켄타우로스, 카나리아, J-커브: AI의 함정과 생산성 잠재력

게시일: 2025년 12월 31일 | 원문 작성일: 2025년 12월 18일 | 저자: Newsweek AI | 원문 보기

• • •

에릭 브린욜프슨은 현재 AI 시스템의 잠재력을 논의하기에 최적의 인물일 것입니다. 그는 생산성 진화를 이해하는 데 집중하는 세계 최고의 경제학자이면서 동시에 머신러닝과 AI 시스템의 평생 실무자이자 옹호자라는 드문 조합을 갖추고 있기 때문이에요. 덕분에 그는 신흥 기술 역량을 개별 기업뿐 아니라 경제 전체에 대한 가치 측면에서 가능한 경제적 미래로 번역해낼 수 있는 독보적인 위치에 있습니다.

브린욜프슨은 스탠퍼드 대학교 교수이자 인간중심AI연구소(Institute for Human Centered AI) 디지털경제연구실장으로서 독특한 위치를 점하고 있어요. 이 위치 덕분에 그는 특정 기업이나 금융 의제에 휘둘리지 않으면서도 경제적 현실에 기반하고, 동시에 인간적인 측면까지 놓치지 않는 분석을 자유롭게 추구할 수 있습니다. 실제로 우리 대화의 핵심 결론 중 하나는 인간 활동을 자동화로 대체하는 것이 아니라 인간 업무의 **증강(augmentation)**에서 진정한 경제적 이득을 찾을 수 있다는 것이었고, 결과적으로 그가 표현한 대로 “우리는 인간을 수단이 아닌 목적으로 대해야 합니다.” 하지만 특히 인상적인 점은 이 말이 겉보기에 뻔한 인본주의적 구호처럼 들릴 수 있지만, 전혀 그렇지 않다는 거예요. 대화를 통해 점차 드러나듯이, 이것은 철저한 분석과 견고한 경제적 사실에 근거한 주장입니다.

브린욜프슨은 아이슬란드인 아버지와 프랑스인 어머니 사이에서 덴마크에서 태어났고, 1960년대 아버지가 아폴로 프로그램에 스카우트되면서 “두뇌 유출” 이민의 일환으로 가족이 미국으로 이주했어요. 그의 아이슬란드 유산은 자녀들의 이름을 아이슬란드 전통에 따라 짓는 것(에릭슨)과 체격(아이슬란드 남성은 세계 신장 상위 5위권)뿐 아니라 신화에 대한 그의 감상에서도 드러나는데, 그는 현재의 기술적 시점을 묘사할 때 이를 인용합니다. “역사를 통틀어 사람들은 로봇, 골렘, 그리고 누군가가 인간처럼 보이고 인간처럼 말하는 존재를 창조하는 다른 피조물들에 대한 신화를 써왔습니다. 항상 신화였지만, 이제 우리 세대는, 당신과 저는, 사람들이 실제로 이러한 존재들을, 신화적 기술들을 만들어내는 놀라운 시대를 살고 있습니다. 그래서 더 이상 신화만이 아닌 거예요.” 물론 그는 LLM이 인간 언어를 모방하고 가장 인간적인 방식으로 상호작용하는 초자연적 능력을 언급하고 있지만, 암묵적으로 기만적일 수 있는 방식도 포함하고 있습니다.

그의 매사추세츠 기원 이야기는 고등학교 이후 하버드 대학교에서 응용수학을 전공하면서 계속되었고, 결국 MIT에서 박사학위를 받았어요. AI 시스템의 이론과 실제 모두에 대한 그의 관심은 일찍부터 분명했습니다. “대학 졸업 후 전문가 시스템 구축 과정을 가르쳤고… 회사를 공동 창업해서 흥미로운 일들을 했지만, 좀 더 깊이 들어가서 자료를 정말로 이해하고 싶다고 느꼈어요.” 그의 목표는 인공지능과 경제학의 공동 박사학위를 하는 것이었지만, 당시 그런 프로그램이나 지도교수가 없었기 때문에 그 유명한 기관의 경영대학원과 컴퓨터과학과의 우수성 때문에 MIT에서 공부하기로 선택했습니다.

그 초기 시절을 돌이켜보며 그는 익숙한 흥분감을 느낍니다. “80년대 후반에 [전문가 시스템이] 대유행이었어요—AI는 저 같은 사람들이 전문가의 규칙을 손으로 작성하고 성문화하는 것이 될 거라고 했죠. 괜찮게 작동했지만 정말로 확장되지는 않았어요. 그래서 저는 기계가 우리 인간이 일일이 코딩하는 대신 데이터에서 학습할 수 있게 해주는 신경망이 있는 오늘날 우리가 살고 있는 역사적 시점에 정말 흥분됩니다.” 게리 마커스와 마찬가지로, 그도 이 진화에 대해 어느 정도 선견지명이 있었다고 주장하지만, 그것이 얼마나 빨리 일어났는지에 대해서는 아니었어요. “놀랐다고는 말할 수 없어요. 솔직히, 꽤 어렸을 때부터 이것이 올 것이라고 생각했어요. 얼마나 빠르거나 느릴지 정확히 몰랐죠. 일부는 예상보다 느렸지만, 지난 몇 년은 예상보다 훨씬 빨리 진행되었어요.”

이 시리즈의 모든 인터뷰와 마찬가지로, 우리의 대화는 인간 지능의 정의에 합의하는 것으로 시작되어 인공적 형태에 대한 논의의 공통 기반으로 삼았습니다. 브린욜프슨은 시리즈에서 나타난 표준적 정의에 동의했는데, 지능은 몇 가지 필수 구성요소로 이루어져 있다는 것이에요:

1. 여러 소스(및 감각)에서 입력을 처리하는 능력
2. 본질적인 이해를 도출하는 능력
3. 독창적인 출력을 생산하는 능력
4. 훈련이 거의 또는 전혀 없이 이를 수행하는 능력

하지만 그는 경제학자로서의 훈련을 참조하여 이 정의를 확장합니다—가치 있는 무언가가 생산되어야 하므로, 지능적 행동은 “의미 없는 정리나 의미 없는 콘텐츠를 만드는 것이 아니라 실제로 유용한 것을 만드는 것일 수 없어요. 저는 그것도 지능의 중요한 부분이라고 생각합니다.”

