생성형 AI 도입 2년 차, 일자리와 임금에 미친 실질적 영향은?

생성형 AI의 놀라운 확산과 제한적 경제 효과

시카고대학 Booth School 경제학과의 Anders Humlum 교수와 코펜하겐대학의 Emilie Vestergaard 박사과정 학생이 공동으로 진행한 이 연구는 덴마크 내 회계사, 고객지원 전문가, 인사 담당자, 마케팅 전문가, 소프트웨어 개발자, 교사 등 AI 도입에 민감한 11개 직군에 종사하는 약 25,000명의 노동자와 7,000개 사업장을 대상으로 이루어졌습니다.

연구진은 2023~2024년 세금 데이터를 기반으로 실증 분석을 수행했으며, 그 결과 “AI 챗봇은 어떤 직군에서도 수입이나 근무 시간에 의미 있는 영향을 주지 않았다”는 결론에 도달했습니다.

이는 매우 흥미로운 발견입니다. 왜냐하면 AI 도구의 채택은 놀라울 정도로 빠르게 이루어졌으며, 연구 대상 직군의 대부분의 노동자들이 이미 이를 활용하고 있다는 점을 감안할 때, 우리가 기대했던 경제적 효과가 전혀 나타나지 않았기 때문입니다.

시간 절약 vs 새로운 업무: 상쇄되는 AI의 효율성

AI 도구 사용자의 64~90%가 시간 절약을 체감했다고 응답했지만, 실제 평균 절감 시간은 주당 근무 시간의 약 2.8%에 불과했습니다. 40시간 근무 기준으로 대략 1시간 정도입니다. 이렇게 제한적인 시간 절약 효과는 왜 발생했을까요?

연구 결과에 따르면, AI 도구 사용은 일부 사용자(8.4%)에게 새로운 업무를 발생시켰으며, 이로 인해 시간 절약 효과가 상쇄된 것으로 나타났습니다. 예를 들어, 교사들은 학생들의 숙제 부정행위를 감시하는 등 AI 관련 신규 업무에 시간을 소모하게 되었습니다.

Anders Humlum 교수는 이 현상을 다음과 같이 설명합니다:

매우 눈에 띄는 사례는 제게 가까운 많은 교사들이 학생들이 ChatGPT를 사용해 숙제를 부정행위하는지 감지하는 데 시간을 보낸다고 말하는 것입니다. 또한 많은 노동자들이 이제 AI 출력물의 품질을 검토하거나 프롬프트를 작성하는 데 시간을 보낸다고 말합니다.

AI 도입의 실제 현실: 기대와 현실의 괴리

이러한 연구 결과는 기존의 무작위 대조 시험(RCT) 연구들에서 주장한 생산성 15% 상승과는 상반된 결과입니다. 왜 이러한 차이가 발생했을까요?

연구진은 이러한 차이가 두 가지 주요 이유 때문이라고 설명합니다.

첫째, 실제 직무는 완전 자동화하기 어렵다는 점,

둘째, 현실의 도입 환경은 제한적이라는 점 때문입니다.

Humlum 교수는 The Register와의 인터뷰에서 다음과 같이 설명했습니다:

실제 경제적 이득이 (다른 연구보다) 낮은 두 가지 주요 이유가 있습니다. 첫째, 대부분의 업무는 ChatGPT가 모든 것을 자동화할 수 있는 범주에 속하지 않습니다. 둘째, 우리는 고용주들이 새로운 현실에 아직 적응하고 있는 중간 단계에 있으며, 이러한 도구들의 잠재력을 최대한 실현하는 방법을 아직 모색하고 있습니다. 현재 단계에서는 그다지 게임 체인저가 아닌 것입니다.

생산성 향상과 임금 상승의 연결 고리

연구진은 생산성 향상이 있더라도, 그 중 아주 일부(3~7%)만이 노동자에게 더 높은 임금 형태로 전달된다고 추정합니다.

