인공지능, 빅데이터, 그리고 생산성을 위한 미래로의 길 리사 D. 쿡 주지사

[힘힘]

인공지능, 빅데이터, 그리고 생산성을 위한 미래로의 길

리사 D. 쿡 주지사

애틀랜타 연방준비은행, 보스턴 연방준비은행, 조지아주 리치먼드 연방준비은행이 주최한 "기술이 가능하게 한 혁신: AI, 빅데이터, 원격근무의 의미" 컨퍼런스에서

• 공유하다

라이브로 시청하기

감사합니다, 보스틱 총장님. 저는 플로리다, 조지아, 노스캐롤라이나, 사우스캐롤라이나, 테네시, 그리고 헬렌의 영향을 받은 다른 지역 사회의 모든 사람들에게 제 생각을 전하고 싶습니다. 저는 애틀랜타와 리치먼드의 연방준비은행이 서비스를 제공하는 이 지역에서 발생한 비극적인 인명 손실과 광범위한 혼란에 대해 슬퍼합니다. 파월 의장이 어제 말했듯이, 연방준비은행은 은행들이 영향을 받는 지역의 고객과 협력하도록 장려하고 있으며, 특히 정전 시에 중요할 수 있는 충분한 현금 공급을 보장하기 위해 연방준비은행을 지원하기 위해 노력하고 있습니다.

저는 항상 조지아주 애틀랜타와 애틀랜타 연방준비은행에 있는 것을 기쁘게 생각합니다. 저는 조지아주에서 자랐고, 스펠먼 칼리지를 자랑스럽게 졸업했습니다. 애틀랜타는 오늘의 주제인 인공지능(AI)에 대해 이야기하기에 적합한 곳입니다. 대기업과 스타트업이 AI 활용법을 개발하고 있으며, 최고의 AI 연구 대학인 조지아 공대를 포함한 인상적인 학교가 가까이에 있고, 저는 경제학 박사 학위를 준비하기 위해 수업을 들었습니다. 작년에 스펠먼에서 의장 파월과 함께 개최한 기술 기업가 정신과 AI 원탁회의는 애틀랜타가 활동의 중심지라는 증거입니다.

오늘은 AI, 빅데이터, 그리고 생산성 향상을 위한 미래 방향에 대해 이야기해 보겠습니다. 1오늘 제가 하는 말은 1년 전 토론토에서 열린 NBER AI 회의에서 제가 제안했던 내용을 바탕으로 합니다. 당시 저는 그 길을 따라 나아가는 과정에서 비즈니스 의사 결정의 중요성을 강조했습니다. 2기술만으로는 결과를 결정할 수 없습니다.

미래학자들은 현대에 걸쳐 자율적이고 생각하는 기계를 꿈꿨습니다. 벤저민 프랭클린은 한때 체스 한 판에서 그런 기계, "기계식 터키"에 졌습니다. 물론, 그 안에는 인간 체스 마스터가 숨겨져 있었습니다. 오늘날, 최고의 플레이어를 이긴 체스 엔진은 여러분의 휴대전화에서 실행할 수 있습니다.

그렇다면 정확히 무엇이 이러한 기계가 "인공 지능"이라는 라벨을 받을 만하게 만드는 것일까요? AI를 탑재한 정보 시스템은 방대한 비정형 데이터 세트에서 인식되는 복잡한 패턴을 활용하여 인간의 창의성, 문제 해결 및 비판적 사고를 모방합니다. 일부 AI 형태(예: 머신 러닝을 통한 고객 취향 예측)는 이미 비즈니스 부문에서 사용되고 있습니다. 다른 AI는 아직 출현 중이며, 특히 프롬프트에 응답하여 새로운 텍스트와 이미지를 만드는 생성 AI가 있습니다. 소프트웨어 생성, 고객 서비스 및 마케팅 분야의 응용 프로그램은 이미 우리와 함께합니다. 그러나 생성 AI의 응용 프로그램의 전체 범위는 회사가 실험하고 혁신함에 따라 천천히 드러날 것입니다.

