How to solve AI’s inequality problem

AI로 인한 불평등 문제, 어떻게 해결해야 할까?

AI와 자동화를 비롯한 디지털 신기술들이 인간의 일자리를 대체하면서 불평등을 심화시키고 있다. 이러한 문제를 해결하기 위해서 AI 과학자들이 어떤 선택을 해야 할지 경제학자들의 연구를 바탕으로 살펴본다.

경제는 다양한 디지털 기술의 영향을 받으며 변화하고 있다. 디지털 기술 중에서도 특히 인공지능(AI: artificial intelligence)은 우리가 살아가고 일하는 방식을 빠르게 변화시키고 있다. 그러나 이러한 변화가 가져온 골치 아픈 문제가 하나 있다. 소득 불평등이 심화되는 상황에서도 이 기술들이 경제 성장에는 큰 도움이 되지 않고 있다는 것이다. 이를 보여주는 지표는 경제학자들이 생활 수준 향상에 필수적이라고 여기는 ‘생산성 성장’인데, 실제로 적어도 2000년대 중반부터는 많은 국가에서 생산성 성장이 대체로 부진한 상황이다.

그렇다면 어째서 디지털 기술이 경제 성장에 크게 도움을 주지 못하고 있는 것일까? 어째서 기술이 더 많은 사람들의 삶에 번영을 가져오지 못하는 것일까? 그 답에 도달하기 위해서 일부 저명한 경제학자들과 정책 전문가들은 우리가 AI와 자동화 기술을 개발하고 사용하는 방식을 자세히 들여다보면서 우리가 더 나은 선택을 할 수 있는 방법을 찾아내고 있다.

스탠퍼드 디지털경제연구소(Stanford Digital Economy Lab) 소장 에릭 브린욜프슨(Erik Brynjolfsson)은 ‘튜링의 함정: 인간 같은 인공지능의 가능성과 위험성(The Turing Trap: The Promise & Peril of Human-Like Artificial Intelligence)’이라는 제목의 에세이에서 AI 연구자들과 기업들이 인간의 지능을 모방하는 기계를 만드는 데 주력하고 있는 상황에 관해 기술했다. 이 에세이의 제목은 쉽게 짐작할 수 있듯이 앨런 튜링(Alan Turing)과 그가 1950년에 제안했던 유명한 ‘튜링 테스트’를 의미한다. 튜링 테스트란 ‘기계가 기계라는 것을 인간에게 들키지 않을 정도로 인간을 모방할 수 있는가?’라는 기준을 바탕으로 기계가 지능을 가지고 있는지 확인하는 테스트이다. 브린욜프슨은 글에서 튜링이 이 테스트를 처음 제시한 이후로 많은 연구자들이 튜링 테스트를 충족하는 기계를 만들기 위해 노력해왔다고 설명했다. 그러나 그는 단순히 인간 지능을 그대로 모방하겠다는 이러한 집착으로 인해 AI와 자동화 기술이 인간의 능력을 확장해서 새로운 일을 해낼 수 있도록 도움을 주지 못하고 단순히 인간의 일자리를 대체하는 수준에 그치게 되었다고 덧붙였다.

경제학자로서 브린욜프슨이 보기에 단순한 자동화는 가치를 창출하기는 하지만 소득과 부의 불평등을 더 심화하는 방법이 될 수도 있다. 그는 에세이에서 “인간 같은 AI를 만들겠다는 지나친 집착은 기술을 소유하고 통제하는 소수의 시장 지배력을 증폭시키면서 동시에 대부분의 사람들의 소득을 끌어내린다”고 설명했다. 그러면서 ‘자동화를 중시한 것’이 수많은 미국인들의 평균 실질임금이 하락했는데도 억만장자가 늘어난 상황을 설명할 수 있는 가장 큰 요인이라고 주장했다.

