직업의 미래에 대한 세 가지 미신(그리고 그것이 사실이 아닌 이유)

직업의 미래에 대한 세 가지 미신(그리고 그것이 사실이 아닌 이유)

직업의 미래에 대한 세 가지 미신(그리고 그것이 사실이 아닌 이유)

작년부터 많이 언급된 4차산업시대, 자동화, 로봇, AI 등의 단어들은 분명 시대가 급변하고 있음을 알리는 일종의 징조 같은거라 느껴집니다. 산업현장에서는 로봇의 도입이 늘어남에 따른 자동화로 인한 일자리를 빼앗기는건 아닌지에 대한 조바심, 나아가 경각심으로 읽혀지는 어떤 분위기가 느껴집니다.

이런 때 일수록, 현재와 미래를 가늠해볼 수 있다면 더 좋겠지요?

모처럼 TED영상을 보게 되었는데, 직업의 미래에 대한 세 가지 미신(그리고 그것이 사실이 아닌 이유)에 관한 내용이었습니다. 링크는 아래 하단에 있으니 감상 해 보셔도 좋겠네요. 영상의 한글 번역문을 그대로 옮겨봅니다. 첫번째 이유로는 스스로의 반복학습효과를 의미하기도 하지만, 두번째 이유로는 영상을 보시기 전에, 텍스트로 한 번 보셔도 좋을것 같다는 생각입니다.

최근들어 자동화에 대한 우려의 목소리가 커지고 있습니다.

미래에 대한 두려움이죠.

많은 직업 분야에서 로봇이 인간을 대체하게 될 것이고, 그것은 인공지능과 로봇 기술의 엄청난 발전 때문이라는 것입니다. 엄청난 변화가 있을 것은 분명합니다. 다만 그 변화의 모습이 어떨지는 분명하지 않죠.

제 연구에 따르면 미래는 힘들지만 흥미로울 것입니다.

기술 발전으로 인해 직장을 잃을 위험은 있지만, 이 문제는 우리에게 즐거운 일입니다. 어떻게 이런 결론을 얻었는지 말씀드리기 위해서 세 가지 미신을 반박하고자 합니다. 자동화의 미래를 이해하는 데에 걸림돌이 되는 미신들이죠. 책이나 영화, 텔레비젼 방송에서 쉽게 볼 수 있는 장면이 하나 있죠.

한 무리의 로봇이 작업장에 몰려듭니다. 그들에겐 한 가지 목표가 있죠. 그것은 바로 인간의 일자리를 빼앗겠다는 것입니다. 이런 잘못된 생각을 저는 터미네이터 미신이라고 부릅니다.

물론, 특정 업무는 기계가 인간을 대체할 것입니다. 하지만 완전히 인간을 대신할 순 없죠. 일부분 서로 보완함으로써 보다 가치있고 중요한 일을 할 수 있을 것입니다.

우선 로봇은 직접적인 방식으로 인간을 도울 수 있습니다. 더 생산적이고 효과적으로 일할 수 있도록 말이죠.

택시 운전사는 위성항법의 도움으로 낯선 도로에서 길을 찾을 수 있습니다. 건축가는 컴퓨터 디자인 프로그램을 이용해 더 크고 복잡한 건물을 디자인할 수 있습니다. 하지만 기술의 진보가 직접적 방식으로만 인간을 돕는 것은 아닙니다.

간접적 방식으로 도울 수도 있죠. 여기엔 두 가지 방식이 있습니다.

첫 번째로, 경제를 파이에 비유해보면 기술의 진보는 파이를 더 크게 만듭니다.

생산성이 커지면서 소득과 수요가 증가하죠.

영국의 경제를 예로 들면 3백 년 전보다 100배 넘게 성장했습니다. 그래서 예전 파이에서 일자리를 잃은 사람들은 새로운 파이에서 일거리를 새로 찾을 수 있었죠. 하지만 기술의 진보는 단순히 파이를 크게만 하지 않습니다.

파이의 성분 또한 바꿔 놓습니다.

시간이 흐르면서 사람들의 소비 방식이 변화했습니다. 기존 상품에 지출하는 금액을 조절하고, 새롭게 등장한 상품에 빠지기 시작했죠. 새로운 산업이 등장하고, 새로운 업무가 생겼습니다. 결국 새로운 일자리가 만들어진다는 것이죠.

