인공 지능: 미래를 위한 가상 시나리오 감독 부의장 Michael S. Barr 뉴욕 외교관계위원회, 뉴욕

[힘힘]

인공 지능: 미래를 위한 가상 시나리오

감독 부의장 Michael S. Barr

뉴욕 외교관계위원회, 뉴욕

• 공유하다

라이브 시청

인공 지능(AI)의 발전은 지난 몇 년 동안 급속히 가속화되었습니다. 1자율 주행차가 도시 거리를 주행하는 것은 이제 흔한 일이 되었고, 생성적 AI 도구는 우리가 가는 곳마다 휴대전화와 기타 기기에서 사용할 수 있습니다. AI 혁신은 헤드라인을 장식하고 금융 시장에서 큰 역할을 하며, 생성적 AI는 생산성, 노동 시장 및 거시경제에 대한 우리의 생각을 바꿀 잠재력이 있습니다. 2오늘 저는 AI의 영향과 기업, 규제 기관, 사회에 미치는 영향에 대한 두 가지 가상 시나리오를 설명하여 그 질문에 답할 것입니다. 저는 단 몇 년 만에 상당한 성장과 경제 활동에 통합된 AI의 하위 집합인 Generative AI 또는 GenAI에 대한 의견을 집중적으로 다룰 것입니다.

GenAI와 그 도입
이전의 AI 반복과 비교했을 때, GenAI는 콘텐츠를 생성할 수 있어 다양한 지식 기반 활동에서 생산성을 크게 향상시키고 코딩 기술이 없는 사람도 사용할 수 있습니다. GenAI는 광범위한 경제 부문에서 널리 채택되고, 지속적으로 개선되고, 생산성이 향상되는 "범용 기술"이 될 가능성이 큽니다. 우리는 이미 GenAI가 자체 R&D의 생산성을 개선하는 것을 보고 있습니다. 3GenAI에 대한 열광은 널리 퍼져 있으며, 설문 조사 증거는 개인용 컴퓨터나 인터넷에서 볼 수 있었던 것보다 GenAI의 소비자 채택 속도가 훨씬 빠르다는 것을 보여줍니다. 4GenAI의 실제 배포는 일부 비즈니스 기능에 국한되고 그 과정에서 함정이 있었지만 거의 모든 부문의 비즈니스가 이 기술을 활용하는 방법을 실험하거나 고려하고 있습니다. 5

기업들은 또한 새로운 콘텐츠를 생산할 뿐만 아니라 혁신적인 솔루션을 생성하고 이를 빠르고 대규모로 실행함으로써 목표를 사전에 추진할 수 있는 Agentic AI(Gen AI 시스템)를 탐색하고 있습니다. 6Agentic AI의 궁극적인 응용 프로그램을 상상해보면, 어떤 사람들은 우리가 "데이터 센터에 있는 천재들의 나라"를 경험할 수 있을 것이라고 추측합니다. 즉, 문제 해결과 협업에서 인간 능력을 능가하는 집단 지능입니다. 7일부 사람들은 Agentic AI가 서로 다른 도메인의 아이디어를 연결하여 연구 개발과 사회를 더 광범위하게 변화시킬 수 있는 잠재력을 가지고 있다고 믿습니다. 8

GenAI가 어떻게 진화할 수 있는지 고려하는 가상 시나리오
오늘은 GenAI가 어떻게 진화할 수 있는지 고려하는 두 가지 가상 시나리오를 설명하겠습니다. 9한 시나리오에서는 주로 오늘날 인간이 하는 일을 증강시키는 점진적인 도입만 보지만, 여전히 광범위한 생산성 향상으로 이어집니다. 다른 시나리오에서는 인간의 역량을 확장하여 광범위한 결과를 가져오는 변혁적 변화를 봅니다. 각 시나리오에서 경제와 금융 부문에 대한 잠재적 의미를 고려합니다.

가상 시나리오를 통해 생각해 보면 가능한 결과의 범위를 넓히고 혜택과 위험 간의 균형을 평가하기 위한 프레임워크를 제공하는 데 도움이 될 수 있습니다. 시나리오는 미래에 대한 예측이 아니라 다른 결과로 이어질 수 있는 요소를 분석하기 위한 프레임워크를 제공합니다. 현실은 복잡합니다. GenAI 도입률은 산업마다 다르며 시장 구조에 다양한 영향을 미칩니다. 두 시나리오의 요소가 모두 실현되고 다른 속도로 진행되어 경제와 사회에 미치는 영향에 영향을 미칠 가능성이 높습니다. 단기적으로 GenAI는 과대평가될 수 있지만 장기적으로는 과소평가될 수 있습니다. 물론 이러한 가정과는 다르게 전개될 수도 있습니다.

가정 1: 생산성이 폭넓게 향상되는 점진적 진전
먼저, GenAI가 기존 프로세스의 작업을 주로 증강하여 꾸준하고 광범위한 생산성 향상으로 이어지지만, 근본적으로 새로운 역량을 끌어내거나 경제를 혁신하지는 않는 점진적 시나리오부터 시작해 보겠습니다.

