Top
검색버튼 메뉴버튼

AI의 5단계 발전

‘머신러닝’에서 ‘휴먼 러닝’으로
AI는 인간을 사랑하게 될까

조동성 | 352호 (2022년 09월 Issue 1)
편집자주

이 글의 원본은 『AI 시대의 경영전략: 전략의 고수가 되는 방법(조동성/문휘창 공저, 서울경제경영, 2022)』에 ‘프롤로그’와 ‘에필로그’로 나뉘어 게재됐고 『AI가 인간에게 묻다(김광석 외 공저, 지식노마드, 2022)』에 ‘4장 AI와 경영’이란 제목으로 게재됐다.


Article at a Glance


AI는 머신러닝 단계인 1.0을 넘어 현재 딥러닝 단계인 2.0까지 와 있다. 그리고 AI 2.0까지는 과학기술의 발전 방향에 맞춰 AI가 진화했다. 최근 AI에 대한 관심과 그에 따른 투자가 비약적으로 증가하면서 향후 AI 발전의 방향성은 AI를 필요로 하는 시장과 고객의 니즈에 맞출 가능성이 크다. 향후 1∼2년 내 나타날 것으로 전망되는 AI 3.0은 시스템 러닝(System Learning), 즉 체계 학습이다. 이 단계에서는 딥러닝에서 블랙박스로 간주한 데이터와 해답 사이에 존재하는 규칙을 알 수 있게 된다. 또한 AI 4.0은 다이내믹 러닝(Dynamic Learning) 단계로 데이터와 기존 패턴에 의존하는 기존 AI와 달리 데이터로부터 해방돼 미래를 예측할 수 있게 될 전망이다. 또한 AI 발전의 마지막 단계라 할 수 있는 AI 5.0는 휴먼 러닝(Human Learning) 단계다. AI는 인간처럼 실수와 실패를 통해 배우고 발전할 수 있게 된다.



AI가 어떤 단계를 거쳐 발전할 것인가에 대한 예측은 전문가마다 다르다. 관련 기술을 공급하는 과학기술계에서는 AI의 발전 단계가 양자 컴퓨터를 비롯한 기반 기술의 발전에 따른 종속변수라고 주장한다. 이에 반해, AI 프로그램을 활용하는 경제•경영계 등 사용자들은 소비자가 원하는 방향으로 AI가 발전할 것이라고 예상하고 있다.

필자는 두 가지 견해가 다 일리 있다고 본다. AI가 시장에서 적극적으로 활용되기 이전까지는 기반 기술의 종속변수로 보는 견해가 타당한 듯하고, 시장에서 AI가 적극 활용되고 R&D 투자가 본격화되는 시점부터는 시장이 주도하는 방향으로 흘러갈 가능성이 높아 보인다. 이를 두고 도널드 마틴 주니어 구글 선임 기술 프로그램 매니저와 앤드루 무어 구글 클라우드 AI 부서장은 HBR(하버드비즈니스리뷰) 기고를 통해 “AI 기술자들은 기술을 뛰어넘은 그 이후를 생각해야 한다(AI Engineers Need to Think Beyond Engineering)”고 주장하기도 했다.1

그렇다면 개발자 중심에서 사용자 중심으로 AI 발전 방향에 대한 주도권이 바뀌는 터닝포인트는 언제일까? 필자의 판단으로는 이미 지난 2016년 3월 알파고가 이세돌 선수를 4대1로 이기는 순간 AI 시대가 열렸다. 그리고 2020년 코로나19로 인해 전 세계 인구가 온라인 소통이라는 대변환을 경험하면서 AI 사회가 본격적으로 시작됐다고 생각한다.

경제•경영계가 AI의 발전상을 바라보는 시각에는 몇 가지 방향성이 있지만 그중 좁은 견해로는 기업 경영을 대상으로 AI가 발전하는 모습을 살펴본 리 슐렝커 프랑스 EM리옹경영대학원 교수의 ‘3단계 분류 방법’이 있다. 그는 AI를 기업에서 조직 변동과 시장 예측에 관한 비용을 줄일 수 있는 가능성을 기준으로 해서 좁은 AI(Narrow AI), 넓은 AI(Broad AI), 보편적 AI(General AI)로 나누었다. 여기에서 좁은 AI는 계획, 조직화, 예산 배정을 하는 등의 경영 관리 활동에 투입되는 비용을 빠르고 정확하게 집행하는 일을 도와준다. 넓은 AI는 기업과 시장의 본질적 기반을 흔들어버리는 중복 사업, 중복 영역에 관련된 지원을 해준다. 미래에 나타날 보편적 AI는 경영자가 업무에 대해 가지고 있는 관점과 논리에 대한 인지적 능력을 통합해준다.:CN::2::/CN::

