Trusting AI to increase productivity? Perspectives Across the Global North and South

기술 요약: AI를 신뢰하는 것이 생산성을 높이는가? 글로벌 노스(Global North)와 글로벌 사우스(Global South)의 관점

문제 제기

생성형 AI(GenAI) 도구는 학술 및 소프트웨어 개발 워크플로우에 점점 더 통합되고 있으며, 종종 생산성을 높이는 기술으로 홍보됩니다. 그러나 생산성 향상의 실현은 단순히 대규모 언어 모델(LLM)의 기술적 능력에 의해서만 결정되는 것이 아니라, 사용자의 신뢰와 맥락적 요인에 의해 크게 좌우됩니다. 기존 연구들은 주로 안정적인 디지털 인프라와 제도적 지원이 갖춰진 맥락 내에서 신뢰, AI 도입, 그리고 생산성 결과 사이의 관계를 개별적으로 조사해 왔습니다. 본 논문은 계산 자원, 데이터, 교육 및 유료 도구에 대한 불평등한 접근성과 같은 구조적 제약이 신뢰와 인지된 생산성 사이의 관계를 근본적으로 변화시킬 수 있는 글로벌 사우스(Global South) 환경에서 이러한 요소들이 어떻게 교차하는지에 대한 비판적 경험적 공백을 다룹니다. 본 논문은 GenAI 신뢰, 생산성, 그리고 글로벌 사우스 맥락을 연결하는 체계적인 증거의 부재를 해결하고자 합니다.

연구 방법론

본 연구는 3단계 탐색적 접근 방식을 채택합니다:

1. 체계적 문헌 고찰 (SLR):

   • 검색 전략: AI/GenAI, 신뢰, 생산성, 그리고 글로벌 사우스 맥락(개발도상국, 저자원 지역 및 특정 지역을 포함하는 용어 포함)의 개념을 결합한 구조화된 검색 문자열을 Google Scholar(2022–2025)에서 실행했습니다.
   • 스크리닝: 초기 4,977개의 결과 중 인용 횟수, 길이, 학술 대회 품질(CORE A/B 컨퍼런스)에 따라 논문을 필터링했습니다.
   • 결과: 최종 38개의 후보 논문에 대한 전문 스크리닝 결과, GenAI 신뢰, 생산성, 그리고 글로벌 사우스 환경의 교차점을 명시적으로 조사한 피어 리뷰(peer-reviewed) 연구는 **제로(0)**였습니다.

2. 회색 문헌(Grey Literature) 분석:

   • 범위: 새로운 통찰력을 포착하기 위해 MIT Technology Review, McKinsey, OECD, EY India와 같은 기관의 보고서를 분석했습니다.
   • 결과: 이러한 자료들은 GenAI를 생산성 동력으로 프레임화하고 있지만, 주로 잠재적인 경제적 이득을 추정할 뿐 사용자의 신뢰가 이러한 결과를 어떻게 형성하는지는 설명하지 않습니다. 이들은 국가 간의 불균등한 준비도와 접근 조건을 강조하며, 생산성 향상이 균일하게 나타나지 않음을 시사합니다.

3. 설문 조사 연구:

   • 설계: 전문 네트워크를 통해 학자와 소프트웨어 개발자들에게 전 세계적으로 배포된 탐색적 설문 조사를 실시했습니다. 인구통계학적 데이터, GenAI 사용 패턴, 신뢰 점수(기존 학생 연구에서 차용), 그리고 인지된 생산성 지표를 수집했습니다.
   • 샘플링: 비교 프레임워크를 목표로 하여, 글로벌 사우스에서 태어나 근무하는 이들, 지역 간 경험이 있는 이들, 그리고 글로벌 사우스 외부에서 태어나 근무하는 이들을 포함했습니다.
   • 데이터: 집필 시점에 36개의 유효한 응답이 분석되었습니다. 샘플 크기가 작기 때문에(특히 글로벌 사우스에서 태어나 근무하는 응답자가 3명에 불과함), 결과는 통계적으로 견고한 집단 간 차이가 아닌 기술적 패턴(descriptive patterns)으로 보고됩니다.
   • 측정 지표: 신뢰와 생산성은 리커트 척도(-2 ~ +2)를 사용하여 측정되었습니다. 시간 절감량은 작업당 분 단위로 추정되었습니다.

