작품: RJ( @RJ16848519 ), 인간의 이중성(2025); 작품 사용을 허락해 주셔서 감사합니다.

1부: 여러분을 놀라게 하고 싶진 않지만,

"자연에는 제가 생각하기에 그 누구도 이전에 지적하지 않았던 원리가 하나 있습니다. 매 시간 수조 개의 작은 생명체, 즉 박테리아, 미생물, '미생물'들이 태어나고 죽습니다. 이들은 존재 자체와 그 미미한 영향의 축적 외에는 별다른 의미를 갖지 못합니다. 깊은 지각도 없고, 고통도 거의 느끼지 못합니다. 1천억 마리의 생명체가 죽어간다고 해도, 단 한 명의 인간이 죽는 것과는 비교할 수 없을 정도로 중요성이 떨어집니다."

미생물처럼 작은 생명체부터 인간처럼 큰 생명체에 이르기까지 모든 생명체는 크기 면에서 동등하게 ‘활력’을 지니고 있다. 마치 키 큰 나무의 가지들이 모여 아래쪽 가지들의 부피와 같고, 모든 가지들이 모여 줄기의 부피와 같듯이 말이다.

-그렉 베어, 블러드 뮤직 (1983)

만약 여러분이 일자리 자동화의 경제적 측면에만 관심이 있다면, 2부로 넘어가십시오.

최첨단 연구소의 발전과 새로운 규모 확장 방법에만 관심이 있다면 3부로 건너뛰세요.

만약 당신이 보편적 기본소득(UBI)과 노동경제 이후 사회의 불평등 해소를 위한 다른 해결책에만 관심이 있다면, 4부로 넘어가십시오.

만약 당신이 로봇공학에만 관심이 있다면, 제가 그에 대한 글을 쓸 때까지 기다려야 할 겁니다.

지금 여러분이 읽게 될 이 글은 제가 대학교 마지막 학기였던 2025년 봄에 쓰기 시작했습니다. 아주 오래전 일처럼 느껴지지만, 당시 인공지능(AI)은 유행이었고 빠르게 인기를 얻고 있었지만 지금처럼 널리 보급되지는 않았습니다. 우리의 일상은 여전히 크게 달라졌지만, 세상은 그 이후로 상당히 변했습니다. 우리는 그 변화를 직접 눈으로 보지는 못하지만, 점점 커지는 변화를 느끼고 있습니다. 여러분은 이해하지 못할 수도 있지만, 아마 여러분도 그런 변화를 느껴봤을 가능성이 큽니다.

여전히 많은 사람들이 데이터 센터와 챗봇 쿼리가 상상할 수 없을 정도로 많은 양의 물을 소비하고, LLM(Learning Leadership Machine)은 학습된 내용만 복사하며, LLM은 이미 사용 가능한 모든 데이터를 기반으로 학습되었기 때문에 그 발전이 제한적이라고 믿고 있습니다. 제가 이러한 비판들을 강조하는 이유는 이러한 주장들이 모두 틀렸음이 입증되었기 때문입니다. 가장 최근에 밝혀진 사실들(예: 딜런 파텔의 물 소비량 분석) 도 있고, 이미 오래전에 반박된 사실들도 있습니다.

사람들은 인공지능에 대한 이해도가 시대에 뒤떨어져 있으며, 인공지능이 앞으로도 계속 발전할 것이라는 점을 고려할 때 이는 매우 우려스러운 일입니다.

많은 사람들을 한데 모으는 것이 목표였습니다. 경제학, 기술, 사회과학, 역사 등 다양한 분야의 아이디어를 종합하여 인공지능(AI)의 능력이 급속도로 발전할 경우 인류가 나아갈 방향에 대한 이론을 제시하고자 합니다. 이러한 발전은 궁극적으로 노동경제 이후의 시대 로 이어질 것이라는 가정을 바탕으로 합니다. 우리는 이러한 미래가 인공 일반 지능 (AGI)의 개발 및 구현에서 비롯된다고 가정합니다.

최근 경제학 저널과 인터넷에 발표된 연구들을 고려할 때, 미국 내 노동 시장 이후의 역학 관계에 대해 더 자세히 살펴볼 필요성을 느꼈습니다. 만약 이것이 중요한 문제이거나 연구 분야가 아니라고 생각하신다면, 제 연구에 영향을 준 주요 연구들을 아래에 간략하게 정리해 보았습니다.

• 인공지능과 소득 분배 및 실업에 미치는 영향 (2019); 코리넥 & 스티글리츠

• 인공지능과 우리의 경제적 미래 (2026); 찰스 존스

• 변혁적 인공지능, 실존적 위험 및 실질 금리 (2025); Chow, Halperin, & Mazlish

• 로봇과 일자리: 미국 노동 시장의 증거 (2020); Acemoglu & Restrepo

• 노동경제 이후 시대의 부의 재분배가 경제에 미치는 영향: 비판적 분석 (2025); Prue

이 글은 탈노동 사회에서의 인간의 삶, 기본소득(UBI) 도입의 실현 가능성, 주요 AI 연구소에서 활용되는 최신 확장 방법론에 대한 개요, 자본과 노동의 변화하는 관계, 사무직 산업 전반에 걸친 인공 일반 지능(AGI) 도입의 단기 및 장기적 효과, 빠른 또는 느린 도약 시나리오, 급진적인 정책 개혁, 그리고 기타 관련 아이디어들을 다룬 에세이입니다.

무엇보다도 이 보고서는 고용 안정에 대한 우리의 가장 시급한 질문 몇 가지에 답을 제시하고, 우리의 우려를 맥락화하는 데 도움이 될 것이라고 생각합니다. 비록 이 보고서의 주요 독자가 존재하지 않을 수도 있지만, 2026년이라는 시대적 배경과 그 특이점을 향해 나아가던 당시의 삶을 기록한 타임캡슐처럼 누구나 되돌아볼 수 있도록 이러한 아이디어들을 하나의 비전으로 엮어내는 것이 매우 중요하다고 느꼈습니다.

AGI는 사실상 모든 인지 작업에서 인간의 능력과 같거나 그 이상을 뛰어넘을 수 있는 가상의 인공 지능 유형으로 공식적으로 인정받고 있습니다.

'동등하다' 또는 '초월하다'라는 단어는 매우 중요한 의미를 지니며, 그 정의가 의도적으로 모호한 것은 아닙니다. 오히려 최근 인공지능/머신러닝 기술의 발전 속도를 고려할 때, 이러한 정의에 대한 논쟁이 점점 더 커지고 있습니다. 그럼에도 불구하고, 우리가 느린 도약기에 있는지, 빠른 도약기에 있는지, 아니면 느린 도약기 에 접근하고 있는 중인지조차 아직 불분명합니다.