브린욜프슨은 ‘신기술 반대론자’가 아니다. 그는 2014년에 앤드루 맥아피(Andrew McAfee)와 <제2의 기계 시대(The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies)>라는 책을 공동으로 저술하기도 했다. 그러나 브린욜프슨은 AI 연구자들의 사고가 지나치게 제한적이라고 지적한다. 그는 “나는 많은 연구자들과 대화를 나눴고 그들은 ‘우리가 할 일은 인간 같은 기계를 만드는 것’이라고 말했다. 물론 매우 분명한 목표였다. 하지만 그건 어떤 면에서는 나태하고 낮은 목표이기도 하다”고 언급했다.

브린욜프슨은 장기적으로 볼 때 AI를 사용해서 단순히 인간 노동자를 대체하려고 하는 것보다 새로운 상품과 서비스를 생산하는 것이 훨씬 높은 가치를 창출할 것이라고 주장한다. 그러나 비용을 절감하려는 열망에 사로잡힌 기업의 입장에서는 기존의 프로세스를 재고한 다음 AI를 활용해 회사의 제품을 확장하고 직원의 생산성을 향상시키는 기술에 투자하는 것보다 단순히 노동자를 기계로 대체하는 것이 더 간단한 일로 느껴지는 경우가 많다고 설명했다.

최근 이루어진 AI의 발전은 매우 인상적이었다. 자율주행 자동차부터 인간처럼 언어를 구사하는 언어모델까지 다양한 발전이 이루어졌다. 그러나 여기서 중요한 것은 이러한 기술이 발전해 나갈 바람직한 방향을 안내하는 것이다. 지금까지는 연구자들과 기업들이 해온 선택으로 인해 디지털 신기술들이 기술을 소유하고 개발한 이들에게는 엄청난 부를 가져다주면서도 대체되기 쉬운 직종에 있는 이들의 기회는 박탈해왔다. 이러한 신기술들은 샌프란시스코나 시애틀 같은 소수의 도시에서는 양질의 기술기업 일자리들을 창출했지만 그 과정에서 기술업계에 종사하지 않는 나머지 인구의 대부분은 뒤처지게 되었다. 그러나 신기술의 발전이 꼭 이런 결과를 낳아야 할 필요는 없다.

매사추세츠 공과대학(MIT)의 경제학자 대런 애쓰모글루(Daron Acemoglu)는 인간 근로자들의 업무를 대체한 자동화, 로봇, 알고리즘이 미국에서 임금 상승을 둔화시키고 불평등을 심화시키는 데 어떻게 기여해왔는지 설명하는 설득력 있는 증거를 제시했다. 그는 1980년과 2016년 사이에 늘어난 미국의 임금 불평등에서 50~70% 정도가 자동화로 인한 것이라고 설명했다.

이는 대체로 AI 기술 사용이 급증하기 전에 발생한 일이다. 따라서 애쓰모글루는 AI 기반의 자동화 기술이 상황을 더욱 악화시킬 것이라고 우려한다. 20세기 초까지는 기술의 변화가 일자리를 파괴하기보다는 새로운 양질의 일자리를 더 많이 창출하곤 했다. 그러나 이제 더는 그렇지 않은 듯하다. 이러한 현상의 한 가지 원인은 기업들이 애쓰모글루와 공동 저자 파스쿠알 레스트레포(Pascual Restrepo)가 ‘그저 그런 기술들(so-so technologies)’이라고 지칭한 기술을 도입하는 경우가 많기 때문일 것이다. 이러한 ‘그저 그런 기술들’은 인간의 일자리를 대체하지만, 생산성을 향상시키거나 새로운 비즈니스 기회를 창출하는 데는 거의 도움을 주지 않는다.

동시에 기업과 연구자들은 더 나은 서비스를 제공하면서도 노동자의 능력을 확장하는 데 도움을 줄 수 있는 AI 기술의 잠재력을 무시하고 있다. 애쓰모글루는 간호사가 더 정확하게 질병을 진단할 수 있게 하거나 교사들이 학생들 개개인에게 맞춰진 수업을 제공할 수 있게 도움을 줄 디지털 기술을 그러한 AI 기술의 사례로 제시했다.

