🎓 AI 시대, 여전히 배울 가치가 있는 것은 무엇일까?

AI가 미래에 어떤 기술을 배워야 할지에 어떤 영향을 미치는지에 대해 많이 생각해왔습니다.

과거에는 코딩을 배우는 것이 꽤 안전한 커리어 선택이었습니다. 프로그래밍은 수요가 많았고, 비싼 학위 없이도 높은 연봉을 받을 수 있는 직업이었죠. 하지만 이제는 프로그래머들이 AI 코딩 에이전트에 의해 대체되어 곧 일자리를 잃을지도 모른다는 불안감이 커지고 있습니다.

AI가 업무를 자동화하는 것에 대한 불안은 프로그래머에게만 국한되지 않습니다. 제가 아는 대부분의 전문직 종사자들은 발전하는 AI가 자신의 일자리를 빼앗을까 봐 적어도 조금은 걱정하고 있습니다.

저 역시 걱정이 많습니다. 제 동료 중 다수는 검색 엔진이 AI를 사용해 콘텐츠를 요약하면서 독자들이 더 이상 자신의 웹사이트를 방문할 필요가 없어져 트래픽이 급감했다고 말합니다.

미래가 어떻게 될지 저도 잘 모르겠습니다. 미래에 대해 어떻게 생각해야 할지도 확신이 서지 않습니다. 온라인상의 견해는 과장된 극단에서 또 다른 극단으로 치닫고 있으며, 많은 전문가조차 앞으로 다가올 일에 대해 매우 다른 예측을 내놓고 있습니다.

하지만 이 문제를 무시하는 것도 좋은 해결책은 아닌 것 같습니다. 그래서 지금 제 생각을 불완전하더라도 정리해보고자 합니다. 이 주제에 대해 글을 쓰고 공유하며 피드백을 받는 과정에서 제 생각이 더 날카로워지기를 바랍니다.

고려해야 할 요소들

우선은 커리어 스킬에 대해서만 고려하겠습니다. AI가 취미 활동에도 영향을 미치겠지만, 그 부분은 분석이 다르고 사람들이 가장 우려하는 문제도 아닌 것 같습니다.

예를 들어, 저는 주로 재미로 언어를 배우는데, AI 번역 기술의 등장은 제게 엄청난 축복이었습니다. 하지만 전문 번역가들이 왜 그렇게 긍정적으로만 느끼지 않는지도 이해할 수 있습니다.

AI의 급격한 변화를 고려할 때 무엇을 배우는 것이 가치 있는지에 대한 질문은 그 자체로 답하기 어렵습니다. 대신 몇 가지 구성 요소를 개별적으로 살펴보고 종합하는 것이 합리적일 것입니다. 저는 이 문제와 관련된 몇 가지 하위 질문이 있다고 봅니다.

• 현재 존재하는 AI 도구는 특정 종류의 노동 수요를 어떻게 변화시키는가?
• 미래 AI 개발의 가능한 경로는 노동 수요에 대해 무엇을 시사하는가?
• AI의 결과로 경제적으로 가치 있는 기술로 가는 길은 어떻게 변하는가?

각각에 대해 생각해 봅시다.

1. 현재의 AI는 노동 수요에 어떤 영향을 미치는가?

AI에 대해 생각하는 좋은 출발점은 오늘날의 상황을 그대로 평가하는 것입니다. 현재 AI 기술의 경제적 영향은 무엇일까요? 그것이 노동 수요에 어떤 영향을 미쳤을까요?

여기서 데이터는 대량 실직을 걱정하는 사람들에게 다소 위안을 줍니다. Yale의 연구에 따르면, ChatGPT가 폭발적으로 등장한 지 약 3년이 지났지만 고용에 미치는 영향은 거의 눈에 띄지 않았습니다.

이것이 기업들이 AI 기술 도입에 더디기 때문은 아닌 것 같습니다. 또 다른 연구에서는 거의 3분의 1에 달하는 기업이 일부 직원 업무를 자동화하기 위해 AI를 사용하기 시작했다고 밝혔습니다. 그럼에도 불구하고, 그 결과로 실제로 고용 변화가 있었던 기업은 5%에 불과했으며, 그중 절반 이상은 오히려 고용이 증가한 경우였습니다.

Goldman Sachs의 분석가들은 현재 AI 기술을 고려할 때, 현재 일자리의 6-7%가 대체될 수 있다고 추정합니다. 하지만 그들은 이것이 새로운 일자리의 등장과 함께 일어날 것이라고 믿습니다.

