황인훈: AI가 일자리를 빼앗지 않으며, 오히려 노동력 부족을 초래할 것
저자: 직면 AI
2026년 세계경제포럼에서 엔비디아 CEO 젠슨 황과 블랙록(BlackRock) CEO 래리 핑크(Larry Fink)가 대담을 나누었다.
이번 대담의 주제는 AI의 기술 진화, 인프라 구축 규모, AI가 고용 시장에 미치는 영향 및 세계 경제 전반에 관한 것이었다.
젠슨 황은 AI를 세계 경제와 사회 구조를 근본적으로 재편하는 심층적이고 기초적인 변혁으로 규정했다. 그는 AI가 인류 역사상 유례없는 규모의 인프라 구축 물결이며, 노동력의 가치를 재정의하고 세계 경제의 균형 잡힌 발전을 위한 전례 없는 기회를 제공한다고 말했다.
황의 핵심 주장은 우리가 근본적인 '플랫폼 전환(platform shift)'의 시기에 서 있다는 것이다.
그는 현재의 AI 부흥을 개인용 컴퓨터(PC), 인터넷, 모바일 클라우드 컴퓨팅의 탄생과 동일한 차원에서 비교하며, 이러한 각각의 전환이 컴퓨팅 스택(computing stack)을 완전히 재구성하고 새로운 애플리케이션 생태계를 창출했다고 평가했다.
그의 시각에서 AI란 ChatGPT나 Claude 같은 개별 애플리케이션을 넘어서, 모든 것이 위에서 성장할 수 있는 완전히 새로운 기반 플랫폼이다. 이번 전환의 근본적 돌파구는 컴퓨터가 처음으로 '비정형 정보(unstructured information)'를 이해할 수 있게 되었다는 점이다.
기존 소프트웨어, 예를 들어 SQL 기반 데이터베이스 시스템은 사전에 정의되고 구조화된 데이터만 처리할 수 있었다. 반면 AI는 이미지, 음성, 자연어 등 복잡하고 맥락이 풍부한 비정형 정보를 실시간으로 이해하며 인간의 의도를 추론해 작업을 수행할 수 있다.
이러한 '사전 녹음됨(pre-recorded)' 방식에서 '실시간 생성(real-time generation)'으로의 전환은 AI가 이전의 어떤 기술과도 본질적으로 구분되는 특징이다.
청중들이 이 거대한 산업의 구성 요소를 보다 명확히 이해할 수 있도록, 황은 '5단 케이크 모델'을 제시했다.
1. 에너지(Energy): 가장 바닥층은 에너지다. AI는 실시간으로 지능을 처리하고 생성하므로 이를 위한 에너지가 필요하다.
2. 칩 및 컴퓨팅 인프라(Chips and computing infrastructure): 두 번째 층은 내가 속한 분야인 칩과 컴퓨팅 인프라이다.
3. 클라우드 인프라(Cloud infrastructure): 그 위에는 클라우드 서비스가 있다.
4. AI 모델(AI models): 그 다음 위층은 AI 모델이다. 대부분 사람들이 AI라고 생각하는 곳이 바로 여기다. 그러나 이 모델들을 가능하게 하려면 아래 모든 계층이 반드시 존재해야 한다는 점을 기억해야 한다.
5. 애플리케이션 계층(Application layer): 하지만 가장 중요하고 현재 실제로 일어나고 있는 것은 애플리케이션 계층이다. 작년이 AI에게 있어 믿기 어려운 해였던 이유는, 솔직히 말해 AI 모델의 눈부신 발전 덕분에 그 위에 위치한 애플리케이션 계층—즉 우리 모두가 성공하기를 원하는 궁극의 계층—이 번성할 수 있었기 때문이다. 이 애플리케이션 계층은 금융 서비스, 의료 건강, 제조업 등 다양한 분야에 걸쳐 있다. 궁극적으로 경제적 효과는 여기서 발생한다.
이 모델의 제시는 AI 산업의 깊이와 광범위함을 강조하고, 그가 내놓은 인프라 구축에 대한 핵심 판단을 도출하기 위한 것이다.