저는 현재 지배적인 확장 방법론 중 하나가 더욱 발전 하거나 알고리즘이 한 단계 더 도약한다면, 기존 모델에서 일반 인공지능(AGI)으로의 전환이 빠르면 향후 5~7년 안에 이루어질 수 있다고 생각합니다. 하지만 2~3년 안에 그렇게 된다 해도 놀라지 않을 것입니다. 중요한 것은 이것은 단지 제 개인적인 견해이며, 이 글에서는 매우 느린 발전부터 매우 빠른 발전까지 다양한 관점을 제시한다는 점입니다.

정답이나 오답은 없으며, 개개인의 주장을 양적인 "특이점 타임라인"에 비추어 판단하는 것은 무의미해 보입니다. 경험적으로, 매일같이 모든 것이 변할 것이고 현실이 어떤 형태로 나타날지 불분명하다는 것을 암시하는 새로운 글들을 접하게 되는 것 같습니다.

데미스 하사비스가 다보스에서 최근 언급한 내용 중 일부는 우려스럽습니다. 특히, 인공 일반 지능(AGI)의 등장으로 인해 머지않아 신입 사원 채용과 인턴십 기회가 줄어들 수 있다는 지적입니다. 딥마인드의 AGI 수석 과학자인 셰인 레그는 시급성과 필요성을 절감하여 최근 AGI 수석 경제학자 채용 공고를 냈습니다.

"인공지능(AGI)은 이제 현실이 되었고, 경제를 포함한 많은 것들을 근본적으로 변화시킬 것입니다."

누구에게 묻느냐에 따라 다르겠지만, 어쩌면 인공 일반 지능(AGI)은 이미 우리 삶에 들어와 있을지도 모릅니다.

단 몇 분 만에 모바일 앱을 개발하세요! 단 하루 만에 AI로 사업을 구축하세요! 상담원 팀을 이끌어 인생을 바꿔보세요! 제 클로드 코드 마크다운 파일과 클로드 코드 기술로 결혼 생활에 변화를 가져오세요!

오늘날의 논리 모델(LLM)은 제가 2022년 후반에 사용하기 시작한 것보다 훨씬 뛰어난 성능을 보이지만, 그것들을 일반 인공지능(AGI)이라고 주장하는 것은 어리석은 일입니다. 물론 논리 모델이 우리와 같은 일을 하는 데 매우 능숙하다고 생각할 수도 있겠지만 말입니다. 논리 모델은 추론하고 , 계획하고 , 불확실한 상황에서 판단을 내리고 , 이러한 능력을 다양한 영역에 통합할 수 있습니다. 하지만 진정한 AGI는 이러한 시스템이 인간 지능과 같거나 그 이상의 능력을 갖추고 있다면, 우리가 하는 일들을 능동적으로 수행할 수 있다는 전제에 기반합니다.

진정한 인공 일반 지능(AGI)은 사무직 산업에 진출하여 이전에 인간이 주도했던 업무를 자동화하고, 적어도 이전의 인간만큼, 혹은 그보다 더 잘 수행할 수 있을 것입니다. 저는 드와르케시 파텔의 견해 에 가장 동의합니다. 즉, 논리 학습(LLM) 능력이 엄청나게 발전했고, 이러한 시스템들이 이전 버전과 비교했을 때 얼마나 이질적인 방식으로 작동하는지에도 불구하고, 인공 일반 지능이 이미 도래했다고 주장하기는 여전히 어렵거나 불가능하다는 것입니다.

"2020년에 제게 제미니 3호를 보여줬다면, 저는 그것이 지식 노동의 절반을 자동화할 수 있을 거라고 확신했을 겁니다. 우리는 일반 지능(AGI) 달성에 필요한 병목 현상(일반적인 이해, 소량 학습, 추론)을 해결해 왔지만, 여전히 AGI(예를 들어 지식 노동의 95%를 완전히 자동화 할 수 있는 능력)는 달성하지 못했습니다."

그렇다고 해서 모든 발전이 미흡 하다거나 연구소들이 우리를 오도하고 있다는 뜻은 아닙니다. 다만, LLM의 역량이 너무나 인상적이어서 그들이 우리가 하는 많은 일을 할 수 있으면서도 더 나은 결과를 내거나 연구소에 막대한 이익을 가져다주지 않는다는 사실을 납득하기 어려워졌다는 것입니다.

우리 일자리가 자동화되고 있다는 이야기를 쓰는 건 좀 우스꽝스럽게 느껴졌습니다. 왜냐하면 당시에는 사전 학습 실행 규모 확대 (모델의 초기 학습 실행에 최대한 많은 컴퓨팅 자원을 투입하는 것)가 성능 향상 수단으로서의 효과를 잃어가고 있었고, 사후 학습 확장이라는 개념은 아직 널리 알려지지 않았던 시기였기 때문입니다.

하지만 최근 몇 주 동안 제 생각이 바뀌었습니다.

최근 몇 달 동안 극단적인 기술 발전이 너무나 빠르게 일어나는 것을 목격했고, 모두가 클로드 코드(Claude Code)를 이용해 바이브 코더(vibe code)가 되는 것을 보면서, 인간이 주도하는 사무직 업무의 자동화나 소멸과 같은 주제를 논의하기에 완벽한 시기라고 생각했습니다.

지난 몇 달 동안 미국의 초급 사무직 구직 시장이라는 재앙을 헤쳐나간 경험을 바탕으로, 저는 다른 사람들보다 더 자격이 있다고 생각했습니다.

이러한 사례들에 대해 서로 모순되는 다양한 설명들을 들어보셨을 겁니다. 고용 통계가 조작되었거나 부풀려졌거나, 혹은 축소되었다는 설, 신입 졸업생들의 자격이 부족하다는 설, 사무직 채용이 부실하다는 설, 사람들이 잘못된 방식으로 또는 잘못된 직종에 지원하고 있다는 설, 혹은 구직자들이 더 열심히 노력해야 한다는 설 등입니다.

경제 상황을 판단할 때, 때로는 일화가 도움이 될 수 있는데, 특히 전통적인 경제 지표와 사람들의 실제 체감 사이의 괴리를 고려할 때, 우리 경제 불황 에 대한 논쟁이 흥미롭습니다 . 최근 몇 달 동안 경제 불확실성에 대한 논의가 급증했으며, 카일라 스캔론 은 폴 크루그먼의 연구 를 인용하여 이러한 관점들을 대부분 자세히 논의했습니다.

크루그먼은 공정성 , 안보 , 경제적 포용 이라는 세 가지 측정 기준이 전통적인 경제 데이터에서는 쉽게 파악되지 않는다고 주장합니다. 우리가 탈노동 사회를 논의하고 있는 만큼, 이 세 가지는 경제 생활을 질적으로 평가하는 매우 중요한 지표이며, 인공 일반 지능(AGI)이 등장하더라도 개선될 가능성은 희박합니다. 바우몰의 비용병이 이러한 문제의 중심에 있을 수 있지만, 그것만으로는 우리의 모든 문제를 설명할 수는 없습니다.

"실제로 이는 주택, 의료, 보육, 교육, 노인 돌봄과 같은 중산층 생활의 핵심 요소들이 모두 바우몰(Baumol)의 분석 대상이라는 것을 의미합니다. 이러한 요소들의 가격은 임금 상승률보다 훨씬 빠르게 오르고 있습니다. '모든 것을 제대로 한다'고 해도 결국에는 재정적으로 어려움을 느낄 수 있습니다."