이 주제는 통화 정책 입안자로서의 제 역할에 대한 신중한 조사와 이해가 필요합니다. 연방준비제도의 이중 임무는 최대 고용과 안정적인 가격을 촉진하는 것입니다. 제가 오하이오 주립 대학에서 한 최근 연설에서 논의했듯이, AI와 기타 기술의 확산은 두 가지 모두에 영향을 미칠 수 있습니다. 3

인공지능 도입 증가
처음부터 AI의 의미에 대해 엄청난 불확실성이 있다고 말씀드리겠습니다. 우리는 여전히 이러한 효과의 규모나 강도가 어떨지, 어떤 근로자와 회사가 가장 큰 영향을 받을지, 생산성이 얼마나 증가할지, 심지어 이러한 효과가 실현되는 기간조차 알지 못합니다.

아직 배울 것이 많지만, AI가 미국과 세계 노동 시장에 상당한 영향을 미칠 것이라는 증거가 점점 더 많아지고 있습니다. 기업이 이러한 기술을 구축하고 근로자가 이를 활용하는 방법을 발견함에 따라 이러한 발전은 더 큰 생산성과 안정적인 가격과 일치하는 더 높은 임금 성장을 위한 조건을 만들 수 있습니다. 그리고 경제가 기술 변화에 적응함에 따라 이어지는 노동 시장의 조정은 최대 고용에 영향을 미칠 수 있습니다.

제 생각에는 AI, 특히 생성 AI는 경제 전반에 퍼져나가고, 하류 혁신을 촉발하며, 시간이 지남에 따라 계속 개선되는 범용 기술이 될 가능성이 높습니다. 작년에 제가 연설한 이후로 신중하게 낙관적인 견해를 지지하는 증거가 더 많이 축적되었습니다. AI 성능이 최소한 숙련된 인간과 동등한 작업 목록이 계속 늘어나고 있습니다. 놀랍게도, 올해 국제 수학 올림피아드에서 한 AI 모델이 은메달을 획득했습니다. 4인구조사국의 조사 결과에 따르면 AI 도입이 증가했으며 AI는 경제의 많은 부문에서 정기적으로 사용되고 있지만 여전히 소수의 회사에서만 사용되고 있습니다. 5다른 조사에서는 더 폭넓은 채택이 발견되었습니다. 예를 들어, 세인트루이스 연방준비은행의 한 연구에 따르면 생성 AI는 인터넷보다 더 빠른 속도로 채택되고 있으며 개인용 컴퓨터는 이러한 기술이 널리 도입된 후 비슷한 시점에 있었습니다. 6AI가 보다 광범위하게 사용될 전망이 밝아짐에 따라, 지난 2년 동안 미국의 데이터 센터 건설 지출과 반도체 수입이 급증했습니다.

생산성 검토
하이테크 붐이 2000년대 초에 끝나고 경기 침체로 인한 변동을 완화한 이후, 시간당 산출량 증가는 비교적 완만했으며, 연평균 약 1.5%였지만 지난 2년 동안 다소 증가했습니다. 사실, 생산성에 대한 최신 추정치는 하이테크 붐에도 어울리지 않았을 것입니다. 2분기로 끝나는 1년 동안 2.7% 성장했습니다. 생성적 AI의 등장은 기술로 인해 노동 생산성이 강력하게 성장하여 근로자의 실질 소득과 가계의 구매력이 증가할 수 있다는 기대를 불러일으켰습니다. 증기 기관, 전기, 컴퓨터, 인터넷과 같은 지난 몇 세기 동안의 가장 중요한 혁신과 마찬가지로 AI는 많은 산업과 직종에서 광범위한 경제 활동의 노동 생산성에 영향을 미칠 수 있는 잠재력을 가지고 있습니다.