애쓰모글루는 정부, AI 과학자, 기술 대기업 모두가 지나친 자동화를 선호하는 결정을 내린 것에 책임이 있다고 주장한다. 연방 조세정책은 기계에 우호적이다. 인간의 노동에 대해서는 무거운 세금을 부과하면서 로봇이나 자동화에 대해서는 고용주가 내야 하는 급여세(payroll tax)가 없다. 애쓰모글루는 “AI 연구원들은 수많은 사람들의 일자리를 앗아가는 자동화 기술을 만들고 있으면서도 양심의 가책을 느끼지 않는다”고 지적했다.

그러나 애쓰모글루가 가장 크게 분노하는 대상은 정부나 AI 연구자가 아니라 기술 대기업이다. 그는 미국과 중국의 기술 대기업들이 투자하는 연구비가 AI 연구에서 거의 3분의 2를 차지한다는 자료를 인용했다. 그는 “미국 기술의 미래가 알고리즘 기반의 자동화를 비즈니스 모델로 삼고 있는 구글, 아마존, 페이스북, 마이크로소프트 같은 소수의 기업 손에 달린 상황에서 우리가 자동화를 이렇게 중시하는 것이 우연은 아니라고 생각한다”고 밝혔다.

반발

AI가 불평등을 악화시키는 데 기여하고 있는 것에 대한 분노는 AI 기술의 미래를 위험에 빠뜨릴 수 있다. 케임브리지 대학의 경제학자 다이앤 코일(Diane Coyle)은 자신의 새 저서 <톱니와 괴물: 경제학이란 무엇이며 무엇이어야 하는가(Cogs and Monsters: What Economics Is, and What It Should Be)>에서 디지털 경제에서는 진보에 대한 새로운 사고방식이 필요하다고 주장했다. 코일은 또한 책에 “우리가 말하는 ‘경제 성장’과 ‘상황이 나아진다’는 표현이 어떤 의미이든 간에 그러한 경제 성장에 따른 이익은 앞으로 지금보다 더 균등하게 공유되어야 할 것이며, 자동화로 인해 중간소득 일자리가 사라지면서 기술 백만장자나 억만장자와 긱노동자(gig worker)만 남은 경제는 정치적으로 지속될 수 없을 것”이라고 적었다.

코일은 생활 수준을 개선하고 더 많은 사람이 잘 살 수 있게 하려면 의료와 건설을 비롯해 다양한 분야에서 생산성을 증대할 수 있도록 디지털 기술을 더 활용해야 할 것이라고 설명했다. 그러나 디지털 기술 사용으로 사람들이 혜택을 누리지 못하고 좋은 일자리가 사라지는 것을 계속 목격하게 된다면 사람들은 기술로 인한 변화를 받아들일 수 없을 것이다.

MIT 테크놀로지 리뷰와의 최근 인터뷰에서 코일은 기술로 인한 불평등 문제가 AI 기술 활용에 걸림돌이 될까 봐 우려한다고 밝혔다. 코일은 “이러한 기술들은 우리가 매일 시간을 보내는 방식을 변화시키고 성공적인 비즈니스 모델까지도 변화시킬 수 있지만, 기술을 바탕으로 하는 그러한 ‘엄청난 변화’를 이루기 위해서는 사람들이 그런 기술을 수용해야 한다”고 말했다.

그러나 코일은 기술 도입을 통한 혜택이 몇몇 도시에 있는 엘리트들에게만 돌아가는 것으로 인식되면서 많은 사람들이 기술을 수용하는 대신에 오히려 분노를 느끼고 있다고 설명했다.

예를 들어 미국에서는 20세기 대부분의 시기 동안 미국 내 여러 지역들이 (경제학자들의 표현을 빌리자면) ‘수렴(convergence)’하면서 지역들의 경제적 격차가 감소했다. 그러나 1980년대에 디지털 기술의 맹습이 시작되면서 그러한 추세가 역전됐다. 자동화가 도입되면서 수많은 제조업과 소매업 일자리가 사라졌고 보수가 좋은 새로운 기술직 일자리는 일부 도시에만 편중됐다.

