[email protected]
금융 산업에서의 경험을 바탕으로 정확하고 이해하기 쉬운 기사를 쓰겠습니다. 경제 활력에 작은 보탬이 되기 바랍니다.
입력
수정
美 정부·노조 이해관계 맞물려 강성노조 입김 세져 LG·GM 합작법인, 3년간 임금 30% 인상 잠정 합의 노조 없던 현대차 美 공장, 이달 중 가입여부 투표
오는 11월 미국 대통령 선거를 앞두고 조 바이든 행정부가 노동조합 지지를 선언함에 따라 강성 노조의 입김이 거세지면서 미국에 진출한 국내 배터리·자동차·반도체 기업의 고민이 커지고 있다. LG에너지솔루션은 산별 노조와의 임금 협상에서 현지 배터리 합작법인 근로자의 임금을 상당 규모 인상해 주기로 했고 현대자동차 현지 공장은 산별 노조 가입을 놓고 노동자 투표를 앞두고 있다.
얼티엄셀즈·UAW 잠정 합의, 최종 임금 115% 상승
16일 업계에 따르면 LG에너지솔루션과 제너럴모터스(GM)의 배터리 합작법인 얼티엄셀즈는 지난 10일(현지시각) 미국 최대 제조업 산별노조인 전미자동차노조(UAW)와의 임금 교섭에서 3년간 임금 30% 인상안에 잠정 합의했다. 오하이오주에 있는 얼티엄셀즈 1공장 노동자들은 공장 가동을 시작한 2022년 12월 UAW에 가입한 이후 지속적으로 임금 인상을 요구해 왔다.
UAW는 디트로이트에 있는 포드·스텔란티스·GM 등 이른바 '완성차 빅 3' 근로자 약 14만6,000명과 오하이오주에 위치한 자동차 제조업체의 합작 배터리 공장 근로자 약 800명을 대표한다. 오하이오주에는 도요타를 비롯한 BMW, 메르세데스 벤츠, 혼다 등 12개가 넘는 자동차 기업의 배터리 공장이 있다.
얼티엄셀즈 노사는 지난해 8월 임금을 25% 인상하는 협상안에 합의했지만 이후 추가 인상을 요구하는 노조의 입장을 반영해 인상률을 최종 30%까지 올렸다. 이번 잠정 합의안은 14~16일(현지시각) 진행되는 조합원 표결을 거쳐 최종 확정된다. 30% 인상안이 확정되면 얼티엄셀즈 노동자의 최종 임금 수준은 2022년 대비 115%가량 상승할 것으로 추산된다.
UAW, '노조 없는 자동차 공장'으로 가입 범위 확대
이번 임금 인상 타결을 두고 자동차 업계에서는 향후 UAW가 다른 기업의 배터리 공장에도 영향력을 발휘할 가능성이 거론된다. 뉴욕타임스는 UAW 관계자의 말을 인용해 "UAW가 이번 얼티엄셀즈와의 계약 템플릿을 포드, 스텔란티스 등 GM의 경쟁사가 짓고 있는 배터리 공장에도 적용할 것"이라고 관측했다.
UAW는 지난해 빅 3를 대상으로 동시 파업을 벌인 이후 지난해 11월 4년간 33%의 임금 인상을 골자로 하는 계약을 체결했다. 신입 노동자의 초임과 숙련 노동자의 시급 인상, 퇴직자를 위한 연간 보너스, 임시직 노동자의 정규직 전환, 공장 폐쇄에 대한 파업권 보장과 전기차 전환 과정에서 일자리 보호 등도 얻어냈다.
이후 UAW는 현대차, 도요타, 혼다 등 노조가 없는 공장의 근로자들을 대상으로 노조 가입 범위를 넓혀왔다. UAW에 따르면 현재 테슬라를 포함해 현대차, 도요타, 리비안, 닛산, BMW, 메르세데스 벤츠 등 1만 명이 넘는 14개 비노조 자동차 노동자들이 노조에 가입 신청을 했다. 지난 2월에는 오는 2026년까지 미국 내 비노조 자동차 공장과 EV 배터리 공장 노동자 조직에 4,000만 달러(약 530억6,000만원)를 투입할 것이라고 밝혔다.
노조 결성하면 시장 변화에 빠르게 대응하기 어려워
자동차·배터리 업계를 둘러싼 노조 리스크는 인플레이션 감축법(IRA)에 따른 보조금 혜택을 받기 위해 미국에 진출한 현대차그룹, 삼성SDI, SK온 등 국내 기업에도 영향을 미칠 전망이다. 현대차는 2005년 미국에 제조 공장을 지은 후 올해까지 무노조 경영을 해 왔으나 앨라배마주 몽고메리 공장 노동자 4,000명은 이달 중 UAW에 가입 여부를 두고 투표를 진행할 예정이다.
앞서 지난해 11월 현대차 미국 법인은 노조 가입을 저지하기 위해 앨라배마 공장 등에서 근무하는 생산직의 임금을 4년간 25% 인상한 바 있다. 만약 이번 투표로 노조가 결성되면 GM, 포드, 스텔란티스 등 미국의 자동차 제조사와 같이 UAW와 임금에 대해 산별 교섭을 벌여야 한다. 차종별 생산량을 조절할 때도 노조와 별도 협상을 진행해야 하기 때문에 시장 변화에 기민하게 대응하기 어려워질 수밖에 없다.
SK온은 포드와 배터리 합작 법인을 설립하고 오는 2026년 캔터키주와 테니시주에 배터리 공장을 설립할 예정이었지만 강성 노조의 압박으로 가동시기를 늦춘 상태다. 지난해 3분기 포드는 6주간 진행된 UAW 파업으로 13억 달러(약 1조7,614억원)의 손실을 봤고 결국 미국 켄터키 배터리 공장 가동을 포함해 앞서 발표한 약 120억 달러 규모의 전기차 투자계획을 연기했다.
반도체도 노조리스크, 삼성·SK도 노조 설립에 주시
반도체 업계 상황도 크게 다르지 않다. 바이든 행정부의 대규모 반도체 보조금을 받기 위해 미국에 진출한 삼성전자, SK하이닉스 역시 노조 설립 움직임을 주시하고 있다. 올해 재선을 노리는 바이든 대통령이 미국의 기술·미디어 노동자를 대표하는 단체인 전미통신노동자연합(CWA)을 공개적으로 지지하면서 CWA의 입김이 세지고 있기 때문이다.
최근 CWA는 마이크론과 오는 2028년 가동 예정인 뉴욕 북부의 클레이시 공장을 두고 협상을 시작했다. 공장이 문을 열면 마이크론은 CWA의 노조 추진을 방해하지 않고 CWA는 피켓 시위, 파업 등으로 마이크론 사업을 방해하지 않는다는 내용이다. 마이크론 공장이 노조를 결성하게 되면 동종업계의 인텔, TSMC, 삼성전자, SK하이닉스 등도 연쇄적으로 영향을 받을 가능성이 높다.
특히 애리조나주에 공장을 건설하고 있는 TSMC는 현지 노동자들과 고용·근로환경, 대만 출신 근무자와 차별 등 문제를 두고 마찰을 빚어 왔다. 이 때문에 공장 가동 시기를 6개월 정도 늦추기도 했다. 다만 지난해 12월 건설 현장 근로자 노조와 분쟁을 해소하기 위한 협약을 체결하면서 이를 통해 노조 리스크를 해소하고 미 정부의 보조금 심사에서도 가점을 받을 수 있을 것으로 기대하고 있다.
업계에서는 결국 삼성전자, SK하이닉스 등 국내 기업들도 마이크론, TSMC의 선례를 따라 적극적으로 노조 설립과 활동을 장려하겠다는 점을 강조하게 될 공산이 클 것으로 보고 있다. 현재 삼성전자는 미국 텍사스주 테일러시에 400억 달러(약 55조5,000억원)를 투자해 반도체 관련 시설을 구축 중이며, SK하이닉스는 미국 인디애나주 웨스트라피엣에 38억7,000만 달러(약 5조2,000억원)를 투자해 AI 메모리용 어드밴스드 패키징 생산 기지를 짓고 있다.
Picture
Member for
2 months 3 weeks
Real name
남윤정
Position
기자
Bio
[email protected]
금융 산업에서의 경험을 바탕으로 정확하고 이해하기 쉬운 기사를 쓰겠습니다. 경제 활력에 작은 보탬이 되기 바랍니다.
[email protected]
금융 산업에서의 경험을 바탕으로 정확하고 이해하기 쉬운 기사를 쓰겠습니다. 경제 활력에 작은 보탬이 되기 바랍니다.
입력
수정
LS전선 “20년간 1조 투자해 기술 개발, 유출 사실이면 법적 조치” 대한전선 “2009년부터 해저케이블 개발, 자력으로 설비 역량 갖춰” 전선 업계 슈퍼사이클, 해저케이블·해상풍력 시장 가파른 성장세 기대
LS전선의 해저 케이블 기술이 공장 건축 설계업체를 거쳐 경쟁사인 대한전선으로 유출됐다는 의혹을 두고 경찰이 수사에 나선 가운데 LS전선이 강경 대응하겠다는 입장을 밝혔다. 이에 대해 대한전선은 이미 해저케이블 설비와 생산에 대한 기술력을 보유하고 있다며 맞대응했다.
'해저케이블 기술 유출' 두고 경찰 수사 진행 중
14일 전선 업계에 따르면 경기남부경찰청 산업기술안보수사대는 최근 부정경쟁방지법 위반 등 혐의로 케이블 제조업체인 대한전선과 건축 설계업체 A사 관계자 등을 입건해 조사 중이다. 경찰은 A사가 과거 LS전선의 해저케이블 공장 시공 과정에서 얻은 기술 정보를 최근 해저케이블 공장을 건설한 대한전선에 빼돌렸다는 의혹에 대해 수사 중인 것으로 전해졌다.