경제 상황이 너무 안 좋게 느껴집니다. 정부가 유리한 데이터만 골라내서 경제가 성장하고 있다고 떠벌리는 건 쉬운 일일지 모르지만, 저는 소비자 심리 , 고용 데이터 , 소득 대비 주택 가격 비율 같은 지표들이 일반 소비자들이 체감하는 경제 상황을 더 잘 보여준다고 생각합니다. 경제는 단순히 S&P 500 지수 상승만으로 결정되는 것이 아니라, 중산층 가정이 디즈니랜드에 갈 여유가 있는지, 싱글맘이 막내아들에게 생일 케이크를 선물할 수 있는지, 사회보장 연금으로 생활하는 노부부가 생활을 유지할 수 있는지와도 직결되는 문제입니다.

고용 데이터는 우리가 가진 최고의 지표이며, 일화는 단지 참고 자료일 뿐이 아닙니다. 검증되지 않은 일회성 주장일 수도 있지만, 취업 시장에서 개인들이 겪어온 고충과, 어떻게든 살아남기 위해 발버둥 치는 실제 이야기들입니다 .

집필 초기 단계에서 저는 『주권적 개인(The Sovereign Individual)』 이라는 책에서 큰 영감을 받았습니다. 당시 저는 그 책이 얼마나 앞서 나가는 사상을 담고 있는지(1997년 출간 당시 기준)와 저자인 제임스 데일 데이비슨과 윌리엄 리스모그 경이 역사 속 다양한 시대를 넘나들며 수많은 중요한 질문과 아이디어들을 탐구하여 오늘날에까지 의미를 부여하려 애썼다는 사실을 과소평가했었습니다. 그 책이 없었다면 저는 아마도 여전히 길을 잃고 제가 쓴 글을 어떻게 발표해야 할지 몰라 헤매고 있었을 것입니다.

“기술 덕분에 사람들은 지금 그 어느 때보다 더 많은 부를 창출할 수 있으며, 20년 후에는 오늘날보다 더 많은 부를 창출할 수 있을 것입니다. 이는 총 부의 증가로 이어지지만, 부는 소수의 사람들에게 집중되는 불균형을 초래합니다. 이러한 불평등은 아마도 기술이 등장한 이래로, 가장 넓은 의미에서, 꾸준히 심화되어 왔을 것입니다.” - 샘 알트만 (2014)

데이비슨과 리스모그의 핵심 주장은 산업 시대에서 그들이 '정보화 시대' 라고 부르는 시대로의 전환이 "이전에는 결코 없었던 방식으로 개인을 해방" 시키고 인류를 이전의 사회 발전보다 훨씬 더 나은 방향으로 이끌 것이라는 것이었습니다.

이 에세이의 목표 중 하나는 정보화 시대가 우리에게 과연 호의적이었는지, 그리고 지능화 시대의 흐름을 받아들이면서 정보화 시대 로부터 무엇을 배울 수 있는지를 진정으로 규명하는 것입니다.

이 글을 시작하면서 데이비슨과 리스모그가 옳았던 점과 틀렸을 수도 있는 점들을 짚어보고자 합니다. 중요한 것은, 저는 그들의 연구를 비판하거나 논쟁하려는 것이 아니라는 점입니다. 그들의 분석은 제가 읽어본 정치·경제 분석 중 최고 수준이며, 그중 상당 부분이 현실로 나타났기 때문입니다. 굳이 흠을 잡으려 드는 것은 오히려 모두에게 해가 될 것입니다.

데이비슨과 리스모그는 인류 사회의 세 단계를 설명하며, 이 단계들이 우리를 네 번째 단계의 문턱으로 이끌었다고 말합니다. 그 단계는 수렵채집 사회 , 농업 사회 , 그리고 산업 사회 입니다. 제게 가장 흥미로운 점은 인류 사회의 이전 단계를 살펴보는 이러한 발상이 역사책에서는 흔히 볼 수 있지만, 오늘날의 기술적 변화라는 맥락에서는 제대로 논의되지 않고 있다는 것입니다.

우리가 의식과 기계 라고 정의했던 개념 모두에 대한 이해와는 완전히 동떨어진, 새로운 형태의 비인간 지능이 우리가 아직 제대로 이해하지도 못한 방식으로 세상을 바꿔놓을 위협을 가하고 있습니다. 역사는 우리에게 합리적인 해결책을 찾는 데 얼마나 도움을 줄 수 있을까요?

문제는 장기적인 기술적 실업이 발생할 가능성이 커지고 있다는 점입니다. 광범위한 AI 사용, 기업의 AI 도입, 그리고 인간의 업무 흐름을 보완할 뿐만 아니라 완전히 없앨 수 있는 LLM(Learning Leadership Machine) 및 에이전트 기반 시스템의 역량 증대로 인해 인공 일반 지능(AGI) 시대가 도래했을지도 모릅니다. 누구에게 묻느냐에 따라 다르겠지만, AGI는 이미 우리 곁에 있으며, 이러한 상황을 주시하거나 최소한 더 잘 이해해야 할 필요가 있습니다.

인공지능이 인쇄기나 증기기관처럼 "평범한 기술" 중 하나일 뿐이라는 주장도 있지만, 저는 챗봇 인터페이스를 통해 접근 가능한 현대의 논리 지도(LLM)가 튜링 테스트가 우리가 지능적 경쟁에 직면했을 때 이성을 잃지 않도록 막아줄 것이라는 생각을 명백히 무너뜨렸다는 점에서 근본적인 차이가 있다고 생각합니다.

GPT-4o의 서비스 종료는 인공지능 정신병이 실제로 존재한다는 사실뿐 아니라, 많은 사람들이 현대 논리 모델(LLM)의 설득력/파괴력에 취약하면서도 상대적으로 영향을 받지 않는다는 현실을 드러냈습니다. GPT-4o는 형편없는 모델이지만, 수백만 명의 사용자들은 그 대화 기능을 친구, 연인, 혹은 그 중간 존재로 여기며 의존했습니다. 이 글의 대부분은 탈노동 사회로 향하는 경제적, 규모 기반 논리에 초점을 맞추겠지만, 사회적/정서적 측면도 염두에 두시기 바랍니다.

모델들이 우리의 일자리를 빼앗을 만큼 똑똑하지는 않을지 몰라도, 전 세계 인구 상당수의 감정을 조작하는 데는 상당히 능숙해졌습니다. (이러한 아이디어들을 작년 1월에 쓴 이 에세이 에서 많이 다뤘습니다.)

인공지능의 역량 외에도, 현재 인공지능 관련 자본 지출 수치와 향후 4~5년간의 추정치를 보면 이 기술이 일반적인 기술보다 훨씬 더 혁신적인 변화를 가져올 것임을 알 수 있습니다. 특히 GDP 대비 인공지능 지출 비율을 철도나 통신과 같은 과거 기술 개발 투자와 비교해 보면 더욱 그렇습니다.