반대로 시각을 크게 넓혀보면 인간을 모방하면서 출발한 AI가 인간을 뛰어넘는 과정으로 AI의 진화 과정을 설명할 수 있다. (그림 1) 아와이스 바이와(Awais Bajwa) 옵탈리틱스 창업자는 데이터 사이언스 전문 매체 ‘towards data science’에 기고한 글을 통해 “1950년대에 초기 컴퓨터와 함께 개발된 ‘전통적 AI(Traditional AI)’는 2008년 링크트인과 페이스북이 연합해 만든 데이터 과학(Data Science)과의 접목과 2012년 알렉스넷(AlexNet)이 ImageNet 대규모 영상 인식 대회에서 GPU(Graphical Processing Unit)를 활용한 인공신경망을 사용해 우승이라는 역사적 사건을 계기로 ‘현대적 AI(Modern AI)’로 발전했다”고 설명한다.3 그는 여기서 더 나아가 “결과는 알려주지만 그 과정에서 어떤 체계를 거쳤는지 알려주지 않는 현재 AI의 블랙박스를 설명할 수 있는 AI(Explainable AI, XAI)가 나타날 것이고, 빅데이터에 의존하고 있는 심층 학습 AI(Deep Learning AI)를 뛰어넘어 스몰데이터(Small data)만으로도 예측력을 높일 수 있는 AI가 나타날 것”이라고 전망하기도 했다.4

113


그러나 인간이 만들어내는 진정한 가치는 인공보다 자연 속에서 만들어지는 법이다. 인간은 인공적 피조물이 아니고 자연 속에서 살아가는 존재이기 때문이다. (그림 1)에 묘사돼 있는 원시인류부터 현대인까지 진화된 인간의 모습을 보라. 인간이 AI였다면 지난 300만여 년의 진화가 가능했겠는가? 인류사를 언급하지 않더라도 오늘날 인간이 향유하는 문화, 예술은 정교한 AI가 만들어낸 산물이 아니라 인간이 실수와 실패를 반복하면서 갈등과 좌절, 절망과 비애를 경험하면서 이뤄진 산물이다. 따라서 궁극적인 AI의 발전은 AI를 뛰어넘는 단계에서 끝나는 것이 아니라 다시 인간과 같아지는 단계, 즉 실수와 실패를 거듭하면서 희로애락을 느끼는 단계까지 발전할 것이다. 이 글에서는 지금까지 AI가 발전해온 과정을 과학기술계가 제시하는 대로 AI 1.0과 AI 2.0이라는 두 단계로 정리하고 앞으로 발전해 나갈 과정을 경제•경영적 시각에서 AI 3.0, AI 4.0, AI 5.0이라는 세 단계로 예측해보자.

AI의 5단계 발전5

‘AI 1.0’은 ‘머신러닝(Machine learning)’, 즉 기계 학습이다. 1950년 앨런 튜링은 ‘기계는 생각할 수 있는가?(Can machines think?)’라는 질문에 대한 답으로 생각하는 기계, 즉 AI의 가능성을 제시했다. 이 단계에서는 컴퓨터가 규칙에 따라 사람이 입력한 데이터를 분석하고 학습해서 판단과 예측을 한다. 계산기는 내가 덧셈보다 뺄셈을 더 많이 사용한다고 해서 화면에 덧셈 기능 앞에 뺄셈 기능을 올려놓지는 않는다. 그러나 네이버는 머신러닝을 이용해서 내가 여러 번 검색한 단어를 화면 상단에 올려준다. 내가 입력한 데이터를 분석해서 쓰기 편하게 위치를 바꿔주는 것이다. 전통적 프로그래밍은 컴퓨터가 분석하는 데 적용하는 규칙을 인간이 입력하기 때문에 화이트박스(White box)라고 부르는 반면 머신러닝은 컴퓨터가 인간의 지시로부터 독립해서 자율적 학습을 통해 스스로 문제를 풀기 때문에 블랙박스(Black box)라고 부른다.

‘AI 2.0’은 ‘딥러닝(Deep learning)’, 즉 심층 학습이다. 인간의 뇌신경회로를 모델로 해 해답을 찾아내는 알고리즘이다. 머신러닝의 여러 모델 중 하나에 불과했던 인공신경망이 심층신경망으로 진화하며 새롭게 탄생시킨 분야라고 할 수 있다. (그림 2) 딥러닝은 머신러닝을 압도하는 연산 능력으로 정교한 데이터 분석은 물론이고 머신러닝으로는 절대 할 수 없었던 새로운 일들을 해내며 놀라움을 주고 있다. 작곡, 작문, 미술 등 창조 영역은 물론이고 과학연구, 전투기 조종, 농사 등 인간이 도맡아 하던 대부분의 일을 월등히 잘 해내기 시작했다. 아마존에 들어가서 사고자 하는 상품을 고르면 이 상품을 구매한 고객들이 함께 산 상품들이 여러 개 나열된다. 이 정보는 고객과 기업 모두에 도움이 된다. 고객에게는 쇼핑하는 시간을 단축시켜주고, 기업에는 적중률이 높은 해답을 고객에게 알려줌으로써 매출액을 높일 수 있다. 딥러닝 역시 규칙이 무엇인지는 알 수 없으므로 블랙박스의 특징을 가지고 있다는 점이 아쉬움으로 남는다.