A사는 2008~2023년 LS전선의 고전압 해저케이블 공장 1~4동의 건축 설계를 전담했다. LS전선에 따르면 A사는 15년간 LS전선 해저케이블 공장의 건축 설계 작업을 진행하면서 설비 배치도, 설비 수량, 턴테이블의 배치·운영, 케이블 이송 경로, 주요 설비의 특징, 설계 컨셉 등을 확인할 수 있는 도면 자료를 가지고 있었으며 공사 과정의 모든 히스토리와 노하우를 알고 파악하고 있었다.
이번 의혹의 핵심은 설계 업체가 LS전선의 독자 기술을 후발주자인 대한전선에 유출돼 실제 공장 건설에 사용됐는지 여부다. '고전압 해저 케이블 기술'은 중저압 케이블에 비해 작동 속도와 내구성이 우수해 해상풍력 발전의 고부가 가치 기술로 평가받는다. 경찰은 최근 대한전선이 해저케이블 생산 공장을 설립하는 과정에서 LS전선으로부터 유출된 기술을 활용했는지 등에 대해서도 들여다보고 있다.
LS '독자 기술 유출' vs 대한 '이미 기술력 확보'
이에 LS전선은 14일 설명자료를 내고 "LS전선은 약 20년간 해저케이블 공장과 연구개발(R&D) 등에 약 1조원을 투자했다"며 "독자 개발한 기술이 유출된 것이 사실이라면 회복할 수 없는 손해를 입었다"고 강조했다. 이어 "특히 500kV(킬로볼트)급 초고압직류송전(HVDC) 해저케이블은 국가 핵심기술로 기술 정보가 다른 국가로 유출될 경우 국가 안보와 국민 경제에 악영향을 줄 수 있다"고 우려했다.
LS전선은 또 "해저케이블 설계는 장조장, 고중량의 케이블 생산·보관·이동을 위한 설비 배치에 관한 것으로 공장에서 항구까지 이송하는 방법도 보안 사항에 해당한다"며 "이런 특성 때문에 후발 업체의 시장 진입 장벽이 높을 수밖에 없다"고 설명했다. 그러면서 "A사가 경쟁사와 거래를 했다는 사실을 심각하게 보고 있으며 수사 상황을 예의 주시할 예정"이라고 덧붙였다.
대한전선도 같은 날 별도의 설명자료를 통해 입장을 밝혔다. 대한전선은 "6월 14일 현재 LS전선의 해저케이블 기술을 유출한 혐의에 대해 피의자로 특정되거나 관련 통보를 받은 사실이 없다"며 "경찰이 지난 6월 11일에 진행한 대한전선 해저케이블 공장 현장사무실에 대한 압수수색은 피의자인 건축 설계업체 관계자의 혐의 입증을 위한 것"이라고 설명했다.
이어 "해저케이블 시장의 진입 장벽이 높은 것은 사실이나, 설비의 특수성과 배치 등에 대한 기밀성 때문이 아니라 해저케이블 전용 공장을 짓는데 들어가는 자금이 막대하기 때문"이라며 "대한전선은 명실공히 케이블 관련 최고 수준의 기술력과 노하우를 확보한 전문 기업으로, 자력으로 해저케이블 설비를 설치·건설할 충분한 역량을 갖추고 있다"고 강조했다.
전선의 꽃 '해저케이블', 2025년 6조 시장 전망
최근 전선 업계는 20년 만에 첫 슈퍼 사이클을 맞았다. 노후 전력망 교체와 신재생 에너지 수요에 더해 생성형 인공지능(AI) 열풍으로 세계 곳곳에 데이터센터 설립이 잇따르고 북미를 중심으로 반도체·전기차 배터리 공장이 대거 신설되면서 글로벌 전력망에 대한 투자가 급증한 덕분이다. 강세 사이클이 향후 5년 이상 이어질 것이란 증권가 전망에 올해 들어 전선주가 최대 4배까지 올랐고 업체들도 넘쳐나는 수주 물량 덕에 생산라인을 '풀가동' 중이다.
특히 해저케이블은 전선 업계에서도 '전력케이블의 꽃'으로 불린다. 제품의 균질한 품질은 물론 심해에 매설하는 과정에서 발생하는 돌발상황까지 빠르게 대처할 수 있어야 하는 만큼 최고 난도의 기술력을 요한다. 전선 업계에서는 글로벌 해저케이블 시장 규모가 2021년 23억 달러(약 3조원)에서 오는 2025년 45억 달러(약 6조원)으로 2배가량 성장할 것으로 추산한다. 글로벌 해상풍력 시장도 2025년까지 연평균 23% 성장할 것으로 예상되는 블루오션이다.
현재 해저케이블 산업은 소수의 글로벌 기업이 전체 해저케이블 시장을 지배하는 상황이다. 유럽의 '빅3'로 불리는 이탈리아의 프리즈미안, 프랑스의 넥상스, 덴마크의 NKT를 비롯해 일본의 스미토모와 한국의 LS전선이 글로벌 시장의 85% 이상을 점유하고 있다. 구체적인 점유율 수치는 공개되지 않았지만, LS전선은 세계 4위권으로 분석된다.
글로벌 경쟁 치열, 국내 기업 분쟁보단 '우호적 협력' 필요
이런 가운데 LS전선과 대한전선은 슈퍼사이클 원년을 맞아 해외에서 잇단 수주에 성공하면서 생산능력을 확장하기 위한 투자를 확대하고 있다. 먼저 LS전선은 강원도 동해시에 위치한 5동을 증설하는데 약 1,000억원을 추가 투자할 예정이다. 1,555억원이 투입된 4동 증설에 이어 1년도 채 되지 않은 투자 결정이다. 내년 하반기 5동이 완공되면 HVDC 케이블 생산능력이 4배 늘어난다. 지금까지 동해 해저케이블 공장의 누적 투자액은 약 9,500억원에 이른다.
대한전선은 지난 4일 충남 당진 아산국가단지에 해저케이블 1공장의 1단계 건설을 완료하고 지난 3일 공장 가동식을 개최했다. 대한전선은 "해저케이블 1공장의 1단계 설비가 완비되면서 매년 급성장하는 해저케이블 수요에 대응할 수 있는 생산 역량을 갖추게 됐다"며 "해상풍력용 포설선을 인수해 시공 역량까지 갖추게 된 만큼 적극적인 사업 확대를 통해 세계 해저케이블 시장의 게임체인저로 자리매김해 나갈 것"이라고 밝혔다.
이처럼 글로벌 경쟁이 치열한 만큼 일각에서는 국내 기업 간의 분쟁보다는 우호적 협력이 필요하다는 시각이 나온다. 일례로 SK이노베이션와 LG에너지솔루션은 성장 잠재력이 큰 배터리 기술을 둘러싸고 2년간 미 국제무역위원회(ITC) 분쟁을 이어가다가 지난 2021년 극적으로 합의했다. SK이노베이션은 '사업 정리'의 위기에서 벗어나 재도약을 노릴 수 있게 됐고 LG에너지솔루션은 '기술 우위'를 확인시키며 2조원 상당의 배상금을 챙겼다.
Picture
Member for
2 months 3 weeks
Real name
남윤정
Position
기자
Bio
[email protected]
금융 산업에서의 경험을 바탕으로 정확하고 이해하기 쉬운 기사를 쓰겠습니다. 경제 활력에 작은 보탬이 되기 바랍니다.
[email protected]
금융 산업에서의 경험을 바탕으로 정확하고 이해하기 쉬운 기사를 쓰겠습니다. 경제 활력에 작은 보탬이 되기 바랍니다.
입력
수정
'SFF 2024'에서 'AI 시대 파운드리 비전' 제시 AI 반도체 기술·서비스 통합, IDM 장점 극대화 나노 공정에선 시기보다는 기술력 확보에 초점
삼성전자가 인공지능(AI) 반도체 경쟁력 회복을 위해 파운드리·메모리·패키징을 아우르는 서비스를 일괄 제공하는 'AI 턴키 솔루션'을 제시했다. 원스톱 공정을 통해 TSMC·SK하이닉스·마이크론테크놀로지 등과 차별화되는 종합반도체기업으로의 장점을 극대화하겠다는 전략이다.
'AI 턴키 솔루션' 공급망 단순화, 생산 기간 단축 기대
삼성전자는 12일(현지시간) 미국 실리콘밸리에서 'Empowering the AI Revolution'을 주제로 '삼성 파운드리 포럼(SFF) 2024'을 열어 AI 시대 파운드리 기술전략을 공개했다. 최시영 삼성전자 파운드리사업부 사장은 "AI를 중심으로 모든 기술이 혁명적으로 변하는 시점에서 가장 중요한 건 AI 구현을 가능하게 하는 고성능·저전력 반도체"라고 강조하면서 "GAA(Gate-All-Around) 공정 기술과 광학 소자 기술 등을 통해 고객사가 필요로 하는 원스톱 AI 솔루션을 제공하겠다"고 밝혔다.
이날 삼성전자가 강조한 '원스톱 솔루션'은 파운드리·메모리·패키징 역량을 지닌 삼성전자의 강점을 살려 칩셋의 설계·생산부터 메모리 패키징까지 AI 반도체 제조에 필요한 모든 공정을 턴키로 지원하는 전략을 의미한다. 송태중 삼성전자 상무는 "세 개 사업 분야간 협업으로 고성능·저전력·고대역폭 통합 AI 솔루션을 선보여 공급망을 단순화하고 칩 개발부터 생산에 걸리는 시간을 20% 가량 단축할 수 있다"며 "2027년에는 광학 소자 기술도 AI 솔루션에 통합할 계획"이라고 설명했다.
