AI 시대 생존 전략

직장과 업무: AI가 표준이 될 때 개인의 특징은 더 중요해진다

AI를 다룰 줄 아는 자가 당신의 자리를 노린다

직장에서 오래 살아남고 싶다면 AI를 보조 수단으로 적극 활용하고, AI의 발전을 예의 주시해야 한다. AI로 인해 일자리를 빼앗길까 봐 걱정하는 사람이 많아졌다. 나 역시 이런 불안감의 확산을 충분히 이해한다. 다만 이러한 심리는 AI에 대한 잘못된 접근법과 핵심을 벗어난 인식 때문에 더 커질 수 있으니 주의가 필요하다.

만약 타임라인을 따라 산업혁명과 컴퓨터 혁명이 일어났던 시기로 거슬러 올라가서 그때를 지금의 AI 혁명과 비교해 보면 기술의 진보가 모두의 우려와 달리 아주 서서히 그 시대를 잠식해 나갔다는 것을 알 수 있다. 더불어 일류사회는 이 새로운 기술에 적응하는 방법을 찾아 나가며 리스킬(기존의 기술이나 역량의 강화-역자)과 업스킬(새로운 기술과 업무 능력의 습득-역자)을 통해 끊임없이 발전을 이어왔다.

예를 들어 헨리 포드(Henry Ford)가 자동차를 발명하기 전까지 인류는 마차를 이용했다. 그런데 세계 최초의 자동차로 불리는 'Model T'가 탄생하고, 대량 생산이 이루어진 후부터 전혀 다른 세상이 펼쳐졌다. 교통 혁명이 순식간에 휘몰아치면서 사람들은 지금까지 마차로 갈 수 없었던 무수히 많은 곳을 자동차를 타고 이동할 수 있게 되었다. 한발 더 나아가 교통 혁명은 관광 산업의 발전으로 이어졌고, 더 많은 일자리를 창출하는 견인차 구실까지 해냈다.

AI로 인해 일자리를 빼앗길까 봐 두려워하지 마라

비슷한 사례는 금융업계에서도 등장했다. 현금자동인출기 ATM 가 처음 나왔을 때 사람들은 이제 은행이 사라지고, 창구 직원도 일자리를 잃게 될 거라고 하나같이 입을 모았다. 하지만 결과는 어땠을까? 알다시피 지금까지 그런 일은 일어나지 않았다. 도리어 은행은 '서비스 업종'으로 전환되어, 입출금 거래와 대출 처리에 그치지 않고, 재테크 플랫폼이자 생활 밀착형 창구로 탈바꿈했다.

그런 의미에서 AI 시대도 같은 맥락으로 바라볼 필요가 있다. 최근 강연을 할 때마다 내가 늘 잊지 않고 하는 말이 있다. “AI는 여러분의 일자리를 하루아침에 없애거나 빼앗아가는 존재가 아닙니다. 그것은 지금까지 인간이 늘 해왔지만, 그 역할이 점점 미약해지고 축소되는 업무를 단계적인 구조조정과 해체를 거쳐 대신하게 될 뿐입니다.”

우리는 AI가 업무에 미치는 영향을 고민할 때 'AI가 어떤 일자리를 차지하게 될까?'에 초점을 맞추는 것이 아니라 'AI가 어떤 '임무'를 대신할 수 있을까?'를 먼저 질문해야 한다. AI는 단순하고 반복적인 업무를 대신할 수 있고, 강력한 추리 능력을 보여주지만, 협력과 조율, 의사 결정, 관리영역을 대신할 수는 없다. 협력과 조정, 의사 결정, 관리처럼 '인간이 현장에 있어야 하 고, AI로 대체할 수 없는 일'이 아직 많이 남아 있기 때문이다.

AI가 가장 강력한 힘을 발휘한 분야는 편집 프로그래밍이었다. 이 분야에서 생성형 AI는 소프트웨어 엔지니어의 생산력을 125%까지 끌어올리도록 도울 수 있다. 쉽게 말해서 엔지니어가 기존에 코드 한 줄을 작성하는 데 걸리는 시간 동안 AI는 두세 줄을 작성할 수 있게 된 셈이다.

