[아이티데일리] 생성형 AI의 영향력이 산업분야와 무관하게 확대되고 있다. 기업들은 이제 기술, 정치, 경제, 사회, 문화, 윤리, 규제, 환경 등 보다 종합적인 관점에서 생성형 AI가 어떠한 영향을 미치는지 고려해야 한다. 기술 혁신 및 IT 리더들은 전체적인 그림을 그리고 전략적으로 의사결정을 내리는 데 생성형 AI의 도움을 받아야 한다.

그 중에서도 특히 경제적 영향력 관점에서 살펴보면 노동 생산성, GDP 가속화, 기술 르네상스, 경제적 불평등, 비즈니스 모델 전환, 경제 예측, 창조적 파괴, 시장 위험, 경제적 투명성 등 9가지가 있다. 생성형 AI는 개별 기술 및 개별 애플리케이션의 집합 그 이상으로, 다른 기술과 결합해 복합적인 효과를 내며 가까운 미래에 광범위하고 장기적인 영향을 미칠 중요한 무형 자산이 될 것이다.

생성형 AI의 어려움을 극복하고 잠재력을 최대로 끌어올리기 위해서는 다음과 같은 9가지 경제적 영향에 대한 분석을 참고해야 할 것이다. 향후 미래 디지털 세계에 생성형 AI가 어떤 장기적인 영향을 미칠지를 고려해야 하는 IT 리더들에게 특히 중요하다.

영향 및 권장사항

노동 생산성

생성형 AI가 경제적으로 어떤 영향을 미칠지에 대한 첫 번째 관심사는 단연 노동 생산성이다. 생성형 AI를 사용하면 개발자는 코드를 빠르게 작성하고, 마케터는 마케팅 및 캠페인을 빠르게 진행하고, 기업은 자신들이 갖고 있는 데이터에서 인사이트를 발견할 수 있게 된다. 중요한 점은 생성형 AI를 통해 기존에는 찾지 못했던 인사이트를 훨씬 빠르게 발견할 수 있다는 것이다.

특히 생성형 AI는 증강을 통해 노동 생산성을 획기적으로 향상시킨다. 일례로 업무를 기본적이고 반복 가능한 수준으로 단순화했던 자동화 단계를 넘어 더욱 복잡한 업무로 확장이 가능하다. 충분한 내부 및 외부 소스 데이터만 있다면 생성형 AI는 유용한 패턴을 찾아 업무를 재설계해 자동화할 수 있다. 다만, 일정 품질 이상의 데이터가 충분하더라도 생성형 AI의 결과나 제안을 검증하고 수정하기 위해서는 여전히 사람이 필요하다. 현재 사람이 수행하는 업무를 자동화 및 증강할 기회도 많겠지만, 그만큼 사람이 해야할 새로운 역할과 업무가 함께 증가할 것이다.

국내총생산(GDP) 가속화

지난 30년간 선진국의 생산성 향상은 굉장히 낮은 수준이었다. 생산성에 대한 성장이 낮다는 것은 경제 성장, 즉 GDP 증가를 위해 더 많은 노동력을 투입해야 한다는 것을 의미한다. 그러나 우리는 그동안의 경험을 통해 이러한 방식에 한계가 있다는 것을 알고 있다. 이를 수확체감의 법칙(The Law of Diminishing Returns)이라고 한다.

IT 산업은 클라우드 사용으로 생산성 향상의 이점을 누렸지만, IT를 사용하는 대부분의 다른 산업에서는 이와 유사한 성과를 경험하지 못했다. 반면 생성형 AI는 거의 모든 산업에 영향을 미칠 수 있다는 점에서 특히 주목받고 있다.

전 세계 경제는 장기적인 인구통계학적 추세의 역전으로 인해 어려움을 겪고 있으며 많은 선진국에서 인구 감소와 노동 인구 축소가 예상된다. 생성형 AI가 많은 사람에게 유용하다는 것이 입증된다면, 인구 감소로 인한 경제 성장 둔화를 상쇄하는 데 필요한 생산성 성장을 주도할 수 있을 것이며, 1950년대 이후 해결되지 않았던 생산성 역설 즉 지속적이고 획기적인 생산성 성장에 대한 해답을 제시하는 가장 강력한 기술로 부상할 것이다.