이런 세상에서 GenAI 도구는 효율성을 높이고 산업 전반에 걸쳐 보다 개인화된 솔루션을 가능하게 하며, 이는 사람들의 삶에 점진적이지만 의미 있는 영향을 미칩니다. 예를 들어, 고객 서비스, 전문적인 글쓰기(이 연설은 아님) 및 소프트웨어 엔지니어링에서 GenAI 기반 도구는 이미 근로자를 지원하고 정확성과 속도를 개선하고 있으며, 이러한 효과는 다른 분야로 확산될 수 있습니다. 10이 세상에서 GenAI가 행정적 부담을 줄이고, 진단을 지원하고, 실시간 환자 데이터를 기반으로 치료 계획을 개인화함에 따라 의료는 상당한 개선을 보입니다. 의약품과 기타 치료법이 더 빠른 속도로 개발됩니다. 11교육도 마찬가지로 영향을 받는데, GenAI는 교사의 행정 업무를 덜어주고, 개별 학생에게 맞는 수업을 제공하고, 학생들이 실습을 통해 학습할 수 있도록 허용하기 때문입니다. 12제조 분야에서 GenAI 최적화 공급망은 혼란을 더 빠르게 예상하고 조정하며, 현재 제조 프로세스는 가상 반복을 통해 개선됩니다. 13재료 과학에서 GenAI 기반 실험은 새로운 재료의 발견을 가속화하여 건설에서 전자에 이르기까지 모든 분야에서 발전을 이룹니다. 14금융 부문으로 눈을 돌리면 비슷한 생산성 향상을 볼 수 있습니다. 지역 은행은 GenAI 기반 챗봇을 활용하여 지역 지식에 기반한 맞춤형 금융 조언을 제공하는 반면, 모든 규모의 기관은 규정 준수 모니터링, 사기 탐지, 위험 관리 및 문서 분석을 위해 GenAI를 계속 활용하고 있습니다. 15

이 세계 상태에서는 사회에 미치는 영향이 점진적으로 긍정적일 것입니다. 인간은 GenAI를 도구로 사용하여 현재 우리가 생산하는 상품과 서비스를 보다 효율적으로 제공할 것입니다. 생산성이 올라갈 것입니다. 경제는 더 빠른 속도로 성장할 것입니다. 16

이는 노동력에 어떤 의미가 있을까요? 영향은 산업과 직업의 특성에 따라 달라집니다. GenAI 실험에 따르면 이 기술은 기술을 향상시키고 성과가 낮은 근로자의 생산성을 성과가 높은 근로자와 동등하게 만들 수 있는 잠재력을 가지고 있습니다. 17다른 경우에는 가장 성과가 높은 사람들을 증강시켜 창의성이나 역할의 전략적 측면에 더 많은 시간을 할애할 수 있습니다. 특정 작업에 대한 자동화 증가는 일부 근로자를 대체할 수 있으며, 특정 기술은 GenAI에 의해 복제될 수 있습니다. 역사적으로 기술이 일부 직업을 대체함에 따라 기존 역할을 증강하거나 새로운 역할을 만들었습니다. 18하지만 이는 노동 수요의 주요 변화에 대응하여 재교육을 받거나, 다른 직장을 찾거나, 직업을 바꿔야 하는 근로자의 개별 비용을 과소평가하려는 것이 아닙니다. 사회는 AI의 이러한 가능한 영향을 고려해야 합니다.

이는 경제에 어떤 의미를 갖습니까? 앞서 언급했듯이 점진적 생산성 향상이 널리 퍼진다면 경제는 성장해야 합니다. 그러나 이 시나리오에서는 GenAI에서 기대되는 가치 창출이 과장되었을 가능성이 있으며 점진적 생산성 향상보다는 혁신적 돌파구를 기대했을 수 있습니다. 이는 현실이 기대에 미치지 못할 경우 이 기술에 막대한 투자를 한 회사에 대한 시장 조정을 유발할 수 있습니다. 미국 경제는 1990년대 후반 도트컴 붐 동안 생산성 증가가 급증했지만, 그 후 파산, 자본 과잉, 신중한 기업 투자 환경이 뒤따랐습니다. 19그에 따른 경기 침체의 여파는 광범위했습니다.

이는 금융 안정성과 기타 금융 위험에 어떤 의미를 갖습니까? 이 점진적 시나리오에서 GenAI는 시스템에 이미 존재하는 취약성과 회복력의 원천을 모두 확대할 수 있습니다. 매력적인 거래는 더 붐비지만 위험 관리자는 새로운 통찰력을 얻습니다. 20악의적인 행위자는 새로운 도구를 얻지만, 사이버 방어자는 더 잘 무장하게 됩니다. 금융 규제 기관, 기업 위험 관리자 및 하락 위험을 관리하는 다른 사람들이 진화하는 금융 생태계와 보조를 맞추기 위한 노력을 우선시하는 한, 위험 균형의 대대적인 변화를 시사하는 것은 없습니다. 물론, 보조를 맞추는 데는 어려움이 따를 것이고, 우리 모두가 이러한 위험을 충족해야 할 필요성에 집중하는 것이 중요합니다.

