|
인간 vs 기계, 경쟁의 구도를 일순간 뒤집는 폭발적 아이디어!
〈포춘〉 선정 세계 최고의 경영학 교수 50인, 토머스 대븐포트가 제시하는
인공지능 시대 지식노동자를 위한 미래지형도
로봇과 인공지능, 그 후의 시대, 지식노동의 메커니즘이 송두리째 바뀐다! 지금 로봇과 인공지능을 받아들인 세계적인 기업들에서는 무슨 일이 일어나고 있는가? 기술혁명의 최전선에서 성공적인 커리어를 쌓는 인재들의 숨은 경쟁력은 무엇인가? 학습하고 예측하고 심지어 의사결정을 내리는 똑똑한 기계를 앞으로 나의 업무에 어떻게 활용할 것인가? 인간 vs 기계, 경쟁의 구도를 일순간 뒤집는 폭발적 아이디어, 인공지능을 본격 활용하는 새로운 지식노동의 모델, 기계에 대한 대응력을 높이는 강력한 목표와 디테일한 실행법… 〈뉴욕타임스〉〈월스트리트 저널〉〈하버드 비즈니스 리뷰〉〈파이낸셜 타임스〉 극찬! 4차 산업혁명이 뒤바꾼 일자리를 사수하는 가장 현실적이고 구체적인 솔루션.
뒤바뀐 일자리 지형도, 급변하는 직장 생태계,
미래 일자리가 당신에게 원하는 것은 무엇인가
“지식노동의 자동화는 필연적이다. 이는 우리 자신에게나, 우리 아이들에게나, 그 아이들의 아이들에게나 마찬가지다. 직업에서의 극적인 변화는 불가피하다. 그 점에서는 우리 대부분이 탐내는 최고 수준의 교육을 요하는 지식노동도 마찬가지다. 따라서 행동을 취해야 한다.” _p.46
인공지능은 “우리의 실존을 뒤흔드는 가장 큰 위협”이라는 일론 머스크의 발언은 아마도 최근 몇 년 사이 가장 많이 인용된 말일 것이다. 바야흐로 지능을 갖춘 기계가 부상하면서 우리는 21세기 가장 큰 도전과 마주하고 있다. 바로 똑똑한 기계에 맞서 인간의 일자리를 보장하는 것이다. 지금까지 기술의 발전은 늘 노동자들을 밀어냈지만 또한 빼앗아간 일자리보다 많은 고용 기회를 창출하기도 했다. 그런데 기술 발전으로 인한 자동화 시스템이 지식노동의 영역까지 침범하면서 이번에는 그런 패턴이 무너질 가능성이 크다. 이번 피해자는 은행 창구 직원도 도로 통행료 징수원도 아니다. 기계가 밀고 들어와도 끄떡없다고 생각했던 ‘지식노동자들’이다. 새로운 제품과 서비스를 개발하고, 마케팅 계획을 세우고, 각종 전략을 세우는 대기업 직원들, 의사, 변호사, 과학자, 교수, 회계사 등 고도의 교육을 받고 전문 자격증을 갖춘 사람들, 비행기 조종사, 선박 선장, 사설탐정, 기자, 출판 관계자를 비롯해 업무를 수행하려면 끊임없이 공부해야 하는 사람들이 모두 이 지식노동자의 범주에 속한다. 즉 기계가 더럽고 위험하고 단조로운 일을 밀어낸 데 이어 지식노동의 핵심인 의사결정 업무까지 넘보기 시작하면서, 지식노동자들이 일자리를 잃을까봐 불안해하는 것은 당연하다.
지식노동의 자동화를 둘러싼 논쟁에 참여하고 있는 대다수의 전문가들은 현재의 상황과 관련해 노동자들이 개인적으로 할 수 있는 일이 그리 많지 않다는 점에서 비관적인 전망을 제시하고 있다. 하지만 이 책은 바로 이 지점에서 한걸음 더 나아간다. 저자는 기계와의 경쟁에서 인간이 이길 방법은 아직 분명히 있다고 주장하며, 강력한 과학기술과 나란히 일하는 새롭고 안정된 직장의 가능성을 제시한다. 이제 우리는 날로 발전하는 자동화에 어떻게 대처할 것인지 주인의식을 가지고 스스로 결정해야 한다. 저자는 말한다. “현실 안주는 선택사항이 아니다. 그러나 낙담 또한 필요하지 않다.”(p.55)
똑똑한 사람들과 똑똑한 기계의 성공적인 결합,
‘자동화’를 넘어선 ‘증강’이 답이다!
