MIT 경제학자들이 던진 질문, AI는 왜 ‘대체’가 아니라 ‘설계’의 문제인가

기술은 중립이라는 믿음은 여전히 강하다. 인공지능은 그저 효율을 높이는 도구일 뿐이며, 그것이 일자리를 줄일지 늘릴지는 시장이 결정할 문제라는 인식도 익숙하다. 그러나 최근 발표된 MIT 소속 경제학자들의 보고서는 이 전제를 정면으로 뒤흔든다. Daron Acemoglu, David Autor, Simon Johnson이 공동 집필한 이 연구는 AI가 노동을 위협하는지 여부는 기술의 속도가 아니라 ‘어떤 방향으로 설계되었는가’에 달려 있다고 주장한다. AI는 필연적으로 인간을 대체하는 기술이 아니라, 그렇게 설계되어 왔을 가능성이 크다는 문제 제기다.

보고서는 현재의 AI 개발 흐름이 자동화에 과도하게 집중되어 있다고 진단한다. 범용인공지능(AGI)을 향한 경쟁은 인간의 능력을 보완하는 시스템이 아니라 인간을 능가하고 대체하는 시스템을 목표로 삼는다. 그 결과 기업은 비용 절감과 인력 축소에 유리한 기술에 자원을 투입하고, 개발자들은 인간의 숙련을 세분화해 알고리즘으로 이전하는 데 몰두한다. 이 과정에서 기술은 점점 더 ‘노동 절감형’으로 수렴한다. 보고서가 던지는 질문은 단순하다. 왜 우리는 인간의 숙련을 확장하는 AI보다, 인간을 대체하는 AI에 더 많은 자본과 관심을 쏟고 있는가.

이 질문은 기술 낙관론과 기술 공포론을 동시에 넘어선다. AI가 일자리를 빼앗을 것이라는 불안은 현실의 감정이지만, 그렇다고 기술 발전을 멈출 수는 없다. 중요한 것은 방향이다. 보고서는 기술을 다섯 가지 유형으로 구분하며 논의를 재정렬한다. 노동을 보조하고 생산성을 높이는 노동증강형, 자본의 효율을 높이는 자본증강형, 기존 업무를 대체하는 자동화형, 고숙련과 저숙련 간 격차를 줄이는 숙련평준화형, 그리고 완전히 새로운 업무를 만들어내는 과업창출형 기술이 그것이다. 이 구분은 AI 논쟁을 ‘찬반’의 문제가 아니라 ‘선택’의 문제로 전환시킨다. 기술은 하나의 길만을 갖지 않는다. 우리가 어떤 경로를 장려하고 어떤 경로에 인센티브를 부여하느냐에 따라, AI는 노동을 약화시킬 수도 있고 오히려 강화할 수도 있다.

기술은 하나의 방향만 갖지 않는다. 인공지능 역시 여러 갈래의 경로를 동시에 품고 있다. 인간의 숙련을 보완하는 기술이 있는가 하면, 자본의 효율을 극대화하는 기술도 있다. 기존 업무를 통째로 대체하는 시스템이 등장하는가 하면, 숙련의 문턱을 낮추는 방식으로 확산되는 기술도 존재한다. 그리고 완전히 새로운 과업을 만들어내는 기술도 있다. 중요한 것은 이 가운데 어떤 경로가 확산되고, 어떤 경로가 정책과 자본의 선택을 받느냐다. AI 논쟁은 더 이상 ‘위험한가, 아닌가’의 문제가 아니다. 어떤 방향을 장려하고 어떤 방향에 인센티브를 부여할 것인가의 문제다.

첫째는 노동을 보조하고 생산성을 끌어올리는 방식이다. 의료 현장에서 진단을 지원하는 시스템이나, 교사의 수업 준비를 돕는 알고리즘은 인간을 대체하지 않는다. 오히려 더 정교한 판단을 가능하게 한다. 둘째는 자본의 효율을 높이는 기술이다. 물류 자동화 시스템이나 설비 최적화 알고리즘은 기업의 수익성을 높이지만, 그 성과가 노동자에게 돌아가는지는 별개의 문제다. 기술의 성격은 하나지만, 그 효과는 제도와 분배 구조에 따라 달라진다.