더 깊이 파고들어 관찰해 보면 생성형 AI가 고객센터 직원, 디지털 실무자, 소프트웨어 엔지니어의 생산력을 현저히 높였다는 것을 알 수 있다. 하지만 그렇다고 해서 그들의 일이 AI에 완전히 대체 됐을까? 챗봇의 채팅 능력이 그렇게 뛰어나면 고객 서비스를 담당하는 직원들은 전부 실직자가 되어야 하지 않을까? 지금까지의 결과를 놓고 본다면 그런 일은 절대 일어난 적이 없으니 다들 안심해도 좋을 듯싶다.

고객센터 직원의 업무 내용을 보면 고객이 원하는 정보를 정확히 답변해 주어야 하고, 특히 고객의 불만 사항을 처리할 때 더 조심스럽게 대처하며 고객의 마음을 다독일 줄 알아야 한다. 만약 이런 세부 프로세서에 챗봇을 활용한다면 어떤 결과가 나올지 예측할 방도가 아직은 없다. 챗봇은 천문과 지리처럼 방대한 지식을 알 정도로 똑똑하지만, 그저 지시에 따라 일을 처리하는 로봇에 불과하다. 그렇다 보니 아무리 말솜씨가 뛰어나고, 사람과 거의 다를 바 없이 행동하는 챗봇일지라도 고객에게 헛소리를 할지 안 할지 누구도 확신할 수 없다. 그래서 기업과 브랜드는 챗봇을 고객 서비스 응대로 활용하는 것에 대해 아직 주저 경향을 보인다. 사실 어느 누가 고객의 기분을 상하게 할지 모를 위험 부담을 떠안고 싶겠는가?

AI를 이길 수 없다면 AI가 나를 돕게 만들자

현재 일부 온라인 교육업체들은 이미 생성형 AI의 음성 인식, 음성 합성 기술을 활용해 학습자가 가상의 언어 강사와 대화를 나누며 학습을 하도록 온라인 교육을 제공하고 있다. 내 휴대폰에도 AI와 질의응답을 하고, 언어를 학습할 수 있는 앱이 여러 개 깔려 있다. 이 앱들이 제 기능을 잘 발휘한다면 기존에 온라인을 통해 대면 교육을 하던 인력이 다소 감소할 것이다.

하지만 걱정할 일은 아니다. 장기적으로 볼 때 다양한 분야의 인력이 생성형 AI를 활용한 후 해당 분야의 생산력 이 큰 폭으로 상승하면 기업 입장에서 인력을 더 충원할 수밖에 없지 않을까? 아이카라의 경우 인력의 과잉 유입이 없고, 중복성이 높은 작업 프로세서도 아니기 때문에 직원들이 AI를 적극적으로 활용한 후에도 인력 감원이 발생하지 않았고, 생산력이 현저히 높아져 사업 규모가 지속적으로 확대되면서 도리어 더 많은 인재를 적극적으로 물색 중이다.

모든 사람이 AI 전문가가 되어 AI의 내부가 도대체 어떻게 작동하는지, 어떤 기술 구조를 채택했는지 알아야 할 필요는 없다. 그러나 조직 안에서 매일 반복되는 업무의 늪에 빠지지 않고 효율을 높이려면 AI를 파트너로 삼아 상호보완 관계를 맺을 수 있어야 한다. 그러기 위해서는 AI가 자신을 위해 어떤 일을 할 수 있는지, 어떤 문제를 해결해주고, 어떤 가치를 만들어 낼 수 있는지 늘 관심을 기울여야 한다. 기업도 AI가 모든 직원에게 미치는 영향을 신중히 고려해 직원의 성장 방향을 계획해야 한다. 생성형 AI를 정확하게 이해하고, AI를 보조 도구로 사용할 줄 안다면 언젠가 로봇이 인간의 일자리를 빼앗아 갈 거라는 두려움에서 벗어날 수 있다.

