인공지능의 간단한 경제학

할 배리언(구글 수석 이코노미스트)

인공지능의 본질을 꿰뚫은 경제학의 눈! “예측의 비용은 내려가고, 판단의 가치는 올라간다”

추천의 글

1장 들어가는 말: 기계 지능
2장 값이 싸지면 모든 것이 바뀐다

1부 예측
3장 예측 기계의 마법
4장 왜 지능이라고 하는가?
5장 데이터, 새로운 원유
6장 새로운 분업

2부 의사결정
7장 결정의 해체
8장 판단의 가치
9장 판단 예측
10장 복잡성 길들이기
11장 완전자동화된 의사결정

3부 툴
12장 워크플로 해체
13장 결정의 분해
14장 직무 재설계

4부 전략
15장 경영진의 인공지능
16장 사업을 혁신하는 인공지능
17장 학습 전략
18장 인공지능 리스크 관리

5부 사회
19장 사회적 이슈들

감사의 말
주(註)
찾아보기

데이터를 얻으려면 때로 큰 비용을 치러야 하지만 그래도 어쩔 수 없다. 데이터가 없으면 예측 기계는 가동되지 않는다. 예측 기계는 데이터가 있어야 정보를 생성하고 제 기능을 발휘하며 성능이 향상된다.
_71쪽적어도 중단기적 관점에서 보면 의료용 영상을 사용할 때 필요한 다섯 가지 확실한 역할, 즉 영상을 고르고, 의학적 절차에 따라 실시간 영상을 사용하고, 기계가 내놓은 결과물을 해석하고, 신기술로 기계를 훈련시키고, 어쩌면 기계가 이용할 수 없는 정보를 근거로 기계의 권고를 무시하게 될지 모르는 판단을 적용하는 역할은 여전히 인간의 몫으로 남을 것이다.
_205쪽구글과 페이스북과 마이크로소프트 등 몇몇 기업들은 온라인 소비자 선호도와 관련해 특별히 유용한 데이터를 갖고 있다. 그들은 데이터를 파는 것에 그치지 않고 한 걸음 더 나아가 광고 회사에게 예측을 판다. 구글은 검색엔진과 유튜브와 그들의 광고 네트워크를 통해 유저의 니즈에 대한 자료를 풍부하게 가지고 있다. 구글은 데이터를 팔지 않는다. 대신 구글은 데이터가 생성한 예측 결과를 광고주에게 서비스 패키지로 판다. 누가 구글의 네트워크를 통해 광고하면 그의 광고는 네트워크가 그 광고의 영향을 가장 많이 받을 것 같다고 예측한 사용자에게 노출된다. 페이스북이나 마이크로소프트를 통해 광고를 해도 효과는 비슷하다. 광고주는 데이터에 직접 접근하지 않고, 대신 예측을 산다.
_239쪽구글, 페이스북, 아마존 등은 다른 노선을 택했다. 그들은 사용자에게 더 좋은 제품을 제공하기 위해 데이터를 사용할 것이라고 공언했다. 애플이 프라이버시에 초점을 맞추면 그들이 제공할 수 있는 제품도 한정된다. 예를 들어 애플과 구글은 둘 다 포토 서비스에 안면 인식 기능을 내장시켰다. 소비자들이 편리하게 사용하려면 얼굴을 태그해야 한다. 구글은 안면 인식 기능이 구글의 서버에서 구동되기 때문에 기기와 관계없이 그 태그를 서버에 보존한다. 그러나 애플은 프라이버시를 중시하기 때문에 안면 인식이 기기 차원에서만 가능하도록 했다. … 그렇게 되면 프라이버시 문제와 소비자의 편리성이 상충한다.
_259쪽예측 기계를 조작하거나 무력화시킬 방법은 많다. 워싱턴 대학교의 연구진들은 동영상 콘텐츠를 탐지하는 구글의 새 알고리즘에 아무 사진이든 잠깐만 주입해도 동영상 분류가 잘못된다는 것을 보여 주었다. 동물원 동영상에 인간의 눈으로는 알아차릴 수 없지만 컴퓨터는 분간할 수 있는 아주 짧은 시간 동안 자동차 모습을 삽입하면 인공지능이 깜빡 속아 동물원 동영상을 잘못 분류한다. 광고를 실어 주는 매체가 콘텐츠와 광고주를 적절하게 매치하기 위해 콘텐츠를 알아야 하는 환경에서, 이것은 중대한 취약점이 된다.
_274쪽예를 들어 로봇에 세금을 물리자는 빌 게이츠의 제안을 받아들일 경우 불평등은 조금 줄겠지만 로봇을 구매할 때의 이득도 줄어들 것이다. 그래서 기업들은 로봇에 대한 투자를 줄일 것이고 생산성은 둔화되어 우리는 전반적으로 더 가난해질 것이다. 정책적인 트레이드오프는 분명하다. 불평등을 줄일 수 있지만 전반적으로 소득이 낮아지는 대가를 치러야 한다.
_291쪽