셋째는 기존 업무를 대체하는 자동화형 기술이다. 키오스크나 무인 계산대, 자동 상담 시스템은 반복 업무를 줄이고 비용을 낮춘다. 단기적으로는 효율이지만, 누적될수록 노동 수요는 구조적으로 축소된다. 넷째는 숙련의 장벽을 낮추는 방식이다. 고숙련자의 판단 과정을 소프트웨어로 이전하면 진입 장벽은 낮아지지만, 동시에 전문성의 가치도 재편된다. 마지막은 전혀 새로운 업무를 창출하는 기술이다. 산업의 역사에서 고용이 확대된 순간은 언제나 이 지점에서 발생했다. 새로운 과업이 만들어질 때 노동은 줄어들지 않고 재구성된다.

광고

문제는 지금의 AI 개발 흐름이 이 다섯 갈래 가운데 어디로 기울어져 있는가 하는 점이다. 현실의 자본은 대체로 자동화형 경로에 더 빠르게 반응한다. 이유는 단순하다. 자동화는 비용 절감 효과가 즉각적으로 숫자로 환산되기 때문이다. 인건비는 줄고, 생산량은 유지되거나 늘어난다. 단기 실적을 요구받는 기업 입장에서 이는 가장 설득력 있는 투자 근거가 된다. 반면 노동을 확장하는 기술은 효과가 장기적으로 나타난다. 숙련이 깊어지고 생산성이 높아지기까지는 시간이 필요하다. 시장의 조급함은 자연스럽게 자동화에 우호적인 환경을 만든다.

세제 구조 역시 영향을 미친다. 설비 투자에는 감가상각 혜택이 주어지지만, 사람에 대한 투자에는 같은 수준의 인센티브가 적용되지 않는다. 기업이 자동화 설비를 도입할수록 비용은 세제상 유리하게 처리된다. 반대로 노동자를 교육하고 숙련을 축적하는 과정은 회계상 비용으로 남는다. 기술이 노동을 대체하는 방향으로 설계될수록 재무적으로는 더 합리적인 선택이 되는 구조다. 자동화 편향은 기술적 필연이 아니라 제도적 환경의 결과라는 해석이 가능한 이유다.

개발자 생태계의 보상 체계도 무관하지 않다. 인간의 복잡한 판단을 알고리즘으로 치환하는 일은 기술적 성취로 인정받기 쉽다. “사람보다 빠르고 정확하다”는 문장은 투자와 언론의 관심을 동시에 끌어낸다. 반면 인간의 숙련을 조용히 보완하는 시스템은 상대적으로 화제가 되지 않는다. 기술의 서사가 ‘대체’ 중심으로 형성될수록 자본과 인재는 그 방향으로 쏠린다. 그 결과 AI는 인간을 협력의 대상으로 보기보다, 극복해야 할 한계로 상정하는 경향을 강화해왔다.

여기에 범용인공지능을 향한 경쟁이 더해진다. 인간 수준을 넘어서는 시스템을 목표로 설정하는 순간, 개발의 기준점은 ‘인간과의 협력’이 아니라 ‘인간과의 비교’가 된다. 기술은 인간의 업무를 분해하고 측정 가능한 단위로 쪼갠다. 그리고 그 단위를 하나씩 자동화한다. 이런 방식이 반복될수록 숙련은 축적되는 대신 이전된다. 사람 안에 있던 전문성은 소프트웨어 안으로 이동하고, 노동시장의 구조는 서서히 재편된다. 이 지점에서 핵심은 기술이 위험하다는 경고가 아니다. 방향이 편향되어 있다는 진단이다. 자동화는 생산성을 높일 수 있다. 그러나 그것이 노동의 몫을 함께 키우는지 여부는 별개의 문제다. 만약 새로운 과업이 충분히 창출되지 않는다면, 자동화는 노동 수요를 줄이는 방향으로 작동할 가능성이 높다. 기술 발전의 속도보다 중요한 것은, 그 속도가 어느 경로로 흐르고 있는가다.