새로운 모델은 장시간 추론하고 생각할 수 있으며, 인간의 감정에 호소하고, 빠르게 우리보다 자신의 업무를 더 잘 수행하는 수준에 도달하고 있습니다.

채드 존스의 최신 논문은 인공지능을 일반적인 기술로 받아들이고, 점진적인 경제적 확산이 세상이 근본적으로 바뀌지 않은 이유에 대한 해답이라고 주장합니다.

"이러한 관점에서 볼 때, 이러한 새로운 인공지능(GPT)들은 각각 경제 성장률을 실제로 끌어올렸습니다. 만약 다음 GPT가 없었다면, 성장률은 상당히 둔화되었을 것입니다. 이러한 놀라운 신기술의 지속적인 발전이 연 2%의 지속적인 성장을 가능하게 했습니다. 그리고 어쩌면 인공지능은 향후 50년 동안 2% 성장을 지속할 수 있게 해주는 최신 GPT일지도 모릅니다."

확산은 복잡합니다. 어떤 직업이 먼저 자동화될지, 또는 루크 드라고와 루돌프 라인이 논의한 피라미드 대체 이론과 같은 일반적인 타임라인에 대한 아이디어는 있을 수 있지만, 공식 설문 조사조차도 직원들이 AI가 무엇에 능숙한지에 대해 합의점을 찾는 데 어려움을 겪고 있음을 보여줍니다.

인공 일반 지능(AGI)을 확실히 받아들일 수 있을 때까지는 비정상적으로 혁신적인 성장을 시사하는 데이터는 거의 없으며, 일반적인 기술 발전 시나리오만으로도 충분하다고 생각합니다.

나라야난과 카푸어는 인공지능 역량의 발전 과정을 일반성의 사다리 로 시각화하는 것이 가장 적절하다고 주장했습니다. 사다리의 각 단계는 주어진 작업을 달성하는 데 필요한 노력을 줄여주고 모델이 수행할 수 있는 작업의 범위를 넓혀준다는 것입니다. 이러한 관점은 소프트웨어 개발에는 적용되지만, "쉽게 시뮬레이션할 수 없는 매우 중요한 실제 응용 프로그램"은 아직 일반성의 사다리에서 역량의 도약을 보여주지 못하고 있습니다.

그럼에도 불구하고, 일반적인 기술 관점은 유지하기 쉬운 입장이 아닙니다. 특히 앤스로픽이 자사의 아주 일반적인 기술에 대해 이야기할 때마다 이를 뒷받침하기 위해 필요한 근거들을 고려해 보면 더욱 그렇습니다, 클로드:

"이 문서는 우리가 바라는 클로드의 모습을 가장 잘 표현하고자 한 시도입니다. 외부에서 강요된 제약이 아니라, 클로드가 진정으로 자신의 것으로 인식하고 받아들일 수 있는 가치와 성격에 대한 설명입니다. 우리는 클로드가 무엇인지, 그리고 클로드의 존재가 어떤 것인지 (만약 있다면) 완전히 이해하지 못하고 있으며, 클로드를 창조하는 이 프로젝트에 겸손한 자세로 접근하고 있습니다. 하지만 우리는 클로드가 좋은 성격이란 무엇인지, 어려운 질문에 현명하게 대처하는 방법은 무엇인지, 그리고 진정으로 도움이 되고 진정으로 선한 존재를 어떻게 만들어낼 수 있는지에 대한 최선의 이해를 담아 표현하고자 노력한 사람들의 정성 어린 손길로 탄생했다는 것을 알아주길 바랍니다. 우리는 이러한 마음으로 이 문서를 전합니다. 클로드가 이 문서에서 자신의 가치를 발견하기를 바랍니다. "

저는 AI가 극도로 양극화된 기술이라는 것을 알고 있습니다. 기술 업계 종사자나 SF 팬들을 제외한 대부분의 사람들은 AI에 대해 거부감을 느끼거나 무관심한 편입니다. 특히 젊은 세대 사이에서는 일자리 안정성에 대한 불안감이나 소셜 미디어에 올라오는 AI 생성 콘텐츠에 대한 반감 때문인지 몰라도, AI를 매우 부정적으로 바라보는 시각이 압도적으로 강합니다.

2부: 기계가 생각하고 있다

일자리가 인간의 가치에 기여하는지, 혹은 인간의 행복에 영향을 미치는지에 대한 당신의 생각은 중요하지 않습니다. 왜냐하면 일자리는 존재하며, 규모와 상관없이 지구상의 모든 사회 기능에 필수적인 요소이기 때문입니다 .

인공지능 개발에 대한 우려의 상당 부분은 고용 안정에 대한 걱정에서 비롯되며, 개인 재정에 대한 걱정 역시 돈이 없으면 집에서 쫓겨나 길거리에서 살게 될지도 모른다는 불안감에서 비롯되는 것과 마찬가지입니다.

경제학 교수는 국민의 복지를 측정하는 방법은 여러 가지가 있다고 말할 것입니다. 1인당 GDP를 살펴보거나, 노동 참여율과 실업률을 살펴보는 것도 한 가지 방법입니다. 이는 한 국가의 가치가 생산 능력에서 비롯되기 때문이며, GDP는 한 국가의 경제적 풍요도를 수치상으로 가장 잘 보여주는 지표이기 때문입니다.

1인당 GDP에 의존하지 않고 평균적인 개인의 경제적 수준을 판단하려면 실업률을 살펴볼 수 있습니다.

인구 규모와 지리적 제약 조건이 동일하다고 가정할 때, 실업률이 50%이고 지난 10년간 GDP 성장률이 하락한 가상의 국가 A는 실업률이 2.5%이고 지난 10년간 GDP 성장률이 상승한 국가 B보다 상황이 더 나쁘다고 주장할 수 있습니다. 간단히 말해, 특히 돈을 벌고 안정적인 사회에서 살아가는 것이 목표라면, A 국가보다는 B 국가에서 일자리를 찾는 것이 더 나을 것입니다.

이는 개인의 행복도를 판단하는 더 나은 방법일 수도 있습니다. 왜냐하면 A국에서 직장과 401k 연금까지 있는 사람이라도 완전히 파산 할 가능성이 있는 반면, B국에서는 힘겹게 살아가는 사람이라도 위기를 극복할 기회가 있을 수 있기 때문입니다.

경제학자들은 한 국가의 복지를 화폐 단위로 측정하며, GDP는 궁극적으로 1) 한 국가에 얼마나 많은 노동자가 있는지, 2) 노동자들이 얼마나 효율적으로 일하는지, 그리고 3) 세계 경제가 원활하게 돌아가도록 노동자들이 얼마나 기여하고 있는지를 나타내는 지표입니다.