저는 AI가 이 저성장 기간에서 생산성을 끌어올릴 수 있다는 견해에 동의하지만, 정보 기술의 인상적인 변화에도 불구하고 최근 생산성 향상은 미미하다는 점을 강조할 필요가 있습니다. 예를 들어, 우리는 20년 전에는 거의 아무도 사용하지 않았던 스마트폰에서 많은 시간을 보냅니다. 게다가 2022년 이후 우리의 관심을 사로잡은 생성 AI 모델에 앞서 전자상거래와 기타 비즈니스 운영에 이미 통합된 다른 형태의 AI가 있었습니다. 다시 말해, 최근에 나타난 미미한 생산성 증가에는 이미 일부 유형의 AI에서 얻은 이득이 통합되어 있습니다. 생성 AI가 생산성 증가에 비슷하게 점진적으로 기여하는지 아니면 더 큰 기여를 하는지는 아직 알 수 없습니다.

AI가 생산성 향상으로 이어지는 정도는 주의 깊게 지켜볼 필요가 있습니다. 생산성을 의미 있게 향상시킨다면 장기적으로 단위 노동 비용과 인플레이션을 억제하는 데 도움이 될 수 있기 때문입니다. 물론 실시간으로 생산성을 측정하는 것은 어렵습니다. 유명하게도, 앨런 그린스펀 의장은 1990년대에 정보 기술로 인한 생산성 향상을 데이터에 나타나기 훨씬 전에 발견했습니다.

거시경제 예측가들의 과제는 생산성이 발명과 혁신에서 곧바로 나오지 않는다는 것입니다. 기술을 생산성으로 전환하는 것은 기업, 근로자, 정책 입안자의 선택에 달려 있습니다. 기술을 채택하는 기업에서 시간을 많이 소모하는 작업은 종종 기술을 특정 요구 사항에 맞게 조정하는 데 필요합니다. 7예를 들어, 하버드 비즈니스 스쿨의 연구자들이 실시한 사례 연구에 따르면 GitHub이 OpenAI에서 도입한 생성 AI 기술을 기반으로 코드 완성 도구인 Copilot을 구축했을 때 실험, 잘못된 시작, 관리상의 어려움, 상당한 비용 등의 과정을 거쳤다고 합니다 .8

게다가 생산성 증가는 영리한 새로운 아이디어를 구체적인 사업 관행으로 전환하는 데서 비롯되지만, 이러한 완전한 효과는 자본과 노동력이 이를 가장 잘하는 기업으로 재분배될 때에만 실현됩니다. 생산성에 대한 이러한 "사업 역동성" 기여는 팬데믹 이전 몇 년 동안 줄어들었습니다. 9최근 신규 사업 창출이 급증하면서 역동성이 회복될 것이라는 희망이 생겼습니다.

기업 간 차이
AI 알고리즘을 사용하여 더 많은 결정을 내리려는 움직임은 AI를 사용하는 기업에서 직원의 업무에 대한 어느 정도의 조정을 수반할 것입니다. 당연히 이러한 조정의 전망은 많은 지식 근로자가 직장 안정성에 대해 우려하게 만들었습니다. 10중요한 점은 대부분의 직업을 수행하는 데 관련된 광범위한 작업을 고려할 때 - 우리가 당연하게 여기는 일부 작업은 자동화하기가 매우 어렵습니다 - 전체 직위가 중복되는 것을 상상하기가 더 어려워진다는 것입니다. 11예를 들어, 광고 회사는 AI가 고객의 정체성을 반영하는 제안된 카피와 이미지를 제작하도록 허용할 수 있지만, AI 시스템에 회의, 관찰 및 경험에 기반한 메모를 제공한 후에만 가능합니다. 그리고 제안된 광고는 추가로 검토 및 수정되어 고객에게 제시되고 인간이 성공 여부를 평가할 수 있습니다.

