우리가 신속히 행동한다면 AI가 우리를 돕는 방향으로 이끌 수 있는 힘이 있다고 한 경제학자는 말합니다.
AI는 우리의 일을 보완하고 도와줄까요, 아니면 자동화하고 일자리를 빼앗을까요? 한 경제학자는 이는 우리에게 달려 있으며, 우리는 잘못된 방향으로 가고 있다고 주장합니다.
매사추세츠 공과대학(MIT) 경제학자 세딜 뮬라나단(Sendhil Mullainathan, 53세)은 AI는 인간에게 일어나는 것이 아니라 인간이 만드는 것이라고 강조합니다. 우리는 이 기술이 어떤 형태로 발전할지 선택할 수 있습니다.
2025년 4월 17일, 미국에서 발행하는 월스트리트 저널(WSJ)에는 〈AI가 우리 일자리를 빼앗지 못할 수도 있습니다(AI Might Not Take Our Jobs)〉라는 제목의 희망에 한 제목의 기사가 실렸습니다.
2002년 맥아더 천재상(MacArthur genius grant in 2002)을 수상한 뮬라나단은 경력 초기 대부분을 행동 경제학의 통찰을 빈곤층에 적용하는 연구에 헌신했으며, 2013년 행동 심리학자 엘다르 샤피르와 함께 쓴 책 《결핍: 왜 부족한 것이 그렇게 중요한가(Scarcity: Why Having Too Little Means So Much)》로 결실을 맺었습니다. 이후 그는 AI 연구로 방향을 전환했습니다.
뮬라나단에게 중요한 참고점은 애플 공동 창업자 스티브 잡스가 1973년 《미국과학(Scientific American)》의 그래픽을 보고 떠올린 아이디어입니다. 이 그래픽은 ‘자전거를 탄 인간’이 다른 동물보다 체중 대비 훨씬 더 효율적인 이동 수단임을 보여주었습니다. 잡스는 컴퓨터는 ‘마음의 자전거’가 되어야 한다고 말하며, 우리의 본질적인 능력을 증폭시켜야 한다고 강조했습니다.
마음의 자전거(bicycles for the mind): 다양한 동물의 이동 효율을 계산하여 어떤 동물이 가장 효율적으로 이동할 수 있는지 알아냈습니다. 콘도르는 1km를 이동하는 데 가장 적은 에너지를 사용했고, 인간은 그렇지 못했습니다. 3분의 1 정도 낮은 수치를 기록했습니다. 그런데 자전거를 탄 인간을 시험해 볼 만큼 통찰력 있는 사람이었습니다. 자전거에서는 인간이 콘도르보다 거의 두 배나 더 효율적이어서 더 뛰어났습니다. 도구 제작자인 인간은 자신이 가진 유전적 능력을 증폭시키는 도구를 만들 수 있는 능력을 가지고 있습니다. – 스티브 잡스
뮬라나단은 컴퓨터가 우리를 대체하는 것이 아니라 돕기 위한 도구라는 개념이 복원되고 AI에 적용되어야 한다고 생각합니다.
경제학자들은 AI가 일에 어떤 영향을 미칠지 논의해 왔습니다. AI가 사람을 대체할까요? 고학력자에게는 도움이 되지만 저학력자에게는 해로울까요? 모두에게 도움이 될까요? 하지만 당신은 이를 다르게 보고 있습니다.
사람들은 AI가 일을 자동화할 것이라고 상상하지만, 자동화는 단지 하나의 경로일 뿐이라는 점을 이해하지 못합니다. 기계 학습이나 AI 자체에 우리를 그 경로로 이끌는 본질적인 요소는 없습니다. 다른 경로는 바로 증강입니다. 저에게는 ‘마음의 자전거’가 이를 설명합니다.
우리가 결국 우리를 대체하는 것을 만들든, 우리의 능력을 강화하는 것을 만들든, 그 선택은 우리가 영향을 줄 수 있는 것입니다. 하지만 저는 다른 사람들과 마찬가지로 같은 긴급함을 느끼고 있습니다: 자동화 길을 계속 간다면, 그 길을 되돌아가서 변화를 시작하는 것은 매우 어려울 것입니다. AI 도구가 개발되고 배포되는 방식에 무엇이 문제인가요?
앤프로픽(Anthropic)이나 오픈(Open)AI, 구글(Google)이 새로운 모델을 출시할 때마다, 그들은 항상 “이 벤치마크에서 더 나아졌습니다”라고 말합니다. 그게 그들의 평가 방식입니다. 많은 면에서 이러한 벤치마크가 모델이 우수해야 할 분야를 결정합니다.
우리는 특정 분야를 선택하고 “이것이 사람만큼 잘 할 수 있나요?”라고 묻습니다. 그래서 우리는 자동화에 강한 능력을 가진 알고리즘을 개발하고 있습니다. 그리고 우리가 ‘더 나아지고 있다’고 말할 때, 이는 자동화 능력의 향상을 의미합니다. 표준 벤치마크를 보면, ‘사람이 무언가를 더 잘하는 데 도움을 주는 지표’라고 말할 수 있는 요소는 전혀 없습니다.
AI가 의도적으로든 우연히든 증강 역할을 하는 환경이 있을까요?
