서비스 업계의 인공지능 (7/8)
"서비스 업계의 인공지능(Artificial Intelligence in Service)은 Ming-Hui Huang과 Roland T. Rust 가 쓴 글입니다.
Discussion
토론
Our theory of AI job replacement provokes several additional issues for researchers and policy makers to consider in facing the AI revolution in the service economy. It also provides practical guidelines for managers in formulating their strategic decisions of whether and when to replace workers with AI as well as suggestions for business educators about how to train our students. Table 3 summarizes a set of future service research topics based on the major conclusions from our theory.
인공지능 일자리 대체 이론은 연구자들과 정책 입안자들이 서비스 경제에서 인공지능 혁명을 맞이할 때 고려해야 할 몇 가지 추가적인 이슈를 야기합니다. 또한 그것들은 노동자들을 인공지능으로 대체할지와 언제 할지에 대한 전략적 결정에 대한 경영진들의 실질적인 지침일 뿐만 아니라 학생들을 어떻게 훈련시킬지에 대한 비즈니스 교육자를 위한 제안입니다. <표 3>은 이론의 주요 결론에 기초한 미래 서비스 연구 주제들을 요약한 것입니다.
Should Firms Replace Employees With AI?
기업들은 직원들을 인공지능으로 대체해야 하는 가?
The decision should be at the task level, not the job level, which means that a firm needs to think of the task portfolio of a job and optimize the division of labor between human workers and AI. There are several factors that a firm can consider:
이 결정은 일자리 차원이 아니라 업무 차원에서 이루어져야만 합니다. 기업은 일자리에 대한 업무 포트폴리오를 고려하고 근로자와 인공지능 간의 업무 분할을 최적화할 필요가 있습니다. 기업이 고려할 수 있는 몇 가지 요인은 다음과 같습니다.
Nature of tasks. 업무의 본질
Tasks that require a lower intelligence should be replaced first. The more tasks that can be replaced by AI, the fewer human workers will be needed. Jobs that are comprised of tasks requiring different intelligences will be the best candidates for human–machine integration.
우선 더 낮은 지능을 요구하는 업무가 대체되어야 합니다. 인공지능이 대체할 수 있는 업무가 많아질수록 더 적은 노동자를 필요로 합니다. 서로 다른 지능을 요구하는 업무로 이루어진 일자리들은 인간과 기계의 통합이 가장 적합한 후보일 것입니다.
Nature of service. 서비스의 본질
In the short run, transactional service (i.e., relational benefits are limited) will benefit more from AI replacement, whereas relational service can be expected to benefit more from human workers for higher customer lifetime value (Huang and Rust 2017). Service that demands a stronger human interaction or human touch will be more difficult for AI to replace (Giebelhausen et al. 2014).
단기적으로는 트랜잭션 서비스 (즉, 관계적 혜택은 제한적)는 인공지능이 대체가 더 많은 혜택을 받는 반면, 관계 서비스는 더 높은 고객 생명주기 가치에 대한 인간 노동자가 더 많은 혜택을 줄 것으로 기할 수 있습니다. 더 강한 인간과의 교감과 이간의 손길을 요구하는 서비스는 인간이 대체하기 어려울 것입니다.
Strategic emphasis of firms. 기업의 전략적 강조
Given that AI applications tend first to occur for cost reasons, firms that employ a cost leadership strategy will use more AI replacement, whereas firms that employ a quality leadership strategy will use more human labor and less AI. As AI develops intelligence greater than HI, even quality strategies will employ AI.
기업들은 비용 상의 이유로 인공지능을 활용하는 경향이 있습니다. 비용 리더십 전략을 채택하는 기업은 인공지능을 더 많이 활용하는 반면에 품질 리더십 전략을 채택한 기업은 사람을 더 많이 투입하고 인공지능은 적게 활용합니다. 인공지능이 인간 지능보다 더 크게 발전하게 되면, 품질 전략 기업조차도 인공지능을 활용할 것입니다.
How Should Firms Replace Human Labor With AI?
기업들은 어떻게 노동자를 인공지능으로 대체해야 하는 가?
The multiple possibilities for human–machine integration provide directions for firms to design AI service strategies:
인간과 기계의 통합을 위한 여러 가지 가능성은 기업이 인공지능 서비스 전략을 설계하는 방향을 제공합니다.
Segment the market into segments having stronger preference for either human or machine service. The key considerations for this strategy are whether there is consumer preference heterogeneity for service and whether the firm has the comparative advantage in either human or machine service.
시장 세분화는 인간 또는 기계 서비스에 대한 강한 선호도가 기여합니다. 서비스에 대한 소비자 선호에 이질성이 있는지와 기업이 인간 또는 기계 서비스에서 비교우위를 가지고 있는지가 이 전략의 핵심 고려 사항입니다.
