스탠포드 경제학자 바라트 찬다르: AI는 젊은 노동자의 일자리를 어떻게 바꾸고 있는가
EO Korea스탠포드 디지털 이코노미 연구소의 경제학자 바라트 찬다르는 AI가 노동 시장에 미치는 영향을 연구한다. 그는 지난 1년 반 동안 노동 경제학에서 가장 중요한 화두가 이 문제였다고 본다. 직접 AI 도구를 더 많이 쓰면서 그 영향을 체감했고, 사회에 가장 큰 영향을 미칠 수 있는 질문이라고 판단해 연구의 중심 주제로 삼았다고 한다. 이 영상에서 그는 공동 연구 결과를 소개한다. 결과의 핵심은 AI 노출도가 높은 직업에서 젊은 근로자의 고용 증가가 눈에 띄게 둔화되고 있다는 것이다. 그는 여기서 출발해 젊은 세대가 길러야 할 역량, 기업과 사회의 인센티브 불일치, 그리고 AI를 '학습 도구'로 쓰는 일이 가진 가능성을 이야기한다.
'탄광 속의 카나리아': 젊은 근로자에게서만 뚜렷한 고용 둔화
찬다르는 동료인 에릭 브린욜프슨, 류 첸과 함께 연구를 발표했다. 이 연구는 AI 노출도가 높은 직업과 낮은 직업에서 일자리가 어떻게 달라지는지를 조사했다. 데이터는 급여 처리 회사 ADP의 것으로, 미국 전역의 수백만 명 근로자를 추적했다.
전체 근로자를 놓고 보면 AI 노출도에 따른 고용 변화에 큰 차이가 없었다. 그러나 젊은 근로자만 따로 보면 차이가 훨씬 뚜렷했다. 소프트웨어 개발, 고객 서비스, 행정직처럼 AI 노출도가 높은 직종에서는 젊은 층의 고용이 감소하는 추세였다. 반면 AI 노출도가 낮은 직업에서는 고용이 계속 늘었다. 경력이 많은 근로자의 고용 증가세도 기존 추세를 유지했다. 찬다르의 설명에 따르면 AI 노출도가 높은 직업의 젊은 근로자는 고용 증가율이 16% 더 느렸고, 그는 이를 "꽤 큰 수치"라고 평가했다.
그는 많은 사람이 이제 막 경력을 시작하려 하지만 그 과정이 매우 어렵다고 느끼고 있다고 말한다. 연구 제목에 '탄광 속의 카나리아'라는 표현을 붙인 이유도 여기에 있다. 이 결과가 AI가 앞으로 가져올 더 큰 변혁의 초기 신호일 수 있으므로 계속 추적해야 한다는 뜻이다.
일시적 경기 변화인가, AI 주도의 구조적 변화인가
찬다르는 이 현상이 경제의 일시적 변화인지 AI가 주도하는 구조적 변화인지는 아직 확실하지 않다고 인정한다. 그래서 연구팀은 다른 설명이 가능한지를 직접 검증했다.
첫째로 검토한 것은 금리 변동이다. 연구팀이 확인한 바로는 금리에 민감한 직업들은 오히려 AI 노출도가 낮았다. 그는 운송과 건설을 예로 들며, 이 업종들이 금리에는 민감하지만 AI의 영향은 거의 받지 않는다고 설명했다. 그래서 금리 변동이 이번 결과를 이끄는 주요 요인은 아닐 것이라고 본다. 둘째로 기술 업계의 과잉 채용 가능성도 검토했다. 기술 업계를 분석에서 빼도, 컴퓨터 관련 직종을 빼도 결과는 같았다. 이처럼 여러 대안을 시험했지만 매우 비슷한 결과가 반복해서 나왔다는 것이 그의 설명이다.
그는 AI 역량의 구조적 변화가 노동 시장에 영향을 미치는 것이라면 이는 일시적이지 않고 장기적인 변화일 수 있다고 본다. 현상을 더 오래 추적해 추세가 유지된다면 AI가 실제 업무에 영향을 주고 있다는 신호가 될 것이다. 다만 그는 AI가 있는 세상과 없는 세상을 비교하는 명확한 실험은 불가능하다는 한계도 짚었다. AI의 영향을 제대로 파악하려면 연구가 더 필요하다는 것이 그의 입장이다.
왜 하필 젊은 근로자인가: 교과서 지식과 암묵지
찬다르는 젊은 근로자가 왜 더 큰 영향을 받는지를 그들이 하는 일의 성격으로 설명한다. 노동 시장에 막 진입한 사람들은 대부분 학교에서 배운 이론적 지식을 바탕으로 무언가를 구현하거나 실행하는 일을 한다. 반대로 경험이 부족해 아직 잘하지 못하는 일은 암묵지에 의존하는 일이다. 현장에서 직접 일하면서만 얻을 수 있는 경험, 더 많은 사회적 상호작용과 전략적 사고가 필요한 일이 여기에 속한다.
