인공지능(AI)의 경제적 가치가 어디에서 나올 것인가에 대한 논의는 AI 기술이 발전함에 따라 점점 더 중요해지고 있습니다. 많은 전문가들은 AI가 주로 연구개발(R&D) 분야를 자동화하여 경제 성장을 이끌 것이라고 예측하고 있습니다. 그러나 최근 연구에 따르면, AI의 가장 큰 경제적 가치는 사실 R&D 분야의 자동화가 아닌 광범위한 노동 자동화에서 올 것이라는 주장이 제기되고 있습니다.
왜 R&D 자동화만으로는 부족한가?
DeepMind의 CEO인 데미스 하사비스(Demis Hassabis)나 OpenAI의 CEO인 샘 알트만(Sam Altman)과 같은 AI 업계의 영향력 있는 인물들은 AI가 질병 치료나 에너지 문제 해결과 같은 R&D 분야에서 큰 혁신을 가져올 것이라고 주장합니다. 하지만 이러한 주장은 경제적 관점에서 봤을 때 충분한 근거가 없습니다.
실제로 미국 노동통계국(BLS)의 데이터에 따르면, 1988년부터 2022년까지 민간 기업이 투자한 R&D는 총요소생산성(TFP) 성장에 연간 약 0.2%만 기여했습니다. 이는 같은 기간 0.8%의 총 TFP 성장률과 1.9%의 노동생산성 성장률과 비교했을 때 상당히 작은 수치입니다.
R&D의 경제 성장 기여도 (출처: Epoch.ai)
공공 R&D 투자까지 포함하더라도 R&D의 총 기여도는 TFP 성장의 약 0.4%에 불과합니다. 이는 노동생산성 성장의 약 20%에 해당하는 수치로, 흔히 생각하는 것보다 훨씬 작습니다. 오히려 자본 심화(capital deepening)가 노동생산성 성장의 약 절반을 차지하며, 나머지는 관리 개선, 학습을 통한 발전, 지식 확산 등 다양한 생산성 원천에서 비롯됩니다.
AI의 진정한 경제적 가치: 노동 자동화
AI의 가장 큰 경제적 가치는 광범위한 노동 자동화에서 올 것입니다. 미국 경제에서 노동의 생산성 탄력성은 약 0.6으로, 이는 ‘R&D 생산성 탄력성’보다 약 5배 높은 수치입니다. 또한 우리는 R&D에 명시적으로 적용되는 노동력보다 광범위하게 적용되는 노동력에 약 20배 더 많은 비용을 지출하고 있습니다.
간단히 말해, 가장 큰 경제적 가치를 창출하고 싶다면 현재 경제에서 가장 많은 돈이 지출되는 부분을 자동화해야 하며, 그것이 바로 노동입니다. 이렇게 탄생한 훨씬 더 큰 경제는 자본에 재투자하고 공식적인 R&D 외에도 다양한 채널을 통해 TFP 성장을 가속화할 수 있습니다.
R&D 자동화의 한계
R&D만을 자동화하는 것은 생각보다 훨씬 어렵습니다. 과학자의 일이 주로 추상적 사고력에 의존한다고 생각할 수 있지만, 실제로는 그렇지 않습니다. 의학 과학자들의 업무를 분석해보면, 가장 중요한 업무 중 일부만이 순수한 추상적 사고력에 의존하고 있습니다.
12개 연구 직업의 업무 유형 분석 (출처: Epoch.ai)
O*NET 직업 조사에서 추출한 의학 과학자의 업무 중 가장 중요한 다섯 가지 중 하나만이 순수한 추상적 사고력에 의존한다고 분류되었습니다. 대부분의 중요한 업무는 실습 기술, 다른 사람들과의 정교한 조정, 전문 장비 사용, 장기적 맥락 이해 능력, 복잡한 다중 모드 이해 등을 필요로 합니다.
이러한 패턴은 다른 일반적인 연구 직업에서도 동일하게 나타납니다. 연구가 주로 추상적 사고력 작업이라는 가정과는 달리, 실제로는 물리적 조작과 고급 주체성이 많이 필요합니다. R&D를 완전히 자동화하기 위해서는 AI 시스템이 컴퓨터 GUI를 자율적으로 운영하고, 인간 팀과 효과적으로 조정하며, 장기간에 걸쳐 복잡한 프로젝트를 완료할 수 있는 강력한 실행 기능 기술을 갖추고, 실험을 수행하기 위해 물리적 환경을 조작할 수 있어야 합니다.
AI의 확산 경로: 일반 노동에서 R&D로
위의 논의를 종합해보면, AI가 R&D를 완전히 자동화하는 데 필요한 수준에 도달하기 전에 이미 광범위한 일상적인 일자리가 자동화될 가능성이 높습니다. 이는 “AI가 먼저 과학을 자동화한 다음 다른 모든 것을 자동화할 것”이라는 관념과 모순됩니다.