이에 기반해 젠슨 황은 우리가 "인류 역사상 최대 규모의 인프라 구축"을 목격하고 있다고 단언했다. 그는 지금까지 투입된 수천억 달러조차 시작에 불과하며, 앞으로 수조 달러의 자금이 이 분야로 몰릴 것이라고 주장했다.
이는 과장된 예측이 아니라, AI 플랫폼의 작동 원리에 따른 논리적 필연성이다.
AI가 방대한 맥락 정보를 처리하고 지능을 생성하려면 전 세계적으로 에너지, 데이터센터, 칩 공장, 컴퓨터 공장, 심지어 AI 공장에 대한 수요가 기하급수적으로 증가할 것이다.
그는 TSMC, 폭스콘(Foxconn) 등의 파트너사들이 진행 중인 대규모 신설 공장 계획과 마이크론(Micron), 삼성 등 메모리 칩 분야의 막대한 투자를 언급하며, 이 인프라 구축 열풍의 현실성과 시급성을 입증했다.
'AI 버블'이 존재하는지 묻는 질문에 대해 황은 시장의 수요와 공급 관점에서 답했다.현재 클라우드 상에서 엔비디아 GPU를 임대하는 가격은 최신 세대뿐 아니라 이전 세대 제품들까지 지속적으로 상승하고 있으며, 이는 실제 수요가 여전히 충족되지 않았음을 의미한다.
따라서 현재의 막대한 투자는 비합리적인 투기라기보다는 커다란 수요-공급 격차를 메우기 위한 필수적인 건설 활동이다.
AI가 고용 시장에 미칠 영향에 대해서는 황이 주류의 우려와는 정반대의 관점을 제시했다. 그는 AI가 대규모 실업을 초래하는 것이 아니라 일부 분야에서 오히려 노동력 부족을 야기할 수 있다고 보았다. 그는 일의 '목적(purpose)'과 '작업(task)'을 구분함으로써 이 논리를 설명했다.
황은 방사선과 의사(radiologist)의 사례를 들며,10년 전만 해도 사람들은 AI의 컴퓨터 비전 능력 때문에 이 직업이 사라질 것으로 널리 예측했다. 그러나 10년 후, 방사선과 의사의 수는 오히려 증가했다.
황은 이렇게 설명했다. AI가 판독이라는 '작업'을 자동화함으로써 의사들이 더 효율적으로 일을 처리할 수 있게 되었고, 그 결과 진단이나 환자 및 다른 임상의들과의 소통 등 자신의 '목적'을 더 잘 수행할 수 있게 되었다는 것이다.
의사들의 업무 효율이 향상되면서 병원은 더 많은 환자를 접수할 수 있게 되었고 수익이 증가했으며, 따라서 더 많은 의사들을 고용하게 되었다. 간호사들도 AI를 통해 번거로운 진료기록 작성에서 벗어나 인간적인 돌봄에 더 많은 시간을 할애할 수 있게 되었고, 병원의 수용 능력과 효율성이 함께 상승했다.
그는 이 논리를 확장해, AI가 각계 전문가들에게 강력한 도구가 되어 반복적인 작업을 자동화함으로써 핵심 업무 목적 달성 능력을 강화하고, 전체 산업의 생산성과 가치를 향상시킬 것이라고 봤다.
또한, 거대한 인프라 구축 자체도 전기공, 건축노동자, 기술자 등 전문 기술을 요구하는 블루칼라 일자리를 다수 창출할 것이며, 이러한 고임금 일자리는 고등 학력이 필요하지 않아 보다 포괄적인 경제 성장을 실현하는 데 기여할 수 있다.
황의 태도는 낙관적이었다. 그는 AI가 글로벌 기술 격차를 좁히는 데 기여할 가능성이 있으며, 격차를 확대하는 것이 아니라 줄이는 핵심 역할을 할 수 있다고 믿었다.