114


AI 2.0까지는 앞서 설명한 대로 과학기술의 발전 방향에 맞춰 AI가 진화를 했다. 그렇다면 앞으로는 어떻게 될까? 결국 투자금이 몰리는 분야로 AI 프로그램이 발전할 가능성이 높다. (그림 3)을 보면 세계 시장에서 거둬들인 기업들의 AI 관련 매출액이 2016년 3억5789만 달러에서 2020년 48억630만 달러로 13.4배 늘고, 다시 2025년 312억3692만 달러로 6.5배 증가할 것으로 예측되고 있다. 앞으로 나타날 AI 3.0은 ‘시스템 러닝(System Learning)’, 즉 체계 학습이다. 이 단계에서는 딥러닝에서 블랙박스로 간주한 데이터와 해답 사이에 존재하는 규칙을 알게 된다. 우리는 AI 3.0에서 제시한 해답을 맹목적으로 따라가지 않고 사전에 우리 활동을 디자인할 수 있게 된다. 판매 회사는 고객이 상품을 구매하려는 이유를 사전에 파악하고 고객이 인터넷에 접속하는 순간 그에 맞는 상품을 제시한다. 물론 그 회사는 그 고객이 어떤 이유로 인해 이 상품을 원하는지 알고 있다. 따라서 고객에게 “귀하는 이런 이유로 인해 저런 상품을 원할 것이다”라는 설명을 할 수 있게 된다. 다만 이런 표현은 고객을 섬하게 할 것이므로 고객이 불쾌감을 느끼지 않도록 직접적인 표현을 자제해야 할 것이다.

115


그렇다면 내부가 들여다보이지 않는 블랙박스(그림 2)를 내부가 들여다보이는 화이트박스로 전환하기 위해 AI 3.0이 갖춰야 할 기반 기술은 무엇일까? 다양한 대안이 있겠지만 필자의 판단으로는 시스템 다이내믹스(System Dynamics, SD) 기법이 가장 가능성이 높을 듯하다. SD 기법은 조직에서 일어나는 모든 과정에 들어 있는 변수 사이의 관계를 일방적인 흐름이 아닌 상호 교류 관계로 파악한다. 그다음 프로세스 안에 존재하는 변수들을 찾아내서 그들의 관계를 화살표로 설명한다. AI 2.0과 SD 기법이 만나는 곳에서 AI 3.0의 개발이 이뤄질 것으로 기대한다.

이후 나타날 ‘AI 4.0’은 ‘다이내믹 러닝(Dynamic Learning)’, 즉 동태 학습이다. ‘퓨처 러닝(Future Learning)’, 즉 미래 학습이라고 부를 수도 있겠다. 데이터와 기존 패턴에 의존하는 기존 AI는 과거와 현재를 설명해주는 데서 끝난다. 그러나 우리가 살아야 하는 곳은 미래다. AI가 데이터로부터 해방될 때, 미래가 다가온다.

피터 드러커(Peter F. Drucker)는 1969년에 저술한 책 『단절의 시대(The Age of Discontinuity)』6 에서 “지식 기술, 세계 경제, 조직 사회, 지식 사회 분야에서 단절이 나타나서 과거의 경험을 무용지물로 만들고 있다”는 견해를 피력했다. 그는 이미 50년도 더 전에 데이터와 기존 패턴을 가지고 미래를 예측하는 데 도움이 되지 못하는 사회가 오고 있다는 것을 알았던 것이다.

이 같은 피터 드러커의 주장을 현실에서 잘 실현한 사례로 스티브 잡스와 일론 머스크를 들 수 있다. 스티브 잡스(Steve Jobs)는 시장을 조사한다고 해서 그들이 미래에 필요로 하는 제품과 서비스를 예측할 수는 없다는 것을 간파하고 있었다.

“사람들은 당신이 보여주기 전까지는 무엇을 원하는지 모른다. 그래서 나는 절대로 시장 조사에 의존하지 않는다. 우리의 과제는 아직 책에 쓰이지 않은 것을 읽어내는 일이다. (People don't know what they want until you show it to them. That’s why I never rely on market research. Our task is to read things that are not yet on the page.)”7

일론 머스크도 스티브 잡스처럼 직설적인 표현은 안 썼지만 소비자 의견에 의존하지 않고 평소 자신의 신념에 따라 자동차 산업의 업(業, Business model)을 재구성해서 테슬라의 전기자동차 신제품을 개발했다.

테슬라는 약 100년 역사의 자동차 비즈니스를 송두리째 바꾸고 있다. 매력적인 차를 대량으로 팔고 애프터서비스 및 부품 판매를 통해 돈을 버는 시대에서 모빌리티 서비스로 ‘업’을 재정의하고 있다는 것이다. 일례로 테슬라는 판매 단계에서 원가 절감을 통해 가성비가 뛰어난 차를 파는 게 아니라 ‘소유 기간 내 총비용’이라는 관점에서 사업에 접근한다. 소비자가 차를 산 이후에도 가치가 떨어지지 않는 방식을 도입한 것이다. 무선 업데이트를 통한 지속적인 업그레이드가 대표적인 예다. 머스크는 2020년 7월 2분기 실적 발표 후 “풀 셀프 드라이빙(완전자율주행) 기술이 앞으로 계속 발전하고 규제 문제만 해결된다면 기존 테슬라 차량의 가치는 최소 5배 이상 상승할 것”이라고 했다.8

잡스와 머스크가 데이터와 패턴에 의존하지 않고 새로운 미래를 만들어 나가듯 우리도 세상 이치와 우리 삶의 원리에서 미래를 생성하는 메커니즘의 원리, 즉 패턴을 찾아낸 후 이를 미래로 확장해서 해석하면 미래를 예측하는 알고리즘을 개발할 수 있다. 이렇게 찾아낸 4단계 AI를 동태 학습, 또는 미래 학습을 갖춘 ‘AI 4.0’이라고 볼 수 있다.