그는 다양한 형태의 AI에 대한 모호한 정의를 좋아하지 않아요. 그의 배경이 더 구체적인 것을 요구하기 때문입니다. “사람들이 AGI, 범용 인공지능, 심지어 초지능에 대해 이야기하고, 많은 다른 기술적 정의를 가지고 있어요. 경제학자로서 제가 가장 관심 있는 것은 그것이 경제를 어떻게 변화시킬지, 어떻게 변혁할지입니다.” 그가 “변혁적 AI”(TAI)라고 부르기 좋아하는 것에 대한 그가 공동 창립한 최근 컨퍼런스에서, TAI의 주요 정의는 “농업 시대와 산업혁명 사이에서 보았던 것과 비슷한 전환을 만들어낼 만큼 경제에 충분히 영향력 있는 AI 기술”이었어요. 이것이 실제로 무엇을 의미하는지 물었을 때, 그는 생산성 성장에서 몇 자릿수의 크기를 의미한다고 명확히 했지만, 산업혁명의 완전한 효과가 나타나는 데 걸린 약 100년보다 훨씬 짧은 기간에—이번에는 수십 년 정도에—일어날 것으로 봅니다. 그는 또한 최종 상태를 설명하기 위해 다리오 아모데이의 “강력한 AI” 비전을 참조합니다: “데이터 센터에 천재들의 나라가 있다고 상상해보세요. 수십만 또는 수백만의 아인슈타인들이 병렬로 작업하면서, 아마도 인간 두뇌보다 10배 또는 100배 빠르게 작업하고, 물리학뿐만 아니라 화학, 경제학, 마케팅, 저널리즘… 모든 인지 영역에서 전문 지식을 갖추고 있는.”

하지만 브린욜프슨은 현재 AI 시스템과 매우 관련이 있는 추가적인 중요한 관찰을 합니다. 완전한 인간 수준 지능을 향한 진전을 측정하기 위해서는 지능 시스템이 작동해야 하는 다양한 지식 영역, 특히 성문화된 지식과 체화된 지식을 구별해야 한다는 것이에요.

모든 지식이 같은 것은 아니다

성문화된 지식과 체화된 지식의 구별은 지식이 어떻게 획득되고 활용되는지 이해하는 데 매우 중요합니다. 성문화된 지식은 문서화할 수 있는 명시적 지식이에요—글로 쓰고 체계적으로 전달할 수 있죠. 반면에 체화된 지식은 암묵적이고 직관적입니다. 몸으로 익힌 노하우라서 의식적으로 생각하지 않아도 자연스럽게 나오는 것들이에요. 성문화된 지식은 종종 공식 교육 및 체계적 학습과 연관되고, 체화된 지식은 더 직관적이며 종종 감각운동 기반의 개인적 경험을 통해 학습됩니다. 현재 AI 시스템이 거의 독점적으로 공식적이고 문서화된 지식을 사용하여 훈련되고, 물리적이고 체화된 영역에 대한 비슷한 설명이 상대적으로 부족하기 때문에 성문화된 지식 영역에서 훨씬 더 능숙하다는 것은 직관적으로 명백합니다. 브린욜프슨은 이것을 “스테로이드를 맞은 모라벡의 역설”로 보는데, 한스 모라벡의 유명한 관찰—“컴퓨터가 지능 테스트나 체커 게임에서 성인 수준의 성과를 보이게 만드는 것은 비교적 쉽지만, 지각과 이동에 관해서는 1살짜리의 기술을 주는 것은 어렵거나 불가능하다”—을 언급하는 것이에요.

그는 관찰합니다. “우리의 인지 과정에 대해 많은 문서화된 데이터가 있어서 운이 좋았고, 그것이 많은 인지 작업을 수행하는 LLM을 훈련시킬 수 있게 해주었어요. 하지만 물리적 과정에 대한 같은 종류의 상세한 데이터는 없어요. 물 한 잔 집기, 연필 부러뜨리기, 셔츠 단추 잠그기 같은 것들, 우리 인간이 이해하는 것들은 힘과 방향 등에 대한 많은 상세한 데이터가 필요해요. 그것은 어디에도 성문화되어 있지 않아요. 인터넷에 없고, 그것은 우리가 이러한 물리적 시스템에 대한 훈련 데이터가 없다는 것을 의미해요.”

하지만 브린욜프슨은 상당한 경제적 이득을 보기 전에 체화된 “세계 모델”을 기다릴 필요가 없다고 생각합니다. “의심의 여지 없이, 인지적 부분만으로도 엄청난 생산성 향상이 있을 거예요. 물론 많은 사람들이 모든 문제를 해결한다는 만트라나 목표를 가지고 있고, 세계 모델이 있을 때까지 그것들을 해결할 수 없을 거예요. 하지만 경제학자의 관점에서, 인용부호 ‘인지적 측면만’으로 수조, 수십조, 어쩌면 수백조 달러의 가치가 창출될 수 있어요”라고 그는 추측합니다.