자동화가 누적될 때 가장 먼저 변하는 것은 고용의 양이 아니라 고용의 구조다. 반복 업무는 빠르게 줄어들고, 남는 것은 두 극단으로 갈라진다. 한쪽에는 고도의 분석과 판단을 요구하는 소수의 핵심 직무가 남고, 다른 한쪽에는 알고리즘이 관리하는 단순 업무가 남는다. 중간 숙련층은 점차 얇아진다. 제조업과 사무직에서 관찰되어 온 이 현상은 디지털 전환 이후 더욱 뚜렷해졌다. 기술은 생산성을 끌어올렸지만, 그 성과가 균등하게 분배되지는 않았다. 노동소득분배율이 장기적으로 하락해온 흐름은 단순한 경기 변동이 아니라 구조적 변화의 결과라는 해석이 힘을 얻는 이유다. 핵심 변수는 ‘과업’이다. 기술은 직업을 없애는 것이 아니라 과업을 재배치한다. 하나의 직업은 여러 과업의 집합으로 구성되어 있고, 기술은 그중 일부를 대체하고 일부를 강화한다. 문제는 대체되는 과업이 많고, 새로 만들어지는 과업이 적을 때 발생한다. 과업 창출이 충분히 이루어지지 않으면, 생산성 증가는 곧바로 노동 수요 축소로 이어질 수 있다. 반대로 새로운 과업이 생겨나면 노동은 재구성된다. 산업혁명 이후 고용이 장기적으로 확대될 수 있었던 배경에는 언제나 이 ‘새로운 과업’이 있었다. 기술은 기존 업무를 줄이는 동시에, 이전에는 존재하지 않던 역할을 만들어냈다.

지금의 AI 국면이 이전과 다른 지점은 속도와 범위다. 생성형 AI는 지식 노동의 일부를 빠르게 흡수하고 있다. 보고서 작성, 코드 생성, 번역, 디자인 초안 등 상당수의 인지적 과업이 자동화 가능 영역으로 편입됐다. 이는 단순 반복 업무를 넘어, 중간 숙련 이상의 직무에도 영향을 미친다. 만약 이 과정에서 새로운 과업이 충분히 창출되지 않는다면, 노동시장은 압축될 가능성이 있다. 생산성은 오르지만 고용은 늘지 않는 ‘고용 없는 성장’이 강화될 수 있다는 우려가 나오는 배경이다. 그렇다면 왜 새로운 과업 창출은 상대적으로 더디게 나타나는가. 과업을 만드는 일은 단순히 기술을 개발하는 것만으로 이루어지지 않는다. 제도와 교육, 산업 구조가 함께 움직여야 한다. 새로운 기술을 활용할 수 있는 직무를 설계하고, 그 직무를 수행할 수 있는 숙련을 체계적으로 훈련해야 한다. 이 과정은 자동화 설비를 도입하는 것보다 훨씬 복잡하고 시간이 오래 걸린다. 시장이 단기 수익을 우선시할수록, 장기적 과업 창출보다는 즉각적인 자동화가 선택되기 쉽다.

결국 질문은 정책과 제도로 돌아온다. 자동화에 유리한 인센티브 구조를 그대로 둔 채, 기술이 노동을 확장하는 방향으로 발전하기를 기대하기는 어렵다. 자본은 가장 빠르게 수익을 실현할 수 있는 경로를 선택한다. 비용 절감 효과가 즉각적으로 나타나는 자동화형 기술이 반복적으로 채택되는 이유도 여기에 있다. 기술의 미래가 이미 정해져 있는 것처럼 보이는 이유는, 실제로는 제도와 시장 구조가 특정 방향을 밀어주고 있기 때문이다. AI는 인간을 대체하는 기술일 수도 있고, 인간의 숙련을 확장하는 도구일 수도 있다. 어느 쪽이 주류가 될지는 기술의 성능이 아니라 사회적 선택에 달려 있다. 자동화가 과업을 줄이는 속도보다 새로운 과업을 만들어내는 속도가 더 느리다면, 생산성의 증가는 곧바로 노동의 위축으로 이어질 가능성이 높다. 반대로 새로운 역할과 직무가 충분히 설계된다면, AI는 노동을 축소시키는 대신 재구성하는 힘으로 작동할 수 있다.