다시 영국 경제를 예로 들면, 3백년 전에는 대부분 농장에서 일했습니다.

150년 전에는 공장에서 일했죠. 하지만 지금은 대부분이 사무실에서 일합니다. 역시 마찬가지로, 예전 파이에서 일거리를 잃은 사람들은 새로운 파이에서 대신할 만한 일거리를 쉽게 찾을 수 있었죠. 경제학자들은 이를 '상보성 효과'라고 부릅니다.

뭔가 있어보이는 표현이지만 이 용어에 담긴 뜻은 기술의 진보가 인간을 돕는다는 걸 말합니다.

터미네이터 미신을 들여다보면 거기에 작용하는 두 가지 힘을 발견하게 됩니다. 하나는, 기계가 인간을 대신하려 위협하는 힘이고 다른 하나는 상보성 효과로 새로운 일자리를 만드는 힘 입니다.

이제 두 번째 미신을 살펴보죠. 바로, 지능에 관한 미신입니다.

차를 운전하거나 의학 진단을 내리는 일, 새의 종류를 한 눈에 식별하는 일, 이들의 공통점이 뭘까요?

네, 이들은 모두 최근까지도 쉽게 자동화될 수 없을 거라고 저명한 경제학자들이 생각한 일들입니다. 하지만 지금은 모두 자동화되었죠. 주요 자동차 회사들이 무인자동차를 개발하고 있고, 질병을 진단해주는 다양한 시스템이 이미 널려있습니다. 심지어는 한번에 새의 종류를 식별해주는 앱도 있습니다.

경제학자들이 단순히 운이 나빠 예측이 틀린 것이 아닙니다. 오판했던 것이죠.

여기서 중요한 건 그들이 오판하게 된 이유입니다. 그들은 지능에 관한 미신에 빠져 있었습니다. 기계가 인간의 사고방식을 모방해야 인간을 능가할 거라고 믿었던 거죠. 경제학자들은 기계가 할 수 없는 일들을 예측하는 과정에서 자동화를 이렇게 상상했습니다.

인간이 기계를 책상에 앉혀놓고 일의 작동방식을 설명해줍니다. 기계가 따라 할 수 있도록 단계별로 차근차근 말이죠. 기계는 그 설명을 이해하려 애씁니다. 이런 방식은 인공지능 연구에서도 한 때 유행했었습니다.

제 아버지이자, 공동저자이기도 한 리처드 서스킨드도 이렇게 생각했죠. 아버지는 1980년대에 옥스포드대에서 인공지능과 법에 관한 박사학위 논문을 썼습니다. 당시에는 선구적인 연구였죠. 그 후 필립 캐퍼 교수, 그리고 법 전문 출판사 버터워쓰와 함께 법 분야에서는 최초로 상용화된 인공지능 시스템을 개발했습니다.

이것이 그 시스템의 첫 메인 화면인데요.

아버지 말이, 당시에는 끝내주는 디자인이었다고 하시더군요. 저도 그 말을 믿지는 않았습니다. 프로그램은 두 장의 플로피 디스크에 담겨 출시되었는데 당시 플로피 디스크는 정말 느렸죠.

아버지의 접근방식은 경제학자들과 똑같았습니다. 법률가와 마주 앉아서, 법률 문제의 해결 과정에 관한 설명을 듣는 겁니다. 

그러면서 기계가 따라할 수 있도록 일련의 규칙으로 정리하였습니다. 경제학에서는 이렇게 설명할 수 있는 인간의 업무를 '루틴'이라고 합니다. 루틴은 자동화할 수 있죠.

반면에 이런 방식으로 설명이 안되면 '논루틴'이라고 합니다. 자동화할 수 없다고 여겨지는 것들이죠. 오늘날, 루틴과 논루틴으로 구별하는 방식은 널리 퍼져있습니다. 이런 얘기 자주 들어보셨을 거예요.

기계는 규칙에 따라 정해진, 잘 정리된 반복 작업만 할 수 있다고들 말합니다. 이런 말들은 루틴을 그저 달리 표현한 것일 뿐입니다. 제가 처음에 말했던 세 가지 일로 돌아가보죠.

세 가지 일 모두 전형적인 논루틴 업무에 속합니다.