오히려 AI 자동화는 먼저 매우 광범위한 산업 전반에 걸쳐 일반 노동력의 상당 부분을 자동화한 후, R&D를 완전히 인계하는 데 필요한 수준에 도달할 것이라는 예측이 더 타당합니다.
과학적 돌파구로 시작해 나중에 다른 분야로 확산되는 AI 혁명을 기대하기보다는, 초기에는 자동화가 먼저 기존 일자리의 많은 부분을 대체하고, AI가 실제 작업의 복잡하고 어려운 요구사항을 마스터한 후에야 과학과 기술의 큰 가속화가 이루어질 것으로 예상해야 합니다.
AI 적용의 미래: 분산적이고 현저한 확산
이러한 논의를 종합해보면, AI가 경제적 또는 기술적으로 혁신적인 효과를 내기 전에도 그 영향은 많은 AI 발전 이야기에서 묘사된 것보다 훨씬 더 분산적이고 현저할 가능성이 높습니다. 분산적이라는 것은 AI 주도의 자동화가 R&D 직업에만 국한되지 않고 광범위하게 발생해 경제의 상당 부분을 변화시킬 것이라는 의미입니다. 그리고 현저하다는 것은 대규모 노동력 대체 등을 통해 그 영향이 대부분의 사람들에게 매우 가시적이고 파괴적일 것이라는 의미입니다.
AI가 R&D를 하는 “데이터 센터 속 천재들의 나라”를 상상하기보다는 다음과 같은 대안적 그림을 그려보는 것이 더 적절합니다:
- AI 발전은 향후 몇 년간 AI가 수행할 수 있는 작업의 집합을 점진적으로 확장할 것입니다. 이러한 진전은 순수한 인지적 AI R&D 노력보다는 주로 컴퓨팅 인프라의 확장을 통해 이루어질 것입니다.
- 결과적으로 AI는 경제 전반에 널리 배치되어 점점 더 넓은 범위의 노동 작업을 자동화할 것입니다. 궁극적으로 이는 크게 가속화된 경제 성장으로 이어질 것입니다.
- AI가 폭발적인 경제적, 의학적, 기술적 진보라는 의미에서 ‘혁신적인’ 효과를 가져오기 전에, 이미 전 세계 노동 시장과 AI에 대한 대중의 인식을 근본적으로 재편한 일련의 매우 파괴적인 자동화 물결이 있었을 것입니다.
- 항상, AI가 경제적, 의학적, 기술적 진보를 의미 있게 가속화할 수 있는 시점 이후에도, AI가 이러한 변수들을 가속화하는 주요 채널은 규모에 따른 비 R&D 작업의 광범위한 자동화일 것입니다.
이러한 관점은 AI의 미래에 대한 비즈니스, 정책, 개인적 접근 방식에 중요한 의미를 갖습니다.
비즈니스 관점에서의 시사점
비즈니스 관점에서, 예측 가능한 미래에는 AI 연구소가 생물학이나 의학과 같은 분야에서 연구자들을 좁게 지원할 수 있는 “노벨상 수상자” 수준의 추론 모델을 개발하는 데 집중하기보다는 인터넷을 검색하고, 상업용 소프트웨어를 운영하고, 표준 화이트칼라 직업 작업을 수행할 수 있는 컴퓨터 사용 에이전트를 만드는 등 일반적인 작업 작업을 자동화하는 데 집중하는 것이 더 수익성이 높을 것입니다. 또한 R&D 작업에 대한 AI 성능보다 이러한 일반적인 능력을 추적하고 벤치마킹하는 것이 더 중요할 것입니다.
정책 관점에서의 시사점
정책 관점에서, AI에 대한 여론은 현재부터 AI가 폭발적인 경제 성장이나 인간 수명 연장의 상당한 진전과 같은 세계에 혁신적인 영향을 미치기 시작할 때까지 깊은 변화를 겪을 것으로 인식하는 것이 중요합니다. 이러한 변화는 AI가 그 단계에 도달할 때까지 사회가 이미 대규모로 노동자들을 대체한 일련의 파괴적인 자동화 물결을 경험했을 것이기 때문에 발생할 것입니다. 따라서 AI에 대한 여론이 혁신적인 AI 직전이나 직후까지 대략 지금과 같을 것이라고 가정하는 것은 잘못된 생각입니다.
개인 관점에서의 시사점
개인 관점에서는 AI가 AI R&D 과정을 인수한 직후 인간 노동이 한꺼번에 쓸모없게 될 미래를 예상하기보다는 AI가 여러 해 또는 수십 년에 걸쳐 점진적으로 일자리를 대체할 미래를 계획하고 투자하는 것이 가치 있습니다. AI가 재귀적 AI R&D를 통해 초지능으로 폭발하는 비교적 갑작스러운 사건을 상상하는 대신, 경제의 완전한 자동화로의 더 매끄러운 전환을 예상하는 것이 더 생산적입니다.