그는 암묵지를 매우 지역적이고 구체적인 맥락에 의존하는 지식으로 정의한다. 이런 지식은 책에 잘 기록되어 있지 않다. 반면 젊은 근로자의 강점인 책으로 배운 지식은 AI의 역량과 더 직접적으로 겹친다. 그 결과 경력이 많은 근로자는 AI에 대해서뿐 아니라 젊은 근로자에 대해서도 상대적인 이점을 가질 수 있다는 것이 그의 분석이다.
기업의 인센티브와 사회의 인센티브는 다르다
그렇다면 기업이 미래를 위해 젊은 인재를 계속 뽑고 키우지 않을까? 찬다르는 기업이 앞으로 중간 관리자나 숙련 인력을 확보하려면 젊은 인재를 채용하고 싶어 하는 것이 당연하다고 인정한다. 하지만 그 동기가 사회적으로 필요한 수준에는 못 미칠 수 있다고 지적한다.
이유는 직원이 그 회사에 영원히 남지 않기 때문이다. 기업이 비용을 들여 젊은 직원을 교육해도 그 직원은 언제든 다른 회사로 떠날 수 있다. 그래서 기업은 젊은 인재를 어느 정도는 채용하겠지만, 사회 전체에 이익이 되는 만큼 많이 채용하거나 충분히 교육하지는 않을 수 있다. 찬다르는 이를 개별 민간 기업의 인센티브와 사회 전체의 인센티브 사이의 불일치라고 표현했다.
이에 대해 그가 제시한 낙관적인 관점은 AI 자체가 해법의 일부가 될 수 있다는 것이다. AI가 정말로 사람들의 학습을 돕는 유능한 교육 도구라면 숙련에 이르는 과정이 빨라질 수 있다. 그는 이를 위해 대학, 그리고 어쩌면 그 이하 단계의 교육 시스템도 조직 방식을 상당히 바꿔야 할 수 있다고 덧붙였다.
AI가 단기적으로 잘하기 어려운 세 가지와 '전략적 사고'
찬다르는 AI가 단기적으로 잘하기 힘든 영역으로 세 가지를 꼽는다. 첫째는 로보틱스의 발전 없이는 어려운 물리적 작업이다. 둘째는 전략적 사고, 즉 무엇을 할지 결정하는 일이다. 셋째는 사회적 상호작용이다.
그는 이 가운데 전략적 사고가 점점 더 중요해지고 있고 앞으로 더 중요해질 것이라고 본다. 그가 그리는 미래에는 많은 일이 AI 에이전트에게 실행을 지시하고, 무엇을 해야 하는지 알려 주고, 방향을 이끌어 주는 형태가 될 수 있다. 그렇게 되면 무엇을 해야 하는지 판단하는 능력, 원하는 결과물을 어떻게 표현할지에 관한 능력이 핵심 기술이 된다. 그는 이것이 회사에서 관리자가 하는 역할과 같다고 지적하며, 관리 업무와 전략적 지침을 주는 능력이 앞으로 꽤 중요한 역량이 될 수 있다고 말했다.
젊은 근로자가 이 역량을 어떻게 키울 수 있느냐는 질문에는 도구를 최대한 많이 만들고 써 보면서 그런 방식의 업무에 익숙해지라고 답한다. 이런 변화에 빨리 적응할수록 노동 시장의 혼란이나 기술 변화에 더 잘 대처할 수 있다는 것이다.
역사적 비교: 산업혁명형인가, 20세기형인가
찬다르는 AI를 과거의 기술 변화와 비교해 보는 것이 매우 유익하다고 본다. 그가 먼저 든 예는 산업혁명이다. 그는 산업혁명을 가장 숙련된 노동자들이 더 큰 위험에 직면한 사례로 해석한다. 대표적인 예가 러다이트로, 이들은 숙련된 방직공이었고 새로운 기술 때문에 많은 이가 일자리를 잃었다. 그는 AI에서도 비슷한 점이 보인다고 말한다. AI에 더 많이 노출될 가능성이 큰 쪽이 지식 노동자와 고학력 노동자라는 점에서다.
반면 전기나 IT 혁명이 일어난 20세기에는 양상이 반대였다는 것이 그의 해석이다. 중간 수준이나 저숙련 노동이 기술에 더 많이 노출되었고, 고숙련·고학력자들은 기술 발전의 혜택을 훨씬 더 많이 누렸다. 그는 AI가 이 두 유형 중 어느 쪽이 될지는 앞으로 지켜봐야 한다고 말했다.
