먼저 AI는 사람과 기계가 자연스럽게 소통할 수 있게 한다. 이는 고객에게 더 만족스러운 서비스를 제공하는데 기여한다. 예를 들어 챗봇이 고객 질문에 답변하거나 간단한 상담을 맡음으로써, 고객들로 하여금 구매 페이지에 더 오래 머무르게 할 수 있다.
AI는 자동으로 정보를 분류할 수 있게 돕는다. 최근까지 어떤 정보나 이미지를 분류는 수동적인 작업으로 이뤄졌다.
AI는 기업에서 여러 업무를 자동화할 수 있다. 미국 IT 매체 테크리퍼블릭은 이미 많은 기업들이 지루하고 반복하는 업무 위주로 자동화방식을 도입하고 있다고 보도했다.
인간 고유 영역이라 여겨졌던 ‘창의성’도 AI 도움을 받을 수 있다. 레포프스키는 “모두가 뛰어난 미적 감각을 가지고 태어나지는 않는다. 하지만 AI가 어울리는 색과 디자인 등을 골라줄 수 있다”고 말했다.
마지막으로 AI는 통찰력을 이끌어 낸다. 레포프스키는 “AI의 가장 뛰어난 능력 중 하나는 방대한 데이터에서 패턴과 트렌드를 찾아내는 것”이라고 말했다. 이어 “AI가 현재 상황에 가장 알맞는 데이터를 분석해줌으로써, 기업 경영진들이 중요한 결정을 내릴 때 도움을 줄 수 있다”고 설명했다.
올라 서기(step up): 자잘한 일은 기계에 맡기고, 큰 그림을 그리는 역할에 집중한다. 제약회사인 버그(Berg)에서는 신약 개발 과정에 인공 지능을 활용한다. 방대한 데이터를 분석해 심층적인 연구가 필요한 분자를 뽑아주면, 연구원들이 살펴보는 방식이다. ‘올라 서기’를 추구하려면 많이 배워야 한다(long education). 전문성은 물론 종합적으로 사고할 줄 아는 ‘T자형 인재’가 좋은 예다. 기계를 잘 활용하면서, 기계가 하는 일을 직접 할 줄 알아야 한다.
비켜 서기(step aside): 다른 사람을 이해하고 함께 일하는 방법을 아는 “대인관계 지능(interpersonal intelligence)”을 활용하는 방법이다. 간병인이나 코미디언뿐만 아니라 변호사나 건축가 등 전문직에게도 이 지능은 중요하다. ‘비켜 서기’를 골랐다면 자신의 강점 중 프로그래밍화될 수 없는 특성을 갈고닦아야 한다. IQ가 측정하지 못하는 특성이자, 교육 과정 대부분에서 간과되었던 특성이기도 하다.
들어 서기(step in): 벤 버냉키가 FRB 의장에서 퇴임 후 신청한 대출을 심사 시스템이 거절한 적이 있었다. 책 출판이나 강연 수입 등 기대 소득을 파악하지 못했기 때문이다. ‘들어 서기’는 기계의 처리 결과를 살펴보고, 오류를 수정하는 역할을 이야기한다. 극도로 자동화된 온라인 광고 체계의 오류에 대해 지적할 수 있는 건 사람뿐이다. 이는 기계가 더 잘할 수 있도록 도와주는 역할이다. 그렇기 때문에 뛰어난 관찰력과, 기술에 대한 이해가 필수적이다.
좁혀 서기(step narrowly): 종이의 질감, 섬유 구조 등을 분석하는 종이 감별사라는 직업이 있다. 이 작업을 하는 인공 지능을 만들 수도 있지만, 그러기에는 시장의 규모가 작다. ‘좁혀 서기’를 추구하는 사람은 굉장히 전문적인 영역을 파고들어야 한다. ‘올라 서기’와는 정반대의 방향성이다. 해당 영역에서 큰 명성을 얻어야 하고, 차별화된 브랜드로 자리매김해야 한다.
앞장 서기(step forward): 더 나은 인공 지능을 직접 만들어내는 전략이 ‘앞장 서기’이다. 아직 충족되지 않은 사람의 니즈를 파악하고, 프로그래밍화될 수 있는 영역을 정의하고 만들어내는 역할이다. 컴퓨터 공학, 인공 지능, 분석에 조예가 깊은 사람에게 가능한 전략이다. 그리고 자신의 분야에 대한 깊은 이해는 물론 외부의 관점에서도 바라볼 줄 아는 능력이 필요하다. 그래야만 문제를 해결할 수 있는 새로운 기술을 찾을 수 있기 때문이다.
인공지능 시대가 되면서 확실한 것은 머릿속으로 외우고 사람의 감각으로 무언가를 판단하는 부류의 작업은 더 이상 전문가를 인정하는 기준이 될 수 없다는 것이다. 마치 수학이라는 학문이 ‘암산’만 존재하는 것이 아닌 것처럼. 그런 영역들 가운데는 인공지능이 아니라 인공지능 할배가 와도 해결하지 못하는 그런 영역이 존재한다. 전자계산기(컴퓨터)가 나오고도 수를 이용해 분석하는 모든 직업군을 포함한 수학전문가들이 사라지지 않은 것과 마찬가지이다. 즉 인공지능의 보편화로 의사라는 직업군에서 생기는 영향은 해당 직업군이 사라지는 것이 아니라 기존에 전문가의 잣대로 여겨져 왔던 기준이 사라지고 새로운 기준이 만들어진다 는 의미다.
