AI가 정말 일자리를 빼앗을까? 베네딕트 에반스가 분석한 AI의 1997년, 기술 혁신의 진짜 의미, 그리고 미래를 대비하는 방법을 알아보세요.
AI는 정말 어디로 향하는가: 기술 혁신과 미래 사회에 대한 합리적인 대화
핵심 요약
- AI는 인터넷이나 스마트폰 수준의 기술적 도약 이지만, 산업 혁명 같은 극단적 변화는 아님
- 새로운 기술은 기존 일자리를 자동화하지만, 동시에 새로운 일자리를 창출 하는 역사적 상수
- "일자리 종말론"은 과장된 단순화 이며, 어떤 직업이 자동화될지 정확히 예측하는 것은 불가능
- 현재 AI는 1997년의 인터넷 수준 으로, 미래 애플리케이션 대부분은 아직 구축되지 않음
- 전문 서비스 분야에서 AI 리더들이 오히려 인간 컨설턴트에 투자 하는 역설적 현상 발생
- 작업(task)과 직무(job)의 구분이 핵심 으로, 진정한 가치는 인간의 전략적 판단에 있음
AI 기술 발전의 현실적 수준: 1997년의 인터넷처럼
AI의 현재 발전 단계를 정확히 이해하기 위해서는 역사적 비유가 필�요합니다. 베네딕트 에반스가 제시하는 중요한 관점은 우리가 지금 AI로 경험하고 있는 것이 1997년의 인터넷과 매우 유사하다는 점입니다. 당시 인터넷은 분명 혁신적이었지만, 대부분의 사람들은 여전히 온라인 상태가 아니었고, 기술의 많은 부분이 초보적이었으며, 미래의 주요 애플리케이션들은 아직 개발되지 않았습니다.
현재 AI도 정확히 같은 상황에 처해 있습니다. 소프트웨어 개발자들과 기술 전문가들은 이 기술에 흥분하고 있지만, 일반 대중의 대부분은 여전히 AI를 제대로 이해하지 못하거나 정기적으로 사용하지 않고 있습니다. 13세에서 18세 청소년을 대상으로 한 설문조사에 따르면, 약 15~20%만이 매일 AI를 활성 사용하고 있으며, 또 다른 20%는 주간 사용자이며, 무려 60%는 전혀 사용하지 않고 있다는 결과가 나왔습니다.
이는 AI가 정말로 어디에서 작동하고 어디에서 작동하지 않는지에 대한 '들쭉날쭉한 경계(jagged frontier)' 현상을 만들어냈습니다. 누군가는 AI가 자신의 업무를 완전히 변화시킨다고 말하는 한편, 다른 누군가는 AI를 어떻게 활용해야 할지조차 모르고 있습니다. 이는 기술이 아직 초기 단계에 있다는 명확한 증거입니다. 어느 모델 연구소가 지배할 것인지, 또는 궁극적으로 어디에 가치가 축적될 것인지에 대한 논의는 아직 시기상조입니다. 1997년에 누가 주요 검색 엔진이 무엇일지, 또는 어떤 인터넷 회사가 지배할 것인지 예측할 수 있었겠습니까?
또한 우리는 현재 정보 격차에 직면해 있습니다. 모델 연구소들은 사용량에 대한 의미 있는 데이터를 공개하지 않으며, ChatGPT의 일일 활성 사용자 수조차 알려주지 않습니다. 우리는 주로 추측과 제한적인 학술 데이터에 의존하고 있습니다. 이러한 상황에서 AI의 미래를 정확히 예측하려는 시도는 본질적으로 제한적입니다.
일자리 소멸론의 허구성: 역사가 보여주는 진실
AI에 관한 논의에서 가장 광범위하게 퍼져 있는 주장 중 하나가 "AI는 모든 일자리를 대체할 것"이라는 종말론입니다. 소셜 미디어에서 만연한 이 주장들은 극도로 단순화된 관점이며, 역사적 사실과 경제 이론에 의해 명확히 반박됩니다. 특정 직업의 몇 퍼센트가 자동화될 것이라고 주장하는 연구들("변호사 업무의 17%가 자동화된다" 같은 주장)은 에반스가 명확하게 비판하듯이 "허튼소리"입니다.