AI가 일부 작업에서는 인간을 능가하지만 다른 보완적인 작업에서는 인간보다 열등한 상태가 될 확장된 기간이 있을 것입니다. 물론 궁극적으로 AI는 거의 모든 경제적으로 가치 있는 활동에서 인간의 성능을 능가할 것이며, 이는 경제 성장의 상당한 가속화로 이어질 것입니다. 그러나 이는 R&D 부문을 훨씬 넘어서는 점점 더 광범위하고 파괴적인 자동화가 수년 또는 수십 년 후에야 발생할 가능성이 높습니다.
경제적 가치의 새로운 시각
AI의 경제적 가치에 대한 이러한 새로운 시각은 우리가 AI 기술의 발전과 확산을 어떻게 바라봐야 하는지에 대한 중요한 통찰을 제공합니다. R&D 자동화만을 강조하는 기존의 관점은 AI가 가져올 광범위한 경제적 변화를 제대로 포착하지 못합니다.
AI 자동화는 먼저 다양한 산업 전반에 걸쳐 일반 노동력을 자동화한 후, R&D 분야로 확장될 것이다. (출처: Unsplash)
Epoch AI의 분석에 따르면, AI 자동화는 “일반 자동화 폭발(general automation explosion)”이라고 부를 수 있는 현상을 가져올 것입니다. 이는 가속화를 지원하는 핵심 힘이 AI가 특별히 잘하는 특정 일에서 나오는 것이 아니라 AI 자동화의 폭과 규모에서 나온다는 것을 강조합니다. 이 용어는 “지능 폭발(intelligence explosion)”이라는 문구만큼 매력적이지는 않을 수 있지만, 현실을 더 정확하게 반영합니다.
새로운 경제 질서를 준비해야 할 때
AI가 가져올 경제적 변화에 대한 이러한 새로운 시각은 기업, 정부, 개인 모두에게 중요한 준비의 방향성을 제시합니다. 특히 AI가 우리 사회에 미칠 영향은 과학적 혁신에서 시작하여 일반 경제로 확산되는 형태가 아니라, 오히려 광범위한 노동 자동화가 먼저 일어나고 그 결과로 경제 성장이 가속화되는 형태가 될 가능성이 높습니다.
이것은 AI 기술의 발전과 도입에 관한 전략을 수립할 때 R&D 자동화보다는 광범위한 노동 자동화에 더 많은 관심을 기울여야 함을 시사합니다. 또한 AI로 인한 노동 시장의 변화에 대비하여 교육과 재교육에 더 많은 투자가 필요함을 의미합니다.
AI 시대는 이미 시작되었지만, 그 경제적 영향의 진정한 모습은 아직 완전히 드러나지 않았습니다. 앞으로 우리는 AI가 점점 더 많은 일상적인 작업을 자동화함에 따라 경제 구조의 점진적인 변화를 목격할 것입니다. 이러한 변화에 적응하고 그 혜택을 최대화하기 위해서는 AI의 경제적 가치에 대한 더 현실적인 이해가 필요합니다.
결론
AI의 경제적 가치에 대한 대중적인 견해와 실제 데이터 사이에는 상당한 괴리가 있습니다. R&D 자동화가 경제 성장의 주요 동력이 될 것이라는 기대와 달리, 실제 경제적 가치는 광범위한 노동 자동화에서 올 가능성이 높습니다.
이러한 이해는 기업, 정부, 개인이 AI 기술의 발전에 어떻게 접근해야 하는지에 대한 중요한 통찰을 제공합니다. AI 기술은 특정 분야에 국한되지 않고 경제 전반에 광범위하게 확산될 것이며, 그 과정에서 노동 시장에 큰 변화를 가져올 것입니다.
이러한 변화에 효과적으로 대응하기 위해서는 AI의 경제적 영향에 대한 더 현실적인 이해와 함께, 이에 맞춰 교육, 고용, 사회 보장 정책을 재조정하는 노력이 필요합니다. 미래의 AI 경제는 R&D의 혁신보다는 노동의 광범위한 자동화에 의해 더 크게 형성될 것입니다.
이 새로운 AI 경제 시대를 맞이하는 우리에게는 도전과 함께 기회도 존재합니다. 중요한 것은 AI의 경제적 가치가 어디에서 오는지를 정확히 이해하고, 그에 맞춰 우리의 전략과 정책을 조정하는 것입니다. 그것이 바로 AI 시대에 성공적으로 적응하고 번영하는 열쇠가 될 것입니다.
답글 남기기