또 다른 GPT

명백한 질문은 왜 그러한 생산성 이득이 아직 나타나지 않는가입니다. 실제로 최근 여러 연구에서 AI 프로젝트의 95%가 아직 실제 상업적 배포에 도달하지 못했거나 AI로 인해 현재 EBIT 영향을 보는 기업이 39%에 불과하다고 보고했어요. 하지만 이것이 바로 브린욜프슨의 독특한 전문성 조합이 빛을 발하는 부분이에요. 무엇이 일어나고 있는지에 대한 설득력 있는 서사를 엄격한 분석으로 뒷받침하며, 더욱이 이 상황은 기술 생애주기 초기에 예상되는 것이기도 합니다. 그는 초기 생산성 적자가 실제로 이른바 범용 기술(General Purpose Technologies, GPTs)에서 가장 흔하게 나타난다고 주장하는데, 이는 시간이 지남에 따라 지속적으로 개선되고, 경제 스펙트럼 전반에 걸쳐 여러 다른 영역과 기술에 영향을 미치며, 많은 예상치 못한 “파급” 효과를 가진 기술 집합으로, AI가 최신 사례로 널리 여겨집니다. 명확히 하자면, 이 “GPT” 약어는 LLM의 기초 기술인 “생성적 사전훈련 트랜스포머(Generative Pre-trained Transformer)“에 대한 같은 약어의 사용과 무관합니다—chatGPT 같은—우연히 약어가 같을 뿐이에요.

브린욜프슨은 현재의 AI 기술 세트를 매우 배타적인 클럽의 최신 GPT일 뿐만 아니라 잠재적으로 가장 중요한 것이라고 분명히 봅니다: “AI는 첫 번째 GPT가 아니지만, 마지막 GPT일 수 있어요. 왜냐하면 다른 것들을 할 수 있게 해주는 궁극적인 발명이기 때문이에요. 이전의 GPT는 증기 엔진, 전기, 내연 기관이었어요. 이것들은 널리 퍼져 있고, 경제의 거의 모든 부분에 영향을 미치고, 시간이 지남에 따라 개선되며, 가장 중요한 마지막 것은 보완적 혁신을 낳는다는 것이에요—다른 기술과 비즈니스 프로세스, 심지어 인간 기술에서도 혁신을 촉발합니다. AI보다 더 잘 맞는 기술은 없다고 생각해요. 여러 면에서 궁극의 GPT예요.” 하지만 핵심 요점은 그러한 기술의 영향 시간 규모가 예상보다 훨씬 길다는 것이에요. 이것은 로드니 브룩스가 마법으로 인식되는 그러한 기술에 대한 “지수적 사고”라고 특징지은 것의 결과이며, 결과적으로 기술 변화의 단기적 영향을 과대평가하고 장기적 영향을 과소평가하는 경향이 있다는 아마라의 법칙이 적용됩니다.

J-커브 슛팅

Anthropic의 최근 연구는 Claude LLM으로 수행된 작업에서 절약된 시간의 가치를 추정하여 생산성 이득을 귀속시키려 했고, 향후 10년간 연간 1.8%의 추가 생산성 성장을 추정했는데, 이는 2019년 이후(1.8%) 또는 1947년 이후(평균 2.1%) 평균 성장률을 효과적으로 두 배로 늘리는 것이에요. 하지만 이러한 주장은 건전한 회의론으로 바라봐야 합니다. 작업 시간 절약이 실제로 어떻게 활용되는지, 개인의 시간 절약이 실제 비즈니스 생산성 성장으로 직접 나타나는지 아니면 운영 비효율성의 수렁에서 사라지는지에 대해 너무 많은 가정이 이루어지기 때문이에요.

중요하게도, 브린욜프슨은 이 AI 혁명을 더 엄격한 경제적 기반 위에 놓을 수 있었는데, 그러한 심오한 기술 전환에는 그가 **“생산성 J-커브”**라고 부르는 것이 수반된다는 관찰을 통해서예요. 그는 다음과 같이 설명합니다: “우리는 일부 산출물을 잘못 측정하고 있고, 일부 투입물도 잘못 측정하고 있어요. 투입 측면에서 우리가 잘못 측정하고 있는 것은 새로운 비즈니스 프로세스, 새로운 기술, 새로운 작업 조직 방식으로 구성된 무형자산의 가치예요. 강력한 GPT가 있을 때마다 이러한 보완적 투자도 있어요. 종종 그 투자는 제 연구에 따르면 GPT에 대한 초기 투자보다 훨씬 더 크고, 아마도 10배 더 커요. 우리가 그것들을 잘 측정하지 못하기 때문에, 기업들이 새로운 비즈니스 프로세스와 새로운 기술에 투자하는데 많은 시간과 노력, 경영진의 관심, 심지어 컨설턴트와 다른 사람들에 대한 지불이 들지만, 더 많은 산출물로 나타나지 않는 불행한 상황이 생겨요. 그냥 지출로만 나타나요. 우리는 [축적되고 있는] 무형 가치를 측정하지 못하고 있어요. 그리고 어느 정도 [기업들은] 그 지출 때문에 비판받을 거예요. 왜냐하면 서류상으로는 생산성이 실제로 떨어진 것처럼 보이기 때문이에요. 하지만 이것들이 현명한 투자라면, 이 투자들은 보상받는 경향이 있어요. 그러면 당신은 무형자산을 수확하기 시작하고, 더 많은 물리적 자본 없이, 더 많은 노동 없이 두 배의 산출물을 생산할 수 있는 새로운 시스템을 갖게 되므로, 당신의 생산성은 훨씬 더 높아요.”

이 현상을 요약하면: 다요소 생산성(생산성의 일반적인 측정치)은 비즈니스나 경제의 산출량을 해당 산출물을 생산하는 데 소비된 자본, 노동 및 자재의 양으로 나눈 것으로 정의됩니다. 따라서 비즈니스(또는 전체 경제)의 기술 전환 초기 단계에서 유형적 산출 증가 없이 자본 및 노동 지출이 증가하면, 생산성 성장은 음수로 계산될 것입니다—J의 하향 “루프”예요. 반대로, 장기적으로 향상된 산출이 관찰되면, 고전적 계산은 이러한 이득을 축적된 효율성으로 이끈 이전 지출 증가와 연관시키지 않을 것이고, 생산성 성장은 비정상적으로 높게 계산되어 J의 급격한 상향 기울기를 만들어낼 것입니다.