이러한 예측이 불정확한 이유는 업무를 자동화 가능한 작은 작업 단위로 정확히 분해할 수 없기 때문입니다. 이는 AI의 '전문가 시스템 문제'와 동일합니다. 1980년대 초 개발자들은 규칙 기반 논리(예: "귀가 있으면 고양이다")로 AI를 만들려고 했지만, 현실 세계의 복잡성은 이러한 단순한 규칙으로 포착할 수 없었습니다. 마찬가지로, 직업의 특정 백분율을 자동화 가능하다고 정량화하려는 시도는 직무의 실제 복잡성을 무시합니다.
역사적으로 기술이 어떻게 작동했는지 살펴보면, 흥미로운 패턴이 드러납니다. 20세기 동안 계산기, 천공 카드, 메인프레임, 데이터베이스, ERP 시스템, 스프레드시트, 클라우드 컴퓨팅이 도입되었음에도 불구하고, 회계사로 고용된 인원 수는 지속적으로 증가했습니다. 비슷하게, 소프트웨어 개발 분야에서도 통합 개발 환경(IDE), 라이브러리, 운영 체제의 발전으로 개발자 수가 10분의 1로 줄어들지 않았습니다. 오히려 엔지니어에 대한 수요는 증가했습니다.
이는 제임스 제본스(James Jevons)가 설명한 현상과 유사합니다. 어떤 작업을 자동화하여 비용을 낮추면, 반드시 같은 양의 일을 더 적게 한다는 뜻이 아니라, 투자 수익률(ROI) 증가로 인해 같은 비용으로 더 많은 일을 하거나, 심지어 더 큰 예산으로 훨씬 더 많은 일을 하게 됩니다.
작업 대 직무: 가치의 진정한 원천 이해하기
AI 기술의 영향을 정확히 이해하기 위해서는 "작업(task)"과 "직무(job)"를 구분하는 것이 중수적 중요합니다. 이것이 바로 AI가 일자리를 어떻게 변화시키는지를 분석하는 핵심입니다. 예를 들어, 엘리베이터 조작원을 생각해봅시다. 수동 엘리베이터가 있던 시대에는 레버를 직접 조작하는 것이 주된 작업이었습니다. 이 작업은 버튼의 출현으로 자동화되었지만, 그 결과 무수한 일자리가 사라진 것이 아니라 새로운 작업들이 생겨났습니다.
이는 전문 서비스 분야에서 더욱 명확하게 나타납니다. 맥킨지나 베인 같은 최고 경영진 컨설팅 회사를 고용할 때, 우리가 실제로 비용을 지불하는 것은 75장짜리 파워포인트 슬라이드가 아닙니다. 우리가 지불하는 것은 조직 깊숙이 파고들어 근본적인 문제를 파악하고, 내부 정치를 탐색하며, 고객과 직접 소통하여 실제 필요를 밝혀내는 인간의 전략적 판단력입니다. 파워포인트는 단지 눈에 보이는 결과물일 뿐, 진정한 가치는 인간의 전문 지식과 판단력에 있습니다.
이러한 개념은 음반 산업이나 신문 산업의 사례에서 더욱 잘 드러납니다. 음반 회사들이 위기를 겪은 이유는 AI나 자동화 때문이 아니라, 물리적 유통이라는 비용이 높은 작업이 분리되었기 때문입니다. 디지털이 지배적이 되자 그들은 원본 제작과 아티스트 개발이라는 핵심 직무에 집중해야 했습니다. 신문사도 마찬가지입니다. 인쇄와 배송이 분리되자, 그들이 실제로는 콘텐츠 제작과 편집 역량에 어떻게 투자해야 하는지 깨달았습니다.
기술 혁신과 전문 서비스: 역설적 투자의 의미
AI 혁신에서 가장 흥미롭고 역설적인 현상 중 하나는 OpenAI와 Anthropic 같은 가장 진보된 AI 연구소들이 정보 기술 컨설팅 회사, PE(사모펀드) 회사, 그리고 전문 서비스 회사들에 막대한 투자를 하고 있다는 점입니다. 이는 직관적으로 이상해 보입니다. AI가 결국 이러한 서비스를 제공하는 인간을 불필요하게 만들 것으로 예상된다면 말입니다.
하지만 이는 오히려 기술의 실제 가치 창출 메커니즘을 보여줍니다. 기업이 새로운 기술을 도입할 때, 단순히 기술 자체가 문제를 해결하지는 않습니다. 대신, 기업은 자신의 전체 워크플로우를 재구상하고, 어떤 프로세스를 재설계할 것인지, 어떤 부분을 자동화할 수 있는지 깨달아야 합니다. 이는 보통 5명에서 10명의 전문가가 1~2개월 동안 수행해야 하는 프로젝트입니다. 그리고 이러한 변화를 실제로 구현하는 것은 또 다른 별도의 프로젝트입니다.
