AI 자동화 절벽은 이미 시작되었다

David Shapiro의 수정된 automation cliff(자동화 절벽) 이론은 설득력이 있습니다. 이는 경제 전반의 붕괴가 아니라, value stream(가치 흐름) 단위로 일어나는 개별적인 추락의 연속입니다. 그는 당초 2030년까지 광범위한 변곡점이 올 것으로 예상했으나, 이제는 대체 현상이 경제 전체가 아닌 특정 비즈니스 기능 내에서 급격히 가속화되고 있다고 설명합니다. 절벽은 실재하며, 그 도래 방식이 더 세분화되어 있을 뿐입니다.

워크플로우와 가치 흐름의 차이는 매우 중요합니다. 워크플로우는 직원 중심의 프로세스(예: 고객 문의 대기열)를 의미합니다. 반면, 가치 흐름은 모든 고객이 답변을 받도록 보장하는 것과 같은 근본적인 비즈니스 성과를 의미합니다. 자동화는 이러한 더 깊은 성과 중심의 계층을 겨냥합니다.

이러한 디지털 정밀함이 우리가 목격하는 갑작스럽고 거대한 변화를 설명합니다. 인프라 자동화 엔지니어 출신인 Shapiro는 Terraform과 같은 도구를 사용하면 엔지니어가 파일 하나에서 숫자 하나만 변경하여 서버를 10대에서 10,000대로 확장할 수 있다고 지적합니다. 예를 들어, Amazon은 2011년에 11.6초마다 새로운 코드를 배포하여 피크 타임에 30,000대의 서버를 동시에 업데이트했습니다.

이러한 arbitrary scalability(임의적 확장성) 원칙은 디지털 자동화 프로세스가 안정적으로 작동하기 시작하면, 테스트 단계에서 거대한 규모로 즉시 전환될 수 있음을 의미합니다. 절벽은 완만한 경사가 아니라, 완성된 각 가치 흐름에 닥치는 갑작스러운 추락입니다.

자동화는 기존의 프로젝트 관리를 무의미하게 만들 정도로 노동 시간을 급격히 압축합니다. 영국 노동연금부(Department for Work and Pensions)의 사례를 보면, 12개의 소프트웨어 로봇이 30,000건 이상의 연금 청구 적체 업무를 단 2주 만에 처리했습니다. 이는 점진적인 개선이 아니라, 전체 대기열을 즉각적으로 삭제한 것입니다.

Airbnb도 AI 보조 테스트 파일 마이그레이션 과정에서 비슷한 가속화를 경험했습니다. 엔지니어들은 수동으로 작업할 경우 18개월이 걸릴 것으로 예상했지만, AI는 4시간 만에 작업의 75%를 완료했습니다. 인간의 검증과 엔지니어링 감독이 뒷받침된 이러한 빠른 압축은 AI가 수년 걸릴 업무를 몇 시간으로 단축할 수 있는 능력을 보여줍니다.

Klarna의 AI 어시스턴트는 이러한 '하룻밤 사이의' 변화를 더욱 잘 보여줍니다. 첫 달에만 230만 건의 고객 대화를 처리했습니다. Klarna는 이를 700명의 정규직 상담원이 수행한 것과 같은 효과로 평가하며, 평균 응답 시간은 11분에서 2분 미만으로 단축되었습니다. 이는 단순한 효율성을 넘어 customer service capacity(고객 서비스 역량)의 근본적인 재정의입니다.

공통점은 점진적인 이득이 아니라 discontinuous transformation(불연속적 변혁)입니다. 워크플로우나 가치 흐름이 완전히 자동화되면, 해당 특정 영역에서의 인간 노동 수요는 서서히 줄어드는 것이 아니라 사라져 버립니다. 이는 느린 하락이 아니라, 산업 전반에 걸쳐 프로세스 단위로 반복되는 cliff event(절벽 현상)입니다.

절벽의 증거는 실재하지만, 홍보 내용보다 훨씬 복잡합니다. 노동 시장의 신호는 균일하게 암울한 것이 아니라 점점 더 불균형해지고 있습니다. 콜센터 및 고객 서비스 고용은 감소했으며, 프리랜서 작가 및 코딩 관련 일자리도 줄어들고 있고, 고용주들은 정리해고 발표 시 점점 더 AI를 언급하고 있습니다.