인공지능의 시대, 무엇을 할 것인가? 우리는 인공지능 기술의 시대에 살고 있다. 귀에 못이 박히도록 들어온 알파고나 자율주행 자동차가 아니어도 인공지능은 어디에나 있다. 우리의 전화기, 병원, 은행, 신용카드 회사, 모든 매체에 있다. 인공지능 관련 창업과 기업 인수합병이 잇따르고 있고, 구글과 마이크로소프트는 ‘인공지능 퍼스트’를 천명했고, 삼성전자도 인공지능 등 미래 성장사업에 25조원을 투자한다고 발표했다. 세계 거대 기업과 정부들의 막대한 자본이 인공지능의 개발로 유입되고 있다. 인공지능은 앞으로 더 많은 곳에서 우리가 생각하지도 못한 방식으로 사회를 바꿀 것이다.
이 혁신적이고 놀라운 기술은 거부할 수 없는 흐름이다. 하지만 이 앞에서 많은 사람들은 막연함을 느낀다. 누군가는 인공지능이 가져올 마법과도 같은 미래를, 누군가는 인공지능이 인간을 대체할 것이라는 공포를 그린다. 이런 막연한 낙관과 공포를 극복하고, 개인이나 기업이나 정부가 무엇을 해야 하는지를 알기 위해서는 인공지능의 본질과 이것이 초래할 변화를 정확히 이해할 필요가 있다. 인공지능은 예측 기술이다!!!새로운 기술이 우리 앞에 등장할 때 매사를 수요과 공급, 생산과 소비, 가격과 비용 같은 힘이 지배하는 프레임워크로 세상을 바라보는 경제학자들이 우리에게 도움을 준다. 다른 이들이 경천동지할 혁신이라고 호들갑을 떠는 곳에서 그들은 단순한 가격 하락을 보고, 그 변화가 경제 전반에 어떤 변화를 주는지를 본다. 이 책의 저자들은 인공지능의 성지로 불리는 캐나다 토론토 대학교 경영대학원의 석좌교수들로, ‘크리에이티브 디스트럭션 랩(CDL)’을 설립하여 구글, 아마존, 애플 등의 인공지능 연구자와 교류하고 수많은 인공지능 스타트업의 성공 확률을 높이는 프로그램을 운영하고 있다. (딥러닝 신경망 이론의 대가인 제프리 힌튼이 토론토 대학교 교수이며, 토론토와 몬트리올에는 구글, 페이스북, 마이크로소프트, IBM, 삼성전자, 엘지전자의 인공지능 연구소가 있다).
이들에 따르면 인공지능에 온갖 과대포장이 씌워져 있지만 그 본질은 예측 기술이다. 예측이란 과거든 현재든 미래든 “빠진 정보를 채우는 과정”으로 “흔히 ‘데이터’라는 우리가 가지고 있는 정보를 사용해 갖고 있지 않은 정보를 만드는 행위다.”(42쪽)아이가 아마존의 인공지능 알렉사에게 물어본다. “델라웨어의 주도는?” 부모가 고민하는 사이 알렉사는 번개 같은 속도로 답한다. “델라웨어의 주도는 도버입니다.” 알렉사는 무엇을 했는가? 알렉사는 델라웨어의 주도를 알고 있는가? 사실 알렉사는 델라웨어의 주도를 ‘알지’ 못한다. 아이의 질문을 듣고 그 질문이 찾고 있는 정보가 무엇인지를 예측한 것이다. 사람들이 그런 질문을 할 때 그들이 특정한 대답, 즉 ‘도버’를 찾는다는 사실을 예측한 것이다.