가상 시나리오 2: 혁신적 변화
이제 GenAI 도입이 현재 우리가 하는 일을 개선하는 것을 넘어 경제와 사회에 혁신적 효과를 미치는 새로운 전문 지식과 역량을 제공하는 더욱 극적인 가상 시나리오를 고려해 보겠습니다. 이 시나리오에서 인간은 상상력과 창의성을 발휘하고 연구 개발에 대한 강력한 투자를 결합하여 지능형 GenAI 시스템을 구축하여 생명공학, 로봇공학, 에너지 분야에서 급속한 혁신을 이루고 기존 산업을 근본적으로 재편하고 새로운 산업을 창출합니다. 이 경우 정신을 집중하기 위해 GenAI를 과학자가 데이터를 분석하는 도구로만 생각하지 않고 어떤 의미에서는 GenAI가 과학자가 되어 연구를 지휘한다고 생각할 수 있습니다. 21

예를 들어, 의료 분야에서 GenAI 응용 프로그램이 현재 제공하는 치료 방식을 개선할 뿐만 아니라 유전자 돌연변이를 표적으로 삼고 이전에는 치료 불가능하다고 여겨졌던 질병을 치료하는 치료법을 가능하게 한다고 가정해 보겠습니다. 22마찬가지로 제조업은 새로운 소재와 원자 정밀도로 생산된 제품을 갖춘 GenAI 기반 로봇 공장을 만드는 방향으로 발전합니다. 23프로그래밍 가능한 재료와 자가치유 물질의 발견을 통해 재료 과학이 변모하고 있으며, 이는 모두 건축, 기술 및 소비재를 재편합니다. 24한편, GenAI는 핵융합 에너지 연구를 최적화하여 지속 가능한 에너지원으로의 전환을 가속화합니다. 25그리고 GenAI는 차세대 양자 컴퓨팅을 만드는 데 도움이 됩니다. 26이런 방식으로 GenAI는 자체 에너지원과 컴퓨팅 기능을 개선하여 더욱 강력한 창의적 도구가 될 수 있습니다. 27

금융도 오늘날과는 근본적으로 달라 보입니다. 매우 개인화된 금융 계획에 접근할 수 있는 개인과 혁신적인 제품과 서비스를 제공하는 기업은 거의 마찰이 없거나 새로운 형태의 금융 중개를 통해 서로 원활하게 연결됩니다. 28거래 전략과 위험 관리 관행은 공공 및 사설 도메인 모두에서 방대한 지식 기반에 대한 동적인 실시간 액세스를 제공하는 더 큰 GenAI 기반 분석 도구에 의해 강화됩니다. 29

이 변혁적 시나리오는 첫 번째 시나리오보다 더 추측적이고 훨씬 더 큰 불확실성을 동반하지만, 변혁적 구성 요소 중 하나만 실현되더라도 발생할 수 있는 인간의 발전과 복지에 대한 엄청난 기회를 고려하는 것이 중요합니다. 우리는 경제가 어떻게 구조화되어 있는지 근본적으로 다시 상상해야 할 것입니다.

GenAI의 역량이 오늘날 인간이 달성할 수 있는 수준을 넘어선 세상에서 노동력에 미치는 영향은 무엇일까요? 인간은 다중 에이전트 GenAI 프레임워크를 관리하거나 GenAI 솔루션이 일부 애플리케이션에 대해 비용이 많이 들거나 비효율적인 격차를 메우는 역할을 할 수 있습니다. 하지만 이는 일부 근로자가 현재 일자리가 사라지는 것을 볼 수 있는 세상입니다. 또한 자신의 일이 변형되고 수행하는 작업에 대한 선택권이 훨씬 더 많아지는 세상이기도 합니다. 노동의 본질은 근본적으로 바뀔 것이고, 이를 위해서는 경제를 조직하는 방법에 대한 보다 광범위한 대화가 필요합니다. 이러한 대화는 인간의 상태에 미치는 영향과 사람들이 일에서 커뮤니티, 우정, 개인적 의미와 존엄성을 얻는 정도를 인식하는 방식으로 주요 경제적 변화를 탐색하는 방법에 대해 고심해야 합니다.

경쟁 환경은 어떨까요? 처음에는 기업에 대한 보상이 더 불균등하게 분배될 가능성이 더 높을 것입니다. 광범위한 영향을 미치는 중요한 혁신이 일부 기업과 산업에 이롭고 GenAI 혁신을 제어하는 ​​기업에 경제적 권력을 집중시킬 수 있기 때문입니다. 소수의 기업만이 제가 위에서 언급한 놀라운 일을 달성할 수 있는 능력이 있다면, 그들은 시장을 지배하고 경쟁자를 밀어낼 수 있습니다. GenAI가 광범위하게 효과적이고 널리 사용 가능하며 저렴해지는 한, 적절한 규제 환경이 경쟁 시장 역학을 지원하는 경우 이러한 시장 이점은 시간이 지남에 따라 약화될 수 있습니다. 30그러나 역사는 이와 관련하여 신중함을 시사합니다. 소수의 플레이어가 지배할 수도 있습니다. 31

마지막으로, 금융의 경우, 우리는 이 시나리오에서 근본적인 변화를 예상해야 합니다. 금융 시스템이 잘 작동하면, 시간과 공간을 통해 돈과 위험을 옮기는 데 도움이 됩니다. 32경제가 조직되는 방식에 근본적인 변화가 생긴다면 가계, 기업, GenAI 에이전트 간의 거래를 원활하게 하기 위한 새로운 제도, 시장, 제품이 필요할 수 있습니다.