그는 AI가 과거 사례와 다른 점으로 능력 향상의 속도를 꼽는다. 오늘날 AI는 3년 전보다 훨씬 다양한 작업을 수행한다. 그래서 그는 새로운 일자리와 수요가 생겨났을 때 그 일을 인간이 하게 될지, 아니면 AI의 능력이 충분히 빨리 발전해 그 일까지 AI가 하게 될지를 열린 질문으로 남긴다. 그는 바로 이 지점이 AI가 이전 기술들과 다른 부분이라고 본다.
자동화 대 증강: 할 수 있는 일의 범위가 넓어지는가
AI를 둘러싸고는 근로자를 노동 시장에서 대체하고 그들의 일을 자동화하는 방향보다, 근로자를 보조하고 역량을 높이는 방향에 대한 논의가 많이 진행되고 있다. 찬다르는 자신의 에세이에서 근로자를 상당히 보조할 수 있는 구체적인 해법을 제안하려 했다고 밝힌다. 그 해법은 AI를 사람들의 학습을 돕는 도구로 쓰는 것이다.
그가 지금 AI로 스스로를 증강하고 있는 사람의 예로 든 것은 스타트업 창업자다. 아주 작은 팀이라도 AI를 활용하면 훨씬 많은 일을 해낼 수 있다. 이전에는 전혀 할 줄 몰랐던 업무도 AI 도구 덕분에 직접 할 수 있게 되었다. 그는 이것이 증강의 좋은 예라고 말한다.
그가 제시한 기준은 이렇다. 자동화인지 증강인지는 어떤 업무에 집중하느냐에 달려 있다. 기술 도입으로 내가 할 수 있는 업무의 범위가 넓어지는지, 아니면 오히려 줄어드는지를 따져 봐야 한다. 기술이 근로자에게 이익이 될 때는 대개 할 수 있는 일의 범위를 넓혀 준다. 반면 자동화나 대체 기술은 근로자 업무의 일부를 없애 더 적은 일을 하게 만든다. 그는 자신의 목표가 근로자가 더 많은 일을 할 수 있도록 증강하는 것이라고 말한다. 역사적으로 그 가장 좋은 방법 중 하나가 교육이었다고 덧붙인다. 교육을 받은 근로자는 이전보다 훨씬 많은 일을 할 수 있기 때문이다.
이런 맥락에서 그는 지금이 지난 100년 혹은 그 이상 동안 우리가 가졌던 역량과 비교해 학습에서 가장 큰 변화를 이룰 수 있는 기회라고 본다. 그 변화의 핵심으로 AI 도구를 활용한 맞춤형 학습을 꼽았다.
본인의 사용법: 수학에는 쓰고, 글쓰기에는 쓰지 않는다
찬다르는 자신이 AI를 어떻게 쓰는지도 소개한다. 그가 점점 더 AI를 많이 쓰는 분야는 수학이다. 모델을 세우거나 증명이 필요한 영역에서 AI가 정말 탁월한 성능을 보여 준다고 그는 평가한다. AI가 초안을 만들어 주면 처음부터 직접 쓰는 것보다 내용이 맞는지 검토하는 일이 훨씬 수월하다는 것이다.
반대로 글쓰기에는 AI를 거의 쓰지 않는다. 그 이유는 AI 도구를 믿지 못해서가 아니라고 그는 강조한다. 직접 쓰는 과정이 생각을 돕고 문제를 정말로 잘 이해하게 해 주기 때문이다. 직접 쓰지 않아서 자신의 의도를 스스로 이해하지 못하게 된다면 글쓰기의 가치가 훨씬 줄어든다는 것이 그의 설명이다.
무엇을 위임하고 무엇을 남길 것인가
찬다르는 무엇을 AI에게 맡기고 무엇을 지킬지는 결국 인간이 무엇을 원하느냐에 달려 있다고 말한다. 그 일부는 무엇이 옳고 그른지를 따지는 가치관의 문제다. 또 일부는 단순히 우리의 선호를 표현하는 문제다. 우리는 무엇을 만들고 싶은가, 무엇이 우리를 더 낫고 행복하게 해 주는가, AI로 실제로 구현하고 싶은 것은 무엇인가. 그는 이런 것들을 인간이 AI에게 직접 표현해야 한다고 본다.
그는 적어도 단기에서 중기까지는 이런 과업이 어떻게 자동화될 수 있을지 명확히 떠오르지 않는다고 말한다. 원하는 것이 무엇인지 알려면 성찰이 필요하다. 생각할수록 명확해지고, 성찰을 통해 진심을 깨닫기도 한다. 무엇을 구현할지에 대한 지침을 주는 일도 마찬가지다. 그래서 그는 이런 일이 적어도 단·중기적으로는 인간 고유의 영역이고, AI는 주로 구현 쪽에 가깝다고 정리한다.