역사적 유사 사례 역시 혁신적인 기술의 영향에 대한 과도한 경고를 잠재우는 근거가 됩니다. AI는 새롭지만, 기계 기반 자동화는 새로운 것이 아닙니다. 기술 변화는 경제학자 Joseph Schumpeter가 말한 '창조적 파괴(creative destruction)'를 낳습니다. 이전의 기회가 파괴되면서 새로운 기회가 창출되는 것이죠.

하지만 현재 AI 역량을 고려할 때 전체 노동 수요가 감소할 가능성은 낮더라도, 우려할 점이 없는 것은 아닙니다. Goldman Sachs 보고서는 많은 경영진이 AI가 기술 및 금융 분야의 채용을 늦추고 있다고 인정한 점을 지적했습니다.

Stanford Digital Economy Lab의 또 다른 보고서에 따르면, (프로그래밍과 같이) AI에 노출된 분야의 신입 직원들의 고용은 상대적으로 감소한 반면, 30세 이상 근로자의 고용은 증가했습니다. 이는 AI 코딩 에이전트가 주니어 개발자의 업무는 꽤 잘 처리하지만, 더 중요한 업무를 처리하는 데 필요한 경험은 따라가지 못한다는 저의 직관과 일치합니다.

전반적으로, 근로자의 60%가 AI에 의해 일자리를 대체당할 것을 두려워한다는 점을 고려하면, 이는 예상보다 더 긍정적인 그림을 보여줍니다. 적어도 현재 역량 수준에서는 AI의 영향이 일반적인 기술 변화와 크게 다르지 않은 것 같습니다. 일부는 혜택을 보고 일부는 손해를 보지만, 숙련된 노동에 대한 수요가 붕괴하지는 않는다는 것이죠.

2. AI의 미래 경로는 어떠할까?

물론, AI가 오늘날 일자리에 큰 영향을 미치지 않는다고 해서 앞으로도 결코 그렇지 않을 것이라고 말하는 것은 순진한 생각입니다. AI에 대한 제 우려의 대부분은 현재 존재하는 기술이 아니라 기술이 나아갈 방향에 관한 것입니다.

그리고 커리어 스킬에 대한 투자는 수년, 수십 년에 걸쳐 성과를 내야 가치가 있기 때문에, 10년 후에 어떤 역량이 존재할지에 대한 질문을 너무 추측성이라며 무시할 수는 없습니다. 오늘날 방사선 전문의나 프로그래머가 대량 실업에 직면하지는 않았더라도, 10년 후에 그런 대체가 일어날 가능성이 있다면 커리어 스킬에 투자할 때 이를 고려하는 것이 중요합니다.

AI가 나아갈 방향에 대해 생각하면서, 저는 Tyler Cowen의 책, 『Average is Over』와 그가 설명하는 인간-컴퓨터 협업 모델에서 많은 도움을 받았습니다. Cowen은 체스를 예로 들어 기술의 진보가 네 단계를 거친다고 주장합니다.

1. 첫 번째 단계에서는 인간이 컴퓨터보다 단순히 더 낫습니다. 초창기 체스 프로그램은 평범한 실력의 인간 플레이어도 이길 수 없었지만, 초보자는 속일 수 있었습니다.
2. 다음 단계에서는 최고의 인간이 최고의 컴퓨터보다 낫지만, 컴퓨터는 비엘리트 전문가를 압도할 수 있습니다. Deep Blue 이전의 체스 컴퓨터 시대에 Kasparov는 AI와 대등하게 겨룰 수 있었지만, 그랜드마스터가 아닌 사람은 상대가 되지 않았습니다.
3. 이 단계 이후에는 컴퓨터가 최고의 인간보다 낫지만, 인간과 컴퓨터의 협력은 컴퓨터 단독보다 더 나은 성과를 냅니다. Cowen은 플레이어들이 여러 AI의 추천을 받을 수 있는 '켄타우로스 체스(centaur chess)'를 설명합니다. 인간 혼자서는 열등할 수 있지만, AI로 보강되면 우수한 팀을 형성할 수 있습니다.
4. 마지막으로, AI 기술이 인간의 능력을 충분히 초과하면 협력조차 의미가 없어집니다. 인간의 개입이 오히려 결정을 악화시키죠. 체스의 경우 우리는 이미 이 지점에 도달했을 가능성이 높습니다.

현재 상황에 대한 제 생각은 대부분의 상업적 AI 애플리케이션이 첫 번째 단계에 있다는 것입니다. 인간이 더 낫지만, 비용 문제로 인해 여전히 AI를 선호하는 결정이 내려질 수 있습니다. 예를 들어, 콜센터 업무는 AI와 대화하는 것이 실제 사람보다 '더 낫기' 때문이 아니라 단순히 더 저렴하기 때문에 점점 더 AI가 차지하게 될 것입니다.