우리는 무엇을 해야 할까요?
GenAI의 잠재적 이점을 활용하고 위험을 최소화하는 데 도움이 될 수 있는 많은 방법 중에서 오늘은 몇 가지만 강조하겠습니다.

금융 기관과 연방준비제도는 GenAI 기술을 이해하고, 적절한 경우 워크플로에 통합하고, 직원들에게 기술을 책임감 있고 효과적으로 사용하는 방법에 대한 교육을 실시하는 데 충분한 리소스를 투자하는 것을 고려해야 합니다. 33한편, 금융 규제 커뮤니티는 민첩성과 유연성을 가지고 변화하는 환경에 접근해야 합니다. 그리고 금융 부문을 넘어 정부, 민간 산업, 연구 기관 간의 협력은 GenAI 시스템이 치명적인 방식으로 무기화되지 않도록 하는 데 매우 중요합니다. 우리는 책임 있는 AI 연구 및 개발에 계속 집중하고 모니터링 시스템, 안전한 AI 시스템 개발 표준, 허용 가능한 사용 사례에 대한 레드라인에 대한 합의를 포함하여 오용에 대한 보호 조치를 구현해야 합니다. 34우리는 GenAI가 우리의 경제 및 정치 제도에 미치는 영향에 대해 알아야 합니다. 그것은 경제적, 정치적 권력을 극소수의 손에 집중시키고 소수의 집단만이 이익을 실현하고 나머지는 뒤처지게 할 위험이 있습니다.

제가 강조하고 싶은 또 다른 것은 AI 거버넌스입니다. 저는 대부분의 사람들이 이 기술의 목표가 인간의 상태를 개선하는 것이라는 데 동의할 것이라고 생각하며, 그렇게 하려면 그 목표를 추진하는 데 의도적이어야 합니다. 우리는 GenAI를 인간을 대체하는 것이 아니라 향상시키는 것으로 생각해야 하며, 그러한 목적을 위해 모범 사례와 문화적 규범을 설정해야 합니다. 모든 금융 기관은 기술의 한계를 인식하고 GenAI가 어떤 프로세스에서 어디에, 언제 속하는지 탐구하며, 인간이 루프에 가장 잘 참여할 수 있는 방법을 파악해야 합니다. 또한 데이터 품질에 집중하고 GenAI 사용이 시스템을 훈련하는 데 사용된 데이터에 내재된 편견을 영속화하거나 증폭시키지 않고, 데이터가 불완전하거나 대표성이 없는 범위에서 잘못된 추론을 하지 않도록 해야 합니다. 35규제 분야에서는 AI 방법을 설명하는 데 따르는 복잡성과 과제, 데이터 품질을 평가하는 어려움 등을 해결하기 위해 모델 위험을 이해하기 위한 프레임워크를 업데이트해야 할 수도 있습니다.

우리는 금융의 위험에 조율해야 합니다. GenAI를 매력적으로 만드는 바로 그 속성, 즉 속도, 자동성, 금융 전략을 최적화하는 능력도 위험을 나타냅니다. 36기술이 보편화되면 GenAI를 사용하면 무리 짓기 행동과 위험 집중으로 이어져 잠재적으로 시장 변동성을 증폭시킬 수 있습니다. GenAI 에이전트가 이익을 극대화하도록 지시받으면 조정된 시장 조작을 통해 수익을 극대화하는 전략으로 수렴되어 자산 거품과 폭락을 부추길 수 있습니다. 속도, 자동성, 보편성은 광범위한 규모로 새로운 위험을 생성할 수 있습니다. 37

또한 이 기술의 도입이 은행 환경을 어떻게 변화시키는지 모니터링해야 합니다. 비은행은 GenAI를 운영에 통합하는 데 더 민첩하고 위험을 감수할 수 있으며, 이는 금융 부문의 규제가 덜하고 투명성이 낮은 곳으로 중개를 밀어낼 수 있습니다. 또한 이러한 경쟁 압력은 규제 기관을 포함한 모든 기관이 GenAI 도입에 대해 보다 공격적인 접근 방식을 취하도록 밀어붙여 앞서 언급한 거버넌스, 정렬 및 재무적 위험을 높일 수 있습니다.

결론적으로, AI의 영향은 산업마다 다르고 현실은 진화하고 있지만, 오늘 제가 설명한 시나리오는 GenAI의 발전에 어떻게 대응해야 하는지에 대한 생각을 시작할 수 있는 프레임워크를 제공합니다. 그러나 위에서 언급했듯이 두 시나리오의 요소는 미래에도 존재할 가능성이 높으며, 서로 다른 속도로 진행되어 경제와 사회에 미치는 영향에 영향을 미칠 것입니다. Agentic AI와 오픈소스 모델의 발전과 같은 이 기술의 급속한 발전은 이 기술이 얼마나 새로운지, 그리고 개인, 기업, 시장에 어떤 의미를 갖는지 이해하는 것이 얼마나 중요한지를 강조합니다. 감사합니다.

