2030년 인공지능에 대체 불가능한 인재가 되는 법

(*이미지 출처: 중앙선데이)

인공지능과 파괴적 혁신

1997년 인공지능과 인간지능의 체스 대결이 벌어졌습니다. IBM의 슈퍼컴퓨터 딥블루(Deep Blue)는 가리 카스파로프를 이겼습니다. 언젠가 컴퓨터가 인간을 이길 것이라고 예상했기 때문에 놀랍지 않았습니다.

2016년 알파고(AlphaGo)가 이세돌을 이겼을 때 사람들은 훨씬 더 놀랐습니다. 체스와 바둑을 비교하면 체스는 전술, 바둑은 전략 게임입니다. 전술은 당장 눈앞의 전투에서 이길 수 있는 몇 수를 뜻합니다. 체스 선수는 온갖 패턴을 연구해서 전술에 능숙해지면 승리를 거둘 수 있습니다. 체스는 첫수가 400가지지만 바둑은 첫수가 12만 9,960가지입니다. 바둑은 가로 19줄 세로 19줄의 판 위에서 일어나며, 경우의 수는 우주의 모든 원자 수를 합친 것보다 많습니다. 바둑은 최후의 승리를 위해 작은 전투는 질 줄도 알아야 하는 전략이 중요합니다. 

인공지능은 패턴을 찾는 데 인간보다 낫지만 큰 그림을 그리는 전략은 흉내 내기 어렵습니다. 카스파로프는 ‘지금은 휴대전화의 무료 체스 앱이 나보다 더 잘 둡니다’라고 합니다. 그는 최근 한 강연에서 ‘우리가 할 수 있는 모든 일, 그리고 우리가 하는 법을 알고 있는 모든 일에서 기계는 우리보다 더 잘할 겁니다’라고 말했습니다. 『AI 슈퍼파워』의 저자 리카이푸는 2030년까지 현재 직업 중 40%가 인공지능에 대체될 것이라고 말합니다. 그러나 다른 연구에서는 9%의 직업만 사라질 것이라고 합니다. 어느 것이 맞는 걸까요? 

인공지능과 소통하는 '호모 프롬프트'

알파고 이후 코딩에 대한 학구열이 퍼졌습니다. 기초 코딩을 6개월 배우면 IT 회사에 취업할 수 있다는 학원들이 성행했습니다. 시대에 뒤처질까 두려운 직장인들이 코딩을 배웠습니다. 그러나 '챗GPT'와 같은 생성형 인공지능이 나오면서 프로그래머는 가까운 미래에 사라질 직업으로 예측됩니다. 2022년 오픈 AI와 마이크로소프트는 파워포인트와 엑셀에 AI를 결합하여 이용자의 작업을 돕는 '코파일럿'이라는 도구를 공개했습니다. 이는 프로그래머 사이에서 빠르게 퍼졌습니다. 한 분석에 따르면, 프로그래머들이 '코파일럿'을 사용함으로써 코딩을 55% 빨리해 내고 있다고 합니다.

'챗GPT'가 공개되며 생성형 인공지능의 응답 품질은 인간이 *프롬프트에 어떻게 질문하는지에 달려 있다는 것을 나타냈습니다. 또한 인공지능에 대해 거부감 없이 기술을 잘 활용하는 능력을 갖춘 인간형으로 '**호모 프롬프트'라는 신조어가 등장했습니다. 정보를 찾아 분석하고, 글을 쓰고, 이미지와 동영상을 만드는 일은 이제 프롬프트에 한 문장만 입력하면 해결됩니다.

(*프롬프트: 시스템이 다음 명령이나 메시지, 또는 다른 사용자의 행동을 받아들일 준비가 되었음을 사용자에게 알려주는 메시지)

(**호모 프롬프트: 인류를 뜻하는 '호모'와 사용자의 지시와 결정 명령어를 뜻하는 '프롬프트'가 합쳐진 신조어)

(*필자가 인공지능을 이용하여 그린 그림. 순서대로 인공지능 시대 인재, 면접관)

인공지능 시대의 인재 채용

인재를 채용하는 전통적인 방법은 1차에서 서류심사로 지원자를 압축하고, 2차에서 면접 심사로 최적의 지원자를 선택하는 것입니다. 이 방법은 미리 규칙을 정해야 합니다. '일정 수준 이상의 학력, 특정 자격증 소지, 몇 년 이상의 경력'과 같이 지원자의 최소 역량을 정하고 그 선을 넘지 못하면 걸러냅니다. 서류심사는 규칙에 크게 의존하는 반면 면접 심사는 면접관의 강한 주관이 반영됩니다. 면접관은 몇 가지 질문을 해서 지식을 측정하고 과거에 했던 일을 물어봄으로써 역량이 있는지 판단합니다. 