중요한 점은 집계된 고용 추세가 AI만을 유일한 원인으로 지목하지는 않는다는 것입니다. 팬데믹 시대의 과도한 채용, 금리, 파업 등도 최근의 감원에 영향을 미쳤습니다. Sam Altman이 직접 관찰했듯이, 계획된 정리해고의 원인을 AI로 돌리는 'AI-washing(AI 워싱)'조차 데이터를 왜곡할 수 있습니다.

자동화의 신뢰성 또한 상당한 걸림돌이 됩니다. 예를 들어, 호주의 Commonwealth Bank는 음성 봇을 도입한 후 콜센터 일자리 45개를 감축했으나, 몇 주 만에 해당 일자리가 불필요한 것이 아니었음을 인정하며 결정을 번복했습니다. 마찬가지로, 초기에는 AI 어시스턴트로 찬사를 받았던 Klarna도 품질 저하를 겪은 후 CEO가 이를 "VIP 대우"라고 표현하며 다시 인적 지원(human support)에 집중하기로 했습니다.

이러한 번복 사례들은 연속적인 신뢰성 "나인(nines)"을 달성하기 위한 노력이 얼마나 어려운지를 보여줍니다. OpenAI의 공동 창립자 Andrej Karpathy가 언급했듯이, 90%의 성공률을 보이는 데모는 "첫 번째 나인일 뿐"입니다. Terraform과 같은 도구에서 볼 수 있는 완벽한 자동화(perfect automation) 수준인 99%나 99.9%에 도달하려면(인프라 코드화에 대한 추가 읽기 자료: Introduction to Terraform - HashiCorp Developer) 엄청난 노력이 필요합니다. 어떤 가치 흐름은 몇 달 안에 한계점에 도달하겠지만, 어떤 것은 몇 년이 걸릴 것입니다.

집계되고 평활화된 국가 통계는 자동화가 가져오는 급격하고 국지적인 영향을 쉽게 가릴 수 있습니다. 각 가치 흐름의 절벽(value-stream cliff)은 각자의 일정에 따라 도달하며, 인력 대체는 종종 공개적인 해고가 아닌 조용한 자연 감소나 채용 지연의 형태로 나타납니다. 이러한 숨겨진 변화는 변화의 진정한 속도를 가립니다.

미 연방준비제도(Federal Reserve)는 최근 12개 지구 중 5개 지구의 기업들이 AI 투자 이후 자연 감소나 채용 지연을 통해 인력을 감축했다고 보고했습니다. 동시에 스탠퍼드 대학의 연구에 따르면, 2022년 말 이후 AI 노출도가 높은 직종의 젊은 근로자(22~25세) 고용은 11% 감소한 반면, 노출도가 낮은 직종의 동료들은 10% 성장한 것으로 나타났습니다. 상관관계가 곧 인과관계는 아니지만, 신호는 분명합니다.

이는 David Shapiro의 노동 이후 경제학(post-labor economics)으로 이어집니다. 기계가 더 많은 일을 수행하게 되면, 오직 인간의 노동(human work)에만 결부된 임금은 줄어들 것입니다. 따라서 중요한 질문은 소유권과 더 넓은 부의 분배로 옮겨갑니다. Shapiro는 향후 5년 이내에 이러한 근본적인 경제적 재평가가 이루어질 것으로 예측하며, 이는 우리가 시급히 주목해야 할 일정입니다.

David Shapiro가 말하는 자동화 절벽(automation cliff)이란 무엇인가요?

작업이나 가치 흐름은 자동화가 신뢰할 수 있는 수준이 될 때까지 인간이 주도하다가, 이후 빠르게 소프트웨어로 대규모 전환될 수 있습니다.

Shapiro는 왜 수천 개의 자동화 절벽이 존재한다고 말하나요?

기업들은 모든 업무를 한꺼번에 대체하는 대신, 서로 다른 속도로 개별 워크플로우와 비즈니스 성과를 자동화하기 때문입니다.

AI 자동화는 항상 일자리를 없애나요?

아닙니다. 해고 없이 채용이나 업무량을 줄일 수 있으며, 일부 기업은 자동화된 서비스 품질이 기대에 미치지 못할 때 감축 결정을 번복하기도 했습니다.

가치 흐름(value stream)이란 무엇인가요?

가치 흐름이란 직원의 개별 워크플로우를 넘어 고객이나 비즈니스가 가치를 두는 성과를 창출하기까지의 엔드투엔드(end-to-end) 업무를 의미합니다.