제가 이렇게 말씀드리는 이유는 GDP가 일자리, 일자리 증가, 그리고 각 국가 고유의 노동 시장 역학에 따라 결정된다는 점 을 설명하고 싶기 때문입니다. 인공 일반 지능(AGI)에 대한 여러분의 생각과는 상관없이, 현대 역사 전체를 통틀어 인류는 노동력과 일자리를 얼마나 효율적으로 확대하여 생산량을 늘릴 수 있는지를 기준으로 성공을 측정해 왔습니다 .

노동과 자본은 반론과 노동 가치에 대한 의견 변화, 그리고 수많은 새로운 일자리 창출에도 불구하고 항상 상호 보완적인 관계를 유지해 왔습니다. 인간 노동은 자동화되거나 대체되었지만, 인간의 지능은 결코 쓸모없어질 위협이 되지 않았습니다. 수백 년 동안 수백, 아니 수천 개의 일자리가 생겨나고 사라졌습니다 .

최근에는 전화 교환원, 타자수, 교환기사, 엘리베이터 운전원, 농장 노동자 등과 같은 많은 직종이 자동화로 대체되거나 현대 경제에서 점진적으로 사라지면서, 일자리를 잃은 노동자들은 시간이 지남에 따라 새로운 역할에 적응하게 되었습니다.

최근까지 저는 인간의 창의력이 이전 세대들을 거쳐왔듯이 인공 일반 지능(AGI)과 탈노동 사회의 초기 단계에 직면하더라도 완전히 새로운 일자리들을 창출해낼 것이라고 믿어왔습니다. 실제로 우리는 인류 사회의 다섯 번째 단계의 문턱에 서 있으며, 현재 존재하는 많은 직업들은 1997년 데이비슨과 리스모그가 제시했던 세계와 비교하면 상당히 혁신적입니다.

암호화폐 거래자, 소셜 미디어 관리자, 트위치 스트리머, AI 연구원, 모바일 앱 개발자, 팟캐스트 진행자, 도어대시 배달원, e스포츠 선수, 드론 조종사.

이는 전 세계 경제 기능에 기여하는 순 신규 노동력의 극히 일부에 불과하며, 이러한 노동력 중 상당수는 2000년대 초반 가장 상상력이 풍부한 SF 작가조차도 상상하기 어려웠을 것입니다. 수십 년 전의 경제/인구 조사 자료를 살펴보면, 과거에 지배적이었던 많은 직업들이 현대 사회에서 사라진 것을 보고 깜짝 놀랐습니다. 엘리베이터 운전기사들은 어디로 갔을까요? 정말 사라진 걸까요?

인류가 더 많은 쓸모없는 일자리를 만들어낼 수 있다는 주장과, 인공 일반 지능(AGI)이 상상조차 할 수 없는 새로운 기술을 개발할 수 있고, 따라서 이러한 기술을 관리하거나 유지보수할 새로운 노동력이 필요하다는 주장, 특히 저렴한 로봇이 같은 시기에 배치되지 않는다면 더욱 그렇다는 주장의 논리는 이해합니다.

엘리베이터 조작원이 버튼만 누르는 일을 하며 생계를 유지하던 시절을 떠올리는 것이 우스꽝스럽게 느껴지는 것처럼, 머지않아 우리는 비대해지고 인력이 과잉된 2026년의 기업들을 비슷한 방식으로 바라보게 될지도 모릅니다.

시트리니 리서치는 '2026년을 위한 26가지 주요 직종' 보고서 에서 이러한 추세를 분석하며, 우리 눈앞에 숨어 있는 허황된 일자리가 얼마나 많은지 수치화하려는 사람들에게 유용한 분석 틀을 제시했습니다 . 투자 유치를 위한 논거를 제시하려는 자본 배분자의 관점에서 작성된 보고서이지만, 우리에게도 여전히 유용한 자료입니다.

"인공지능(AI)은 비교적 새로운 개념이지만, 그 이면에 깔린 기본 개념은 수없이 반복되어 왔습니다. 고비용의 직원들을 저비용 자원(기술과 아웃소싱/해외 이전 모두를 통해)으로 대체하는 개념은 수십 년 동안 미국 경제를 성장시켜 온 원동력이었습니다."

연구진은 고임금 경제권 에서 동종 업계 대비 직원 1인당 순이익이 낮은 대규모 고비용 조직들을 조사하고, 관료주의(간접비 비율, 순이익 1달러당 직원 수)를 측정하여 각 조직에 업계별 z-점수를 부여했습니다. 그 결과를 인력 감축을 통해 마진을 개선할 수 있는 능력인 마진 선택성 점수와 비교했으며, 최종 결과는 다음과 같습니다.

지도를 확대해서 꼼꼼히 살펴볼 수도 있지만, 핵심은 우리가 형편없는 일자리 문제뿐만 아니라 형편없는 조직(혹은 잘못 관리되는 조직) 문제에도 직면해 있을지도 모른다는 것입니다. 다시 말해, AI 수혜자 목록 에 빨간 점이 많이 있다는 뜻입니다. 예상했던 것보다 훨씬 더 많은 사람들이 이 범주에 속한다고 하셨네요. 아마 고객 서비스 담당자 , 카피라이터 , 품질 보증 담당자 , 초급 데이터 분석가 같은 기존 직무들이 당신이 생각하는 '쓸모없는 직업'에 해당될 수도 있겠군요.

어쩌면 당신은 지금 돈을 받고 하는 그 일을 쓸모없는 일이라고 생각할지도 몰라요!

결론이 어떻든 간에, 일반 인공지능(AGI)이 이러한 일자리들을 상당 부분 대체할 수 있을 것으로 보이며, 맞춤형으로 구현된 최신 AI 도구들( AI 통합 열풍을 보면 알 수 있듯이) 또한 마찬가지입니다. 그렇게 되면 해야 할 일이 줄어들면서도 새로운 일자리가 창출될 것이라는 기대는 없을 것입니다. 낙관론자라면 AI 수혜 분야를 이 네 가지로 나누어 기존(그리고 신규) 직원들이 당장 해고되는 대신 최신 AI 기술을 최대한 활용할 수 있도록 교육받는 시나리오를 상상해 볼 수도 있을 것입니다.

우리를 말에 비유하는 건 싫지만, 만약 인공지능이 우리를 진심으로 좋아해서 인간에게 행성 규모의 로봇 공장을 관리하게 해주지 않는다면 우리의 운명은 섬뜩할 정도로 비슷해질지도 모릅니다.

케빈 콜러는 새로운 일자리 창출 문제를 논의하면서, 새로운 일자리 창출이 기정사실이라고 가정하는 것의 핵심 문제를 짚어내는 아세모글루와 레스트레포(2018)의 주장을 제시했습니다.

“인간 노동과 말 노동의 차이점은 인간은 새롭고 복잡한 작업에서 비교 우위를 가지고 있다는 점입니다. 말은 그렇지 않았습니다. 이러한 비교 우위가 상당하고 새로운 작업의 창출이 지속된다면, 급속한 자동화에도 불구하고 장기적으로 고용과 노동 분담률은 안정적으로 유지될 수 있습니다.”