다음으로 나타날 ‘AI 5.0’은 ‘휴먼 러닝(Human Learning)’, 즉 인간 학습이다. 인간은 실수를 한다. 고로 존재한다. 우리는 모두 ‘호모 에라투스(Homo Erratus)’, 즉 ‘실수하는 인간’이다. 그러기 때문에 인간이고, 기계가 만들어낼 수 없는 감성과 정서를 지닌다. 기계가 따라올 수 없는 인간의 가치는 실수와 실패를 하고, 이로 인해 괴롭고, 슬프고, 아픈 데서 나온다. 따라서 이 단계를 실수 학습(Error Learning)이라고 부를 수도 있겠다. AI의 궁극적 단계는 이러한 실수를 하는 인간다운 기계에 장착할 알고리즘이다.

실수하는 AI 5.0이 나오는 순간 AI는 더 이상 기계가 아니다. 스필버그의 2001년 영화 ‘AI’에서 인간을 사랑하게끔 프로그래밍된 AI 어린이 데이비드가 자신이 부서지고 망가지는 것을 각오하면서도 인간 어머니 모니카를 지구 끝까지 찾아가듯9 인간이 되기를 꿈꾸는 AI는 인공의 시대를 끝내면서 자발적 해체 단계로 접어들게 된다. AI가 우리 사회와 융합돼 인간과 기계가 하나가 되면 AI가 더 이상 새로운 이슈가 아닌 때가 올 것이다.

AI의 능력과 가치

AI 1.0에서 AI 5.0까지 각 단계의 AI 능력은 학습 능력에 의해서 결정되고, 학습 능력이 인간에 활용되는 가치에 의해서 측정될 수 있다. AI의 학습 능력이 다음 단계로 넘어간다는 것은 단순히 그 적용 범위가 확장되는 것을 의미하는 것이 아니라 새로운 축이 만들어진다는 것을 의미한다.

기하학에서 축, 즉 차원이 추가되면 그 가치는 승수로 늘어난다. 따라서 AI 1.0이 10의 가치를 가진다면 AI 2.0은 100, AI 3.0은 1000, AI 4.0은 1만, AI 5.0은 10만의 가치를 가진다고 볼 수 있다. 여기서 ‘10’이라는 숫자는 10진법으로 ‘열’일 수도 있고, 2진법으로 ‘둘’일 수도 있다. ‘10만’이라는 숫자도 10진법으로는 ‘십만’이고 2진법으로는 ‘서른둘’이다. AI 5.0에 대비된 AI 2.0의 가치인 100/10000은 2진법으로는 12.5%, 10진법으로는 0.1%에 해당한다.10

우리는 현재 AI 1.0을 지나 AI 2.0 세상에서 살고 있고, AI 3.0의 문을 두드리고 있다. AI 전문가들은 3.0의 알고리즘을 아직 개발하지 못했다. 그러나 시스템 다이내믹스 기법을 AI와 융합하면 이 알고리즘을 찾아낼 수 있을 것이다. 시스템 다이내믹스는 이 세상이 거대한 하나의 생태계라고 보고 수많은 인자 사이의 인과관계를 무수한 화살표로 연결해서 인과 지도를 그리는 기법이다. 딥러닝에서 블랙박스로 간주되는 데이터와 해법의 관계를 인과 지도로 그려낼 수 있는 알고리즘을 개발하는 연구자가 AI 3.0의 선구자가 될 것이다.11 유럽연합 집행위원회(European Commission)는 2019년 입법 예고를 통해 신뢰할 수 있는 ‘AI 윤리 가이드라인(Ethics guidelines for trustworthy Artificial Intelligence)’을 발표했다. 이 가이드라인은 AI로 처리한 결과가 어떤 과정을 거쳐 결정이 이뤄졌는지를 설명하도록 요구할 예정이다. 이런 속도라면 AI 3.0이 우리 생활에 적용될 시점은 1∼2년 후가 될 듯하다.

미래를 예측하는 AI 4.0은 AI의 발전 단계에서 가장 난해한 영역이다. 따라서 AI 4.0이 모습을 드러내기에는 상당한 시간이 걸릴 가능성이 크다. 그러나 이 세상 모든 AI 연구자는 SNS로 연결되는 하나의 네트워크 속에서 실시간으로 공동 연구를 진행하고 있다. 오늘날 대부분의 연구 성과가 무상으로 공유되는 카피 레프트(copy-left) 시대에서 AI 4.0은 예상을 뛰어넘어 더 빨리 개발될 수도 있고 AI 5.0에 추월당해서 더 늦게 개발될 수도 있다. 물론 초기에 개발될 AI 4.0은 아주 미세한 영역에서 시작돼 점차 적용 범위를 넓혀갈 것이다.