면접관 중에는 '보면 안다'고 말하는 사람들이 있습니다. 그러나 면접관은 지원자의 특정 정보로 편향된 첫인상을 만듭니다. 그리고 면접 시간 동안 자신의 결정을 정당화하기 위한 증거를 찾으려고 애씁니다. 같은 지원자도 면접관의 컨디션에 따라 다르게 평가합니다. 따라서 면접관은 이런 편향이 존재한다는 것을 알고 스스로 극복하려고 애씁니다. 지원자는 편향이 심한 인간보다 인공지능이 더 공정할 것이라고 생각할 수 있습니다. 인공지능은 자동으로 데이터를 모으고 인간보다 훨씬 많은 지원자를 검토합니다. 인간처럼 한두 가지의 결정적인 정보로 편향을 갖는 것을 회피할 수 있습니다. 예를 들어 면접관이 출신 대학에 영향을 받는다면 인공지능은 모든 대학을 같은 조건으로 놓고 지원자의 다른 역량을 평가합니다. 

인공지능 채용에 대한 우려도 큽니다. 어떤 지원자가 10년 전에 인터넷에서 특정 집단을 혐오하는 욕설을 댓글로 남겼다고 가정해 봅시다. 인공지능은 이 댓글을 찾아내어 지원자를 부적합한 인재로 판단할 수 있습니다. 이 시나리오는 현재 기술로도 가능합니다. 페이스북과 인스타그램의 모회사인 메타의 알고리즘은 사용자가 한 번도 밝히지 않은 정보를 높은 정확도로 추리합니다. 어렸을 때 헤어져 존재조차 몰랐던 쌍둥이 형제가 친구로 추천되기도 하고, 사용자가 한 번도 말하지 않은 성적 취향을 알아내기도 했습니다. 현재 개발된 채용 인공지능 중에는 관상을 보는 경우도 있습니다. 사람의 표정을 학습하여 통계적으로 그 사람이 성과를 낸 그룹에 속하는지 그렇지 않은 그룹에 속하는지 판단하는 방식입니다.

이런 채용 방식을 받아들일 수 있을까요? 사람들은 자신에게 편향이 있다는 것을 알면서도 감정을 기반으로 중요한 결정을 내립니다. 인공지능이 더 발달하고 채용에 응용되더라도 공감 능력이 필요합니다. 누군가는 인공지능 면접관을 더 선호할지라도, 사람들과 눈을 마주치며 이야기하고 좋은 첫인상을 만드는 훈련을 해야 할 것입니다.

모든 일자리를 대체하는 인공지능의 시대가 올까?

인공지능에 의해 사라질 일자리 예측이 9~40퍼센트까지 격차가 큰 이유는 ‘직업’과 ‘과업’이라는 기준 차이입니다. 하나의 직업은 여러 가지 과업으로 이루어집니다. 예를 들어 가장 먼저 인공지능이 대체하는 일로 세무 대리가 꼽힙니다. 세무사는 의뢰인을 대신해 서류를 작성하고 신고를 대행합니다. 패턴이 있고 반복적인 일은 인공지능이 우월합니다. 그러나 세무사라는 직업은 의뢰인과 상담하고 상황에 따라 어떤 세법을 적용할지 고민하는 과업도 있습니다. 반복되는 일은 기계에 맡기고 더 창의적인 일에 집중할 수 있을 것입니다. 파이썬이나 R을 이용한 데이터분석은 인공지능의 하위분야입니다. 현재는 유용한 지식이지만 5년 후에도 쓸모가 있을지는 확실치 않습니다.

그러나 배우는 것은 이롭습니다. 지식은 낡은 것이 되더라도 새로운 것을 배우는 능력은 남기 때문입니다. 장기적으로 인공지능이 대체하기 어려운 것을 배워야 합니다. 인공지능은 ‘인간다워’지는 것이 가장 어렵습니다. 기술이 발달할수록 전략적 사고로 창의성을 발휘하고 따뜻한 온기를 느낄 수 있는 공감 능력이 가치 있을 것입니다.

인공지능이란 거대한 변화의 파도는 피할 수 없습니다. 파도에 휩쓸리기보다는 파도 위에 올라타려고 노력해야 합니다. 어디로 향하는지 불확실한 파도 위에서 균형을 잘 잡으려면 계속해서 재학습하는 역량부터 길러야 할 것입니다. 

(*필자가 인공지능을 이용하여 그린 그림. 2030년 인공지능 시대 서울의 모습)

사막의 수도자

경영기술지도사회 컨설턴트

중소벤처기업부 비즈니스지원단 전문위원이자

극한을 향해 달리는 경영지도사입니다.

주로 AI 전략과 마케팅 혁신에 관한 글을 읽고 씁니다.