인공지능이 인간의 직업 몇몇을 대체할 것임은 분명하다. 아울러 인간 직원이 일을 더 잘할 수 있도록 도울 것임도 분명하다. 나아가 인간과 인공지
산업화 혁명 시대의 기계들, 디지털화 시대의 컴퓨터, 최근 인공지능의 급속한 발전까지 기술 발전이 일자리 감소를 초래할 것으로 관측되는 계기들이 있었다. 그러나 전문가들은 인공지능(AI) 시스템이 특정 일자리를 대체하겠지만, 동시에 지능형 알고리즘에 넘길 수 있는 더 힘든 일들에 대한 부담을 줄여주고, 효율성을 높여주면서 사람의 활동을 증대시키는 역할도 하게 될 것이라고 말한다.
이는 사람이 AI와 직접 협력, 상호작용하게 된다는 의미이다. 시장조사 회사인 포레스터의 VP 겸 수석 애널리스트인 J.P 가운더는 “지능형 소프트웨어와 나란히 협력하는 사람들이 늘어날 전망이다. 우리가 상상할 수 있는 거의 모든 종류의 비즈니스 프로세스에서 이렇게 될 것으로 판단된다”라고 말했다.
클라우드 컴퓨팅과 머신러닝의 발전된 역량을 결합, AI 비서가 인적자원의 인식력이 필요한 작업 중 일부를 맡음으로써 인간이 좀더 잘할 수 있는 영역에 집중할 수 있게 될 것이라는 관측이다.
이미 많은 비즈니스에서 이런 일이 일어나고 있다. 2020년 딜로이트가 CIO와 기술 분야 고위 책임자들 1,300명을 조사한 결과에 따르면, 직원들을 대체하기 위해 AI를 이용하는 비율은 12%에 불과한 반면, 직원들을 지원하기 위해 AI를 이용하는 비율은 60%였다.
협력적 디자인
생성적 디자인(generative design)을 살펴본다. 제조업 등의 분야에서는 디자이너와 엔지니어들이 오래 전부터 CAD 도구들을 이용, 제품이나 부품의 3D 도면을 생성했다. 생성적 디자인에서 사용자는 알고리즘에 비용 같은 요건, 성능 기준, 소재의 종류 같은 파라미터를 집어넣는다. 그러면 알고리즘이 기계나 가구 부품 같이 다양한 대안적 모델들을 생성하고, 디자이너나 엔지니어가 모델을 선택할 수 있게 된다.
때론 그 결과물이 심미적인 측면에서 사람이 만드는 것에 미치지 못하는 별난 유기적인 디자인이 될 수도 있지만, 스펙(사양)에는 부합하며, 때론 더 효율적이다.
오토데스크(Autodesk)의 생성적 디자인 및 머신러닝 제품 전략 매니저인 세스 힌드먼에 따르면, 디자이너와 엔지니어들의 반복 작업을 요구하는 디자인 프로세스에서 일부 성가신 작업의 부담을 덜어준다. 덕분에 사용자는 자신이 맡은 역할 중에서 가치가 더 높은 업무와 작업에 집중할 수 있다.
그는 “생성적 디자인은 엔지니어의 ‘협력자’로 높은 평가를 받고 있다. 엔지니어들에게는 시간이 없고, 이들이 모든 디자인 업무를 맡아 처리하는 것을 좋아하지도 않기 때문이다. 도움을 주고, 엔지니어들이 실제 엔지니어링에 집중할 수 있도록 만들어 준다”라고 설명했다.
오토데스크 생성적 디자인의 출발점은 산하 R&D 부서에서 만든 실험적인 플랫폼인 ‘프로젝트 드림캐처’(Project Dreamcatcher)이다. 여러 기업이 이 기술에 대한 파일럿 프로젝트를 진행했다. 에어버스(Airbus)는 경량 항공기 부품을 만드는 데, 필립 스탁은 의자 디자인 프로젝트에 이 생성적 디자인 플랫폼을 활용했다.
오토데스크는 이 기술을 토대로 상용 제품인 퓨전 360을 탄생시켰다. 캘리포니아 산호세 소재 전기 모터사이클 제조업체인 라이트닝 모터사이클(Lightning Motorcycles) 같은 기업들이 이 제품을 이용한다. 이 회사를 창업한 리차드 하트필드 CEO는 디자이너들이 더 빨리, 더 효율적으로 새 부품을 만들면서 기대 이상의 성과를 일궈낼 수 있었다고 전했다.