생산성 데이터에서 이러한 J-커브를 직접 관찰하기는 어렵습니다. 다양한 구성 요소와 관련된 여러 겹치는 곡선이 있기 때문이에요. 하지만 브린욜프슨과 그의 협력자들은 토빈의 q 비율로 알려진 경제량을 기반으로 방법론을 개발했는데, 이는 회사의 시가총액을 장부가치와 비교하고 모든 불일치를 특정 시점에서 “군중의 지혜”가 올바르게 설명하는 회사의 무형 산출 가치와 연관시킵니다. 그들의 분석에 따르면 2017년까지 하드웨어 및 소프트웨어 기반 투자에 상당한 무형 가치가 있으며, 이는 생산성 성장 이상 현상의 일부를 설명하는 데 도움이 됩니다. 더욱이 그들은 2017년 이후 AI 시스템에 대한 투자가 이제 생산성 부족의 주요 기여자일 수 있다고 결론지을 수 있다고 주장합니다.

이 직관적인 J-커브 모델은 또한 경제학자 로버트 솔로우의 유명한 관찰—“생산성 통계 외에는 어디에서나 컴퓨터 시대를 볼 수 있다”—을 설명하는데, 초기에 산출 무형자산에 대한 잘못된 회계로 인해 측정된 생산성 성장에 내재적 지연이 있기 때문이에요. 실제로 브린욜프슨은 이 효과가 GPT에 일반적이라고 지적하며 “전기와 같은 범용 기술의 경우 J 커브를 통과하고 상승세를 시작하는 데 20~30년이 걸렸다”고 말합니다. 그는 AI의 비교 가능한 J-커브가 그러나 상당히 압축될 것으로 예상합니다. “가장 좋은 증거는 모든 것이 훨씬 더 빠르게 일어나고 있다는 것을 시사해요. 이번에는 AI로, 때로는 몇 달 만에 수익을 봤어요. 더 넓은 경제에서 저는 5년 안에 훨씬 더 큰 이득을 볼 것이라고 생각해요.” 사실, 고용 및 임금 데이터에 대한 그의 최근 분석(나중에 더 자세히)을 기반으로, 그는 “우리가 이미 상당한 생산성 이득에서 모퉁이를 돌기 시작하고 있을 수 있다”고 주장합니다… “내년에 추세 이상의 생산성 성장이 시작되는 것을 본다면 놀라지 않을 것이고, 5년 후에는 그것보다 훨씬 위일 거예요.”

그와 그의 협력자들이 이 J-커브에 대해 발견한 가장 설득력 있는 결과 중 하나는 비용 리더십 전략은 J 커브 초기 하락을 악화시키는 반면, 새로운 시장과 새로운 고객을 목표로 하는 시장 확장은 이러한 하락을 완화한다는 것입니다: 모든 기업 비즈니스 및 국가 경제 정책과 전략에 정보를 제공해야 하는 매우 중요한 원칙이에요.

잠깐! 더 많은 측정 오류가 있다…

회사와 경제 내부에서 무형(잘못 측정된) 이익의 내부 축적으로 인한 산업적 J-커브 역학 외에도, 브린욜프슨은 고전적인 국내총생산(GDP) 계산이 설계된 물리적 상품 기반 세계와 비교하여 디지털 상품의 진정한 가치를 정량화할 수 없는 것과 관련된 두 번째 유형의 측정 오류를 식별합니다. 그는 디지털 상품이 종종 다른 수단으로 보조금을 받기 때문에 사용자에게 직접 비용 없이 제공된다고 주장합니다. “경제가 더 디지털화됨에 따라, 우리 모두는 점점 더 많은 무료 디지털 상품을 얻고 있어요; 더 나은 품질을 얻고 있어요. 평균적인 미국인은 하루에 약 8시간 반을 다양한 크기의 화면을 보며 그 콘텐츠를 소비하는데, 대부분은 비용을 지불하지 않아요. GDP에 대한 것은, 경제에서 사고 파는 모든 것을 측정하지만, 몇 가지 예외를 제외하고, 무언가의 가격이 0이면 GDP에서 가중치가 0이라는 것이에요. 그래서 많은 가치를 놓치고 있어요.”

그와 그의 팀은 이 두 번째 측정 격차를 정량화하기 위해 GDP-B라고 명명한 수정된 GDP 표준을 만들었는데, “B는 혜택(benefits)을 의미하고, 무언가에 대해 지불하는 것이 아니라 얻는 혜택을 측정해요. 공식 GDP는 철강 톤, 자동차, 곡물 등을 측정하는 데 매우 좋지만, 역사적으로 우리는 무료 상품을 얻지 못했어요.” 그는 요점을 설명하기 위해 몇 가지 예를 듭니다. “위키피디아의 경우, 제가 0을 지불하더라도 한 달에 10달러나 50달러를 기꺼이 지불할 수 있어요. 그것이 제가 얻는 혜택이에요.” 그리고 2003년부터 2017년까지 Snapchat, WhatsApp, Facebook과 같은 다양한 디지털 애플리케이션에 대해 사용자들이 부여한 가치에 대한 연구와 경제 회계에서 저평가의 대상이기도 한 스마트폰 카메라와 같은 디지털 하드웨어에 대한 연구에서, 이러한 효과로 인해 GDP 계산에서 상당한 누락된 성장(약 1~2 퍼센트포인트 정도)이 있다는 것을 발견했어요. 더욱이 브린욜프슨은 AI 서비스의 부상이 이 효과를 악화시킬 것이라고 주장합니다: “예를 들어, ChatGPT 같은 챗봇의 경우, 소비자 잉여 측면에서, 대부분의 사람들이 무료 서비스를 사용하기 때문에 0을 지불하더라도, 사람들이 얻는 가치 측면에서 약 1000억 달러의 가치가 있어요. 그리고 분명히 말하면, 20달러를 지불할 때도, 그들은 거의 확실히 20달러 이상의 가치를 얻고 있어요. 왜냐하면 더 많이 지불할 의향이 있기 때문이에요. 그래서 경제의 모든 상품을 살펴보고 얼마나 많은 소비자 잉여가 있는지 대 얼마나 지불하는지 볼 수 있어요. 그리고 우리가 발견하는 것은 큰 불일치가 있다는 것이에요.” 순 효과는, 국가 생산성이 GDP를 지출된 노동과 자본으로 나누어 계산되기 때문에, 이 경제 지표는 AI 시대에 거의 확실히 크게 과소평가될 것이며, 위에서 설명한 J-커브 역학을 복합시킬 것이라는 점이에요.