지금의 AI 경쟁은 속도의 문제가 아니라 방향의 문제다. 범용성을 향한 질주는 인간과의 협력을 전제로 하지 않는다. 그러나 기술은 다른 길도 갖고 있다. 인간의 전문성을 없애는 대신 더 깊게 만들 수 있고, 일부 과업을 제거하는 대신 새로운 과업을 설계할 수도 있다. AI가 누구의 편이 될 것인가는 기술 자체의 문제가 아니라, 어떤 경로를 장려하고 어떤 경로에 사회적 자원을 투입할 것인가의 문제다.

자동화 편향은 우연히 형성된 흐름이 아니다. 기업의 재무 구조, 세제 설계, 투자 생태계, 그리고 기술 서사가 서로 맞물리며 특정 경로를 강화해왔다. 설비와 소프트웨어에 대한 투자는 감가상각을 통해 비용 처리되지만, 사람에 대한 투자는 비용으로 남는다. 단기 실적을 요구받는 기업 입장에서 자동화는 가장 설명하기 쉬운 선택이다. 인건비 절감은 숫자로 즉시 증명되지만, 숙련 축적의 가치는 장기적으로만 드러난다. 이 차이는 기술의 방향을 조용히 그러나 분명하게 기울여왔다. 개발 현장의 보상 구조도 영향을 미친다. 인간의 판단을 대체하는 알고리즘은 기술적 성취로 평가받기 쉽고, 투자자와 시장의 주목을 받는다. “사람보다 빠르다”는 문장은 혁신의 상징처럼 소비된다. 반면 인간의 숙련을 보완하는 시스템은 상대적으로 덜 화려하다. 협력은 대체만큼 극적인 서사를 만들지 못한다. 기술 담론이 경쟁과 극복의 언어로 형성될수록, 인간은 협력의 파트너가 아니라 넘어야 할 기준점이 된다. 이 과정에서 노동은 점진적으로 재배치된다. 자동화는 일부 과업을 제거하고, 숙련평준화는 전문성의 가치를 재조정한다. 그러나 새로운 과업이 충분히 설계되지 않으면, 노동시장은 압축된다. 생산성은 오르지만 고용은 늘지 않는 현상이 반복될 수 있다. 기술 발전이 곧바로 삶의 개선으로 이어지지 않는 이유는 여기에 있다. 생산의 효율과 분배의 구조는 다른 문제다. AI가 가져올 변화 역시 이 두 축을 동시에 바라보지 않으면 설명되지 않는다.

중요한 것은 선택 가능성이다. 기술은 하나의 방향으로만 흐르지 않는다. 인간의 판단을 제거하는 대신 더 정교하게 만드는 길이 있고, 숙련을 소프트웨어로 이전하는 대신 새로운 역할을 설계하는 길도 있다. 의료 현장에서 의사의 결정을 보완하는 시스템은 전문성을 약화시키지 않으면서도 접근성을 높일 수 있다. 교육 현장에서 교사의 반복 업무를 줄이고 학생 개별 지도에 집중하게 만드는 도구는 자동화이면서 동시에 노동확장일 수 있다. 같은 기술이라도 설계와 적용 방식에 따라 효과는 달라진다. AI를 둘러싼 불안은 현실적이다. 그러나 그 불안이 기술의 속도 때문이라고 단정할 수는 없다. 문제는 속도가 아니라 방향이다. 자동화가 자연스러운 진화처럼 보이는 것은, 지금의 제도와 인센티브가 그 경로를 밀어주고 있기 때문이다. 다른 선택이 가능하다면, 다른 결과도 가능하다. AI가 인간을 대체하는 도구가 될지, 인간의 숙련을 확장하는 기반이 될지는 이미 결정된 미래가 아니다.

이 특집이 던지는 질문은 단순하다. 우리는 어떤 AI를 원하고 있는가. 비용을 줄이는 기술인가, 역량을 키우는 기술인가. 효율을 앞세워 노동을 압축하는 시스템인가, 새로운 과업을 설계해 노동을 재구성하는 체계인가. AI는 스스로 편을 정하지 않는다. 방향을 정하는 것은 결국 사회다. 그리고 그 선택은 기술의 문제가 아니라 정치경제의 문제다.

#AI는누구의편인가 #자동화의길 #노동확장의길 #친노동AI #과업창출 #기술은중립이아니다 #AI정책 #AI와노동 #생산성과분배