(13쪽)지난 20년 동안 자율주행 차량은 엄격하게 통제된 환경에서만 움직였다. 세부 평면도가 확보된 장소에서 ‘이프-덴if-then’ 구조로 프로그래밍되어, 앞에 사람이나 장애물이 있으면 멈춰 서고 없으면 움직이는 식으로 작동했다. 그런데 이제 자율주행 차량이 시내와 고속도로를 운전하는 세상이 목전에 있다. 인공지능은 인간이 운전하는 동안 보내 주는 데이터와 그때의 운전자의 행동을 유심히 관찰한다. 어떤 환경 데이터가 들어올 때 인간은 우회전을 하고 브레이크를 밟는가? 인공지능은 운전자가 주어진 도로의 특정한 조건에서 어떻게 행동할지 예측해 운전하는 법을 배운다.(30쪽)저자 중 한 사람인 아비 골드파브는 몇 년 전 황당한 일을 겪었다. 가지도 않은 라스베이거스에서 그의 신용카드로 엄청난 금액이 지출된 것이다. 담당자와 장황한 대화를 나눈 후 카드사는 거래를 취소하고 카드를 바꿔 주었다. 그런데 최근에 비슷한 일이 또 일어났다. 누군가가 유출된 그의 신용카드 정보로 물건을 구입한 것이다. 그런데 이번에는 카드사에 신고하기도 전에 이미 새로운 카드를 우편으로 발송했다는 통보를 받았다. 카드사의 인공지능이 그의 지출 습관과 그 밖의 수많은 데이터를 근거로 그 거래가 불법이라고 정확하게 예측한 것이다.(43쪽)예측의 값은 내려가고, 많은 것들이 예측의 문제로 재구성된다사실 우리는 오늘날 인공지능과 비슷한 수준의 기술혁신을 이미 경험한 바 있다. 1970년대의 정보기술 혁명은 모든 것을 디지털로 만들 수 있게 하면서 계산과 정보처리 비용을 크게 낮추었다. 이를 이어받아 1990년대에 인터넷의 영향이 산업 전반에 확산되자 누구나 ‘신경제New Economy’를 입에 올리기 시작했지만, 사실 신경제는 구경제와 다르지 않았다. 다만 중요한 변화는 많은 재화와 서비스가 디지털로 보급되고, 유통과 통신과 검색 비용이 크게 떨어졌다는 점이었다. 계산의 가격이 싸지자 회계와 같이 계산을 필요로 하던 분야뿐 아니라 사진, 음악과 같이 계산을 사용하지 않던 분야에서도 이를 사용하게 되었다. 또한 원하는 것을 더 쉽게 찾을 수 있게 되었고, 더 많은 의사소통을 할 수 있게 되었으며, 상점에 직접 가지 않고도 물건을 살 수 있게 되었다. 기술의 진보는 경제학자들의 눈에 비싼 것에서 싼 것으로, 희귀한 것에서 흔한 것으로의 변화다.
인공지능 기술 역시 마찬가지이다. 인공지능 담론은 갖가지 과장된 논리로 뒤덮여 있지만, 경제학자의 눈이 주목하는 것은 인공지능으로 무엇의 가격이 하락하게 될 것이냐는 문제다. 인공지능은 예측 기술이며, 새로운 인공지능 기술은 예측의 값을 떨어뜨릴 것이다. 예측의 값이 떨어지면 예측을 사용하지 않던 분야에서도 예측을 사용하게 된다. 