이로 인해 많은 직업에 관련된 작업 묶음이 변경될 가능성이 있으며, 각 작업에 소요되는 근로자의 시간 점유율도 변경될 것입니다. AI는 일상적인 고객 서비스 요청을 처리하고 특이하거나 특히 중요한 요청은 인간 담당자에게 맡길 수 있습니다. 실제로 Erik Brynjolfsson, Danielle Li, Lindsey Raymond의 연구에 따르면 AI는 주어진 주제에 대한 이전 상호 작용의 이력을 기반으로 제안된 응답을 제공함으로써 신규 근로자의 기술 습득을 가속화할 수 있습니다. 12이 조정 프로세스에는 유지된 근로자가 처리하는 업무의 혼합을 수정하고 회사 외부에서 새로운 인재를 고용하는 것이 모두 포함됩니다. 뉴욕 연방준비은행이 실시한 최근 ​​조사에 따르면 AI를 도입한 회사 중 지난 6개월 동안 해당 프로세스의 일환으로 근로자를 해고한 회사는 거의 없으며, 많은 회사가 근로자를 재교육하여 AI를 사용하도록 할 계획입니다. 13

기존 기업이 AI를 최대한 활용하도록 적응시키는 것은 엄청난 작업일 수 있습니다. 기업은 AI의 모든 이점을 얻기 위해 운영을 대폭 재편해야 할 수도 있습니다. 14회사 전체의 정보에 대한 액세스가 주어지면 AI는 비즈니스 프로세스 효율성에 대한 통찰력을 제공할 수 있지만, 데이터 환경은 서로 다른 표준과 제한적인 권한으로 인해 발칸화될 수 있습니다. 한 유명 기술 회사는 직원들이 회사 내의 모든 데이터 세트와 서비스 인터페이스에 대한 광범위한 액세스를 제공하여 액세스를 원활하게 만들 것을 요구함으로써 이 문제를 해결했다고 보고되었습니다. 15모든 회사가 이처럼 광범위한 조치를 취하는 것이 실행 가능하거나 바람직하다고 생각하지는 않을 것입니다.

신규 진입자는 이러한 환경에서 뿌리 깊은 관행이 적다는 점에서 유리할 수 있습니다. AI와 관련이 있다고 추측할 수 있는 발전에서 Ryan Decker와 John Haltiwanger는 지난 3년 동안 나타난 신규 사업 진입 급증의 상당 부분이 하이테크 산업에 있다는 것을 발견했습니다. 16중요한 점은, 신생 기업이 넘쳐나는 이 순간에도 우리는 일부 그룹의 잠재적 기여를 놓치고 있을 수 있다는 것입니다. 연방준비제도이사회에 합류하기 전 제가 한 일에서, 투자자들이 초기 자금 조달 단계에서 흑인이 설립한 신생 기업, 또는 단순히 외부인이 설립한 신생 기업의 전망을 과소평가한다는 것을 발견했습니다. 17발명과 혁신의 초기 단계에서 더 나은 평가를 실시하면 신규 진입자의 범위와 그들이 기여할 수 있는 아이디어의 폭이 넓어질 수 있습니다.

그럼에도 불구하고, 기존 기업은 AI 모델을 훈련하는 데 필요한 엄청난 금액을 자금 조달할 수 있는 더 나은 위치에 있을 수 있습니다. 광범위한 작업에 적응할 수 있는 최첨단 모델을 훈련하는 데 수천만 달러가 듭니다. 18분산 컴퓨팅, 확장성, 메모리 내 처리와 같은 빅데이터 처리 기술은 테라바이트 규모의 비정형 데이터를 사용하는 이러한 교육에서 중요한 역할을 합니다.

그리고 그 회사들은 AI를 훈련할 수 있는 사업 운영으로부터 축적된 데이터를 가지고 있습니다. 일부 관찰자들은 고품질 데이터의 한정된 공급이 모델 개선을 제약하기 시작했다고 지적했습니다. 19중앙 은행가들만이 항상 "더 많은 좋은 데이터"를 찾는 것은 아닌 듯합니다! 향후 이익은 개별 기업의 범위 내에서만 사용 가능한 독점 데이터를 사용하여 AI를 특정 맥락에 적응시킴으로써 이루어질 것으로 예상됩니다.