다른 분야에서는 두 번째 단계에 더 가깝습니다. 코딩이 그중 하나일 수 있는데, 최고의 코딩 에이전트가 비엘리트 프로그래머보다 (적어도 단기적인 작업에서는) 더 나은 성과를 냅니다. 하지만 AI는 인간 코더와 다른 강점과 약점을 가지고 있어 협업의 기회는 여전히 많습니다.

더 좁은 분야에서 이전 AI 성공 사례의 경험을 보면, 인간-컴퓨터 팀이 단독으로 할 때보다 더 나은 성과를 내는 세 번째 '켄타우로스' 단계가 우리가 생각하는 것보다 더 오래 지속될 수 있음을 시사합니다. 방사선학이 좋은 예인데, 기계 시각이 인간의 눈을 이길 수 있더라도, 그 직업의 더 광범위한 측면은 여전히 방사선 전문의를 필요로 합니다.

범용 인공지능(AGI)에 도달하여 컴퓨터가 인간의 모든 인지적, 물리적 작업을 수행할 수 있게 되더라도, AI 에이전트와 인간 사이의 많은 차이점 때문에 한동안 인간과 컴퓨터가 나란히 일하는 상황이 지속될 수 있습니다. 체스를 예로 들면, 인간이 AI 에이전트 팀의 강점과 약점을 이해하며 '관리'하는 모습일 수 있습니다.

물론, 우리가 초인공지능(ASI)에 도달하여 컴퓨터가 모든 작업(아마도 다른 AI 에이전트를 관리하는 작업 포함)에서 인간보다 훨씬 더 나은 성과를 낼 수 있게 된다면, 커리어 스킬의 미래가 어떻게 될지 말하기 어렵습니다. 인류 멸종과 유토피아 모두 더 이상 터무니없는 가능성으로 보이지 않으며, 세상이 어떻게 될지 예측하는 것은 거의 불가능해 보입니다.

따라서, 술 취한 사람이 가로등 아래에서 열쇠를 찾는 이야기처럼(열쇠가 거기 있어서가 아니라, 거기가 밝기 때문에), 저는 세 가지 시나리오에서 기술 투자에 대해 어떻게 생각해야 할지에 더 집중하려고 합니다.

1. AI가 현재 우리가 보는 수준에서 정체됩니다. 즉, 2022-2025년 시대의 실용적인 능력과 유용성의 엄청난 도약이 평탄화되는 것입니다. 새로운 버전의 GPT는 새로운 iPhone 버전처럼 자잘한 기능이 추가될 뿐, 급진적인 변화는 거의 없습니다.
2. AI는 계속 개선되지만, 범용 인공지능(AGI)은 여전히 요원합니다. 더 나은 에이전트들이 더 많은 작업을 처리할 수 있게 되지만, (상대적으로) 좁은 범위의 도구로 남습니다. 이는 일부 작업이 자동화하기 어렵거나, 99.99...%의 신뢰도를 얻기 어려워 AI가 원칙적으로 전체 작업을 수행할 수 있더라도 인간이 감독하고 개입해야 하기 때문일 수 있습니다.
3. 우리는 AGI에 도달합니다. 모든 인지적 (그리고 물리적?) 작업이 기계에 의해 수행될 수 있지만, 상대적인 강점과 약점에 충분한 차이가 있어 협업이 여전히 가능합니다. 이 단계에서는 인간이 AI와 협력하고 관리하는 것이 지배적인 작업 방식이 되는 확장된 '켄타우로스' 기간이 존재합니다.

Cowen 모델의 4단계로 상당히 빠르게 이동하는 가장 극단적인 시나리오는 아마도 가장 우려스럽지만, 분석하기에는 가장 다루기 힘든 것 같습니다.

3. 가치 있는 기술로 가는 길은 어떻게 변하는가?

더 온건한 AI 시나리오를 가정하더라도, 기술과 인적 자본을 구축하는 데 어디에 시간을 가장 잘 투자해야 하는지에 대한 질문은 여전히 남아 있습니다. 그러한 시나리오에서도 사람들은 여전히 생계를 위해 일하지만, 일의 본질은 변할 가능성이 높습니다. 일부 기술의 중요성은 커지고 다른 기술은 사라질 것입니다.

'직업'이 아니라 '업무(task)'가 자동화된다는 점을 구별하는 것이 중요합니다. 실제 직업은 다양한 업무와 책임을 포함합니다. 그중 일부 업무에 인간의 수행이 필요한 한, 인간의 기술이 설 자리는 여전히 존재할 수 있습니다.