가령 자율주행은 환경이 매우 제한적인 창고 같은 곳에서만 가능했지만, 이제 운전이 ‘인간 운전자라면 이 상황에서 어떻게 하는지’라는 예측이라는 문제로 바뀌면서 자율주행 자동차의 개발이 가능해진다. 자동 번역도 최근까지는 언어학자가 언어 규칙을 설명해 주면 프로그래밍 할 수 있는 방식으로 그 규칙을 바꾸던 것이 인공지능의 발전과 함께 예측의 문제로 재구성되었다. 예측의 보완재들, 특히 데이터와 판단의 가치는 올라간다 또한 예측의 값이 떨어지면 그 보완재의 가치가 올라간다. 커피 값이 떨어질 때 설탕이나 크림의 가치가 올라가는 것처럼 예측의 보완재들의 가치가 상승할 것이다.
예측의 보완재로는 우선 데이터를 들 수 있다. 예측 기계는 데이터에 의존한다. 카디오Cardiio라는 회사는 애플워치에서 받은 심장박동 데이터를 바탕으로 심장병을 진단하는 예측 기계를 만들었는데, 이 예측 기계는 불규칙한 심장 리듬을 97퍼센트의 정확도로 잡아낸다. 하지만 특정인의 데이터가 없으면 예측 기계는 가동되지 않고 그 사람의 위험을 예측할 수 없다. 데이터를 수집하기 위한 장치들의 가치도 올라갈 것이다. 가령 자율주행 차량에서 환경 데이터를 포착하는 센서의 가치가 올라간다. 2017년에 인텔은 정지신호, 보행인, 차로 등의 데이터 수집 기술을 가진 스타트업 모빌아이를 인수하는 데 150억 달러가 넘는 금액을 지불했다.
또 다른 예측의 보완재로는 인간의 ‘판단’이 있다. 개인이든 기업이든 정부든 우리는 늘 불확실성 속에서 결정을 내린다. 그때 “예측은 결정의 핵심 요소이지만 유일한 요소는 아니다. 판단과 데이터와 행동 등 결정을 내리는 데 필요한 다른 요소들은 아직까지도 여전한 인간의 영역이다.”(109쪽). 가령 비가 올지도 모르는 상황에서 산책을 나가려고 하는데 우산을 가져가야 할까? 예측 기계는 비가 올 확률이 얼마인지를 인간보다 정확하게 예측할 수 있다. 하지만 우산을 가져갈지를 결정하기 위해서는 내가 우산을 가져가는 것을 얼마나 번거로워 하는지, 우산이 없어 비에 젖는 것을 얼마나 싫어하는지를 알아야 한다. 즉 예측 기계의 날씨 예측을 기반으로 우산을 가지고 가는 행위의 득실을 계산하는 ‘판단’을 통해 의사결정을 하게 된다. “예측 기계는 판단하지 않는다. 판단은 인간만이 한다. 인간만이 달리 행동했을 때의 상대적 보상을 표현할 수 있기 때문이다.”(117쪽) 이처럼 예측은 의사결정의 한 요소일 뿐이며, 예측 기계로 인해 예측이 더 정확해지고 빨라지고 값싸질수록, 인간의 판단은 더욱 중요해지고 그 가치도 증가할 것이다. “예측은 불확실성을 줄여 결정을 용이하게 하는 반면, 판단은 가치를 평가한다. 판단은 득실이나 효용성이나 보상이나 이윤을 결정하는 기술이다. 예측 기계에 담긴 가장 중요한 함의는 예측의 값이 낮아지면 판단의 가치가 증가된다는 점이다.”(35쪽) 예측 기계: 불확실한 세상에서 의사결정을 하는 데 가장 강력한 도구