학습과 사고: AI와 공존해도 당신의 뇌는 아웃소싱 될 수 없다
논리력, 표현력, 언어 능력이 성공의 관건이다
자연어를 잘 배우면 일거양득

AI 시대에 데이터과학자, 소프트웨어 엔지니어 등과 같은 직종이 각광받고, 전 세계적으로 프로그래밍 교육 열풍이 일어나며, 108개의 커리큘럼에 프로그래밍 언어가 포함되었다. 이처럼 사회 전반적인 분위기가 프로그래밍 언어를 배우지 않으면 도태라도 되는 것처럼 흘러가고 있다. 어쩌면 파이썬이 앞으로 영어 다음으로 가장 중요한 언어가 될지도 모른다. 그러나 우리는 영어가 여전히 파이썬보다 앞서 있다는 점에 주목해야 한다. 그럼 영어는 무슨 언어일까? 이 질문에 대한 정답은 바로 '자연어'이다.

좀 더 직접적으로 말하자면 프로그래밍 언어는 기계만 동원할 수 있지만, 자연어는 인간을 동원할 수 있다. 당신이 자연어를 제대로 배우기만 하면 프로그래밍 언어를 잘하는 사람에게 당신을 위해 일하도록 만들 수 있다. 소통, 표현, 강연, 브리핑, 심리상담, 위로, 격려와 같은 인간 사회의 기본 요소가 모두 자연어를 통해 이루어지기 때문이다.

우리가 현재 챗GPT, 제미니, 코파일럿과 대화를 나눌 때 자연어를 잘할수록 정확한 지시를 내릴 가능성도 높아지고, 그 결과 역시 더 좋아질 수밖에 없다. 이는 예전에 자연어를 잘 다루는 사람이 선동과 소통에 능했던 것과 다르지 않다. 지금은 그 대상이 기계로 확대되었다고 볼 수 있다. 그 흐름을 타고 AI 가수나 프롬프트 엔지니어와 같은 직업이 새롭게 생겨났다.

만약 사람들과 교류할 때마다 날씨 얘기나 하고, 밥을 먹었냐고 묻는 등 무료하고 영양가 없는 말만 한다면 기계가 자신을 위해 임무를 완수할 수 있을지를 논할 필요조차 없다. 내가 보기에 프로그래밍 언어를 배웠을 때의 이점이 딱 한 개뿐이라면, 자연어를 제대로 배웠을 때는 일석이조의 효과를 거둘 수 있다. 사람들이 사람은 물론 기계와도 소통할 수 있으려면 먼저 자연어를 제대로 배워야 한다.

지금까지 오랜 기간 관찰해 본 결과, 동양인은 소통에 익숙하지 않았다. 우리의 교육 과정을 돌이켜 봤을 때 학생은 선생님의 지시와 가르침을 일방적으로 받아들이는 데 익숙하고, 그 결과 성적은 좋지만, 표현력이 부족한 모범생이 될 수밖에 없다. 그러나 창업을 하고, 사장이 된 후에야 나는 한 회사를 경영하려면 소통 능력이 뒷받침되어야 한다는 사실을 뼈저리게 느꼈다. 사실 지금 나의 일은 제일선에서 직접 집행하는 것과 거리가 멀고, 설사 직접 나서서 행동으로 옮길 능력이 있다 하더라도 대부분의 업무 내용은 말과 글을 통해 다양하게 전달하는 경우가 많다.

글쓰기 능력이 쇠퇴하면 소통과 표현 능력도 떨어진다

나는 글쓰기와 관련해서 중요한 원칙을 하나 가지고 있다. 내가 사람들에게 어떤 일에 대해 간단한 방식으로 알려줄 수 없다는 것은 나 자신조차 그 일을 제대로 이해하지 못했다는 방증이다. 그만큼 표현 능력이 중요하다는 뜻이다. 아인슈타인은 이런 말을 했다. "어떤 것을 쉽게 이해할 수 있는 방식으로 풀어낼 수 없다면 당신은 그것을 제대로 이해하지 못한 것과 같다." 즉, 아무리 복잡한 지식일지라도 쉽고 간단하게 표현할 수 있는 방식이 있다.

