뉴요커: 인공지능의 수익성 딜레마와 역사적 교훈 저자: 존 캐시디 1987년 *타임스 북 리뷰*에 실린 기사에서 노벨 경제학상 수상자인 MIT의 로버트 솔로는 "컴퓨터 시대는 생산성 통계만 빼고는 어디에나 있다"라고 평했습니다. 컴퓨팅 파워의 급속한 발전과 개인용 컴퓨터의 보급 확대에도 불구하고, 정부 자료에 따르면 임금과 생활 수준의 핵심 지표인 근로자 1인당 총생산량은 10년 넘게 정체되어 있었습니다. 이는 "생산성 역설"로 알려지게 되었습니다. 이 역설은 1990년대 이후까지 지속되어 학계에서 큰 논쟁을 불러일으켰습니다. 일부 경제학자들은 이를 신기술의 잘못된 관리에서 기인한다고 주장했고, 다른 경제학자들은 증기 기관이나 전기와 같은 초기 발명품에 비해 컴퓨터의 경제적 중요성이 미미하다고 주장했습니다. 또 다른 경제학자들은 통계적 오류를 탓하며, 이 역설이 시정되면 사라질 것이라고 믿었습니다. 솔로우의 논문이 발표된 지 거의 40년, 그리고 오픈AI가 ChatGPT 챗봇을 출시한 지 거의 3년이 지난 지금, 우리는 새로운 경제적 역설에 직면하고 있을지도 모릅니다. 이번에는 생성적 인공지능에 초점을 맞추고 있습니다. 스탠퍼드 대학교, 클렘슨 대학교, 그리고 세계은행 경제학자들이 최근 실시한 설문 조사에 따르면, 올해 6월과 7월 기준 노동 인구의 거의 절반(정확히 45.6%)이 AI 도구를 사용하고 있었습니다. 그러나 MIT 미디어랩 연구팀의 새로운 연구는 놀라운 결과를 보여줍니다. "기업들이 생성적 AI에 300억 달러에서 400억 달러를 투자했음에도 불구하고, 이 보고서는 95%의 기업이 아무런 성과를 거두지 못했다는 사실을 발견했습니다." 이 연구의 저자들은 300개 이상의 공개 AI 프로젝트와 발표 내용을 검토하고 50명 이상의 기업 임원을 인터뷰했습니다. 연구진이 정의한 "성공적인 AI 투자"는 시범 단계를 넘어 실제 적용되어 6개월 후 측정 가능한 재무적 수익이나 상당한 생산성 향상을 창출하는 투자였습니다. 연구진은 "성공적으로 통합된 AI 시범 프로젝트 중 수백만 달러의 가치를 창출하는 프로젝트는 5%에 불과하며, 대다수는 손익계산서(P&L)에 측정 가능한 영향을 미치지 못한 채 정체되어 있다"고 지적했습니다. 조사 결과는 다양한 반응을 불러일으켰는데, 그중 일부는 회의적인 반응을 보였다. 한 중견 제조업체의 COO는 연구원들에게 "링크드인에서는 모든 것이 바뀐 것처럼 과장 광고하지만, 실제 운영에서는 근본적인 변화가 전혀 없습니다."라고 말했다. "계약 처리 속도가 조금 빨라졌지만, 그게 전부입니다." 또 다른 응답자는 "올해 수십 개의 데모를 봤습니다. 한두 개는 실제로 유용할 수도 있습니다. 나머지는 '래퍼'(실질적인 혁신 없이 기존 기술을 단순히 패키징하는 것)이거나 '과학적 프로젝트'(실질적인 상업적 적용과는 거리가 먼 기술 탐구)입니다."라고 말했다. 공정하게 말하자면, 이 보고서는 일부 기업들이 실제로 AI 투자에 성공했다는 점도 지적합니다. 예를 들어, 보고서는 백오피스 운영을 위한 맞춤형 도구가 창출한 효율성을 강조하며, "이러한 초기 결과는 학습 기능을 갖춘 시스템이 특정 프로세스에 맞춰 조정될 경우, 대대적인 조직 개편 없이도 실질적인 가치를 제공할 수 있음을 보여준다"고 언급합니다. 또한, 이 설문조사는 기업들이 "자동화된 고객 지원 및 지능형 후속 조치 시스템을 통해 고객 유지율과 판매 전환율이 향상되었다"고 보고했다고 언급하며, AI 시스템이 마케팅에 유용할 수 있음을 시사합니다. 그러나 "많은 기업들이 상당한 성과를 거두는 데 어려움을 겪고 있다"는 견해는 다국적 컨설팅 회사 아코디스(Akkodis)의 최근 설문조사 결과와 일치합니다. 아코디스는 2천 명이 넘는 기업 임원들을 대상으로 조사한 결과, 자사의 AI 구현 전략에 "매우 확신한다"는 CEO의 비율이 2024년 82%에서 올해 49%로 급락한 것으로 나타났습니다. 