왜 AI가 일부 직업을 다른 직업보다 더 빠르게 대체하고 있는가 #AI

Source: Dev.to

Introduction

• 데이터가 풍부한 산업은 AI에 의해 가장 크게 파괴될 위험이 있습니다.
• 데이터가 부족한 산업은 AI의 혜택을 누리기 위해 디지털 전환에 급급하지만, 기존 관행과의 마찰이 더 큽니다.
• 직원과 구직자는 기술 역량과 인간 판단, 비즈니스 필요를 결합한 기회에 집중해야 합니다.

모두가 AI가 일자리를 빼앗을 것이라고 이야기하지만, 어느 정도는 사실입니다. 우리는 AI에 의한 일자리 전환을 우려하지만, 그것이 어떻게 일어날지, 언제 일어날지, 준비할 시간이 얼마나 남았는지 완전히 이해하지 못하고 있습니다.

대부분의 사람들은 작업 복잡성이 AI 도입 속도를 결정한다고 믿습니다. 이 가정은 완전히 틀렸습니다. 손자병법에 “스스로를 알고 적을 알면 백전백승한다”는 말이 있듯이, 다음과 같은 역학을 이해해야 합니다.

AI가 작동하는 방식

AI의 메커니즘은 전문가에게도 아직 다소 불분명합니다. 하지만 한 가지 중요한 사실은 확실합니다: AI는 학습한다는 점입니다.

전자 제품을 만지작거리다 충격을 받은 적이 있나요? 저는 한 번 있었고, 그 경험 덕분에 다시는 그렇게 하지 않겠다고 다짐했습니다. 인간은 경험을 통해 배웁니다.

AI 모델은 데이터로부터 학습합니다. 제한된 데이터를 가진 AI 모델은 유아와 같습니다. 반면, 방대한 데이터를 가진 모델은 경험이 풍부한 할아버지와 같습니다.

데이터 역설

어떤 것이 더 어려울까요: 자동차 운전인가 코딩인가? 대부분은 코딩이 더 어렵다고 말합니다. 하지만 AI 개발에서는 그 반대가 사실인 듯합니다.

대형 언어 모델(LLM)은 비교적 새롭습니다. ChatGPT가 나오기 전에는 AI와 챗봇을 연관 짓는 경우가 거의 없었고, 대신 터미네이터 같은 이미지가 떠올랐습니다. LLM 시대는 2013‑2014년경 word2vec 같은 신경망이 등장하면서 시작되었습니다. 반면 자율 주행은 1980년대에 시작되었습니다. 1987년, Ernst Dickmanns 팀은 컴퓨터 비전을 이용해 독일 고속도로에서 메르세데스‑벤츠 밴을 시속 96 km로 스스로 운전하게 했습니다.

이처럼 압도적인 선행 기간에도 불구하고, 자율 주행 차량은 여전히 LLM보다 뒤처져 있습니다. ChatGPT가 수많은 시나리오에서 안정적으로 작동하는 반면, AI 운전자는 일관성이 부족합니다.

왜 그럴까요? Tesla와 Waymo 같은 기업이 수십억 달러를 투자했습니다. 그러나 새로운 기업이 이 분야에 진입하려면—뛰어난 엔지니어와 무제한 자금이 있더라도—수천 시간에 달하는 다양한 주행 데이터를 확보해야 합니다. 일부 사고 유형은 너무 희귀해서 학습시키기가 거의 불가능합니다.

한편 LLM은 인터넷 전체를 학습 데이터로 사용합니다—데이터가 풍부한 놀이터죠. 따라서 AI가 코더보다 운전자를 더 쉽게 대체할 수 있는 이유는 코딩이 더 쉽기 때문이 아니라, 데이터가 더 쉽게 구할 수 있기 때문입니다.

AI는 마치 모든 옛 시험지와 학습 가이드를 손에 넣은 대학생 같은 존재입니다. 물론 그들은 몇 번의 강의 노트만 가지고 급히 공부하는 사람보다 시험을 훨씬 잘 치를 것입니다.

바로 이것이 현재 직업 시장에서 일어나고 있는 일입니다. 일부 산업은 AI가 학습할 수 있는 유용한 데이터가 넘쳐나고, 다른 산업은 조각조각의 데이터만 가지고 있습니다. 수치는 뚜렷합니다: 데이터가 풍부한 산업은 AI 도입률이 60‑70 %에 이를 수 있지만, 데이터가 부족한 분야는 25 % 미만에 머물 가능성이 높습니다.

How to adapt

구직자에게 중요한 통찰은 산업 경계가 직업 카테고리보다 더 빠르게 흐려지고 있다는 점입니다. 전통적인 경력 경로에만 집중하기보다, 인간의 판단과 AI 역량을 결합하거나 기술 시스템과 비즈니스 요구 사이를 연결하는 역할을 찾아보세요.

전문성만이 아니라 적응력을 중심으로 스킬 인벤토리를 재구성하세요. 단순히 수행한 업무를 나열하기보다, 어떻게 배우고 문제를 해결하며 새로운 시스템과 협업하는지를 강조합니다. 기업들은 불확실성을 헤쳐 나가고 새로운 도구를 기존 워크플로에 통합할 수 있는 인재를 점점 더 선호합니다. 직장에서 마지막 대규모 변화를 성공적으로 도입한 경험이 특정 소프트웨어 숙련도보다 더 큰 가치를 가질 수 있습니다.

마찰점을 목표로 삼으세요. AI를 도입하는 모든 조직은 동일한 과제에 직면합니다: 복잡한 기술을 인간 중심의 혼란스러운 시스템 안에서 어떻게 작동시키느냐. AI를 채택하는 기업 내에서 관리, 교육, 프로세스 최적화를 담당하는 역할을 찾아보세요. 이러한 직무는 깊은 기술 지식보다는 조직이 이론과 실제가 만날 때 어떻게 기능하는지를 이해하는 사람을 필요로 합니다.

현재 산업에서 ‘마지막 마일’ 기회를 고려해 보세요. 기술 허브가 헤드라인을 장식하지만, 모든 분야는 AI 역량과 현장 구현 사이의 격차를 메울 인재가 필요합니다. 의료 시스템은 환자 케어와 데이터 분석을 모두 이해하는 사람을 필요로 하고, 제조 현장은 자동화 시스템과 함께 작업할 수 있는 운영자를 필요로 합니다. 기존 산업 지식에 기본적인 AI 리터러시를 결합하면 완전히 새로운 분야에서 처음부터 시작하는 것보다 더 많은 기회를 만들 수 있습니다.