주요 결과

예비 데이터는 지리적 맥락에 따라 신뢰와 인지된 생산성 사이의 역설적인 괴리를 보여줍니다:

• 신뢰 vs. 생산성 역설:
  • 글로벌 사우스에서 태어나 근무하는 응답자는 가장 높은 평균 신뢰 점수(0.83)를 기록했으나, 생산성 점수는 보통 수준(0.62)이었으며, 예상 시간 절감량은 가장 낮았습니다(~10.8분/작업).
  • 글로벌 사우스 외부에서 태어나 근무하는 응답자는 더 낮은 평균 신뢰 점수(0.30)를 기록했으나, 가장 높은 생산성 점수(0.68)와 가장 큰 시간 절감량(~21.5분/작업)을 보였습니다.
  • 혼합 맥락 그룹(글로벌 사우스 출신, 외부 근무)은 가장 낮은 신뢰도(-0.15)와 가장 낮은 생산성(0.22)을 보였습니다.
• 접근 장벽:
  • 모든 그룹에서 접근 제한이 보고되었습니다(33% ~ 50%). 가장 빈번한 장벽은 높은 구독 비용, 제한된 지역적 가용성, 그리고 제도적 또는 규제적 제한이었습니다.
• 질적 통찰:
  • 개방형 응답은 생산성이 종종 "인간의 검증 및 감독"을 통해 달성된다는 것을 보여줍니다. 사용자들은 자주 GenAI를 완전한 신뢰를 받는 자율적 에이전트라기보다 "두 번째 눈(second pair of eyes)" 또는 시작점을 위한 도구로 묘사합니다.
  • 한 응답자는 "시스템을 신뢰해야만 생산성이 높아지는 것은 아니다. 나는 오류를 확인하기 위해 교차 검증한다"라고 언급하며, 사용자가 출력물을 검증할 능력이 있다면 '교정된 불신(calibrated mistrust)' 상태에서도 생산성을 실현할 수 있음을 강조했습니다.

주요 기여

1. 연구 공백 식별: 본 논문은 GenAI 신뢰, 생산성, 그리고 글로벌 사우스 맥락의 교차점에 대해 현재 존재하는 피어 리뷰 문헌이 없다는 첫 번째 체계적인 증거를 제공합니다.
2. 경험적 기초 제공: 신뢰가 반드시 높은 생산성과 상관관계가 있다는 가정을 반박하며, 신뢰와 인지된 생산성이 글로벌 노스와 사우스 간에 어떻게 다른지에 대한 첫 번째 비교 설문 데이터를 제공합니다.
3. 맥락적 미묘함 제시: 본 연구는 구조적 요인(접근성, 비용, 검증 능력)이 신뢰와 생산성을 분리할 수 있음을 입증합니다. 글로벌 사우스에서의 높은 신뢰가 접근 가능한 도구가 제한적이거나 검증 노력이 많이 필요할 경우 반드시 시간 절감으로 이어지지는 않습니다.

의의 및 주장

저자들은 본 연구를 빠르게 진화하는 분야에 대한 논의를 촉발하고 초기 통찰력을 제공하기 위한 탐색적 연구로 규정합니다. 저자들은 결과가 예비적이며, 작은 규모의 불균형한 샘플 크기로 인해 집단 간 차이에 대한 통계적으로 견고한 증거로 해석되어서는 안 된다고 명시적으로 밝힙니다.

본 논문은 다음과 같이 주장합니다:

• AI를 신뢰하는 것만으로는 생산성 향상을 보장하기에 충분하지 않습니다.
• 생산성은 접근성, 작업의 유형, 그리고 출력물 검증에 필요한 노력에 크게 의존합니다.
• 신뢰와 생산성의 관계는 글로벌 노스와 사우스 간에 현저히 다른 맥락적 조건(인프라, 제도적 지원, 도구 가용성)에 의해 매개됩니다.

저자들은 향-후 연구가 데이터셋을 확장하여, 특히 글로벌 사우스 인구에 집중함으로써 신뢰, 생산성, 그리고 접근성이 어떻게 상호작용하는지에 대한 이해를 정교화해야 한다고 결론짓습니다. 이들은 추가적인 경험적 조사의 필요성 외에 구체적인 기술적 솔루션이나 미래의 실험 설계를 제안하지 않습니다.