기술(Tradecraft) 르네상스

생성형 AI 기술로 인적 자본의 추가 투자 없이도 대량 생산이 가능해지면서 디지털 제품, 서비스 및 콘텐츠 생성의 한계비용(추가 생산에 따른 추가 비용) 급감의 기회가 생겼다. 그러나 생산 비용의 감소에 따라 그 체감 가치도 하락할 수 있다. 이러한 경제 현실은 인간의 손으로 만들어지거나 완성된 작업에 대한 가치를 부활시켜 이전에는 경제적으로 주목받지 못했던 직업의 가치가 치솟을 수 있으며, 장인의 손길에 의지하는 산업은 경쟁력이 높아질 수도 있다.

경제 불평등

기술 르네상스는 일부 노동자들이 생성형 AI를 성공적으로 활용하는 노동자에 비해 뒤처지게 하는 역효과를 낳을 수 있다. 2001년 세계무역기구(WTO)에 가입하면서 ‘세계의 작업장’이 된 중국은 무역과 생산을 확대하는 동시에 단숨에 전 세계 평균 임금을 낮췄다. 이를 통해 자금을 조달할 수 있었던 미국은 20여 년 동안 세계 경제를 이끌었던 부채의 부담을 줄일 수 있었다.

그러나 점차 산업이 해외로 이전해 가고 정부 기관에서 효율적인 글로벌 무역 시스템과 균형을 이루는 트레이닝을 앞서 준비하는 데 실패하면서 미국 노동자들은 곤경에 처하게 됐다. 우리는 지금 해외 진출 기업이 국내로 복귀하는 리쇼어링(Reshoring) 현상과 글로벌 무역의 전반적인 위축으로 그 결과를 목격하고 있다.

생성형 AI가 직접적인 불평등을 야기하는 것은 아니다. 분배 방식의 차이 및 불평등을 만드는 것은 노동과 자본 축적의 본질이다. 생성형 AI는 빠른 혁신과 자동화가 실현될 때 효과적인 도구인 동시에, 불균등한 소득 분배의 기회를 더 많이 만드는 것이다.

정부 기관과 민간 업계는 각기 다른 이유로 이 문제를 모니터링하고 다양한 방식으로 대응할 것이다. 사회 안전망 및 재교육에 자금을 지원하려는 공공 부문은 생성형 AI 도입 및 가치 실현 속도에 압도될 수 있는 반면, 민간 산업은 재교육 받은 인력을 활용할 기회를 지속적으로 모색해 더 큰 자본 수익을 내고자 할 것이다. 생성형 AI는 중국의 WTO 가입으로 전 세계 임금이 변화했을 때보다 일과 노동력 등 경제에 더 광범위하고 장기적인 영향을 미칠 것으로 예상된다.

비즈니스 모델 전환

생성형 AI는 가치 제안, 고객 세그먼트, 재무, 비즈니스 역량, 이 네 가지 구성 요소에 걸쳐 모든 조직의 비즈니스 모델을 혁신할 수 있는 잠재력이 있다. 예를 들어 가상 개인 비서, 스마트 기기, 사물인터넷(IoT) 기반 공장 설비와 같은 새로운 기계 고객에 접근하거나 차별화된 기능을 강화해 경쟁력을 유지할 수 있다.

그러나 생성형 AI가 비즈니스 모델에 영향을 미치기 위해서는 훨씬 더 많은 데이터가 필요하다. 지금까지는 데이터를 수집하는 데 많은 시간과 인력이 필요했고, 그 결과 데이터의 활용 사례도 제한적이었다. 하지만 생성형 AI 시대에는 보다 세분화된 데이터를 확보하는 능력에 따라 비즈니스 모델의 성공 여부가 좌우될 것이며, 이는 대규모 언어 모델(LLM)의 일반적인 글로벌 데이터 액세스와 결합돼 시장에서 우위를 점할 강력한 인사이트 창출로 이어질 것이다. 그러나 데이터의 품질이 낮을 경우 노이즈가 증가해 비즈니스 모델 변화를 주도하는 데이터 처리에 더 많은 비용이 소요될 수 있다.

생성형 AI가 주도하는 비즈니스 모델 변화는 잠재적으로 기업, 가격 전략, 파트너 또는 고객과의 상호작용 방식에 미시적인 영향을 미칠 것으로 전망된다. 특히 조직이 생성형 AI 기능을 포함한 비즈니스 모델을 수립함에 따라 자율 비즈니스 개념이 더욱 현실화될 것이다. 또 다른 관점은 생성형 AI가 가치의 원천으로서 데이터에 더욱 중점을 두면서 분석보다 데이터의 가치가 부각될 수 있다는 것이다. 예를 들어, 중국에서는 2024년 초부터 기업의 재무제표에 데이터를 기록할 수 있는 새로운 규제가 현실화 될 예정이다.