제 가장 좋아하는 예시는 제 전 학생인 린세이 레이몬드 (Lindsey Raymond)와 에릭 브리뇰프슨(Erik Brynjolfsson), 다니엘 리(Danielle Li)의 논문입니다. 그들은 콜 센터에 갔습니다. (이곳은 더 정확히 말하면 채팅 센터—사람들이 타이핑을 하는 곳—이지만, 저는 계속 콜 센터라고 부르겠습니다). 기술적인 질문이 들어오면—예를 들어 누군가가 어떤 문제에 막혀 있는 경우—직원들이 답변을 제공합니다. AI 봇이 도입되어 직원들에게 제안을 제공합니다. 연구진은 봇이 성능에 미치는 영향을 연구했고, 봇에 접근할 수 있는 직원들이 더 좋은 성과를 내는 것을 발견했습니다. 또한 가장 낮은 성능을 보인 직원들이 가장 많은 도움을 받았다는 것을 발견했습니다. 이후 봇이 하루 정도 오프라인 상태가 되었을 때 직원들의 성능을 연구했습니다. 초기에는 봇이 없어도 직원들은 단순히 원래 상태로 돌아갔습니다. 하지만 몇 달 후 봇을 제거하면 근로자의 성과는 봇이 있을 때와 동일해집니다. 따라서 이 봇은 실제로 도움을 주는 봇이 아니라 교육용 봇이었던 것입니다.
AI가 ‘마음의 자전거’로서 어떻게 적용될 수 있을까요?
일자리를 찾고 있으며, 어디에 지원해야 할지 결정하는 데 도움을 주는 알고리즘이 필요하다고 상상해 보세요. ‘어디에 지원해야 할까’라는 질문은 본질적으로 ‘마음의 자전거’ 질문입니다. 이는 사람이 알고 있는 것—어떤 종류의 일을 좋아하나, 어디에 살 의향이 있나 등—과 알고리즘이 더 잘 처리할 수 있는 것—이력서를 바탕으로 어디에서 면접을 받을 가능성이 높은지, 어디에서 채용 제안을 받을 가능성이 높은지—를 결합해야 합니다.
이 두 가지 다른 종류의 정보가 있습니다. 알고리즘은 이력서를 바탕으로 당신의 기회가 어떻게 보일지 이해합니다. 당신은 자신의 선호도를 이해합니다. 만약 이 두 가지가 소통될 수 있다면 많은 것이 가능해질 수 있습니다.
이 중 많은 부분은 AI가 데이터와 함께 일하는 데 인간보다 훨씬 우수하지만, 데이터 외부의 것을 보지 못한다는 점에 달려 있습니다. 데이터에 없는 것이 데이터에 있는 것만큼 중요한 문제가 너무 많습니다.
행동 경제학의 어떤 통찰을 근로자를 위한 더 나은 AI 설계에 적용할 수 있을까요?
증강 기술이 가장 유용한 점은 우리가 잘 못하는 부분을 도와주어 우리가 뛰어난 부분에 집중할 수 있도록 하는 것입니다. 행동 경제학은 이러한 사각지대를 식별하는 데 도움을 주었습니다.
예를 들어 이력서 검토를 생각해 보세요. 우리는 빠르게 이력서를 읽는 데 매우 취약합니다. 이력서 검토를 마친 후, “이 10개의 이력서는 보통 선택하지 않는 유형이지만, 선택하면 실제로 채용하거나 면접에서 잘하는 경우가 많습니다. 이들에게 더 많은 시간을 할애해 보세요”라고 제안하는 제품이 있다면 매우 흥미로울 것입니다.
귀하의 연구는 희소성—시간이나 돈의 부족—이 기본적으로 정신적 능력을 앗아간다는 것을 보여줍니다. AI는 업무에서의 희소성 문제를 해결하는 데 어떻게 도움을 줄 수 있을까요?
업무의 본질을 근본적으로 변화시킬 수 있는 제품은 제가 어떤 일을 맡을지, 어떤 일을 거절할지 더 나은 결정을 내리는 데 도움을 주는 것입니다. 이것은 조금 평범해 보일 수 있습니다. 이미 구글 캘린더나 자동 스케줄러가 있죠. 하지만 이러한 도구들은 일정 관리의 로지스틱스를 해결할 뿐, 우리가 모두 직면한 핵심 시간 관리 문제를 해결하지 않습니다. 즉, ‘이 회의가 여기에 들어갈 수 있을까’라는 문제가 아닙니다.
핵심 문제는 우리가 대역폭을 잘 관리하지 못한다는 것입니다. ‘이 모든 회의를 잡으면 압도될 거야’라고 생각하지 않습니다.
이것은 우리가 언급한 두 요소를 포함합니다. 알고리즘은 당신의 일정, 과거 회의, 알려진 심리적 편향에 대한 풍부한 이해에 접근할 수 있습니다. 당신은 자신이 달성하려는 목표, 무엇이 효과적이었는지, 무엇이 효과적이지 않았는지, 무엇이 당신을 불안하게 만드는지에 대한 풍부한 이해를 가지고 있습니다. 이 두 가지를 결합할 수 있다면, 시간 관리를 접근하는 완전히 다른 방법을 얻을 수 있을 것입니다.
