인공지능이 일자리를 대신하는 이유
인공지능의 발전이 일자리를 위협하는 근본적인 이유는 무엇일까요? 바로 ‘자동화’입니다. 인간이 해오던 일을 기계가 대신하는 것이 자동화입니다. 미국의 실리콘밸리나 우리나라의 많은 스타트업, 기술 기반의 회사들이 개발하고 있는 소프트웨어 등은 인간이 하고 있는 많은 일자리를 없애는 방향으로 발전하고 있습니다. 이렇게 자동화를 통해 일자리를 줄이는 이유는 지금의 시장이 효율성을 높이는 경영자에게 보상이 돌아가는 구조이기 때문입니다. 그래서 인공지능이나 기계를 통해 일자리를 줄이기 이전에도 인건비가 싼 지역에 공장을 건설하는 일들이 있어왔던 것입니다.
그렇다면 일을 하는 데 있어서 인간의 능력은 어떤 것들이 있을까요? 크게 세 가지로 나눠볼 수 있습니다. 첫 번째 능력은 ‘신체적 능력’입니다. 몸을 쓰는 것을 말합니다. 산업화 이후 다양한 기계, 로봇이 등장하면서 인간의 신체적 능력은 빠르게 대체되게 되었습니다. 두 번째 능력은 ‘지적 능력’입니다. 머리를 쓰는 것을 말합니다. 인간의 신체적 능력은 크게 향상되지 않았지만, 인류 전체의 생산성은 엄청나게 향상되는데 이것이 가능했던 이유는 신체적 능력을 기계가 대신하면서 인간의 지적 능력을 쓰는 일자리가 대폭 생겼기 때문입니다. 마지막 능력이 ‘정서적 능력’입니다. 정서는 중요한 상황이나 타인과의 상호작용에서 짧고 굵게 경험하는 느낌이나 감정입니다. 이러한 인간의 세 가지 능력은 어느 하나만 사용되진 않고 조합되어 사용되는 것입니다. 예를 들어, 신체적 능력을 크게 사용하는 운동선수가 경기 중에 신체적 능력만 쓰는 것이 아니라, 다른 능력들도 함께 사용하는 것을 생각해보면 당연합니다.
인간의 신체적 능력에 대한 자동화를 오랫동안 시도해 온 곳이 바로 공장입니다. 컴퓨터에 의해 기계 제어가 가능해진 1970년대 이후, 공장에서 공정을 자동화하여 생산성을 높이려는 시도는 꾸준히 진행되어 왔습니다. 그러면서 인간의 신체를 활용한 노동의 비율은 기하급수적으로 감소했습니다. 그래서 인간의 노동은 대부분 지적 능력을 사용하는 직업들로 대부분 바뀌었습니다. 즉, 일자리의 상당수가 정보를 처리하는 서비스업으로 변화된 것입니다. 공장에서의 극단적인 자동화를 시도한 사례로는 전기차로 유명한 테슬라가 프리몬트(Fremont) 공장을 설립할 때 1,000대에 육박하는 자동화 로봇을 통해 완전 자동화 공장을 목표로 하였으나, 자동차 생산 현장이 너무 복잡하여 잦은 오류와 그로 인한 생산 중단, 빈번한 조립 불량 등의 문제로 테슬라를 위기로 몰고 갔습니다. 물론 테슬라의 도전은 성공하진 못했지만 앞으로 공장에서 인간이 신체적 능력을 주로 사용하여 노동하는 일은 매우 드문 일이 될 것이라 예상할 수 있습니다.
공장의 조립라인에서 일하는 인간의 일자리만 대체될까요? 기술 발전은 인간의 신체적 능력을 대신하다가 지적 능력까지 대신하기 시작했습니다. 공장에서도 인간이 머리를 써야 하는 일인 기획, 설계, 생산, 유통, 판매 등 전체 생산과정을 정보통신기술(ICT)로 통합해 최소 비용과 시간으로 고객 맞춤형 제품을 생산할 수 있도록 진화된 공장인 스마트팩토리가 도입되면서 생산활동과 인접한 관리 업무도 기계가 대신하게 됩니다.