에드가 데일의 '학습의 원추' 안에는 강의, 독서, 시청, 시범 등 각종 학습 방식이 있고, 각 학습 방식의 '지식 기억률'은 조금씩 다르다. 학습의 원추에서 지식 기억률을 90퍼센트까지 끌어올릴 수 있는 가장 강력한 학습 방식은 '다른 사람을 가르치는 것'이다. 이때 특히 주의해야 할 점은 글을 쓰는 것은 책을 읽는 것과 다르다는 점이다. 당신은 독서를 통해 수많은 지식을 머릿속에 넣을 수 있지만, 그렇다고 해서 그 내용을 정리해서 명확하게 말할 수 있을까? 반드시 그렇다고 장담할 수 없다. 그러나 글쓰기는 한 번에 정리와 묘사를 완벽하게 다룰 수 있는 기술이다.

지금까지도 나는 아인슈타인의 말과 학습의 원추 이론에 전적으로 동의하며, 양자 역학처럼 어려운 물리학 이론도 처음부터 수학 공식으로 접근하기보다 먼저 글을 쓰는 방식으로 개념을 설명하거나 묘사하고, 그런 후에 천천히 입문하면 된다고 확신한다. 이 원칙을 실천하고 나면 당신은 어떤 일을 간단하고 이해하기 쉽게 말하기 위해 많은 시간과 노력이 들어간다는 것을 알게 될 것이다. 당신은 그 내용을 계속 이해하고, 요약하고, 정리하는 것뿐 아니라, 무슨 내용인지 이해하지 못하는 사람들까지 고려해 단어 하나하나를 신경 쓸 수밖에 없다. 그래서 나는 다양한 형식을 통해 표현 능력을 강화하고, 글이 돋보이도록 시각적으로 꾸미는 데 공을 들인다.

예를 들어 나는 유머러스하고 재치 있는 이미지를 모으는 것을 가장 좋아하는데, 가족끼리 놀러 가서 찍은 사진첩보다 이런 재미난 이미지를 모은 사진첩이 훨씬 더 많은 저장 공간을 차지할 정도다. 이런 사진이 보이기만 하면 모으는 것 역시 독자나 관중들과 소통하는 나만의 방식 중 하나이다. 때로는 이런 사진으로 표현했을 때 흡인력이 향상되고 청중의 공감을 더 쉽게 불러일으킬 수 있다.

고도로 연결되어 있고, 너나 할 것 없이 주목받기 위해 경쟁하는 커뮤니티 시대에 페이스북의 알고리즘 통제에 불만을 품기보다 차라리 자본이 거의 들지 않는 글쓰기와 의사소통 능력에 투자를 강화하는 편이 훨씬 더 이득이다. 결국 이제까지 늘 그래왔듯 좋은 것은 더 빠른 속도로 전파되기 마련이고, 커뮤니티 사이트에서 좋은 글을 한 편 쓴다면 그 영향력 역시 빠르게 증폭될 것이다. 유입량이 있다면 디지털 시대에 두각을 드러낼 무기를 장악한 것이 아니겠는가?

비판적 사고 능력이 강해야 AI를 잘 다룰 수 있다
인간과 기계의 가장 큰 차이는 무엇일까?

'주도적'인 비판적 사고 능력은 지금 우리가 AI를 앞서는 몇 안 되는 기능 중 하나일지 모른다. 이 부분에서 인간은 AI와 매우 다르다. 일단 여기서는 '비판적 특징을 잠시 보류하고, 한발 물러서서 '사고'에만 먼저 집중하도록 하자.

