AI 논의는 얼마나 빨리 사람의 일을 대체할지에 집중해 왔습니다. 노벨 경제학상 수상자 Daron Acemoglu는 이 질문의 방향을 바꾸자고 제안합니다. AI의 목표를 인간의 전문성을 밀어내는 AGI 경쟁보다 사람의 판단과 역량을 확장하는 도구에 두자는 주장입니다.
그가 공유한 X 게시물은 Nature에 실린 에세이를 소개합니다. 에세이의 실제 제목과 핵심 논지는 Nature 원문에서 확인했습니다.
인간 전문성 증폭을 선택한 Nature 에세이
Acemoglu의 에세이는 AGI를 인간 능력을 대부분의 경제적 과제에서 능가하는 시스템으로 설명한 뒤, 그 경쟁 자체가 AI 개발의 목표가 되어서는 안 된다고 말합니다. 대안은 사람이 가진 지식과 판단을 더 넓게 활용하도록 돕는 ‘프로워커 AI’입니다.
이 논지는 단순한 낙관론과 다릅니다. MIT 공식 프로필도 Acemoglu가 AI가 노동자의 능력과 생산성을 높일 수 있지만, 인간의 판단을 증폭하도록 설계·배치할 때 가능하다고 정리합니다. MIT Sloan 공식 프로필
대체율보다 업무 설계를 먼저 보세요
이 관점을 조직에 적용하면 AI 도입의 첫 질문이 바뀝니다. ‘몇 명의 일을 줄일 수 있는가’가 아니라 ‘어떤 판단을 더 많은 사람이 안정적으로 수행하게 할 것인가’를 먼저 묻게 됩니다.
예를 들어 고객 상담 조직이라면 답변 자동화율보다 상담원이 복잡한 사례를 더 빨리 분류하고, 예외를 발견하고, 고객에게 설명할 수 있는지가 중요합니다. AI가 초안을 만들더라도 최종 판단의 기준과 책임자는 조직에 남아야 합니다. 이 부분은 Nature 에세이의 방향을 실무에 옮긴 해석이며, 특정 도입 효과를 보장하는 수치는 아닙니다.
전문성을 키우는 AI인지 시험하세요
도입 전에는 세 가지를 작은 업무 단위로 시험할 수 있습니다. 첫째, AI가 반복 작업만 줄이는지 아니면 구성원의 판단 범위를 넓히는지 봅니다. 둘째, 숙련자가 결과를 검토할 수 있는 근거와 기록이 남는지 확인합니다. 셋째, 초보자에게도 전문 지식의 핵심 기준을 학습시키는지 비교합니다.
Acemoglu의 제안은 자동화를 멈추자는 뜻이 아닙니다. 기술의 편익이 소수의 시스템 운영자에게만 집중되지 않도록, 현장 구성원의 전문성과 협업 구조를 함께 설계하자는 쪽에 가깝습니다. 그의 주장을 실제 성과로 바꾸려면 생산성뿐 아니라 판단 품질, 학습 속도, 책임 구조를 함께 측정해야 합니다.
AGI라는 목표가 옳은지에 대한 논쟁은 계속될 수 있습니다. 그러나 국내 실무자가 당장 선택할 수 있는 기준은 분명합니다. 사람을 제거하는 자동화와 사람이 더 잘 판단하도록 돕는 증폭을 같은 지표로 평가하지 않는 것입니다.