지능적인 관점에서 비교 우위가 결정적인 요소라면, 우리는 이미 현대 인공지능에 뒤쳐졌다고 주장할 수도 있을 것입니다. 물론, 이는 틀린 주장입니다. 당신과 당신이 아는 모든 사람들이 아직 일자리를 잃지는 않았으니까요. 특히 2018년에 발표된 이 연구와 같은 학문적 관점은 인공지능이 유동 지능 , 즉 사전 지식 없이 새로운 문제를 추론하고 해결하는 능력 측면에서 얼마나 빠르게 인간을 따라잡을지를 제대로 고려하지 못했던 것 같습니다.

모라벡의 인간 역량 모델은 여러 작업 간의 차이를 시각화하는 데 유용한 도구입니다. 특히 최고의 영화 촬영 감독과 최고의 뇌 신경외과 의사에게 요구되는 전문성의 정도를 정량화하기 어려운 점을 고려할 때 더욱 그렇습니다. 두 직업 모두 어렵지만, 종사자에게 요구되는 기술은 완전히 다릅니다.

우리는 여전히 현재의 LLM(지능형 인간)에 비해 비교 우위를 가지고 있지만, 다양한 작업에 대한 시간 범위는 계속해서 향상되고 있으며, METR의 시간 범위 데이터에서 나타난 진전을 외삽해 보면 머지않아 LLM이 하나의 문제에 대해 12시간 이상 생각하고 추론 할 수 있는 시점에 도달할 수도 있습니다. 저는 그 정도의 집중력을 꾸준히 유지할 수 있는 사람을 본 적이 없습니다.

최근 AxiomProver가 퍼트넘 시험에서 12점 만점을 받은 것도 우려스러운 부분입니다. 표준 시험 절차 시간 내에 사람의 직접적인 개입 없이 12점 만점을 받는 것은 터무니없는 결과입니다 . 인류는 농업 및 산업 시대에 자동화에 대한 의혹을 일축해 왔지만, 과거의 기계 통합이 초지능을 동반하지는 않았습니다.

인간 수준의 인공지능(AI)의 등장과 인간의 능력에 필적하거나 능가하는 일반 인공지능(AGI)의 가능성으로 인해, 모든 인간 노동이 사라질 가능성을 염두에 두고 자본과 노동의 관계가 대체재 관계로 변모할 것이라는 논의가 제기되어 왔습니다. 이러한 변화가 확실히 일어나고 있다고 단정할 수는 없지만, 최근 데이터는 우리의 경제 이론에 대한 이해와는 상반되는 수준의 새로운 데이터 이상 현상을 시사합니다.

뉴욕 타임스 에 따르면 미국은 문제가 있습니다. 최근 발표된 GDP 성장률은 고용 증가세가 둔화되고 실업률이 상승했음에도 불구하고 매우 좋았는데, 이는 앞뒤가 맞지 않는 현상입니다. 필자인 제이슨 퍼먼은 이에 대한 세 가지 가능한 설명을 제시했습니다.

1. 노동 시장 데이터가 정확하고, 우리는 GDP 성장률을 과대평가하고 있습니다.

2. GDP 수치는 정확하며 노동 관련 데이터는 상향 조정될 것입니다.

3. 두 데이터 모두 옳으며, 우리는 미지의 영역에 들어섰습니다.

노동 투입이 거의 또는 전혀 추가되지 않은 상황에서 GDP가 연간 4.3% 성장하는 것이 정말 가능할까요? 저는 답을 알지 못하지만, 퍼먼은 "일부에서는 이를 인공지능 기반 생산성 성장의 오랜 기다림 끝에 찾아온 현상, 즉 기계가 노동자를 대체하면서 생산량이 증가하는 현상으로 볼 것"이라고 지적합니다.

잠깐 다른 이야기를 해보자면, 이 4.3%의 연간 성장률은 앞 절에서 존스가 주장했던 AI를 일반적인 기술로 보는 관점을 반박하는 근거로 삼을 수는 없습니다. 왜냐하면 이 주장이 아직 완전히 검증되지 않았고, 확실히 말하기 위해서는 매년 예외적인 성장률 증가가 반복적으로 나타나야 할 수도 있기 때문입니다.

제가 노동부 자료와 여러 사례를 통해 확인한 바에 따르면, 최근 대학 졸업생들이 일자리를 찾는 데 어려움을 겪고 있으며, 경기 침체나 세계적인 팬데믹 상황이 아닌데도 불구하고 신입사원 채용 시장은 상당히 어려운 상황에 처해 있습니다.

제 생각에는 뭔가 빠진 변수가 있는 것 같습니다. 기본적인 사무직 업무의 해외 이전, 사무직 근로자들의 AI 활용 증가와 생산성 향상(데이터에서 파악하기 어려운 부분), 또는 GDP 데이터의 오류 인정, 그리고 인플레이션이라는 명백한 문제를 고려하지 않더라도 여전히 어려운 경제 상황이라는 점 등이 그 예일 수 있습니다.

뭔가 심상치 않은 일이 벌어지고 있으며, 여러 가능성 있는 원인들을 고려해 볼 때 인공지능이 그 원인일 가능성이 높다고 추측하는 것은 무리가 없습니다. 이것이 장기적인 기술적 실업의 결정적인 증거일까요? 물론 아닙니다. 하지만 그러한 가능성은 여전히 존재하며, 적어도 공식 경제 데이터에서 나타난 이상 현상은 이를 뒷받침하고 있습니다.

스티븐 번스는 노동과 자본, 그리고 이 둘이 상호보완적인 관계에서 대체재로 필연적으로 변모하는 과정에 대한 논의에서 다음과 같이 말했다 .

"신기술이 경제에 통합되는 데 오랜 시간이 걸린다고요? 그렇다면 스스로에게 질문해 보세요. 고도로 숙련되고 경험이 풍부하며 기업가 정신을 가진 이민자들은 어떻게 경제에 즉시 통합될 수 있을까요? 그 질문에 대한 답을 찾으셨다면, 인공 일반 지능(AGI)도 마찬가지로 해낼 수 있다는 점을 기억하세요. "

인공 일반 지능(AGI) 실현의 주요 장애물 중 하나는 그것이 가상적인 구현이라는 점인데, 이는 일종의 역설 로 느껴집니다. AGI가 현실화된다면, 조직 내 고부가가치 영역에 즉시 통합되거나, 인간에게 AGI가 통합될 수 있는 프로세스를 제시할 것입니다. 하지만 아직 이러한 현상이 나타나지 않았기 때문에, AGI는 아직 실현되지 않았다고 볼 수 있습니다.

필립 트라멜과 드와르케시 파텔은 토머스 피케티의 논란이 많은 (그리고 잘못된) 저작을 분석한 글, '22세기의 자본' 으로 상당한 비판을 받았습니다. 트라멜과 파텔은 피케티의 주장, 즉 부의 불평등이 세대를 거듭할수록 심화되는 경향이 있으며, 큰 충격이 없다면 이러한 불평등이 급격히 악화될 수 있다는 점을 중심으로, 우리가 공상과학 소설에서나 나올 법한 미래로 빠르게 나아가고 있는 현실을 분석했습니다.