그의 핵심 논리는 바로 AI의 사용 용이성에 있다.그는 AI가 "역사상 가장 쉽게 사용할 수 있는 소프트웨어"라며, 복잡한 프로그래밍 언어를 배울 필요 없이 자연어로 명령을 내리기만 하면 강력한 AI를 통해 작업을 수행할 수 있다고 말했다.
이처럼 매우 낮은 진입 장벽 덕분에 개발도상국이나 컴퓨터 과학 고등교육을 받지 못한 사람들도 이 기술 혁명에 참여할 수 있게 된다.
그는 또한 '국가 지능(national intelligence)' 또는 '주권 AI(sovereign AI)' 개념을 제안하며, 각국이 자국의 언어, 문화, 데이터를 활용해 자체 AI 모델을 훈련시키고, 독자적인 AI 인프라를 구축해야 한다고 강력히 권고했다.
그는 한 국가가 자체 AI 역량을 갖추는 것은 전기나 교통망을 보유하는 것과 동일하게 미래 국가 경쟁력의 기반이 되며, 이는 경제 발전뿐 아니라 문화 전승과 기술 주권에도 관련된 문제라고 주장했다.
유럽에 대해서는 황이 유럽이 매우 강력한 산업 및 제조업 기반을 가지고 있음을 지적했다. 미국 중심의 소프트웨어 시대에는 이를 완전히 우위로 전환하지 못했을지 모른다.
하지만 AI 시대, 특히 엔비디아가 최근 개발 중인 '물리 AI(physical AI)'에서는 유럽이 천재일우의 기회를 맞이하고 있다고 말했다.
그는 유럽이 강력한 제조 능력을 인공지능과 심층적으로 융합하고, 'AI를 코딩하는' 사고에서 'AI를 가르치는' 사고로 전환하여 스마트 제조 및 로봇 분야에서 도약적인 발전을 이루기를 권유했다. 동시에 유럽의 오랜 과학 연구 전통도 AI와 결합해 과학 발견의 속도를 크게 가속화할 수 있을 것이라고 말했다. 그는 유럽 지도자들이 에너지 공급과 인프라 투자에 진지하게 접근해 지역 AI 생태계의 번영을 위한 기반을 마련해야 한다고 촉구했다.
전문 번역
래리:
좋은 아침입니다. 다시 컨퍼런스 홀에 돌아오게 되어 기쁩니다. 어제 잘 보내셨기를 바라며, 오늘도 즐거운 시간 되시길 바랍니다. 제가 아주 존경하고 항상 주목해온 인물이자, 저의 기술 및 인공지능(AI) 여정에서 가르침을 주는 선생님인 젠슨 황(Jensen Huang) 님을 소개하게 되어 큰 영광입니다.
그가 엔비디아(Nvidia)를 이끄는 모습을 보면 정말 놀랍습니다. 저는 스스로를 비교하며 평가하는 것을 좋아하지 않지만, 한 가지 비교는 하고 싶네요. 엔비디아가 1999년 상장된 해에—같은 해에 블랙록(BlackRock)도 상장했죠—
젠슨 황:
오, 세상에.
래리:
맞습니다. 엔비디아는 주주들에게 연간 37%의 총 복합 수익률을 제공했습니다. 만약 각 연금 기금이 엔비디아 IPO 당시 투자했다면 어떤 의미였을지 상상해보십시오. 우리는 모든 사람의 은퇴 생활에 큰 성공을 가져다줄 수 있었을 것입니다.
반면 블랙록은 연간 총 수익률 21%를 기록했습니다. 금융서비스 회사로서 나쁘지 않은 수치지만, 비교하면 확실히 뒤처집니다. 그러나 이는 오히려 젠슨의 리더십과 엔비디아의 포지셔닝을 강력히 입증하며, 세계가 엔비디아의 미래에 얼마나 큰 신뢰를 두고 있는지를 잘 보여줍니다. 젠슨, 이 여정을 축하드리며, 앞으로도 함께 걸어갈 긴 여정이 있음을 알고 있습니다.