“인간과 기계가 짝을 이룸으로써 인간이 지금 잘하는 일을 ‘더’ 잘할 수 있게 해준다면, 마찬가지로 기계가 지금 하는 일을 훨씬 더 잘할 수 있게 해준다면? 그렇다면 그것은 ‘증강’이 될 것이다. 단순히 노동의 분할을 넘어 가치의 증식이 될 것이다.” _p.105
기계가 인간 노동자에게 위협이 되는 이유는 단순히 말해 ‘자동화’ 때문이다. 다시 말해 기계가 등장하지 않았다면 인간이 하고 있을 일을 인간 없이 기계가 혼자 하기 때문이다. 이에 저자는 기계가 인간을 쓸모없는 존재로 만드는 게 아니라 인간이 더 많은 능력을 발휘할 수 있도록 설계되어야 한다고 주장하며, ‘자동화(automation)’보다 진화된 개념인 ‘증강(augmentation)’을 솔루션으로 내놓는다.
우선 사람들이 자동화를 증오하는 이유는 경영자 입장에서 직원의 단점이나 한계를 찾아내 인원 감축 혹은 임금 삭감과 같은 불이익을 주기 때문이다. 예를 들어 마트 계산원의 업무가 자동화되는 과정을 살펴보자. 해당 직원의 약점은 인건비인데, 자동화는 그 직원의 자리를 없애고 대신 셀프계산대를 들여놓음으로써 직원에게 불이익을 준다. 불이익은 당장 직원들뿐만 아니라 고객들에게까지 확대될 수 있다. 고객들은 이제 카트 가득 들어찬 물건들을 셀프계산대에서 직접 스캔해야 하며, 이제껏 그 일을 해왔던 계산원만큼 능숙하게 물건을 스캔할 수 있는 고객은 없다. 만약 인간 계산원이 존재한다면 셀프계산대를 고를 고객은 아무도 없을 것이다. 반면 증강은 인간의 약점이나 한계를 찾아내 보완한다. 셀프계산대가 자동화의 예시라면, 마트의 바코드 스캐너는 계산원들의 약점을 찾아서 보완한 증강의 예시이다. 바코드 스캐너 기술은 가격에 대한 계산원들의 불완전한 기억력과 때로 멈칫거리는 손가락을 보완해 생산성을 증대하는 효과를 가져왔다. 최선을 다하려는 지식노동자에게 증강은 든든한 버팀목이 되어준다.
“기계와의 경쟁에서 이길 방법은 분명히 있다!”
‘증강’을 달성하는 다섯 가지 방법
“유능한 조직이라면 스마트 기기의 이점을 간과하지 않을 것이다. 똑똑한 기계와 똑똑한
사람들을 한데 묶는 것이야말로 장기적으로 볼 때 더 남는 장사다.” _p.317
인간과 기계 양쪽의 강점은 최대화하고 약점은 최소화하는 신중한 직무 설계는 증강의 핵심이다. 기계를 똑똑하게 활용하는 증강은 업무를 더 빨리 할 수 있게 해줄 뿐 아니라, 부수적 업무 대신 더욱 깊이 파고드는 업무에 집중할 수 있게 해준다. 인공지능의 시대에 증강을 달성해 계속 직업을 유지하고 성공적인 커리어를 쌓고자 하는 지식노동자라면 많이 배우고, 일하는 방식을 바꾸고, 때로 기계를 이기려는 오만을 버려야 한다. 아주 똑똑한 기계를 상대로 게임에서 이기려면 그런 기계와 손잡고 일하는 법을 배워야 한다. 개인이 취할 수 있는 증강 전략에는 모두 다섯 가지가 있다. 각각의 전략 모두 기계들이 하는 일에 가치를 부가하거나, 기계가 인간의 일에 가치를 부가할 수 있게 해준다.
1. 위로 올라서라 (Stepping Up)
컴퓨터는 광범위하고 근본적인 변화를 읽어내는 데 서툴다.
위로 올라서서 ‘큰 그림’을 보는 통찰력과 판단력을 갖춰라.
이는 주로 나무보다 숲을 보는 경영진에게 필요한 능력이다.
2. 옆으로 비켜서라 (Stepping Aside)
컴퓨터가 혼자 할 수 없는 직업군으로 옮겨가라.
인간이 독점하고 있는 능력과 특징은 여전히 꽤 많다.
장인, 예술가, 서비스업 종사자들은 인간만이 갖춘 ‘다중지능’으로 ‘기계지능’을 보완할 수 있다.
3. 안으로 파고들어라 (Stepping In)
비즈니스와 기술의 교차로 안으로 파고들어라.
