AI, 특정 분야에서 생산성 끌어올려
하지만 사회 전반적으로 놓고 봤을 때는 의견 갈려
일부 산업에 AI 혜택이 치중되면 부작용 생기기 때문
AI를 모든 산업에 적용할 수 있을 때 비로소 생산성 혁신 이룰 것

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

인공지능(AI)이 발전을 거듭하면서 드디어 경제협력개발기구(OECD) 국가들이 저성장에서 벗어날 수 있을 것으로 기대하고 있다. AI는 자연어 처리부터 이미지 생성까지 기계가 할 수 있는 일의 범위를 넓혔다. 이에 발맞춰 특정 업종에서 AI가 생산성 혁신을 이뤘다는 연구 결과가 나오는 상황이다. 하지만 연구진은 AI가 사회 전반적으로 생산성을 끌어올렸는가에 대해서는 △AI 노출도 △AI 채택 속도 △상대적 수요 등 세 가지 요인에 따라 달라질 것이라고 답했으며, 실제로 시나리오에 따라 총요소생산성이 어떻게 변화하는지 보였다.

AI 생산성 향상 "특정 분야에서는 인정, 사회 전반적으로는 글쎄"

2022년 11월 챗GPT(ChatGPT)가 공개되고 테크 기업들의 대형언어모델(LLM) 경쟁이 치열해지면서 AI의 성능은 폭발적으로 향상됐다. 비약적으로 성장한 AI는 번역, 코드 작성 등 여러 분야에서 적극적으로 활용되며 업무 생산성을 끌어올렸다는 평가를 받고 있다. 또한 AI의 효과는 연구를 통해 여실히 입증됐다. AI가 △고객 서비스(14%) △비즈니스 컨설팅(40%) △소프트웨어 개발(50% 이상) 등 특정 업종에서 근로자의 성과를 향상했다는 연구 결과가 쏟아져 나오고 있다.

하지만 AI가 사회 전반의 생산성인 '총요소생산성'을 향상했는가에 대해서는 갑론을박이 나오는 상황이다. 일부 전문가들은 AI를 두고 "분야를 가리지 않고 적용할 수 있는 혁신적인 기술"이라며 향후 10년간 AI가 총요소생산성을 크게 끌어올릴 것이라고 예상했다. 한편 일각에서는 "현재 AI 기술이 특정 업종에서만 유용하게 사용될 뿐, 대부분 경제 활동에서는 유용하지 않다"라며 AI로 인한 총요소생산성 증가율은 미미할 것이라는 의견을 내놨다.

연구진 "AI 노출도, 채택 속도, 상대적 속도에 따라 총요소생산성 달라질 것"

위 논쟁에 대해 프란체스코 필리푸치(Francesco Filippucci) OECD 소속 경제학자를 비롯한 2명의 연구진은 △AI 노출도 △AI 채택 속도 △상대적 수요 등 세 가지 요인에 따라 총요소생산성이 결정될 것이라고 주장했다. 여기서 AI 노출도는 경제 전반에 걸쳐 AI를 채택하는 정도를 나타내는 지표로, AI 노출도가 높을수록 총요소생산성이 증가할 것으로 예상된다.

또한 총요소생산성은 경제의 여러 업종에서 생산되는 재화와 서비스에 대한 '상대적 수요'에 따라 달라진다. 예를 들어 특정 업종에서 AI를 활용해 생산성을 끌어올리면 높아진 생산성에 따라 임금이 올라간다. 반면 생산성을 올리지 못한 업종에서도 노동자들의 이탈을 막고자 임금을 올린다. 이러한 현상을 바우몰 효과(Baumol effect)라고 하는데, 시장에서 동일한 임금이 형성되면 노동자들은 생산성이 높은 업종을 이탈하게 된다. 따라서 역설적이게도 한 업종에서 생산성 혁신을 이뤘음에도 불구하고 시장 점유율이 낮아져 경제 전반적으로 봤을 때는 생산성이 하락할 수 있는 것이다.

가장 먼저 연구진은 업종별 AI 노출도와 채택 속도를 추정했다. AI 노출도는 현재 기술 수준과 미래에 기술 발전을 이룬 경우를 나눠 계산했다. 이는 기술 발전이 빠른 현실을 반영한 것이다. 다음으로 AI 채택 속도는 PC와 인터넷과 같이 과거 혁신적인 기술과 비교해 AI가 과거 기술에 비해 어느 정도 위치에 있을지 예상했다.

업종별로 AI 노출도와 채택 속도를 고려해 총요소생산성을 계산한 결과 농업, 어업, 광업과 같이 수작업이 주를 이루는 업종에서는 1~2%, ICT, 금융, 전문 서비스처럼 지식 집약적인 업종에서는 15~20%까지 총요소생산성이 증가할 것으로 나타났다.

AI 혜택, 일부 업종에 집중될수록 바우몰 효과 커져

다음으로 연구진은 AI 노출도, 채택 속도, 상대적 수요에 따라 여러 시나리오를 세우고 총요소생산성이 어떻게 변화하는지 살펴봤다. 총요소생산성 증가분에 대해서도 세 가지 영향을 구분했다. 업종 자체적으로 총요소생산성을 끌어올리는 직접적인 효과, 다른 업종과의 시너지로 긍정적인 영향을 주는 효과, 바우몰 효과로 나눠 총요소생산성 증가분을 계산했다.

시나리오 1과 2를 비교한 결과 AI를 빠르게 채택하는 게 중요할 뿐만 아니라 AI 역량 또한 중요하다는 것을 알 수 있다. 이를테면 다른 디지털 도구와 AI를 통합해 더 넓은 범위의 경제 활동에 AI를 적용하면 한층 더 높은 생산성 향상을 이룰 수 있다.

시나리오 3과 4에서는 AI의 생산성 혜택이 일부 업종에 쏠리는 현상에 집중했다. 생산성 혜택을 받는 업종은 ICT와 금융처럼 지식 집약적인 산업으로 가정했다. 그 결과 부정적인 바우몰 효과가 발생했으며, 시나리오 4에서 가정한 것처럼 업종 간 AI 생산성 혜택이 불균등해질수록 바우몰 효과는 더욱 커지는 것으로 나타났다. 이 수치는 총요소생산성 증가분의 약 3분의 1을 차지할 만큼 크게 나타났다.

반면 AI가 로봇 기술과 결합하면 바우몰 효과는 발생하지 않았다. 이에 대해서 연구진은 AI와 로봇 기술의 결합은 인지 활동뿐만 아니라 수작업 집약적인 업종에서도 AI 혜택을 받을 수 있게 만들기 때문이라고 설명했다. 이로 인해 AI로부터 얻을 수 있는 이득은 균등해지고 AI는 더욱 광범위하게 적용될 수 있다.

연구진은 시나리오를 종합한 결과 향후 10년간 AI가 미국의 총요소생산성 성장률에 0.25~0.6%p 기여할 것이라는 예측을 내놓았다. 다른 국가에서도 비슷한 추정치가 나왔으나, AI 도입이 더디고 AI에 노출된 산업이 상대적으로 적은 나라에서는 다소 낮은 값이 나왔다. 연구진은 이러한 예측이 현실화된다면 AI는 인터넷과 비슷한 수준으로 생산성을 끌어올릴 것이라고 덧붙여 설명했다.

원문의 저자는 프란체스코 필리푸치(Francesco Filippucci) OECD 소속 경제학자 외 2명입니다. 영어 원문 기사는 Miracle or myth: Assessing the macroeconomic productivity gains from artificial intelligence | CEPR에 게재돼 있습니다.

친환경 에너지 기술 이전으로 석유 대신 금속 의존도 증가
금속 가격 인상으로 인한 인플레이션, 산업 전반에 장기간 영향
각국 통화당국, 주요 ‘인플레이션 변수’에 포함해야

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

전 세계가 화석 연료에서 재생 에너지 기술로 이전하면서 금속 사용량도 함께 증가하고 있다. 또한 많은 산업에서 석유 대신 금속의 의존도가 늘어남에 따라 인플레이션 양상에도 변화가 포착된다. 석유 가격 인상이 단기간 소비자물가지수 인플레이션(Consumer Price Index Inflation, CPI 인플레이션)에 영향을 끼칠 경우, 금속 가격 인상이 장기간 코어 인플레이션(Core Inflation, CPI 인플레이션에서 식품 및 에너지 가격을 제외한 것)에 더 크게 작용하는 식이다.