인간의 신체적 능력과 지적 능력을 대신하는 자동화는 공장 말고도 우리의 일상생활 중 음식점에서도 접할 수 있게 되었습니다. 우리나라에서도 흔히 접할 수 있게 된 것이 무인 주문 시스템인 키오스크입니다. 터치스크린 방식의 단말기가 패스트푸드점과 소규모 식당 등에 빠르게 확산되면서 기존의 판매를 담당하던 직원들의 일자리를 대신하고 있습니다. 판매뿐만 아니라, 서빙도 기계가 대신하기 시작했습니다. 배달앱 ‘배달의 민족’을 운영하는 회사인 우아한 형제는 2019년 서울 송파구에 이탈리안 레스토랑 ‘메리고키친’을 오픈하였습니다. 이 곳은 스마트오더, 자율주행로봇 기술 등을 적용하여 주문, 서빙, 매출 관리 등 음식점 운영 전반을 자동화하였습니다. 즉, 서빙을 담당하는 직원, 카운터를 담당하는 직원 등의 일자리가 대체된 것입니다. 게다가 음식을 만드는 일 조차도 기계가 대신하기 시작했습니다. 우리나라에서도 우아한 형제는 세계적인 로봇 공학자 데니스 홍 교수가 이끄는 UCLA 산하 로봇 연구소 ‘로멜라’와 함께 요리 로봇 개발(프로젝트명 YORI)에 착수했습니다. 이 요리 로봇은 식재료를 자르고 팬을 뒤집는 등 다양한 동작과 기능을 소화해 낼 계획이라고 합니다. 또한 인공지능 기술의 발전으로 손님 개인의 취향에 맞춰서 레시피도 조절할 수 있습니다. 결국 음식점에 일하는 직원은 거의 대부분 사라질 것으로 예상할 수 있습니다.
사무실에서 일하는 화이트 칼라는 안전할까요? 거래처와 미팅을 하기 위해 이메일로 스케줄을 조율하는데 전혀 인간의 개입 없이 인공지능 기술이 적용된 챗봇이 비서 역할을 하는 서비스가 출시되었습니다. 예를 들어, 2014년 미국 뉴욕에 설립된 인공지능 서비스 개발회사인 x.ai는 인공지능 비서 서비스를 제공하고 있습니다. 이 서비스는 다양한 형태의 미팅 스케줄을 비서처럼 알아서 조율해줍니다. 예전에 형편없는 수준의 음성인식 기술을 경험하신 분들은 그래도 인공지능이 인간을 대신할 수는 없을 것이라고 생각하실 수도 있습니다. 그러나 지금의 챗봇 기술 수준은 인간의 능력을 거의 대부분 대신할 수 있을 정도로 발전했습니다. 우리나라에서도 쇼핑몰 등에서 챗봇 기술이 적용되고 있습니다. 점차 기술 수준이 높아지면서 콜센터에서 일하고 계시는 많은 분들이 가까운 미래에 일자리를 잃을 것입니다.
몇 가지 자동화 사례를 소개해 드렸습니다. 여기서 자동화의 대상이 되는 일은 어떠한 일일까요? 바로 ‘틀에 박힌 일’입니다. 어떤 종류의 일이라도 틀에 박힌 일은 인공지능의 자동화 위협에 노출되어 있습니다. 아무리 전문직이라고 해도 반복적으로 수행되는 기능이 많습니다. [보통 사람들의 전쟁]의 저자 앤드루 양은 이러한 일을 ‘지적 육체노동’이라고 불렀습니다. 예를 들어, 의사는 오랜 기간 수련기간을 거치는데 거의 같은 일을 수없이 반복하면서 일관성 있고 믿음직한 수준으로 능력이 향상됩니다. 이러한 과정이 바로 실수나 오류가 적은 기계와 같은 상태로 인간을 훈련시키는 것입니다. 기술의 발전은 이러한 수련의 과정을 필요 없도록 합니다.
앞서 기계와 인공지능 기술이 인간의 틀에 박힌 일들을 대신하는 몇 가지 사례를 소개해드렸습니다. 그렇다면 인공지능은 어떻게 틀에 박힌 일을 대신할 수 있는 것일까요? 이 질문에 우리는 인공지능 기술이 어떠한 원리로 동작하는지에 대해 약간은 이해할 필요가 있습니다. 다만, 인공지능을 개발하는 등 인공지능과 밀접하게 관련된 직업을 가지신 분이 아니라면 인공지능에 대해서 매우 자세하게 알 필요는 없습니다. 우리는 인공지능이 작동하는 원리를 간단히 알아봄으로써 기존에 인간이 하고 있는 일들 중 대체될 수 있는 일들을 알면 됩니다. 그래서 인공지능이 할 수 있는 일들에 대해 전문가가 아닌 일반인의 수준에서 알아보고자 합니다.