인간은 생각할 줄 알기 때문에 눈앞에 맞닥뜨린 크고 작은 일을 해결할 수 있고, 그런 일을 삶의 경험으로 체화시키고 나면 같은 일이라도 다른 감정을 갖고 창의적으로 생각하게 된다. 이것이 바로 우리가 여전히 우위를 점하는 부분이다.

비록 누군가는 기계도 전혀 상관없어 보이는 사물을 서로 연결시킬 수 있으니 창의적이라고 말할지 모른다. 창의성에 대한 정의는 사람마다 다르지만, 대부분의 창의적 혁신은 서로 관련이 없어 보이는 두 가지 사물의 연결과 조합을 통해 만들어진다. 그리고 AI는 추리를 통해 인과 관계를 찾아내고, 더 나아가 지식을 연결할 수 있으므로 현 상황에서 AI가 우리가 정의하는 '창의적 능력'을 가지고 있는 것만은 확실해 보인다.

그러나 AI와 인간이 만들어 낸 결과물을 자세히 들여다보면 여전히 차이가 존재한다는 것을 발견할 수 있다. 예를 들어 챗GPT가 작성한 비즈니스 문서와 문안을 보면 표현은 뛰어날지 몰라도 문장의 구조적인 면에서 정해진 틀을 벗어나지 않아 '개성'이 느껴지지 않는다. 아주 가벼운 주제조차도 수미쌍관을 이루며 마지막에 결론을 마무리 지으려고 하니 어색하기 짝이 없다. 반면에 사람이 쓴 글은 논리적 오류가 보일 수 있지만, 이것조차도 인간의 독특한 개성을 부각시키는 요소로 작용한다.

결국 관건은 인간이 머리를 써서 생각하기를 원하는지 아닌지에 달렸다. 만약 당신이 생각하지 않는다면 AI가 당신보다 대단한 셈이다. 내가 당신에게 의견을 물을 때마다 당신은 항상 '떠오르는 게 없다', '다 괜찮다', '잘 모르겠다', '생각이 안 난다'는 식으로 대답한다면, 나는 차라리 챗GPT에게 물어보는 편을 선택할 것이다. 결국 AI가 검색으로 나에게 영감과 아이디어를 줄 것이다.

'사고'를 '비판적 사고'로 확장한다면 간단한 주제에 대해 자신의 관점을 제기할 수 있는지, 아니면 남의 의견에 부화뇌동할 것인지가 관건이 된다. 당신이 어떤 문제에 대해 자신의 독창적인 생각을 제시하고, 독립적인 판단을 할 수 있을 때, 당신은 비로소 특별해진다. 이런 것이 가능해야 사람은 서로 다른 특성을 가질 수 있고, 이런 점은 인간과 기계의 구분을 위해서도 반드시 필요하다. 그렇지 않고 우리가 단지 약간의 하드웨어 기능에만 의존해 매일을 살아간다면 기계와 무엇이 다르겠는가?

비즈니스와 경영: AI의 장단점 파악하고 이용하기
세상으로부터 배우는 경영의 원칙과 철학
챗GPT의 등장으로 벌어진 중미 양국 간의 AI 발전 격차

지금까지 나는 특정한 학습 대상을 가지고 있지 않았다. 나의 접근 방식은 다양한 국가나 교류가 있었던 기업, 그리고 리더들로부터 배울만한 요소를 찾아내 모으는 것이었다. 예를 들어 나는 미국에서 '혁신'을 배웠고, 중국에서 '기업 문화'를 받아들였으며, 일본의 비즈니스 습관인 '엄격함'을 본받았다. 요컨대 다른 사람의 장점을 모두 배우기 위해 모든 방법을 총동원했다고 해도 무방하다.