과거 라이트닝 모터사이클의 디자인 팀은 부품을 디자인한 후 강점과 다른 스펙들을 분석해서 수정하는 방법을 썼다. 이는 시간이 많이 소비되는 프로세스였다. 하트필드는 “생성적 디자인 소프트웨어 덕분에 수동으로 처리할 때보다 훨씬 더 빠른 속도로 시뮬레이션을 하고, 수많은 반복을 할 수 있었다. 펜과 종이로 구성요소를 그리는 것, 소프트웨어로 이를 계속 반복하는 것을 비교해 생각하면 된다. 큰 발전, 도약이다”라고 말했다.
라이트닝 모터사이클 디자이너 그룹은 오토데스크의 생성적 디자인 소프트웨어를 활용해 새로운 구조의 스윙암(이미지의 파란색 영역)을 개발했다.
척추 보호대 같은 개인 안전 장비를 만드는 오스트리아의 디자인 스튜디오 에데라 세이프티(Edera Safety)의 제품 디자이너인 알렉산더 마틴은 생성적 디자인 도구인 퓨전 360을 이용해 일상 업무에 소요되는 시간을 크게 줄였다고 말했다.
그는 “생성적 디자인이 디자인 프로세스의 속도를 10배는 족히 높여줬다. 우수한 크리에이티브 팀이 몇달 동안 일해 결과물을 내어놓고, 나는 가장 효과적인 결과물을 선택하는 것과 같은 효과가 있다”라고 설명했다.
AI와의 협력은 반직관적으로 보일 수도 있는 새로운 (디자인) 가능성의 문을 열어주기도 한다. 마틴은 “AI는 개인적으로 논리적이지 못한 것으로 간주했거나 간과했던 ‘반복’을 가능하게 해준다. 이제는 AI가 디자인 프로세스에서 논리적으로 타당한 일부라는 생각을 갖게 됐다”라고 말했다.
사람과 AI의 ‘업무 협력’
이미 AI와 상호작용을 하고 있는 직원들이 아주 많다. 잘 감지되지 않을지라도 그렇다. 사무용 소프트웨어의 즉석 번역, 이메일의 답장 내용 제안 기능 등을 예로 들 수 있다. 이와 동시에, AI 비서와의 상호작용이 더욱 정교해지고 있는 추세이다. 개인 일상에서 친숙한 알렉사, 구글 어시스턴트, 시리, 코타나 같은 가상 비서들이 직장에도 도입되기 시작했으며, 직장에서 사용자 검색, 회의 예약 등에 도움을 주고 있다.
AI와 더 직접적인 방식으로 상호작용을 하고 있다는 의미이다. 최근 구글과 아마존 웹 서비스 등의 콜 센터 소프트웨어가 발전하면서, 콜 센터 직원들이 AI 비서와 상호작용을 할 수 있게 되었다. AI 비서는 고객과 접촉하는 동안 실시간으로 메모와 정보를 찾아 제공하고, 고객의 정서를 파악해 응답할 내용을 제안하는 등의 도움을 준다.
챗봇으로 이런 업무를 자동화하는 것이 아니다. AI는 콜 센터 직원들이 더 나은 서비스를 제공, 고객 만족도를 높이고 궁극적으로 매출을 증대시키도록 도움을 준다.
포레스터의 가운더는 “AI가 콜 센터 인력을 대체하는 것이 아니다. AI를 협력적으로 사용, 상호작용을 더 효율적으로 처리하고 있는 것이다. 아직 광범위하게 보급된 상태는 아니지만, 이런 트렌드가 시작되었다”라고 말했다.
AI와 상호작용하는 직원들은 사무실 직원에 국한되지 않는다. “코봇(Cobots)”으로 불리는 협업 로봇이 공장에 도입되어 사용되는 사례가 증가하고 있다. 엔지니어 옆에서 무거운 물체나 도구를 들고 있을 수도 있도록 설계된 로봇이다. 아마존의 거대한 물류 센터 같은 창고에서는 직원들이 배달할 상품을 찾아 포장하는 데 도움을 주고 있다.
사람과 자연스럽게, 그리고 신뢰할 수 있는 방식으로 상호작용하는 AI 시스템은 사람인 직원들의 니즈(필요사항)를 예측해 여기에 적응하는 AI 시스템이다. MIT 우주항공학부 조교수 겸 CSAIL 인터랙티브 로보틱스 그룹 책임자인 줄리 샤에 따르면, 다른 말로 좋은 팀 플레이어가 되는 방법을 학습하는 AI 시스템이다.