삼성전자는 그간 IDM(Integrated Device Manufacturer·종합 반도체 회사)이라는 이유로 외부 수주에 어려움을 겪어왔다. 자체 물량을 우선하거나 정보가 유출될 수 있다는 우려에서다. 하지만 AI 반도체 공정에서 패키징의 중요성이 높아지면서 IDM이 강점을 살린 '원스톱 서비스'를 차별화 전략으로 내세웠다. TSMC와 인텔은 메모리 역량이 없고 SK하이닉스와 마이크론은 파운드리 역량이 없다. 설계한 반도체 회로를 웨이퍼상에 구현하고 AI 반도체 필수 메모리인 HBM을 공급·패키징까지 할 수 있는 기업은 삼성전자가 유일하다.
예년과 달리 새로운 '나노 공정 로드맵' 발표하지 않아
이번 포럼을 앞두고 업계에서는 삼성전자가 1.4나노 양산 시점을 앞당기는 등의 '깜짝 발표'를 하는 게 아니냐는 관측이 나왔다. 최근 몇 년간 '나노 경쟁'으로 불리는 미세 공정 경쟁이 파운드리 업계의 최대 화두였고 삼성전자는 파운드리 포럼을 통해 회사의 미세 공정 로드맵을 제시해왔다. 2022년 포럼에서는 2025년에 2나노, 2027년에 1.4나노 공정을 적용한 반도체 양산을 선언했고 지난해에는TSMC보다 먼저 구체적인 2나노 공정 로드맵을 제시했다.
하지만 이번 포럼에서 삼성전자는 2022년 포럼에서 공개한 로드맵을 재확인하면서 양산 시점이 1년 늦어지더라도 성능과 수율을 확보해 미래 기술 혁신을 주도하겠다고 강조했다. 당장 속도경쟁에 힘을 빼기보다는 기술력으로 승부하겠다는 것이다. 반면 파운드리 1위 TSMC는 지난 4월 2026년부터 1.6나노 공정을 통한 반도체 생산을 시작할 예정이라는 로드맵을 공개했다. 2025년 2나노, 2027년 1.4나노 중간에 1.6나노를 추가해 1나노대 진입 시기를 1년 앞당긴다는 계획이다.
약점인 '수율 제고' 위해 '디지털 트윈' 기술 개발 추진
삼성전자는 지난 2022년 상반기 세계 최초로 3나노 칩 양산을 시작한 이후 1나노급 파운드리 로드맵에서 TSMC에 밀려있다. 삼성전자는 TSMC보다 6개월 먼저 3나노 칩 양산을 시작했지만 TSMC와의 점유율은 오히려 확대됐다. 시장조사업체 트렌드포스에 따르면 지난해 4분기 TSMC의 파운드리 점유율은 61.2%로 전 분기 대비 3.3%p 증가한 반면 삼성전자는 12.4%에서 11.3%로 줄어들었다. TSMC 점유율이 60%를 넘긴 건 지난해 1분기 이후 3개 분기 만이다.
업계에서는 TSMC와 삼성전자의 파운드리 시장 점유율 격차가 수율 때문으로 보는 시각이 우세하다. '수율'은 결함이 없는 합격품의 비율로 반도체 산업에서 가장 중요한 지표다. 삼성전자는 올해 상반기 중 도입할 예정인 3나노 2세대 공정의 목표 수율을 60%로 정했다. TSMC의 올해 3나노 목표 수율이 80% 이상인 점을 고려하면 약 20% 뒤처진 셈이다.
삼성전자는 수율 제고를 위해 스마트팩토리 '레벨5' 수준인 디지털 트윈 플랫폼 개발에 박차를 가하고 있다. '디지털 트윈'은 현실의 기계·설비 등을 디지털 공간에 동일하게 재현해 개발·제조 공정을 시뮬레이션하는 기술로 최적의 수율 관리를 기대할 수 있다. 삼성전자는 엔비디아의 디지털 트윈 플랫폼 '옴니버스'를 활용해 2030년 가상의 반도체 공장 구현을 목표로 정했다. 이에 앞서 디지털 트윈 기술의 중간단계 성과를 토대로 이르면 연내, 늦어도 내년에는 반도체 공정에 '디지털 트윈' 기술을 적용할 계획이다.
Picture
Member for
2 months 3 weeks
Real name
남윤정
Position
기자
Bio
[email protected]
금융 산업에서의 경험을 바탕으로 정확하고 이해하기 쉬운 기사를 쓰겠습니다. 경제 활력에 작은 보탬이 되기 바랍니다.
구글 'AI 오버뷰', 재생에너지 전환 노력에도 불구하고 탄소 발자국을 늘릴 것으로 우려돼 기술 발전에 따른 비용 감소와 사용자 만족도 향상을 강조하는 시각도 존재해 아직 걸음마 단계인 규제, AI 기술 발전과 환경 보호 사이에서 적절한 균형 찾아야
[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.
구글이 올해 출시 예정인 AI 검색 기능 'AI 오버뷰(AI Overviews)'는 개별 웹사이트 방문 없이 빠른 답변을 제공하는 장점이 있지만, 에너지 소비량이 급증할 것이라는 우려가 흘러나오고 있다.
AI 오버뷰는 구글의 대규모 언어 모델 '제미나이(Gemini)'를 기반으로 작동하며, 단순 정보 검색을 넘어 새로운 정보를 생성해야 하므로 텍스트 생성에 약 30배 더 많은 에너지가 필요할 것으로 추정된다.
전 세계 인터넷 검색의 90% 이상을 처리하는 구글이 2024년 말까지 10억 명에게 이 기능을 제공할 계획이어서 환경에 미치는 영향은 막대할 것으로 예상되며, 마이크로소프트의 빙 등 다른 기업들도 유사한 AI 검색 기능 도입을 검토 중이라 우려는 더욱 커지고 있다.
친환경 데이터센터, 재생에너지 전환 난항
많은 기술 기업들이 데이터 센터의 컴퓨팅 수요 증가에 대응하여 화석 연료 사용을 줄이고 재생 에너지 사용을 늘리겠다고 발표했지만, 실제 성과는 미흡한 것으로 나타났다. 구글은 2030년까지 100% 무탄소 에너지 사용을 목표로 하고 있지만, 2022년에는 64%에 그쳤으며, 2023년에는 전력 부하 증가로 인해 개선되지 않았다.
재생 에너지 전환이 어려운 이유는 데이터 센터의 안정적인 전력 수요와 재생 에너지 생산량의 변동성 간 발생하는 격차 때문이다. 특히 재생 에너지는 시간대별, 계절별 변동이 심해 안정적인 전력 공급을 위해 화석 연료 발전소 가동이 불가피한 상황이다.
하지만 미국 MIT 슬론 경영대학원의 라마 라마크리슈난(Rama Ramakrishnan) 교수는 대규모언어모델(LLM) 사용 증가로 에너지 비용 상승 가능성을 인정하면서도, 하드웨어 및 소프트웨어 효율성 개선 노력으로 쿼리당 비용은 감소할 것으로 내다봤다. 아울러 구글은 AI 오버뷰에서 제공하는 링크가 기존 검색 목록보다 더 많은 트래픽과 체류 시간을 유도한다는 점을 들어 사용자 만족도를 강조하며, 비용 증가가 사용자에게 제공하는 가치로 상쇄될 수 있다고 설명했다.
에너지 먹는 하마, AI 답변 10개에 물 한 병 증발
대형 AI 모델 운영에 필요한 자원은 정확히 공개되지 않았지만, 외부 연구 결과들은 상당한 에너지 소비를 예상하고 있다. 예를 들어 GPT-3와 동등한 규모(1,760억 개의 매개변수)의 언어 모델 블룸(Bloom)은 하루 사용 시 평균적인 가솔린 자동차로 49마일 주행 시 발생하는 온실가스와 동일한 양을 배출하는 것으로 추정됐다.
또한 AI로 이미지 두 개를 생성하는 데 일반 스마트폰 충전만큼의 에너지가 사용될 수 있으며, GPT-3가 10~50개의 응답을 생성할 때마다 AI 서버 냉각에 물 한 병(500ml)에 해당하는 물이 증발한다는 연구 결과도 잇따라 나왔다.
한편 모건 스탠리의 분석가들은 AI가 쿼리의 절반에 대해 50단어 답변을 생성할 경우 구글에 연간 60억 달러의 비용이 발생할 수 있다고 추정했다.
그러나 구글은 AI 기술 발전과 함께 비용 효율성이 개선될 것이라고 밝혔다. 구글의 모회사 알파벳 회장 존 헤네시(John Hennessy)는 LLM과의 교류 비용이 기존 검색보다 10배 더 들 수 있지만, 모델 미세 조정을 통해 비용이 감소할 것으로 전망했다. 또한 구글 대변인은 생성형 AI 응답 관련 머신 비용이 기술 혁신 등에 힘입어 80% 감소했다고 덧붙였다.
폭증하는 에너지 소비, 규제는 '아직'
현재 전 세계 에너지 사용량의 약 1.5%를 차지하는 데이터 센터는 2026년까지 두 배로 증가하여 일본 전체 전력 소비량에 맞먹는 수준에 이를 것으로 예상된다. 특히 생성형 AI의 에너지 소비량은 2026년에 2023년 대비 10배 증가할 것으로 예상되어 에너지 문제는 더욱 심각해질 것으로 보인다.
이러한 상황 속에서도 구글 등 대형 기술 기업들은 컴퓨팅 인프라 확장에 막대한 투자를 지속하고 있다. 구글은 미주리, 인디애나, 아이오와에 새로운 데이터 센터 건설에 수십억 달러를 투자하고 있으며, 마이크로소프트와 오픈AI는 전력 용량 증대를 위한 1천억 달러 규모의 계획을 추진하고 있다.