따라서 현재 AI에 많이 노출된 직업을 보고 근로자들이 필연적으로 실업으로 향할 것이라고 가정하는 것은 실수입니다. 그것도 가능한 시나리오지만, 반대로 갈 수도 있습니다. AI가 일부 업무를 자동화하면 생산성이 극적으로 향상되어 해당 분야 종사자들의 전체적인 가치가 증가할 수 있습니다.

구체적으로 프로그래머를 생각해 봅시다. 소프트웨어에 대한 수요가 고정되어 있고 AI가 현재 코더의 대부분 작업을 수행할 수 있다면, 훨씬 적은 수의 개발자로 업계 수요를 충족시킬 수 있습니다. 반대로, AI가 현재 프로그래머들이 훨씬 더 많거나 더 나은 소프트웨어를 만들 수 있게 한다면 업계의 생산성은 극적으로 향상될 수 있습니다. 이는 소프트웨어에 대한 수요를 증가시켜 오히려 이전보다 더 많은 프로그래머에 대한 수요를 창출할 수도 있습니다. 예를 들어, 자동차 산업에서도 비슷한 일이 있었습니다. 자동화가 생산성을 높여 자동차를 널리 보급할 수 있게 되자, 제조업 고용은 감소하는 대신 증가했습니다.

하지만 고용된 사람의 수가 변하지 않더라도, 가치 있는 일을 수행하는 데 필요한 기술은 변할 수 있습니다. 저는 몇 가지 가능성을 상상해 봅니다.

• AI가 가장 숙련된 근로자보다 평범한 근로자를 더 많이 보강한다면, 이는 임금 격차 축소로 이어질 수 있습니다. 이미 이에 대한 몇 가지 증거가 있는데, ChatGPT가 모의 작문 과제에서 직원 간의 편차를 줄이면서 생산성을 높였다는 연구가 있습니다.
• AI가 저숙련 직원이 수행하는 업무는 자동화하지만 최고 숙련 직원이 수행하는 업무는 자동화하지 못한다면, 이는 하위 계층의 이익은 줄어들고 최고 숙련자의 임금은 상승하는 결과로 이어질 수 있습니다. 앞서 인용한 신입 기술직 채용 감소에 대한 Stanford 보고서는 이에 대한 증거가 될 수 있습니다. 초급 프로그래밍 기회는 줄어드는 반면, 중견 프로그래머의 상황은 더 나아지고 있습니다.
• 또는 AI가 많은 직업을 완전히 자동화하지만, 그 대신 새로운 직업을 만들어낼 수도 있습니다. 어쩌면 미래의 프로그래밍은 코드를 작성하거나 이해하는 것이 아니라, 코딩 에이전트 부대를 관리하고 그들의 이상적인 행동을 유도하는 데 능숙해지는 것일 수 있습니다.

첫 번째 시나리오에서는 AI 도우미가 많은 부분을 대신해주기 때문에 특정 기술을 배울 필요성이 줄어들 수 있습니다. 이는 일종의 기술 '하향 평준화'를 의미하며, 현재 숙련된 사람들에게는 나쁜 소식이겠지만, 숙련된 기계공에서 조립 라인으로 전환되면서 수많은 사람들에게 중산층 일자리가 창출되었던 것처럼 경제적 이동성의 기회를 만들 수도 있습니다.

두 번째 시나리오에서는 AI가 현재의 기술 양극화 추세를 확장합니다. 더 간단한 부분이 자동화되면서, 남은 일은 더 높은 수준의 기술을 요구하게 됩니다. 지난 수십 년 동안 대학 학위와 대학원 교육에 대한 요구가 계속해서 높아졌던 것과 비슷합니다. 그런 세상에서는 기술의 최전선에 도달하는 것이 더 시급하고 보람 있는 일이 되지만, 동시에 더 간단한 일의 경제적 가치가 거의 없어 견습 기회가 줄어들기 때문에 훨씬 더 어려워집니다.

세 번째 시나리오에서는 완전히 다른 집단의 사람들이 특정 전문 분야를 지배하게 될 수도 있습니다. 어쩌면 내일의 프로그래머는 그 에이전트들이 만드는 기반 코드베이스보다 AI의 '심리'적 특성을 더 잘 이해하는 'AI 위스퍼러(AI whisperer)'가 되어야 할지도 모릅니다.

