누군가 “인공지능은 어때요?”라고 물어볼 때마다 저는 이 말을 하고 싶습니다. 숨이 멎을 듯한 기대감에 차있는 소년처럼 말입니다.
“사실, (현재 수준이라도) 인공지능은 꽤 쓸만합니다.”
저는 기술 거부론자와는 거리가 멉니다. 제가 신기술을 사용하는 이유는 제가 그것을 볼 때 그 기술을 잘 알고 있기 때문입니다.
학계는 일반 근로자를 대신할 수 있는 좋은 대안이 될 수 있는 경우가 거의 없습니다. 그러나 기술 혁명의 중간 단계는 예외입니다. 우리에게 먼저 찾아왔습니다. 그중 일부는 우리로부터 온 것인데, 진정으로 흥미진진한 학술적 발명과 사회에 긍정적으로 기여할 수 있는 연구 과학입니다. 그러나 우리가 학계에서 이미 목격한 것은 업무와 삶의 모든 영역에서 인공지능의 활용 사례가 정말 빠르게 증가하기 시작했다는 것입니다. 대부분의 사람들은 생명을 더 빠르고 더 잘 구하기 위해 인공지능을 사용하지 않습니다. 우리는 인공지능을 사용하여 이메일을 더 많이 보내는 것과 같은 평범한 개선을 이루고 있습니다.
〈사실, 인공지능은 꽤 쓸만합니다. (Actually, A.I. ls Pretty Mid)〉라는 제목으로 미국의 일간지 뉴욕타임스는 2025년 3월 30일 보도했습니다.
뉴욕타임스는 “미드테크의 가장 큰 혁신은 위협입니다. 인공지능은 파괴적 혁신보다는 반복적 혁신을 통해 변화를 약속하는 많은 기술 중 하나입니다. 소비자 자동화는 한때 고객이 직접 식료품을 포장할 수 있도록 하는 원활한 계산 경험을 약속했습니다.”라고 평가하고 있습니다.
경제학자 다론 아세모글루(Daron Acemoglu)와 파스쿠알 레스트레포(Pascual Restrepo)는 이와 같은 기술적 혁신을 “그저 그런” 기술이라고 부릅니다. 그들은 일부 일자리를 변화시킵니다. 그들은 일종의 기발한 기술입니다. 결국에는 배경 소음으로 변하거나, 예를 들어 2주치 식료품을 담을 때처럼 완전히 짜증나는 존재가 됩니다.
인공지능은 자동화보다 더 급진적이라고 합니다. 기술 억만장자들은 인공지능을 사용할 수 없거나 사용하지 않으려는 노동자들은 뒤처지게 될 것이라고 약속합니다. 정치인들은 인공지능의 힘을 발휘할 수 있는 정책을 만들겠다고 약속하지만, 그 힘이 무엇인지에 대해서는 확신하지 못합니다.
얼리 어답터라고 자칭하는 소비자들에게는 A.l.의 예측 능력이 매력적이지만, 그들은 많은 버그와 성능 저하를 감수해야 합니다. 나머지 우리들은 이 기술을 훨씬 더 일상적인 목적으로 사용하고 있습니다. A.I.는 적절한 양의 매크로가 포함된 식사 계획을 제시하고, 캘린더가 과도하게 꽉 차 있는 경우 알려주며, 아무도 원하지 않는 이메일을 작성하는 데 도움을 줍니다. 그것은 중간 수준의 혁명 또는 중간 수준의 작업입니다.
물론, 인공지능이 제대로 활용된다면 생명을 구할 수 있습니다. 의료 프로토콜을 작성하고 방사선 검사에서 패턴을 발견하는 데 유용합니다. 그러나 결정적으로, 이런 종류의 인공지능을 사용하려면 그것을 사용할 줄 아는 사람이 필요합니다. 방사선 검사 해석 속도를 높이는 것은 의사가 그에 따라 조치를 취할 수 있을 때만 도움이 됩니다.
실험 데이터의 효율적인 분석은 인공지능 분석을 사용하는 방법을 알고 있는 전문가의 생산성을 향상시키고, 더 중요한 것은 그 품질을 검증하는 방법을 알고 있는 전문가의 생산성을 향상시킵니다. 인공지능의 가장 혁신적인 잠재력은 전문가가 자신의 전문 지식을 더 잘 적용하고 활용하는 데 도움이 된다는 것입니다. 그러나 이것이 제대로 작동하려면 전문가가 있어야 합니다.