AI와 불평등: 학습의 이점이 줄어드는 세계와 커지는 세계
찬다르는 AI가 불평등과 학습 유인에 미칠 영향에 대해 두 갈래의 시나리오를 제시한다.
첫 번째 시나리오에서는 AI가 새로운 것을 배워서 얻는 이점을 크게 줄인다. 어떤 분야의 정상에 오르거나 특정 직업에서 최고 수준의 결과물을 내는 데 필요한 장벽이 훨씬 낮아지는 경우다. AI가 가장 어려운 작업의 상당 부분을 해 줄 수 있기 때문이다. 그는 흥미롭게도 이것이 노동 시장의 불평등이 훨씬 줄어든 세계일 수 있다고 말한다. 학교에서 많이 배운 매우 유능한 사람과 노력하지 않은 사람의 차이가 그렇게 크지 않을 수 있기 때문이다. 그는 여기서 불평등을 낮추는 것과 학습에 대한 투자 유인 사이에 잠재적인 상충 관계가 있을 수 있다고 짚었다.
두 번째 시나리오에서는 AI가 오히려 전략적 사고나 사회적 기술의 이점을 키운다. 이 경우 학교에서 노력하는 것의 이점은 더 커질 수 있다. 전략적 사고력을 기른 사람이 노동 시장에서 매우 가치 있는 인재가 되기 때문이다.
이를 바탕으로 그는 학생들에게 AI 도구를 최대한 활용해 무언가를 만들어 보면서 전략적 사고를 키우는 데 집중하라고 권한다. 그 과정에서 이 도구들을 효율적으로 쓰는 방법은 무엇인지, 어디가 취약한지, 그리고 인간인 내가 가장 많은 가치를 더할 수 있는 영역은 어디인지를 스스로 물어보라는 것이다.
답을 주지 않는 AI: 비판적 사고를 지키는 교육적 개입
찬다르는 AI가 사람의 사고방식에 미칠 영향은 매우 복잡한 방식으로 따져 봐야 한다고 말한다. 동시에 사람들이 과업을 단순히 AI에 넘기지 않고 비판적 사고 능력에 집중하도록 돕는 새로운 교육적 시도들이 나타나고 있다고 소개한다. 그가 든 예는 칸 아카데미다. 칸 아카데미에는 AI 도구를 쓸 수 있지만 정답을 바로 알려 주지는 않는 기능이 있다. AI가 답을 주는 대신 학습자가 답에 이르는 과정을 스스로 생각해 보도록 돕는 방식이다.
커리어 사다리에서 커리어 격자로
찬다르는 마지막으로 AI의 학습 지원 능력을 제대로 활용하는 세계를 그린다. 그런 세계에서는 서로 다른 직업 사이를 오가는 일이 훨씬 쉬워질 수 있다는 것이다. 경제 상황에 따라 특정 직업의 수요가 바뀔 때 사람들이 더 빠르게 다른 직업으로 옮겨 갈 수 있도록 돕는 방법을 찾는다면 큰 잠재력이 열릴 것이라고 그는 본다.
그래서 그는 한 줄기 위로만 올라가는 '커리어 사다리' 대신 '커리어 격자'에 가까운 방향으로 나아가기를 기대한다고 말한다. 커리어 사다리는 기술 변화가 닥쳤을 때 위험이 더 크다. 반면 커리어 격자는 여러 방향으로 이동할 수 있는 구조로, 그는 이것이 노동자에게 더 잘 맞는다고 본다. 다만 이것이 실현될지는 AI를 학습 도구로 얼마나 잘 활용하느냐에 달려 있다. 또한 그가 연구에서 관찰한 젊은 근로자의 고용 둔화가 AI 주도의 구조적 변화로 확인될지는 앞으로 더 추적해야 할 열린 질문으로 남아 있다.
AI에 더 많이 노출된 직업에 종사하는 젊은 근로자들은 고용 성장률이 16% 더 느린 것으로 나타나고 있습니다. 이건 꽤 큰 수치입니다. 노동 시장에 영향을 미치고 있는 AI 역량의 구조적 변화는 일시적인 변화가 아닙니다.
AI의 학습 지원 역량을 제대로 활용한다면 직업 간 전환이 더 쉬워집니다. ‘직업 사다리’보다 근로자에게 맞는 ‘직업 격자’ 방향으로 나아가길 바랍니다. 이 기술에 대해 더 많은 위험이 존재하는 지점이기도 한 기술적 변화입니다.
저는 바라트 찬다르입니다. 스탠포드 디지털 이코노미 연구소의 경제학자로 AI의 노동 시장 영향을 연구합니다. 지난 1년 반 동안 노동 경제학에서 가장 중요한 화두는 AI의 노동 시장 영향이라 생각합니다. 제가 실제로 이 도구들을 더 많이 사용하며 이해하게 되자 그것이 제 연구의 중심 주제가 됐습니다. 이게 사회에 잠재적으로 가장 큰 영향을 미칠 중요한 질문이라 느꼈기 때문이죠.