대부분의 기업은 이를 내부적으로 처리할 인력이 없습니다. 따라서 컨설팅 회사, 시스템 통합 회사, 그리고 현장 배치 엔지니어들의 수요는 오히려 증가합니다. 베인, BCG, 맥킨지 같은 전략 컨설턴트들, 그리고 액센츄어, 인포시스 같은 구현 파트너들의 역할이 더욱 중요해집니다. 이는 기술 자체보다는 그 기술을 조직에 통합하는 방법을 아는 인간의 전문성이 가치 있다는 것을 의미합니다.
또한 PE(사모펀드) 회사들도 같은 원리로 움직입니다. 그들은 포트폴리오 회사들에게 전략과 운영 최적화를 제공하면서, 동시에 대규모 컨설팅 회사들과 협력하여 각 회사의 특정 상황에 맞게 AI 도입 전략을 수립합니다. 이는 일자리 소멸이 아니라 일자리 변화를 의미합니다.
기술 채택 속도: 예상보다 느린 변화의 현실
기술이 사회 전체에 퍼지는 속도에 대한 논의도 중요합니다. 일부에서는 AI의 채택 속도가 이전의 어떤 기술보다 빠를 것이라고 주장합니다. 실제로 ChatGPT는 몇 개월 만에 수억 명의 사용자에게 도달했습니다. 하지만 이는 부분적으로 이미 존재하는 인터넷 인프라와 스마트폰 보급률 덕분입니다.
1990년대 넷스케이프가 출시되었을 때와 비교해봅시다. 그때는 PC를 소유한 사람이 훨씬 더 적었습니다. ChatGPT는 이미 온라인에 있는 수억 명의 사람들에게 신속하게 도달할 수 있었습니다. 이는 새로운 기술이 거인의 어깨 위에 서는 효과입니다. 더 빠른 채택은 AI에만 해당하는 현상이 아닙니다.
또한 기업 소프트웨어의 판매 주기를 고려해야 합니다. 일반적으로 18개월 이상이 소요됩니다. 특히 항공우주, 헬스케어 같은 규제 산업에서는 기존 시스템(예: SAP)을 즉시 제거하고 교체하지 않습니다. 근본적인 변화가 일어나는 데는 아마도 3년, 5년, 심지어 10년이 걸릴 것입니다.
이러한 점진적인 변화의 예로 Frame.io가 있습니다. 이 비디오 협업 회사의 핵심 기술은 실제 설립보다 훨씬 오래전에 존재할 수 있었습니다. 하지만 누군가가 영상 편집 워크플로우에서 특정 문제를 인식하고, 이를 해결하는 방법을 고안하는 데 시간이 걸렸습니다. Google Docs도 마찬가지입니다. 도구 자체는 일찍 개발될 수 있었지만, 모든 관련 기능을 통합하는 데 수년이 걸렸습니다.
AI 시대의 반발과 우려: 현실과 과장 사이
AI에 대한 사회적 저항도 주목할 만합니다. 설문조사에 따르면 AI는 얼음보다도 인기가 없으며, 사람들은 데이터 센터 건설을 막으려고 합니다. 하지만 이 모든 우려가 동등하게 정당한 것은 아닙니다. 에반스가 지적하듯이, 이것은 여러 가지 문제가 뒤섞인 "크고 모호한 덩어리"입니다.
예를 들어, "데이터 센터의 물 사용량이 위험하다"는 주장은 대부분 거짓입니다. 데이터 센터는 주로 폐쇄 루프 냉각 시스템을 사용하며, 리버모어 국립연구소의 2024년 연구에 따르면 미국 데이터 센터의 물 소비량은 전체 미국 물 소비량의 약 0.017%에 불과합니다. 물론, 물 부족이 심한 지역의 경우는 다르지만, 이는 데이터 센터 자체의 문제가 아니라 지역 계획 문제입니다.
전기 사용량은 더 실질적인 우려입니다. 데이터 센터는 미국 에너지의 약 5%를 사용하며, 향후 5년간 매년 1%포인트씩 증가할 수 있습니다. 하지만 이는 관리 가능한 수치이며, 역사적으로 모든 변혁적 기술이 비슷한 전력 요구 증가를 경험했습니다.
