우리는 OECD 최고 수준의 노동 시간을 원망하면서도, AI가 사람의 일자리를 뺏어가지 않을 지 걱정합니다. 인공 지능과 고용에 관한 구글 검색 결과는 AI와 로봇 기술의 진보에 의한 대량 실업과 사라질 직업에 관한 글들이 끝없이 이어집니다.  그러나, 일반적인 인식과는 반대로 AI만이 완전고용의 유일한 방책입니다. 이 글은 아래 기사와 논문들을 요약하여, 한국 상황에 맞게 재구성하였으며, 완전고용이 가능한 이유와 AI 기술을 이용한 완전고용 시스템의 작성 과정을 소개합니다. 특히, MIT Technology Review의 에디터 David Rotman과 시카고 대학 Jerry Kaplan 교수의 의견을 비중있게 담았습니다.

Who Will Own the Robots? - MIT Technology Review

Smart Technology, Artificial Intelligence, Robotics, and Algorithms (STARA): Employees' perceptions of our future workplace

The Forthcoming Artificial Intelligence (AI) Revolution: Its Impact on Society and Firms

Artificial intelligence: What Everyone Needs to Know

또한, 이 글은 머신러닝 중급 과정 이상의 학습자들이 ANN 작성을 연습해 볼 수 있는 프로젝트 진행의 관점에서 기술하였으며, 이전의 글 ‘AI + ERP = Korea Inc.)’에서 기술한 세세업종 각각의 업무 표준화와 ‘사회적 노동'에서 언급한 노동자원의 사회적 공유를 전제하였습니다.

무인자율 동작이 그 특징인 AI 기술은 무인자율차량으로 수십 만 운전자의 일자리를 위협하며, 자율은행으로 수십 만 은행원의 일자리를, 자율학교로 수십 만 교직원의 일자리를 위협합니다. 대부분의 사회 및 산업 부문에 AI가 적용될 수 있으므로, AI 또는 로봇에 의한 대량 실직 사태를 우려하는 것이 당연합니다. 한편으로는, 마차몰이꾼이 사라진 것 이상으로 차량 운전 직업이 더 많이 생겨난 것처럼, AI가 대체하는 일자리보다 새로 만들어지는 일자리가 더 많을 거라는 주장도 있으나, 이는 진화와 역사 발전을 모르기 때문입니다. 생명체의 진화는 1회성이며, 인류의 진보 과정도 반복하지 않습니다.

일반적 인식과 반대로, AI는 완전고용을 실현할 유일한 도구이며, 역사의 필연입니다. 사람의 지적 노동과 육체적 활동을 대체하는 AI와 로봇으로 인해, 완전고용이 귀결되는 역사 발전의 필연적 이유가 있습니다.

종래의 운전자와 교통통제센터의 직원들 및 교통경찰의 역할은 자율주행차량과 중앙교통제어시스템이 대체할 것이며, 비단 교통물류뿐 아니라, 산업 전반에 걸쳐 진행될 무인화(Autonomization)는 향후 10년 내에 기존 노동인구의 50% 이상을 실직 상태로 내몰 수도 있는데, 실업률이 30%를 초과하여, 인구의 30% 이상이 정상적인 소득원을 상실한다면, 국가 운영이 불가능합니다. 즉, 국가가 시장의 기술 발전을 방관하면, 국가 자체의 붕괴로 이어질 수 있으므로, 어떤 형태로든 국가의 적극적 개입이 불가피합니다.

한편으로는, 국가가 고용 시장에 유효하게 개입할 수 있는 유일한 수단이 AI입니다. 한국을 예로서, 2천만 노동 인구 중에 1천만 인구의 일자리가 AI 등의 방법으로 자동화된다고 가정합시다. 국가는 체제 붕괴를 막기 위해, 실직한 1천 만 인구 중 적어도 5백만 명 이상에게 일자리를 만들어야 하지만, 사회 총효용에 공헌할 수 있는 일자리  5백만 개를 인위적으로 창출할 방법은 없습니다. 역설적이게도, 무인화로 일자리를 제거한 바로 그 AI 엔지니어들이 1천 만 실직 인구 모두에게 가치 생산적인 일자리를 제공할 수 있습니다. 그 과정은 다음과 같습니다.