물론 AI의 환경 문제에 대한 인식은 높아지고 있지만, 아직 명확한 법적 규제는 마련되지 않았다. 미국에서는 지난 2월, AI의 환경 영향 평가 및 자발적 보고 체계 구축을 위한 인공지능 환경영향법(Artificial Intelligence Environmental Impacts Act)이 발의됐지만, 통과 여부는 불투명하다.
유럽 의회에서도 EU AI 법에 환경 지속 가능성 관련 조항 추가를 요청했지만, 이 역시 불확실한 상황이다.
[email protected]
매일같이 달라지는 세상과 발을 맞춰 걸어가고 있습니다. 익숙함보다는 새로움에, 관성보다는 호기심에 마음을 쏟는 기자가 되겠습니다.
입력
수정
공정거래위원회, 쿠팡에 1,400억원 대규모 과징금 부과 쿠팡, 핵심 서비스 '로켓배송' 인질 삼아 반박 입장 내놔 "로켓배송 금지가 아니다" 재반박하며 맞불 놓은 공정위
쿠팡이 검색 순위 조작 등을 이유로 1,400억원의 과징금을 부과한 공정거래위원회 결정에 크게 반발했다. 공정위의 제재가 지속된다면 대규모 자금을 투입해 구축한 '로켓배송' 서비스 등을 더 이상 유지하기 어렵다는 주장을 펼친 것이다. 이에 공정위는 "쿠팡 측이 여론을 오도하고 있다"며 본격적인 반박에 나섰다.
"이래선 로켓배송 못 해" 쿠팡의 주장
지난 13일, 공정위는 쿠팡과 PB상품 자회사 씨피엘비에게 1,400억원의 과징금을 부과하고 검찰에 고발하기로 결정했다. 쿠팡이 검색 순위(쿠팡 랭킹) 조작을 통해 자기 상품(직매입+PB)만을 검색 순위 상위에 노출하며 '위계에 의한 부당 고객유인행위'를 지속했다는 판단에서다.
이 같은 공정위의 발표에 쿠팡은 즉각 반발했다. 쿠팡은 "전 세계 유래 없이 상품 진열을 문제 삼아 과도한 과징금과 형사 고발까지 결정한 공정위의 형평을 잃은 조치에 대해 유감을 표한다"며 "행정 소송을 통해 법원에서 부당함을 적극 소명할 것"이라고 강조했다. 회사 측은 입장문을 통해 "(쿠팡은) 다른 오픈마켓과 달리 매년 수십조원을 들여 로켓배송 상품을 직접 구매해 빠르게 배송하고 무료 반품까지 보장해 왔다"며 "고객들은 이러한 차별화된 로켓배송 서비스를 이용하기 위해 쿠팡을 찾고, 쿠팡이 고객들에게 로켓배송 상품을 추천하는 것 역시 당연시해 왔다"고 말했다.
쿠팡은 "로켓배송 상품을 자유롭게 추천하고 판매할 수 없다면 모든 재고를 부담하는 쿠팡으로서는 지금과 같은 로켓배송 서비스를 유지하기 어렵다"고 주장했다. 이어 "만약 공정위가 이러한 상품 추천 행위를 모두 금지한다면 우리나라에서 로켓배송을 포함한 모든 직매입 서비스는 어려워질 것"이라며 "쿠팡이 약속한 전 국민 100% 무료 배송을 위한 3조원 물류 투자와 로켓배송 상품 구매를 위한 22조원 투자 역시 중단될 수밖에 없다"고 덧붙였다.
줄줄이 반박 늘어놓은 쿠팡
회사 측은 공정위가 문제 삼은 쟁점을 이미 지난달 29일과 이달 5일에 열린 1, 2차 공정위 전원회의를 통해 객관적으로 반박했다는 점도 강조했다. 실제 쿠팡은 두 차례 전원회의를 통해 상품 진열은 유통업의 본질이자 유통업계의 고유 권한이라고 주장한 바 있다. 쿠팡의 알고리즘은 소비자의 선호에 따라 더 나은 구매 경험을 제공하기 위해 지속적으로 개선한 결과물이라는 설명이다.
역차별 문제도 언급했다. 타 온라인 쇼핑몰들도 PB상품을 우선 노출하고 있으며, 편의점, 대형마트와 같은 대형 오프라인 채널 역시 '골든 존(170cm 이하 매대)'에 PB상품을 판촉하고 있다는 설명이다. 이와 관련 이선희 성균관대 교수는 "대형마트에 가면 입구 쪽 매대에 PB 브랜드 상품이 자리 잡고 있고, 소비자들도 문제를 지적하지 않는다"라며 "(쿠팡에 대한 공정위 제재는) 오프라인 대형마트 등과 형평성이 어긋나는 데다 글로벌 시장 규제 흐름에 역행한다"고 지적했다.
아울러 쿠팡은 압도적인 시장 점유율을 보유한 시장 지배적 사업자에 대해 행해졌던 '자사 우대' 처벌을 독점이 없는 유통업체에 부과하는 점은 형평성에 어긋난다고 강조했다. 현재 쿠팡의 온라인 시장 점유율은 24.5%, 온오프라인 통합 점유율은 5% 수준이다. 이에 더해 쿠팡은 공정위의 이번 제재로 유사한 상품 진열 관행을 가진 여타 이커머스 업체와 유통 업계 전반의 '진열'이 규제를 받을 우려가 충분하다고 덧붙였다.
"여론 오도하지 말라" 공정위의 반박
한편 공정위는 쿠팡이 여론을 오도하고 있다며 반박에 나섰다. 공정위는 "이번 제재는 쿠팡의 검색 순위 알고리즘 조작과 임직원을 이용한 구매 후기 작성 및 높은 별점 부여라는 위계 행위를 금지하는 것"이라며 "로켓배송이나 일반적인 상품 추천 행위를 금지하거나 규제하는 것이 아니다"라고 강조했다. 로켓배송·PB상품 등을 우선 노출하는 쿠팡의 전략 자체는 문제가 될 것이 없다는 것이다.
공정위는 쿠팡이 위계 행위를 중지하더라도 검색 광고, 배너 광고, 검색 결과에 대한 필터 기능 적용 등을 통해 정상적으로 로켓배송 상품 등을 소비자들에게 노출할 수 있다고 지적했다. 이어 "법 위반 행위에 대한 (공정위) 제재 때문에 로켓배송 서비스가 불가능해지거나 축소될 수 있다는 주장은 여론을 오도하는 것"이라며 "사실과 전혀 다르다"고 강조했다.
한편 업계에서는 과징금 부과 규모에 불만을 품은 쿠팡이 '여론전'에 착수했다는 평이 흘러나오고 있다. 익명을 요구한 한 유통업계 관계자는 "핵심 서비스인 로켓배송을 중단하는 것은 쿠팡에 있어 사실상 '자살 행위'에 가깝다. (공정위 징계가) 실제 서비스 중단으로 이어질 가능성은 희박할 것으로 보인다"며 "쿠팡은 로켓배송을 일종의 인질로 앞세워 과도한 과징금에 대한 불만을 극단적으로 드러내고, 시장 여론을 개선하려 한 것으로 보인다"고 평가했다.
Picture
Member for
2 months 3 weeks
Real name
김서지
Position
기자
Bio
[email protected]
매일같이 달라지는 세상과 발을 맞춰 걸어가고 있습니다. 익숙함보다는 새로움에, 관성보다는 호기심에 마음을 쏟는 기자가 되겠습니다.
통계학 방법론은 상관관계를 추론하는데 그칠 뿐, 인과관계를 추론하는데 쓸 수는 없어 노벨상을 받은 그랜져(Granger) 교수의 인과 추론도 인과 관계가 없다는 것을 증명하는데만 쓰여 AI가 통계학 방법론을 컴퓨터 의존형으로 풀어내는 계산이라는 이해 없는 가짜 데이터 과학자들 많아 'AI로는 되는 것 아닌가요?' 같은 질문하는 학회까지 열리는 최근 실상
쌍둥이가 살고 있는 교외 외딴 시골 마을을 생각해보자. 한 아이는 아침 저녁으로 집 밖에서 흙 먼지를 뒤집어 쓰면서 놀기를 좋아하고, 다른 한 아이는 집에서 비디오 게임에만 빠져산다. 1년 후, 의사가 진찰을 해보니 게임만 하던 아이가 훨씬 더 건강했다는 이유로 밖에서 노는 것은 건강에 나쁘다고 표현하면 논리적으로 말이 될까?
과학적 훈련을 굳이 받지 않았더라도 위의 결론이 불충분한 정보, 주변 상황에 대한 몰이해에 기반한 왜곡된 판단이라는 것을 충분히 이해할 수 있을 것이다. 예를 들어, 그 쌍둥이들이 살고 있던 지역이 체르노빌이나 후쿠시마 일대처럼 방사능 오염이 심각하게 된 지역이었다면 밖에서 노는 것이 건강에 나쁘다고 할 수 있었겠지만, 한국 시골 마을이어도 같은 결론이 나왔을까? 집에서 게임만 하던 아이가 훨씬 더 밥을 잘 챙겨먹었기 때문이라는 중간 과정이 생략된 상태에서 무조건 집 안에 있으면 건강해진다는 결론에 공감을 구하기는 쉽지 않을 것이다.
사실 집 안에 더 많이 있다는 현상과 더 건강하다는 현상 사이에는 수 없이 많은 가능성들이 존재한다. 위에서 주어진 정보만을 놓고 봤을 때, 우리가 내릴 수 있는 결론의 최대치는 '잘 모르는 이유로' 집 안에만 있던 아이가 더 건강하다는 이야기 밖에 할 수 없다.
좀 더 과학적인 표현을 빌리자면, 통계학은 두 변수의 상관관계를 찾아내는 학문이지 두 사건의 인과관계를 검증해주는 학문이 아니다. 실험실처럼 제한된 환경이라고 해도 조작한 변수가 실제 결과의 원인이라고 주장하기 어렵다. 원인과 결과 사이에 우리가 모르는 제 3의 변수가 있을 수 있기 때문이다. 연구자들이 인과관계를 주장할 때는 결국 '추론' 혹은 '직관'에 의지할 수밖에 없다.