우리는 훨씬 더 많은 예측을 사용하게 될 것이며, 전혀 짐작하지 못한 곳에서 예측이 이루어지는 세상을 보게 될 것이다. 그렇다면 예측 기술과 예측의 비용을 둘러싼 인공지능의 경제학이 우리에게 의미하는 바는 무엇일까? “경제학은 불확실성, 그리고 불확실성이 의사결정에 어떤 의미를 갖는지 이해할 수 있는 확실한 기반을 제공한다. 예측이 정확해지면 불확실성이 줄어들기 때문에 경제학을 이용하면 사업상의 의사결정에 인공지능이 어떤 의미를 갖는지 알 수 있다. 이것은 차례로 어떤 인공지능 툴이 기업의 워크플로에 대한 가장 높은 투자수익을 가져다줄지 예측하게 해 준다. 그렇게 되면 새로운 사업 전략을 세우는 데 필요한 틀을 짤 수 있다.”(16쪽)인공지능, 즉 예측 기계가 유의미한 것은 바로 예측이 불확실성으로 가득한 세상에서 의사결정을 하는 데 가장 중요한 요소이기 때문이다. 의사결정은 우리의 경제생활과 사회생활 곳곳에서 이루어지는 일상적이면서 중요한 행위이고, 우리는 불확실성 속에서 결정을 해야 한다. 이때 인공지능, 즉 예측 기계는 보통 인간보다 더 빠르고 정확한 예측을 낮은 비용으로 제공한다.
불확실성은 주어진 결정에 대한 득실을 판단하는 비용을 증가시키고 전략에 한계를 가져온다. 따라서 불확실성 속에서 예측이 정확해지고 빨라지고 싸진다면, 새로운 사업구조와 기회와 전략을 세울 수 있게 된다. 가령 신용카드사에서 어떤 사람의 카드 사용이 불법일 것이라고 틀린 예측을 해 사용을 중지시켰다고 하자. 이때 만약 사용을 중지시킨 카드의 고객이 매우 중요한 고객이라면? 카드 불법 사용에 대한 예측이 정확해지고 빨라지고 예측을 하는 데 들이는 비용이 줄어든다면 중요한 고객을 화나지 않게 할 수 있다는 확신 속에 카드사는 결정을 쉽게 내릴 수 있다. 공항 라운지가 사라질 수도 있다. 아주 정확한 교통상황을 예측할 수 있고, 비행기 탑승 시간에 대한 예측이 정확해진다면 비행기가 뜨기 2시간 전에 반드시 집에서 나서야 한다는 고정된 선택지가 아닌 다른 선택지를 고려할 수 있게 되고, 대기 시간을 위한 공항라운지에 항공사들은 비용을 줄이게 될 수도 있다. 만약 아마존이 고객의 구매 성향을 아주 정확하게 예측할 수 있다면, ‘쇼핑 후 배송’이 아닌 물건을 먼저 배송하고 반품을 수거하는 ‘배송 후 쇼핑’ 모델을 채택할 수 있을 것이다. (아마존은 2013년에 ‘예측 배송anticipatory shipping’ 특허를 얻었다). 그렇다면 아마존은 반품 서비스 시장을 위해 조직을 전면적으로 개편해야 할 수도 있다.
이렇듯 인공지능을 예측 기계로, 인공지능의 발전을 예측의 비용이 내려가는 것으로 바라보는 관점의 전환을 이루면 인공지능의 잠재성은 명확해진다. 예측 기계는 전략을 보조하는 것을 넘어 전략 자체를 변화시킬 수도 있다. 그렇게 되면 이는 조직의 형태까지도 변화시킬 수 있다. 따라서 저자들은 자신의 사업 분야와 신기술의 적용을 위해 얼마나 빨리 많이 예측 기계를 가동할 것인지 그 정보를 수집하는 데 투자해야 하며, 전략적 선택에 관한 의제를 개발하는 데 투자를 할 것을 권한다. 이를 위해 이 책은 어떤 조직이 인공지능을 이용하려는 새로운 전략을 세울 때 발생할 수 있는 트레이드오프를 강조한다.
저자들은 ‘최고의 인공지능 전략’에 대한 정답을 말하지 않는다. 정답은 경우에 따라 다르다. 인공지능에도 트레이드오프가 끼어들기 때문이다. 속도가 빨라지면 정확성이 떨어지고, 자율성이 높아지면 통제가 안 되고, 데이터가 많아지면 프라이버시가 침해받는다. 최고의 전략을 처방하는 것은 당신의 일이다. 이 책은 가장 좋은 결정을 내릴 수 있도록 핵심적인 트레이드오프를 찾아내고, 득실을 따질 수 있는 방법론적 구조를 제시한다. 이를 위해 예측의 기초에서부터, 의사결정, 툴, 전략, 사회에 이르기까지 인공지능의 영향력과 트레이드오프를 함께 살핀다. “우리는 당신의 사업에 최고의 전략을 처방하지 않는다. 그것은 당신이 할 일이다. 당신의 회사, 당신의 경력, 당신의 국가에 가장 좋은 전략은 당신이 모든 트레이드오프의 각 방면에서 어떤 식으로 비중을 배분하느냐에 달려 있다. 이 책은 가장 좋은 결정을 내릴 수 있도록 핵심 트레이드오프를 찾아내고 유불리有不利를 따질 수 있는 방법론적 구조를 제시한다. 물론 우리의 프레임워크를 사용해도 상황은 빠르게 변할 것이다. 충분한 정보가 없는 상태에서 결정을 내려야 할 때가 있겠지만, 그래도 그렇게 하는 것이 아무 일도 하지 않는 것보다는 좋다.”(17쪽)새로운 기술에 대한 현실적 관점과 경제학의 원리와 전략으로 인공지능이 기업과 사회를 어떻게 변화시키는지 알고 싶은 독자들, 인공지능이라는 막연하지만 피할 수 없는 변화를 이해하고 자신의 일과 미래를 준비하고자 하는 독자들에게 일독을 권한다. 사회적 이슈들