금속 가격, 원유보다 산업 전반에 장기간 영향

금속은 최종 소비 지출에서 차지하는 비중은 작지만 생산 과정에서의 중요도는 상대적으로 크다. 미국의 경우 금속은 최종 소비 지출의 0.01%를 구성해 2.6%인 석유 및 석탄에 비해 미미한 수준이지만 전기 및 기계 장비 산업에서는 직접 투입 비용의 10%를 넘는 비중을 차지한다. 여기에 간접 투입 비용까지 합하면 경제적 영향은 훨씬 더 커진다. 금속 가공, 기계, 전기 장비 분야의 경우 총생산량에서 금속 비용이 차지하는 비중은 각각 46%, 28%, 27%로 매우 높다. 여기에 건설 산업의 경우 설비 및 장치 포함 금속의 간접 사용은 원료로서의 직접 투입보다 4배나 크다. 미국 전체 경제에서 건설 산업의 높은 비중을 감안할 때 결코 가볍게 볼 수 없는 수치다.

반면 운송 및 전기 등에 이용되는 화석 연료는 간접비 사용 비중이 상대적으로 작아, 금속 가격 인상이 장기에 걸친 인플레이션을 유발한다면 원유 가격 인플레이션은 단기 소비자 물가 인상에 그치는 경향이 있다.

금속 의존도 높은 국가일수록 가격 상승에 따른 인플레이션 영향 커

1996~2019년 39개국 데이터를 활용한 연구 결과는 구리 가격 인상이 인플레이션에 미친 영향을 보여준다. 연구에 따르면 구리 가격 10% 인상은 1년 내 CPI 인플레이션과 코어 인플레이션을 각각 0.2%P 상승시켰다. 하지만 2~3년에 걸쳐서는 CPI 인플레이션 0.5%P, 코어 인플레이션 0.3%P 인상으로 영향이 더 컸다.

이러한 결과는 금속 가격 인상이 각 산업의 전반적 생산 과정에 반영돼 장기간 물가 상승을 유발함을 입증한다. 직간접적으로 금속 의존도가 높은 산업들이 맞닥뜨리는 생산비 증가가 최종 소비자가로 연결되는 것이다.

따라서 금속 가격 인상으로 인한 인플레이션은 금속의 생산 과정 투입량에 비례해 각 국가들에 영향을 준다. 실제로 금속 투입 비중 상위 90% 국가들의 경우 구리 가격 1% 인상은 12개월에 걸쳐 누적 0.05%P의 CPI 인플레이션 상승과 0.03%P의 코어 인플레이션 상승을 부른 반면 투입 비중 상위 10% 나라들은 각각 0.01%P, 0.02%P에 그친 것으로 나타났다.

이는 금속 가격 인상에 따른 인플레이션 영향 분석 시 각국의 생산 구조를 살피는 것이 반드시 필요하다는 사실을 시사한다. 금속 의존도가 높은 산업을 보유한 국가들이 장기적 인플레이션 영향에 노출될 가능성이 훨씬 높기 때문이다.

금속 가격 인상, ‘무역 파편화’ 결합 시 인플레이션 영향 가중

석유 가격 인상도 단기적으로는 소비자 물가에 상당한 영향을 준다. 연구 결과에 따르면 공급 차질로 인한 1% 유가 상승은 2~3년간 0.07%P의 CPI 인플레이션 상승을 부르지만 코어 인플레이션에는 그다지 영향을 주지 않았다. 또한 금속과 같이 국가별 투입 비중에 따라 인플레이션 양상이 큰 차이를 보이지도 않으며 영향이 장기에 미치지도 않았다.

이처럼 세계 경제의 금속 의존도가 높아지는 가운데, 각국 중앙은행은 인플레이션 관리에 또 하나의 핵심 변수를 추가하게 됐다. 단기에는 눈에 띄는 변화를 초래하지 않지만 장기간 영향을 미치는 금속 가격 인상은 세밀한 주의를 요구한다. 특히 친환경 에너지로의 이전이 무역 파편화(trade fragmentation) 현상과 맞물릴 경우 금속 가격 인상이 인플레이션에 주는 영향의 빈도와 규모도 크게 증가할 수 있다. 정책 당국자들이 금속 가격 인상을 인플레이션 주요 변수로 추가해 면밀히 주시해야 하는 이유다.

원문의 저자는 호르헤 미란다-핀토(Jorge Miranda-Pinto) 국제통화기금(International Monetary Fund) 수석 이코노미스트 외 3명입니다. 영어 원문 기사는 Beyond energy: Inflationary effects of metals price shocks | CEPR에 게재돼 있습니다.

우크라이나 전쟁, 유럽 중심 ‘에너지 위기’ 초래
산업별·기업별 위기 대응 방식 각기 달라
다양한 영향과 대응 방식 이해해야 효과적 지원 가능

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

전 세계가 지정학적 갈등과 갑작스러운 경제 위기에 대응해야 하는 빈도가 증가하면서 개별 산업과 기업의 위기 대응 방식을 이해하는 것이 정책 당국의 필수 과제가 되고 있다. 실제 러시아-우크라이나 전쟁이 유발한 에너지 가격 위기에서 유럽 각국 기업들의 대응 방식은 회사 규모, 생산 기술, 시장 구조, 경영 방식 등에 따라 각기 달랐다. 해당 요소들에 대한 깊이 있는 이해는 상황과 목표에 맞춘 효과적 지원 정책 수립을 위해 반드시 필요해 보인다.

우크라이나 전쟁으로 영국 천연가스 가격, 수개월 만에 ‘4배 상승’

러시아의 우크라이나 침공은 삽시간에 전 세계적인 에너지 위기를 촉발했고 유럽 전역에 걸쳐 심대한 경제적 영향을 끼쳤다. 특히 영국의 경우 에너지 도매가격이 몇 개월 사이 4배가 뛰어 에너지 의존도가 높은 기업들에 심각한 위협을 초래했는데, 이와 관련한 설문 조사와 문서 자료 분석은 기업들이 에너지 위기를 견디기 위해 사용한 몇 가지 대응 방식을 드러낸다.

에너지 위기 대응 방식, 산업 및 기업 규모에 따라 ‘천차만별’

먼저 대다수 기업은 늘어난 에너지 비용을 가격 인상을 통해 소비자에게 전가하는 방식으로 대응했다. 해당 패턴은 소규모 회사들에서 더 많이 보였고 대기업들은 자본재 개선에 집중하며 비용 인상을 감수하는 경향을 나타냈다. 또한 인원 감축이나 파산을 결정하기보다 현금 보유고 및 부채 비중을 늘리며 위기를 버티는 기업들도 있었다. 이런 경향 역시 중소기업들에서 많이 관찰됐는데, 비용 인상에도 불구하고 회사 운영을 이어가려는 노력의 일환으로 해석된다.

또한 에너지 위기는 중소기업, 대기업을 가리지 않고 사업 운영 방식의 변화를 불러왔다. 원격 근무 방식 도입을 통해 에너지 비용의 일부를 근로자에게 돌리는 등 운영 경비 절감에 나선 것이 대표적이다. 다만 대응 방식은 산업별로는 큰 차이를 보였는데 건설업체들이 자본재 투자에 집중했다면 숙박, 외식, 관광 등의 서비스업체들은 재고 물량을 비축해 비용 인상에 대비하는 모습을 보였다.

전체적으로는 대부분 업체가 위기 극복에 대한 희망을 피력하는 등 긍정적인 자세를 잃지 않는 모습을 드러내기도 했다. 심지어 자료상으로는 소규모 업체 위주의 영업 중단이 증가하고 있음에도 낙관주의는 사라지지 않았다.

업체별 다양한 영향과 대응 방식 이해해야 효과적 정책 수립

이 같은 기업들의 다양한 위기 대응 방식은 에너지 위기 상황에서 정책 당국이 어떻게 지원 방안을 수립할지에 대한 가이드를 제시하기도 했다. 먼저 에너지 위기가 산업과 회사 규모별로 미치는 다양한 영향에 주목해야 한다. 소규모 음식·숙박업에 대한 지원 방안이 제조 분야 대기업 지원과 같을 수는 없다는 얘기다. 여기에 당장의 생존에 필요한 도움과 장기간 적응을 위한 지원을 구분해 제공해야 반복되는 위기를 버틸 수 있는 체질을 갖출 수 있다.