샤는 “사람들이 모호하면서 불확실한 정보를 분석하기 위해 수행하는 아주 어려운 작업을 AI가 맡는 것은 물론, 사람들이 이를 처리 및 지원하는 방식을 어느 정도 이해해서, 적절한 정보를 제공하고, 제안을 해서 사람들이 더 도전적인 부분에 집중할 수 있도록 도와줄 수 있다. 엄청난 잠재력을 갖고 있다”라고 말했다.
그녀의 연구는 자동차 생산 라인에서 로봇이 적시에 적합한 재료를 공급하거나, 도전적인 의사결정에서 사람에 도움을 주는 지능형 지원 시스템을 개발하는 등, AI 로봇이 사람인 직원들과 더 효과적으로 협력을 하도록 만드는 방법에 초점이 맞춰져 있다.
샤는 “나는 사람이 하는 일을 대체하거나 뺏는 것이 아닌, 사람의 능력을 강화시키는, 잘 들어맞는 퍼즐 조각 같은 AI를 개발하는 연구에 집중하고 있다. 여기에 기반이 되는 기술은 사람의 생각과 마음을 추론하고, 다음 할 일을 예측, 적시에 적절한 정보나 적절한 물질, 재료를 제공할 수 있는 기술이다”라고 설명했다.
직원들의 움직을 예측 및 예상하는 알고리즘을 개발해 사람들이 수행하는 복잡한 프로세스를 모방하는 것을 예로 들 수 있다.
샤는 “대부분의 연구는 적합한 순서로 적시에 적합한 정보를 제공하는 방법에 초점을 맞추고 있다. 조립 생산 라인에서 적합한 순서로 적시에 적합한 부품을 제공하려면 어떻게 해야 할까? 이는 작업 할당에 관한 스케줄링 문제이다. 이를 통해 세상이 제대로 작동을 하는 것이다”라고 말했다.
MIT CSAIL은 베스 이스라엘 데코네스 메디컬 센터(Beth Israel Deaconess Medical Center)에서 일터에서 사람들이 AI를 신뢰하는 정도에 대해 조사하는 프로젝트를 진행했다. 환자 치료를 조율하기 위해 지속적으로 시급히 결정을 내려야 하는 환경에서 병원 인력들에게 스케줄링에 대해 제안과 추천을 하는 휴머노이드 로봇 나오(Nao)용 AI 시스템과 관련된 프로젝트였다.
MIT 리서치가 개발한 간호 업무용 병실 및 간호 할당 AI 시스템. 베스 이스라엘 데코네스 메디컬 센터에 배치돼 있다.
수간호사가 10명의 간호사로 구성된 팀을 책임진다. 한 번에 병상 20개의 환자 20명을 관리한다. 스케줄링에 변수들이 아주 많다. 수간호사는 임산부가 출산을 위해 도착할 시간, 출산에 걸리는 시간 같은 요소들을 예측해야 한다.
샤는 “기본적으로 병원에서 항공 관제사 같은 일을 하고 있다고 보면 된다. 환자를 치료할 병실, 이 환자를 간호할 간호사에 대한 판단을 내린다”라고 말했다.
이 수간호사가 담당하고 있는 스케줄링 업무를 맡아 처리할 수 있도록 AI 시스템이 훈련됐다. 병실 배정에 대해 예측을 하고, 특정 치료에 배정할 간호사에 대해 제안을 하는 기능을 구현했다. 간호사가 로봇에 질문을 하면, 로봇은 텍스트를 음성으로 변환하는 소프트웨어를 이용해 제안한다.
라이브 파일럿 데모 동안 간호사들이 AI의 제안을 수용한 비율은 90%였다. 또 같은 비율로 ‘품질이 낮은’ 제안을 거부했다. 간호사들의 피드백은 긍정적이었다. 참여한 사람들은 신입 직원 훈련과 업무 부담 공유와 관련된 혜택이 두드러졌다고 전했다.
인간이 신뢰하는 AI?
AI와 상호작용하면서 처리되는 업무가 늘어나면서, 언제 직원과 기업 모두 알고리즘에 의지해 중요한 결정을 내리는 것이 적절한 지, 또는 사람의 맥락적 지식이 더 큰 가치를 발휘하는 때는 언제인 지에 대한 질문이 제기될 수 있다.
알고리즘이 더 적합한 경우 중 하나는 ‘편향’과 관련된 것이다. AI 시스템은 사람은 인식하지 못할 수도 있는 편향(Bias) 가운데 일부를 극복할 수 있다. 스탠포드 경영대학원의 기술 경제학 교수 겸 스탠포드 사람 중심 인공지능 연구소 부소장인 수잔 아데이는 “알고리즘은 사람이 수집하기 힘들고 비싼 정보들을 통합해 반영할 수 있다”라고 말했다.