결론
마무리하며, 미래를 내다보면, 저는 AI의 인상적인 발전에 기반한 생산성의 가속화를 예상하지만, 그 예측에는 상당한 불확실성이 따릅니다. 그러한 불확실성은 새로운 기술의 발명, 혁신, 확산 및 적응의 본질과 이 과정을 지배하는 정책 결정에서 발생합니다. 연구 개발, 고등 교육, 근로자 교육 및 재교육, 지적 재산에 대한 법적 보호를 통해 글로벌 혁신 생태계를 육성하는 것은 여전히 ​​바람직합니다. 게다가 개인정보 보호, 교육 데이터에 대한 보상, 편견의 영속화 및 증폭, 사기 분야에서 AI 사용 규제의 이점과 비용에 대한 합의가 필요합니다. 또한, 궁극적인 결과는 신생 기업과 연구 커뮤니티의 인구 통계적 그룹 전반에 걸쳐 보다 광범위하게 포함되고 기존 기업의 이점이 경쟁에 미치는 잠재적 영향에 주의를 기울이는 데 도움이 될 수 있습니다.

간단히 말해서, AI는 "길고 가변적인 지연"을 거쳐 생산성 향상으로 전환될 것입니다. 우리 통화 정책 입안자들이 말하듯이요. 우리가 거시경제에서 보는 변화, 즉 총 산출량, 고용, 소득은 수백만 개의 회사, 가구, 정부 정책 입안자들이 AI가 그들에게 어떤 의미를 갖는지 생각하는 집단적 효과입니다. Mechanical Turk처럼 궁극적으로 기계 내부의 인간이 여전히 주도권을 쥐고 있다고 말할 수도 있습니다.

제 희망은 생산성 증가가 앞으로 인플레이션에 대한 균형추 역할을 할 것이라는 것입니다. 우리는 이러한 발전을 면밀히 모니터링할 것입니다.

오늘 저를 초대해 주셔서 감사합니다. 여러분의 질문을 기대하겠습니다.

---

1. 여기에 표현된 견해는 저의 것이며 반드시 연방공개시장위원회 동료들의 견해는 아닙니다. 본문으로 돌아가기

2. Lisa D. Cook(2023), " 생성 AI, 생산성, 노동 시장 및 선택 행동 ", National Bureau of Economic Research Economics of Artificial Intelligence Conference에서 발표한 연설, 2023년 가을, 토론토, 9월 22일 참조. 본문으로 돌아가기

3. Lisa D. Cook(2024), " 인공지능이 미국의 근로자들에게 어떤 의미를 갖게 될까? " 오하이오 주립 대학교, 콜럼버스, 오하이오에서 9월 26일에 발표한 연설을 참조하세요. 본문으로 돌아가기

4. Nestor Maslej, Loredana Fattorini, Raymond Perrault, Vanessa Parli, Anka Reuel, Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Juan Carlos Niebles, Yoav Shoham, Russell Wald, and Jack Clark(2024), Artificial Intelligence Index Report 2024 (PDF)  (캘리포니아주 스탠포드: 스탠포드 대학교, 인간 중심 AI 연구소, AI 지수 운영 위원회, 4월); 및 Manon Bischoff(2024), "AI Reaches Silver-Medal Level at This Year's Math Olympiad," Scientific American, 8월 6일 참조. 본문으로 돌아가기

5. 미국 인구조사국의 반주간 Business Trends and Outlook Survey에서 표본 조사한 회사 중 5.5%가 2024년 8월 25일 조사에 앞서 2주 동안 AI를 사용했다고 답했는데, 이는 1년 전보다 1.5%포인트 높은 수치입니다. 편의성 샘플을 기반으로 한 다른 추정치에서는 더 높은 비율을 보고합니다. 예를 들어, McKinsey & Company는 2024년 8월에 회사의 72%가 최소한 한 가지 비즈니스 기능에서 AI를 사용했다고 추정하는데, 이는 전년 대비 55% 증가한 수치입니다. 인구조사와 맥킨지 측정치를 비교하려면 Kathryn Bonney, Cory Breaux, Cathy Buffington, Emin Dinlersoz, Lucia S. Foster, Nathan Goldschlag, John C. Haltiwanger, Zachary Kroff, Keith Savage(2024), " Tracking Firm Use of AI in Real Time: A Snapshot from the Business Trends and Outlook Survey ", NBER Working Paper Series 32319(매사추세츠주 케임브리지: National Bureau of Economic Research, 4월)를 참조하세요. 텍스트로 돌아가기