또한 기업들의 에너지 위기 대응 방식은 친환경 경제 이행에 대해서도 시사점을 제공한다. 관련 내용들을 잘 활용한다면 환경 목표를 달성하면서 경제 활력을 이어갈 수 있는 정책 수립에도 도움을 줄 수 있을 것으로 예상한다.

마지막으로 효과적인 정책 방향과 목표 수립에는 정확한 현실 파악이 요구되는데 이에 필요한 자료 공유상의 문제점도 해결돼야 한다. 이를 위해서는 자료 자체에 대한 접근성은 물론 설문 조사와 행정 자료 간 내용 차이, 주관적 분석의 남용 등 문제가 정리돼야 할 것으로 분석된다.

원문의 저자는 티모 페처(Thiemo Fetzer) 워릭대학교(University Of Warwick) 교수 외 2명입니다. 영어 원문 기사는 Navigating economic shocks: How firms adapted to the energy crisis | CEPR에 게재돼 있습니다.

경제학 박사 커뮤니티에 올라온 글 중 10%가 악성 글로 드러나
악성 글 작성자, 알고보니 대부분 명문대 출신
악성 글 쓰는 주된 요인 '관심받고자 하는 욕구'

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

경제학 박사들이 모인 커뮤니티에서 악성 게시글 작성자가 대부분 명문대 출신인 걸로 드러났다. 연구진은 악성 게시글이 코로나 팬데믹 기간에 증가했으며 처음 작성한 글이 많은 관심을 받으면 추후에도 활동을 이어 나가는 경향이 있다고 밝혔다. 또한 타인에게 관심을 받고자 하는 욕구가 악성 게시글을 작성하는 가장 큰 요인이라고 덧붙여 설명했다.

취업의 장에서 화풀이 공간으로 전락한 EMJR

온라인 익명성은 양날의 검으로 작용한다. 의견을 자유롭게 표현할 수 있는 수단이 되기도 하지만, 때로는 남에게 상처를 주는 수단이 되기도 한다. 이를테면 익명을 악용하는 사람들은 온라인 커뮤니티에서 남을 비방하고 깎아내리는 글을 서슴지 않게 쓴다. 이러한 악성 글은 온라인 커뮤니티의 주제와 집단을 가리지 않고 등장하는데, 전문가 커뮤니티에서 특히 악성 글을 자주 볼 수 있다.

대표적인 예시로 이코노믹 잡마켓 루머(Economics Job Market Rumors, EJMR)가 있다. EMJR은 경제학 박사들이 모인 구인·구직 커뮤니티로, 처음에는 경제학에 관련된 토론이나 취업 정보를 공유하는 공간이었다. 하지만 커뮤니티가 커지면서 성차별, 인종차별 등 악성 게시글이 늘어갔고 현재는 악명 높은 커뮤니티로 바뀌었다.

EMJR, 레딧보다 여성 혐오 발언 더 많아

플로리안 에더러(Florian Ederer) 보스턴대(Boston University) 경영대학원 교수를 비롯한 2명의 연구진은 EMJR에 등록된 글을 모두 긁어모아, 해당 커뮤니티에 악성 게시글이 얼마나 만연해 있는지 조사했다.

우선 연구진은 트랜스포머 기반 머신러닝 모델을 이용해 △정상 △악성 △여성 혐오 △증오 발언 등 네 종류로 게시글을 분류했다. 분류한 결과 악성 게시글은 무려 11.8%에 달했으며, 여성 혐오는 3.3%, 증오 발언이 3.1% 있었다. 이러한 수치는 전 세계 온라인 커뮤니티인 레딧(Reddit)과 필적할 만한 수준이다. EMJR은 전반적으로 레딧과 비슷한 수준의 유해성을 보였으나, 여성 혐오와 증오 발언에 대해서는 레딧을 넘어섰다. 이는 EMJR에 악성 게시글이 얼마나 만연해 있는지 알 수 있는 대목이다.

악성 게시글 작성자, 대다수 명문대 출신인 걸로 밝혀져

다음으로 연구진은 게시글 작성자의 IP 주소를 추적했다. EMJR의 사용자 ID는 'ef3c'와 같이 4자로 구성돼 있는데, 이는 마치 무작위로 생성된 것처럼 보인다. 하지만 사용자 ID는 접속한 IP 주소를 활용한다는 숨겨진 패턴이 있었고, 연구진은 이러한 패턴을 공략했다.

패턴을 발견했음에도 IP를 추적하는 일은 만만치 않았다. 사용자 ID를 생성하는 경우의 수가 무려 9조나 되기 때문이다. 연구진은 가능한 IP 주소를 모두 찾아내 나열했으며, 이로 인해 사용자 ID 후보를 대폭 줄일 수 있었다. 마침내 연구진은 2010년 12월부터 2023년 5월까지 47,630개의 고유한 IP 주소를 확보할 수 있었는데, 이는 전체 사용자의 3분의 2에 달하는 숫자다.

연구진이 어렵게 IP 주소를 찾아낸 결과 충격적인 사실이 밝혀졌다. 게시글 작성자의 대다수가 명문대 출신이라는 점이다. 스탠퍼드대 출신이 2.98%로 가장 많았으며 컬럼비아대가 2.68%로 그 뒤를 이었다. 이러한 결과는 경제학계에 적대적인 집단이 의도적으로 EMJR에 악성 게시글을 작성했다는 믿음과 달리, 실제로는 일류대학과 저명한 연구 기관에서 악성 게시글을 작성하고 있었다는 사실을 보여준다.

다음으로 눈여겨볼 만한 점은 코로나 팬데믹 기간에 게시글이 급증했다는 사실이다. EMJR 게시글은 2020년 초에 폭발적으로 증가해 짧은 기간에 게시글 수가 3배 이상 증가했다. 이렇게 증가한 게시글들은 대부분 주제에서 벗어난 토론이었으며, 이는 사회적 고립과 스트레스를 해소하는 수단으로 게시글을 작성한 것으로 보인다.

익명 보장되지 않은 익명 커뮤니티

연구진은 온라인 커뮤니티의 실체를 파악한 뒤 두 가지 시사점을 밝혔다. 첫 번째로 온라인 커뮤니티가 '익명성'을 제대로 보장하지 못하고 있다는 점이다. 온라인 커뮤니티에는 보안상 약점이 분명히 존재했고, 보안 수준은 업계 관행에 크게 못 미치는 수준이었다. 따라서 온라인 커뮤니티는 해커의 먹잇감으로 쉽게 전락할 수 있다. 또한 익명성이 완전히 보장되지 않는다는 믿음이 생기면 사용자들은 더 이상 자유롭게 의견을 표현하기 껄끄러워질 것이라며 우려를 표했다.

다음으로 연구진은 악성 게시글을 작성하는 주된 요인으로 '주목받고자 하는 욕구'를 꼽았다. 연구진은 작성자의 초기 게시물과 후속 활동 간의 관계를 조사해 주장을 뒷받침했다. 첫 게시글에 많은 관심을 받은 사용자는 추후에 활발히 활동하는 경향이 있었다. 해당 결과는 악성 게시글 작성자의 밑바닥에는 관심받고자 하는 내적 동기가 자리 잡고 있었음을 보여준다.

원문의 저자는 플로리안 에더러(Florian Ederer) 보스턴대(Boston University) 경영대학원 교수 외 2명입니다. 영어 원문은 Anonymity and identity online | CEPR에 게재돼 있습니다.

LLM, 성능 높아지며 프로그래머 대체재로 떠올라
과제·난이도·텍스트길이 등 모든 면에서 우위
"텍스트 데이터 활용한 연구 크게 증가할 것" 기대

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

텍스트 분석에서 대형언어모델(LLM)이 프로그래머보다 더 뛰어난 성과를 거뒀다는 연구 결과가 발표됐다. 이에 따라 경제학자를 비롯한 자연어 처리를 전공하지 않은 연구자들도 LLM을 활용해 텍스트를 분석할 수 있게 됐다. 해당 연구 결과는 텍스트 분석의 진입 장벽이 한층 낮아졌음을 방증한다는 점에서 유의미하다.

텍스트 분석의 한 줄기 빛 'LLM'

그간 경제학자들은 가구소득, 소비지출 등 표 형식으로 정리된 데이터를 주로 분석해 왔지만, 최근에는 텍스트 데이터의 잠재력을 인정하고 정량적인 방법으로 다루기 어려운 현상을 설명하는 데 텍스트 데이터를 활용하고 있다. 연방공개시장위원회(FOMC) 회의록을 활용한 통화정책 예측, 뉴스 감정분석을 통한 주가 예측 등의 연구가 대표적이다.