그녀는 구직자의 이력서 심사를 예로 제시했다. 그녀는 “이력서를 심사하는 사람이 소수 사람들을 바탕으로 특정 대학에 대한 고정 관념을 갖고 있을 수 있다. 그러나 AI는 동일한 정보를 읽고, 그 특정 대학에 대해 더 정확히 평가를 할 수 있을지 모른다. 알고리즘은 평판이 높지 않은 주립 대학이지만 공대는 경쟁력이 높다는 사실을 파악할 수도 있다는 의미이다. 사람은 이런 정보를 수집하기 위해 시간을 투자하지 않는다”라고 설명했다.
동시에, AI 알고리즘에 오류가 있고, 의도하지 않은 편향이 프로그래밍되어 있을 가능성도 있다. 따라서 사람이 알고리즘을 신뢰할 수 있는 정도를 인식할 수 있도록 투명성을 구현하는 것이 중요하다.
아데이는 “맥락(정황)에 따라 달라져야 한다. 사람이 알고리즘에 귀를 기울여야 할지, 자신에게 귀를 기울여야 할지 이해하고, 알고리즘의 정보를 통합해 반영하는 방법을 이해할 수 있도록 충분한 정보를 제공하는 알고리즘을 구축해야 한다”라고 말했다.
샤는 시스템을 ‘믿을 수 있게(Trustable)’ 만드는 것과 ‘신뢰할 가치가 있게(Trustworthy, 의지할 가치가 있게)’ 만드는 것은 다르다고 강조했다. 항공 산업을 예로 들면, 조종사가 완벽하지 않은 조종 자동화 시스템을 의지하면서 발생하는 사고들이 아주 많다.
그녀는 “시스템에 부적절한 신뢰를 부여하기 쉽다. 작은 것들로 이렇게 할 수 있다. 더 사람 같이 만들면, 텍스트를 읽는 방식이 아니라 대화를 하는 방식으로 만들면, 사람들이 시스템의 제안을 받아들이고, 이를 신뢰하는 확률이 높아진다. 시스템을 믿을 수 있게 만들어, 사람이 시스템에 대한 신뢰를 적절히 조정할 수 있도록 만드는 것도 중요하지만, 더 중요한 것은 시스템의 역량 내부에서 의사결정을 내리는 때, 역량 밖이어서 사람들이 머신의 역량을 강화하는 때를 이해하는 것이다”라고 설명했다.
그녀는 이어 “‘시스템을 얼마나 신뢰할 수 있는가?’라고 묻는 경우가 많다. 잘못된 질문이다. 물어야 할 질문은 ‘신뢰할 가치, 의지할 가치가 있는 시스템인가?’라는 질문이다. 믿을 수 있는 시스템, 신뢰하고 의지할 가치가 있는 시스템은 다르다”라고 덧붙였다.
업무와 작업을 완전히 자동화하지 말아야 하는 이유
사람과 AI가 협력해야 하는 이유는 무엇일까? 업무와 작업을 완전히 자동화하지 말아야 하는 이유는 무엇일까? 여기에 대한 대답 중 하나는 최소한 지금은 기술적으로 불가능한 경우가 대부분이라는 것이다. 연구 결과에 따르면, 사람이 훨씬 더 나은 업무와 작업들이 있다.
이를 테면 사람이 AI를 능가하는 중요한 부분 중 하나는 과거 직면한 적이 없는 문제를 여러 소스의 정보를 취합해 직관으로 해결할 수 있는 능력을 갖고 있다는 것이다.
다시 말해, 사람은 상식을 발휘할 수 있다. 스탠포드 대학의 아데이는 “사람은 많은 상식을 갖고 있기 때문에 과거 직면한 적이 없는 상황을 아주 잘 추론할 능력을 갖고 있다. AI와 사람은 강점이 다르다. 사람은 자신의 예측이 크게 어긋나지 않도록 만들 수 있는 반면, AI는 자신이 갖고 있는 데이터에 대해서만 반응할 수 있다”라고 설명했다.
반면 AI는 사람의 두뇌로는 어려울 수 있는 대량의 데이터를 처리하는 능력이 뛰어나다. 아데이는 “AI는 더 많은 데이터를 조사할 수 있다. 사람이 개인 경험을 통해 직면하게 되는 것보다 훨씬 더 많은 상황에 대한 데이터를 조사하고, 훨씬 더 많은 결과를 통합해 반영할 수 있다”라고 설명했다.