브루킹스 연구소(Brookings Institution)에 따르면 2019년까지 샌프란시스코, 산호세, 보스턴, 시애틀 등 8개 미국 도시에 있는 기술업계 일자리가 전체 기술업계 일자리 가운데 약 38%를 차지했다. 특히 AI 신기술들과 관련한 일자리의 편중 현상이 심했다. 브루킹스 연구소의 마크 무로(Mark Muro)와 시판 리우(Sifan Liu)는 고작 15개 도시가 미국의 AI 자산과 역량의 3분의 2를 차지한다고 예측했다(그중에서도 특히 샌프란시스코와 산호세가 거의 4분의 1을 차지한다).

AI 기술의 개발과 상업화 부분을 몇 개 도시가 지배하고 있는 이러한 상황을 보면 부의 지리적 격차는 앞으로도 계속해서 커질 것이다. 코일은 이것이 정치적, 사회적 불안을 조장할 뿐만 아니라 지역 경제 성장에 필요한 AI 기술들의 발전을 억제할 수도 있다고 설명했다.

이러한 상황을 해결할 한 가지 방법은 AI 분야에서 기술 대기업들의 지배력을 어떻게든 완화하는 데서 찾을 수 있을 것이다. 이를 위해서는 연방정부가 더 많은 연구비를 지원해서 기술 대기업의 영향력에서 벗어난 AI 연구가 이루어질 수 있도록 해야 한다. 예를 들어 무로를 비롯한 연구원들은 연방정부가 대규모 자금을 투입해 미국의 지역 혁신 센터를 설립하는 데 도움을 줘야 한다고 제안했다.

이보다 더 즉각적인 대응은 우리의 디지털 상상력을 확장해서 단순히 일자리를 대체하는 것이 아니라 의료, 교육, 제조업 등 지역마다 관심을 두고 있는 다양한 분야의 기회를 확대할 수 있는 AI 기술을 고안하는 것이다.

생각의 전환

AI와 로봇 연구자들이 인간의 능력을 모방하는 데 관심을 두고 있다는 것은 이들이 사람에게는 쉽지만 기술에는 버거운 작업을 해낼 수 있는 기계를 만들고자 한다는 의미이다. 그런 작업에는 예를 들어 침대 정리나 에스프레소 만들기, 자동차 운전 등이 포함될 것이다. 자율주행 자동차가 도시의 거리를 이리저리 누비는 모습이나 로봇이 바리스타처럼 커피를 만드는 모습을 보는 것은 멋진 일이다. 그러나 이런 기술을 개발하고 사용하는 사람들은 이러한 기술이 일자리나 노동 시장에 미칠 수 있는 잠재적인 영향에 관해 거의 생각하지 않는 경우가 많다.

버지니아 대학의 경제학자이자 브루킹스 연구소의 연구원 안톤 코리넥(Anton Korinek)은 자율주행 자동차 개발을 위해 수백억 달러를 투자하는 것이 노동 시장에 부정적인 영향을 줄 수밖에 없을 것이라고 말했다. 일단 자율주행 자동차가 실제로 도입되면 운전을 생업으로 삼는 수많은 사람들이 일자리를 빼앗길 것이기 때문이다. 그는 “만약 노동 시장에서 더 다양한 기회를 제공할 수 있는 AI 도구를 개발하는 데 그 수백억 달러를 투자했다면 어땠을까?”라는 질문을 던진다.

코리넥은 미국 국립과학재단(National Science Foundation)이나 국립보건원(National Institutes of Health) 같은 곳에 연구비를 신청할 때 “아무도 ‘이 연구가 노동 시장에 어떤 영향을 미칠 것인가?’라고 묻지 않는다”고 설명했다.