미국의 강점: 비즈니스 인프라와 긍정적 사고를 키우는 교육 방식

첫째, 미국은 비즈니스 인프라가 완벽하고 견고하게 갖추어져 있다. 미국에서 하나의 뛰어난 혁신이 제안되면 각 면의 전문가(예를 들어 영업, 마케팅, 공학, 법률 등)가 곧바로 한자리에 모여 함께 이 혁신을 통해 기업을 막강하게 발전시킨다. 비즈니스 인프라가 제대로 갖추어져 있지 않은 곳은 전문가의 분업이 충분히 이루어지지 않고, 기업의 리더가 알아서 자원을 찾는 것은 물론 모든 것을 직접 배워야 한다. 엔지니어 출신의 리더는 영업, 마케팅, 관리, 인사까지 모두 해야 하기 때문에 결국 동서양 기업 발전의 속도가 달라지는 결과를 초래할 수밖에 없다.

둘째, 미국의 학습, 교육 방식은 그들의 강한 자신감의 근원이다. 이제까지 미국은 긍정적 사고를 장려해 왔다. 한 잔의 물이 '반이나 남아 있는지' 아니면 '반밖에 안 남아 있는지'를 알아보는 유도 질문에서 미국인들의 절반이 '반이나 남아 있다'고 대답했다. 어린아이가 엉망진창으로 그림을 그려도 교사는 늘 "와! 넌 미래의 피카소나 다빈치가 분명해."라고 말해준다. 반면에 동양인은 99점을 받아가면 집에서 "1점만 더 받으면 얼마나 좋았어? 반에 100점 맞은 애가 있니? 넌 왜 이렇게 덤벙대니?"라고 말한다. 이런 상황에서 동양의 전통 교육은 아이들의 자신감을 무너뜨린다.

사실 사람의 능력과 특성에는 인종적 차이가 없다. 전체적으로 볼 때 모두 종 모양의 곡선으로 분포되어 있고, 대부분은 종 모양의 중간에 있다. 그런데 왜 결과적으로 모든 사람의 성취도는 다소 차이를 보이는 것일까? 관건은 바로 '교육과 그에 따른 자신감'이다. 모두가 어떤 문제를 인식할 수 있지만, 자신감이 있는 사람은 가장 먼저 그 문제를 제기하고, 그 안에서 가능성을 발견하고, 그것을 어떻게 해결해야 할지 연구한 후 사업으로까지 연결하며 규모를 확장할 줄 안다.

중국의 강점 : 강한 야망과 빠른 통합 능력

그렇다면 지리적 관점에서 무시할 수 없는 존재인 중국을 상대로 우리는 무엇을 배울 수 있을까? 나는 '야망'이라고 본다. 만약 미국이 혁신을 선도하는 나라라면 중국 대륙은 바로 초고속으로 따라잡는 존재이며, 선진 기술을 상업적으로 응용, 통합하는 역할을 하고자 한다. 그리고 그 결과 미국보다 훨씬 더 좋은 성과를 거두었다. 중국 대륙에서는 비약적 혁신이 비교적 적은 편이지만, 일단 외부 혁신이 이루어지면 그것을 발판 삼아 최적화와 통합을 추가해 응용 방면으로 발 빠르게 시나리오를 구현하고, 이를 통해 상업적인 경쟁 우위를 선점한다.

중국 대륙의 음식점에 들어가면 첨단 자동화 시스템에 놀라움과 충격을 받을지 모른다. 훠궈(火鍋)를 주문하면 처음부터 끝까지 모든 것이 기계로 작동하는 자동 트랙을 통해 전달되며, 때로는 로봇이 음식점 안을 돌아다닌다. 영업장의 자동화 수준이 심지어 일본보다 더 높다. 게다가 중국의 전자결제 시스템인 알리페이, 위챗페이 등도 미국, 일본, 대만보다 훨씬 앞서 있다.

누군가는 중국 대륙이 이런 성과를 거둔 이유 중 하나가 강력한 '야망'이라고 말한다. 그러나 우리가 그것보다 더 자주 듣는 말은 바로 '늑대 같은 성향' 즉 목표를 향해 공격적이면서도 집요하게 파고드는 태도가 아닐까 싶다. 중국 대륙의 빠른 속도와 치열한 경쟁 속에서 살아남기 위해서는 생각이 떠오르자마자 행동으로 옮겨야 한다. 때론 그들의 홍보와 개방성은 수단과 방법을 가리지 않는다는 느낌을 주기도 하지만, 우리는 그들의 그런 발 빠른 움직임을 배워야 한다.