그런가 하면 AI 5.0의 출현은 앞으로 3∼4년 안에 가능할 수 있을 것으로 전망한다. 실수를 하는 AI라는 특징을 가진 AI 5.0의 경우 초기에는 완벽하지 않고 오히려 기존 AI들보다 성능이 떨어질 수 있으나 실패를 거듭하면서 발전을 거듭할 것이라는 점에서 완벽하지 않기 때문에 완벽한 걸작으로 평가될 것이다.

현재 수준의 AI는 답변하지 못할 6가지 질문과 인간계의 집단 지성12

현재 AI는 AI 2.0 단계를 지나고 있다. 앞서 설명한 대로 AI 2.0은 블랙박스 안의 규칙을 설명할 수 없고 과거 데이터와 기존 패턴에 의존한다는 한계가 있다. 하지만 향후 AI가 3.0, 4.0, 5.0으로 발전해 나간다면 현재 수준의 AI는 답변할 수 없는 질문들을 답변할 수 있게 된다. 앞으로 나타날 AI 3.0, 4.0, 5.0이라면 답변할 수 있는 질문을 각각 2개씩 6개를 뽑아 정리했다. 또한 이 질문들에 대한 국내 석학들의 답변도 함께 소개한다. 이 답변은 필자 혼자의 생각이 아닌 최고 석학들의 의견을 모은 ‘인간계의 집단 지성’이다.

1. AI 3.0이 나오기 전까지는
인간만이 답변할 수 있는 질문들

1∼2년 후 AI 3.0 ‘시스템 러닝(System Learning)’, 즉 체계 학습 능력을 갖춘 AI에 던질 만한 질문은 AI 1.0∼2.0이 갖추지 못한, ‘블랙박스 안에 있는 규칙’에 관한 질문이다.

Q1 20세기 경영은 GE, 엑손모빌, 월마트와 같은 오프라인 기반 제조업과 유통업이 이끌었다. 21세기 들어와 오프라인 제조 및 유통 사업이 온라인 네트워크 사업으로 바뀌고 인간 중심 경영이 AI 기반 경영으로 바뀌고 있는 변혁기에는 소위 MAGFAT(Microsoft, Apple, Google, Facebook, Tesla)이 시장을 이끌고 있다. 그러나 AI가 확실하게 자리 잡아 더 이상 AI가 경쟁력의 원천이 될 수 없는 때가 오면 기업 내부에 타 기업이 흉내 낼 수 없는 차별화된 경쟁력을 갖춘 기업이 선도할 것이다. 이때가 되면 AI가 블랙박스로 간주하고 있는 시스템 내부의 규칙에서 기업의 진정한 경쟁력이 나올 것이다. 이같이 AI 3.0을 이끌 기업들은 어떤 모습일까? 그리고 이들 리딩 기업의 ‘경쟁력의 원천’은 어떤 내용일까?

인간계의 답변 현재 MAGFAT로 불리는 플랫폼 기반 비즈니스는 고객의 빅데이터를 활용한 AI, 특히 딥러닝을 활용하면서 가공할 만한 경쟁력을 갖췄다. 그러나 AI가 기업 경영에 보편화되는 시대가 다가오면서 이 기업들이 계속해서 차별화된 경쟁력을 보유하지 못할 것이라는 전망이 나오고 있다. 만약 아직은 블랙박스 안에 들어 있는 인공신경망의 정체를 분명하게 드러내는 기업이 생긴다면 기존의 AI 비즈니스와는 다른 차원의 경쟁력을 갖게 될 것으로 보인다. AI 3.0을 이끌 기업들은 AI 1.0과 2.0을 넘어서야 하는데 이를 위해서 ‘뇌과학’에 대한 탐구가 필요하다. 그 이유는 첫째, AI는 애초에 ‘인간을 닮은 기계’가 목표였고, 둘째, 현재 AI 기술로도 블랙박스 안의 시스템 내부 규칙은 알 수 있을 것이기 때문이다. AI가 뇌과학을 만나 인간의 감정과 행동을 효율적으로 통제할 수 있게 된다면 그것의 적용 범위는 상상하기 어려울 만큼 확장될지도 모른다. 지금까지는 신경과학적 연구 결과를 바탕으로 고객 마케팅 등의 연구가 진행돼 왔다. AI 기반의 뇌과학 또는 뇌과학 기반의 AI는 지금까지와는 다른 지평을 열 수 있다. 이미 돼지의 뇌에 칩을 박아서 인공신경망 연구가 시작됐고 머지않은 미래에 인간의 뇌에도 칩을 삽입해 블랙박스 내 규칙을 알아내려는 연구가 진행될 가능성이 높다.13 생명윤리적인 문제가 제기될 수도 있겠지만 인간들은 이를 극복하는 방법을 찾아낼 것이다.