6. Alexander Bick, Adam Blandin, David Deming(2024), " 생성 AI의 빠른 도입 ", 세인트루이스 연방준비은행, 경제에 관하여 (블로그), 9월 23일  참조. 본문으로 돌아가기

7. Timothy Bresnahan, Shane Greenstein, David Brownstone, Kenneth Flamm(1996), " Computing과 컴퓨터 사용에서의 기술적 진보와 공동 발명 ", Brookings Papers on Economic Activity: Microeconomics 1996 , pp. 1–83 참조. 본문으로 돌아가기

8. Frank Nagle, Shane Greenstein, Maria P. Roche, Nataliya Langburd Wright, Sarah Mehta(2023), "Copilot(s): Generative AI at Microsoft and GitHub," Harvard Business School 사례 연구, Harvard Business Review, 11월 16일 참조. 본문으로 돌아가기

9. Ryan A. Decker, John Haltiwanger, Ron S. Jarmin, Javier Miranda(2020), "Changing Business Dynamism and Productivity: Shocks versus Responsiveness," American Economic Review, vol. 110(12월), pp. 3952–90 참조. 본문으로 돌아가기

10. Microsoft와 LinkedIn에서 발행한 2024 Work Trend Index Annual Report 에 따르면, 지식 근로자의 45%가 AI가 자신을 대체할까 봐 두려워한다고 합니다. Microsoft Corp.와 LinkedIn(2024), 2024 Work Trend Index Annual Report: AI at Work Is Here. Now Comes the Hard Part (워싱턴주 레드먼드: Microsoft Corp.와 LinkedIn, 5월), https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part를 참조하세요. 본문으로 돌아가기

11. David H. Autor, Frank Levy, Richard J. Murnane(2002), "Upstairs, Downstairs: Computers and Skills on Two Floors of a Large Bank," Industrial and Labor Relations Review, vol. 55(4월), pp. 432–47 참조. 본문으로 돌아가기

12. Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond(2023), " Generative AI at Work ", NBER Working Paper Series 31161(매사추세츠주 케임브리지: National Bureau of Economic Research, 11월) 참조. 본문으로 돌아가기

13. Jaison R. Abel, Richard Deitz, Natalia Emanuel, Benjamin Hyman(2024), " AI and the Labor Market: Will Firms Hire, Fire, or Retrain? " Federal Reserve Bank of New York, Liberty Street Economics (블로그), 9월 4일 참조. 이 설문 조사는 뉴욕-뉴저지 북부 지역의 기업을 대상으로 했습니다. 6월에 실시한 텍사스 기업 설문 조사에서도 비슷한 결과가 나왔습니다. 본문으로 돌아가기

14. Marco Iansiti와 Karim R. Lakhani(2020), Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World (보스턴: Harvard Business Review Press) 참조. 본문으로 돌아가기

15. Iansiti 및 Lakhani, Competing in the Age of AI, 주 14 참조. 본문으로 돌아가기

16. Ryan Decker 및 John Haltiwanger(2024), " 팬데믹 시대의 하이테크 기업 진출 ", FEDS Notes(워싱턴: 연방준비제도이사회, 4월 19일) 참조. 본문으로 돌아가기

17. Lisa D. Cook, Matt Marx, Emmanuel Yimfor(2022), " Finding Black High-Growth Startups ", NBER Working Paper Series 30682(매사추세츠주 케임브리지: National Bureau of Economic Research, 11월) 참조.  본문으로 돌아가기

18. Ben Cottier, Robi Rahman, Loredana Fattorini, Nestor Maslej, David Owen(2024), " The Rising Costs of Training Frontier AI Models ", arXiv 사전 인쇄본, arXiv:2405.21015(Ithaca, NY: Cornell University, 5월) 참조.  텍스트로 돌아가기

19. Tammy Xu(2022), "We Could Run Out of Data to Train AI Language Programs," MIT Technology Review, 11월 24일 참조 . 본문으로 돌아가기

마지막 업데이트: 2024년 10월 01일