---

1. 여기에 표현된 견해는 저만의 것이며 반드시 연방준비제도이사회 동료들의 견해와 일치하지는 않습니다. 본문으로 돌아가기

2. 예를 들어 Lisa D. Cook의 " 인공지능, 빅데이터, 생산성을 위한 미래 경로 "(기술 지원 혼란: AI, 빅데이터, 원격 작업의 의미, 조지아주 애틀랜타, 2024년 10월 1일)를 참조하세요. 텍스트로 돌아가기

3. Gaurav Sett, " AI가 AI 연구 개발을 자동화할 수 있는 방법 ", RAND Commentary , 2024년 10월 24일 참조 . 텍스트로 돌아가기

4. Cory Breaux와 Emin Dinlersoz, " How Many US Businesses Use Artificial Intelligence? " (워싱턴: 미국 인구조사국, 2023년 11월 28일); Alexander Bick, Adam Blandin, David J. Deming, " The Rapid Adoption of Generative AI ", NBER Working Paper No. 32966 (매사추세츠주 케임브리지: National Bureau of Economic Research, 2024년 9월, 2025년 2월 개정); Leland Crane, Michael Green, Paul Soto, " Measuring AI Uptake in the Workplace ", FEDS Notes (워싱턴: 연방준비제도이사회, 2025년 2월 5일) 참조. 본문으로 돌아가기

5. 여러 가지 이유로 이러한 도구를 실험한 후 포기한 회사의 증거가 있습니다. Kathryn Bonney, Cory Breaux, Cathy Buffington, Emin Dinlersoz, Lucia S. Foster, Nathan Goldschlag, John C. Haltiwanger, Zachary Kroff, Keith Savage의 " Tracking Firm Use of AI in Real Time: A Snapshot from the Business Trends and Outlook Survey ", NBER Working Paper No. 32319(매사추세츠주 케임브리지: National Bureau of Economic Research, 2024년 4월)를 참조하세요.  본문으로 돌아가기

6. Agentic AI의 용도, 장점 및 위험에 대한 자세한 내용은 Mark Purdy의 " Agentic AI란 무엇이며, 어떻게 일을 바꿀 것인가? " Harvard Business Review (2024년 12월 12일)를 참조하세요. 텍스트로 돌아가기

7. Dario Amodei, "Machines of Loving Grace," 2024년 10월, https://darioamodei.com/machines-of-loving-grace를 참조하세요. 본문으로 돌아가기

8. 생물학 및 약물 발견에 대해서는 Jean-Philippe Vert, "Unlocking the Mysteries of Complex Biological Systems with Agentic AI," MIT Technology Review (2024년 11월 13일), https://www.technologyreview.com/2024/11/13/1106750/unlocking-the-mysteries-of-complex-biological-systems-with-agentic-ai를 참조하세요. 및 "Owkin Announces First Patient Dosed in Phase I AI-Optimized Clinical Trial of OKN4395, a First-in-Class EP2/EP4/DP1 Triple Inhibitor for Patients with Solid Tumors," Business Wire, 2025년 1월 30일, https://www.businesswire.com/news/home/20250130436779/en/Owkin-Announces-First-Patient-Dosed-in-Phase-I-AI-optimized-Clinical-Trial-of-OKN4395-a-First-in-Class-EP2EP4DP1-Triple-Inhibitor-for-Patients-with-Solid-Tumors. 본문으로 돌아가기

9. 다른 사람들은 다른 유형의 시나리오를 사용했습니다. Anton Korinek, " The Economics of Transformative AI ", The Reporter (매사추세츠주 케임브리지: National Bureau of Economic Research, 2024년 12월 31일); Iñaki Aldasoro, Leonardo Gambacorta, Anton Korinek, Vatsala Shreeti, Merlin Stein, " Intelligent Financial System: How AI Is Transforming Finance(PDF) ", BIS Working Papers No. 1194(스위스 바젤: Bank for International Settlements, 2024년 6월); Ethan Mollick, Co-Intelligence: Living and Working with AI (뉴욕: Portfolio/Penguin, 2024)를 참조하세요. 본문으로 돌아가기

10. 고객 서비스에서 근로자 생산성 향상에 대한 내용은 Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, " Generative AI at Work ", NBER Working Paper No. 31161(매사추세츠주 케임브리지: National Bureau of Economic Research, 2023년 4월, 2023년 11월 개정)을 참조하십시오. GenAI 지원 쓰기 향상에 대한 내용은 Shakked Noy와 Whitney Zhang, " Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence ", Science , vol. 381, no. 6654(2023년 7월): 187–92를 참조하십시오. Jordan Usdan, Allison Connell Pensky, Harley Chang, "Generative AI's Impact on Graduate Student Writing Productivity and Quality," SSRN (2024년 8월 29일), https://dx.doi.org/10.2139/ssrn.4941022. 소프트웨어 엔지니어링의 경우 Sida Peng, Eirini Kalliamvakou, Peter Cihon, Mert Demirer, " The Impact of AI on Developer Productivity: Evidence from GitHub Copilot ," arXiv:2302.06590, 2023년 2월 13일; Leonardo Gambacorta, Han Qiu, Shuo Shan, Daniel M. Rees, " Generative AI and Labour Productivity: A Field Experiment on Coding (PDF) ," BIS Working Papers No. 1208(바젤, 스위스: Bank for International Settlements, 2024년 9월)을 참조하십시오. Zheyuan (Kevin) Cui, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng, Tobias Salz, "고숙련 작업에 대한 생성 AI의 효과: 소프트웨어 개발자를 대상으로 한 세 가지 현장 실험에서 얻은 증거", SSRN (2024년 9월 5일, 2025년 2월 10일 개정), https://dx.doi.org/10.2139/ssrn.4945566. 컨설팅 산업의 근로자 이익에 대해서는 Fabrizio Dell'Acqua, Edward McFowland III, Ethan Mollick, Hila Lifshitz-Assaf, Katherine C. Kellogg, Saran Rajendran, Lisa Krayer, François Candelon, Karim R. Lakhani의 " Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality (PDF) ", Harvard Business School Working Paper No. 24-013(2023년 9월)을 참조하세요. 본문으로 돌아가기