젠슨 황:
감사합니다. 정말 감사드립니다. 제가 유일하게 아쉬운 점은 회사 IPO 이후 부모님께 좋은 것을 드리고 싶어 3억 달러의 기업 가치로 엔비디아 주식을 팔았다는 겁니다. 그렇게 얻은 돈으로 벤츠 S클래스를 선물했죠. 그래서 그 차는 세상에서 가장 비싼 자동차가 되었습니다.
래리:
부모님은 후회하시나요? 아직도 그 차를 갖고 계세요?
젠슨 황:
아, 물론입니다. 네, 여전히 갖고 계세요.
래리:
좋습니다. 이제 본론으로 들어가겠습니다. AI에 대한 논의의 핵심은 그것이 세계와 세계 경제를 어떻게 변화시킬 것인지에 있습니다. 오늘 저는 AI가 세계 경제에 어떻게 가치를 추가할 수 있는지, 그리고 AI가 점점 기초 기술이 되어 우리 모두가 그것을 활용해 우리의 삶을 개선하고, 세계 모든 사람들의 삶을 향상시킬 수 있는지에 대해 이야기하고 싶습니다.
우리는 AI가 거의 모든 산업의 생산성, 노동력, 인프라를 어떻게 재편할지 논의해야 하지만, 무엇보다 중요한 것은 AI로부터 세계의 더 많은 부분이 어떻게 혜택을 받을 수 있을지, 우리가 세계 경제를 확장시킬 수 있을지, 좁히는 것이 아니라 확장하는 방향으로 갈 수 있을지에 대해 논의해야 합니다.
AI 자체와 그 주변 인프라—즉 AI 주위에 반드시 구축되어야 할 인프라—에 대해 더 명확한 통찰을 가진 사람은 떠올릴 수 없습니다. 많은 주요 초대규모 컴퓨팅 회사들이 엔비디아가 만든 제품을 사용하고 있으며, 전체 생태계가 AI 인프라와 그 가능성 중심으로 형성되고 있기 때문에, 오늘 아침 우리는 매우 귀를 기울여야 할 목소리를 듣고 있다고 생각합니다. 젠슨, 다시 한번 감사드립니다.
이것이 그의 다보스 세계경제포럼 첫 방문인데, 당신의 일정이 매우 바쁘다는 것을 알고 있으니 시간을 내주셔서 감사합니다.
젠슨 황:
매우 감사합니다.
래리:
그러면 바로 질문하겠습니다. 왜 AI가 이렇게 중요한 성장 엔진이 될 수 있다고 보십니까? 지금 이 순간, 이 기술이 과거의 기술 사이클과 어떻게 다른가요?
젠슨 황:
네. 우선, 여러분이 ChatGPT, Gemini, Anthropic의 Claude 등을 사용하면서 다양한 방식으로 AI와 상호작용할 때, 그들이 하는 놀라운 일들을 경험하게 됩니다. 하지만 이때 컴퓨팅 스택(computing stack)에 근본적으로 무슨 일이 일어났는지를 이해하기 위해, 근본 원칙(first principles)에서 생각해보는 것이 도움이 됩니다.
이것은 플랫폼 전환(platform shift)입니다. 플랫폼은 애플리케이션을 구축하는 기반입니다. 이번 플랫폼 전환은 과거 PC로의 전환과 같습니다. 새로운 종류의 컴퓨터에서 실행될 새로운 애플리케이션이 개발되었죠. 인터넷으로의 전환도 마찬가지고, 새로운 컴퓨팅 플랫폼이 다양한 새 애플리케이션을 수용했습니다. 모바일 클라우드로의 전환도 그러했습니다. 매번 플랫폼 전환이 일어날 때마다 컴퓨팅 스택이 재구성되고 새로운 애플리케이션이 탄생했습니다.
이 의미에서 이것은 새로운 플랫폼 전환입니다. 여러분이 지금 사용하는 ChatGPT 자체는 하나의 애플리케이션이지만, 중요한 점은 새로운 애플리케이션이 ChatGPT 위에서 구축될 것이며, Anthropic의 Claude 같은 모델 위에서도 새로운 애플리케이션이 만들어질 것이라는 점입니다. 그래서 이것이 바로 플랫폼 전환입니다.