하지만 경제학자들은 텍스트 데이터의 진입장벽이 높아, 이를 분석하는 데 적잖은 어려움을 겪었다. 특히 자연어 처리를 전공하지 않은 연구자에게 텍스트 데이터는 높은 벽으로 작용했다. 이에 텍스트 데이터를 활용하고자 하는 연구자들은 주로 외주업체에 맡겨 분석을 진행했는데, 이 방법도 모든 문제를 해결해 주지는 못했다. 더군다나 외주를 맡기는 데는 많은 시간과 비용이 들었으며, 외주업체가 연구 분야에 대한 지식이 없는 경우 종종 이상한 방향으로 분석이 흘러가기도 했다.

이런 와중에 떠오른 대안이 바로 LLM이다. LLM은 2022년 11월 챗GPT(ChatGPT)가 등장한 이후 빅테크 기업들의 경쟁이 치열해지면서 급속도로 성장했다. 현재는 코딩, 문서 작성 등 여러 업무에서 LLM에 도움받을 정도로 성능이 많이 향상된 상태다.

에사데대학 학생 vs LLM '대결'

이를 검증하기 위해 비센테 베르메호(Vicente Bermejo) 스페인 에사데(ESADE) 대학교 경제학과 조교수를 비롯한 2명의 연구진은 텍스트 분석에서 외주를 맡은 프로그래머와 LLM의 성과를 비교했다.

연구에 사용한 텍스트 데이터는 재정건전성을 다룬 210건의 스페인 뉴스로, 연구진은 해당 데이터가 텍스트 분석 모델이 글의 맥락을 이해했는지 평가하는 데 적합하다고 판단했다. 해당 뉴스를 이해하기 위해서는 전반적인 금융 지식이 필요한 데다, 뉴스에는 재정 정책, 정치적 비판 등 복잡한 논의가 포함돼 있어 단순한 키워드 매칭만으로는 좋은 성과를 내기 어렵다고 봤기 때문이다.

연구진은 데이터를 정한 다음 분석할 과제를 정의했다. 연구진에 따르면 재정건전성에 관한 뉴스는 3,000개 이상의 지자체에 영향을 미쳤으며, 일부는 지자체에 대한 비판도 담겨 있었다. 이에 연구진은 ‘비판’에 중점을 두고 과제를 정의하면서 각 과제의 난이도가 점차 올라가도록 설정했다. 또한 연구진은 분석 주체로 LLM과 외주 프로그래머를 다음과 같이 설정했다. LLM은 △GPT-3.5 터보(GPT-3.5 turbo) △GPT-4 터보(GPT-4 turbo) △클로드 3 오푸스(Claude 3 Opus) △클로드 3.5 소네트(Claude 3.5 Sonnet) 등 최신 네 가지 LLM 모델을 분석 주체로 삼았다.

다음으로는 스페인 에사데대학교 내에서 프로그래머를 선별했다. 에사데대학교는 2024년 파이낸셜 타임스(Financial Times)가 발표한 글로벌 MBA 순위에서 세계 17위를 달성한 대학으로, 스페인뿐만 아니라 유럽 전역에서 명성 떨치고 있는 학교다. 총선발된 학생은 146명으로, 각자 3개의 기사를 분석해 결과를 내놨다.

압승 거둔 LLM

연구진은 분석 주체를 명확히 한 뒤 과제에 따른 성능을 비교했다. 그 결과 네 가지 LLM 모두 외주를 맡은 학생들보다 우수한 성과를 거뒀다. 연구에 사용된 LLM 중 가장 오래된 GPT-3.5 터보마저도 프로그래머의 성과를 가뿐히 뛰어넘었으며, 최신 모델이 될수록 그 격차는 더욱 벌어졌다.

작업 난이도를 고려했을 때도 LLM은 여전히 프로그래머보다 뛰어났다. 일상적이고 반복적인 작업을 수행하는 데 이점이 있다고 알려진 LLM이지만, 어려운 작업에서도 인간보다 뛰어난 성능을 보였다.

심지어 텍스트 길이에 따라 작업을 나눴을 때도 LLM이 프로그래머보다 더 나은 성능을 보였다. 텍스트 분석은 일반적으로 텍스트 길이가 길어질수록 어려운 도전이 된다. 이에 따라 긴 텍스트 분석에서는 상대적으로 LLM과 프로그래머 모두 낮은 정확도를 보이지만 LLM은 긴 텍스트에서마저도 프로그래머를 뛰어넘은 것이다.

연구진은 모든 과제에서 LLM이 프로그래머보다 우수한 결과를 내자, 학생들이 성의 없이 작업한 것은 아닌지 의구심을 드러냈다. 이를 확인하고자 T1~T5 작업에 대해 학생들이 한 답변이 무작위로 답변한 것과 큰 차이를 보이는지 검증했다. 그 결과 학생들의 답변은 무작위로 답변한 것보다 훨씬 뛰어났으며, 대부분의 분석도 의미 있는 것으로 파악됐다.

연구진은 LLM이 성능뿐만 아니라 비용과 시간 측면에서도 효율적이라는 점을 강조했다. LLM이 연구에서 작업을 수행하는 데 드는 비용은 △GPT-3.5 터보(0.20달러) △GPT-4 터보(3.46달러) △클로드 3 오푸스(8.53달러) △클로드 3.5 소네트(2.28달러)에 불과했으며, 결과는 몇 분 내에 받을 수 있었다. 반면 외주에서 드는 비용은 훨씬 컸다. 게다가 146명의 참가자 모집 및 관리, 데이터 수집 과정 조율 등 상당한 시간도 들여야만 했다.

원문의 저자는 비센테 베르메호(Vicente Bermejo) 스페인 에사데(ESADE)대학교 경제학과 조교수 외 2명입니다. 영어 원문은 Generative AI as a replacement for human coders in large-scale complex text analysis: New evidence from large language models | CEPR에 게재돼 있습니다.

도서정가제, 실제 지불 금액 고려해 할인율 규제
배송비 포함하면 대형 이커머스 상품 평균적으로 더 저렴해
연구진, 이커머스 시장 공정한 경쟁 중인지 의문 던져

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

배송비가 이커머스(전자상거래) 경쟁에서 '보이지 않는 독점력' 역할을 할 수 있다는 주장이 제기됐다. 이커머스 시장에서 더 저렴한 배송비를 제공하는 기업이 경쟁에서 우위를 가져갈 것이라는 주장이다. 그러나 배송비 경쟁 양상으로 갔을 때 우려되는 점은 소형 이커머스 기업이 살아남기 힘들다는 점이다. 대형 이커머스 기업은 유통 인프라와 규모의 경제를 이용해 소비자에게 저렴한 배송비를 제공할 수 있으나, 소형 이커머스 기업은 규모의 한계로 저렴한 배송비를 제공하기에는 무리가 있다. 실제로 아마존이 배송비를 포함하기 전에는 경쟁사와 가격 차이가 거의 없었으나, 배송비를 포함한 후에는 평균적으로 아마존이 더 저렴했다. 이에 전문가들은 이커머스 시장에서 독점을 판단할 때, 상품 가격이 아니라 배송비를 포함한 '실제 지불 금액'을 지표로 삼아야 한다고 조언했다.

'실제 지불 금액'에 초점 맞춘 도서정가제

정부는 대기업이 막대한 자본력을 이용해 경쟁에서 우위를 점하는 행위를 막고자 가격 규제를 사용한다. 대표적인 예시로 '도서정가제'가 있다. 도서정가제는 책의 할인율을 일정 수준 이상으로 높이지 못하게 막은 제도인데, 그 배경에는 높은 할인율이 있었다. 도서정가제 도입 전에는 대형 서점에서 자본력을 동원한 높은 할인율로 고객을 끌어모았고, 자본력을 따라가지 못하는 지역 서점은 자연스럽게 폐점이라는 절차를 밟았다. 그러나 도서정가제 도입 이후에는 지역 서점이 대형 서점과 같은 가격에 경쟁할 수 있어 다시 활기를 되찾았다.