Q2 수많은 전통 기업이 AI 1.0, 2.0 시대를 버티지 못하고 도태되거나 몰락하고 있다. 아마존의 등장으로 130년 전통의 반즈앤드노블이 무너지고14 길거리 서점이 더욱 왜소해진 것이 대표적인 예다. 반면 온라인 서점이 침범하지 못하는 차별화된 전략이 나타나서 여행 전문 서점과 같은 전문 서점, 서점과 카페, 꽃가게 등을 함께 운영하는 숍인숍(shop-in-shop) 등이 시장을 더욱 다양하게 확대시키면서 고객의 니즈를 충족시켜주고 있다. 살아남은 전통 기업들, 그리고 새롭게 참여하는 신생 기업들은 과감히 AI 위에 올라타야 하는가? 아니면 AI가 좀처럼 침범하지 못하는 영역을 찾아 AI에서 더 멀리 떨어져 나가야 하는가? 이런 기업들에는 어떤 ‘차별화 전략’이 요구되는가?

인간계의 답변 모든 조직이 AI 기업이 될 필요는 없다. 코로나19는 디지털 전환의 속도를 가속화시키는 역할을 했다. 특히 코로나19 이후 대중화가 된 비대면 상황은 앞으로도 지속될 가능성이 높고 이런 변화는 기업들로 하여금 디지털 전환에 대한 고민을 심화시킬 가능성이 높다. 그렇다고 모든 기업이 디지털 전환을 이뤄내야 하는 것은 아니다. 앞서간 AI 기업을 따라잡는 일보다는 최소한의 장점만을 취하고 틈새시장을 공략하는 것이 바람직할 것이다. AI를 외면하기보다는 전략을 위해 관련 정보를 끊임없이 모니터하면서 때로는 활용하는 실용적 태도를 견지해야 한다. 사회적 동물인 인간은 비대면이 익숙해지는 AI 중심 세상에서도 휴먼 터치를 그리워할 것이기 때문이다. 점점 비인간화돼 가고 있는 세상에 휴먼 터치, 즉 몸에 대한 학문인 ‘몸학(somatics)’을 연결하는 전략을 세운다면 어떤 기업이든지 DT 시대에도 그만큼의 지속가능성(sustainability)을 유지할 수 있을 것이다.

119


2. AI 4.0이 나오기 전까지는
인간만이 답변할 수 있는 질문들

AI 4.0인 ‘다이내믹 러닝(Dynamic Learning)’, 즉 동태 학습 능력을 갖춘 AI에 던질 만한 질문은 AI 1.0∼3.0이 갖추지 못한, ‘데이터와 패턴에 의존하지 않고, 이 세상 이치와 우리 삶의 원리에서 패턴을 찾아낸 후 이를 미래로 확장해서 해석하는 미래 예측’에 관한 질문이다.

Q1 제1차 세계대전에서 큰 활약을 보인 통계학자들은 1918년 종전과 함께 대거 기업에 유입됐다. 이들은 과거 통계 자료에 입각해서 미래 방향을 예측하는 데 탁월한 역할을 했다. 하지만 1929년 전대미문의 대공황을 맞았을 때 이를 예측하지 못했다는 이유로 통계학자들은 기업 내에서 힘을 상실했다. 제2차 세계대전 때도 비슷한 양상이 벌어졌다. 전쟁은 다시 통계학자들을 전면에 나서게 했고, 이들은 1945년 종전과 함께 또다시 기업으로 진출했다. 그러나 1973년 발생한 석유 위기가 ‘단절의 시대(The Age of Discontinuity)15 ’ ‘불확실성의 시대(The Age of Uncertainty)16 ’라는 말을 낳으면서 과거 자료에 의존할 수밖에 없는 통계학자들의 기업 내 입지를 약화시켰다. 2016년 이세돌과 알파고의 5번기 바둑 시합은 인간들과 AI 전문가들이 맞붙은 제3차 세계대전이었다. 이 전쟁에서 승리한 AI 전문가들은 우리 사회에서, 그리고 기업 내에서 주도권을 차지했다. 그러나 대공황과 석유 위기와 같은 대이변은 앞으로도 일어날 수 있고, 이런 이변은 자칫 AI 전문가들의 몰락으로 이어질 수 있다. 대이변은 언제, 어떤 모습으로 일어날 것인가? AI는 대이변을 어떻게 예측하고, 이를 극복하기 위한 기업의 ‘생존 전략’을 어떻게 제안할 것인가?

인간계의 답변 AI가 빠른 속도로 발전하면서 인간 기능의 상당 부분이 AI에 맡겨지는 상황은 앞으로 지속될 것으로 보인다. 경제 관점에서 이러한 흐름이 갑작스럽게 꺾일 가능성은 별로 없지만 만약 AI의 실수나 3차 세계대전과 같은 인간의 잘못된 선택에 의해 환경 재앙이나 전쟁 같은 끔찍한 대이변이 벌어진다면 AI가 지배하는 세상에 대한 회의론이 대두될 가능성은 있다. 인간이 대이변을 예측하기는 쉽지 않지만 합심해서 대이변이 나타날 가능성을 줄일 수는 있다. 보다 중요한 것은 대이변 속에서도 살아남는 생존의 비결을 터득하는 것이다. 그리고 이 비결은 의외로 단순하다. “유연하고 융통성을 가지라.(Be agile and flexible.)” 경영학 용어로는 손익분기점을 최소한으로 낮춰야 한다. (그림 5) 즉, 고정비를 줄이거나 변동비로 바꿔야 한다. 극단적으로 고정비를 제로로 하고 모든 비용을 변동비로 바꾸면 손익분기점이 제로가 돼 어떤 상황에서도 죽지 않는 체질이 만들어진다.