Post Hoc, Ergo Propter Hoc
라틴어 표현 중에 'Post Hoc, Ergo Propter Hoc'이라는 구절이 있다. 앞의 사건이 일어나고 난 다음에 뒷 사건이 일어났으니 서로 인과관계가 있다고 생각하는 것이 잘못되었다는 지적을 위해 쓰이는 표현이다.
통계학자들은 "상관관계가 반드시 인과관계를 설명하는 것은 아니다"라는 방식으로 같은 내용을 표현한다. 변수 1대 1의 관계가 아니라 다수 변수와 1개 변수 간의 동시적 상관관계를 설명하는 회귀분석의 경우, 인과관계 없는 회귀분석을 통계학에서는 '허위의 회귀분석(Spurious Regression)'이라고 부른다. 안타깝게도 통계학 훈련이 부족한 일부 학자들의 연구에서 자주 볼 수 있는 문제고, 특히 인과 추론에 확신을 갖기 쉬운 공학도들의 연구에서 자주 나타나는 문제다.
대표적인 예시가 최근 인기를 얻고 있는 챗GPT가 겪고 있는 '환각(Hallucination)' 문제다. 대형언어모델들은 높은 상관관계를 갖는 표현을 뽑아내도록 훈련이 된 모델이지, 인과관계를 추론하도록 만들어진 모델이 아니다. 두 단어, 두 문장, 두 단락 사이의 상관관계가 높은 확률로 인과관계, 혹은 내용의 연관성이 있을 수는 있지만, 자주 반복되어 나타난다는 것만으로 둘이 관련된 정보라고 단정 짓기는 쉽지 않다.
통계학자들이 높은 상관관계와 인과관계를 구분하기 위해 오랫동안 노력해왔지만, 인류가 만들어낸 최대치는 2003년 노벨상을 수상한 클리브 그랜져(Clive Granger) 교수의 '그랜저 인과 (Granger Causality)'다. 안타깝게도 그랜저 인과는 3개 이상의 변수가 있을 때 2개 변수 간의 상관관계가 인과관계가 아니라 제3의 변수로 인한 상관관계인지 여부를 보여주는 용도로 밖에 쓸 수 없다. 즉, 두 변수 간의 상관관계의 원인이 다른 변수로 인한 상관관계인지 아닌지만 볼 수 있는 것이다. 여름철 바닷가에서 아이스크림 판매량과 상어에 물린 사람 숫자가 함께 많은 것은 아이스크림을 먹으면 상어에게 공격 당하기 쉽기 때문이 아니라, 여름철에 사람들이 바닷가에 많이 가기 때문이지 않냐는 반박을 위해 쓰일 수 있다. 그랜저 교수의 연구가 노벨상을 받은 가장 큰 이유는 2개 변수 간의 상관관계 만으로 인과관계 여부 검증이 논리적으로 불가능하다는 것을 증명했기 때문이다.
AI에게 인간의 검증이 필요한 이유
AI라고 불리는 데이터 과학, 혹은 계산 과학을 가르치고 있다보면, 기초 학문 도구인 수학, 통계학 훈련이 전혀 되지 않은 채, 언론사 기사들만 몇 줄 읽은 상태로 이런저런 용어들만 많이 아는 것으로 자신이 뛰어난 실력자라고 주장하는 경우들을 굉장히 많이 접하게 된다. 그 분들 중 상당수는 통계학적으로, 아니 철학적으로 상관관계와 인과관계 구분이 불가능하다는 그랜져 인과를 설명해주면 "그럼 인공지능으로는 가능하지 않을까요?" 같은 질문을 꼭 한다. 인공지능이 통계학보다 더 엄청난 마법의 기술이라고 생각하기 때문일 것이다.
수학, 통계학을 대학 학부 수준으로만 탄탄하게 받았더라고 AI라고 불리는 계산 과학이 사실은 통계학을 컴퓨터 계산을 이용해서 좀 더 빠르고 효과적으로 해 내는 작업에 불과하다는 것을 이해할텐데, 즉, AI도 통계학의 한 분야라는 것을 이해할텐데, 그런 이해가 없다보니 황당한 질문을 하는 것이다. 그들의 질문을 바꿔쓰면, "통계학으로 불가능하면 컴퓨터가 계산해주는 통계학으로는 가능하지 않을까요?"가 될텐데, 컴퓨터가 계산해주는 통계학은 우리가 알고 있는 통계학의 일부분에 불과하다는 점을 생각해보면, "사칙연산으로는 계산이 안 되지만 덧셈으로는 가능하지 않을까요?" 같은 어리석은 질문임을 이해할 수 있을 것이다.
통계학이 인과 추론을 못하는 것은 챗GPT에서 환각 현상을 기계적으로 없애는 것은 불가능하다는 말과 같은 뜻이다. 상관관계가 있는 변수들을 모아놓고, 인과관계를 이해하기 위한 마지막 단계로 인간의 경험을 활용하는 사회과학 학문 훈련을 받은 분들은 챗GPT가 언어 데이터들을 엮어주는 계산을 보면서 인간이 직접 지정할 수밖에 없겠다는 것을 바로 이해할 것이다. 그래서 챗GPT가 기반하고 있는 모델도 '강화학습(Reinforcment Learning)'이지만 '인간 반응(Human Feedback)'을 이용해서 보정하는 모델을 썼다.
인과 추론 문제는 단순 점수 올리기가 아니라 다차원적인 도전
모든 조건이 제한된 실험실에서 1개 변수의 효과를 보는 훈련만 하던 자연과학, 공학 쪽에서는 인간이 보정하는 작업을 받아들이기 힘들어하는 경우를 자주 본다. 그 분들을 위해 물리학의 예시를 하나 드리면, 하이델베르그의 불확실성의 정리는 미시 현상을 관측하기 위해 인간이 어떤 자극을 가하면 자극을 가하기 직전의 위치와 상태는 알 수 있지만, 자극 이후의 위치를 추측만 할 수 있을 뿐, 정확한 위치를 파악할 수는 없다는 것을 철학적으로 증명한 것이다. 자극을 아예 가하지 않으면 현재 위치와 상태도 완벽하게 파악할 수 없다. 결국 인간이 어떤 방식으로건 개입해야 정보의 일부를 얻고, 인간의 간섭으로 정보 일부를 잃게 되는 것이다.
AI라고 불리고 있는 계산과학 작업도 크게 다르지 않다. 환각 현상을 배제하기 위해서 데이터를 수정하거나, 결과값의 정답/오답 여부를 지정해주면서 모델을 조금씩 변화시켜야 한다. 변화되고 난 모델은 수정한 부분에서는 좀 더 완벽에 가까워졌겠지만, 다른 부분에서 어떤 문제가 생겼을지 확신할 수는 없다. 100점을 위해 90점에서 0.1점씩 지속적으로 상승하는 수정이 아니라, 수천개의 각도에서 한 쪽 각도를 수정하고 나면 다른 각도에 또 다른 문제가 생길 수 있는 식의 다차원 구조이기 때문이다.
사회과학 쪽으로 가 보면, 통계학을 자기들 방식으로 고쳐서 '내재성(Endogeneity)'을 보완하는 각종 계산법들을 만들어 낸 것을 볼 수 있다. 계량경제학이 대표적인 예시로, 도구 변수라는 개념을 활용해서 변수 측정에 오차가 있는 경우, 측정 변수를 빠뜨린 경우, 설명 변수와 종속 변수 간의 쌍방 영향을 주는 경우 등의 문제를 제거하기 위한 보완 개념을 제시한다. '평균 반응 효과 (Average Treatment Effect)', '부분 평균 반응 효과 (Local Average Treatment Effect)' 등으로 제한을 둔 연구들도 지난 2021년에 노벨상을 받기도 했다. 완전히 맞는 것은 아니지만, 조금 덜 틀린 답을 찾아내기 위한 도전의 일부분이다.
인과 추론을 인간 없이 할 수 있다는 국내 학회들
요즘 국내 몇몇 AI관련 학회들을 보면*, 마치 데이터 과학을 이용해서 인과 추론이 가능한 것처럼 호도하는 경우들을 자주 본다. 이 분들은 심지어 위의 내재성 개념, 도구 변수 활용 같은 훈련이 안 된 분들인 것을 자주 보는데, 컴퓨터 계산을 이용해서 인과 추론을 해 내는 방법을 찾아냈다고 주장한다. 철학적으로 불가능하다는 것을 이미 그랜져 인과로 증명을 했기 때문에 노벨상을 받았는데, 그 논리가 틀렸다는 증명 대신, "AI를 쓰면 되지 않을까요?" 같은 홍보를 하고 있는 것이다. (*역자 주: 한국 사례가 언급된 부분을 문맥에 맞게 변형함)
이런 분들 사이에서 듣는 황당한 사례 중 하나는 "챗GPT한테 물어봤는데, GPT가 3.5라서 한계가 있었던 것 같다. 고급 답변을 주는 4.0을 쓰면 더 좋은 답변을 받을 수 있을 것 같다"는 답변이었는데, 질문 안에 들어간 단어와 상관관계가 높은 단어를 던져주는 것에 불과한 챗GPT의 답변에 의존하는 인력이 데이터 과학자로 채용이 됐다는 사실 자체가 몹시 충격이었다.
논리적으로 불가능한 주제를 AI라고 이름 붙인 기계로 해 낼 수 있다고 호도하는 학회가 열리는 것도 충격이고, 참가자들의 수준도 충격적이다. 1+1은 역사상 2였지만 AI를 써서 3을 만들어 낼 수 있게 됐다고 주장하는 학회가 열리고, 그 학회 발표자가 이번 AI에서는 3을 못 만들어 냈지만 다음 AI로는 3을 만들어 낼 수 있다고 주장하면 어떤 반응을 보여줘야 할까?