도서정가제에서 눈여겨볼 점은 초점을 상품 가격에 맞춘 게 아니라 할인율을 포함한 '실제 지불 금액'에 맞췄다는 점이다. 도서정가제 이전에도 책의 정가는 대형 서점과 지역 서점이 같았다. 하지만 대형 서점에서는 높은 할인율을 내세워 실제로 소비자가 지불하는 금액을 더 낮게 만들었다. 이로 인해 소비자들은 대형 서점을 찾게 되고, 대형 서점은 경쟁에서 우위에 올라설 수 있었다. 이처럼 독점을 판단할 때는 눈앞에 보이는 상품 가격뿐만 아니라 실제 지불 금액을 고려하는 것이 중요하다.

'상품 가격'에 초점 맞춘 이커머스

그러나 이커머스 시장에서는 상품 가격에만 집중하고 있는 것으로 추측된다. 이커머스 기업들은 다이나믹 프라이싱(Dynamic Pricing, 경쟁사의 가격을 고려해 가격을 수시로 바꾸는 것)을 통해 상품 가격을 서로 비슷하게 맞춘다. 언뜻 보기에는 공정한 경쟁을 하는 것처럼 보이지만, 차이는 배송비에서 나온다. 대형 이커머스 기업은 유통 인프라와 규모의 경제를 이용해 저렴한 배송비를 제공하지만, 소형 이커머스 기업은 그렇게 하지 못한다.

이러한 가설을 크리스티안 가도(Krisztian Gado) 브랜다이스대(Brandeis University) 박사 후보생을 비롯한 2명의 연구진은 독일 아마존(Amazon) 데이터를 통해 확인했다. 우선 연구진은 아마존에 등록된 24개 카테고리에서 베스트셀러 제품들의 가격을 모두 기록했다. 가격을 기록할 때는 배송비의 역할을 보기 위해 배송비를 포함한 가격과 제외한 가격을 모두 기재했다. 이렇게 모은 상품은 총 1,726개로, 모두 중고가 아니라 신제품이다. 그런 다음 연구진은 아마존과 비교할 대상을 선정했는데, 비교 대상으로 잡은 경쟁사는 아마존에서 제3 판매자가 주를 이루는 아마존 마켓플레이스(Amazon marketplaece)와 외부 경쟁업체다.

배송비 제외하면 무승부, 배송비 포함하면 아마존 승

데이터와 경쟁 대상을 명확히 한 후, 연구진은 분포를 그려 아마존과 경쟁사 간의 가격 차이를 살펴봤다. 그 결과 배송비를 포함하기 이전에는 가격 차이가 0을 중심으로 고른 분포였지만, 배송비를 포함하고 나서는 분포가 음(-)의 방향으로 살짝 몰렸다. 이는 배송비가 포함되기 전에는 다이나믹 프라이싱을 통해 비슷한 가격대가 형성됐으나, 배송비를 포함하면 대형 이커머스는 저렴한 배송비를 무기로 경쟁에서 우위를 점한 것으로 해석된다.

연구진은 대형 이커머스가 배송비에 이점이 있다는 결과를 다른 시점과 다른 나라에 적용해 모델의 강건성(Robustness)을 검증했다. 독일 아마존의 과거 베스트셀러와 미국 아마존 베스트셀러를 수집해 비교했는데, 그 결과 배송비를 포함하면 과거에도 아마존과 경쟁사 간의 가격 차이가 있었으며 미국 데이터에서도 유사한 패턴이 나왔다.

연구진, 실제 지불 금액을 독점 평가지표로 삼아야

연구 결과를 토대로 연구진은 이커머스 경쟁이 공정하게 이루어지고 있는가에 대해 의문을 던졌다. 연구 결과가 말하듯 배송비까지 상품 가격에 포함하면 대형 이커머스가 경쟁에서 우위에 있다는 이유에서다. 따라서 연구진은 배송비를 포함한 '실제 지불 금액'을 독점의 지표로 삼고 경쟁을 평가해야 한다고 주장했다. 게다가 이러한 차이는 저가 제품군에서 더욱 두드러지게 나타날 것으로 예상했다. 저가 제품군에서는 상품 가격보다 배송비가 더 비쌀 수 있어, 자칫하면 배보다 배꼽이 더 커지는 상황이 빈번하게 일어나기 때문이다.

원문의 저자는 크리스티안 가도(Krisztian Gado) 브랜다이스대(Brandeis University) 박사 후보생 외 2명입니다. 영어 원문은 The role of shipping costs in platform retail competition | CEPR에 게재돼 있습니다.

직장인 3명 중 1명 업무에서 생성형 AI 도움 받아
챗GPT 출시 2년 만에 생성형 AI 도입률 39% 달성
만능기계 생성형 AI, 업무에서 광범위하게 활용

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

생성형 AI가 업무하는 데 없어서는 안 될 필수도구로 자리매김했다. 이에 연구진은 설문조사를 통해 생성형 AI가 업무에 얼마나 적극적으로 사용되며 어떻게 활용되는지 밝혀냈다. 또한 생성형 AI는 다른 혁신적인 기술에 비해 빠르게 도입됐으며 다양한 업무에 활용되고 있다는 특징을 알아냈다.

직장인 10명 중 1명, 생성형 AI 매일 사용

2022년 11월 챗GPT(ChatGPT)가 출시되자 전 세계는 큰 반향을 일으켰다. 챗GPT는 두 달 만에 1억 명 이상의 사용자를 확보했으며 △클로드(Claude) △라마(Llama) △제미나이(Gemini) 등 여러 생성형 AI가 쏟아져 나왔다. 이러한 현상은 치열한 경쟁으로 이어졌고, 이로 인해 생성형 AI의 성능은 물론 사용자 편의성 또한 크게 높아졌다. 뛰어난 성능과 편의성을 무기로 생성형 AI는 직장뿐만 아니라 일상에서도 빠르게 도입될 수 있었다.

그러나 생성형 AI가 업무에서 어떻게 활용되고 있는지에 대한 실증 연구는 부족한 상황이었다. 이러한 간극을 메워 넣고자 알렉산더 빅(Alexander Bick) 세인트루이스 연방준비은행의 경제 정책 고문(Economic Policy Advisor at the Federal Reserve Bank of St. Louis)을 비롯한 연구진은 설문조사를 통해 실제로 생성형 AI가 업무에서 어떻게 활용되고 있는지 조사했다.

연구진은 18~64세를 대상으로 지난 한 주 동안 생성형 AI를 사용한 빈도에 관해 물었다. 응답자 중 32%가 한 번 이상 생성형 AI를 사용한 적이 있다고 했으며, 24%가 직장에서 생성형 AI를 사용했고 심지어 11%는 매일 사용했다고 답했다. 더불어 업무 외 시간에도 생성형 AI를 사용한다고 답한 사람은 3명 중 1명꼴로 적지 않은 수치를 보였다. 하지만 업무 외 시간에 매일 사용하는 사람은 6.4%에 불과했다.

생성형 AI, PC와 인터넷과 비교해 빠른 속도로 도입돼

다음으로 연구진이 확인한 것은 생성형 AI의 도입 속도다. 체감상 생성형 AI는 삶에 빠르게 녹아들었으며 실제 데이터로도 생성형 AI가 다른 기술에 비해 빠르게 도입됐음이 확인됐다. 연구진은 다른 혁신적인 기술인 개인용 컴퓨터(PC)와 인터넷을 생성형 AI의 비교 대상으로 삼고 각 기술의 채택 속도를 비교했다. 그 결과 생성형 AI가 PC나 인터넷보다 더 빠른 속도로 도입된 것으로 나타났다. 1981년 최초의 대중 컴퓨터인 IBM PC가 출시된 지 3년 후에도, 인터넷이 상업용으로 개방된 지 2년 후에도 도입률은 20%에 불과했다. 반면 생성형 AI는 챗GPT가 출시된 지 2년 만에 도입률이 무려 39%에 달했다. 전문가들은 생성형 AI가 이토록 빠르게 도입될 수 있었던 이유로 뛰어난 휴대성과 낮은 비용을 꼽았다.

한편 직장에서는 생성형 AI와 PC의 도입 속도가 비슷한 것으로 나타났는데, 이는 생성형 AI와 PC의 도입 패턴이 유사하기 때문이라고 설명했다. PC가 출시된 초기에는 이를 어떻게 활용하는지, 혹은 이를 통해 얻을 수 있는 이득이 무엇인지 알지 못했다. 이와 마찬가지로 생성형 AI도 어떻게 질문하면 좋은 답변을 얻을 수 있는지, 이를 통해 어떻게 사업과 연관시킬지에 대한 고민을 한 후 생성형 AI가 도입됐다.