탄광 속의 카나리아인가? AI가 최근 고용에 미친 영향에 관한 사실들.
저는 제 동료인 에릭 브린욜프슨, 류 첸과 함께 연구를 발표했습니다. 우리는 AI 노출도가 높은 직업과 낮은 직업에서 일자리가 어떻게 변화하는지 조사했습니다. 우리는 ADP라는 급여 회사의 데이터를 활용해 미국 전역의 수백만 명 근로자들을 추적했습니다.
연구 결과 전반적으로 AI 노출도에 따른 고용 변화에서 큰 차이가 나타나지 않았습니다. 하지만 젊은 근로자들에게 초점을 맞춰보면 그 차이가 훨씬 더 뚜렷하게 나타나는 것을 볼 수 있습니다. AI에 많이 노출된 소프트웨어 개발, 고객 서비스, 행정직 같은 직종에선 고용이 감소하는 추세입니다. AI 노출도가 낮은 직업은 고용이 계속 증가했습니다. 경력이 많은 근로자도 고용 증가세가 기존 추세로 유지되는 모습이었습니다. 반면 AI 노출도가 높은 직업의 젊은 층은 고용 증가율이 16% 더 느린 것으로 나타났습니다.
많은 사람들이 이제 막 경력을 시작하려고 하지만 그 과정이 매우 어렵다는 것을 느끼고 있습니다. 우리가 ‘탄광 속 카나리아’라는 제목을 선택한 이유도 이와 같습니다. 이러한 결과들을 계속 추적하는 건 이것이 AI가 가져올 잠재적 변혁의 신호일 수 있기 때문입니다.
이 현상의 AI가 주도하는 비중과 향후 변화 양상은 어떠할까요? 이것이 경제의 일시적 변화인지 AI 주도의 구조적 변화인지는 확실치 않습니다. 그래서 가능한 대안들을 실제로 테스트해 보았습니다. 여기에는 금리 변동이 포함되며 금리에 더 노출된 직업들은 실제 AI에는 덜 노출되어 있었습니다. 예를 들어 운송이나 건설은 금리에 민감하나 AI의 영향은 거의 받지 않습니다. 이것이 바로 중요한 포인트입니다. 즉 금리 변동이 결과를 이끄는 주요 요인은 아닐 것이며 기술 업계의 과잉 채용 같은 요소도 테스트에 포함했습니다. 기술 업계를 빼도 결과는 같고 컴퓨터 직종도 마찬가지죠. 이렇게 다양한 대안들을 테스트해 봤지만 여전히 매우 유사한 결과가 나왔습니다.
말씀대로 AI 역량의 구조적 변화가 노동 시장에 영향을 미친다면 이는 일시적인 변화가 아닐 겁니다. 이는 잠재적인 장기적 변화일 수 있습니다. 현상을 더 오래 추적하여 추세가 유지되면 AI가 실제 업무에 영향을 준다는 신호입니다. 물론 그렇다고 해도 우리는 AI가 있는 세상과 없는 세상을 비교해서 명확하게 실험할 수 있는 상황은 아닙니다. AI의 영향을 제대로 파악하기 위해서는 여기서 더 많은 연구가 필요합니다.
젊은 노동자들은 경쟁력을 잃었습니다. 새로운 경쟁력은 무엇일까요?
젊은 근로자들이 노동 시장에 진입할 때 무엇을 하는지 생각해 보면 그들 대부분은 학교에서 배운 이론적 지식을 바탕으로 실제로 무언가를 구현하거나 실행하는 일을 합니다. 반면에 그들이 경험이 부족해서 잘하지 못하는 일은 암묵지에 의존하는 일입니다. 혹은 현장에서 직접 일을 하면서만 얻을 수 있는 경험 같은 것들입니다. 또한 더 많은 사회적 상호작용과 더 많은 전략적 사고가 필요합니다.
저는 암묵지를 많은 초지역적 맥락에 의존하는 것이라고 생각합니다. 혹은 전략적 사고, 사회적 상호작용 또는 현장에서의 경험을 통해서만 쌓을 수 있는 것들이죠. 그래서 이런 것들은 책에 잘 기록돼 있지 않은 유형의 지식입니다. 젊은 근로자들에게는 이러한 부분이 AI의 역량과 더 직접적으로 겹칩니다. 그리고 이런 상황에서는 경력이 더 많은 근로자들이 AI뿐만 아니라 젊은 근로자들에 비해서도 상대적인 이점을 가질 수 있습니다.