더 중요한 것은 사회적 우려입니다. 딥페이크는 실제 문제입니다. 포토샵은 존재했지만, 15세 청소년이 한 오후에 학교 여학생들의 합성 포르노 사진을 생성하여 배포할 수 없었습니다. 이제는 가능합니다. 이것은 실제 우려이며, 기술의 민주화(democratization)로 인한 문제입니다.
또 다른 역사적 교훈은 영국 우체국 스캔들입니다. 1970년대 기술을 사용한 후지쯔의 판매 시점 관리(POS) 시스템이 현금 부족을 잘못 표시했을 때, 우체국은 이를 보고 수백 명을 투옥했습니다. 법정에서 우체국과 후지쯔 관계자들은 시스템에 버그가 없다고 맹세했습니다. 결국 수많은 사람들의 삶이 파괴되었습니다. 이는 모든 기술이 의도적이든 실수든 사람들의 삶을 망칠 수 있는 방법을 수반한다는 점을 보여줍니다.
플랫폼 전환과 가치 포착: 누가 진정한 승자인가?
AI 시대에서 가장 흥미롭고 경제적으로 중요한 질문 중 하나는 "누가 가치를 포착할 것인가?"입니다. 에반스가 제기하는 핵심 주장은 기초 모델 연구소(OpenAI, Anthropic, Google)가 생각하는 것만큼 가격 결정력을 가지지 않을 수 있다는 점입니다.
이를 이해하기 위해 통신 산업의 예를 봅시다. 전 세계 모바일 산업은 연 약 1조 달러의 수익을 올리며, 매년 약 2천억 달러를 자본 지출에 사용합니다. 데이터 소비는 기하급수적으로 증가했습니다 - 2010년 대비 약 1,500배에서 2,000배입니다. 하지만 통신사들의 주가는 25년간 제자리걸음입니다. 왜일까요? 그들은 상품화된 유틸리티가 되었기 때문입니다.
기초 모델도 같은 운명을 맞을 수 있습니다. 만약 OpenAI, Anthropic, Google이 모두 비슷한 성능의 모델을 제공한다면, 차별화가 없고, 가격 결정력도 없습니다. 그들은 서로 경쟁하거나 더 낮은 마진에서 운영해야 합니다. 반대로, 이 기초 모델 위에 구축된 애플리케이션, 즉 특정 산업이나 사용 사례에 맞게 최적화된 솔루션들이 진정한 가치를 포착할 가능성이 높습니다.
이는 인터넷의 역사와 유사합니다. Windows는 PC 플랫폼을 지배했지만, 궁극적인 가치는 Windows 위에서 실행되는 응용 프로그램에 있었습니다. AWS는 클라우드 인프라에서 지배적이지만, 가치의 많은 부분은 AWS 위에서 구축된 애플리케이션 회사들에 있습니다. 기초 모델도 결국 비슷한 구조를 따를 가능성이 높습니다.
그렇다면 챗봇 형태의 사용자 경험이 최종 상품이 될까요, 아니면 애플, Google, Microsoft 같은 기존 플랫폼에 통합될까요? 에반스의 주장은 후자입니다. 기초 모델 자체는 기본 인프라가 될 것이고, 모든 가치는 애플리케이션 계층에 축적될 것이라는 뜻입니다.
또한 배포(distribution)의 중요성도 무시할 수 없습니다. OpenAI는 초기에 배포를 중시했고, ChatGPT는 모든 곳에 배치되었습니다. 하지만 이제 Google, Apple, Microsoft 같은 기존 기업들도 자신들의 배포 채널을 활용하여 자신들의 AI를 밀어붙이고 있습니다. 애플은 10억 대의 기기를 가진 iOS 생태계를 가지고 있고, Google은 Android와 검색 시장을 가진고 있습니다. 이들이 자신들의 AI를 모든 곳에 통합하면, 기초 모델의 차별화와 가격 결정력은 더욱 약해질 것입니다.
미래를 대비하기: 실용적인 조언과 마음가짐
불확실한 미래에 어떻게 대비해야 할까요? 에반스의 핵심 조언은 "급진적인 불확실성을 가정하라"는 것입니다. 우리는 미래를 정확히 알 수 없으며, 1997년의 관찰자들이 현재의 인터넷 지배자들을 예측할 수 없었던 것처럼, 우리도 AI 시대의 승자를 예측할 수 없습니다.