Post hoc, ergo propter hoc - impossible challenges in finding causality in data science
Member for
1 month 3 weeks
Real name
David O'Neill
Position
Professor
Bio
Founding member of GIAI & SIAI
Professor of Data Science @ SIAI
입력
수정
Data Science can find correlation but not causality In stat, no causal but high correlation is called 'Spurious regression' Hallucinations in LLMs are repsentative examples of spurious correlation
Imagine two twin kids living in the neighborhood. One prefers to play outside day and night, while the other mostly sticks to his video games. After a year later, doctors find that the gamer boy is much healthier, thus conclude that playing outside is bad for growing children's health.
What do you think of the conclusion? Do you agree with the conclusion?
Even without much scientific training, we can almost immediately dismiss the conclusion that is based on lop-sided logic and possibly driven by insufficient information of the neighborhood. For example, if the neighborhood is as radioactively contained as Chernobyl or Fukushima, playing outside can undoubtedly be as close as committing a suicide. What about more nutrition provided to the gamer boy due to easier access to home food? The gamer body just had to drop the game console for 5 seconds to eat something, but his twin had to walk or run for 5 minites to come back home for food.
In fact, there are infinitely many potential variables that may have affected two twin kids' condition. Just by the collected data set above, the best we can tell is that for an unknown reason, the gamer boy is medically healthier than the other twin.
In more scientific terms, it can be said that statistics has been known for correlations but not for causality. Even in a controlled environment, it is hard to argue that the control variable was the cause of the effect. Researchers only 'guess' that the correlation means causality.
Post Hoc, Ergo Propter Hoc
There is a famous Latin phrase meaning "after this, therefore on account of it". In plain English, it means that one event is the cause of the other event occuring right next. You do not need rocket science to counterargue that two random events are interconnected just because one occured right after another. This is a widely common logical mistake that assigns causality just by an order of events.
In statistics, it is often called that 'Correlation does not necessarily guarantee causality'. In the same context, such a regression is called 'Spurious regression', which has been widely reported in engineers' adaptation of data science.
One noticeable example is 'Hallucination' cases in ChatGPT. The LLM only finds higher correlation between two words, two sentences, and two body of texts (or images in these days), but it fails to discern the causal relation embedded in the two data sets.
Statistians have long been working on to differentiate the causal cases from high correlation, but the best so far we have is 'Granger causallity', which only helps us to find no causality case between 3 variables. Granger causality offers a philophical frame that can help us to test if the 3rd variable can be a potential cause of the hidden causality. The academic countribution by Professor Granger's research to be Nobel Prize awarded is because it proved that it is mechanically (or philosophically) impossible to verify a causal relationship just by correlation.
Why AI ultimately needs human approval?
The Post Hoc Fallacy, by nature of current AI models, is an unavoidable huddle that all data scientists have to suffer from. Unlike simple regression based researches, the LLMs rely on too large chunk of data that it is practically impossible to tackle every connection of two text bodies.
This is where human approval is required, unless the data scientists decide to finetune the LLM in a way to offer only the highest probable (thus causal) matches. The more likely the matches are, the less likely there will be spurious connection between two sets of information, assuming that the underlying data is sourced from accurate providers.
Teaching AI/Data science, I surprisingly often come across a number of 'fake experts' whose only understanding of AI is a bunch of terminology from newspapers, or a few lines of media articles at best, without any in-depth training in basic academic tools, math and stat. When I raise Grange causality as my counterargument for impossibility to distinguish from correlation to causality by statistical methods alone (by far philosophically impossible), many of them ask, "Then, wouldn't it be possible with AI?"
If the 'fake experts' had some elementary level math and stat training from undergrad, I believe they should be able to understand that computational science (academic name of AI) is just a computer version of statistics. AI is actually nothing more than the task of performing statistics more quickly and effectively using computer calculations. In other words, AI is a sub-field of statistics. Their questions can be framed like
If it is impossible with statistics, wouldn’t it be possible with statistics calculated by computers?
If it is impossible with elementary arithmetic, wouldn't it be possible with addition and subtraction?
The inability of statistics to make causal inferences is the same as saying that it is impossible to mechanically eliminate hallucinations in ChatGPT. Those with academic training in the fields social sciences, the disciplines of which collect potentially correlated variables and use human experience as the final step to conclude causal relationships, see that ChatGPT is built to mimic cognitive behavior at the shamefully shallow level. The fact that ChatGPT depends on 'Human Feedback' in its custom version of 'Reinforcement Learning' is the very example of the basic cognitive behavior. The reason that we still cannot call it 'AI' is because there is no automatic rule for the cheap copy to remove the Post Hoc Fallacy, just like Clive Granger proved in his work for Nobel Prize.
Causal inference is not monotonically increasing challenge, but multi-dimensional problem
In natural science and engineering, where all conditions are limited and controlled in the lab (or by a machine), I often see cases where they see human correction as unscientific. Is human intervention really unscientific? Well, Heidelberg's indeterminacy principle states that when a human applies a stimulus to observe a microscopic phenomenon, the position and state just before applying the stimulus can be known, but the position after the stimulus can only be guessed. If no stimulation is applied at all, the current location and condition cannot be fully identified. In the end, human intervention is needed to earn at least partial information. Withou it, one can never have any scientifically proven information.
Computational science is not much different. In order to rule out hallucinations, researchers either have to change data sets or re-parameter the model. The new model may be closer to perfection for that particular purpose, but the modification may surface hidden or unknown problems. The vector space spanned by the body of data set is too large and too multidimensional that there is no guarantee that one modification will always monotonically increase the perfection in every angle.
What is more concerning is that the data set is clean, unless you are dealing with low noise (or zero noise) ones like grammatically correct texts and quality images. Once researchers step aside from natural language and image recognition, data sets are exposed to infinitely many sources of unknown noises. Such high noise data often have measurement error problems. Sometimes researchers are unable to collect important variables. These are called 'endongeneity', and social scientists have spent nearly a century to extract at least partial information from the faulty data.
Social scientists have modified statistics in their own way that complements 'endogeneity'. Econometrics is a representative example, using the concept of instrumental variables to eliminate problems such as errors in variable measurement, omission of measured variables, and two-way influence between explanatory variables and dependent variables. These studies are coined 'Average Treatment Effect' and 'Local Average Treatment Effect' that were awarded the Nobel Prize in 2021. It's not completely correct, but it's part of the challenge to find a little less wrong.
Some untrained engineers claim magic with AI
Here at GIAI, many of us share our frustrations with untrained engineers confused AI as a marketing term for limited automatization with real self-evolving 'intelligence'. The silly claiming that one can find causality from correlation is not that different. The fact that they claim such spoofing arguments already proves that they are unaware of Granger's causality or any philosophically robust proposition to connect/disconnect causality and correlation, thus proves that they lack scientific training to handle statistical tools. Given that current version of AI is no better than pattern matching for higher frequency, it is no doubt that scientifically untrained data scientists are not entitled to be called data scientists.
Let me share one bizarre case that I heard from a colleague here at GIAI from his country. In case anyone feel that the following example is a little insulting, a half of his jokes are about his country's inable data scientists. In one of the tech companies in his country, a data scientist was given to differentiate a handful of causal events from a bunch of correlation cases. The guy said "I asked ChatGPT, but it seems there were limitations because my GPT version is 3.5. I should be able to get a better answer if I use 4.0."
The guy not only is unaware of the post hoc fallacy in data science, but he also highly likely does not even understand that ChatGPT is no more than a correlation machine for texts and images by given prompts. This is not something you can learn from job. This is something you should learn from school, which is precisely why many Asian engineers are driven to the misconception that AI is magic. It has been known that Asian engineering programs generally focus less on mathematical backup, unlike renowned western universities.
In fact, it is not his country alone. The crowding out effect is heavy as you go to more engineer driven conferences and less sophisticated countries / companies. Despite the shocking inability, given the market hype for Generative AI, I guess those guys are paid high. Whenever I come across mockeries like the untrained engineers and buffoonish conferences, I just laugh it off and shake it off. But, when it comes to businesses, I cannot help ask myself if they worth the money.
Member for
1 month 3 weeks
Real name
David O'Neill
Position
Professor
Bio
Founding member of GIAI & SIAI
Professor of Data Science @ SIAI
인공지능이 발전함에 따라 딥페이크 범죄도 증가하고 있어 학교와 가정에서 자녀에게 딥페이크 범죄의 ‘심각성’ 교육해야 딥페이크 범죄를 두고 어린 시절의 ‘장난’으로 치부할 수 있는 수준 아니야
[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.
올해 2월 캘리포니아의 한 중학교에서 학생들이 딥페이크 나체 사진을 공유하여 16명의 동급생에게 피해를 입힌 사건이 발생했다. 또한 뉴저지의 한 고등학교에서는 여러 남학생이 30명 이상의 여학생을 딥페이크 표적으로 삼은 사건이 있었다.
발전하는 인공지능, 증가하는 딥페이크 범죄
캘리포니아와 뉴저지에서 발생한 딥페이크 범죄는 청소년과 인공지능이 결합하여 발생한 사건이다. 전문가들은 딥페이크 범죄가 증가하는 이유로 2가지를 꼽았다. 청소년들이 딥페이크 범죄에 대한 심각성을 인지하지 못하는 점과 인공지능의 발전으로 딥페이크 사진을 쉽게 만들 수 있게 된 점이다.