120


Q2 20세기 기업의 목표가 부귀영화였다면 21세기 기업의 목표는 무병장수다. 이제 기업은 기업 가치와 사회 가치를 동시에 추구하는 ‘공유가치 창출(Creating Shared Value, CSV)’을 기업 전략의 중심에 세우고, 환경, 사회에 대한 공헌과 함께 기업 구조를 건전하게 가져가겠다는 각오를 ‘환경•사회•지배구조(Environmental, Social, and Governance, ESG) 경영’이라는 이름으로 구체화하고 있다. 과연 CSV, ESG 등은 경영자가 살아남고 장수하는 기업을 만들기 위한 필요충분조건인가? AI는 기업의 무병장수 목표를 어떻게 도와줄 것인가? 구체적으로 AI가 알려줄 기업의 ‘지속가능 전략’은 무엇인가?

인간계의 답변 이익 극대화라는 현재의 기업 경영 목표가 수정돼야 한다는 데 동의하지 않는 기업은 없을 것이다. 그러나 기업을 경영하는 CEO의 입장에서 이익 추구를 넘어서는 미시적 목표를 만들기는 쉽지 않아 보인다. AI 시대에 새롭게 부상하는 ESG와 CSV는 인간의 삶과 행복, ‘무병장수’를 지향하는 인간의 궁극적 욕망과 연결돼 있어서 기업의 지속가능 경영에 실제적 열쇠가 될 것이다. (그림 6) 또 AI는 이와 같이 수정된 경영 목표 기반의 다양한 역할(스마트 의료, 환경문제 해결, 안전 보장 등)을 수행할 것이다. 그러나 AI도 인간 삶의 궁극적 지향점을 만족시키기는 어렵다. 그것은 어디까지나 인간의 행복을 위한 외적 조건을 만족시킬 뿐이기 때문이다. 인간은 결국 자신이 스스로 선택하는 자유와 책임에 의해 온전히 행복할 수 있다. 이에 대한 해답은 경영자가 기업을 자신의 몸이라고 생각하는 것이다. 자신의 몸을 아껴 무병장수를 추구하듯 기업을 아끼면 그 기업은 지속가능해질 것이다.

121_1



3. AI 5.0이 나오기 전까지는
인간만이 답변할 수 있는 질문들

4∼5년 후 AI 5.0 ‘휴먼 러닝(Human Learning)’, 즉 인간 학습 능력을 갖춘 AI에 던질 만한 질문은 AI 1.0∼4.0이 갖추지 못한 ‘실수와 실패를 하고, 이로 인해 괴롭고, 슬프고, 아픈 데서 나오는 인간의 감성’에 관한 질문이다.

Q1 이제 조직의 리더 자리를 놓고 인간과 AI 간 경쟁이 발생할 것이다. 기업 구성원의 리더십에 대한 판단 기준은 능력, 공정성, 투명성이다. 같은 값이면 기업 구성원들은 AI보다 인간을 리더로 모시는 상황을 더 원할 듯하다. 그러나 인간은 AI만큼 유능하기도 어렵고, 공정하기도 어렵고, 투명하기도 어렵다. 이런 불리한 상황에서 인간이 AI와의 ‘리더십’ 경쟁에서 이기려면 어떤 역량을 갖춰야 하는가?

인간계의 답변 AI를 인간을 닮은 기계라고 정의할 때 AI 5.0은 가장 ‘인간적인’인 AI일 것 같다. 감성은 전통적으로 이성보다 떨어지는 인간의 인식 능력이라고 생각하는 경향이 짙었다. 그래서 우리는 이성으로 감성을 통제해야 한다고 배웠다. 이러한 감성과 이성의 이분법이 얼마나 허구였는지는 이미 포스트모던 철학자들에 의해 주장됐고 뇌과학자들에 의해 증명됐다. 감성(emotion)은 몸(soma)의 움직임과 연결돼 있지만 이성을 넘어서 영성과 연결되는 힘을 갖고 있다. 그것은 인간의 전일적 힘(holistic power)이다. 인간이 이성만으로 AI와의 리더십 경쟁에서 우위를 점할 수는 없다. 하지만 이성을 감성과 영성으로 보완한 전인적 능력을 갖춘다면 리더십 경쟁에서 우위를 차지할 수 있을 것이다. 사회 발전의 원동력으로 노동력, 화석에너지, 원자력을 사용해온 인류는 이제 4세대 동력을 찾아 나서고 있고, 그 후보로는 꿈을 꾸는 능력, 즉 상상력을 꼽고 있다. 요즘은 상상력에 기초해서 꿈을 꿀 수 있게 해주는 지도자를 ‘최고몽상가(Chief Dreaming Officer, CDO)’라고 표현한다. 그 대표적인 존재로는 애플의 스티브 잡스, 아마존의 제프 베이조스, 테슬라의 일론 머스크를 들 수 있다. (그림 7)

121_2


Q2 우리는 모두 ‘호모 에라투스’, 실수하는 인간이다. 하지만 조직은 실수에 관대하지 않다. 특히 리더의 실수에는 더더욱 그렇다. AI 5.0이 현실이 되기 전까지는 리더가 인간이건, AI건 관계없이 우리의 실수를 용납하지 않을 것이다. 이런 숨 막히는 조직에서 AI 5.0이 나올 때까지 살아가는 데 필요한 지혜는 무엇인가?