Have both humans and machines provide service. In this strategy, it can be humans supporting machines or machines supporting humans. The keys for this strategy are whether humans or machines should play the dominant role in service provision, and the degree to which the service process can be streamlined to include both humans and machines.
인간과 기계가 모두 서비스를 제공합니다. 이 전략은 기계를 지원하는 사람이거나 사람을 지원하는 기계를 말합니다. 서비스를 제공하기 위한 지배적인 역할을 인간이나 기계 중에 누가 하는지와 인간과 기계가 함께 제공하는 서비스 프로세스를 어떻게 효율화할지가 이 전략의 핵심입니다.
Have machines provide all service. Firms should fully automate service when there is a sufficient cost advantage, there is a sufficient quality advantage, or both. Amazon Go is one such mechanical intelligence example such that no service people are required in the entire store.
기계가 모든 서비스를 제공합니다. 기업은 충분한 비용 이점이 있거나 충분한 품질 이점이 있거나 또는 둘 다 가능성이 있을 때 서비스를 완전히 자동화합니다. 아마존 고는 매장 전체에 사람을 필요로 하지 않는 기계적인 지능의 사례입니다.
Have machines enhance labor. This can include both the possibilities of enhancing customer or employee labor. For example, marketers could find interest in tools for performance improvements of the average person; ways to burn calories, eat well, work faster, and move better, especially considering the success of gadgets such as the FitBit (Conick 2016).
기계가 사람의 노동력을 향상합니다. 고객 또는 직원의 노동력을 향상할 수 있는 가능성을 말합니다. 예를 들어, 마케팅 담당자들은 평균적인 사람의 성능 향상을 위한 도구, 즉 칼로리를 소비하고, 잘 먹고, 더 빨리 일하고, 더 잘 움직이는 방법에 관심을 가집니다. 특히 FitBit(Conick 2016)와 같은 기기의 성공이 대표적입니다.
Have machines enhance labor connectivity for collective intelligence. For service employees, though individually they may have limited intelligence, collectively they can support each other. Customers can similarly benefit from collective intelligence. For example, social media that facilitate customer interactions provide a rudimentary example of this strategy.
기계가 집단 지능을 위한 노동 연결성을 강화합니다. 서비스 직원은 개별적으로 제한된 지능을 가질 수 있지만, 집단적으로 서로를 지원할 수 있습니다. 고객들은 동시에 집단 지성에서 혜택을 가질 수 있습니다. 예를 들면, 고객과 교감을 촉진하는 소셜 미디어는 이 전략의 기본적인 사례입니다.
What Is Going to Happen to Service Jobs?
서비스 직업에 어떤 일이 생길 것인가?
In the postindustrial age, when the lower intelligence jobs were taken over by machines, the proportion of jobs in every developed economy shifted from manufacturing to service because the latter requires heterogeneous contextual interaction, compared to mechanical AI, which emphasizes consistency and precision. Now when analytical jobs are taken over by AI, what is going to happen to those jobs? Our theory predicts that those workers will need to upgrade their intuitive and empathetic skills, and ultimately even intuitive skills will become less important than empathetic skills. In short, soft people skills will increasingly become the most important factor for employability.
더 낮은 지능의 일자리를 기계가 대체하던 후기 산업화 시대에, 모든 선진 경제의 일자리는 제조업에서 서비스업으로 이동했습니다. 왜냐하면 서비스업은 기계와 인간의 맥락을 가진 상호 교감을 요구하기 때문입니다. 즉, 서비스업은 정확성과 일관성을 강조합니다. 이제 분석적인 일자리가 인공지능이 담당하게 될 때 서비스 일자리에 어떤 일이 생길까요? 우리의 이론은 노동자들이 그들의 직관과 공감 능력을 향상해야 합니다. 궁극적으로 직관 능력은 공감 능력보다 중요하지 않더라도. 단기적으로 소프트 스킬은 고용 가능성의 가장 중요한 요소가 될 것입니다.
A relevant issue is what will be next, after the job migration from manufacturing to service, after AI acquires all HIs and is capable of taking over jobs? What is the post-service economy? The hope for human workers seems to be to explore all the possibilities for human-machine integration discussed earlier.
제조업 일자리가 서비스 분야로 전환된 후, 인공지능이 모든 인간의 일자리를 대체한 후 관련 이슈는 다음에 올 것입니다. 다음 서비스 경제는 무엇인가? 인간 노동자들의 희망은 앞서 논의했던 인간과 기계 통합을 위한 모든 가능성을 탐구하는 것 같습니다.
What Skills Will Become More Important?
어떤 기술이 더 중요해질 것인가?