부모와 학교 관계자는 청소년이 어린이의 나체 사진을 찍거나 공유하는 것이 위법이라는 사실을 알고 있지만, 어린이가 실제로 옷을 입은 사진을 가짜 포르노 이미지로 만들어 공유하는 것이 범죄라는 사실을 모르는 경우가 많다. 그러나 연방법에 따라 실제 나체 사진뿐만 아니라 조작된 나체 사진을 유포하는 경우에도 처벌을 받는다. 미국 연방수사국(FBI)는 최근 생성형 인공지능으로 만든 나체 사진도 처벌을 받을 수 있다고 경고했다.
인공지능을 이용한 ‘옷 벗기기’ 앱이 등장해 청소년들은 소셜 미디어에서 가져온 사진으로 손쉽게 나체 사진을 만들 수 있게 되었다. 옷 벗기기 앱이 출시되기 전에는 포토샵을 이용해 포르노 배우의 신체에 어린이 얼굴을 붙여 넣는 방식으로 범죄가 이루어졌다. 따라서 이 범죄는 포토샵에 대한 어느 정도 숙련도가 필요했다. 그러나 옷 벗기기 앱이 등장한 이후로 간단하면서도 빠르게 딥페이크 사진을 만들 수 있게 되어 범죄의 난이도가 내려간 것이다.
청소년이 딥페이크 범죄에 연루되지 않기 위해서는 사전 ‘예방’ 중요해
최근 딥페이크 범죄가 증가하면서 어떻게 딥페이크 범죄에 대응할 것인지 논의가 이루어지고 있다. 그러나 딥페이크 범죄는 대응보다 ‘예방’이 더 중요하다. 지난해 마이애미에서는 13살과 14살 소년이 딥페이크 범죄로 체포되었다. 이 사건은 딥페이크로 인해 청소년이 체포된 최초의 사례이자 마지막이 되었으면 하는 사건이다.
아동을 대상으로 한 형사 기소는 매우 비생산적이다. 도덕적 추론 능력이 발달하지 않아 자신이 한 행동이 왜 잘못되었는지 이해하지 못하는 청소년에게 범죄를 정당화하기 어렵다. 또한 딥페이크 범죄에 대한 파급력을 전혀 예상하지 못하는 경우가 많다. 이들이 장난이라고 생각했던 행동이 상당한 파급력을 일으킨다.
학교와 가정에서 제대로 된 성교육 이루어져야
학교에서는 딥페이크 범죄에 대한 심각성을 학생들에게 교육해야 하며 부모는 자식과 진솔한 대화를 통해 딥페이크 범죄의 무게를 인지시켜야 한다. 청소년기에 성에 호기심을 갖거나 또래에게 호감을 갖는 것은 잘못된 일이 아니다. 그러나 부모와 자녀는 성에 대해 이야기하는 것을 불편해하고 학교에서는 성을 주제로 한 교육에 힘을 쏟지 않는다. 부모는 자녀에게 자신의 몸은 자신이 통제할 권리를 가진다는 사실을 알려주어야 한다. 따라서 타인도 자신의 신체에 대한 권리를 가지고 있으며 그 권리를 존중해야 한다는 점을 강조해야 한다.
자녀가 딥페이크 표적이 되었다면, 이 사실을 부모님이나 학교에 자신 있게 말할 수 있는 자신감이 필요하다. 또한 부모는 자녀가 겪은 피해를 학교에 당당히 제기하여 자녀 자신의 잘못이 아니며 부끄러워할 필요가 없다는 사실을 알려주어야 한다. 만에 하나 온라인에 자녀의 나체 사진이 유포된 경우, 테이크잇다운(Take it Down)이라는 서비스를 통해 해당 나체 사진을 삭제할 수 있다. 이 프로그램을 이용해 자녀를 위기에서 구해낼 수 있다.
피해자에게 평생 트라우마를 갖게 할 딥페이크 범죄
가해자는 청소년기에 딥페이크 범죄를 어린 시절의 ‘장난’이었다고 주장하기도 한다. 하지만 피해자의 눈으로 본 딥페이크 범죄는 절대 장난이 아니며 평생 남 눈치를 보게 될 ‘트라우마’가 된다.
학교와 가정에서 딥페이크에 대한 심각성을 교육한다면, 청소년 딥페이크 범죄를 예방하는 데 도움이 될 것이다. 그러나 성 문제는 오래된 문제이며 이에 대한 새로운 범죄는 계속 등장할 것이다. 딥페이크를 용이하게 하는 앱을 모두 없애는 것은 비현실적이지만, 일부 악의적 행위자를 차단하는 것은 가능하다. 범죄를 예방하기 가장 효과적인 방법은 청소년이 아니라 자신이 개발한 소프트웨어가 딥페이크 범죄에 사용된다는 사실을 알고 있는 ‘악의적인 개발자’를 표적으로 삼는 것이다.
청소년은 검색 엔진, 소셜 미디어의 광고를 통해 옷 벗기기 앱을 접한다. 애플, 인스타그램, X와 같은 대기업의 잘못된 홍보로 청소년은 범죄를 접하게 될 수도 있다. 테크기업은 기술 개발에만 급급하지말고 자신의 기술이 악용될 여지가 없는지 고려한 후 기술을 출시해야 한다. 청소년 범죄가 일어나지 않도록 기업에서도 적극 참여하고 나서야 한다.
[email protected]
금융 산업에서의 경험을 바탕으로 정확하고 이해하기 쉬운 기사를 쓰겠습니다. 경제 활력에 작은 보탬이 되기 바랍니다.
입력
수정
머스크 "77조원 보상안 투표 큰 차이로 통과 중" 2018년 승인 당시와 비슷한 '73% 찬성' 얻은 듯 NBIM·캘퍼스는 'CEO에 과도한 보상' 반대 입장
일론 머스크 테슬라 최고경영자(CEO)가 주주총회를 하루 앞두고 자신의 대규모 보상 패키지 지급 여부를 묻는 투표에서 사실상 승리했다고 밝혔다. 머스크의 보상안 통과 소식에 CEO 리스크가 어느 정도 해소되면서 이날 테슬라 주가가 급등하기도 했다. 다만 최대 주주들 사이에서는 대규모 정리해고가 이어지는 상황에서 머스크 CEO가 과도한 보상을 챙긴다는 지적이 나온다.
머스크, 급여 패키지 재승인 안건 주주 투표 결과 게시
12일(현지시각) 머스크 CEO는 X(옛 트위터)에 본인의 560억 달러(약 77조원) 규모의 스톡옵션 보상 재승인과 테슬라 법인의 텍사스 이전 안건이 주주 투표에서 큰 차이로 통과되고 있다고 전했다. 그러면서 해당 게시글에 찬반 투표수를 보여주는 그래프를 첨부했다. 단 정확한 찬반 수치를 공개하지는 않았다.
월스트리트저널(WSJ)은 머스크가 공개한 투표 현황 그래프를 볼 때 보상안이 처음으로 통과됐던 2018년과 비슷한 73%의 찬성을 얻은 것으로 파악된다고 전했다. 해당 안건의 사전투표는 테슬라의 연례 주주총회 하루 전인 이날 오후 10시 59분(중부 표준시) 마감되고 최종결과는 13일 텍사스 오스틴 테슬라 본사에서 열리는 주주총회에서 발표할 예정이다.
머스크의 보상안은 지난 2018년 주총을 통과했지만, 한 소액주주의 무효소송으로 제동이 걸렸다. 올해 1월 미국 델라웨어주 법원은 "보상패키지가 주주총회를 통과하는 과정에서 머스크의 영향력이 지나치게 행사됐다"며 보상안 지급 무효 판결을 내렸다. 항소심은 내달 개시될 예정이다. 머스크 CEO가 이번 주총을 통해 주주들이 자신에 대한 보상 패키지를 지지한다는 사실을 최종 입증한다면 무효소송 항소심에서도 유리한 고지를 점할 수 있을 것으로 보인다.
머스크의 보상안 통과 소식이 전해지자 이날 테슬라 주가는 장중 190달러까지 치솟으며 10% 넘게 폭등했다. 보상안 투표의 부결로 머스크가 CEO 자리에서 내려올 것이란 시장의 우려가 해소된 것으로 보인다.
노르웨이 국부펀드, 2018년에 이어 머스크 보상 패키지 반대
한편 주총을 앞두고 노르웨이 국부펀드를 운용하는 노르웨이 은행 투자관리(NBIM)는 반대 의사를 밝힌 바 있다. NBIM은 "보상 패키지가 승인된 2018년 이후 머스크 CEO의 리더십 아래 창출된 가치를 높게 평가한다"며 "다만 총 보상금의 규모와 성과 트리거, 지분율 희석, 핵심 인물에 대한 위험 완화 부족 등에 대해 여전히 우려하고 있다"고 전했다.
NBIM은 세계에서 가장 큰 자금을 보유한 국부펀드 중 하나로 전 세계 상장 주식의 1.5%를 소유하고 있을 정도로 권한이 막강하다. 지난해 말 기준으로 테슬라 지분 0.98%를 보유한 주요 주주로 8번째로 많은 지분을 보유하고 있다. NBIM은 그동안 과도한 CEO 급여에 대해 비판적인 입장을 견지해 왔으며 지난 2018년에도 머스크의 보상 패키지에 반대한 바 있다.
미국 최대 연기금 캘리포니아주 공무원연금(CalPERS·캘퍼스)도 반대 의사를 밝혔다. 마시 프로스트 캘퍼스 CEO는 지난달 29일 CNBC 방송에 출연해 "아직 테슬라와 대화하지는 않았지만, 현재로서는 그 안건에 찬성표를 던지지 않을 것"이라며 "그 보상안이 회사의 실적에 부합한다고 생각하지 않는다"고 말했다. 캘퍼스는 테슬라 주식 약 950만 주를 보유한 상위 30대 투자자 중 하나다. 앞서 미국의 주요 의결권 자문사인 글래스 루이스와 ISS도 반대를 권고했다.