예를 들어, 의사에게 어떻게 진찰을 하냐고 묻는다면 경험에 따른 몇 가지 규칙을 어림잡아 말할 수는 있겠지만 명확하게 말하기는 힘들 겁니다. 창의성이나 직관적인 판단력이 필요한 일이라고 말하겠죠. 그런 일을 명확하게 설명하기 어렵다보니 자동화도 힘들 거라고 생각했을 겁니다.

인간이 자신에게도 설명하지 못하는데 기계가 따라 할 수 있는 일련의 규칙을 만드는 것이 가능할 리가 있을까요?

30년 전만 해도 이런 생각은 옳았습니다. 하지만 오늘날에는 조금 흔들리고 있고, 미래에는 완전히 틀린 얘기가 될 겁니다. 데이터 처리 능력과 저장 능력, 알고리즘 설계의 발전에 힘입어 루틴과 논루틴의 구별은 점차 의미를 잃어가고 있습니다.

의료 진료의 경우를 다시 보면서 이를 살펴보겠습니다.

올해 초, 스탠포드 대학의 한 연구진이 어떤 시스템을 개발했다고 발표했습니다. 주근깨가 피부암인지 아닌지 판단해주는 시스템이었죠. 일류 피부과 의사 만큼 정확하게 말이죠. 이런 일이 어떻게 가능할까요?

인간이라면 평생 검토해도 불가능한 양의 진료기록을 순식간에 분석해서 말이죠. 인간이 어떻게 의료적 판단을 하는지 설명하지 못해도 이제 문제가 안됩니다. 기계가 인간을 모방할 필요가 없다는 사실을 보여주는 사례는 또 있습니다.

IBM의 왓슨을 예로들면 슈퍼 컴퓨터 왓슨은 2011년 퀴즈쇼 "제퍼디!"에 출연했습니다.

거기서 인간 우승자 두 명을 상대로 승리했죠. 승리한 다음 날에 철학자 존 설이 쓴 짧은 기사 하나가 월 스트리트 저널에 실렸습니다. 제목은 이렇습니다. "왓슨은 자신이 '제퍼디!'에서 승리한 줄도 모른다."

맞아요. 재치있게 사실을 잘 말했죠. 왓슨은 기쁨의 함성을 지르지 않았습니다.

자신의 업적에 뿌듯해하며 부모님을 부르지도 않았고, 축하주를 마시기 위해 술집에도 가지 않았습니다. 왓슨은 인간 경쟁자들이 문제를 푸는 방식을 모방하지 않았습니다. 전혀 불필요했거든요.

그럼에도 왓슨은 인간을 이겼습니다.

지능 미신을 반박하다 보면 인간의 사고와 추론 방식 등의 인간 지능에 대한 이해 부족이 예전처럼 자동화의 걸림돌이 되지 않는다는 것을 알 수 있습니다. 게다가, 이미 보았듯이 기계는 인간과 다른 방식으로 일을 처리하기 때문에 현재 인간이 가진 능력을 미래에 기계가 넘지 못할 거라고 보기도 어렵습니다.

이제 세 번째 미신입니다. 우월성에 관한 미신인데요.

상보성 원리에 따른 기술 진보의 긍정적 측면을 간과하는 사람들은 한 가지 실수를 저지르곤 합니다.

노동 총량의 오류라고 알려진 실수죠. 문제는 노동 총량의 오류라는 개념 자체에도 오류가 있다는 겁니다. 그래서 저는 이걸 '노동 총량의 오류에 관한 오류'라고 합니다. 줄인 용어로 'LOLFF' 라고 하죠.

설명해드리죠.

노동 총량의 오류는 굉장히 오래된 개념입니다. 1892년에 데이빗 스콜로스라는 영국 경제학자가 만든 개념이죠. 그는 부두 노동자들에게서 당혹감을 느낀 적이 있습니다. 당시 부두 노동자들은 기계로 와셔를 만들기 시작했는데요. 그건 나사를 단단히 조이도록 해주는 원판 모양의 작은 금속입니다. 

노동자들은 생산성이 높아진 것에 죄책감을 느끼고 있었습니다. 현재 우리는 정반대죠.

사람들은 생산성이 낮으면 죄책감을 느낍니다. 페이스북이나 트위터에 너무 많은 시간을 낭비했다고 말이죠. 하지만 부두 노동자들은 생산성이 높아지는 것에 죄책감을 느꼈습니다. 이유를 묻자 이렇게 말했습니다.

"저는 잘못하고 있어요. 다른 사람 일거리를 뺏고 있잖아요."