11. Ethan Goh, Robert Gallo, Jason Hom, et al., "Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial," JAMA Network Open (2024년 10월 28일), https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2825395; Nikhil Agarwal, Alex Moehring, Pranav Rajpurkar, and Tobias Salz, " Combining Human Expertise with Artificial Intelligence: Experimental Evidence from Radiology ," NBER Working Paper No. 31422(매사추세츠주 케임브리지: National Bureau of Economic Research, 2023년 7월, 2024년 3월 개정); Ashley Capoot, "Reid Hoffman Enters 'Wondrous and Terrifying' World of Health Care with Latest AI Startup," CNBC, 2025년 2월 2일, https://www.cnbc.com/2025/02/02/reid-hoffman-launches-manas-ai-a-new-drug-discovery-startup.html; Kang Zhang, Xin Yang, Yifei Wang, Yunfang Yu, Niu Huang, Gen Li, Xiaokun Li, Joseph C. Wu, Shengyong Yang, "Artificial Intelligence in Drug Development," Nature Medicine , vol. 31 (2025년 1월): 45–59, https://doi.org/10.1038/s41591-024-03434-4; Qian Liao, Yu Zhang, Ying Chu, Yi Ding, Zhen Liu, Xianyi Zhao, Yizheng Wang, Jie Wan, Yijie Ding, Prayag Tiwari, Quan Zou 및 Ke Han, "약물-표적 상호 작용 예측에 인공 지능 적용: 검토", NPJ Biomedical Innovations , vol. 2, 아니. 1(2025년 1월), https://doi.org/10.1038/s44385-024-00003-9. 텍스트로 돌아가기

12. 교육에 대한 자세한 내용은 Justin Wolfers, "An Econ Educators Guide to our AI-Powered Future," Macmillan Learning, EconEd (프레젠테이션), 2024년 9월 26일, https://www.macmillanlearning.com/college/us/events/econed; 및 Anne J. Manning, " Professor Tailored AI Tutor to Physics Course. Engagement Doubled ," Harvard Gazette , 2024년 9월 5일 을 참조하세요. 본문으로 돌아가기

13. Maxime C. Cohen과 Christopher S. Tang, " The Role of AI in Developing Resilient Supply Chains ", Georgetown Journal of International Affairs (2024년 2월 5일); Remko Van Hoek과 Mary Lacity, " How Global Companies Use AI to Prevent Supply Chain Disruptions ", Harvard Business Review , 2023년 11월 21일 참조. 본문으로 돌아가기

14. Sheldon Fernandez, "How Generative AI Can Be Used in Electronics," Forbes , 2023년 4월 26일, https://www.forbes.com/councils/forbestechcouncil/2023/04/26/how-generative-ai-can-be-used-in-electronics-manufacturing 참조. 본문으로 돌아가기

15. 미국 금융 기관의 경우 Elizabeth Judd, " How to Balance Human and Machine While Using Chatbots ", Independent Banker , 2025년 1월 1일; 및 US Department of the Treasury, " Artificial Intelligence in Financial Services (PDF) "(워싱턴: US Department of the Treasury, 2024년 12월)를 참조하십시오. 외국 금융 기관의 경우 영국 중앙은행 및 금융행위감독원, " Artificial Intelligence in UK Financial Services—2024 " (런던: 영국 중앙은행 및 금융행위감독원, 2024년 11월 21일); 및 일본 중앙은행, " Use and Risk Management of Generative AI by Japanese Financial Institutions ", Financial System Report Annex (도쿄: 일본 중앙은행, 2024년 10월 29일)를 참조하십시오. 글로벌 금융 기관의 경우 OECD, " FSB Roundtable on Artificial Intelligence (AI) in Finance (PDF) ", Financial Stability Board, 2024년 9월 30일을 참조하십시오. 본문으로 돌아가기

16. Lida R. Weinstock 및 Paul Tierno, " 인공지능의 거시경제적 효과(PDF) ", 의회조사국, 2025년 1월 28일. 본문으로 돌아가기

17. Shakked Noy와 Whitney Zhang, " 생성적 인공지능의 생산성 효과에 대한 실험적 증거 ", Science, vol. 381, no. 6654(2023년 7월 13일): 187–92; Brynjolfsson et al., "직장에서의 생성적 인공지능"(각주 9 참조); 및 각주 9에서 "소프트웨어 엔지니어링을 위해"; Korinek(2024) 각주 7 참조. 본문으로 돌아가기

18. David H. Autor, " Why Are There Still So Many Jobs? The History and Future of Workplace Automation ", Journal of Economic Perspectives , vol. 29, no. 3 (2015년 여름): 3–30을 참조하세요. Simona Abis와 Laura Veldkamp를 참조하세요. 본문으로 돌아가기