경제 전망

전통적인 경제 전망은 불확실성 및 역동성으로 인해 결정된 변수에 가중치를 부여하고 특정 오차항을 적용하는 통계적 집계에 의존했다. 상관관계와 예측력은 대규모 과거 데이터의 통계적 테스트에 의존했고 데이터 수집에는 인적 자원과 컴퓨팅 비용이 많이 들어 계량경제학자나 경제학자와 같은 전문가들의 전문 지식을 필요로 했다.

그러나 AI의 대규모 모델 기능으로 인해 경제 모델은 더 이상 이러한 선택 요소의 제약을 받지 않는다. 이론적으로 생성형 AI 인터페이스를 사용하면 비전문가도 인터페이스에 쿼리를 제출하고 모델에 과거 데이터에 대해 수억 개의 경제 결과 시나리오를 실시간으로 실행하도록 요청해 해당 경제 변수의 예측력과 상관관계를 파악할 수 있다.

AI 이전에는 비효율적이고 번거로운 프로세스였던 무작위 샘플링 사용(부트스트랩, Bootstrap)이 정확한 모델을 구축하는 가장 효율적이고 포괄적인 방법이 될 수 있다. 이는 스톡피쉬(Stockfish)나 딥블루(Deep Blue)와 같은 슈퍼컴퓨터가 각 수를 수백만 번 반복해 잠재적인 결과를 도출함으로써 체스 고수들을 이길 수 있었던 비결과 유사하다.

인간과 유사한 생성형 AI의 인터페이스를 사용하면 비전문가도 전문 지식 없이 관련 경제 변수를 선택할 수 있고, 생성형 AI에 수백만 개의 시나리오를 돌리도록 요청하는 것만으로도 전문가보다 예측력이 뛰어난 경제 동인을 발견할 수도 있다. 오히려 한계점은 디지털 컴퓨터의 계산 능력으로, 이는 양자 컴퓨팅의 이점을 통해 획기적으로 확장할 수 있다.

그러나 대중에게 모델 결과를 해석해줄 역할이 필요하기 때문에 경제학자 및 통계 전문가들 역시 여전히 경제 전망에 중요한 역할을 할 것이다.

창조적 파괴

창조적 파괴는 새로운 기술의 도입과 발전이 기존 산업, 제품 등을 축소하거나 소멸시키는 과정을 말한다. 혁신에 따른 이러한 발전은 경제를 개선하고 삶의 질을 향상시킬 잠재력이 있다.

오늘날 기업들은 의료, 고객 서비스, 물류 등 다양한 산업 분야에서 직원의 효율성과 성과를 향상시키기 위해 AI 기술을 활용하고 있다. 생성형 AI와 같은 파괴적 기술이 시장에 진입하면 기존 산업에 엄청난 변화를 가져올 수 있으며, 자본, 노동력, 전문 지식과 같은 자원을 새로운 기술 중심 부문의 개발과 성장에 재분배해야 할 필요성이 커진다. 이러한 자산의 재분배는 자원이 생산성이 낮은 분야에서 성장 잠재력이 높은 분야로 이동하는 창조적 파괴의 본질을 담고 있다.

시장 위험

생성형 AI의 시장 위험은 크게 다음 세 가지로 분류된다.

-과잉 단순화(Oversimplification)

금융 산업, 특히 알고리즘 트레이딩과 같은 분야에서 생성형 AI 기술을 통합하는 것은 경제에 상당한 위험을 수반한다. 2010년 발생한 플래시 크래시는 AI 자체가 아니라 과도하게 자동화된 거래 및 시장 상호 의존성과 같은 요인에서 비롯됐다. 생성형 AI는 인간보다 더 많은 복잡성과 시장 연결을 처리할 수 있으며, 상황 인식을 향상시킬 수 있으나 시장 위험을 완화하기 위해서는 완전히 자동화된 거래 시스템보다 사람의 감독이 포함된 안전장치를 구현해야 한다.

또 다른 우려는 AI 시스템 내의 편향 가능성으로, 성별과 인종을 넘어 데이터 및 알고리즘 편향성까지 포함하며 복합적으로 작용할 수 있다. 결국 AI를 개발한 것은 인간이기 때문에 개발자의 내재된 편향이 기술에 반영될 수도 있다.