도입 패턴이 비슷한 만큼 노동 시장에서도 PC와 생성형 AI가 비슷한 양상을 보일 것이라는 의견이 지배적이다. PC가 도입된 이후 생산성이 폭발적으로 증가한 것처럼 생성형 AI도 이전과는 비교할 수 없을 정도로 생산성을 향상시켰다. 하지만 그 이면에는 임금 격차가 있다. 인터넷의 등장은 저숙련 근로자와 고숙련 근로자 간의 임금 격차를 벌렸고, 생성형 AI의 등장도 같은 길을 걸어가는 것 아니냐는 걱정이 나온다.

다양한 업무에서 활용되고 있는 생성형 AI

다음으로 연구진은 업무에서 AI를 어떻게 사용하고 있는지 물었다. 아래 그림에 표시된 업무 목록을 제시하고 응답자에게 지난 한 주 동안 직장에서 생성형 AI를 활용한 업무를 선택하도록 요청했다. 그 결과 생성형 AI로 가장 많이 활용한 업무는 글쓰기와 정보 수집이었다. 여기서 주목할 점은 생성형 AI가 광범위하게 사용되고 있다는 점이다. 아래 그림에서 볼 수 있듯이 글쓰기와 정보 수집에서 생성형 AI가 많이 활용되고 있는 것은 맞으나, 가장 활용이 적은 교육 업무에서도 활용도가 20%를 넘어간다. 즉, 특정 업무에서만 사용되는 게 아니라 다양한 업무에서 활용되고 있음을 시사한다.

연구진 "생성형 AI는 아직 초기 단계, 앞으로가 더 기대돼"

마지막으로 연구진은 업무 시간 중 생성형 AI를 사용하는 시간을 조사했다. 조사한 결과 생성형 AI의 도움을 받는 비중은 전체 업무 시간 중 1~8%인 것으로 나타났다. 이에 연구진은 아직 생성형 AI가 업무 시간에서 적은 비중을 차지하고 있는 만큼 생성형 AI는 아직 초기 단계라고 판단했다. 따라서 다른 기술에 비해 더 혁신적인 기술인지는 현재로서 알 수 없지만, 생성형 AI의 폭발적인 성장 곡선을 고려하면 앞으로가 더 기대된다고 밝혔다. 더불어 연구진은 "느낌으로 받아들이는 것과 실제 데이터로 받아들이는 것 사이에는 큰 간극이 있을 수 있다"며 실증 연구의 중요성을 강조했다.

원문의 저자는 알렉산더 빅(Alexander Bick) 세인트루이스 연방준비은행의 경제 정책 고문(Economic Policy Advisor at the Federal Reserve Bank of St. Louis) 외 2명입니다. 영어 원문은 The rapid adoption of generative AI | CEPR에 게재돼 있습니다.

AI 혁신, 경제 성장과 고용 시장에 긍정적 영향
단, 중고급 숙련 노동자들에게 집중된 혜택
소득·자산 격차 심화로 사회적 불평등 문제 대두

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

최근 몇 년간 인공지능(AI) 기술이 급격히 발전하면서, 그로 인한 경제적 영향이 학계와 정책 분야에서 중요한 주제로 다뤄지고 있다. 특히 AI의 다양한 비즈니스 분야 적용 가능성과 이에 따른 노동 시장의 변화에 대한 논의가 활발하다. AI가 복잡한 업무를 지원하는 유용한 도구로 기능하는 동시에, 일자리 감소에 대한 우려도 제기되어 고용 전망에 대한 의견은 긍정적 견해와 부정적 견해로 엇갈리고 있다. 이런 가운데 AI 도입이 경제 전반에 미치는 가장 중요한 영향은 민간 부문의 생산성 변화라는 점이 주목받고 있으며, 학계에서는 이를 두고 다양한 견해들이 제시되고 있다.

산업 생산성 증가와 소비자 물가 하락 견인

AI 혁신이 경제 전반에 미치는 광범위한 영향을 분석하고, 특히 경제 성장, 인플레이션, 노동 시장에 미치는 효과를 이해하는 데 도움이 되는 새로운 연구 결과가 발표됐다. 안드레아 가차니(Andrea Gazzani)와 필리포 나톨리(Filippo Natoli) 이탈리아 중앙은행(Bank Of Italy) 수석 이코노미스트는 1980년부터 2019년까지의 미국 특허청 데이터를 활용해 AI가 미국 내 혁신에 미친 영향을 측정하는 포괄적인 지표를 개발했다. 이 지표는 △기계 학습 △자연어 처리 △컴퓨터 비전 △음성 기술 △지식 처리 △AI 하드웨어 △진화 연산 △계획 및 제어 시스템의 8개의 AI 분야를 기반으로, 각 특허에 포함된 AI 기술 내용을 반영해 산출된다. 연구진은 특허 제출 시점을 기준으로 월별 AI 점수를 산출해, AI 혁신 강도의 변화를 분석하고자 했으며, 이는 특허 데이터를 통해 미래 기술 변화를 예측하는 기존 연구 방식을 참고한 것이다.

분석 결과 미국의 AI 혁신이 확대되면 긍정적인 공급 충격과 유사한 효과가 나타나 산업 생산이 점진적으로 증가하고 소비자 물가가 하락하는 것으로 나타났다. 이러한 효과는 5년 후 최고조에 이르는 총요소 생산성(Total Factor Productivity, 이하 TFP)의 급격한 증가에 기인한다. TFP는 노동과 자본과 같은 전통적 투입 요인만으로는 설명되지 않는 경제의 효율성 및 기술적 발전을 측정하는 지표로, TFP가 증가한다는 것은 동일한 자원으로 더 많은 생산을 이루는 것을 의미한다. AI 혁신이 이러한 TFP를 증가시키는 이유는 새로운 기술 도입이 경제 전반에 걸쳐 생산성을 향상시키기 때문인데, 이 효과는 기술이 실제로 기업과 산업에 완전히 통합되기까지 시간이 걸리므로 5년 후 최고조에 이른다.

노동 시장에서는 기업의 요구하는 업무가 변화함에도 불구하고 노동자에 대한 수요가 크게 증가하고 있는 것으로 나타났다. 일자리 공고 수가 해고 수를 넘어서면서 고용이 증가했고, 근로자의 임금·근로 시간·급여 모두 상승했으며, 특히 중고급 숙련 노동자들이 그 혜택을 크게 보고 있다. 이는 AI가 단순히 일자리 대체를 넘어 새로운 노동 시장 기회를 창출하고 있음을 보여준다. AI는 반복적인 업무를 자동화하면서도 새로운 기술을 활용할 수 있는 숙련된 노동자를 필요로 하기 때문에, AI가 변화시키는 노동 환경 속에서 고숙련 노동자들에게 더 많은 기회가 생기고 있다.

더 깊어진 소득 격차

AI 기반 기술 혁신이 산업 전반에 미치는 영향을 분석하고 부문별 동향까지 연구 범위를 확장한 결과, 고용과 임금에 대한 영향은 산업 간에 큰 차이가 없는 것으로 나타났다. 이는 AI 도입이 특정 산업에만 국한되지 않고, 전반적으로 확산되어 영향을 미치고 있음을 의미한다.

하지만 이러한 긍정적인 거시경제적 효과 뒤에는 분배의 문제가 함께 나타나고 있다. 연구에 따르면 AI 혁신은 상위 10% 소득 계층의 노동 소득과 부를 증가시키는 반면, 하위 50%가 보유한 자산은 지속적으로 감소하고 있었다. 이는 AI와 같은 기술 발전이 경제 성장에 기여하는 동시에 소득과 자산 격차를 확대할 수 있다는 점을 보여주며, 사회적 불평등 문제를 한층 더 심화시키고 있음을 시사한다.

이탈리아 중앙은행에서 진행한 이번 연구는 AI의 영향을 특정 산업에만 국한하지 않고, 거시경제적 확장 효과까지 평가한 것이 특징이다. 특히, AI 혁신이 생산성 향상과 경제 성장, 고용 시장 개선 등 긍정적인 효과를 가져오는 동시에, 부의 분배 문제를 심화시키는 중요한 도전 과제를 동반하고 있다는 점을 강조한다는 점에서 주목할 만하다. 연구진은 AI가 발전할수록 이러한 경제적 역학을 이해하는 것이 기술 발전의 부작용을 줄이고, 공정한 성장을 위한 정책 마련에 핵심적인 역할을 할 것이라고 설명했다.