일본의 강점 : 엄격하고 신중한 일 처리

일본의 경우 우리가 본받을 수 있는 것은 바로 '엄격함'이다. 현재 일본은 40년간 이어진 경제 침체에서 서서히 벗어나고 있고, AI 시대의 도래와 함께 그들에게도 서광이 비치고 있다. 일본은 인구 노화, 인재 유출 문제에 직면해 있지만, 로봇과 로봇 팔 분야의 강국답게 관련 특허를 가장 많이 보유하고 있고, 이것이 산업과 상업 분야에서 새로운 기회를 가져다줄 수 있다. 그러나 일본은 발전 전략을 세울 때 전체 사회의 진행 과정을 동시에 고려하며 자신의 엄격한 리듬에 맞춰 세계에 적응할 것이다. 어떤 사람은 일본인들이 '느리다'고 말하고, 또 어떤 사람은 그들이 '안정적'이라고 말한다. 즉, 이런 생각은 당신이 어떤 관점과 철학을 가지고 그들을 바라보느냐에 따라 달라진다.

나의 어머니는 어릴 때부터 자식들에게 일본식 교육을 하셨고, 매사 절제를 강조하고, 높은 책임감과 완벽함 그리고 과묵함을 요구했다. 심지어 거의 사소한 것에까지 그런 요구에 집착할 정도였다. 어릴 때 해외로 가족 여행을 가기 전에 어머니는 준비 목록을 작성하고 세 번이나 꼼꼼하게 점검하며 항목마다 체크 표시를 했다. 그래서 우리는 해외로 나가면 갑자기 필요해져서 물건을 사는 경우가 거의 없었다. 나 역시 이런 교육을 받고 자란 탓에 엄격한 일 처리 방식을 중요하게 생각하게 되었고, 작업 중에 사소한 실수조차도 용납이 되지 않았다. 그래서 나는 동료의 문서와 프레젠테이션 자료를 수정하는 데 많은 시간을 쓰기도 하는데, 이런 일을 직접 하는 CEO는 아마도 이 세상에 그리 많지 않을 듯싶다.

그들은 한 걸음씩 안정적으로 진행되는 길을 선택하지만, 일단 사다리에 올라타는 그 순간부터 온 마음을 다 쏟아붓고 전념하며 절대 다시 내려오지 않는다. 이것이 바로 일본 사회의 발전을 이끌어온 모델이다.

현재와 미래: AI 기술의 이해는 현재 진행형이다
데이터 보안과 AI 신뢰도가 가장 중요하다
빠른 속도의 AI의 지능 성장에 관리, 감독은 필수다

예전의 경우 글로벌 정부의 소프트웨어 관리, 감독은 플랫폼으로부터 시작되었다. 만약 그 플랫폼에 음란물, 도박 등 악성 콘텐츠가 올라오면 바로 규제를 가했다. 하지만 생성형 AI가 등장한 후부터 그들의 관리, 감독은 알고리즘의 세부적인 단계까지 파고들기 시작했다. 입법자들의 관점에서 볼 때 기업이 AI의 설명 가능성을 일정 수준까지 끌어올려야만 데이터 보안과 신뢰에 대한 우려와 의심을 내려놓을 수 있는 수준까지 와버렸다.

유럽 연합 의회는 2024년 3월, 세계 최초로 '인공지능 법안'을 통과시켰고, 해당 법안에 따라 이제 기업은 AI가 왜 그런 판단과 예측을 내놓았는지 소비자에게 설명할 수 있어야 한다. 예를 들어 단순한 데이터 분석으로 계산한 것인지 아니면 딥 러닝처럼 복잡한 알고리즘을 사용했는지 투명성을 보장해야 한다. 이렇게 기업이 설명해야 하는 과정이 바로 AI 시스템의 블랙박스를 여는 출발점이 될 수 있다.