최고기술책임자(CTO)들의 신뢰도 역시 하락했지만, 그 폭은 크지 않았습니다. 아코디스의 설문조사는 이러한 변화가 "디지털화 또는 AI 프로젝트에서 이전에 실망스러웠던 결과, 구현 지연 또는 실패, 그리고 확장성에 대한 우려를 반영할 수 있다"고 밝혔습니다. 지난주 MIT 미디어랩의 연구 결과에 대한 언론 보도는 엔비디아, 메타, 팔란티르 등 고평가된 AI 관련 주식의 하락과 맞물렸습니다. 물론 상관관계가 인과관계를 의미하는 것은 아니며, OpenAI CEO 샘 알트먼의 최근 발언이 이번 매도세에 더 큰 영향을 미쳤을 가능성이 있습니다(최근 가격 급등을 고려하면 매도세는 불가피했습니다). CNBC에 따르면, 알트먼은 기자들과의 만찬에서 현재 밸류에이션이 "미친 수준"이라고 말하며 15초 동안 "거품"이라는 단어를 세 번이나 사용했습니다. 그럼에도 불구하고 MIT 연구는 상당한 주목을 받았습니다. 초기 뉴스 보도 이후, 여러 기술 기업과 연계된 미디어랩이 보고서 접근을 은밀히 제한하고 있다는 보도가 나왔습니다. 해당 기관의 홍보팀과 보고서 작성자 두 명에게 제가 메시지를 보냈지만 답변이 없었습니다. 이 보고서는 일부 뉴스 보도에서 시사하는 것보다 더 미묘하지만, OpenAI가 2022년 11월에 ChatGPT를 출시한 이후 기술 붐을 뒷받침해 온 거대한 경제적 담론에 의문을 제기합니다. 이 담론을 단순화하면, 생성 AI의 광범위한 채택은 근로자(특히 지식 근로자)에게는 해롭지만 기업과 주주에게는 매우 이롭다는 것입니다. 생산성이 엄청나게 향상되고 결과적으로 상당한 수익이 창출되기 때문입니다. 왜 이런 시나리오가 아직 실현되지 않은 것일까요? 한 가지 가능한 이유는 잘못된 관리가 컴퓨터의 생산성 향상을 제한한다는 1980년대와 90년대의 관점을 떠올리게 합니다. 미디어랩의 연구에 따르면, 가장 성공적인 AI 투자 중 일부는 워크플로우의 좁은 영역에 고도로 맞춤화된 도구를 사용하는 스타트업에서 이루어졌습니다. "GenAI 격차"의 반대편에서, 덜 성공적인 스타트업은 "범용 도구를 개발하거나 자체적으로 역량을 개발하려고 시도"하고 있습니다. 보고서는 더 광범위하게 성공과 실패의 격차가 "모델 품질이나 규제가 아니라 (구현) 방법론에 의해 결정되는 것으로 보인다"고 지적합니다. 생성적 AI의 참신함과 복잡성이 일부 기업을 저해하는 것은 이해할 만합니다. 컨설팅 회사 가트너의 최근 연구에 따르면 CEO의 절반 미만이 자사 CIO를 "AI 전문가"라고 생각하는 것으로 나타났습니다. 하지만 미디어랩 보고서에서 드러난 이러한 실망스러운 실적에는 또 다른 이유가 있습니다. 많은 기존 기업에서 생성적 AI(적어도 현재 형태의)는 단순히 주장하는 것만큼 기적적이지 않기 때문입니다. 미디어랩 설문 조사에 참여한 한 응답자는 "브레인스토밍과 초안 작성에는 탁월하지만, 고객의 선호도를 기억하거나 이전 편집자로부터 배우지는 못합니다."라고 말했습니다. "같은 실수를 반복하고, 매 회의마다 많은 맥락을 필요로 합니다. 고위험 업무의 경우, 지식을 축적하고 지속적으로 개선할 수 있는 시스템이 필요합니다." 물론 많은 사람들이 AI를 유용하다고 생각하며, 이를 뒷받침하는 학문적 증거도 있습니다. 2023년 MIT의 두 경제학자는 무작위 시험에서 ChatGPT에 노출된 참가자들이 "전문적인 글쓰기 과제"를 더 빨리 완료하고 글쓰기 품질도 향상되었음을 발견했습니다. 같은 해 다른 연구팀들도 GitHub의 Copilot(AI 프로그래밍 도우미)을 사용하는 프로그래머와 독점 AI 도구를 사용하는 고객 지원 담당자의 생산성이 향상되었음을 발견했습니다. 미디어랩 연구원들은 많은 직원들이 GPT나 Claude와 같은 개인 도구를 직장에서 사용하고 있음을 발견했습니다. 보고서는 이러한 현상을 "섀도 AI 경제"라고 부르며 "투자 수익률(ROI)"이 고용주가 후원하는 프로젝트보다 높은 경우가 많다고 언급합니다. 