첫째, 국세청과 통계청 등의 자료를 이용하여, 한국에서 생산되는 재화와 서비스의 종류와 양을 측정하고, 그 각각의 생산을 위해 투입되어야 할 인적 노동 자원의 양을 파악합니다. 예를 들어, 2016년 한국 내의 중국음식점 주방에서 근무하는 근로자의 수가 1만 명일 수 있습니다.  

둘째, 모든 한국인에 대해 학력, 성별, 연령, 취향, 이력, 소셜 네트워크, 거주지 등의 정보를 수집하여, 그를 속성으로 하는 DB를 작성합니다. 이 때, 속성의 수는 많으면 많을수록 좋습니다. 딱히 관계가 없어보이는 속성들, 이를테면 오유 방문횟수도 경우에 따라 매우 좋은 속성 정보로 활용될 가능성이 있습니다.

셋째, 한국표준산업분류표 세세업종의 분류에 따른 개별 업종 각각에 종사하는 사람들이 공유하는 대표적인 속성을 도출합니다. 예를 들어, 중국음식 주방장을 직업으로 하는 사람들의 대표적 속성이 중식 조리학원 수료, 남성, 중국 여행, 40대일 수 있습니다. 그 다음, 이들 속성들 간의 우선 순위를 결정합니다. 가령, 중식당 주방에 종사하는 사람들의 공통 속성은 남성, 조리학원 출신, 중국 방문횟수 순서일 수 있습니다. 공통 속성을 추출하고, 우선순위를 매기는 작업은 전통적인 통계 코딩과 ANN을 이용하는 AI 코딩 중 무엇으로든 진행할 수 있습니다.

넷째, 새로 발생한 실직자X의 속성을 한국표준산업분류표 세세업종의 분류에 따른 개별 업종 각각에 종사하는 사람들의 속성과 비교하여, 둘 간의 유사도가 가장 높은 세세업종을 결정합니다. 예를 들어, 실직자X가 중식조리학원을 수료한 속성을 가진다면, 중식당 주방 근무자 그룹의 공통속성과 유사도가 높을 것입니다. 물론, 그와 같은 대표적 속성이 없는 경우에도, 여타 속성들, 이를테면, 연애 횟수나 오유 추천 횟수 등의 속성을 앞서 언급한 속성들 간의 우선순위에 따라 진행할 수 있습니다.  이 과정은 AI 코딩이 적합합니다.

다섯 째, 앞 단계에서 결정한 특정 업종과 직군에 실직자X를 추가한 뒤, 그의 존재를 고려하여, 기존 근로자들의 업무 시간과 장소를 조정합니다. 예를 들어, 한국에 1만 곳의 중국음식점이 있고, 1만 명이 주방에서 근무 중이라면, 실직자X를 상기 직군에 추가함으로써, 10,001명이 한국내 중식 주방에 근무하게 될 것입니다. 그러므로, 프로그래머는 10,001명의 중식 주방 근로자가 제각기 언제 어디로 출근하여, 몇 시간 동안 근무하는 것이 중국식당이 판매하는 상품(재화와 서비스)의 품질과 생산량을 최대화하는 지를 결정할 ANN을 작성해야 합니다.  그러므로, 특정 직군에 종사하는 인구의 수와 각 개인이 근무할 장소와 근무 시간이 끊임없이 조정될 것입니다. 이 과제는 오직 AI 코딩으로만 해결할 수 있습니다. 재차, 이 글은 이전의 글 ‘AI + ERP = Korea Inc.)’에서 기술한 세세업종 각각의 업무 표준화와 ‘사회적 노동'에서 언급한 노동자원의 사회적 공유가 전제되어야 합니다.  

이상의 과정을 한국 현실에 곧바로 적용할 수는 물론 없습니다. 다만, 머신러닝 중급과정 학습자의 프로젝트 주제로 적합할 수 있고,  프로그램을 작성하는 과정에서 논리를 정교하게 다듬을 수 있을 것입니다. 어느 시점에선가, 실제 프로젝트로 진행한다면, 최초의 베타 버전까지 AI 엔지니어 100여명과 3~5년이 필요할 것으로 예상합니다.