은 핵무기를 보유하고 있지 않고 민간 원자력발전소 수십 기를 보유하고 있다.
인공지능은 핵 기술보다 훨씬 더 유연하고 광범위하게 적용 가능하므로 건설적 용도와 파괴적 용도의 범위가 훨씬 더 넓다. AI가 어떻게 배치되고, 그 과정에서 누가 이득을 보고 손해를 보는지는 산업계, 정부, 외국, 비정부기구, 대학, 노동자 단체, 개인의 집단적(그리고 상충되는) 선택에 달릴 것이다.
그 파급력은 엄청나다. 경제적 효율성뿐만 아니라 소득 분배, 정치 권력, 인권에도 영향을 미칠 것이다. 일부 국가들은 이미 AI를 사용하여 자국민을 집중 감시하고, 공식 서사에서 벗어나는 관점을 억누르며, (그리고 나중에 처벌할) 반체제 인사를 식별하고 있다. 그리고 이들 국가는 비슷한 생각을 가진 독재 정권에 빠르게 이러한 능력을 수출하고 있다. 다른 환경에서는 동일한 기본 AI 기술이 코로나 백신 개발을 포함한 의약품 개발을 발전시키고, 회화의 실시간 번역을 가능하게 하며, 어려움을 겪는 학습자와 영민한 독학자에게 무료로 맞춤형 과외를 제공하는 데 사용된다.
AI는 노동시장에 실질적인 위험을 제기하지만 그 위험이 테크놀로지로 인해 일자리가 사라진 미래는 아니다. 진짜 위험은 전문성의 가치 하락이다. 인간이 일반적이고 차별화되지 않은 노동력만 공급하는 미래는 모두가 전문가라서 결국 아무도 전문가가 아닌 미래다. 이 세계에서 노동은 일회용이며 대부분의 부는 인공지능 특허 소유자에게 돌아갈 것이다. 그러한 세계의 정치적 현실은 지옥, 마치 영화 '월-E'가 '매드 맥스'를 만난 것 같으리라.
놀랍게도 그것은 또한 많은 AI 전문가들이 염두에 두고 있는 경제적 미래이기도 하다. 예를 들어 챗GPT와 DALL-E의 개발사인 오픈AI의 헌장은 인공 일반 지능(AGI)을 "대부분의 경제적으로 가치 있는 일에서 인간의 능력을 능가하는 고도로 자율적인 시스템"으로 정의한다. AI의 선구자 무스타파 술레이만Mustafa Suleyman은 2023년 저서에서 이렇게 썼다. "다가오는 물결이 정말로 보이는 것처럼 보편적이고 광범위하다면 인간은 어떻게 경쟁할 것인가?"
이러한 불길한 발언에 대해 내가 할 수 있는 가장 너그러운 말은 그것들이 틀렸을 가능성이 높다는 것이다. 이런 주장은 혁신의 복잡성을 자동화라는 단일 차원으로 단순화한다. 이런 주장을 하는 사람들은 전동공구가 업자의 기술의 가치를 떨어뜨리고 여객기가 승객보다 더 뛰어나다고 여길까? 후자의 질문은 물론 말도 안 되는 소리다. 비행기는 우리의 경쟁자가 아니다. 그저 그것이 없으면 날 수 없을 따름이다.
우리의 기존 능력을 더 빠른 속도와 더 낮은 비용으로 복제하는 것은 사소한 성취다. 가장 가치 있는 도구는 인간의 능력을 보완하고 새로운 가능성의 경계를 연다. 가장 평범한 도구들은 점진적으로 기존 도구의 성능을 능가한다.
우리집 세탁기는 최초의 아폴로 우주선보다 더 많은 컴퓨터 프로세싱 능력을 갖고 있어 지구 어느 곳에서도 세탁을 시킬 수 있다. 그러나 이 세탁기가 달에 착륙하는 일은 결코 없을 것이다. AGI가 인류에게 새로운 달 착륙이 아닌 그저 더 나은 세탁기를 제공할 뿐이라면, 우리를 실망시킨 것은 AGI가 아니라 우리 자신이다.
