최근 노벨 경제학상을 수상한 매사추세츠 공과대학(MIT)의 다론 아체모글루 교수는 인공지능이 소득 불평등을 악화시키고 생산성에는 별다른 영향을 미치지 않을 것이라고 우려하고 있습니다.
그의 친구이자 동료인 데이비드 오토르는 인공지능이 그 반대 효과를 가져올 수 있다고 믿고 있어 더 낙관적입니다.
MIT 박사 과정 학생인 에이단 토너-로저스의 새로운 연구는 아체모글루의 비관론과 오토르의 낙관론에 도전장을 내밀었습니다. 두 교수 모두 이 연구에 열광하고 있습니다.
“정말 환상적입니다”라고 아체모글루 교수는 말했습니다. ‘정말 놀라웠습니다’라고 오토 교수는 말했습니다.
오토 교수나 아체모글루 교수 모두 AI에 대한 생각을 바꾸지 않았습니다. 그러나 26세의 토너-로저스 교수의 연구는 AI가 현실 세계에서 미치는 영향을 조사함으로써 AI가 노동력에 어떤 영향을 미칠 수 있는지를 파악하는 데 한 걸음 더 다가간 것입니다.
2024년 12월 29일자 월스트리트 저널(The Wall Street Journal)은 〈New Study Shows AI Made Some Workers More Productive〉제목의 기사를 통해 AI가 근로자의 생산성에 도움이 될까 하는 세간의 걱정스러운 시선을 잠재우는 내용의 기사를 게재했습니다.
오토르와 아세몰루를 포함한 많은 경제학자들은 초기 기술이 노동 시장을 어떻게 재편했는지를 살펴보았습니다. 그러나 과거에 대한 이러한 이해가 중요한 맥락을 제공하지만, AI가 경제에 어떤 영향을 미칠지는 알기 어렵습니다. AI가 전체 산업을 변화시키고 성장을 촉진하며 새로운 종류의 일자리를 창출하고 수백만 명의 미국인을 더 생산적이고 더 나은 보수를 받는 새로운 일자리로 끌어올린 가솔린 내연 기관과 같은 영향을 미칠까요? 아니면 1920년대와 1930년대의 제플린 비행기처럼, 사람들이 세상을 바꿀 것이라고 생각했지만 지금은 향수에 젖어 추억으로만 남게 된 것들?
AI가 어디에 적합한지 알아내기 위해 경제학자들은 오늘날의 직장에서의 AI 사용에 대한 면밀한 연구가 필요합니다. Toner-Rodgers의 논문은 바로 그 연구를 수행합니다. 그의 연구는 재료과학 연구소의 과학자 1,018명에게 AI 도구를 무작위로 도입하는 것을 조사합니다.
1900년대 베이클라이트의 발명부터 1960년대 케블라의 발명에 이르기까지, 새로운 물질의 발견과 창조는 역사적으로 시행착오를 겪는 시간이 많이 걸리는 과정이었습니다. 과학자들은 화합물이 어떤 성질을 갖기를 원하는지 파악한 다음, 새로운 화합물의 화학 구조가 어떤 모습일지 아이디어를 생각해냅니다. 그런 다음, 과학자들은 효과가 있는 화합물을 찾고자 화합물 테스트를 시작합니다.
기존 재료의 구조에 대해 학습된 AI 도구는 발견 과정을 상당히 단축하고 비용을 절감할 수 있습니다.
과학자들은 화합물이 갖기를 원하는 특성을 지정하면, AI 도구가 과학자들이 평가할 수 있는 레시피를 생성합니다.
“AI의 가장 흥미로운 점은 과학적 발견과 혁신을 가속화할 수 있다는 점일 것입니다”라고 토너-로저스는 말했습니다. ”이것은 엄청난 이점이 될 것입니다.”
캘리포니아의 두 명의 교사 사이에서 태어난 토너-로저스는 1학년 때 처음으로 경제학을 배웠고, 그 수업에 푹 빠졌습니다.
뉴욕 연방준비은행에서 근무한 후, 그는 2023년에 MIT에 입학했습니다.
Toner-Rodgers가 연구한 연구실은 2022년 5월부터 무작위로 연구팀을 구성하여 이 도구를 사용하기 시작했습니다. Toner-Rodgers가 연구실에 접근한 후, 연구실은 그와 협력하기로 동의했지만, 연구실의 신원을 공개하기를 원하지 않았습니다.
토너-로저스가 발견한 것은 놀라웠습니다: 이 도구를 도입한 후, 연구원들은 44% 더 많은 자료를 발견했고, 특허 출원 건수는 39% 증가했으며, 신제품 프로토타입은 17% 증가했습니다.
토너-로저스 자신도 약간 놀랐습니다. 그는 기껏해야 과학자들이 새로운 발견을 하는 데 보조를 맞추는 정도일 것이라고 생각했습니다. “실제로 도움이 되지 않는 형편없는 재료들을 많이 생각해낼 수도 있었을 것입니다.”라고 그는 말했습니다.
이러한 과학적 혁신의 성과는 다른 곳에서도 성과를 거둘 수 있습니다. 새로운 발명은 이후에 예상치 못한 발전으로 이어질 수 있기 때문입니다.
아세모글루 교수는 연구소가 생산성 측면에서 이렇게 현저한 증가를 경험한 것에 대해 “약간 놀랐다”고 말했습니다. 이러한 현상이 경제 전반에 걸쳐 충분히 반복된다면, 그의 비관적인 견해에 반하는 결과가 나올 수 있기 때문입니다.
이 연구소는 하나의 구체적인 예에 불과합니다. 아세모글루 교수는 사람들이 광범위하게 적용하려고 하는 ChatGPT와 같은 대규모 언어 모델과는 달리, 이 연구소의 AI 도구는 재료 발견을 위해 특별히 구축되었다고 지적합니다.
아세몰루는 여전히 AI가 소득 격차를 확대할 수 있다고 우려하고 있습니다. 토너-로저스의 논문은 그럴 수 있는 한 가지 방법을 제시합니다.
그는 이미 화합물 발견에 가장 성공적인 연구자들이 AI 도구를 사용했을 때 훨씬 더 성공적이었다는 사실을 발견했습니다. 반면, 다른 과학자들은 그다지 큰 혜택을 보지 못했습니다.
아세몰루는 여전히 근로자가 제대로 훈련을 받으면 AI가 소득 불평등을 줄일 수 있다고 생각합니다. 토너-로저스가 연구실의 AI 도구에 대해 발견한 마지막 사실은 다음과 같습니다. 과학자들은 이 도구를 그다지 좋아하지 않았고, 82%가 이 도구를 사용하면서 업무 만족도가 감소했다고 보고했습니다.
과학자들은 이 도구가 자신이 가장 좋아하는 일, 즉 새로운 화합물을 상상하는 일을 빼앗아 갔다고 느꼈습니다. 한 과학자는 “내 교육의 상당 부분이 이제 무의미하게 느껴졌다”고 말했습니다. 인공지능이 그 단계를 척척 해냈기 때문입니다.