매출 급감에 관세 인상까지, 비용 절감 위해 한 달째 해고 폭풍
이러한 주요 주주들의 우려는 최근 테슬라의 경영 위기와 맞물려 있다. 실제로 테슬라는 전기차 판매량 감소 등 시장 상황이 악화되면서 비용 절감을 위해 한 달째 대규모 해고를 이어가고 있다. 올해 1분기 매출은 213억 달러(약 29조2,100억원)로 전년 동기 대비 9% 급감했다. 특히 자동차 부문 매출이 전년 동기 대비 13% 감소한 173억4,000만 달러(약 23조7,800억원)에 그쳤다.
블룸버그통신에 따르면 지난 4월 머스크 CEO는 자사 인력의 10% 이상을 감축하겠다는 이메일을 보냈다. 이달 초에는 비용 절감을 위해 테슬라의 충전(슈퍼차저) 인프라 부문 인력(500명)을 거의 전부 해고하기도 했다. 현지 언론들은 회사 내부적으로 정한 해고 규모는 테슬라 전체 인력의 20%에 달하며 적어도 이달까지 해고가 이어질 것으로 전망하고 있다. 그러나 이 같은 노력도 전기차 시장의 악재를 피하기엔 역부족이다.
최근 바이든 행정부는 중국산 전기차, 컴퓨터 반도체 등의 산업에 적용되는 관세를 대폭 인상했다. 그런데 테슬라는 '모델3'의 페이스리프트 제품인 '하이랜드'의 물량 대부분을 중국 상하이 기가팩토리에서 제조하고 있다. 즉, 해당 제품을 미국 등으로 수출할 때 고관세로 인해 가격 경쟁력이 저하될 수 있다는 의미다.
Picture
Member for
2 months 3 weeks
Real name
남윤정
Position
기자
Bio
[email protected]
금융 산업에서의 경험을 바탕으로 정확하고 이해하기 쉬운 기사를 쓰겠습니다. 경제 활력에 작은 보탬이 되기 바랍니다.
[email protected]
지근거리를 비추는 등불은 앞을 향할 때 비로소 제빛을 발하는 법입니다. 과거로 말미암아 나아가야 할 방향성을 비출 수 있도록 노력하겠습니다.
입력
수정
대중 제재에 애물단지 된 노후 반도체 장비, 창고 임대료만 매달 수십억원 수준 구공정 장비 매각하는 미국·일본 기업들, "국내 기업은 규제 외 장비도 팔기 힘들어" '재활용'에 초점 맞추는 업계들, "리퍼비시 등 부차적 대안 찾을 수밖에 없는 상황"
미국의 대중 제재 강화에 따라 노후 반도체 장비 매각 사업이 일시 중단되면서 국내 반도체 기업들의 시름이 깊어지고 있다. 처분하지 못한 장비들을 창고에 보관하느라 매달 수십억원의 비용을 지불해야 하는 상황이기 때문이다. 이에 최근 시장의 관심은 리퍼비시(Refurbish)에 쏠리는 모습이다. 미중 갈등이 심화 양상을 보이면서 매각 길이 열릴 기미가 보이지 않자 '재활용'에 초점을 맞추는 분위기가 확산한 것으로 풀이된다.
대중 제재 강화한 미국, 노후 반도체 장비 매각도 일시 중단
13일 업계에 따르면 삼성전자와 SK하이닉스 등 국내 반도체 업체들은 노후화한 반도체 장비를 매각하지 못하고 있는 것으로 알려졌다. 지난 2022년 10월 미 상무부가 중국 기업에 첨단 반도체 장비 수출을 금지하면서 노후 장비의 주 수요처였던 중국에 장비를 넘기지 못하게 된 탓이다. 실제 삼성전자는 미국이 대중 제재를 강화한 이래 반도체 전공정 장비를 일절 매각하지 않았으며, SK하이닉스 역시 유럽과 미국산 전공정 장비에 대한 매각 작업을 중단했다.
문제는 이들 기업이 노후 장비를 그대로 방치하기엔 비용상 리스크가 크다는 점이다. 삼성전자와 SK하이닉스는 경기도 일대의 창고를 임대해 노후 장비를 보관하고 있는데, 창고 임대료만 매달 수십억원에 달하는 비용이 소요된다. 업계 관계자는 "창고 임대료가 지나치게 비싼 데다 최근엔 이마저도 보관할 공간이 부족하다"며 "장비를 자체적으로 재활용하는 것도 한계가 있고, 수천억원에 달하는 장비를 처분하지 못한 채 창고에 넣어두고만 있으니 회사 입장에선 답답할 수밖에 없다"고 전했다.
이에 업계 안팎에선 미 정부가 국내 기업에 대해 더 엄중한 잣대를 들이댄다는 비판이 나온다. 미국의 인텔이나 마이크론, 일본의 키옥시아 등이 규제에 해당하지 않는 구공정 장비를 제약 없이 처분하는 사이 국내 기업만 규제 외 장비 매각까지 규제받고 있단 것이다. 국내 기업의 반도체 라인에서 사용하던 구공정 장비를 신공정에 맞게 개조할 가능성이 높단 우려에 따라 규제를 강화한 것으로 추정되나, 시장은 "어떤 이유를 들어도 납득하긴 어려운 사안"이라는 입장이다.
지정학적 불확실성↑, 시장의 관심은 '리퍼비시'로
상황이 이렇다 보니 최근엔 국내 기업들 사이에서도 노후 장비 매각을 본격화해야 한단 목소리가 나오기 시작했다. 우선 SK하이닉스는 이전보다 '유연한' 거래를 이어가겠단 방침이다. 구입처 정체가 확실한 경우 규제에 맞게 중고 장비를 매각하겠단 것이다. 삼성전자 내부에서도 노후 장비를 팔아야 한단 의견이 대두됐다. 미국 눈치만 보다 실익을 놓쳐선 안 된단 취지다.
다만 일각에선 여전히 불안의 목소리가 적지 않다. 미중 갈등이 심화하는 등 지정학적 불확실성이 커지는 가운데 장비 매각이 괜한 '자극'이 될 수 있단 것이다. 이와 관련해 업계 관계자는 "지금 노후 장비를 팔지 못하면 대학 등에 헐값 매각하는 길 밖에 남지 않고, 그렇다고 적극 매각하기엔 미국의 눈치가 보이는 게 현실"이라며 "결국 이러지도 저러지도 못하는 상황이 계속될 수밖에 없는 것"이라고 설명했다.
이에 최근 시장에선 리퍼비시에 대한 관심이 높아지는 추세다. 리퍼비시란 초기 불량품이나 환불된 개봉품을 신상품 수준으로 정비해 다시 내놓는 것을 뜻한다. 중고 장비를 매각할 길이 좁다 보니 중고 장비를 재활용하는 방안에 초점이 맞춰지기 시작한 셈이다.
미중 갈등 장기화 전망, "리퍼비시로 보릿고개 넘겨야"
한편 미중 갈등은 해결되긴커녕 심화하는 양상이다. 당분간 중고 반도체 시장이 리퍼비시 중심으로 움직일 것이란 전망이 나오는 것도 이 때문이다. 앞서 미 정부는 지난해 12월 '잠정적 수출 통제' 명단을 발표하면서 우호국을 적극 포섭하겠단 의견을 내비친 바 있다. 당시 엘렌 에스테베스 미국 상무부 산업안보차관은 워싱턴에서 열린 '한-미 경제안보 콘퍼런스' 기조연설에서 "우리는 수출 통제를 혼자 할 수 없다"며 "미국과 동맹들을 적으로부터 보호할 수출 통제 체제에 대한 논의가 진행되고 있다"고 강조했다. 우호국에 대중국 수출 통제 참여를 독려한 것이다.
최근엔 미중 간 관세전쟁도 극심해졌다. 앞서 미 정부는 지난 5월 중국의 불공정 무역에 대응해 관세율을 높이겠다고 발표했다. 배터리 및 소재·부품(7.5%→ 25%), 전기차(25%→100%), 태양광 셀(25%→50%)을 비롯해 의료용품과 반도체 품목의 관세율을 크게 높인 것이다. 물론 관세가 인상되면 수출 산업에서 이득을 볼 수도 있지만, 대중 의존도가 높은 한국 산업 특성상 타격이 불가피하다는 게 전문가들의 설명이다. 실제 무역협회에 따르면 국내 수입 품목 중 중국 의존도가 절반 이상인 물품은 30%가 넘고, 불화수소, 네온 등 주요 반도체 소재의 경우 의존도가 70%를 웃도는 경우도 적지 않다.
오는 11월 미 대선이 치러진 이후도 문제다. 현재 당선 가능성이 가장 높게 점쳐지는 후보는 공화당의 도널드 트럼프 전 대통령인데, 자국 이익을 우선하는 경향이 짙은 트럼프 전 대통령 특성상 당선 후 대중 제재는 더욱 심화할 가능성이 높다. 이에 대해 이제훈 주미국대사관 공사참사관은 "바이든 정부는 관계 재정립을 통해 디커플링(탈동조화)을 도모하는 측면이 강하다면, 공화당은 더 여러모로 더욱 공세적"이라고 설명했다. 고재신 주상하이 총영사관 영사도 "미국 대선 결과에 따라 강도 차이가 있겠지만 자국 이익을 우선하는 조치들은 중장기적으로 이어질 것"이라고 전했다. 이렇다 보니 결국 당분간은 리퍼비시 등 부차적 대안을 통해 '보릿고개'를 버텨낼 수밖에 없단 게 업계의 대체적인 시선이다.
Picture
Member for
2 months 3 weeks
Real name
박창진
Position
연구원
Bio
[email protected]
지근거리를 비추는 등불은 앞을 향할 때 비로소 제빛을 발하는 법입니다. 과거로 말미암아 나아가야 할 방향성을 비출 수 있도록 노력하겠습니다.