인공지능에 관한 논의는 기업보다는 사회적 이슈에 관한 것이 더 많다.
먼저, 일자리는 사라질 것인가? 러다이트가 몇 세기 전 방직기를 파괴한 이후 기술적 실업이란 유령이 세상을 떠돌았지만, 일자리는 사라지지 않았다. 그러나 이번에는 다를까? 예측 기계 로봇들만 사는 섬이 있다고 해보자. 이 섬과 거래를 해야 할까? 자유무역의 이점에 동의한다면 이 거래를 마다할 이유가 없다. 예측 기계가 잘하는 일자리는 사라지겠지만, 판단과 관련된 직업은 더 많아질 것이다. 또 길 안내에 대한 기계의 예측이 비교적 소득이 높았던 런던의 택시 기사들의 소득을 줄였지만 소득이 적은 우버 기사의 수를 늘린 것처럼 의료계나 금융 쪽에서도 비슷한 현상이 나타나리라고 예측할 수 있다.
둘째, 극소수 거대 기업들이 모든 것을 지배할까? 개인만이 아니라 많은 기업들이 인공지능 때문에 경쟁에서 뒤처질까 두려워한다. 규모의 경제-고객이 많으면 데이터가 많고, 인공지능의 예측이 정확해지며, 다시 고객이 많아지는 순환-탓도 있다. 규모의 경제와 선점 효과 때문에 경쟁사들이 따라잡을 수 없는 분야도 있지만, 모든 산업이 그렇지는 않다. 기업이 안정적인 성과를 냈다고 해도, 그것이 꼭 예측의 정확성 때문만은 아닐 것이다. 그리고 규모의 경제가 있다고 할 때 어느 정도의 규모를 말하는지도 불분명하다는 점에서 간단히 답하기는 어려운 문제다.
셋째, 세상의 종말이 찾아올까? 스티븐 호킹이나 일론 머스크 같은 똑똑한 사람들도 스카이넷을 떠올리며 불안해한다. 닉 보스트롬이 말하는 ‘초지능’이 진짜 실현될까? 실제로 범용 인공지능을 개발하겠다는 도전장을 내민 스타트업들도 있다. 하지만 미국 국가과학기술위원회의 정책 문서는 “민간 부문 전문가들 사이에 적어도 수십 년 내에 범용 인공지능을 만들어내기는 어렵다는 컨센서스가 있다”고 말한다. 현실적으로는 보다 광범위한 환경에서 예측 기계가 일할 수 있도록 만드는 연구가 진행 중이지만 범용 인공지능을 예상할 수 있는 어떤 기술적 진전도 이루어지지 않았다. 정확히 말하자면, 초지능이 가능할지 여부는 지금 답할 수 없다. 다만 초지능이 가능하다면 그것은 우리가 말하는 인공지능 기술과는 분명 다른 인공지능 기술일 것이다.