젊은 근로자를 훈련시키는 문제에 있어서는 앞으로 중간 관리자나 더 경험 많은 직원을 두고 싶다면 기업들이 젊은 인재를 채용하고 싶어 하는 것이 당연합니다. 여기서 문제는 다음과 같습니다. 미래 인력을 확보할 동기가 어느 정도 있긴 하지만 실제로는 충분하지 않을 수도 있다는 점입니다. 그래서 사회적 관점에서 기업들이 젊은 인재를 충분히 채용하지 않거나 충분히 교육하지 않을 수 있습니다. 직원들이 반드시 그 회사에 영원히 남아 있을 필요는 없기 때문입니다. 그들은 언제든지 다른 회사로 떠날 수 있습니다.
따라서 기업들이 일부 젊은 인재를 채용하고 싶어 하는 것은 사실이지만 사회 전체에 이익이 되는 만큼 많이 채용하고 싶어 하지는 않을 수 있습니다. 그리고 이것은 결국 개별 민간 기업의 인센티브와 사회 전체의 인센티브 사이의 불일치라고 할 수 있습니다.
이제 여기서 제가 드릴 수 있는 낙관적인 관점은 다음과 같습니다. 만약 AI가 정말로 사람들이 배우는 데 도움을 주는 유능한 교육 도구라면 그 과정은 더 빨라질 수 있습니다. 또한 사람들이 더 잘 배울 수 있도록 대학이나 잠재적으로는 그 이하 수준의 교육 시스템 조직 방식에도 많은 변화를 필요로 할 수 있습니다.
제 생각에 AI가 단기적으로 잘하기 힘든 세 가지가 있습니다. 첫째는 로보틱스 발전 없이는 힘든 물리적 작업입니다. 둘째는 전략적 사고와 무엇을 할지 결정하는 일입니다. 셋째는 사회적 상호작용입니다.
저는 전략적 사고가 점점 더 중요해지고 있으며 앞으로는 더욱 중요해질 것이라고 생각합니다. 왜냐하면 미래에는 그런 경향이 있을 것 같기 때문입니다. 많은 일이 AI 에이전트에게 실행을 지시하고 무엇을 해야 하는지 알려주고 이끌어 주는 형태가 될 수도 있습니다. 그래서 그런 전략적 사고, 무엇을 해야 하는지 또는 내가 원하는 결과물을 어떻게 표현할지에 대한 능력이 앞으로 매우 중요한 기술이 될 것이라고 생각합니다. 그리고 이것이 회사 내에서 관리자가 하는 역할이기도 하죠. 따라서 그런 관리 업무와 전략적 지침이 앞으로 꽤 중요한 역량이 될 수 있습니다.
젊은 근로자들이 이런 역량을 어떻게 키울 수 있을지 생각해 봅니다. 도구를 최대한 많이 만들고 사용하면서 그런 방식의 업무에 익숙해지는 것이 중요합니다. 이런 변화에 더 빨리 적응할수록 노동 시장의 혼란이나 기술적 변화에 더 잘 대처할 수 있을 것입니다.
경력 사다리에서 경력 격자로. AI를 활용하는 젊은 인재가 앞서갈 겁니다.
저는 AI를 이런 역사적 변화들과 비교해 보는 것이 매우 도움이 된다고 생각합니다. 예를 들어 산업혁명을 들 수 있겠죠. AI와 그 시기를 비교해 보면 실제로 가장 숙련된 노동자들이 더 큰 위험에 직면했던 사례였다고 생각합니다. 산업혁명 당시의 이야기입니다. 대표적인 사례는 러다이트들로 숙련된 방직공들이었습니다. 산업혁명기의 신기술로 인해 많은 이들이 일자리를 잃었습니다. 이들은 사회에서 숙련된 노동자들이었죠. 여기서도 비슷한 점을 볼 수 있는데 AI 노출이 더 많을 쪽은 지식 노동이나 고학력 노동자들일 가능성이 큽니다. 그래서 저는 이것이 흥미로운 비교라고 봅니다.
전기나 IT 혁명 사례를 보면요. 기본적으로 20세기 동안에는 그 반대였는데 중간 수준이나 저숙련 노동이 기술에 더 많이 노출되는 경향이 있었습니다. 반면 고숙련, 고학력자들은 이러한 기술 발전의 혜택을 훨씬 더 많이 누렸습니다. 그래서 앞으로 AI가 첫 번째 사례가 될지 아니면 두 번째가 될지 지켜봐야 할 것 같습니다. 저는 그렇게 생각합니다.