나는 어떻게 되나? 일자리와 임금에 대한 영향

하지만 브린욜프슨의 이야기는 완전하지 않아요; 현재 가장 시급한 논쟁은 가까운 미래와 장기 미래에 우리가 기대할 수 있는 고용과 소득에 대한 AI의 인간적 영향에 관한 것입니다. “탄광의 카나리아? 인공지능의 최근 고용 효과에 관한 6가지 사실”이라는 제목의 논문에서—에밀리 벤더의 확률적 앵무새, 얀 르쿤의 고양이, 필 테틀록의 여우와 고슴도치와 같은 최근의 동물 주제 AI 비유를 이어가며—브린욜프슨과 협력자들은 ADP의 풍부한 급여 데이터를 사용하여 다가오는 중요한 변화의 다음과 같은 초기 징후를 식별합니다:

브린욜프슨은 이러한 연령 관련 효과에 대해 직관적인 설명을 제시하는데, 젊은 근로자는 성문화된 지식에 더 의존하는 반면, 고령 근로자는 현장 경험과 발견적 방법(“팁과 트릭”)으로 축적한 암묵적 또는 체화된 지식에 의존한다는 것이에요. 결과적으로, AI가 위에서 논의한 대로 성문화된 지식에 의존하는 역할을 더 잘 자동화할 수 있기 때문에, AI 영향 역할의 젊은 근로자에게 더 큰(그리고 부정적인) 영향이 있어요. 어떤 역할에서든 고령 근로자에게는 그 반대가 사실입니다.

자동화보다 증강

브린욜프슨의 관찰은 비전문가 작업을 자동화하는 기술이 고용 수준을 감소시킬 수 있다는 이전 발견과 일치합니다. 역할의 나머지가 더 “전문적”이 되어 더 적은 사람에게 적용 가능해지기 때문이에요; 반대로, 전문가 작업을 대체하는 기술은 더 많은 근로자가 역할에 접근할 수 있게 함으로써 고용을 증가시킵니다. 주목할 점은, 같은 연구에서 임금이 영향을 받아야 한다고 밝혔는데—전자의 경우에는 상승(자격을 갖춘 근로자가 적어 시장 수요가 증가하기 때문)하고 후자의 경우에는 하락(자격을 갖춘 근로자 공급이 증가하기 때문)해요. 중요하게도, 이러한 임금 효과는 아직 브린욜프슨의 연구에서 보이지 않지만, 그는 고용 및 실질 임금의 상승에 대한 선례가 있다고 지적합니다—인터넷 또는 IT 혁명은 초기 조정 기간 이후 둘 다 상승했어요.

아마도 연구의 가장 중요한 점은 증강이 다시 한 번 선호되는 상태라는 사실이에요. 실제로 브린욜프슨은 역사를 통틀어 “증강이 표준이에요. 많은 사람들이 생산성이 성장하려면 근로자를 대체해야 한다는 직관을 가지고 있다고 생각해요. 진실과 더 거리가 먼 것은 없어요; 지금 한 시간의 인간 노동의 가치는 아마도 2~300년 전보다 50배 더 높아요. 왜냐하면 인간에게 새로운 것을 할 수 있게 해주는 모든 도구가 있기 때문이에요.” 그는 또한 경제가 창출한 가치의 대부분이 기존 상품 생산의 자동화가 아니라 새로운 상품과 서비스에서 나온다고 지적하며, 사람들의 60%가 현재 1940년에는 존재하지 않았던 직종에 고용되어 있다는 많이 사용되는 통계를 인용합니다.

그는 또한 기계에 의해 증강된 인간이 수행할 수 있는 작업의 집합이 인간이나 기계가 단독으로 수행할 수 있는 것보다 부인할 수 없이 더 크다고 주장합니다; 머신러닝의 적합성에 대한 그의 이전 연구에서 기계가 일부 작업에 기여할 수 있는 많은 직종을 발견했지만, 950개 직종 중 머신러닝이 필요한 작업의 100%를 수행할 수 있는 직종은 0개였어요. 그래서 증강이 규칙이고, 완전한 자동화는 그 규칙의 예외예요. 이 발견은 예측 작업에서 LLM이 사람들과 상호작용하는 필 테틀록의 실험에서 관찰된 것과 일치합니다; 인간-기계 상호작용은 LLM의 기술과 무관하게 모든 참가자에게 유익한 것으로 밝혀졌어요. 마찬가지로, LLM이 경제적으로 가치 있는 작업을 수행하는 능력에 대한 최근 연구에서, 인간과 기계 능력 사이에는 여전히 측정 가능한 격차가 있지만, 인간과 LLM이 협력하여 작업할 때 작업 완료가 빨라지고 비용이 50% 이상 감소할 수 있다는 것을 발견했어요.