필립 스탁은 가구 제조사 카텔 및 오토데스크 리서치와 협력해 생성적 디자인을 활용했다. 그 결과물이 “인간과 인공지능의 협업을 통해 탄생한 최초의 상용 의자”다.
즉 AI가 더 광범위한 작업들을 수행하도록 만들 수는 있지만, 기술적으로 사람의 개입없이 달성할 수 있는 부분은 아직 제한적이다.
머신에 공급할 데이터를 선택하는 부분만 보더라도, 사람이 환경을 구성 및 구조화해야 한다. 특정 이미지에 대해 AI 시스템을 트레이닝하는 경우를 예로 들면, 사진을 가져오고 관심 대상에 대해 이를 구성하는 것은 사람이다.
MIT의 샤는 “가까운 장래만 놓고 보면, 사람은 AI에는 없는 고유한 능력을 여전히 보유하고 있다. 다름 아닌, 비구조적 문제를 가져와 구조화하는 능력이다. 사람이 문제를 구조화시킬 경우, AI가 이를 잘 처리할 수 있기 때문에 가치가 있다. 현재 AI와 관련해 사람이 문제를 구조화하는 노력이 과소평가되는 경향이 있다”라고 말했다.
딜로이트 컨설팅의 매니징 디렉터 겸 지능형 자동화 부문 책임자인 지나 섀퍼는 “AI를 사람 같이 만들 수 있다고 잘못 생각하는 경우들이 있다. 사람 같은 AI를 구현하기까지 갈 길이 아주 멀다. 기초적인(그러나 놀라운) 일들을 할 수 있다. 맥락 같은 것들을 이해하는 부분에 있어서는 5살 어린이의 능력도 갖추고 있지 못하다. 따라서 ‘상호 작용’이 중요하다”라고 말했다.
그는 이어 “간과되고 있는 부분은 이런 기술 가운데 일부로 사람을 대체할 수 있지만, 진짜 효용은 사람이 할 수 있는 일을 강화시키는 부분에 존재한다”라고 덧붙였다.
사람과 AI로 구성된 ‘노동력’을 준비
올바르게 구현을 하면, AI는 고용주와 직원 모두에게 혜택을 제공한다. 직원들의 경우, 반복 작업에 소비하는 시간을 줄일 수 있다.
포레스터의 가운더는 “이상적인 상황을 이야기하면, 이 기술은 의사결정을 강화해주고, 더 많은 인사이트를 제공하고, 사람들을 대신해 특정 작업을 자동으로 처리하고, 사람인 직원이 관여하고 싶어하지 않는 프로세스를 자동화해준다”라고 설명했다.
이미 기업들은 직원들과 AI가 협력할 때의 이점을 인식하고 있다. 그러나 이를 위해 스킬을 조정하고, 트레이닝을 제공해야 할 수도 있다. 특히 창의력과 종합적인 추론이 더욱 강조되어야 한다.
특히 AI와의 상호작용이 증가할 때 직원들을 적극적으로 지원하는 것이 아주 중요하다. 가운더는 “지능형 소프트웨어와 협력을 시작할 문화, 스킬, 의지, 선호도가 준비되어 있는가? 이를 원하지 않는 사람, 이렇게 할 스킬이 없는 사람들이 많을 수도 있다. 이들은 기술에 위협을 받는다”라고 말했다.
이를 위해 큰 변화와 조정이 필요한 조직들이 많다. 딜로이트 조사에 따르면, 향후 12~18개월 사이에 AI를 통합시키기 위해 직무를 쇄신하는 것이 중요하다고 대답한 비율이 59%이지만, 실제 이렇게 할 준비가 된 비율은 7%에 불과했다. ‘리스킬링’을 위해 대규모로 투자를 하고 있다고 대답한 비율 역시 17%에 불과하다.
가운더는 “AI와 자동화에 투자해 직원 경험을 개선 및 강화할 수 있다. 그러나 다른 것들처럼 이것이 잘못된 방향으로 나아갈 가능성도 있다”라고 말했다.
앞으로 AI는 다양한 업무, 일자리에 더 큰 영향을 초래할 것이 분명하다.
가운더는 “이것이 ‘최첨단’의 변화인 기업들이 많지만, 가까운 장래에 아주 중요해질 전망이다. 향후 10년 동안 지능형 소프트웨어와 자동화가 업무, 작업, 일자리에 변화와 혁신을 가져올 것이다. 따라서 이에 대한 준비를 시작해야 한다”라고 말했다.
dl-ciokorea@foundryco.com