AI가 이전에는 결코 할 수 없었던 일을 할 수 있다는 점을 깨닫는다면, 이해하기 쉬워집니다. 과거의 소프트웨어는 사실상 '사전 녹음된(pre-recorded)' 것이었습니다. 인간이 알고리즘 혹은 조리법을 입력하고 설명하면 컴퓨터가 그것을 실행하는 방식이었죠.
이 소프트웨어는 구조화된 정보만 처리할 수 있었습니다. 이름, 주소, 계좌번호, 나이, 거주지 등을 입력해 구조화된 표를 만들어야 했고, 소프트웨어는 그 안에서 정보를 검색했습니다. 우리가 SQL 쿼리라고 부르는 것입니다. SQL은 역사상 가장 중요한 데이터베이스 엔진이며, 거의 모든 것이 SQL 위에서 동작했습니다.
하지만 지금 우리는 비정형 정보를 이해할 수 있는 컴퓨터를 갖게 되었습니다. 즉, 사진을 보고 내용을 이해할 수 있고, 텍스트를 읽고 의미를 파악할 수 있습니다.
이 모든 것은 완전히 비정형입니다. 소리를 듣고 의미를 이해하며, 그 구조를 파악하고 어떻게 반응할지 추론할 수 있습니다. 따라서 우리는 처음으로 '사전 녹음된' 것이 아닌, 실시간으로 정보를 처리할 수 있는 컴퓨터를 갖게 된 것입니다. 이는 현재의 상황 정보, 환경 정보, 맥락 정보, 그리고 여러분이 주는 모든 정보를 받아들이고, 그 의미를 추론하며, 여러분의 의도를 추론한다는 뜻입니다. 그리고 여러분의 의도는 매우 비정형적인 방식으로 설명될 수 있습니다.
우리는 이것을 '프롬프트(prompts)'라고 부릅니다. 하지만 여러분이 원하는 어떤 방식으로든 설명할 수 있습니다. 의도를 이해하기만 한다면, 컴퓨터는 여러분을 위해 작업을 수행할 수 있습니다.
여기서 중요한 점은 우리는 전체 컴퓨팅 스택을 재구성하고 있다는 것입니다. 그런데 AI란 무엇입니까? AI를 생각할 때, 아마 AI 모델을 떠올리겠지만, 산업적으로 AI를 이해하는 것이 중요합니다. AI는 실제로 다섯 층짜리 케이크입니다:
1. 에너지(Energy): 가장 바닥층은 에너지입니다. AI는 실시간으로 지능을 처리하고 생성하므로 에너지가 필요합니다.
2. 칩 및 컴퓨팅 인프라(Chips and computing infrastructure): 두 번째 층은 제가 속한 분야인 칩과 컴퓨팅 인프라이입니다.
3. 클라우드 인프라(Cloud infrastructure): 그 위에는 클라우드 서비스가 있습니다.
4. AI 모델(AI models): 그 다음 위층은 AI 모델입니다. 대부분 사람들이 AI라고 생각하는 곳이 바로 여기입니다. 하지만 이 모델들을 가능하게 하려면 아래 모든 층이 반드시 존재해야 한다는 점을 잊지 마십시오.
5. 애플리케이션 계층(Application layer): 하지만 가장 중요하고 현재 실제로 일어나고 있는 것은 애플리케이션 계층입니다. 작년이 AI에게 있어 믿기 어려운 해였던 이유는, 솔직히 말해 AI 모델이 큰 진전을 이루었기 때문입니다. 그 결과 위에 있는 애플리케이션 계층—즉 우리 모두가 성공을 원하는 궁극의 계층—이 번성할 수 있었습니다. 이 애플리케이션 계층은 금융 서비스, 의료 건강, 제조업 등 다양한 분야에 걸쳐 있습니다. 궁극적으로 경제적 효과는 여기서 발생합니다.