AI로 인한 로봇 대재앙이 임박했다는 언론 보도가 쏟아지는 가운데 산업화된 선진국에 일자리는 많고 노동자는 부족하다는 사실을 쉽게 눈치채지 못할 수도 있다. 문제는 우리에게 일자리가 있을 것인지의 여부가 아니다. 일자리는 있을 것이다. 문제는 그게 우리가 원하는 일자리냐다.
운 좋은 사람들에게 일은 목적, 공동체, 존중을 제공한다. 그러나 컴퓨터화가 진행되고 불평등이 만연함에 따라 지난 40년 동안 상당수 일자리의 품질, 존엄성, 존중감이 약화되었다.
AI는 이런 상황을 반전시킬 수 있는 독특한 기회를 인류에게 제공한다. 더 많은 노동자 집단에게 인간 전문성의 관련성, 도달 범위, 가치를 확장하는 것이다. 이는 소득 불평등을 완화하고 의료 및 교육과 같은 주요 서비스의 비용을 낮출 수 있을 뿐만 아니라 너무 많은 노동자와 일자리가 잃어버린 품질, 지위, 주체성을 회복하는 데 도움이 될 수 있다.
이러한 대안적 경로는 AI 개발의 불가피하거나 본질적인 결과가 아니다. 그러나 이는 기술적으로 타당하고, 경제적으로 일관되며, 도덕적으로 설득력이 있다. 이 잠재력을 인식하면서 우리는 AI가 우리에게 무엇을 할 것인지 묻기보다는 우리가 AI로 무엇을 하길 원하는지 물어야 한다.
데이비드 오터는 저명한 노동경제학자이자 MIT 경제학 교수로 기술 변화와 세계화가 노동자에게 미치는 영향을 연구한다.또한 MIT Shaping the Future of Work Initiative와 전미경제연구소 노동연구프로그램의 공동 이사다.
(To read the original essay and other similar essays in English, visit noemamag.com.)
챗GPT를 필두로 생성AI가 놀라운 가능성을 보여주면서 AI가 경제에 미칠 영향에 대한 갖가지 추측이 난무합니다. '직업이 필요 없어지는 시대가 올 것'이라 말하는 일론 머스크는 그 중 가장 호들갑스러운 인사이지요. 얼마 전에는 '내년에는 AI가 사람보다 똑똑해진다'고 주장했다가 세계적인 AI 권위자 얀 르쿤 메타 수석AI과학자로부터 '아직 신뢰할 수 있는 자율주행도 못 만들었으면서 무슨 소리냐'는 핀잔도 들었더군요. (얀 르쿤이 공저한 'AI와 언어의 한계'는 AI에 관심 있는 모든 분들에게 깊은 지적 자극을 선사할 글입니다.)
이럴수록 역사를 돌이켜 보는 것이 유용합니다. 그 어떤 혁명적인 기술이건 인간이 만들어 인간이 사용하는 것이기 때문입니다. 미국의 아프가니스탄 주둔군을 총지휘했던 스탠리 매크리스털 전 미 육군대장은 역사를 공부하는 게 리스크를 다루는 데 필수적이라고 말합니다. 역사를 모르면 생각이 개인적 경험에만 국한되기 때문이라는 겁니다.
과거의 기술혁명에 대해 경제의 역사는 어떤 이야기를 해줄까요? 노동경제학 분야의 석학 데이비드 오터 MIT 교수의 노에마 매거진 기고문이 갖는 미덕은 산업혁명과 정보혁명 시기에 노동과 직업전문성이 맞았던 변화를 경제사적으로 되짚어 보면서 AI혁명이 직업에 미칠 영향에 대해 차분히 생각해볼 기회를 준다는 것입니다. 호들갑은 잠시 제쳐두고 잠시 숙고를 해볼 시간입니다.