함정을 조심하라

이것은 AI 지원 미래에서 인간 노동에 대한 다소 허무주의적이거나 근거 없는 논의를 접지시키는 데 도움이 되어야 하는 매우 긍정적인 소식처럼 보여요. 하지만 피해야 할 함정이 있는데, 브린욜프슨이 잘 알려진 앨런 튜링의 지능 테스트의 이름을 따서 **“튜링 트랩”**이라고 부르는 것이에요: “튜링 테스트는 AI의 궁극적인 척도가 인간을 완벽하게 모방하여 어느 쪽이 인간이고 어느 쪽이 기계인지 구별할 수 없는 기계를 만드는 것이라는 아이디어예요… 그리고 처음 그것을 읽었을 때 ‘와, 놀랍다. 명확한 테스트야; 기계가 그것을 할 수 있다면, 지능의 테스트야.‘라고 생각했어요. 이제 저는 그것이 훌륭한 테스트라고 생각하지 않고, 더 나쁜 것은 끔찍한 목표라고 생각해요. 왜냐하면 인간을 완벽하게 모방하는 기계를 만들면, 그것이 인간 노동의 가치에 무엇을 하나요? 떨어뜨려요, 왜냐하면 [기계가] 완벽한 대체물이 되기 때문이에요. 그리고 대체물이 많을수록, 인간 노동의 하락이 있을 수 있어요. 그리고 더 낮은 임금[이 될 것이고] 그것은 대부분의 사람들에게 더 적은 경제적 권력과 더 적은 정치적 권력으로 이어질 거예요.”

그는 이것을 상쇄하기 위한 권력 재조정이 있을 수 있다고 설명하는데, 일부 초기 연구에서 덜 숙련된 근로자가 AI 사용으로부터 불균형적으로 이익을 얻을 수 있다는 것을 보여주었기 때문이에요. 이것은 AI가 최고의 근로자로부터 일부 전문 지식을 포착하고 덜 숙련된 근로자에게 “재활용”하는 것으로 이해할 수 있어요; 반대로, 최고의 근로자는 그들의 영역에서 이미 가지고 있던 지식을 돌려받기 때문에 본질적으로 제로 이득을 경험해요. 이것은 사실상 데이비드 이글먼이 “지능 에코 환상”이라고 부르는 현상의 버전입니다—(전문가) 인간 지식이 LLM에 의해 발견되고, 요약되고, 다른 인간에게 되돌려져서 이 지식을 더 널리 접근 가능하게 만드는 것이에요. 마찬가지로, 코딩 작업을 지원하는 LLM의 역할에 대한 최근 연구에서 경험 많은 코더에게 부정적인 영향(LLM이 생성한 코드의 오류를 수정하는 데 더 많은 시간이 소요되기 때문)을 보여주었는데, 이는 경험이 없는 코더에 대한 생산성 이득의 널리 퍼진 보고와 대조됩니다.

그러나 브린욜프슨은 “AI가 결국 그렇게 평등화 힘이 되지 않을 것”이라고 우려하는데, 덜 숙련된 근로자에게 그러한 이점이 있더라도, 재정적 이익이 누구에게 귀속되는지에 대한 명백한 불공평 때문이에요. “AI가 점점 더 강력해짐에 따라, 점점 더 많은 수익이 AI를 소유하고 통제하는 사람들, 자본을 소유하고 통제하는 사람들에게 포획될 것이라고 생각해요. 그리고 전반적으로 노동의 가치가 떨어질 수 있어요. 조 히치히와 제가 쓴 논문에서 [이것이] 거의 모든 의사결정 권력, 거의 모든 경제적 가치, 궁극적으로 모든 정치적 가치가 소수의 사람들에게 집중된 세상으로 이어질 수 있다고 개요를 설명했어요. 그리고 그것은… 나머지 우리에게 매우 힘을 빼앗는 것일 수 있어요.”

핵심 포인트는 기술적 및 경제적 권력의 더 큰 집중 경향이 있고, 이는 다시 정치적 권력의 더 큰 집중으로 이어져 무력한 다수를 불행한 균형에 가두는 위험이 있다는 것이에요: 튜링 트랩이에요. 브린욜프슨은 기술이 인간 노동을 자동화할 때 함정이 효과적으로 설정된다고 설명하는데, 이것이 근로자 기여의 한계 가치를 줄이는 경향이 있고, 더 많은 이득이 새로운 시스템의 소유자, 기업가, 발명가, 건축가에게 돌아가기 때문이에요. 반면에 기술이 인간 능력을 증강할 때, 더 많은 이득이 인간 근로자에게 돌아가요. 더욱이 그는 함정에 유혹적인 매력이 있다고 설명합니다: “튜링 트랩의 위험은 세 가지 주요 그룹의 사람들—기술자, 사업가, 정책 입안자—이 각각 그것을 매력적으로 발견하기 때문에 증폭돼요: 기술자들은 컴퓨터가 할 수 없는 것에 대한 반복되는 도전을 해결하기 위해 수십 년 동안 인간 지능을 복제하려고 노력해왔어요; 기업들은 재무제표에서 가장 큰 항목—인건비—을 줄이려고 하는데, 부분적으로 많은 투자자들이 더 많은 사람을 고용하지 않고 성장할 수 있는 ‘확장 가능한’ 비즈니스 모델을 선호하기 때문이에요; 그리고 마지막으로, 정부는 노동 투자와 사회적 선보다 자본 투자와 용이하고 빠른 성장을 선호하는 세금 및 규제 정책을 점점 더 설정해요.”

하지만 변화는 좋은 것이다

그렇다면 브린욜프슨은 AI의 장단점—함정에 빠질 위험 대 상당한 생산성 이득, 고용 및 심지어 임금 이득의 잠재력—에 대해 어떤 결론을 내릴까요? 간단히 말해서, 그는 필수 요인과 가능한 미래에 대한 우리의 관점에 정보를 제공해야 하는 역사적 선례를 이해함으로써, 기술 역사에서 여러 번 그랬듯이 이 까다로운 물을 성공적으로 항해할 수 있다고 확신합니다. “기술이 항상 일자리를 파괴하고 항상 일자리를 창출해왔다는 것은 의문의 여지가 없어요. 이런 변동이 있고, 비록 흔한 본능이지만, 당신이 할 수 있는 가장 나쁜 일은 기존 일자리를 제자리에 고정시키려고 하는 것이에요. 오래된 것이 대체되더라도 역동성과 새로운 일자리로 기울어야 해요. 이제 나타나고 사라지는 정확한 일자리 세트는 각 기술에 따라 변해요. 때로는 덜 숙련된 근로자가 피해를 보고 더 숙련된 근로자가 이익을 보기도 해요. 그리고 그것은 20세기 후반의 많은 기간 동안 일어났어요. 경제학자들은 그것을 기술 편향 기술 변화라고 불러요.” 하지만 이 경우, 그의 연구에서 영향을 받을 기술은 체화된 또는 물리적 전문성에 의존하는 역할보다 더 성문화된 지식 기반인 것이 분명해 보여요.