예를 들면 요즘 사람들이 많이 다뤄보지 않은 분야, 혹은 돌발 상황이 많이 발생해서 매번 새로운 시도를 해야 하는 분야, 지엽적인 조건에 방법이 달라져서 일반화가 어려운 분야들 말이다. 의학 지식이 하나도 없는지라 정확한 명칭은 모르겠지만 굳이 예를 들자면 미국 드라마 ‘하우스’의 주인공 닥터 하우스의 분야 같은 거 말이다. (데이터가 존재하지 않는 영역)
우선 이게 가능하기 위해서는 ‘자아’ 자체에 대한 측정과 계량화(혹은 데이터화)가 가능해야 한다. 하지만 현재의 기술로서는 신체에 일어나는 효과조차도 정확한 측정이 불가능하다. 예를 들어 이런 것이다. 음주 측정을 왜 하는가? ‘취한’ 사람을 가려내기 위해서일 것이다. 하지만 우리는 음주측정 할 때 ‘혈중 알콜 농도’를 측정한다.
알파고는 이길 ‘가능성’이 높은 곳에 착수를 하지, ‘이길 곳’에 착수를 하는 것이 아니다. 가능성이 높다는 것과 반드시 이기는 곳과는 엄청난 차이가 있다. 이는 마치 컴퓨터가 무한대를 모사할 수는 있지만 무한대 자체를 나타낼 수 없는 것과 같은 이치이다. 그리고, 여기서 중요한 점은 이러한 가능성은 데이터를 통해서 계산이 된 값이기 때문에 이번 대국에서 지든 이기든 ‘이길 확률’ 자체는 크게 영향을 받지 않는다는 것이다.
책 ‘시민을 위한 테크놀로지 가이드’의 내용을 염두에 두고서 이 질문에 답해 보자. ‘기계비평’이라는 새로운 장르를 개척한 이영준은 롯데리아 등 패스트푸드 매장에서 기계가 어떤 역할을 맡고 있는지 살핀다(‘조리, 혹은 조립되는 음식’). 햄버거가 말 그대로 ‘조립’되는 과정에서 인간은 기계와 기계 사이에 끼어 있는 존재일 뿐이다.
하지만 이들 기업이 굳이 패스트푸드 매장 자동화에 돈을 쓸 이유가 없다. 기계와 기계 사이에 끼어서 싼 값에 기꺼이 일할 10대 또 20대 아르바이트 노동자가 넘쳐나기 때문이다. 이들은 돈이 덜 들뿐만 아니라, 인공지능 로봇보다 훨씬 효율적이다. 로봇은 한 번에 한 가지만 할 수 있는 반면에 이들은 손님도 접대하고(감정 노동), 힘도 쓴다(육체노동).
장담컨대, 인공지능 로봇보다 훨씬 더 효율적인 값싼 노동자가 존재하는 상황에서 자본은 절대로 자동화를 추진하지 않는다. 역사적으로 자본이 (심지어 당장은 효율이 떨어지더라도) 자동화를 추진할 때의 상황은 딱 하나였다. 숙련 노동자의 몸값이 비싸고, 심지어 노동조합 등으로 조직되어서 함부로 부려먹지 못할 때뿐이었다.
“반면 최근 한국에서 알파고 쇼크 이후에 나온 대책이라는 것은 한심하기 짝이 없습니다. 심지어 전문가들도 그렇습니다. 이 분야에서 워낙 유명하신 김대식 선생이 (…) 한 말입니다. “우리나라에서 가장 똘똘한 젊은 친구들 1000명 정도 뽑아서 한 6개월 정도만 (인공지능) 특공대 공부를 시키겠어요. 저 같으면. 그다음에는 곳곳으로 뿌리겠어요. 기업, 국가, 정부, 국정원, 군대…….” 그렇게 똑똑하신 분이 어떻게 그런 생각밖에 못 하시는지 안타깝습니다. 그러면 그 1000명이 한국 연구 환경이 안 좋으니 구글이나 애플 가겠다고 외국으로 떠나버리면 어떻게 할 겁니까? 지금의 한국은 뛰어난 두뇌가 머물 만한 나라가 아닙니다. 부조리와 적폐가 층층이 쌓인 이 나라는 멀쩡한 두뇌도 망쳐놓는 곳이니까요.” (책 ‘시민을 위한 테크놀로지 가이드’, 이영준, 임태훈, 홍성욱 저)
사람에게 커피를 주문하고, 사람이 만들어주는 커피를 받아서 마시는 일련의 과정이 스타벅스가 소비자에게 제공하는 “경험”의 핵심이니까요. 70년대에 비디오테이프라는 물건이 등장했지만, 여전히 수 많은 사람들이 요가나 에어로빅 강사로 밥벌이를 하며 살아갑니다. 헬스장에 가서 운동하는 것과 자신의 거실에서 TV 화면을 보면서 운동하는 것은 전혀 다른 경험이기 때문입니다.
제조업의 경우, 공장이 자동화되면 공장주는 비용이 절감되어 좋고 소비자는 물건값이 내려서 좋습니다. 하지만 서비스업의 경우 “자동화”란 일부에만 국한되고 종종 소비자에게 오히려 일을 떠넘기는 식으로 진행됩니다. 자동응답 고객 상담 서비스를 이용해본 사람이라면 누구든 공감할 수 있을 겁니다.
Discussion