Our theory provides direct implications as to how service workers should equip themselves with the right intelligence skills that have higher survival value and what kinds of intelligences firms should look for in deploying their AI replacement strategies. An interesting and important trend we observe, by applying this theory, is concern about our current business analytics education. With the boom in offering business analytics programs in major universities, our theory implies that we should be careful about oversupplying analytics skills, as such skills will soon become a comparative advantage of machines, and can be expected to be supplied by more advanced AI. The key to remaining important will become the interpretation and decision-making based on the analytic results not the data and analysis skills per se. Therefore, in training students, such programs should emphasize creative thinking and intuition in interpreting data or making decisions rather than training students to be data and analysis machines that can lose their importance sooner.
우리의 이론은 서비스 근로자들이 생존 가치가 더 높은 올바른 지능 기술을 어떻게 갖추어야 하는지와 기업은 인공지능 대체 전략을 실행하기 위해 어떤 종류의 지능을 찾아야 하는지에 대한 직접적인 답을 제공합니다. 우리가 관찰하는 흥미롭고 중요한 경향은 우리의 이론을 적용을 통한 현재의 비즈니스 분석 교육에 대한 우려입니다. 주요 대학의 비즈니스 분석 프로그램이 우후죽순 생겨나면서 우리는 분석 기술의 과잉 공급을 조심해야만 합니다. 분석 기술은 머지않아 더 진보된 인공지능이 출시되어 기계가 비교우위를 차지할 것이라 예상할 수 있습니다. 중요한 핵심은 데이터 및 분석 기술 자체보다는 분석 결과에 기초한 해석과 의사 결정입니다. 그러므로 학생들이 곧 일반화될 데이터와 분석 기계가 되도록 가르치는 것보다 자료를 해석하거나 결정을 내릴 때 창의적인 생각과 직관을 활용하도록 훈련시켜야 합니다.
Our theory also provides important insights regarding how the negative impact of AI replacement can be redirected into the new skill development. It may be seen in the popular press that as AI replaces lower skilled jobs, workers who lack the training or ability to function at a higher intelligence level often become unemployed (C. C. Miller 2017). Ignatius (2015), the Harvard Business Review (HBR) editor in chief, states that HBR has considered the robotic threat over the years, from the 1981 article by labor expert Robert Schrank, to Davenport and Kirby’s (2015) “Beyond Automation,” to Brynjolfsson and McAfee’s (2016) “The Second Machine Age.” All these articles have a common theme regarding whether a large-scale displacement is inevitable. Evolving to a higher intelligence, and especially acquiring intuitive and empathetic skills, appears to be the most promising self-development and education strategy.
또한, 우리의 이론은 인공지능 대체의 부정적 영향이 새로운 능력 개발로 어떻게 이어질 수 있는지와 관련돼 중요한 통찰력을 제공합니다. 인공지능이 더 낮은 숙련 직업을 대체할 때 더 높은 지능 수준의 업무를 할 수 있는 훈련이나 능력이 부족한 노동자들이 실직할 수 있다는 것은 여러 언론에서 확인할 수 있습니다. 하버드 비즈니스 리뷰의 수석 편집장인 이그나티우스는 HBR이 1981년 노동 전문가 로버트 슈크가 쓴 글에서부터 데이븐포트 앤 커비의 "자동화를 넘어서"와 브린졸프슨과 McAfee의 "제2기계 시대"에 이르기까지 수년간 로봇 위협을 고려했다고 말합니다. 이 모든 기사들은 대규모 일자리 대체가 불가피한지에 대한 공통의 주제 의식을 가지고 있습니다. 더 높은 지능으로 진화하는 것, 특히 직관 및 공감 능력을 습득하는 것이 장 유망한 자기 계발과 교육 전략으로 보입니다.
Conclusion
결론
We develop a theory for understanding the nature of service work and how/why AI can substitute for or ultimately replace humans in each type of task/job. This theory of AI job replacement provides a road map about how AI advances to take over tasks requiring different intelligences, how AI can and should be used to perform service tasks, and finally how workers can and should shift their skills to achieve a win–win between humans and machines. We conclude that the advance of AI in all four intelligences creates opportunities for innovative human–machine integration for providing service but also results in a fundamental threat for human employment.
우리는 서비스 작업의 본질과 인공지능이 업무와 일자리의 종류에 따라 인간 노동자를 대체하는 방법과 원인을 이해하기 위한 이론을 개발합니다. 인공지능 일자리 대체 이론은 인공지능이 어떻게 다른 지능을 필요로 하는 업무를 하는지, 인공지능이 서비스 업무를 수행하는 데 어떻게 활용될 수 있고 또 어떻게 해야 하는지, 마지막으로 근로자들이 인간과 기계의 윈윈을 달성하기 위해 기술을 어떻게 바꿀 수 있고 또 어떻게 해야 하는지에 대한 로드맵을 제시합니다. 우리는 4 가지 지능에 있어서 인공지능의 진보가 서비스를 제공하기 위한 혁신적인 인간과 기계의 통합의 기회를 만들 뿐만 아니라 인간 고용에 대한 근본적인 위협으로 이어진다고 결론짓습니다.