원문의 저자는 안드레아 가차니(Andrea Gazzani)와 필리포 나톨리(Filippo Natoli) 이탈리아 중앙은행(Bank Of Italy) 수석 이코노미스트입니다. 영어 원문 기사는 The macroeconomic effects of AI innovation | CEPR에 게재돼 있습니다.

기술 발전, 역사적으로 임금 격차 벌려
그러나 AI는 오히려 임금 격차 좁힐 수 있다는 연구 결과 나와
그 이유는 AI가 고숙련 업무마저도 대체하기 때문

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

인공지능(AI)의 등장이 저숙련·고숙련 노동자 간의 임금 격차를 줄일 수 있다는 주장이 제기됐다. 연구진은 AI가 일자리를 뺏어간다는 중론과 다르게 AI가 고숙련 업무로 여겨졌던 일마저 대체해 고숙련 근로자의 임금과 기술 프리미엄을 낮출 것이라는 분석이다.

임금 격차 벌렸던 인터넷과 자동화 기술 발전

그간 기술 발전은 일반적으로 저숙련·고숙련 노동자 간의 임금 격차를 벌렸다. 1980~1990년대에 인터넷과 자동화 기술 발달로 임금 격차가 벌어진 것이 대표적인 사례다. 이 시기 고숙련 노동자의 기술적 가치인 '기술 프리미엄'은 하늘 높이 치솟았고, 그 결과 고숙련 근로자의 경제적 지위도 전반적으로 상승했다. 자동화 기술이 저숙련 업무를 대체하고, 인터넷의 발달로 교육받은 고숙련 노동자의 수요가 증가한 영향이 컸다.

하지만 AI의 등장이 임금 격차를 벌릴 것인지에 대해서는 의견이 분분한 상황이다. 대다수 전문가는 AI 혁명이 더 많은 교육을 받은 노동자를 선호하게 만들어 임금 격차를 한층 더 벌릴 것이라고 주장한다. 다만 AI가 고숙련 근로자가 수행하는 작업을 대신해 오히려 고숙련 근로자에 대한 수요를 낮추고 임금 격차를 좁힐 것이라는 분석도 적지 않다. 그동안 고숙련 근로자의 업무로 인정받았던 코드 작성이나 번역 업무가 AI로 대체되고 있다는 점이 근거다.

시뮬레이션을 통해 확인한 AI가 기술 프리미엄에 미치는 영향

AI가 기술 프리미엄에 미치는 영향을 분석하고자 데이비드 블룸(David Bloom) 하버드대 경제학 및 인구학 클레런스 제임스 갬블 석좌 교수(Clarence James Gamble Professor of Economics and Demography at Harvard University)를 비롯한 연구진은 상황에 맞게 생산함수를 정의하고 시뮬레이션을 통해 AI의 영향을 확인했다. 여기서 생산함수는 종속변수를 생산량으로 설명변수는 생산요소로 정의해, 생산요소와 생산량 간의 관계를 파악할 수 있을 뿐만 아니라 생산요소 간의 관계도 알 수 있는 유용한 도구를 나타낸다.

본 연구는 생산요소를 크게 노동과 자본으로 구분한 뒤, 노동은 고숙련과 저숙련으로, 자본은 조립 라인·산업용 로봇·AI로 나눠 각각이 미치는 영향을 조사했다. 세부적으로 생산요소를 나눈 이유는 서로 다른 자본이 저숙련 노동자와 고숙련 노동자에게 상이한 영향을 미칠 것으로 봤기 때문이다. 예를 들어 산업용 로봇은 고도의 기술이 필요하지 않은 일반적인 노동을 대체해 저숙련 노동자에게 큰 영향을 줄 수 있는 반면, AI는 그간 자동화가 어려웠던 고숙련 노동자의 작업을 대체해 기술 프리미엄을 낮추고, 자연스럽게 고숙련 노동자의 임금도 낮출 것으로 예상된다.

이에 연구진은 시뮬레이션을 통해 AI 사용량을 조절하며 기술 프리미엄에 미치는 영향을 분석했다. 첫 번째로 연구진이 확인한 것은 AI를 사용하지 않았을 때의 기술 프리미엄이다. 연구 결과 기술 프리미엄은 2에 가까운 수치가 나왔는데, 이는 고숙련 근로자의 임금이 저숙련 근로자의 임금보다 평균적으로 두 배 더 높음을 의미한다.

이어 연구진은 AI 사용량을 점차 늘리면서 기술 프리미엄에 어떤 변화가 일어나는지 확인했다. 시뮬레이션 결과 AI 사용량이 증가할수록 기술 프리미엄 감소했는데, 이 결과를 두고 연구진은 AI가 고숙련 업무를 대체해 기술 프리미엄이 감소했고, 이는 저숙련·고숙련 노동자 간의 임금 격차를 좁히는 결과를 만들어 낼 것이라고 설명했다. 나아가 연구진은 AI 사용량이 적고 산업용 로봇의 사용량이 많을 때 기술 프리미엄이 가장 높다는 사실도 확인했다. 산업용 로봇이 저숙련 노동자의 업무를 대체해 저숙련 노동자가 경쟁력을 상실했기 때문이다.

AI 시대에 맞게 고숙련 업무 재정의해야

사실상 AI는 인간의 삶을 크게 바꿔 놨다. 처음 알파고가 등장했을 때는 그저 놀라기 바빴다면, 2022년 오픈AI의 챗GPT(ChatGPT)가 등장한 이후 AI는 일상뿐만 아니라 업무에서도 우리 삶에 녹아들었다. 그동안은 회의록을 만들기 위해 일일이 회의 내용을 기록해야 했고, 기록한 내용을 바탕으로 중요한 부분만 간추려 요약해야 했지만 이제는 AI가 이 모든 과정을 대신해주는 시대가 됐다.

이러한 변화가 노동 시장의 구조적 재편을 불러오는 가운데, AI 시대에 맞게 고숙련 업무를 재정의해야 한다는 목소리가 나온다. 고숙련 업무로 여겨졌던 일마저 AI에게 대체되는 것을 보고 사람들은 본인의 업무도 머지않아 AI에게 대체될까 봐 불안에 떨고 있다. 이에 전문가들은 “AI의 실체를 명확히 하지 않아서 생긴 문제”라며 AI에게 대체되지 않을 고숙련 업무를 제시하면 불안은 한층 가라앉을 것이라고 조언했다.

원문의 저자는 데이비드 블룸(David Bloom) 하버드대 경제학 및 인구학 클레런스 제임스 갬블 석좌 교수(Clarence James Gamble Professor of Economics and Demography at Harvard University) 외 3명입니다. 영어 원문은 The expansion of AI will likely shrink earnings inequality | CEPR에 게재돼 있습니다.

기후 변화로 인한 경제적 피해 계량화 방식 ‘제각각’
‘기후 피해 함수’, ‘포괄적 변수’ 사용 및 ‘가정 정교화’ 통해 정확성 보완해야
‘사회경제적 변수’, ‘인간의 적응력’까지 분석에 포함시켜야

더 이코노미(The Economy) 및 산하 전문지들의 [Deep] 섹션은 해외 유수의 금융/기술/정책 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 본사인 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

기후 변화로 인한 경제적 손실을 계량화하는 것은 효과적인 정책 수립과 재정적 안정을 위해 필수적인데, 최근 비약적인 발전을 이루기는 했지만 아직도 기후 변화로 인한 손실 측정 방법들은 각자의 접근 방식에 따른 장단점들로 불확실성이 존재한다. ‘피해 함수’(damage function, 자연환경 파괴와 그로 인한 피해 간 관계를 나타내는 함수) 개념이 큰 도움을 줄 것은 분명하지만 더 많은 연구와 교류를 통해 가정들을 정교화하고 보다 넓은 범위의 기후 변수들을 포함할 수 있도록 해야 한다.

기후 변화로 인한 경제적 피해, 정확한 산정 방법 아직 없어

기후 변화로 인한 경제적 영향은 극한의 날씨가 전 세계 인류에 미치는 영향을 볼 때 결코 부정할 수 없는 사실이며, 이러한 경제적 손실을 계량화하는 것은 정확한 재무 설계 및 의사 결정을 위한 필수 사항으로 여겨진다. 하지만 기후 영향의 추산이 아직도 어려운 영역으로 남아 있는 이유는 현재까지 제시된 수많은 방법론이 저마다의 장점과 한계를 지니고 있기 때문이다.