구체적으로 개인에게 권장되는 사항은:
첫째, AI를 "싫어한다"는 태도는 도움이 되지 않습니다. 이것은 도덕적 우월감은 주지만, 실질적인 도움이 되지 않습니다. 로펌 어소시에이트로 일하고 있는데 기업이 AI를 도입하고 있다면, 면접에서 "저는 AI를 절대 사용하지 않겠습니다"라고 말하는 것은 지혜롭지 못합니다.
둘째, 이 기술에 깊이 파고들어야 합니다. 이것으로 무엇을 할 수 있는지, 이것이 당신의 분야를 어떻게 변화시킬 수 있는지 이해해야 합니다. 이는 인터넷과 모바일 혁명 초기에 사람들이 해야 했던 것입니다.
셋째, 당신의 기술과 능력을 파악하고, 사람들이 그것에 돈을 지불할 의사가 있는 방식으로 활용하세요. 특정 직업이 없다는 것은 2024년의 현실입니다. 대신, 당신이 무엇을 잘 하는지, 당신의 기술이 어떤 필드에서 가치 있을 수 있는지, 그리고 사람들이 그것에 기꺼이 돈을 지불할 것인지 파악하는 것이 중요합니다.
넷째, 다양하게 배우세요. 기술 분야의 최악은 같은 이야기를 반복하는 것입니다. 계속해서 새로운 것을 이해하고 다른 질문을 던져야 합니다.
기술 역사로부터의 교훈: 항상 더 나아가다
인류는 이전에 수많은 기술적 변혁을 겪었습니다. 1800년대에는 인구의 90%가 농민이었고, 기계화는 그들을 도시로 몰아냈습니다. 전기의 도입은 산업을 재편했습니다. 컴퓨터는 수작업을 제거했습니다. 인터넷은 정보 산업을 파괴했습니다. 모바일은 컴퓨터의 역할을 재정의했습니다.
각 변환에서, 마찰과 실업이 있었습니다. 하지만 매 번 인류는 더 강해져서 나타났습니다. 우리는 이러한 불확실성 속에서도 번영했고, 더 높은 생활 수준에 도달했습니다. 이 원칙은 AI에도 동일하게 적용될 것 같습니다.
1950년대의 IBM 광고를 보면, "전자 계산기"를 사용하면 "150명의 추가 엔지니어를 얻을 수 있다"고 약속했습니다. 오늘날 우리는 같은 약속이 AI와 함께 반복되는 것을 봅니다. 이는 기술 역사 전반에 걸친 반복되는 주제입니다. 기술은 무료 또는 저렴한 추가 노동력을 제공합니다. 기업들은 이를 활용합니다. 새로운 일자리가 생깁니다.
슈퍼마켓 예시도 흥미롭습니다. 바코드가 도입되기 전에, 평균 미국 슈퍼마켓은 약 2,0003,000개의 SKU(재고 관리 단위)를 보유했습니다. 바코드는 저렴하고 효율적인 재고 추적을 가능하게 했고, 결과적으로 현대 슈퍼마켓은 30,00060,000개의 SKU를 보유합니다. 비용이 낮아지자 사람들은 더 많은 제품을 구매했습니다. 슈퍼마켓 직원 수는 감소하지 않았습니다.
결론
AI가 정말로 어디로 향하고 있는지에 대한 정확한 예측은 불가능합니다. 하지만 우리가 안전하게 말할 수 있는 것은 변화가 올 것이라는 점입니다. 이 변화는 기존 기술들처럼 적응과 혁신을 요구할 것입니다. 마찬가지로, 이 기술은 새로운 기회와 새로운 문제를 동시에 만들 것입니다.
가장 현명한 접근은 두려움도, 과도한 낙관주의도 아닌, "괜찮을 거야, 얘들아. 우리가 이전에 이 모든 것을 겪었다"는 태도입니다. 우리는 새로운 기술을 이해하고, 그것이 우리의 분야를 어떻게 변화시킬 수 있는지 배우고, 그에 따라 우리의 기술을 발전시켜야 합니다.
AI는 분명 변혁적인 기술입니다. 하지만 그것이 일자리를 완전히 제거하거나 인류를 대체할 것이라는 생각은 과장입니다. 대신, AI는 우리가 오래전부터 경험해 온 것과 같은 종류의 기술적 변화입니다. 우리는 과거에 이러한 변화를 견디어냈고, 더 강해져서 나타났으며, 이번에도 마찬가지일 것입니다. 중요한 것은 두려움 없이 이 기술을 이해하고 활용하려는 노력입니다.
Original source: A rational conversation on where AI is actually going | Benedict Evans
powered by osmu.app