여기서 염두에 둘 만한 점이 있습니다. AI가 과거 사례와 다른 점 중 하나는 능력 향상 속도입니다. 오늘날 AI는 3년 전보다 훨씬 다양한 작업을 수행할 수 있습니다. 새로운 일자리와 수요 창출에 대해 생각해 볼 만한 질문이 있습니다. 그 일들은 인간이 하게 될까요? 아니면 AI의 능력이 충분히 빠르게 발전해서 그런 종류의 일도 AI가 하게 될까요? 그리고 저는 이 부분이 AI가 이전 기술들과 다른 지점이라고 봅니다.
AI로 근로자를 보조하고 역량을 높일 방법에 대한 논의가 많이 진행 중입니다. 반대로 근로자를 노동 시장에서 대체하고 그들이 하던 모든 일을 자동화하는 것과는 달리 말이죠. 제가 이 에세이에서 말하고자 했던 것은 근로자를 상당히 보조할 수 있는 구체적인 해결책을 제안하려는 것이었습니다. 그것은 AI를 사람들이 학습하는 데 도움을 주는 도구로 활용하는 것입니다.
지금 AI로 스스로를 보조하고 있는 사람의 예로는 스타트업 창업자를 둘 수 있을 것 같습니다. 아주 소규모 팀이지만 AI를 활용할 수 있기 때문에 훨씬 더 많은 업무를 해낼 수 있습니다. 이전에는 전혀 할 줄 몰랐던 다양한 업무들도 이제는 이러한 AI 도구에 접근할 수 있기 때문에 스스로 해낼 수 있게 되었습니다. 이게 바로 증강의 좋은 예입니다.
자동화냐 증강이냐는 결국 어떤 업무에 집중하느냐에 달렸습니다. 여러분이 할 수 있는 업무 범위가 넓어지는지 아니면 기술 도입으로 오히려 업무가 줄어드는지 생각해 봐야 합니다. 제가 이것이 증강 측면에서 훌륭하다고 생각하는 이유는 다음과 같습니다. 기술이 근로자에게 이익이 될 때는 대개 할 수 있는 업무 범위를 넓혀 주는 경우가 많죠. 반면 자동화나 대체 기술은 근로자의 업무 일부를 없애 이제는 더 적은 일을 하게 만듭니다.
제 목표는 근로자를 증강시켜 더 많은 일을 할 수 있게 만드는 것이라 봅니다. 역사적으로 우리가 아는 가장 좋은 방법 중 하나는 교육을 통해서죠. 교육을 받으면 근로자는 이전보다 훨씬 더 많은 일을 할 수 있습니다.
여기서 유념할 점이 있다고 봅니다. AI가 과거의 역사적 사례들과 다를 수 있는 한 가지 방식은 바로 능력 향상의 속도입니다. 그리고 저는 지금이 학습에서 가장 큰 변화 중 하나를 이룰 수 있는 기회라고 생각합니다. 지난 100년 혹은 그 이상의 기간 동안 우리가 가졌던 역량에서 말입니다. 바로 AI 도구를 활용한 맞춤형 학습이죠.
저에게 AI 증강에는 몇 가지 방식이 있습니다. 실제로 제가 점점 더 AI를 활용하는 분야는 수학입니다. 모델을 작성하거나 증명이 필요한 영역에서 AI는 정말 탁월한 성능을 보여줍니다. AI가 보조하면 무언가를 처음부터 직접 작성하기보다 내용이 맞는지 검토가 훨씬 수월합니다. 그래서 저는 작업을 보조하는 중요한 수단이라 생각합니다.
반면 AI를 쓰지 않는 분야도 있는데 글쓰기에는 거의 활용하지 않습니다. 글쓰기에 AI를 사용하지 않는 이유는 직접 쓰는 과정이 사고를 돕고 문제를 정말로 잘 이해하게 해주기 때문입니다. AI 도구를 신뢰하지 않아서가 아니에요. 직접 글을 쓰지 않고 제 의도를 이해하지 못한다면 글쓰기의 가치는 훨씬 줄어들기 때문입니다.
무엇을 위임하고 무엇을 보존할지 결정할 때 결국 인간이 무엇을 원하는지에 달려 있습니다. 가치관에 관한 문제로 무엇이 옳고 그른지 같은 문제입니다. 그중 일부는 단순히 우리의 선호를 표현하는 것이죠. 우린 뭘 만들고 싶을까요? 어떤 게 우리를 더 낫고 행복하게 해줄까요? 우리가 실제로 AI를 활용해 구현하고 싶은 것은 무엇일까요? 이것은 우리가 AI에게 직접 표현해야 하는 부분입니다.
이런 종류의 과업이 어떻게 자동화될 수 있을지 저는 명확하게 떠오르지 않습니다. 적어도 단기에서 중기까지는 그 이유가 여러 가지 있기 때문입니다. 이는 성찰에 달렸습니다. 원하는 게 뭔지 생각해 봐야 하죠. 성찰을 통해 진심을 깨닫기도 합니다. 생각할수록 명확해집니다. 무엇을 구현할지에 대한 지침도 마찬가지입니다. 적어도 단·중기적으로는 AI보다는 인간 고유의 영역이라 생각합니다. 그리고 AI는 주로 구현 측면에 더 가깝습니다.