컴퓨터를 작동시키는 소프트웨어를 개발하는 과정을 프로그래밍이라고 합니다. 프로그래밍은 주로 모든 상황에 하나하나의 규칙을 입력하는 방식으로 해왔습니다. 이러한 프로그래밍에 많이 쓰이는 것이 바로 알고리즘입니다. 알고리즘은 어떠한 문제를 해결하기 위한 여러 동작들의 모임입니다. 유한성을 가지며, 언젠가는 끝나야 하는 속성을 가지고 있습니다. 수학과 컴퓨터 과학에서 알고리즘이란 특정한 작동이 일어나게 하도록 내재하는 단계적 집합입니다. 알고리즘은 연산, 데이터 진행 또는 자동화된 추론을 수행합니다.
우리가 평소 무언가를 검색할 때 많이 사용하는 구글 검색엔진도 여러 알고리즘을 활용한 것입니다. 구글 검색엔진은 웹 상의 정보는 양이 너무 방대하기 때문에 정보를 정렬하지 않으면 여러분이 원하는 것을 찾는 것이 거의 불가능에 가깝기 때문에 유용하면서도 관련성 높은 검색 결과를 신속하게 제공할 수 있도록 수 천억 개의 웹페이지를 검색 색인에 정리해 두고 사용자가 원하는 정보를 찾을 수 있도록 제시하는 것입니다. 이 엔진은 가장 유용한 정보를 제공하기 위해 검색어의 단어, 페이지의 관련성 및 유용성, 출처의 전문성, 사용자의 위치 및 설정과 같은 다양한 요소를 고려하여 각 요소에 적용되는 가중치는 검색어의 성격에 따라 달라집니다. 예를 들어, 시사 관련 검색어의 경우, 사전적 정의에 해당하는 검색어보다 최신 콘텐츠인지 여부가 더 중요합니다. 이외에도 훌륭한 알고리즘은 무수히 많습니다. 일자리를 걱정하는 우리에게 중요한 것은 인간의 기본적인 인지능력을 가지고 정해진 규칙에 따라 반복적으로 수행하는 틀에 박힌 일들은 기계가 대신할 수밖에 없다는 것입니다.
구체적으로 정해진 규칙에 따라 반복되는 일이 어떤 일들이 있을까요? 저는 인사 분야에서 오랜 기간 실무를 해왔습니다. 그래서 주기적으로 회사의 경영진에게 현재 인력 구성에 대한 보고서를 자주 만들어왔습니다. 좀 더 구체적으로 특정 시점에 전체 임직원수는 몇 명인지, 남녀 성비는 어떠한지, 직급별로는 어떠한지 이러한 내용을 실무자가 열심히 MS Excel로 정리하여 사칙연산이나 통계적으로 분석하여 보고서를 만듭니다. 이러한 일들은 인공지능이 아니더라도 소프트웨어의 발전 만으로도 인간이 할 필요 없는 일이 되고 있습니다. 이 글을 읽으시는 분들께서도 자신의 업무에서 이렇게 정해진 규칙에 따라 반복적으로 하는 일들이 어떤 것들이 있는지 확인해 보시길 바랍니다. 자신의 업무에서 이러한 일의 비중이 높다면 인공지능에 의해 얼마든지 대체될 수 있습니다.
그나마 다행히도 인공지능 등 기계가 인간이 쉽게 하는 일임에도 불구하고 하기 어려운 일들이 있었습니다. 바로 ‘인지’ 기능입니다. 인간은 누군가 볼펜을 가지고 쓴 숫자를 보고 0, 1, 2라고 쉽게 구별합니다. 그런데 인간이 어려워하는 복잡한 계산을 순식간에 처리하는 컴퓨터는 의외로 이러한 구별을 하는 것이 매우 어려웠습니다. 왜냐하면 인간은 어릴 때부터 이건 ‘0’이고, 이건 ‘1’이고 하는 식으로 배운 것처럼 인식하는 기준을 컴퓨터는 배운 적이 없기 때문입니다. 그래서 인공지능을 개발하는 분들은 이 문제를 해결하기 위해 많은 노력을 해왔습니다. 그러다가 인간에게는 너무나도 쉽지만 기계에게는 너무나도 어려운 인지의 문제를 푸는데 대단한 아이디어가 나타납니다. 바로 이러한 인지 기능을 컴퓨터로 구현할 때도 인간이 배우는 것과 비슷한 방법을 사용하면 좋겠다는 것입니다. 이러한 원리로 개발된 방법론이 바로 ‘머신러닝’입니다. 즉, 인공지능 스스로 주어진 상황과 대응 방법을 파악하는 방식으로 바뀐 것입니다.