현재 AI의 설명 가능성에 관한 연구는 몇 가지 방식을 통해 진행되고 있다. 한 가지 방식은 외부로부터 오는 경험적 규칙을 바탕으로 연구를 진행하는 것이다. 전문가는 인류를 연구하듯 AI를 상대로 심리 테스트를 진행하고, AI가 민감한 문제에 직면했을 때 방관자 입장을 취할지 아니면 논쟁의 여지가 있는 답을 내놓을지 관찰하며, AI가 정상적인 행동을 보이면 해당 AI의 지능이 정상이라고 말할 것이다.

두 번째 방향은 연구원이 AI의 뇌를 열어 그 신경망을 관찰하는 것이다. 마치 뇌파를 연결하는 것처럼 AI가 그림을 그리거나 프로그래밍을 할 때 어떤 부위의 신경망이 빛을 내며 활성화되는지 관찰할 뿐 아니라, 더 나아가 AI의 추리 과정을 분석할 수 있다. AI의 데이터 정보가 도대체 어느 뉴런에서 출발해 어디로 이동하는지 추적할 수 있고, 이 때문에 전문가들도 AI가 왜 이런 선택을 했는지, 어떤 두 개의 핵심 요소가 하나로 연결되어 이런 결과를 생성한 것인지를 분석할 수 있다

상업적 관점에서 보면 AI의 블랙박스와 해석 가능성은 AI의 대중화를 위해 반드시 해결해야 할 도전 과제이고, 사업적 두뇌 회전이 빠른 기업은 심지어 이 문제를 새로운 사업 기회로 여길 수 있다. 실제로 이미 AI 검증 및 인증 서비스를 전문으로 하는 스타트업이 속속 등장해 기업이 자사가 채택한 AI의 신뢰성을 검증할 수 있도록 협조하고 있다. 설명 가능한 응용 프로그램의 프레임워크와 기술 영역을 보면 이미 구글, 마이크로소프트 등의 빅테크도 계속해서 출시하고 있다. 설명 가능한 도구들은 앞으로 대부분 무료로 전환될 것으로 예상되며, 이것은 오픈 소스 세상과 크게 다르지 않을 것이다. 설명 가능성을 연구하는 도구조차 블랙박스일 수 없기 때문이다. 이 도구들은 기본적으로 투명하고 공개적인 방향으로 대폭 개방될 것이다.

AI의 블랙박스 문제에 직면해서 인류는 논리적 사고 능력을 갖춘 지능형 기계를 만들어 냈지만, 그것이 어떻게 작동하는지 아는 사람은 아무도 없다. 이런 상황에서 시장에는 두 개의 상반된 힘이 팽팽하게 맞서고 있다. 빅테크와 민간 기업은 AI의 빠른 대중화를 원하는 반면, 규제 기관은 기업이 먼저 나서서 AI 모델이 도대체 어떻게 작동하는지, 쓸데없는 말을 내뱉거나 청소년에게 유해한 정보를 제공하는 것은 아닌지 설명할 것을 요구하고 있다. 즉, 충분한 준비가 되어야 도입이 가능하다는 입장을 고수하고 있는 셈이다.

AI 기술이 이미 시장에 출시되어 누구나 사용할 수 있게 되면서 인류는 AI가 가져올 편리한 세상을 기대하고, AI 와 함께하는 더 지능적이고 문명화된 사회를 건설할 수 있기를 바라고 있다. 그러나 한편으로는 아직 풀리지 않은 블랙박스의 비밀과 설명 가능성의 문제에 대해 더 많은 경각심을 가져야 한다.

* * *

본 정보는 도서의 일부 내용으로만 구성되어 있으며, 보다 많은 정보와 지식은 반드시 책을 참조하셔야 합니다.