실제로 기후 변화는 인류에게 심각한 위협을 제기하고 있는데 최근 통계가 그 심각성을 여실히 보여준다. 작년 지구 평균 기온은 산업화 이전 수준보다 섭씨 1.5도가 오른 것으로 측정됐고 이는 올해 역사상 가장 더운 여름으로 이어졌다. 기후 변화는 단순히 기온에 국한되지 않고 홍수, 작물 피해, 더위로 인한 생산성 하락 등을 유발하며 이로 인한 경제적 피해 역시 자산 손실, 수확량 감소, 노동 생산성 하락 등 다양한 방식과 모습으로 나타나고 있다.

이에 중앙은행 등 각국 금융 기관들은 ‘금융 시스템 친환경화를 위한 네트워크’(Network for Greening the Financial System)를 포함한 다양한 조직에서 위험 산정을 위한 시나리오를 내놓고 있다. 이러한 시나리오들에 가장 필수적인 것은 보통 국내총생산(GDP) 영향으로 측정되는, 경제적 피해에 대한 정확한 추산이라고 볼 수 있다. 해당 목적에는 경제학자 윌리엄 노드하우스(William Nordhaus)가 1990년대 초 소개한 피해 함수 개념이 중점적으로 활용돼 왔는데, 본 개념은 기후 변화와 관련된 손실들을 통합해 경제 모델화한 것으로 이를 통해 많은 방법론과 예측치가 도출됐다.

각각의 ‘기후 피해 함수’들, 장점과 한계 명확

이렇게 만들어진 기후 피해 함수들은 모두 기후 변화의 경제적 영향 계량화라는 공통 목적을 가지고 있지만 각각의 함수를 도출하는 방법론은 데이터와 가정, 분석 범위 등에 따라 현격한 차이를 보인다. ‘나열식 접근법’(enumeration approach)이 대표적이다. 이는 기후 변화가 경제에 피해를 줄 수 있는 경로들을 모두 나열하고 각각의 추정치들을 합산해 총 영향을 도출하는 방식인데, 불완전하고 중요한 영향들을 간과한다는 비판에 직면해 있다.

또 하나의 방법론은 ‘계량 경제학적 접근’(econometric approach)으로, 데이터 기반 접근을 강화해 회귀분석(regression analyses) 모델을 사용한다. 하지만 장기적인 기후 변화보다는 단기간 ‘날씨 변동’에 치중한다는 지적을 받고 있다. 이에 비해 ‘계산 가능 일반 균형’(computable general equilibrium, CGE) 모델은 보다 광범위한 경제적 영향 예측을 위해 농작물 생산량 감소나 인체 건강과 같은 다수의 기후 영향을 변수로 활용하는 접근 방식인데, 변수들의 복잡한 상호작용을 잡아내는 데 유용하지만 ‘나열식 접근법’과 동일하게 중요한 기후 영향을 놓치는 경우가 종종 있다.

기후학자와 경제학자 등이 각자의 전문성을 바탕으로 피해 예측치를 제시하는 전문가 설문조사(expert surveys) 방식도 있지만 개별 전문가의 주관에 의존해 일관성이 부족하다는 단점이 있다. 중심적인 예측치를 산출하기 위해 그간 도출된 추정치들을 종합하는 메타 연구(meta-studies) 역시 빠르게 생산되는 연구 결과들을 따라잡기에는 역부족인 측면이 있다.

결국 다양한 방법론들이 각자의 접근 방식으로 기후 변화의 경제적 영향을 바라보고 있지만 전체 그림을 조망할 수 있는 하나의 해결책은 존재하지 않는 셈이다. 따라서 각 접근 방식이 가진 차이와 한계를 명확히 이해하는 것은 해당 주제에 대한 대화를 진전시키기 위한 필수 요건이라고 할 수 있다.

기후 변화와 경제적 피해 관계 가정: ‘선형적 관계’ vs. ‘티핑 포인트 존재’

기후 변화와 경제적 피해 사이의 관계성을 정의하는 데도 다양한 견해가 있다. 이 중 대표적인 토론 주제는 지구 온난화와 경제적 손실 사이에 ‘선형적 관계’(linear relationship)가 존재하는가에 관한 것이다. 이전 연구들은 일정량의 지구 온난화 증가가 그에 상응하는 경제적 피해를 발생시킨다고 가정했으나, 그린란드나 서남극 빙상(ice sheet)의 해빙과 같이 기후 변화가 일정 ‘티핑 포인트’(tipping point, 임계점)를 넘으면 방대한 규모의 재난적 경제 손실을 가져온다는 반론도 존재한다.

이에 학계에선 해당 관계를 명확히 규명하기 위해 다양한 피해 함수들이 시도돼 왔다. 먼저 양자의 관계를 2차 방정식(quadratic)으로 규정한 함수는 섭씨 6도의 기온 상승에서도 GDP 하락률을 8.5% 정도로 예측해, 높은 온난화 수준에서도 피해 규모를 크게 예상하지 않았다. 그러나 고차 다항식(higher order polynomial)과 지수 모델(exponential) 등을 이용한 함수들은 현재 수준의 온난화 수준에서는 비슷한 예측치를 제시한다. 단 매우 높은 온난화 상황에서는 재난적인 피해 예측치를 내놓고 있다.

기후 변화와 경제적 피해 관계 가정: ‘성장 효과’ vs. ‘레벨 효과’

양 변수 간 관계에 대한 또 하나의 논쟁은 기후 변화가 경제 성장률 자체의 변화(growth effects, 성장 효과)라는 영구적인 영향을 촉발하는지, 아니면 일시적인 생산량의 변화(level effects, 레벨 효과)만을 초래하는지에 대한 것으로 어떤 가정을 채택하느냐에 따라 장기적인 추정치가 극적으로 달라진다. 연구에 따르면 ‘성장 효과’를 가정한 연구 결과가 ‘레벨 효과’ 가정 연구보다 훨씬 더 큰 피해를 예측하는 것으로 나타났다.

두 가지 가정의 절충안으로 기후 변화가 성장률이 아닌 생산량에, 영구적이 아닌 다년간의 영향을 준다는 가정을 사용한 연구 결과들도 있다. 이 중 한 연구는 기후 변화가 일시적 영향을 미친 후 끝나지 않고 추가적인 영향을 가져온다고 가정했는데, 이 방식으로 기후 변화가 영구적인 경제성장률 변화를 초래하지 않는다는 가정하에 최대 10년까지의 경제적 영향을 측정하기도 했다.

‘기온 외 기후 현상’, ‘사회경제적 요소’, ‘적응력’ 등 광범위한 변수 포함 필요

그런가 하면 기후와 관련한 어떤 변수들이 위험 산정에 포함돼야 하는가에 대한 논의도 있다. 대부분의 연구가 기온 상승에만 초점을 맞춰 왔지만 강수량 변화, 기온 변동성, 가뭄, 사이클론 등 다른 기후 관련 변수들도 많다. 게다가 대부분의 피해 함수들은 기후 변화로 인한 주민들의 이주 및 무력 충돌, 사망률 등 사회경제적 변수들을 포함하지 않고 있다. 또한 이주 장벽, 교역 비용, 기반 시설 등을 포함해 인간과 물자의 이동을 제한하는 요소들도 기후 변화의 경제적 영향 분석을 위해 상세히 규명돼야 한다. 아울러 기후 변화가 가져오는 경제적 피해를 최소화할 수 있는 인간의 ‘적응력’도 포함돼야 할 변수다.

결론적으로 기후 변화의 경제적 영향에 대한 연구 방법론은 아직 진화 중이고 명확히 정해진 것이 없다. 기후 변화가 경제에 영구적인 피해를 주는지 아니면 일시적인 영향에 그치는지에 대한 가정만으로도 기후 피해의 장기적 예측에 비교할 수 없는 차이를 가져온다. 따라서 기후 위험을 보다 정확히 예측하려면 사회경제적 영향은 물론 인간의 ‘적응력’까지 포함한 훨씬 더 광범위한 변수들이 최대한 현실적인 가정하에 포함돼야 하며 이를 가능하게 하는 것은 전문가들 간 열린 대화를 통한 상호 이해일 것이다.

원문의 저자는 젠 아츠(Senne Aerts) 유럽중앙은행(European Central Bank) 애널리스트 외 2명입니다. 영어 원문은 Measuring economic losses caused by climate change | CEPR에 게재돼 있습니다.