이는 곧 자신이 몸담은 조직이 필요로 하는 기술을 찾아 조직에 연결해주는 능력이다.
조직에 적합한 시스템을 구축하고 관리하고 개선하는 일은 어느 분야에서나 필요하다.
4. 틈새로 움직여라 (Stepping Narrowly)
시장이 매우 한정된 고도의 전문영역을 찾아라.
범위가 너무 한정되어 자동화로 인한 경제적 실익이 전혀 없을 것 같은 영역의
지식노동자들은 미래에도 살아남을 것이다.
5. 앞으로 나아가라 (Stepping Forward)
세상의 나머지가 사용할 새로운 과학기술 솔루션을 개발하라.
이는 정보과학기술을 깊이 이해하며 새로운 도구에 관심이 많은 이들을 위한 영역이다.
아직은 시장이 넓지 않지만 머잖아 그렇게 될 것이다.
인간 vs 기계, 경쟁의 구도를 일순간 폭발적 아이디어
4차 산업혁명이 뒤바꾼 일자리를 사수하는 검증된 솔루션
“일자리를 바짝 추월해오는 기계가 백미러로 보는 것보다 실은 더 가까이 있다는 생각에
불안했다면, 지금부터는 희망을 보게 될 것이다.” _p.99
인간과 컴퓨터가 서로 힘을 합친다면 따로따로 일할 때보다 훨씬 더 바람직한 결과를 달성할 수 있다. 최근 몇십 년 사이에 인공지능을 상용화하는 속도가 빨라지면서 점점 더 많은 회사들이 인공지능을 도입해 조용히 실행하기 시작했다. 앤섬(Anthem) 같은 건강보험회사들은 IBM의 슈퍼컴퓨터 왓슨을 의료자문으로 기용하기 시작했다. 여기서 주목할 점은 과거 사례에 대한 방대한 지식을 바탕으로 합리적 대안을 제시하는 의료자문의 업무가 왓슨에 의해 대체되었다는 사실이다. 이전 사례를 왓슨보다 더 많이 기억할 수 있는 의사는 없다. 그렇다면 왓슨은 의료자문이라는 직업에서 인간을 완전히 몰아낼까? 아직 그럴 일은 없다. 대신 왓슨이 제공하는 지식기반 덕분에 의료자문 업무에 소요되는 시간을 줄일 수 있게 되었다. 따라서 앞으로 의료자문을 채용할 때는 성공에 중요한 다른 측면, 예를 들면 ‘동료들과 원만한 관계를 유지하되 다루고 있는 사안과 관련해서는 확고한 입장을 견지하는’ 능력에 초점을 맞출 것이다. 진보한 기술을 사용함으로써 인간 의사들의 능력이 증강된 것이다.
〈뉴욕타임스〉 〈월스트리트 저널〉 〈하버드 비즈니스 리뷰〉 〈파이낸셜 타임스〉 〈포춘〉 등의 극찬을 받은 이 책은 로봇과 인공지능 시대를 맞이해 일자리를 빼앗길 위기에 놓인 각 분야의 지식노동자들에게 희망의 메시지를 전달한다. 미래에 생산성을 증가시키고 비즈니스를 성공으로 이끄는 것은 인간 혹은 기계 어느 한쪽이 아니라 양쪽 모두에 달려 있다고 주장하며, 노동시장의 자동화와 기계화를 둘러싼 담론을 재정의한다. 해법은 과학기술을 활용해 인간이 지금보다 더 스마트하고 더 빠르게 일할 수 있도록 해주는 ‘증강’이다. 우리는 기계를 우리의 일자리에 침입한 경쟁자로 보지 말고 다음 시대의 문제를 함께 해결하는 파트너로 봐야 한다. 선택은 우리 몫이다.
