AI는 일을 없애지 않습니다. 같은 노력으로 더 높은 결과를 만듭니다. 글쓰기와 체스의 실제 데이터로 보는 AI 시대의 진정한 변화.
AI가 일을 줄이지 않는 이유: 생산성의 역설
핵심 요약
- AI는 일을 없애지 않고, 결과의 상한선을 높입니다. 같은 양의 노력으로 더 나은 결과물을 만들 수 있게 해줍니다.
- 기계적 작업은 줄어들지만, 인간의 주의는 가치사슬의 상위로 이동합니다. 구조적 편집에서 수사적 정확성으로 옮겨갑니다.
- 체스 엔진의 등장 이후 그랜드마스터는 3배 증가했습니다. 인간 기술이 사라지지 않고, 더 높은 수준에 도달하게 됩니다.
- 효율성이 증가하면 우리는 더 높은 기준을 추구하게 됩니다. 이것이 제본스 역설의 진정한 의미입니다.
AI의 진짜 역할: 일을 줄이는 게 아니라 상한선을 높이기
3년간 AI를 활용한 글쓰기의 거의 모든 방식을 시도해본 결과, 효과적이었던 것은 폐쇄 루프 취향 플라이휠 이었습니다. AI 에이전트가 초안을 작성하기 전에 배경 연구와 학습된 내부 규칙을 흡수하고, 생성 후 인간의 모든 비판을 검토 과정에서 포착하며, 그 교훈을 영구 파일에 기록하는 방식입니다.
일반적인 가정은 AI가 발전하면 인간의 편집 작업이 사라질 것 이라는 것입니다. 하지만 실제 데이터는 반대를 보여줍니다.
편집 작업이 사라지지 않고 '이동'했다
10개의 발행된 에세이 데이터를 분석해보면, 초안 수정 횟수는 크게 변동했습니다. 데이터 기반 게시물은 47번의 초안 수정이 필요했고, 에이전트 수명에 관한 에세이는 3번으로 끝났습니다.
그러나 줄 단위 편집 횟수는 게시물당 평균 140회로 거의 변하지 않았습니다. 전체 데이터셋에서 통계적으로 유의미한 감소가 보이지 않은 것입니다.
대신 작업의 성격이 변했습니다. 초기에는 대부분의 인간 노력이 구조적 분류(structural triage)에 들어갔습니다. 즉, 학술 문헌 검토를 제외하고, 논지를 첫 단락으로 옮기고, 깨진 서사 구조를 고치는 일입니다.
로컬 취향 기억이 안정되면서 구조적 혼란이 사라졌습니다. 에이전트는 첫 두 시도 안에 논지를 정확히 찾아냅니다. 그 결과, 인간의 주의는 전적으로 줄 단위의 정교한 작업에 집중됩니다. 초안당 세부 편집 비율은 4.4에서 43.3으로 급증했습니다.
체스가 보여주는 같은 패턴
체스의 역사에서도 동일한 현상이 나타납니다. 체스 엔진이 등장했을 때, 일반적인 가정은 인간 체스가 정체될 것 이라는 것이었습니다. 기계가 사고를 담당하면 인간의 우위가 약화될 것이라고 말입니다.
하지만 데이터는 다른 이야기를 합니다.
1979년에는 전 세계에서 단 한 명만이 2700점 이상을 기록했습니다(아나톨리 카르포프). 오늘날 상위 30명의 선수는 평균 거의 2,750점에 달합니다. 한때 한 사람에게만 해당되던 이 기준점은 이제 최고 선수들 뒤의 무리를 나타냅니다.
더 놀라운 것은 그랜드마스터의 수입니다. 1993년에는 524명이었고, 오늘날 약 1,750명으로 세 배 이상 증가 했습니다. 기계가 강해졌다고 해서 엘리트 인재 풀이 줄어들지 않았습니다. 오히려 그것이 더 많은 기술을 가능하게 만들었고, 그것을 자유롭고 보편적으로 만들었습니다.
흥미로운 점은 선수들이 더 많은 시간을 훈련에 쏟지 않았다 는 것입니다. 컴퓨터 이전 시대의 챔피언 빅토르 코르치노이는 토너먼트 게임 시간만큼, 즉 하루 5시간을 훈련했습니다. 현대 훈련은 4시간입니다. 대신 학습이 더 빨라졌습니다. 한때 2주간의 자료 수집과 한 달간의 준비가 필요했던 것이 이제는 데이터베이스에서 30분이면 됩니다.
동일하거나 더 적은 시간으로 훨씬 더 높은 기술 수준에 도달할 수 있었던 이유는 선수들이 더 열심히 노력했기 때문이 아니라, 그들이 훈련에 사용한 도구가 더 좋아졌기 때문입니다.
기준점의 상향: 제본스 역설의 진정한 의미
경제학자들은 이 패턴을 제본스 역설 이라 부릅니다. 자원의 효율성을 높이면 소비가 줄어들기보다는 오히려 증가한다는 이론입니다.
하지만 더 흥미로운 질문은 소비에 관한 것이 아닙니다. 그것은 기준점에 관한 것입니다.
AI는 단순히 시간을 절약하는 것을 넘어섭니다. 동일한 노력으로 얻을 수 있는 결과의 한계를 높여줍니다. 기계적인 작업은 줄어들고, 재량적인 노력은 가치사슬의 상위로 이동합니다.
글쓰기의 경우, AI 에이전트는 편집 작업을 구조적 분류에서 수사적 정확성으로 옮겨놓았습니다. 샘 레이스의 표현을 빌리면, 단어는 정보를 담는 수동적인 용기가 아니라, 독자의 마음에 겨냥된 장전된 장치 입니다. 소프트웨어가 구조적 발판을 구축하는 기계적 작업을 없애주면, 작가는 진정한 목표에 집중할 수 있게 됩니다. 부사를 제거하고, 문장 리듬을 조율하며, 대조를 날카롭게 하고, 장식적 절을 잘라내는 일에 말입니다.
결론
AI 시대의 진정한 변화는 작업이 사라지는 것이 아닙니다. 기준점이 올라가는 것입니다. 우리가 AI 이전의 수준에 만족하고 멈출 것인가, 아니면 AI가 가능하게 한 더 높은 품질의 결과물을 추구할 것인가의 문제입니다.
성숙한 AI 활용의 척도는 인간의 일을 없애는 것이 아닙니다. 그것은 작가를 구조적 기술자에서 명사수로 격상시키는 것입니다.
Original source: AI Productivity Doesn't Mean What I Think It Means
powered by osmu.app