샌프란시스코에 위치한 ‘파트너십 온 AI(Partnership on AI)’의 정책 전문가 카티야 클리노바(Katya Klinova)는 AI 과학자들이 성공의 기준에 관해 다시 생각하게 할 방법을 연구하고 있다. 그녀는 “AI 연구에서는 보편적으로 인간의 수행 능력을 얼마나 따라잡았는지가 성공의 기준”이라고 설명했다. 즉 AI 과학자들은 AI 프로그램의 등급을 매길 때 인간의 능력을 기준으로 한다. 예를 들어 이미지 인식 기술이라면 인간이 물건을 인식하는 능력과 비교해서 AI의 성능을 측정하는 식이다.

클리노바는 지금까지 이러한 기준이 연구 방향을 결정해왔다고 말했다. 그녀는 “거기서 등장한 것이 자동화와 더 강력한 자동화라는 점은 놀랍지 않다”고 덧붙였다. 그러면서 “기준점이라는 것은 AI 개발자들에게 매우 중요한 개념이다. AI 업계에 일제히 뛰어들어 무엇을 연구해야 할지 고민하고 있는 젊은 과학자들에게는 특히 더 그렇다”고 설명했다.

그러나 인간과 기계가 협력한다고 했을 때는 아직 기준점으로 삼을 수 있는 것이 부족하다고 클리노바는 설명했다. 그래도 클리노바는 그런 협력 작업에 관한 연구를 시작했다. 또한 코리넥과 협력하여 클리노바와 그녀가 이끄는 파트너십 온 AI의 연구팀은 경제학과 관련한 경험이나 경력이 없는 AI 개발자들을 위한 안내서를 작성하고 있다. 이 안내서의 목적은 그런 개발자들이 자신들의 연구가 노동자들에게 어떤 영향을 미칠 수 있는지 이해할 수 있도록 도움을 주는 것이다.

클리노바는 “AI 개발자들이 사회에 혼란을 주는 작업을 하면 사회와 정부가 그런 상황을 처리해야 하는 현재의 방식을 변화시키고자 한다”고 밝혔다. 그녀는 모든 AI 회사들이 AI의 편향과 윤리에 관해서는 나름대로의 답을 가지고 있지만 “노동 시장에 미치는 영향에는 여전히 크게 신경 쓰지 않고 있다”고 설명했다.

코로나19 팬데믹은 디지털 전환을 가속해왔다. 기업들이 노동자를 대체하는 자동화 기술에 의지하게 된 상황도 어떤 면에서는 이해할 수 있다. 그러나 팬데믹을 통해 우리는 우리의 능력을 확장하는 디지털 기술의 잠재력도 발견해왔다. 디지털 기술 덕분에 우리는 새로운 백신 개발에 도움이 되는 연구 도구를 만들 수 있었고 많은 사람들이 상황에 따라 재택근무를 할 수 있었다.

AI의 영향력이 커지고 있는 상황에서 AI가 앞으로 양질의 일자리에 더 큰 피해를 주고 불평등을 더 심화시킬 것인지는 두고 봐야 할 것이다. 브린욜프슨은 “나는 우리가 기술을 올바른 방향으로 이끌고 갈 수 있을 것이라고 낙관한다”고 밝혔다. 그러나 그는 “그러기 위해서는 우리가 만들고 투자하는 기술에 대해 더 신중한 선택을 해야 할 것”이라고 덧붙였다.

참고 문헌

“The Turing Trap: The Promise & Peril of Human-Like Artificial Intelligence”, 에릭 브린욜프슨(Erik Brynjolfsson), 다이달로스(Daedalus), 2022년 봄

“The wrong kind of AI? Artificial intelligence and the future of labour demand”, 대런 애쓰모글루(Daron Acemoglu) & 파스쿠알 레스트레포(pascual Restrepo), 케임브리지 지역, 경제, 사회 저널(Cambridge Journal Of Regions, Economy and Society), 2020년 3월

Cogs and Monsters: What Economics Is, What It Should Be, 다이앤 코일(Diane Coyle), 프린스턴 대학 출판부(Princeton University Press)

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.