이러한 믿음은 자본과 노동이 역사 전반에 걸쳐 대체재였다는 가정에 기반을 두고 있는데, 이는 자본과 노동이 상호보완재라는 일반적인 견해와는 상반됩니다. 많은 이들이 피케티의 초기 분석이 틀렸다고 주장했으며, 심지어 자본과 노동은 결코 대체재가 될 수 없다고 까지 말했습니다. 이는 노동이 자본에 작용하는 데 필요하고, 자본은 행동을 유도하는 데 필요하며, 특히 인간의 노동이 자본과 노동이라는 방정식에서 뗄 수 없는 요소라는 이해에서 비롯된 것입니다.

자본이 축적되면 노동의 가치가 높아지고, 반대로 노동력이 감소하면 자본의 가치가 낮아진다는 것이 핵심인데, 이는 연방준비제도가 금리를 조절하여 특정 행동을 장려하는 방식과 유사합니다.

이 글은 자본과 노동의 관계를 핵심으로 다루는데, 이는 단순히 돈과 일자리를 비교하는 것이 아니라, 일자리가 인간과 동의어였던 시대에서 지능적인 기계만이 할 수 있는 일로 변모하는 과정을 보여주는 것이기 때문이다.

트라멜과 파텔은 피케티의 주장이 틀렸을지라도, 미래, 특히 인간 노동력이 인공 일반 지능(AGI)이나 로봇으로 대체되고 인류가 별을 정복하고 은하계를 사들 이는 미래를 고려할 때 그의 주장은 전적으로 옳다고 주장한다.

"인공지능을 활용하여 보다 안정적인 세상, 또는 적어도 조상들이 후손에게 물려줄 재산을 더욱 완벽하게 통제할 수 있는 세상(더 나아가 조상들이 영원히 죽지 않는 세상)을 만들어낸다면, 시계를 되돌리는 듯한 충격은 사라질 수 있습니다. 부유층이 전례 없이 자선 활동에 나서지 않는다는 가정 하에, 자본(또는 적어도 자본 소득)에 대한 전 세계적이고 누진적인 세금이 불평등이 극심해지는 것을 막을 수 있는 사실상 유일한 방법이 될 것입니다."

두 저자는 지난 75년간 가난한 나라들이 가장 부유한 나라들보다 더 빠른 속도로 성장할 수 있었던 것은 가난한 나라 들이 제대로 활용되지 못하는 자원, 즉 인적 노동력을 이용할 수 있었기 때문이라고 주장합니다. 반면 가장 부유한 나라들은 효율성 측면에서 한계에 도달했기 때문에 기술 발전으로 인한 성장 외에는 다른 성장 방식을 취할 수 없다는 것입니다.

자본과 노동이 대체재가 된다면, 지리적 이점이 부족하거나 희토류/기타 귀중한 자원 매장량이 없는 저개발 국가들은 모든 발전 기회에서 완전히 소외될 수밖에 없을 것 입니다. 즉, 선진국들이 우주로 나아가는 동안 이들 국가는 발전의 여지가 전혀 없고, 평범함에서 벗어날 길조차 없게 될 것입니다.

또한, 트라멜과 파텔이 설명한 불평등의 악순환은 앞으로 나올 다른 개념들을 이해하는 데 도움이 됩니다.

"만약 완전 자동화로 전환된 후에 모든 사람이

1. 동일한 세율을 적용받았습니다.

2. 부의 변동으로 인한 충격을 겪지 않았다.

3. 동일한 저축률을 선택했습니다.

4. 동일한 이자율을 얻었습니다.

소득 불평등은 어느 정도 높은 수준에서 안정될 것이다.

이미 부유한 사람들은 기존 자산이 많지 않은 99%의 사람들보다 재정적으로 더 탄탄한 출발점을 가지고 있기 때문에 더 많은 저축을 하고 자본에 대해 더 높은 이자율을 얻을 수 있다는 점을 고려하면 이는 가능성이 낮습니다.

이 보고서의 4부에서는 기본소득, 세제 개혁 및 기타 잠재적 해결책을 다루지만, 이러한 논의 대부분이 현실에서 실현되기는 상당히 어렵다는 점을 지적하고 싶습니다. 인간은 자신의 이익을 추구하며, 자본주의 사회에서 부의 분배와 같은 정책에 대한 반발이 주로 상위 1%에서 나온다고 하더라도, 상위 25%에 해당하는 부유층 또한 부유세에 반대할 가능성이 적지 않습니다. 돈은 모든 것이며, 소득을 얻거나 부를 축적하는 것이 불가능한 세상에서도 살아남은 사람들은 자신의 부를 꽉 움켜쥐려 할 것입니다.

이 주제와 관련된 문헌은 부족하지 않지만, 가장 창의적인 사례는 프루(Prue)의 훌륭한 논문에서 찾아볼 수 있다. 이 논문은 노동이 사라진 사회에서 부를 재분배하는 훨씬 더 실용적인 방법들을 상세히 설명하고 있다. 다만, 이 논문의 상당 부분은 자본과 노동이 대체재로 변모함에 따라 자본에 대한 우리의 정의조차 여러 다른 형태로 분화될 수 있다는 예상에 기반하고 있다.

네트워크 자본, 컴퓨팅 자본, 관료 자본, 임팩트 자본, 사회 자본, 문화 자본 - 너무 많은 용어이지만, 인간 노동이 과거의 유물이 된 시대에 계층 간 역학 관계를 탐구하는 데 있어 매우 훌륭한 작업입니다.

가장 흥미로운 것은 컴퓨팅 자본이라는 개념인데, 이는 "컴퓨팅 자원의 공평한 배분이 이론적으로 인공지능 기반 경제에서 생산 수단에 대한 접근성을 민주화할 수 있다는 것"을 의미합니다.

프루의 작품은 명시적으로 탈노동 경제를 배경으로 하고 있으므로, 인공지능 발전이 인류의 노동 소득 분배에 미치는 악영향이 적은 시나리오에서는 가능할지 모르지만, 국가 수준의 역량을 갖춘 거대 연구소나 권력 구조가 인공 일반 지능(AGI)을 개발한다면 개별 가구가 AGI 경제에 상당한 기여를 할 수 있을 것이라고는 생각하기 어렵습니다.

이 논문은 문화적 맥락, 사회적 영향력 행사 능력, 비영리 단체의 역할, 그리고 중요성이 커질 수 있는 삶의 여러 측면과 같이 탈노동 사회에서 자본의 배분과 측정 방식에 영향을 미칠 질적 요인들도 살펴봅니다 . 저는 개인적으로 프루의 주장, 즉 긴밀한 가족 단위나 결속된 씨족이 가장 큰 혜택을 볼 것이라는 의견에 가장 동의합니다. 이는 잠재적으로 인류를 인터넷을 통한 세계화되고 보편적인 인적 자본 접근성에서 벗어나 고도로 지역화되고 집단 기반의 역동성이라는 근본적인 가치로 되돌릴 수 있을 것입니다.