인간계의 답변 지식이 과학을 통해 배우는 것이라면 지혜는 인문학을 통해 깨달을 수 있다. 인문학은 인간에 대한 학문이다. 전통적으로는 학문을 인문학, 사회과학, 자연과학으로 나눈다. 인문학이 사회과학, 자연과학과 다른 점은 무엇인가? 이에 대한 답변은 인문학이 영원하다는 것이다. 자연과학, 사회과학적 저서는 동시대, 더 나아가 100, 200년 정도는 가치를 발휘하지만 시대적 패러다임이 바뀌면서 가치를 잃는 법이다. 뉴턴이 주장한 물리학 이론 중 상당 부분이 아인슈타인의 상대성 원리에 의해 뒤안길로 사라지고, 마키아벨리의 『군주론』을 오늘날 받아들이기 불편한 것처럼 자연과학, 사회과학의 호흡은 몇백 년을 넘어서기 어렵다. 그러나 인간의 삶을 다루는 인문학은 좀처럼 패러다임이 바뀌지 않고, 설령 바뀐다 할지라도 그 호흡이 천 년을 넘어선다. 가까운 미래는 사회과학, 자연과학으로 예측할 수 있지만 먼 미래는 인문학을 통해서 예측할 수 있다.17 어찌 보면 우리 인간에게 먼 미래는 죽음 이후의 세계, 종교마다 표현은 다르겠지만 기독교의 천당이나 불교의 극락까지 포함할 수 있다. 이러한 미래를 준비하는 데 가장 중요한 지혜로 ‘용서와 경천’, 곧 다른 사람들의 실수를 받아들이고 하늘을 두려워하는 것을 들고 싶다. 인간의 실수하는 능력은 성경에서 인간과 악마의 위치를 바꾸어 놓을 만큼 강력한 에너지의 원천이다. “인간은 실수를, 신은 용서를(To err is human, to forgive divine)”이라는 경구가 생각난다. 기독교 신자들이 매일 암송하는 주기도문에서 유일하게 내 자의로 할 수 있는 일 역시 ‘용서’이다. “∼∼우리가 우리에게 죄지은 자를 사하여 준 것 같이” 우리 죄를 사하여 주기를 기대하는 것이 인간의 마음이다. 그리고 용서하는 마음에서 나오는 ‘사랑’이야말로 우리 인간계가 추구하는 이상이 아닐까.


조동성 산업정책연구원 이사장, 서울대 명예교수 dscho@ips.or.kr
필자는 미국 하버드대에서 경영학 박사 학위를 받고 1978년 서울대 교수로 임용돼 36년간 재직하며 15개 해외 대학에서 초빙 교수와 겸임교수로 활동했다. 한국경영학회 회장, 한국학술단체총연합회 회장, 대통령 직속 국가경쟁력강화위원회 위원, 안중근의사기념관 관장, 중국 장강경영대학원(CKGSB) 교수, 국립 인천대 총장 등을 지냈다. 2020년 산업정책연구원(IPS)의 5대 이사장으로 취임했다.


참고문헌

1. Bajwa, Awais, “Traditional AI vs. Modern AI.; The evolution of Artificial Intelligence and the new wave of “Future AI.”’ Towards Data Science, Dec 6, 2019.

2. Drucker, Peter F., The Age of Discontinuity: Guidelines to Our Changing Society, Butterworth-Heinemann, 1969, ISBN: 9781483165424

3. Galbraith, John Kenneth, The Age of Uncertainty, BBC – Andre Deutsch, 1977, ISBN 0-563-12887-9

4. Martin, Donald, Jr. & Andrew Moore, “AI Engineers Need to Think Beyond Engineering,” Harvard Business Review, October 28, 2020.

5. Schlenker, Lee, “As a manager in 2019, what will you really need to know about AI?” Towards Data Science, Sep. 27, 2018, https://towardsdatascience.com/as-a-manager-in-2019-what-will-you-really-need-to-know-about-ai-afb3cb356fd3

6. 조동성, “2020년의 키워드, 인공지능(AI),” 매일경제TV. 2020.12.26.
  • 조동성 | -(현)대통령 직속 국가경쟁력위원회 위원
    -(현)핀란드 명예총영사
    -(현)안중근의사기념관 관장직
    -(현)서울대 경영대학 교수
    - 한국학술단체총연합회 (학총) 회장 역임
    - 한국복제전송권협회 이사장 역임
    - 서울대 경영대학 학장
    - 하버드, 미시건, 듀크, 동경대, 북경대, 장강대 초빙교수
    - 전 정부혁신관리위원회위원장
    - 전 한국경영학회 회장
    dscho@snu.ac.kr
    이 필자의 다른 기사 보기
관련기사