정확한 결과에 따라, AI가 특정 기술에 대한 투자를 덜 가치 있게 만들 수도 있고(AI 보강이 생산성 하한선을 높이기 때문에), 더 가치 있게 만들 수도 있으며(AI 자동화로 인해 최고 수준 또는 최고 기술 요소만 남기 때문에), 심지어 가치 없게 만들 수도 있습니다(필요한 기술의 본질이 너무 극적으로 변해서 현재 동일한 작업을 수행하는 데 필요한 기술과 거의 겹치지 않기 때문에).

몇 가지 잠정적인 결론

AI 기술의 발전과 그 기술의 광범위한 채택 및 확산이 실제 직업에 어떤 의미를 가질지에 대한 폭넓은 불확실성을 고려할 때, 개인이 지금 무엇을 우선적으로 배워야 하는지에 대해 확고한 결론을 내리기는 어렵습니다.

하지만 몇 가지 아이디어는 제게 합리적으로 보입니다.

1. AI와 더 잘 협력하는 법 배우기

'그들을 이길 수 없다면, 합류하라'는 옛말이 있습니다. 많은 시나리오에서 인간-AI 협업은 업무의 중요한 측면이 될 것이며, 더 극단적인 급속한 발전 시나리오를 제외한다면 아마도 수십 년 후까지 계속될 것입니다.

이런 의미에서 AI 사용법을 배우는 것은 개인용 컴퓨터나 인터넷 사용법을 배우는 것과 같은 이전의 기술 혁신과 크게 다르지 않습니다. 결국 업무는 AI 상호작용으로 가득 차게 될 것이고, 주요한 차이는 AI 사용에 익숙한 사람과 그렇지 않은 사람 사이에 생길 것입니다.

저 자신을 위해, 저는 제 업무 능률을 높이기 위해 AI를 활용하는 방법을 탐색해 왔습니다. 제 경험상 AI는 대필 작가로서는 꽤 형편없지만, 연구 자료를 찾고 독서 목록을 관리하는 데는 엄청난 도움이 되었습니다. 지난번 책을 준비할 때 사용했던 AI 이전의 연구 전략으로 돌아가는 것은 상상하기 어렵습니다.

2. AI로부터 멀리서 일하는 법 배우기

또 다른 가능성은 진격하는 파도로부터 후퇴하는 것입니다. AI 역량의 최전선에서 더 멀리 떨어진 기술과 강점에 집중할 수 있다면, 기술 변화의 위협을 덜 받게 됩니다.

이는 커리어 방향을 바꾸는 것을 포함할 수 있습니다. 저는 정원사와 간호사가 상당 부분 자동화될 마지막 직업군에 속할 것으로 예상합니다. 현재 AI가 잘하지 못하는 비정형적인 신체 활동 요소가 많기 때문입니다.

저 또한 AI가 복제하기 어려운 방식으로 제 작업을 전환함으로써 제 커리어를 AI로부터 보호하기 위한 적극적인 조치를 취하고 있습니다. 최근의 Foundations 프로젝트와 같은 공개 프로젝트로 복귀한 동기 중 일부는, 값싼 지능이 넘쳐나는 미래에는 단순히 정보를 집계하는 것이 아니라 개인적인 경험을 공유하는 데 더 집중할 때 작가로서의 제 커리어가 더 잘 보호될 것이라는 믿음에 기반합니다.

3. 더 일반적인 기술 배우기

저는 오랫동안 내용 없는 일반적 기술이라는 아이디어에 회의적이었습니다. 우리가 아는 것의 대부분은 구체적인 것에 기반을 둔 것 같습니다.

하지만 우리가 영역 지식을 버리고 '문제 해결'이나 '비판적 사고'와 같은 일반적인 것만 가르쳐야 한다는 생각이 허황된 꿈이라 할지라도, 기술과 지식은 일반성의 정도에 따라 다릅니다. 미적분학은 식기세척기 수리보다 더 일반적으로 적용 가능하며, 프레젠테이션을 잘하는 것은 최신 버전의 Powerpoint의 세세한 부분을 아는 것보다 더 일반적입니다.

변화의 환경에서는 온실 속 화초보다는 강인한 민들레가 되는 것이 더 낫습니다. 마찬가지로, AI가 유발하는 변화 속에서 다양한 관심사와 기술을 유지해 온 사람들이 그 변화를 가장 잘 활용할 수 있는 위치에 있을 것이며, 반면에 극단적인 전문가들은 멸종의 더 큰 위험에 직면할 것이라고 예상합니다.

What’s Still Worth Learning in a World With AI? - Scott H Young

Which skills and careers are still going to pay off in a world of ever-present AI? Some preliminary thoughts…

Scott H YoungScott Young