-과잉 규제(Over-Regulation) vs. 과소 규제(Under-Regulation)

각국의 정부는 AI에 대한 규제를 서두르고 있다. 중국은 이미 몇 개 규정을 마련했고 유럽연합(EU)는 규정을 제정하는 중이며, 개인정보 보호규정(GDPR)과 마찬가지로 다른 많은 지역에서도 이를 따를 가능성이 높다. 법안이 채 시행되기 전이지만 조직 및 기업들은 지속적인 규제 압박으로 혁신이 위축될 것을 우려하고 있고, 그 결과 비용과 리스크가 증가하고 복잡성이 커져 조직에서 생성형 AI 및 AI 사용에 따른 비용 및 리스크를 감수하지 않으려 할 수 있다.

또한 기술의 복잡성으로 인해 공공기관은 고려 중인 규제 범위에 적합하지 않은 영역까지 계속 규제하려고 한다.

반면 일부 기술 기업들이 정부에 강력한 규제를 요청하는 등 규제 미비 측면에 대한 우려도 있다. 생성형 AI 분야에 대한 규제 부족은 대중의 반발을 불러일으킬 가능성이 높다. 대형 기술 기업의 수익성에만 도움이 되고 시민의 권리를 침해하며 공익에 기여하지 못하는 AI 개발로 이어질 수 있기 때문이다.

따라서 AI에 대한 오용 및 대중의 반발이 투자 감소 및 혁신 저해로 이어지지 않도록 책임지고 기술을 규제해야 하며 시민을 보호해야 한다. 명확한 규제는 허용되는 것과 허용되지 않는 것을 구분 지음으로써 혁신을 뒷받침할 경제 환경을 조성한다.

-적절한 실사(Due Diligence)

성별, 인종 및 사회경제적 격차로 특징지을 수 있는 AI 연구 커뮤니티의 동질성은 AI 시스템의 편견을 더욱 강화한다. 이러한 다양성의 부재는 AI가 특정 억양이나 방언을 이해하지 못하게 하며, 역사적으로 소외된 집단에게 위협이 되는 편견을 무의식적으로 고착화시킬 수 있다.

이러한 위험을 완화하기 위해 개발자와 기업은 AI 시스템에서 유해한 편견과 선입견이 복제되지 않도록 더 많은 노력을 기울여야 하며, 더 광범위한 세계 문제와 다양한 인구에 미칠 수 있는 잠재적 영향을 인식해야 한다.

경제 투명성

경제 투명성이란 시장, 금융 및 정부 정보에 대한 분석과 인사이트의 보편화를 통해 비전문가들이 투자 및 정책 결정을 내릴 수 있도록 하는 것으로 생성형 AI의 사용과 자연어 처리 기술의 발전은 이 분야의 활동을 촉진했다.

단기적인 관점에서 조직은 생성형 AI를 통해 더 많은 기회를 얻을 수 있다. 이전에는 사내 데이터 사이언티스트가 필요했던 대규모 데이터 세트에서 이제는 비전문가들이 고객 행동에 관한 쿼리 및 인사이트를 도출할 수 있다. 그러나 대규모 데이터의 수집과 분석을 가능하게 하는 필수적인 생성형 AI 기술에 대한 접근은 일부 조직에게 너무 큰 비용부담이 될 수 있다.

기술 혁신 및 IT 리더를 위한 제언

생성형 AI의 경제적 영향은 그 잠재력만큼이나 다양할 것으로 예상된다. 노동 생산성을 높여 잠재적으로 글로벌 GDP를 증폭시키는 동시에 경제 불평등을 악화시키고, 기계 고객 도입 및 재정적 제약 극복 방법을 제시하며, 대규모언어모델(LLM)을 통해 경제 예측 정확도를 향상시킴으로써 비즈니스 모델을 혁신할 것이다. 더 나아가 투명성을 기반으로 개인화를 강화해 고객 경험을 개선할 수 있는 기회를 제공할 수도 있다.

디지털 미래에 대비하고자 하는 IT 리더는 여기에서 제시하는 경제적 관점을 갖춤으로써 총체적인 사고방식을 형성할 수 있다. 이에 기반해 자동화 기술 보강, 창의적인 개인화 요소 추가, 지속적인 모니터링 등 생성형 AI를 단계적으로 조직 전체에 확장하고 부정적인 영향을 최소화해 비즈니스 성과를 극대화할 수 있기를 바란다.