머신러닝, 그리고 머신러닝의 일종인 ‘딥러닝’의 비약적인 발전으로 지적 능력의 특정 영역에서는 이미 인간의 능력과 유사하거나 넘어서는 경우가 나타나고 있습니다. 그래서 머신러닝과 딥러닝에 대해서 알아보도록 하겠습니다. 머신러닝은 문서, 음성, 이미지 등 데이터로부터 일종의 가설이라고 할 수 있는 모델을 찾아내는 기법을 말합니다. 기존에는 인간이 데이터 분석 등을 통해 모델을 만들었다고 하면, 기계가 데이터를 분석해 모델을 스스로 찾아내기 때문에 마치 기계가 데이터를 학습해 모델을 알아내는 것과 같다고 하여 머신 러닝이라고 이름을 붙였다고 합니다. 머신러닝은 지도학습, 비지도학습, 강화학습으로 구분할 수 있습니다. 지도학습은 마치 선생님이 정답을 알려주면서 학생을 가르쳐주듯 기계에게 입력과 정답이 쌍으로 구성된 학습 데이터를 주어서 입력에 대한 모델의 출력과 정답의 차이가 줄어들도록 모델을 수정하는 과정입니다. 비지도 학습은 입력만 있고 정답은 없는 형태로 데이터의 특성을 분석하거나 데이터를 가공하는 데 사용합니다. 강화학습은 입력과 해당 출력, 이 출력에 대한 평가의 쌍을 학습 데이터로 사용하는데, 주로 제어나 게임 플레이 등 상호작용을 통해 최적의 동작을 학습해야 할 때 사용합니다.
그렇다면 머신러닝은 무엇을 할 수 있는지 궁금합니다. 머신러닝에서는 지도학습이 비지도학습이나 강화학습에 비해 상대적으로 많이 쓰이고 있는데, 지도학습에서 다루는 문제는 크게 ‘분류(classification)’와 ‘회귀(regression)’로 나눌 수 있습니다. 특히, 머신러닝에서 가장 많이 다루는 문제가 바로 분류입니다. 분류는 입력 데이터가 어느 범주에 속하는지 알아내는 것입니다. 예를 들어, 메일이 왔을 때 정상 메일인지 스팸 메일인지 분류하거나, 숫자 이미지는 0~9 중의 하나로 분류하거나, 얼굴 이미지를 토대로 등록된 사용자 중의 하나로 분류하는 등의 문제입니다. 그리고 회귀는 어떠한 값을 예측하는 것입니다. 예를 들어, 특정 사람들의 연령별 소득 데이터가 주어졌을 때 연령에 따른 소득을 예측하는 모델을 구하는 문제입니다. 이와 같이 분류와 회귀가 어떠한 수학적 기법에 의해 작동하는지는 머신러닝을 개발하는 등 밀접한 직업이 아닌 이상 구체적으로 알 필요는 없습니다.
딥러닝은 ‘심층 신경망’을 이용한 머신러닝 기법이라고 할 수 있습니다. 여기서 심층 신경망을 간단히 알아보도록 하겠습니다. 신경망은 상당히 오래 연구된 분야인데, 최근에 딥러닝이 주목을 받으면서 신경망의 중요성이 상당히 커졌습니다. 인간은 무언가를 배우면 그 지식이 뇌에 저장됩니다. 컴퓨터는 메모리에 저장합니다. 인간의 뇌는 신경세포(neuron)의 연결관계를 바꾸는 방식으로 저장합니다. 왜냐하면 뇌의 신경세포에는 정보를 저장하는 공간이 따로 없기 때문입니다. 그래서 신경세포는 그저 다른 신경세포에서 오는 신호를 받아서 자신의 신호를 내보내는 역할만 합니다. 뇌는 이러한 신경세포들이 연결된 거대한 네트워크이며, 신경세포들의 연결 상태가 바로 뇌에 저장된 정보를 나타냅니다. 신경망은 뇌의 작동 원리를 본떠 만들었습니다. 뇌가 최소 단위인 신경세포들의 거대한 네트워크인 것처럼 신경망은 최소 단위인 ‘노드’라는 것들을 연결해 만든 네트워크입니다. 노드들을 어떻게 연결하는지에 따라 다양한 형태의 신경망을 만들 수 있는데, 가장 많이 쓰이는 형태가 계층적으로 노드들을 배치해 만드는 신경망입니다. 이러한 계층이 다수가 존재하는 것을 심층 신경망이라고 합니다.