중요한 점은 이 컴퓨팅 플랫폼이 아래 모든 계층을 필요로 하기 때문에, 인류 역사상 최대 규모의 인프라 구축이 이미 시작되었다는 것입니다. 우리는 이미 수천억 달러를 투입했습니다.
래리:
단지 수천억이라니요.
젠슨 황:
우리는 겨우 수천억 달러만 투입했습니다. 래리(사회자)와 저는 앞으로 많은 협업 기회가 있겠지요.
수조 달러 규모의 인프라가 건설되어야 합니다. 이는 논리적으로 당연한 일입니다. 왜냐하면 모든 맥락 정보를 처리해야 하며, AI 모델이 최상위 애플리케이션을 구동할 수 있는 지능을 생성하기 위해서는 그 밑단의 인프라가 필수적이기 때문입니다.
따라서 하나씩 거슬러 올라가 생각해보면, 에너지 산업이 놀라운 성장을 겪고 있다는 것을 알 수 있습니다. 반도체 산업에서는 TSMC가 20개의 새로운 웨이퍼 공장을 건설하겠다고 발표했습니다.
폭스콘(Foxconn), 위스트론(Wistron), 쿼타(Quanta)는 저희와 협력해 30개의 새로운 컴퓨터 공장을 짓고 있으며, 이 공장들이 생산하는 제품은 AI 공장으로 들어갑니다. 따라서 전 세계적으로 칩 공장, 컴퓨터 공장, AI 공장이 건설되고 있습니다.
래리:
메모리도 포함해서요.
젠슨 황:
네, 맞습니다. 그 칩 공장들 말입니다. 마이크론(Micron)은 미국에 2000억 달러를 투자하기 시작했습니다. SK하이닉스(SK Hynix)와 삼성(Samsung)도 매우 훌륭한 성과를 보이고 있습니다. 반도체 산업 전반이 놀라운 속도로 성장하고 있다는 것을 확인할 수 있습니다. 물론 우리는 현재 모델 계층에 주목하고 있지만, 모델 위의 애플리케이션 계층도 매우 훌륭한 성과를 내고 있다는 점이 흥미롭습니다. 한 가지 지표는 작년 벤처캐피탈(VC)의 자금 흐름입니다.
작년은 VC 투자 역사상 가장 큰 해 중 하나였으며, 대부분의 자금이所谓 'AI 네이티브(AI native)' 회사들로 흘러갔습니다. 이 회사들은 의료, 로봇, 제조, 금융 서비스 등 세계 주요 산업 전반에 걸쳐 있습니다. AI 모델이 비로소 애플리케이션 구축의 기반으로서 충분히 성숙해졌기 때문에, AI 네이티브 회사들에 막대한 투자가 유입되고 있는 것입니다.
래리:
좀 더 깊이 들어가봅시다. 분명히, 여기 계신 모든 분들이 자신만의 챗봇을 사용해 정보를 얻고 있다고 믿습니다. 하지만 당신은 AI의 보편화가 핵심이라고 말씀하셨습니다. 물리적 세계에서 AI의 보편화가 가져올 더 긍정적인 비전에 대해 좀 더 이야기해 주십시오. 의료를 좋은 예로 들었지만, 교통이나 과학 분야에서는 어떤 변혁적 기회를 보고 계신가요?
젠슨 황:
작년에, AI 기술 계층, 즉 모델 계층에서 세 가지 큰 사건이 있었다고 생각합니다.
첫째, 모델 자체는 처음엔 신기하고 흥미로웠지만 많은 '환각(hallucinations)'을 생성했습니다. 그런데 작년에는 합리적으로 말할 수 있게 되었는데, 모델들이 점점 더 근거 있는(gronded) 상태가 되었다는 것입니다. 이제 모델들은 연구를 수행할 수 있고, 훈련되지 않은 환경에 대해서도 추론할 수 있으며, 이를 단계별 추론 단계로 분해하고 질문에 답하거나 작업을 수행하기 위한 계획을 수립할 수 있습니다. 따라서 작년 우리는 언어 모델이 '에이전트 시스템(Agentic Systems)' 또는 '에이전트 AI(Agentic AI)'라 불리는 AI 시스템으로 진화하는 것을 보았습니다.