그는 또한 가장 큰 이득이 개별 작업을 향상시키는 것이 아니라 전체 워크플로우, 프로세스 및 조직을 재상상하는 것에서 나올 것이라고 빠르게 지적하며, 아마존을 예로 듭니다. “1995년에 제프 베조스는 서점이 어떻게 기술을 사용하여 진정으로 자동화할 수 있는지 보고 있었어요. 그가 서점에 들어가서 ‘캐셔가 있네—우리는 그 캐셔를 자동화할 수 있어. 인간이 있는 곳에 로봇을 놓을 거야’라고 말했다고 상상해보세요…[그것은] 별로 변혁적이지 않았을 거예요. 아마도 약간의 인건비를 빼낼 수 있었겠죠. 하지만 불행히도 그것이 대부분의 사람들이 대부분의 기술을 사용하는 방식이에요; 그들은 이미 하고 있는 것을 보고 작은 부분 하나를 자동화하고, 한 명의 근로자를 대체하고, 비용을 줄이려고 해요. 더 큰 변혁은 전체 프로세스를 보고 ‘이것을 그냥 재발명하자’고 생각하는 것이에요. 물리적 서점이 필요 없어요. 물건을 배달할 수 있어요. 사람들이 완전히 다른 세상에서 브라우저로 물건을 살 수 있어요.” 이 관찰은 엔드투엔드 워크플로우 재상상이 각 요소가 AI 지원되어 개별적으로 영향을 미치는 것에 비해 60%의 프리미엄을 가져온다는 최근 연구에 의해 뒷받침됩니다.

브린욜프슨은 “해결책은 기술을 늦추는 것이 아니라 자동화보다 증강에 대한 인센티브를 제거하거나 역전시키는 것… 노동 자동화는 새로운 것을 창조하기 위해 증강하는 것보다 더 적은 가치를 잠금 해제하기 때문”이라는 결정적인 입장을 취합니다.

그리고 TAI를 향한 움직임이 전례 없는 변화 속도를 초래할 수 있지만, 그는 인터넷 시대를 참조하여 이를 보정하며 “2025년에 소매업의 약 18%만이 온라인이에요. 그래서 이것이 확산되고 퍼지는 데 오랜 시간이 걸려요. 인터넷이 중요하지 않다거나 전자상거래가 작동하지 않는다고 말할 사람은 없어요. 그냥 정말로 작동하는 데 시간이 좀 걸려요. AI는 훨씬 더 빠를 것 같지만, 우리는 여전히 타임라인에 대해 현실적이어야 해요”라고 말합니다.

마무리 생각

우리의 대화는 그가 여러 중요한 차원에서 미래를 어떻게 보는지에 대한 폭넓은 종합 정리로 마무리됩니다—우리가 마련해야 할 보호 장치; 증강을 향한 진전을 측정하는 방법; 그리고 현재의 불타는 질문: 우리가 현재 AI 주도 금융 버블에 있는지 여부.

누락된 보호 장치에 대해: 브린욜프슨은 말합니다. “우리는 의심의 여지 없이 전례 없는 시대로 가고 있어요. 우리는 우리보다 더 지능적인 존재를 결코 창조한 적이 없어요. 그래서 이것에 대해 꽤 조심스럽게 밟아야 한다고 생각하고, 진지하게 받아들여야 해요. 우리는 안전 연구에 충분한 에너지, 시간, 정부 관심을 쏟지 않고 있어요. 이 기계들을 어떻게 안전하게 만들까요? 아마도 안전 연구에 대한 노력을 10배로 늘려야 해요, [그래서] 암을 치료하고 이러한 다른 문제들을 해결하는 데 도움이 되는 강력한 기계를 가질 수 있고, 그것들은 또한 통제 가능해요. 경제, 우리의 제도, 우리의 조직에 대한 우리의 이해는 훨씬 뒤처져 있어요. 우리는 그것에 수십억 또는 수천억 달러를 쓰지 않고 있어요…기술이 할 수 있는 것과 우리의 경제적 이해 사이의 그 격차가 앞으로 10년의 대부분의 도전과 또한 대부분의 기회가 있는 곳이에요.”

그는 기술에 지출하는 1달러당 기업들이 무형 인적 자본에 9달러를 지출해야 할 수 있다고 지적하는데, 이는 보스턴 컨설팅 그룹이 제안한 10:20:70 규칙과 유사해요. 지출의 10%는 AI 알고리즘 개발에, 20%는 지원 AI 인프라에, 70%는 사람과 프로세스의 재교육, 재상상, 재조직에 쓰인다는 것이에요.

브린욜프슨은 또한 지난 수십 년의 자유 무역 이니셔티브에서 배울 수 있는 중요한 교훈이 있다고 봅니다. 핵심 역량에 집중하고 나머지는 다른 곳(다른 영역에 특화된)에서 조달함으로써 생긴 이점이 모든 나라의 모든 사람이 앞서 나가는 것을 보장하지 않았다는 것이에요. 실제로 경제적 이익은 재분배되지 않아서 최근의 포퓰리스트 반발과 이 불균형을 교정하려는 시도로서 관세와 같은 수단의 부상을 초래했지만, 분명히 결함이 있는 것이에요.