그는 일종의 정해진 노동량이 있다고 생각했던 겁니다. 그와 그의 친구들이 나누어서 할 일들이죠. 그래서 자신이 기계로 더 많은 일을 하면 자기 친구의 일거리가 줄어든다고 생각한 겁니다. 스콜로스는 여기에서 오류를 찾았습니다. 노동의 총량은 정해져 있지 않거든요.

노동자가 기계를 사용해서 점점 생산성이 높아질수록 나사받이의 가격은 낮아질 것이고 수요는 증가할 것입니다. 따라서 더 많은 나사받이가 필요하고 그의 친구가 할 일도 생길 것입니다. 노동 총량은 점점 커질겁니다.

스콜로스는 이를 '노동 총량의 오류'라고 했습니다.

오늘날 모든 직업의 미래를 전망할 때 노동 총량의 오류를 이야기하곤 합니다. 기계와 인간이 서로 나누어서 해야 할 일의 총량은 정해져 있지 않다고 하죠. 네, 기계가 인간을 대체하면서 기존에 하던 일의 양은 줄었습니다. 하지만 기계가 인간을 보완해주면서 일의 총량은 점차 커지고 변화하고 있습니다.

그런데 바로 여기에 오류가 있어요. 뭐가 틀렸는지 말씀드리죠.

기술의 진보로 일의 총량이 커진다는 생각은 맞습니다. 몇몇 직업은 더 중요해지고, 새로운 직업도 생기겠죠. 하지만 잘못된 생각이 하나 있습니다. 인간이 바뀐 작업환경에 당연히 잘 적응할 거라고 생각하는 거죠. 이것이 바로 우월성 미신입니다.

네. 일의 총량은 점점 커지고 변화하게 될 것입니다.

하지만 기계의 능력이 점차 발전하면서 그 여분의 일마저 기계가 차지할 가능성이 높습니다. 기술의 진보는 인간을 보완하기보다는 기계를 대신 보완해줄 것입니다. 

자동차 운전의 경우를 다시 살펴보죠.

오늘날 위성항법 시스템은 인간을 직접적으로 도와줍니다. 사람이 운전을 더 잘할 수 있게 해주죠. 하지만 미래에는 소프트웨어가 운전석의 사람을 대체할 것입니다. 그리고 위성항법 시스템은 더 이상 사람을 돕지 않고 대신 기계를 도우면서 무인 자동차의 효율성을 더욱 높이게 될 것입니다.

이미 말씀드렸던 간접적 방식의 상보성 사례도 살펴볼까요.

경제 파이의 크기는 커지겠지만 기계의 능력이 발전함에 따라 새롭게 생기는 수요들도 모두 사람보다는 기계가 감당할 가능성이 높습니다. 경제 파이는 변화하지만 기계의 능력이 발전함에 따라 새로운 일거리도 기계가 모두 차지할 가능성이 높습니다. 한 마디로, 일에 대한 수요는 인간 노동에 대한 수요가 아닙니다.

상보성 원리로 인간이 혜택을 보려면 인간이 주도권을 가지고 있어야 합니다. 하지만 기계가 점점 유능해지면서 그럴 가능성은 적어 보입니다. 그럼 이 세 가지 미신이 의미하는 바는 뭘까요?

터미네이터 미신을 통해 우리는 일의 미래가 두 힘의 균형에 따라 달라짐을 알았습니다.

하나는 기계가 인간을 대체하며 일자리를 빼앗는 힘이고 다른 하나는 인간을 도우며 일자리를 만드는 힘입니다. 지금까지는 인간에게 도움이 되는 쪽으로 균형이 맞았습니다. 하지만 지능 미신을 통해 우리는 기계가 인간을 대신하려는 힘이 점차 강해지고 있음을 알았습니다.

물론, 기계가 모든 걸 할 순 없죠. 하지만 더 많은 일을 할 것입니다. 인간만이 할 수 있다고 여겼던 영역가지 침범하면서 말이죠. 더군다나 현재 인간의 능력 정도가 기계의 한계라고 장담할 수도 없습니다. 일단 기계가 우리만큼 유능해지면 인간의 한계를 뛰어넘게 될 테니까요.

물론, 큰 문제는 아닐 수 있습니다. 상보성 원리의 긍정적 바람이 강하게만 분다면 말이죠.

