[기획] AI, 고용주와 노동자의 관계

AI 를 적용하고자 하는 경영진들을 위한 세 가지 조언

간단한 일을 하는 인공 지능(AI) 로봇 및 기계 학습(ML) 애플리케이션은, 모든 업계 및 기능으로 확대되고 있다. AI가 우리 생활에 점점 밀접하게 파고들고 있기 때문이다. 그러나 AI로 인해 고용주는 이득을 보지만 노동자들은 이로인해 일자리를 잃고 실업률이 증가 할 것이라는 우려를 낳고 있다. 본지는 AI의 현주소와 미래 가능성에 대해 알아보고 고용주와 노동자의 입장에서 AI가 미치는 직업적인 영향에 대해 접근해 본다.

AI는 인간의 직업을 뺏어 가는가?

지난 2017 란스타드의 고용주 브랜드 보고서에 따르면 미국인의 약 76 %가 인공 지능 (AI)에게 자신의 직업을 잃을 까봐 걱정하지 않는다고 응답했다. 또한 자동화에 대한 우려는 14 %, 새로운 변화를 환영하는 사람은 30 % 였다.

미국 노동자의 대다수는 자동화 작업으로 전환을 위한 새로운 훈련을 기꺼이 받을 것이라고 밝혔으며, 임금이 삭감되지 않는 한 개의치 않는다고 응답했다. 이 보고서는 자동화가 향후 5년 이내 효율성을 향상시킬 것이기 때문에 고용주의 84%는 자동화를 선호하는 것으로 나타났다.

응답한 고용주 중에서 74 %는 자신들의 사업에 자동화가 증가 할 것으로 예측하고 있으며, 31 %는 이미 지난해 자신들의 사업에 자동화를 도입했다.

여기서 알 수 있듯이 대부분의 근로자는 자동화에 두려워 하지 않을 뿐만 아니라 인공 지능 및 로보트의 효율성과 효과를 활용하기 위해 재교육을 받을 용의가 있는것으로 나타났다. AI는 인간의 직업을 뺏기 보다는 자동화로 인한 더욱 편리한 새로운 일자리를 창출할 것이라는 분석이다. 

AI로 개척하지 못한 미지의 많은 부분이 아직 남아 있다는 것은 AI로 성공하고 싶어하는이들에게 기회가 된다 

AI는 아직 암을 고치지 못했고, 아마존(Amazon) 채용 툴은 일반적인 인재 채용자 만큼이나 편견을 가지고 기능했다.

인공 지능은 아직 인간이 할 수 있는 모든 일을 할 수 있는것은 아니다. 물론 기계는 인간보다 더 빠르고 오류를 덜 만들 수 있다. 그러나 만약 어떤 일을 하도록 기계를 훈련시키고자 한다면, 인간이 기계보다 늦더라도 인간에게 먼저 그일을 가르쳐야만 한다.

예를들어 스프레드 시트의 숫자를 분석하는 일은 기계가 수학을 인간보다 잘하기 때문에 데이터 처리와 분석은 더 나을 수도 있지만, 리포트를 읽고 요약 하는 일이라면 문제가 발생한다. 내추럴 랭귀지 프로세싱(NLP)은 초등학생과 같은 레벨로 진행해도 되지만 재무 애널리스트로 수준은 아직 미흡하기 때문이다.

AI 채택 패턴에서 이런 사실들의 증거를 알 수 있다. Robotic Process Automation(RPA)는 AI가 가장 빠르게 성장하고 있는 어플리케이션 중에 하나다. RPA는 새로운 방법으로 새로운 문제를 해결하는 것이 아니라, 인간과 똑같은 방법으로 기존의 문제를 해결한다. 즉, 인간이 디지털 시스템을 조작하기 위해서 취하는 동작을 모사해, '가상 워커'로 반복적인 부분을 자동화한다. 현재까지, 대부분의 AI에서는 리드의 스코어, 대시 보드의 작성, 사기의 검출 등 인간의 행동을 더욱 빠르고, 더욱 효율적으로, 더욱 정확하게 실행하기 위해서 인간의 행동을 모사하고 있다.

AI는 노동자들과 고용주에게 장점이자 단점이다

노동자들에게 AI의 장점은 자동화와 RPA를 통해 가장 힘들고 반복적인 지루한 많은 일들을 대신할 수 있다는 것이다. 단점은 시장에서 자동화가 진행되면 노도자들의 일자리가 줄었다는 점이다. 비록 고급 노동력에 대한 자동화에 대한 논란은 많지만 숙련도가 낮고 반복적인 작업을 하는 일자리는 점점 사라질 것이라는 점은 거의 확실하다.

고용주들에게 있어 AI의 장점은 생산량을 늘리고, 비용을 낮춰 준다는 부분이다. 또 단점은 인공지능이 아직 난해하고 복잡한 문제를 해결할 만큼 발전되지 않았다는 것이다. 하지만 인공지능을 통해 얻을 수 있는 가장 큰 이점은 실제적인 비용 절감 효과가 있다는 것이다.

AI 를 적용하고자 하는 경영진들은 몇 가지 기본적인 조언을 명심해야 한다

첫째 단순하게 시작해야 한다. 직원들의 시간을 뺏는 단순하고 반복적인 프로세스를 자동화 하는것으로 시작해야 한다. 이런일은 드러나지 않지만 이윤을 향상시켜준다. RPA는 AI에서 기초 기술을 쌓기 시작하는 좋은 방법이다.

둘째 인간이 이미 하고 있는 일에 집중해야 한다. 간단한 작업을 자동화하고 있다면 더 많은 일들을 자동화 하도록 확장해야 한다. 판매 선도 등급이나 재고 예측과 같은 품목들은 적용하기에 좋은 곳이다. 오늘날 이러한 일을 하는데 대개는 확실한 데이터와 약간의 통찰력을 활용하는데 기계가 더 잘 할 수 있는지도 살펴봐야 한다.

셋째 데이터의 필요성을 기억하라. 인간은 구조화되지 않은 데이터의 훌륭한 처리자다. 대화, 보고서, 웹 페이지, 흐릿한 기억, 그리고 더 많은 것들이 우리의 의사 결정 과정에 통합된다. 작업을 시스템으로 오프로딩하려면 결정을 내릴 때 사용하는 모든 데이터에 액세스할 수 있도록 해야 한다. 이 데이터의 대다수가 구조화되지 않은 것이라면 그 작업은 AI에 잘 맞지 않아 오히려 인가닝 하는것이 더 실용적일 수 있다.

 

출처 : http://www.aitimes.co.kr/news/articleView.html?idxno=119498http://www.aitimes.co.kr)