19. Ben S. Bernanke, " Will Business Investment Bounce Back? " (2003년 4월 24일, 뉴욕, 뉴욕의 Forecasters Club에서 한 연설) 참조. 본문으로 돌아가기

20. 금융안정위원회, 인공 지능의 금융안정 의미 (스위스 바젤: 금융안정위원회, 2024년 11월 14일); 및 Jon Danielsson과 Andreas Uthemann, " AI가 금융안정을 어떻게 훼손할 수 있는가 ", VoxEU: CEPR, 2024년 1월 22일 참조. 본문으로 돌아가기

21. 매우 초기의 몇 가지 사례는 Davide Castelvecchi, "Researchers Built an 'AI Scientist'—What Can It Do?" Nature , 2024년 8월 30일, https://www.nature.com/articles/d41586-024-02842-3; Daniil A. Boiko, Robert MacKnight, Ben Kline, and Gabe Gomes, "Autonomous Chemical Research with Large Language Models," Nature , 2023년 12월 20일, https://www.nature.com/articles/s41586-023-06792-0; 및 Helena Kudiabor, "Virtual Lab Powered by 'AI Scientists' Super-Charges Biomedical Research," Nature , 2024년 12월 4일, https://www.nature.com/articles/d41586-024-01684-3 을 참조하세요 . 본문으로 돌아가기

22. 약물 발견 및 유전자 치료에 대한 자세한 내용은 Betty Zou의 " Team Uses AI and Quantum Computing to Target 'Undruggable' Cancer Protein ," Phys Org, 2025년 1월 27일; 및 Mohammad Ghazi Vakili et al.의 "Quantum-Computing-Enhanced Algorithm Unveils Potential KRAS Inhibitors," Nature Biotechnology , 2025년 1월 22일, https://www.nature.com/articles/s41587-024-02526-3을 참조하세요. 텍스트로 돌아가기

23. NASA 기술 이전 프로그램, " Robonaut 2: Hazardous Environments (MSC-TOPS-44) "를 참조하세요. 본문으로 돌아가기

24. 재료 과학 혁신에 대한 자세한 내용은 Andy Extance의 "First GPT-4-Powered AI Lab Assistant Independently Directs Key Organic Reactions," Chemistry World , 2024년 1월 8일, https://www.chemistryworld.com/news/first-gpt-4-powered-ai-lab-assistant-independently-directs-key-organic-reactions/4018723.article; Chenyang Liu, Xi Zhang, Jiahui Chang, You Lyu, Jianan Zhao, Song Qiu의 " Programmable Mechanical Metamaterials: Basic Concepts, Types, Construction Strategies—A Review ," Frontiers , vol. 11(2024년 3월 19일)을 참조하세요. Aidan Toner-Rodgers, "인공지능, 과학적 발견 및 제품 혁신", MIT, 2024년 11월 27일, https://aidantr.github.io/files/AI_innovation.pdf; 및 Thomas Hayes et al., " 언어 모델을 사용하여 5억 년의 진화 시뮬레이션 ", Science , 2025년 1월 16일. 텍스트로 돌아가기

25. Tan Sui, "AI Could Help Overcome the Hurdles to Making Nuclear Fusion a Practical Energy Source", The Conversation , 2025년 1월 29일, https://theconversation.com/ai-could-help-overcome-the-hurdles-to-making-nuclear-fusion-a-practical-energy-source-247608; Jaemin Seo, SangKyeun Kim, Azarakhsh Jalalvand, Rory Conlin, Andrew Rothstein, Joseph Abbate, Keith Erickson, Josiah Wai, Ricardo Shousha, and Egemen Kolemen, "Avoiding Fusion Plasma Tearing Instability with Deep Reinforcement Learning", Nature , vol. 626, 2024년 2월 21일, https://doi.org/10.1038/s41586-024-07024-9; 및 Massimiliano Lupo Pasini, German Samolyuk, Markus Eisenbach, Jong Youl Choi, Junqi Yin, and Ying Yang, "체심입방 구조를 가진 고체 용액 니오븀-탄탈럼-바나듐 합금에 대한 기본 원리 데이터," Nature: Scientific Data , vol. 11, no. 907 (2024년 8월 22일), https://doi.org/10.1038/s41597-024-03720-3. 본문으로 돌아가기

26. 나키아 멜레시오, " 시너지 탐색: 혁신의 교차점에서 양자 컴퓨팅과 생성 AI ", ScaleUp Lab 프로그램, Enterprise Innovation Institute, Georgia Tech. 본문으로 돌아가기

27. GenAI와 양자 컴퓨터에 대한 예는 Rahul Rao, "Quantum Computers Can Now Run Powerful AI That Works like the Brain," Scientific American , 2024년 4월 22일, https://www.scientificamerican.com/article/quantum-computers-can-run-powerful-ai-that-works-like-the-brain을 참조하세요. AI와 청정 에너지에 대한 예는 Office of Policy, " How AI Can Help Clean Energy Meet Growing Electricity Demand "(워싱턴: 미국 에너지부, 2024년 8월 16일)를 참조하세요. GenAI가 창의성을 증강하는 방법에 대한 예는 Tojin T. Eapen, Daniel J. Finkenstadt, Josh Folk, and Lokesh Venkataswamy, " How Generative AI Can Augment Human Creativity ," Harvard Business Review (2023년 7월-8월)를 참조하세요. 그리고 Anil R. Doshi와 Oliver P. Hauser, " 생성 AI는 개인의 창의성을 향상시키지만 새로운 콘텐츠의 집단적 다양성을 감소시킨다 ", Science Advances , vol. 10, no. 28(2024년 7월 12일). 본문으로 돌아가기