AI가 새로운 것을 배우며 얻는 이점을 정말로 줄인다고 상상해 보십시오. 흥미롭게도 이것은 노동 시장에서 불평등이 훨씬 줄어든 세상이라는 점입니다. 어떤 분야의 정상에 오르거나 특정 직업에서 최고의 품질의 결과물을 내는 데 필요한 장벽이 훨씬 낮아진다면 말이죠. AI가 가장 어려운 작업의 많은 부분을 해낼 수 있기 때문에 사실 이것은 불평등이 더 낮아질 수 있는 세상입니다. 사실 학교에서 많은 것을 알고 매우 유능한 사람들과 노력하지 않는 사람들 사이의 차이가 그렇게까지 크지 않을 수 있기 때문입니다. 흥미롭게도 이는 불평등과 학습에 대한 투자 사이에 잠재적인 상충 관계가 있을 수 있기 때문입니다.
반면에 AI가 이런 전략적 사고나 사회적 기술의 이점을 높여준다면 학교에서 노력하는 이점은 더욱 커질 수 있습니다. 전략적 사고력을 개발하면 노동 시장에서 매우 가치 있는 인재가 될 수 있기 때문입니다.
저는 학생들이 AI 도구를 최대한 활용해 무언가를 만들어 보며 그런 전략적 사고를 키우는 데 진심으로 집중해 보라고 권하고 싶습니다. 이 도구들의 효율적인 활용법과 취약한 부분은 무엇일까요? 그리고 인간인 여러분이 많은 가치를 더할 수 있는 영역은 무엇일까요?
AI가 앞으로 사고 방식에 어떤 영향을 미칠지에 대해 생각하는 데는 매우 복잡한 방식들이 있다고 생각합니다. 여기에는 AI를 활용한 교육 방식의 새로운 개입들이 일어나고 있는데 사람들이 집중하도록 하기 위해서입니다. 단순히 과업을 넘기는 것이 아니라 비판적 사고 능력에 집중하도록 하는 것이죠. 그래서 다양한 종류의 플랫폼들이 있습니다. 예를 들어 칸 아카데미에는 AI 도구를 사용할 수 있지만 정답을 바로 알려주지는 않는 기능이 있습니다. AI가 바로 답을 주는 대신 답에 도달하는 과정을 스스로 생각해 볼 수 있도록 도와줍니다.
저는 만약 우리가 AI의 학습 지원 능력을 제대로 활용할 수 있다면 앞으로는 서로 다른 직업 간에 전환하는 것이 훨씬 쉬워질 수 있는 세상을 상상할 수 있다고 생각합니다. 경제 상황에 따라 특정 직업의 수요가 변할 때 사람들이 더 빠르게 전환할 수 있도록 돕는 방법을 찾는다면 정말 많은 잠재력을 열 수 있을 것입니다. 그래서 저는 기술 변화에 대한 위험이 더 큰 커리어 사다리 대신 노동자들에게 더 잘 맞는 커리어 격자에 가까운 방향으로 나아가길 진심으로 기대하고 있습니다.
저는 처음으로 어려움을 겪었습니다. ChatGPT가 틀릴 만한 질문 만드는 데 말입니다. 충격적이었습니다. AI를 어떻게 앞설까라는 질문은 잘못된 것이었습니다.
저는 켄 오노입니다. 저는 수학자이고 ‘수학을 위한 AI’라는 분야에서도 일하고 있습니다. 휴직 중인 버지니아대 교수이며 Axiom Math의 창립 수학자죠.
저의 지능에 대한 관점은 지금 꽤 많이 달라졌습니다. 우리는 이 세상에서 아이들을 교육하는 데 최선을 다하지 못하고 있습니다. 그리고 교육자들을 비판하려는 것이 아닙니다. 저 역시 교육자입니다.
유치원이나 1학년 교실을 방문하는 것은 언제나 즐거운 일입니다. 학부모 직업 소개의 날처럼 소수나 덧셈을 잘한다는 아이들의 신기한 에너지를 병에 담아두고 싶을 정도입니다. 왜냐하면 우리가 세상에 대한 경이로움과 아이들이 가진 에너지를 계속 유지할 수 있다면 오늘날 우리가 어디에 있을지 한번 생각해 봅시다. 라마누잔처럼 되거나 적어도 생산적인 창의성을 발휘할 능력과 잠재력은 우리 모두에게 있다고 봅니다.
정체성은 누구 것인가요? 당신 것입니다.
글 게시일 · 업데이트