그래서 요약하면, 브린욜프슨은 이번에는 사람에 대한 필수적인 투자를 지원하고 AI의 광범위한 배포로 인한 명백한 사회적 혼란을 방지하기 위한 인센티브와 정책이 마련되어야 한다고 주장합니다.

켄타우로스 지표가 더 합리적이다: 브린욜프슨은 “현재 시스템의 가장 큰 약점 중 하나는 우리가 그것들을 정말로 질문할 수 없다는 것이에요…AI 연구자들은 종종 잘못된 벤치마크를 설정했어요…이러한 벤치마크의 너무 많은 것이 블랙박스 지표예요. 머신러닝 시스템의 가장 두드러진 평가는 인간과 분리된 시스템을 고려하여, 쉽게 포화되는 벤치마크, 형식화하기 어려운 인간 중심 요구 사항, 그리고 인간 증강 대신 인간 대체를 향한 기술 개발 편향으로 이어져요. 그래서 앤디 하우프트와 저는 ‘켄타우로스 벤치마크’ 세트를 만들었어요—반은 인간, 반은 기계요, 그리고 더 많은 기술자들이 기계와 인간이 함께 일하는 것에 집중하기를 바라고 있어요.” 브린욜프슨은 이러한 유형의 벤치마크를 사용해야만 단순한 자동화가 아닌 인간 노동 증강을 향한 진전을 측정하여 가치를 극대화할 수 있다고 믿어요.

버블인가 아닌가, 그것이 문제로다: 브린욜프슨은 추측합니다. “우리가 버블에 있을 수도 있어요. 우리는 전에 버블에 있었어요. [하지만] 펀더멘털이 꽤 강하다고 말할 수 있어요. 기술이 정말로 작동하고, 훨씬 더 강력한 기술로 가는 길이 있어요. 제가 덜 확신하는 것은 그 회사들이 그 가치를 얼마나 잘 포착할 수 있을지예요. 많은 투자자들이 과소평가하는 것 중 하나는 특히 큰 생산성 이득이 있을 때, 반드시 큰 이익으로 이어지지 않는다는 것이에요. 회사나 산업이 두 배 또는 10배 더 생산적이 될 수 있고, 역설적으로 그것이 이익 감소로 이어질 수 있어요. 왜냐하면 과잉 용량과 가격 하락으로 이어지고, 결국 주주가 아니라 소비자에게 많은 가치를 창출하게 되기 때문이에요. 사용에 비해 엄청난 무형 가치를 가지고 있지만 본질적으로 초과 공급 때문에 실현할 수 없는 엄청난 인프라가 구축되었다는 것은 합리적인 가설이에요. 바라건대 수요가 동등하게 또는 더 많이 성장하고, 그러면 투자자들이 보상을 받을 거예요. 하지만 그것이 일어난다는 보장은 없어요. 그렇긴 하지만 저는 아마도 이러한 기술들이 점점 더 많은 문제를 해결할 수 있는 것을 현장에서 보는 면에서 낙관적인 쪽에 더 가까울 거예요. 그리고 의학, 금융, 소매 및 제조, 모든 산업에서 더 많은 문제를 해결하기 위해 더 많은 지능을 가지려는 많은 억눌린 수요가 있다고 생각해요.” 본질적으로, 그는 AI 시스템이 컴퓨터 시대에 우리가 만든 디지털 정보 과부하를 해결하고 있다는 이 시리즈의 이전 관찰에 동의하며, 인간이 이 정보 과잉을 다루지 못하는 것을 극복하도록 돕습니다.

그는 또한 이러한 인지 도구에 대한 투자가 “우리 자신의 두뇌만으로는 할 수 없었던 것보다 더 나은 세계 이해를 가능하게 하는 재귀적 자기 개선”을 통해 체화된 물리적 시스템을 설명하는 데 필요한 세계 모델을 만드는 데 도움이 될 수 있다고 믿으며, 본질적으로 각 세대의 AI 인프라 배포에서 지속적인 가치 실현을 가능하게 하여 주요 “버블 붕괴” 재평가의 위험을 완화할 수 있는 부트스트래핑 효과가 있을 것이라고 주장합니다.

이러한 후반부 발언의 주의 깊은 어조에도 불구하고, 브린욜프슨이 실제로 미래에 대해 “낙관적”이라는 것은 의심의 여지가 없어요. 그는 새로운 인간 증강 벤치마크를 사용하여 부와 권력의 과도한 집중 없이 임금과 고용 모두의 성장으로 정의되는 전례 없는 AI 증강 생산성 체제로 가는 길을 성공적으로 항해하여, 인류 전체가 궁극의 GPT: GPT와 그 진화적 후손의 혜택을 받을 수 있는 미래를 봅니다.

모든 관련 요인과 참여자의 정렬이 경쟁적인 자유 시장 환경에서 그 자체로 전례 없는 것이기 때문에 이 이상주의적 비전에 반대로 베팅하고 싶은 유혹이 있어요. 하지만 브린욜프슨이 지적하기 좋아하듯이, 그는 로버트 고든과 내기를 했는데, AI에 의해 주도되어 생산성 성장이 2020년에서 2030년 사이에 이전 수준(연평균 1.8%)으로 돌아올 것이라는 것이었고, 브린욜프슨은 고든이 현재 그가 이기고 있는 것처럼 보인다고 인정한다고 보고합니다. “þetta reddast(뗏따 레다스트)“1—“모든 것이 잘 될 것이다”라는 아이슬란드 표현이 있는데, 이는 그 문화에 깊이 뿌리박혀 있고, 같은 태도가 브린욜프슨의 전망에도 정보를 제공하는 것은 아마도 놀라운 일이 아닐 거예요. 또 다른 인기 있는 아이슬란드 표현을 사용하자면, 실제로 그가 예견하는 대로 이루어진다면, 그것은 진정으로 “핫도그 끝의 건포도”2일 거예요.

• • •