두 번째 큰 돌파구는 오픈 모델(open models)의 등장입니다. 약 1년 전 딥시크(Deepseek)가 등장했을 때 많은 이들이 걱정했습니다. 하지만 솔직히 말해, 딥시크는 세계 대부분의 산업과 기업에게는 거대한 사건이었습니다. 왜냐하면 세계 최초의 오픈 소스 추론 모델이었기 때문입니다. 그 이후로 수많은 오픈 추론 모델들이 등장했습니다. 오픈 모델들은 기업, 산업, 연구자, 교육자, 대학, 스타트업들이 이를 활용해 특정 분야에 특화되거나 특수한 요구를 충족하는 결과물을 만들 수 있도록 해줍니다.
세 번째로 작년에 큰 진전을 이룬 분야는 '물리적 지능(physical intelligence)' 또는 '물리 AI(physical AI)'라는 개념입니다. 이 AI는 언어뿐 아니라 자연도 이해합니다. 우리 물리 세계를 이해하는 AI일 수도 있고, 단백질, 화학물질, 물리학(유체역학, 입자물리학, 양자물리학 등)을 이해하는 AI일 수도 있습니다. 이러한 AI들은 이제 모든 다양한 구조와 다양한 '언어'—예컨대 단백질을 하나의 언어로 볼 수 있다면—를 학습하고 있습니다.
이 모든 AI들이 이제 너무나 큰 진전을 이루었기 때문에 제조업이나 신약개발 분야의 산업 기업들이 획기적인 발전을 이루고 있습니다. 엘라이 릴리(Eli Lilly)와의 협업이 좋은 예입니다. 그들은 AI가 단백질과 화학물질 구조를 이해하는 데 있어서 놀라운 발전을 이루었다는 점을 깨달았습니다. 기본적으로 ChatGPT와 대화하듯이 단백질과 상호작용하고 대화할 수 있게 된 것입니다. 우리는 정말 중대한 돌파구를 목격하게 될 것입니다.
래리:
이 모든 돌파구들은 '사람의 요소'에 대한 우려를 불러일으킵니다. 당신과 저는 이 주제로 여러 차례 대화를 나눴지만, 모든 관객에게 알려야 합니다. 사람들은 AI가 일자리를 대체할까 매우 걱정하고 있습니다. 그런데 당신은 계속해서 반대되는 주장을 펼칩니다. 물론, 당신이 말했듯이 AI 인프라 구축—인류 역사상 최대 규모의 인프라 구축—이 일자리를 창출할 것입니다. 에너지 산업이 일자리를 만들고, 산업이 일자리를 만들고, 인프라 계층이 일자리를 만들며, 토지, 전기, 공장이 일자리를 만든다는 것은 놀라운 일입니다.
자, 좀 더 자세히 살펴봅시다. 당신은 실제로 노동력 부족을 맞이하게 될 것이라고 봅니다. 그렇다면 AI와 로봇 기술이 일의 성격을 어떻게 변화시키는지, 일자리를 없애는 것이 아니라 변화시키는지 어떻게 보십니까?
젠슨 황:
이 문제를 여러 각도에서 생각해볼 수 있습니다.
첫째, 이것은 인류 역사상 최대 규모의 인프라 구축입니다. 이는 막대한 일자리를 창출할 것입니다. 더욱 멋진 점은, 이러한 일자리들이 전문 기술(tradecraft)과 관련되어 있다는 것입니다. 우리는 배관공, 전기공, 건축노동자, 철강 노동자, 네트워크 기술자, 장비 설치 및 설정을 담당하는 인력을 필요로 할 것입니다. 미국에서는 이러한 분야에서 상당히 두드러진 호황을 보고 있습니다. 임금이 거의 두 배로 뛰었습니다.
래리:
맞습니다.