지난 수십 년 동안 우리 지식노동자들은 다른 사람들의 노동이 기계로 대체되는 모습을 지켜보면서 이런저런 논평을 해왔다. 그러면서 컴퓨터는 우리가 하는 일을 대신할 수 없을 거라는 낙관론을 펴왔다. 우리는 하고 있는 일이 복잡하다는 이유로, 상당한 전문지식과 경험을 요구한다는 이유로 우리 자신을 단순 수작업 노동자나 육체노동자와 구분한다. 우리의 판단은 수량화하거나 규칙화할 수 없다고 생각한다. 우리가 결정을 내릴 때 사용하는 인문학과 과학의 결합은 모델화하거나 프로그램화할 수 없다고 생각한다. 우리의 협업 과정은 너무나 가변적이고 예측 불가능하기 때문에 컴퓨터화할 수 없다고 굳게 믿는다. 이 모두에서 우리는 틀렸다. _p. 46
기존의 내용을 다른 사람에게 전달하는 일을 하고 있다면 조만간 실직할 위험이 높다. 예를 들어 교사를 생각해보자. 교사는 학생들에게 필요한 내용이 뭔지 파악한 뒤 주로 (강의와 설명 등의) 인적 노동을 통해 그 내용을 전달한다. 그러나 앰플리파이, 맥그로힐 에듀케이션, 뉴턴 같은 회사에서는 학생이 배워야 할 내용을 진단하는 ‘적응형 학습’ 시스템을 이미 선보이고 있으며, 칸아카데미를 비롯해 온라인 교육 자료실도 많다. 그런 교육환경에서 교실 관리와 훈육 등 일부 기능은 컴퓨터가 수행하지 못하지만 그렇다고 해서 그 일을 꼭 지식노동자에게 맡길 필요는 없다. _p.37
‘자동화’는 무엇보다도 사람들이 주어진 일에서 무엇을 하고 그 결과 무엇을 끌어낼 수 있느냐에 초점을 맞춘다. 그리고 코드화가 가능해지는 순간 컴퓨터를 배치해 인간이 하는 일을 최대한 잘게 쪼갠다. 오로지 경비 절감이 목표이기 때문에 자동화는 경영진의 생각을 현재 달성되고 있는 성과에만 연연하게 제한한다. 이에 비해 ‘증강’은 인간과 기계가 현재 각각 무슨 일을 하고 있는지에 초점을 맞춘다. 그리고 그 둘의 협력을 통해 일거리를 줄이기보다 일을 심화할 수 있는 방법을 모색한다. 그렇게 하는 의도는 유지비가 많이 드는 저 인간들에게 어떻게든 일을 덜 주기 위해서가 절대 아니다. 그보다 인간들이 좀더 의미 있는 일을 할 수 있는 환경을 마련하는 것이 증강의 목표다. _p. 102
기계가 인간과의 긴밀한 협업을 통해 스스로의 한계를 뛰어넘을 수 있는 방법은 여러 가지가 있다. 최소한 기계는 다음의 주된 능력을 채우기 위해 인간을 필요로 한다.
-기계의 사고능력 설계와 창조
-‘큰 그림’을 볼 수 있는 시야 제공
-다양한 시스템과 결과의 집약과 통합
-기계의 원활한 업무 수행 감독
-기계의 약점과 강점 파악
-시스템이 필요로 하는 정보 도출
-자동화된 추천에 따라 행동하도록 인간을 설득하기
_p. 113~116
“우리가 자동화하려는 업무는 우리가 하는 일의 핵심이 아닙니다. 다만 우리는 많은 양의 데이터 처리를 필요로 하는 요소만 자동화하고 있을 뿐입니다. 이런 일은 기계가 더 잘할 수 있습니다. 하지만 심층보도, 소스 개발, 자료 확보, 인맥 관리, 회사 대표 인터뷰 등은 제외됩니다. 그런 일에는 인간, 그 일을 정말 잘할 수 있는 인간이 아주 많이 필요합니다.” 페라라는 소규모 팀을 꾸려 시스템을 시험하고, 버그를 해결하고, 기사가 정확히 작성되는지 확인하는 일을 맡겼다. 시스템이 저지르는 실수는 이미 인간 기자보다 훨씬 더 적은 수준에 이르렀다. 문제는 기사의 질이었다. 초창기에는 시스템에 대한 회의가 컸지만 많은 기자들이 결국에는 감탄했다. 그리고 자동화 시스템 때문에 일자리를 잃은 기자는 단 한 명도 없었다. (…) 요약하면 AP에서 페라라는 인간 업무의 자동화가 아니라 증강을 염두에 두었다. _p. 153
혹시 ‘보라색 사람’이 되고 싶다고 생각해본 적 있는가? 세계적인 보험사 XL 캐틀린은 사업과 결정 자동화 기술의 교차로 안으로 파고드는 사람들을 이렇게 부른다. (…) “업계 사람들, 다시 말해 보험계리사들은 어떤 자료가 필요하고 자격요건은 어떻게 정해야 하는지는 알지만, 필요한 자료를 제시해주는 데이터 구축 기술은 없습니다. 반면 과학기술 쪽 사람들은 사업은 이해하지 못하지만, 데이터 설계와 구축에 능합니다.” 윌슨은 이 특별한 문제를 색깔에 비유해 설명한다. “IT 쪽 사람들은 말하자면 파란색, 보험업계 사람들은 빨간색에 가깝습니다. 그런데 우리한테는 보라색 사람들이 필요합니다.” _p. 204