하지만 여전히 의문은 남으며, 기업 임원들이 더 자주 던질 질문입니다. 왜 더 많은 기업들이 이러한 이점이 최종 (기업) 이익으로 전환되지 않는 걸까요? 문제의 일부는 생성적 AI가 매력적이기는 하지만, 경제의 여러 부문에서 그 적용이 제한적이라는 점일 수 있습니다. 레저 및 접객업, 소매업, 건설업, 부동산업, 그리고 돌봄 산업(아동, 노인, 병약자 돌봄) 등 이러한 부문들은 총 약 5천만 명의 미국인을 고용하고 있지만, AI 혁신의 직접적인 후보로는 보이지 않습니다. 또 다른 핵심 사항은 경제 전반에 걸쳐 AI가 광범위하게 도입되는 데는 오랜 시간이 걸릴 가능성이 높다는 점입니다. 실리콘 밸리에서는 "빠르게 움직이고 문제를 해결하는" 것을 선호합니다. 하지만 경제사를 살펴보면, 경제학자들이 "범용 기술"이라고 부르는 가장 혁신적인 기술조차도 그에 수반되는 인프라, 기술, 그리고 제품이 개발되어야만 그 잠재력을 최대한 발휘할 수 있습니다. 그리고 이는 오랜 시간이 걸릴 수 있습니다. 스코틀랜드의 발명가 제임스 와트는 1769년에 원통형 증기 기관을 발명했습니다. 30년 후, 영국의 대부분의 면방직 공장은 여전히 수차로 구동되었는데, 증기 기관에 필요한 석탄을 운반하는 것이 어려웠기 때문일 수도 있습니다. 이러한 상황은 19세기 초 증기 기관차가 개발되면서 바뀌었습니다. 전기 도입 또한 더뎠고, 경제 전반에 걸쳐 생산성이 즉각적으로 크게 증가하지는 않았습니다. 솔로우가 지적했듯이, 컴퓨터의 발전 또한 이와 같은 패턴을 따랐습니다. (1996년부터 2003년까지 미국 경제의 전반적인 생산성 증가는 마침내 가속화되었는데, 많은 경제학자들은 이를 정보 기술의 지연 효과로 돌렸습니다. 그러나 그 후 성장률은 감소했습니다.) 경제학자들은 신기술이 파괴적이고 기존 업무 방식에 통합하기 어려워 생산성 증가를 저해할 수도 있다고 주장합니다. 생산성 향상은 나중에야 나타날 수 있는데, 이를 "J-커브"라고 합니다. (J-커브는 신기술 도입 초기 높은 비용, 적응 시간, 프로세스 재설계로 인해 생산성이 감소하는 현상을 말합니다. 이후 기술이 성숙하고 지원 인프라가 개선됨에 따라 생산성이 급격히 증가하여 J-커브의 상승 부분을 형성합니다.) 올해 초, 여러 기관의 경제학자 네 명이 미국 제조업이 현재 AI "J-커브"의 하락세에 있을 수 있다고 주장하는 논문을 발표했습니다. 인구조사국과 협력하여 기업 차원의 AI 도입 데이터를 수집한 후, 경제학자들은 "단기적인 성과 손실이 장기적인 이득에 선행한다"는 증거를 발견했다고 밝혔습니다. 이 연구의 저자 중 한 명인 토론토 대학교 크리스티나 맥엘헤런 교수는 MIT 슬론 경영대학원에 게재된 관련 논문에서 다음과 같이 썼습니다. "AI는 플러그 앤 플레이 방식이 아닙니다. 체계적인 변화가 필요하며, 이 과정은 특히 기존 기업의 경우 마찰을 야기할 것입니다." 표면적으로 보면 이러한 주장은 기업에 대해서는 낙관적인 것처럼 보이지만, AI에 의해 복제될 수 있는 기술을 가진 근로자에게는 반드시 그런 것은 아닙니다. (일부 초보 프로그래머들이 이미 알고 있듯이, 후자는 경계해야 할 충분한 이유가 있습니다.) 기술의 J-커브에서 "마찰"이 극복되면 생산성이 급격히 증가합니다. 하지만 곡선을 따라가는 여정이 길 수 있기 때문에 누가 승자이고 누가 패자일지 예측하기는 어렵습니다. 인터넷 상업화의 물결 속에서 최종 승자 중 다수는 2000년 닷컴 버블이 붕괴된 이후에야 등장했습니다. (구글은 1998년에 설립되었지만 2004년이 되어서야 상장했습니다. 페이스북은 2004년이 되어서야, 에어비앤비는 2008년이 되어서야 설립되었습니다.) 역사가 반드시 반복되는 것은 아닙니다. 하지만 여전히 AI 열풍을 타고 있는 투자자들에게는 지금 보유 주식의 일부를 현금화하는 것이 현명한 선택일 수 있습니다. ♦