포유류의 뇌, 특히 인간의 뇌는 다른 동물 집단에서 찾아볼 수 없는 특별한 능력을 가지고 있습니다. 바로 ‘신피질’이라는 뇌구조가 있기 때문입니다. 인간의 신피질은 발전을 거듭한 결과, 체계적으로 사고하는 능력을 가지게 된 것입니다. 뇌과학의 발전으로 딥러닝은 인간의 신피질이 작동하는 원리와 같은 방식으로 빠르게 발전하고 있으며, 극도로 발전할 경우 인간의 고유한 특성이라고 여겨지는 의식도 가질 수 있다는 것입니다. 신기하게도 심층 신경망에 특별히 어려운 수식이나 복잡한 구조가 사용되지 않는데, 영상 인식이나 음성 인식 등 머신러닝의 주요 문제에서 기존의 최고 성능을 모두 갱신하고 있습니다. 이 외에도 컨벌루션 신경망(convolutional neural network)이라는 영상 인식에 특화된 심층 신경망도 있는데, 뇌의 시각피질이 이미지를 처리하고 인식하는 원리를 차용한 신경망이 있습니다. 결론적으로 뇌과학을 통해 뇌의 비밀이 풀려야 딥러닝의 수준도 점차 높아질 수 있다는 것을 알 수 있습니다. 달리 말하자면 우리가 막연히 두려워하는 인공지능이 인간의 능력을 초월하는 것도 인간이 뇌의 비밀을 풀지 못하면 불가능하다는 이야기입니다. 물론 ‘강한 인공지능’이라고 하여 인공지능 스스로가 자의식을 가지는 수준이 나타날 수 있다는 이야기가 거론되고 있습니다. 이러한 강한 인공지능이 출현할 경우에는 기계가 뇌의 비밀을 푸는 등 스스로 진화 발전하여 인류의 멸망이라는 결론이 나타날 수 있다는 주장도 있으나, 이에 대한 대응은 기술적 이슈 외도 정치, 철학 등의 거대한 이슈로 인류의 생존이 걸린 문제로 이 글의 논의 범위를 넘어가니 이 정도로 마무리하겠습니다.
결론적으로 인공지능은 일종의 컴퓨터 응용 분야로 지금과 가까운 미래에 인간의 지적 능력을 대신하여 인류 전체의 생산성을 크게 향상시켜 줄 수 있는 도구라고 볼 수 있습니다. 1990년대만 하더라도 컴퓨터로 문서를 만드는 일은 아무나 할 수 있는 일이 아니었습니다. 그래서 당시에는 워드 프로세서 자격증이 취업에 도움이 되기도 하였습니다. 그뿐인가요? 이 당시에는 이메일을 쓸 수 있는 사람도 흔치 않았습니다. 왜냐하면 지금처럼 사용하기 편안한 그래픽 기반의 인터페이스(GUI)가 없었고 텍스트로 명령어를 입력해야 했기 때문입니다. 심지어 제 경우에는 1990년대 말에 ‘인터넷 정보검색사’ 같은 자격증을 주변에서 전망이 있다고 해서 취득한 적도 있습니다. 그러나 지금은 어떤 회사에 면접을 보러 가도 워드 프로세서 쓸 수 있느냐, 또는 이메일을 보낼 수 있느냐, 인터넷 검색할 줄 아느냐는 질문을 받기 힘듭니다.
기계와 인공지능 기술의 발전은 기존에 인간이 해 온 단순한 신체적, 지적 능력을 사용하는 ‘틀에 박힌 일’을 멀지 않은 미래에 대부분 대신할 것입니다. 반대로 보면 단순하지 않은 신체적, 지적 능력과 정서적 능력은 인공지능이 쉽게 대신하기는 어렵다고 볼 수 있습니다. 따라서 우리는 인공지능이 대신할 수 없는 인간의 능력이 무엇이고, 이러한 능력을 어떻게 키워야 하는지 알아볼 필요가 있습니다. 왜냐하면 인간이 새로운 능력을 습득하는 것은 많은 시간과 노력이 필요하기 때문입니다.