하이프(hype, 과대광고)의 가장 큰 위험입니다.
하이프는 정확성에 대한 책임이 아니라 설득력에 대한 책임이 있습니다. 마크 큐반은 최근 소셜 미디어 플랫폼 블루스카이(Bluesky)에 올린 글에서 이 점을 예로 들었습니다.
그는 ‘교육 수준이 제로’인 노동자가 인공지능을 사용하는 세상을 상상했습니다. 이 노동자는 인공지능을 사용하는 방법을 배우지만, 숙련된 노동자는 그렇지 않습니다. 인공지능 열차에 탑승한 노동자는 올바른 질문을 하는 법을 배우지만, 숙련된 노동자의 멍청이는 그렇지 않습니다. 큐반의 분석에 따르면, 전자가 더 생산적인 직원이 될 가능성이 높습니다.
문제는 올바른 질문을 하려면 교육이 전혀 필요 없다는 것과 반대되는 것이 필요하다는 것입니다. 먼저 경험을 쌓지 않고는 인공지능 챗봇 프롬프트를 만드는 방법을 배울 수 없습니다. 그리고, 네, 자신이 무엇을 하고 있는지 알 수 있는 교육도 필요합니다.
학습은 효율성을 거부하는 지저분한 인간 발달 과정입니다. 인공지능은 그것을 대체할 수 없습니다. 인공지능의 가장 강력한 사용 사례는 교육자, 학위 소지자, 근로자, 건강한 정보 환경이 부족한 환경입니다.
고등 교육 기관에서 이런 기술적 딜레마를 본 적이 있습니다. 학계는 기술 솔루션의 주요 기관 고객입니다. 제 업계는 코로나19로 인해 원격 학습으로 전환하는 동안 Zoom이 Skype를 이길 수 있도록 도왔습니다. 옛날 옛적에 학교는 Apple이 소비자 시장을 개척하는 동안 수익을 유지할 수 있도록 도왔습니다. 미국의 직장을 위한 모든 기술 혁명은 일반적으로 저를 통해 더 일찍 이루어졌습니다.
우리의 명성에도 불구하고, 대부분의 학자들은 우리가 일을 하는 데 도움이 되는 것은 무엇이든 환영합니다. 우리는 처음에는 A.I.를 두 팔 벌려 환영했습니다. 그런데 기술이 해결하는 것보다 더 많은 문제를 일으키는 것처럼 보였습니다. 우리에게 가장 큰 문제는 부정행위였습니다.
매일 인터넷 광고를 통해 인공지능이 제 강의를 예측하고, 학생이 듣기보다는 다른 일을 하는 동안 제 강의를 녹음하고, 강의에 주석을 달고, 에세이 문제, 연구 질문, 시험 문제를 예상한 다음, 마지막으로 지정된 논문을 작성하는 방법을 보여줍니다. 이렇게 쉽게 우회할 수 있는데 어떻게 위험 감수, 심층 독서, 정직과 같은 학문적 가치를 가르칠 수 있을까요?
학계는 학문적 무결성에 대한 명백한 위협에 처음에는 정신을 잃었습니다. 그리고 신기하게도, 인공지능의 전형적인 고등 교육 분야는 경보에서 증강으로 전환되었습니다. 사람들은 우리가 미래를 향해 나아가면서, 어떻게 하면 우리의 교육을 속임수로부터 보호할 수 있을지 알아내야 한다고 말했습니다.
이제, 저의 모든 학계 친구들은 명백하게 인공지능에 의해 작성된 추천서나 동료 연구자 평가서를 접하게 되었습니다. 인공지능의 광범위한 채택은 이미 취약하지만 중요한 고의적 학문과 전문 지식의 모델을 무너뜨릴 위험이 있습니다. 이는 사실 이후 시대에 우리가 필요로 하는 것입니다: 더 적은 연구, 더 많은 예측.
기관들이 우려에서 기술 수용으로 전환한 것은 이번이 처음이 아닙니다. 2010년대에는 대규모 공개 온라인 강좌(MOOC)를 통해 같은 일이 일어났습니다. 기술 전도사들은 한 명의 전문가가 온라인으로 수만 명을 가르칠 수 있기 때문에 교수가 많이 필요하지 않을 것이라고 약속했습니다!