시간 절약과 이득이 있더라도, 그것이 실제로 누구에게 돌아가는지는 분명한 의문입니다. 일부는 기업에 돌아갈 수 있습니다 – 우리는 기업 수익성을 직접 볼 수 없습니다. 일부는 단순히 기존 작업에서 시간을 절약하지만, 실제로 생산량을 확대하거나 더 많은 수입을 올릴 수 없는 경우도 있습니다. 이메일 작성에 시간을 절약하더라도, 실제로 더 많은 일을 맡거나 정말 가치 있는 다른 일을 할 수 없다면, 그 시간 절약이 실제로 소득 능력, 총 근무 시간, 임금에 얼마나 영향을 미칠지 기대치가 낮아질 것입니다.

AI 투자와 실제 효용: 거품인가, 잠재력인가?

이 연구 결과는 특히 AI 기업들에게 중대한 의미를 갖습니다. AI의 경제적 잠재력을 홍보하면서 수십억 달러를 인프라에 투자한 기술 산업에 시사하는 바가 큽니다.

올해 초 OpenAI는 가장 비싼 기업용 SKU에서도 쿼리당 손실을 본다고 인정했으며, Microsoft와 Amazon과 같은 기업들은 일부 파일럿 테스트 이외의 비즈니스 도입이 저조한 상황에서 AI 인프라 지출을 줄이기 시작했습니다.

일반적인 결론은 이러한 도구가 매우 변혁적이라는 어떤 이야기도, 적어도 (AI 챗봇 도입) 2년 후에도 경제적 결과에 차이를 만들지 못했다는 사실과 함께 고려되어야 한다는 것입니다.

기업의 역할: 성공적인 AI 도입의 열쇠

그렇다면 생성형 AI의 잠재력을 최대한 활용하기 위해서는 어떻게 해야 할까요? 연구진은 기업의 내부 교육과 활용 문화가 중요한 변수라고 지적합니다.

Humlum 교수는 AI 챗봇 사용의 영향력(생산성, 시간 절약, 업무 품질 측면에서)이 기업의 내부 교육과 문화 전파에 대한 노력을 통해 향상될 수 있다고 말합니다. 특히 그는 기업 이니셔티브가 도구 사용의 성별 격차를 줄일 수 있다는 점을 강조했습니다 – 현재는 남성보다 여성의 AI 도구 사용률이 낮습니다.

현실적인 AI 도입 전략: 기업과 개인을 위한 제언

이 연구 결과를 토대로, 기업과 개인이 생성형 AI를 더 효과적으로 활용하기 위한 전략을 생각해볼 수 있습니다:

• 현실적인 기대치 설정: AI 도구가 모든 것을 해결해주는 ‘마법의 지팡이’가 아님을 인식해야 합니다. 실질적인 시간 절약과 생산성 향상은 제한적일 수 있습니다.
• 체계적인 내부 교육: 단순히 도구를 제공하는 것이 아니라, 효과적인 사용법에 대한 지속적인 교육과 가이드라인이 필요합니다.
• 업무 재설계: AI 도구 도입으로 절약된 시간을 어떻게 가치 있게 활용할지에 대한 전략적 계획이 중요합니다.
• 비용 효율성 평가: AI 인프라 투자 비용과 실제 얻는 효용을 정기적으로 평가하여 균형을 맞춰야 합니다.

결론: 생성형 AI의 미래

생성형 AI는 분명 혁신적인 기술이지만, 단기적인 경제적 영향은 예상보다 훨씬 제한적입니다. 그러나 이는 장기적인 잠재력을 부정하는 것이 아닙니다.

경제적 결과 측면에서, 수입, 임금과 같은 확실한 지표를 볼 때, 이러한 도구는 지금까지 실제로 차이를 만들지 못했습니다. 따라서 이는 어떤 의미에서 적어도 단기적으로 이러한 도구에서 기대해야 할 수익에 상한선을 두는 것입니다.

AI 기술은 계속 발전하고 있으며, 우리가 이를 활용하는 방식도 함께 진화할 것입니다. 중요한 것은 과장된 기대에 휘둘리지 않고, 현실적인 이해를 바탕으로 AI 기술을 우리의 업무와 삶에 통합하는 방법을 찾는 것입니다.

생성형 AI는 우리의 일자리를 빼앗지 않았지만, 우리가 일하는 방식에 영향을 미치고 있습니다. 어쩌면 진정한 변화는 일자리의 완전한 대체가 아닌, 우리 업무의 점진적인 재구성과 새로운 기회의 창출에 있을지도 모릅니다.