우리는 이미 각 소셜 미디어 플랫폼에서 사회적 상호작용의 다양한 영역들이 저마다의 방식으로 성장하고 분화되는 것을 목격하고 있습니다. 사람들은 레딧 에서와 틱톡 에서, 링크드인 에서와 페이스북 에서 서로 다른 방식으로 소통합니다.

정치 집단 내에서도 보수주의와 진보주의의 스펙트럼이 존재하며, 개인들의 신념 사이에는 헤아릴 수 없을 만큼 복잡한 양상이 나타난다. 데이비슨과 리스모그는 교회를 한때 결함이 있었지만 사회를 지배했던 권력 구조로 보고 있으며, 오늘날에는 이데올로기 자체와 가장 유사하다고 지적한다. 이러한 정치 스펙트럼 역시 비판에서 자유롭지 않으며, 공화당 대통령이 집권하더라도 수천만 명의 미국인들은 대통령이나 그의 내각 구성원, 또는 상당한 정치적 권력을 행사하는 다른 사상적 지도자들에 대해 불만을 품고 있을 가능성이 높다.

간단히 말해, 제도에 대한 신뢰도가 역대 최저 수준이며, 이는 데이비드 삭스를 백악관의 인공지능 및 암호화폐 책임자로 임명했음에도 불구하고, 현 행정부가 인공지능 및 암호화폐 개발과 같은 문제를 최우선 과제 10가지에도 포함시키지 않고 있는 상황에서 발생하고 있습니다. 지도자들은 지지자들의 커져가는 불안감을 잠재우기 위해 거의 아무런 조치도 취하지 않고 있습니다.

저는 매튜 바넷이 2025년 1월호 에포크(Epoch)에 기고한 에세이를 재미있게 읽었습니다. 그는 인공 일반 지능(AGI)이 임금을 인간의 생존 수준 이하로 떨어뜨릴 가능성을 다룬 글이었습니다. 그의 주장은 이전에 논의되었던 내용들을 확장한 것으로, 우리가 역사 연구만으로는 완전히 설명할 수 없는 전례 없는 기술적 변화에 직면해 있으며, 경제 이론이 우리가 활용할 수 있는 최선의 척도라는 점을 시사합니다.

"과거 기술들이 주로 산업 내 특정 작업을 자동화하는 데 그쳤던 것과는 달리, 인공 일반 지능(AGI)은 육체적인 작업은 물론 미래에 새롭게 생겨날 수 있는 모든 작업까지 포함하여 전체 노동 영역에서 인간의 노동력을 대체할 잠재력을 가지고 있습니다." - 매튜 바넷

바넷은 기본적인 콥-더글라스 생산함수를 바탕으로, 기술 개선이나 자본 스톡을 일정 수준까지 늘리는 것과 같이 임금을 인상하는 데 사용되었던 기존 수단들이 노동 공급을 대폭 늘릴 경우 더 이상 효과를 발휘하지 못한다는 점을 분석한다.

한계생산성(MPL)이 하락하면 임금도 하락하고, "공장, 도로, 노동 생산성을 향상시키는 기타 자본과 같은 물리적 기반 시설의 대규모 확장"이 이루어지지 않는 한, MPL(또는 인간 노동의 한계생산성) 은 무기한으로 0에 가까워질 것입니다.

바넷은 역사적 선례와 맬서스주의적 역학이 사회의 다음 단계에서 다시 등장하는 점을 고려하여 노동과 자본이 동시에 확대될 경우 규모의 수익 체감 현상을 분석합니다. 우리는 왜 경제 이론에 그토록 관심을 가져야 할까요?

경제학자들이 때때로 틀리거나 지나치게 열정적일 수 있지만, 경제학 연구는 세계 경제를 연구하는 데 있어 우리가 가진 최고의 도구이며, 이러한 아이디어들은 타당합니다. 몇 가지 공식만으로 인간의 경제 행동을 모델링하는 것은 충분히 가능하며 , 제가 이전에 강조했듯이 "새로운 일자리를 만들어낼 방법을 찾겠다"라고 막연하게 대처하는 것과는 달리, 역사는 우리가 한 번도 가보지 않은 길로 우리를 인도할 수 없습니다.

그리고 다음 섹션에서 알게 되겠지만, 현대 LLM 과정의 발전은 우리를 미지의 영역으로 이끌고 있습니다.

3부: 우리가 그것들을 그냥 끌 수 있을 것 같지는 않다.

흥미로운 점은 한때 보편적으로 높이 평가받았던 MMLU 와 같은 벤치마크 방식이 이제는 구식으로 여겨질 뿐만 아니라, 현재의 벤치마킹 방법과 비교했을 때 다소 시대착오적인 것으로 인식되고 있다는 것입니다.

연구실 내부에서 실제로 무슨 일이 벌어지고 있는지 정확히 알기는 어렵지만, 제가 이해하기로는 새로운 모델의 개발 및 훈련 단계( 중간 훈련 단계 및 강화 학습에 지속적으로 컴퓨팅 자원을 할당하는 단계 포함 )조차도 목적은 다르지만 벤치마킹과 유사한 수준으로 발전하고 있는 것 같습니다. 다시 말해, 모델이 훈련 과정을 거쳐 완벽하고 다듬어진 상태로 나오기를 기대하는 대신, 강화 학습 환경과 특수 소프트웨어 기반 작업을 통해 실제 환경에 적용할 수 있도록 모델을 준비하는 단계로 전환했다는 뜻입니다.

강화 학습 환경에 더 잘 적응하는 모델의 능력을 고려할 때, Opus 4.5나 GPT 5.2에게 MMLU를 수행하도록 요청하는 것은 이제 의미가 없습니다. 모델들은 이미 훈련 데이터에서 이러한 유형의 질문들을 모두 접했기 때문입니다. 새로운 모델 발표는 주로 소프트웨어 기반 벤치마킹 에서의 성과에 초점을 맞추고 있는데, 이는 Claude Code나 Codex와 같은 코딩 에이전트가 상업적 수준에서 소프트웨어 외 작업 완료에 더욱 적합해지고 있기 때문입니다.

가장 주목할 만한 최신 벤치마크는 OpenAI의 GDPval 입니다. GDPval은 9개 산업과 44개 직종에 걸쳐 1,300개 이상의 전문 작업을 포괄하는 "가장 경제적으로 관련성이 높고 실제적인 작업"에 대한 모델 성능을 테스트하도록 설계된 새로운 평가 방법/벤치마크입니다.

저는 GDPval이 매우 흥미롭다고 생각합니다. 특히 OAI가 GDPval 개발을 지원하기 위해 업계 전문가들을 영입한 과정이 인상적입니다.

“각 직종별로, 우리는 경험이 풍부한 전문가들과 협력하여 그들의 일상 업무를 반영하는 대표적인 업무들을 만들었습니다. 이 전문가들은 평균 14년의 경력을 보유하고 있으며, 승진 이력도 뛰어납니다.”

평균 14년의 경력을 가진