도널드 트럼프 미국 대통령은 31일(현지시간) 세계 최대 가상화폐 거래소 바이낸스 해킹 사건이 북한 소행으로 확인되면 북한과 직접 논의하겠다고 말했다.

트럼프 대통령은 이날 플로리다주 마러라고 자택에서 만난 기자들이 북한과 바이낸스 해킹 사건에 관해 묻자 "알아보고 있다. 걱정하지 않는다"고 답했다.

AI에 대한 내 일요일 밤의 사색:
대다수 기업들이 AI로부터 생산성 향상을 보지 못하는 이유는 AI의 주된 사용 사례가 기존 인간 업무를 가속화하는 데 그치기 때문이지, 업무 수행 방식을 재설계하는 데 있지 않기 때문이다.

AI를 사용하는 것이 대형 조직의 수익을 마법처럼 10% 증가시킬 수는 없다. 그 문턱은 “내 직원들이 충분히 일하지 않고 있다”가 아니다. 수익 증가는 아이디어, 실행, 그리고 반복의 조합에서 나온다. 그 대부분은 시간이 걸린다. 왜냐하면 반대편의 인간들(소비자들)이 반응하고 그들의 결정을 바꿔야 하기 때문이다. 수익은 올 테지만, 지연된다.

아니, 단기적인 생산성 향상의 대다수는 직원들이 기존 직무에서 더 효율적으로 일하게 만드는 데서 나온다. 적어도 초기에는, 그 이득은 직원들에게 돌아가는데, AI가 그들의 일을 더 쉽게 만들어 주기 때문에 일하는 시간이 줄어들기 때문이다.

그래서 데이터에 나타나지 않는 것이다. 생산성은 유급 시간당 산출물이다. 직원이 예전에는 8시간 걸리던 일을 6시간 만에 끝내고 나머지 2시간을 쉬는 시간을 갖는다면, 유급 시간은 줄지 않고 산출물도 증가하지 않는다. 측정된 생산성은 제자리걸음이다. 이득은 실제로 존재하지만, 노동자가 그것을 차지하는 것이지 기업이 아니다.

또한 그것은 깔끔하게 합산되지 않는다. 여섯 명에게 하루 60분씩을 절약한다고 해서 일곱 번째 사람이 생기는 것이 아니다.

시간이 지나면서 기업들은 인력을 줄이고 더 적은 인원으로 동일한 양의 일을 처리하게 될 것이다. 그 과정은 시간이 걸린다. 왜냐하면 AI는 현재 개별 업무에서는 꽤 괜찮지만 전체 직무나 워크플로우에서는 아직 훌륭하지 않기 때문이다. (그것이 다음 5천억 달러 규모의 훈련이 해결해야 할 부분이다!)

AI 효율성으로 인해 사람들을 해고하는 것은 지금 당장 좋은 신호가 아니다. 그래서 마이크로소프트가 아니라면, 가능한 메커니즘은 이직에 대한 후속 채용을 중단하거나 늦추는 것이다. 전형적인 사무직 이직률은 연간 10-15%다. 그 자리의 4분의 1을 비워두면 해고 없이 인력이 연간 몇 퍼센트씩 줄어든다.

이것은 첫 번째 물결일 뿐일 수 있다. 경제학자 폴 데이비드(Paul David)가 1990년 논문 “The Dynamo and the Computer”에서 보여준 바와 같이, 최초의 전기화된 공장들은 단순히 증기 엔진을 전기 엔진으로 바꿔치기하고 나머지는 그대로 두었으며, 생산성은 거의 움직이지 않았다. 큰 이득은 공장들이 전기를 중심으로 재설계되고 각 기계에 모터가 달렸을 때에야 나타났다. 그것은 공장과 전력망을 재건해야 했기 때문에 수십 년이 걸렸다. AI는 이미 존재하는 인프라 위에서 작동하므로 그만큼 오래 걸리지 않을 것이다. 하지만 순서는 같을 것이다: 효율성 이득이 먼저 오고, 워크플로우 재설계 이득은 나중에 오며 더 크다.

“데이터에 생산성 향상이 나타나지 않는다”에서 “AI는 생산성을 증가시키지 않는다”라고 결론짓는 것은 후행적이고 불완전한 지표에 과도하게 의존하는 것이지, 노동자 수준에서 근본적으로 일어나는 일을 보는 것이 아니다.

또한 아직 이르다. 대부분의 기업들은 지난 6-12개월 동안에야 AI를 본격적으로 사용하기 시작했으며, AI 모델에 지출하는 금액은 여전히 인력에 지출하는 금액에 비해 반올림 오차 수준이다. 1년 전에 도입된 오버헤드의 극히 일부 비용인 도구가 아직 국가 생산성 수치에 나타나지 않을 것이다.

내가 옳다면, 앞으로 2-3년 동안 주목할 것은 다음과 같다:

1) 인력이 평평하거나 줄어드는 기업들에서 직원당 수익이 상승하는 것.

2) AI에 가장 노출된 역할들에서 초급 채용이 둔화되는 것.

전체 산업이 너무 빠르게 움직이고 있어서 미친 듯하지만, 스케일링 법칙만큼 깔끔하게 행동하지 않는 “현실 세계 병목 현상”(사람들, 조직, 고객들)이 여전히 있다는 점을 기억할 가치가 있다.