하지만 우월성 미신을 통해 기계가 인간의 영역을 침해하는 과정에서 인간을 대체하는 힘은 커지지만 긍정적 상보성 원리는 약화되는 것을 알게 됐습니다. 이들 세 가지 미신을 동시에 놓고 보면 미래의 문제를 조금이나마 엿볼 수 있습니다.

기계는 점점 유능해질 것입니다. 인간이 했던 일을 점차 대신하게 될 것입니다. 기계가 인간을 대체하는 힘은 커지고 상보성 원리는 힘을 잃을 것입니다. 그러다 어느 순간, 균형의 추가 사람에서 기계로 기울 것입니다.

이것이 현재 우리가 가고 있는 길입니다.

"길"이라는 용어를 쓴 이유는 아직 도달하지는 않았지만 여정이 이대로 흘러갈 거라는 사실을 부인하기 힘들기 때문입니다.

문제는 바로 이런 것들입니다.

하지만 이 문제는 우리에게 즐거운 일입니다. 그 이유를 말해드리죠.

인류 역사를 볼 때, 경제 측면에서 늘 따라다니는 문제 하나가 있습니다. 우리 모두가 살만큼 경제파이의 크기를 어떻게 키울 것인가 하는 것입니다. 기원후 1세기 무렵을 생각해보죠. 그 시대의 경제 파이를 그 때 살았던 모두에게 공평하게 나누어준다면 각자 몇백 달러 정도 받을 겁니다.

거의 모두가 최저 생계를 유지하는 정도죠. 그로부터 1000년 후에도 사정은 거의 같았습니다.

하지만 최근 수백 년 동안 경제는 급격히 성장했습니다. 폭발적인 규모로 성장했죠. 전 세계의 1인당 GDP, 쉽게 말해 오늘날 각자가 가지는 파이 한 조각은 약 10,150 달러 입니다. 앞으로 경제성장이 2%씩 지속된다면 우리 아이들은 우리보다 두 배 정도 부유해질 것입니다. 경제가 1%씩 성장한다고 쳐도 우리 손자들은 우리보다 두 배 정도 부유해질 것입니다.

우리는 전통적 경제문제를 비교적 잘 해결해왔습니다.

기술 진보로 실업 문제가 생기더라도 어떻게든 성공적으로 해결할지 모릅니다. 파이를 키우는 문제가 해결되더라도 또 다른 문제가 생길 거예요. 어떻게 하면 모두가 파이를 나눠 가질 수 있느냐는 것입니다. 경제학자들의 지적한 대로 이 문제는 해결이 쉽지 않을 겁니다.

오늘날, 대부분의 사람들은 직업을 가짐으로써 경제 안에서 자신의 몫을 얻고 있습니다.

하지만 일이 적어지거나 심지어는 없는 세상에서 어떻게 제 몫을 얻을 수 있을지가 의문입니다. 지금 많이 논의되고 있는 것은 해결 방안의 하나로서 다양한 형태의 기본소득을 두는 방법입니다. 기본소득에 대한 시도가 미국과 핀란드, 케냐에서 진행중에 있기도 하죠. 이것이 우리 모두에게 주어진 당면 과제입니다.

새로운 경제 시스템이 가져올 물질적 풍요를 모두가 누리는 방법을 찾아야 하죠.

파이를 나누는 기존 방식이 더 이상 통하지 않고 인간이 할 일이 점차 줄어들어 완전히 사라진 세상에서 말입니다. 이 문제를 해결하려면 완전히 다른 방식으로 생각해야 합니다. 해결 방안에 대한 반발도 많을 것입니다.

하지만 중요한 사실은 이 문제는 즐거운 일이라는 겁니다.

어떻게 하면 파이를 충분히 키울 수 있을까 하고 수세기 동안 고민했던 선조들에 비해서 말이죠.

감사합니다.

▶ 영상 보러가기

"기계가 인간을 대체할 것인가?"라는 질문은 실업의 두려움을 느끼는 직장인이라면 누구나 갖고 있습니다. 다니엘 서스킨드는 이 질문에 답하면서 자동화의 미래에 대해 우리가 갖고 있는 세 가지 잘못된 통념을 지적합니다. 그리고 "일을 적게 해도 되거나 아예 할 필요가 없어질 때, 우리 사회는 부를 어떻게 분배해야 할까?"라는 이전과 다른 문제에 의문을 가져보라고 제안합니다.