젠슨 황:
칩 공장, 컴퓨터 공장, AI 공장을 짓는 사람에게 6자리 수의 연봉을 제공하는 얘기를 하고 있습니다. 그런데 우리는 이런 인력이 심각하게 부족합니다. 많은 국가와 사람들이 이 중요한 분야를 인식하게 되었다는 점이 정말 기쁩니다. 누구나 좋은 삶을 살 수 있어야 하며, 이를 위해 컴퓨터과학 박사 학위를 가질 필요는 없습니다. 그래서 이런 현상을 보게 되어 매우 기쁩니다.
둘째로 인식해야 할 점은, 우리는 이론적으로 작업의 자동화가 일자리에 미치는 영향을 논의하고 있지만, 제가 현실 세계에서 이미 일어난 실제 사례를 몇 가지 소개하겠습니다.
10년 전을 기억하십니까? 가장 먼저 사라질 직업 중 하나가 방사선과 의사일 것이라고 모두가 생각했습니다. 이유는, 초인적인 수준에 도달한 첫 번째 AI 기술이 컴퓨터 비전이었고, 그 가장 큰 응용 분야 중 하나가 바로 방사선과 의사의 영상 판독이었기 때문입니다.
10년 후, AI는 방사선학 전반에 걸쳐 완전히 침투하고 확산되었으며, 방사선과 의사들은 실제로 AI를 사용해 스캔 이미지를 분석하고 있습니다. 이 영향은 100%이고, 완전히 사실입니다. 그러나 전혀 놀라운 일이 아닌 것은—근본 원칙에서 생각해본다면—방사선과 의사의 수가 오히려 증가했다는 점입니다.
래리:
AI에 대한 신뢰 부족 때문입니까, 아니면 인간과 AI 결과의 상호작용이 더 나은 결과를 가져오기 때문입니까?
젠슨 황:
후자입니다. 방사선과 의사의 일의 '목적(purpose)'은 질병을 진단하고 환자를 돕는 것입니다. 이것이 그들의 일의 목적입니다. 일의 '작업(task)'은 스캔 이미지를 분석하는 것입니다. 이제 그들은 스캔 이미지를 거의 무한히 빠른 속도로 분석할 수 있게 되었고, 그 덕분에 환자와 더 많은 시간을 보내고, 질병을 진단하며, 환자 및 다른 임상의들과 소통하는 데 더 집중할 수 있게 되었습니다.
당연히도, 이로 인해 병원은 더 많은 환자를 접수할 수 있게 되었고, 과거에는 스캔을 하기 위해 긴 대기열이 있었지만, 이제는 환자 수가 증가하면서 병원 수익도 늘어나고, 더 많은 방사선과 의사를 고용하게 되었습니다.
간호사에게도 같은 일이 일어나고 있습니다. 미국에서는 500만 명의 간호사가 부족합니다. AI를 사용해 진료기록 및 환자 진료 내용을 기록하는 작업—간호사들이 과거에 절반의 시간을 기록에 썼습니다—을 이제 AI 기술로 해결할 수 있습니다. 저희 파트너사 Abridge가 이 분야에서 매우 훌륭한 성과를 내고 있습니다. 따라서 간호사들은 환자 방문에 더 많은 시간을 쓸 수 있게 되었습니다.
래리:
인간적인 돌봄입니다.
젠슨 황:
맞습니다. 이제 더 많은 환자를 볼 수 있으므로, 간호사 수에 의한 병목 현상이 사라지고, 더 많은 환자가 더 빨리 병원에 들어올 수 있습니다. 그 결과 병원 운영이 더 좋아지고, 더 많은 간호사를 고용하게 됩니다.
따라서 AI는 그들의 생산성을 높이고 있으며, 이는 놀라운 일이 아닙니다. 결과적으로 병원은 더 잘 운영되고 더 많은 인력을 고용하려 합니다. 병원에 들어가기 위해 너무 오래 기다리는 사람이 너무 많기 때문입니다. 두 가지 완벽한 사례입니다.
특정 일자리에 AI가 미치는 영향을 생각하는 가장 쉬운 방법은 그 일의 목적과 작업이 무엇인지 이해하는 것입니다. 우리 둘에게 카메라를 달아 하루 종일 지켜본다면, 우리는
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