28. Iñaki Aldasoro, Leonardo Gambacorta, Anton Korinek, Vatsala Shreeti, Merlin Stein, " Intelligent Financial System: How AI Is Transforming Finance (PDF) ", BIS Working Papers No. 1194(스위스 바젤: Bank for International Settlements, 2024년 6월); 및 Sarah Hammer, " From Turing to Trading: How AI Is Revolutionizing Finance ", Wharton School의 Finance Centers, 2024년 7월 10일 참조. 본문으로 돌아가기

29. 대규모 언어 모델은 경제 AI 에이전트를 통해 거시경제적 현재 예측 및 예측을 개선할 수 있는 합성 데이터를 생성할 수도 있으며, 이는 거시경제적 추세를 분석하고 보다 정보에 입각한 재무적 의사 결정에 기여하는 데 도움이 될 수 있습니다. Anne Lundgaard Hansen, John J. Horton, Sophia Kazinnik, Daniela Puzzello, Ali Zarifhonarvar, "Simulating the Survey of Professional Forecasters," SSRN (2024년 12월 1일), https://dx.doi.org/10.2139/ssrn.5066286을 참조하세요. 텍스트로 돌아가기

30. 켈리 응, 브랜든 드레논, 톰 거켄, 마크 시슬락, "DeepSeek: 세계를 떠들썩하게 하는 중국 AI 앱", BBC News , 2025년 2월 4일, https://www.bbc.com/news/articles/c5yv5976z9po. 본문으로 돌아가기

31. 예를 들어, IBM Newsroom, "Data Suggests-Growth in Enterprise Adoption of AI Is Due to Widespread Deployment by Early Adopters, But Barriers Keep 40% in the Exploration and Experimentation Phases," IBM , 2024년 1월 10일, https://newsroom.ibm.com/2024-01-10-Data-Suggests-Growth-in-Enterprise-Adoption-of-AI-is-Due-to-Widespread-Deployment-by-Early-Adopters; 및 Jefferies Editorial Team, "Can Startups Outsmart Big Tech in the AI ​​Race?" Jefferies , 2024년 9월 17일, https://www.jefferies.com/insights/boardroom-intelligence/can-startups-outsmart-big-tech-in-the-ai-race를 참조하세요. 텍스트로 돌아가기

32. AI 에이전트가 금융 거래에 널리 퍼지면 AI 에이전트 간의 공모와 같은 의도치 않은 결과의 가능성에 대해서도 주의해야 합니다. Winston Wei Dou, Itay Goldstein, Yan Ji, "AI-Powered Trading, Algorithmic Collusion, and Price Efficiency," Jacobs Levy Equity Management Center for Quantitative Financial Research Paper, The Wharton School Research Paper, 2024년 5월 30일, https://dx.doi.org/10.2139/ssrn.4452704를 참조하세요. 본문으로 돌아가기

33. 인공 지능(AI) 행동 계획 개발에 대한 정보 요청 참조, 90 Fed. Reg. 9,088(PDF) (2025년 2월 6일). 본문으로 돌아가기

34. Heather Domin, " AI 거버넌스 트렌드: 규제, 협업 및 기술 수요가 산업을 형성하는 방식 ", 세계 경제 포럼, 2024년 9월 5일 참조 . 본문으로 돌아가기

35. 모델에 도입된 편향에 대한 자세한 내용은 Moshe Glickman 및 Tali Sharot, "How Human–AI Feedback Loops Alter Human Perceptual, Emotional, and Social Judgements," Nature Human Behavior , 2024년 12월 18일, https://www.nature.com/articles/s41562-024-02077-2; Saul Asiel Flores, "' Bias in, Bias out': Tackling Bias in Medical Artificial Intelligence ," Yale School of Medicine, 2024년 11월 18일을 참조하십시오. 및 Adam Zewe, " Researchers Reduce Bias in AI Models While Preserving or Improving Accuracy ", MIT News, 2024년 12월 11일. 중앙은행의 거버넌스에 대해서는 Claudia Alvarez Toca와 Alexandre Tombini, Governance of AI Adoption in Central Banks  (PDF) (바젤, 스위스: 국제결제은행, 2025년 1월)를 참조하십시오. 텍스트로 돌아가기

36. 예를 들어, Michael P. Wellman, " 금융 서비스의 인공지능(PDF) "(미국 상원 은행, 주택 및 도시 문제 위원회에서의 서면 증언, 2023년 9월 20일)을 참조하십시오. 본문으로 돌아가기

37. Jon Danielsson과 Andreas Uthemann의 " AI Financial Crises ", VoxEU: CEPR, 2024년 7월 26일을 참조하세요. 알고리즘 공모에 대한 자세한 내용은 Wei Dou et al.의 "AI-Powered Trading, Algorithmic Collusion, and Price Efficiency"(각주 33 참조)를 참조하세요. 본문으로 돌아가기

마지막 업데이트: 2025년 2월 18일