그러나 MOOC는 중간 수준의 기술로, 심층적인 전문 지식을 대체하기는커녕 거의 보강하지도 못했습니다. 그렇다고 해서 대학들이 전문가를 축소하거나 온라인 비디오를 만드는 것을 막지는 못했습니다. 이제 MOOC는 명성을 잃었지만, 대부분의 경우 전문가들은 돌아오지 않았습니다.
인공지능은 이미 우리가 기관이나 전문 지식을 필요로 하지 않을 것이라고 약속하고 있습니다. 인공지능은 동료 검토를 위한 연구의 작성 과정을 가속화할 뿐만 아니라, 검토 대상이 되는 연구를 읽거나 이해해야 한다는 요구 사항도 제거합니다. 인공지능은 전문 지식을 만들고 인증하는 기관 없이 전문 지식을 바탕으로 의사 결정을 내리는 작업자를 원합니다. 전문가가 없는 전문성.
그 기술적 환상은 허황된 꿈에 불과합니다. 그 기술이 작동하지 않을 것이라는 것은 누구나 알고 있습니다. 그러나 그 환상은 위험을 회피하는 대학을 강요하고, 실제 학습이 어떻게 이루어지는지에 대한 비용을 지불하지 않고 학습을 통제할 수 있는 힘을 약속하기 때문에 금융 투기꾼들을 흥분시킵니다. 지금으로서는 우리가 알고 있는 인공지능은 제 책상 위에 놓인 모든 에듀테크 혁명과 마찬가지로 혁명을 일으키지 못하고 있습니다. 대부분은 비판적 사고를 가진 사람이라면 누구나 좋다고 말할 수 있는 것에 만족합니다. 그들은 기존 프로세스에 약간의 개선을 가합니다. 일부는 더 많은 일을 만듭니다. 바쁜 일을 줄이는 경우는 거의 없습니다.
기술 혁명의 중간 단계에는 또 다른 공통점이 있습니다: 그것은 더 적은 인원을 고용하는 것을 정당화하고, 남은 사람들에게 더 적은 인원으로 더 많은 일을 하도록 요구한다는 것입니다.
인공 지능의 실제적인 사용 사례를 보고 싶다면, 생물학이나 대학을 찾아보지 마십시오. 엘론 머스크가 소위 정부 효율성 부서를 설립한 것을 보세요. 이 부서는 인공지능을 사용하여 낭비를 찾는 데 도움을 줄 것으로 알려져 있습니다. 작업이 낭비적인지 아닌지는 인공지능이 판단할 수 없는 주관적인 문제입니다. 그러나 인공지능은 의사 결정자가 원하는 것을 정당화할 수 있습니다. 머스크가 낭비를 원한다면 인공지능은 낭비가 존재한다는 것을 증명할 수 있는 수치를 제공할 수 있습니다.
인공지능은 기술적으로 중간 단계에 머물러 있으며, 그 사용 사례가 제한적이어서 재정적, 환경적 비용을 정당화하기 어렵습니다. 그러나 인공지능은 눈 깜짝할 사이에 낭비자로 분류될 수 있는 근로자의 사기를 꺾는 데 탁월한 도구입니다. 인공지능이 어떤 잠재력을 지니고 있든, 이 정치 환경에서 인공지능이 가장 강력한 힘을 발휘하는 분야는 근로자의 사기를 꺾는 것입니다.
완벽한 세상에서 이 미드 테크의 아들은 교실 TV와 MOOC의 길을 갈 것입니다. 이 제품은 틈새 시장을 찾아 화이트칼라 근로자의 업무 방식을 약간 바꾸고, 미국인들은 우리의 삶을 변화시키겠다는 약속을 대부분 잊어버릴 것입니다.
그러나 우리는 이제 정치 세력이 강대하게 만드는 세상에서 살고 있습니다. DOGE의 인공지능에 대한 몇 달에 걸친 광고는 기술이 미드 테크놀로지에 미칠 수 있는 차이를 보여줍니다. 기술이 우리의 생활과 일하는 방식을 변화시키기 위해 반드시 혁신적일 필요는 없습니다. 잘못된 손에 들어가면 미드 테크놀로지는 노동에 대한 반대의 도구로 사용될 수 있습니다.
