Relative Development and the Intelligence Divide: Human Capital, Technology Diffusion, and AI

수십 년 동안 경제학자들은 세계에서 가장 부유한 국가와 가장 가난한 국가 사이의 격차를 지켜보며, 왜 어떤 나라는 계속 가난한 상태에 머물고 어떤 나라는 앞서 나가는가라는 단순하지만 끈질긴 질문을 던져왔습니다. 그 답은 종종 한 국가가 무엇을 소유하고 있는가에 있는 것처럼 보였습니다. 더 많은 공장, 더 나은 도로, 더 많은 학교를 보유한 국가는 일반적으로 더 많은 부를 창출합니다. 하지만 더 깊은 미스터리가 남아 있습니다. 두 국가가 유사한 양의 기계와 유사한 수의 교육된 노동자를 보유하고 있음에도 불구하고, 한 국가는 다른 국가보다 훨씬 더 많은 것을 생산할 수 있습니다. 이 차이는 흔히 생산성이라 불리는데, 이는 사회가 자원을 얼마나 잘 유용한 것으로 전환하는지를 측정하는 척도입니다. 오랫동안 사람들은 기술이 위대한 평등화 도구 역할을 할 것이라고 희망했습니다. 만약 가난한 국가가 단순히 부유한 국가와 동일한 기계나 소프트웨어를 살 수 있다면, 따라잡을 수 있을 것이라고 믿었습니다. 그러나 역사는 국가들이 학교나 공장 면에서는 서로 닮아가고 있지만, 생산량 면에서는 결코 그만큼 닮아가지 못했다는 것을 보여줍니다. 도구는 퍼졌지만, 그것을 효과적으로 사용하는 능력은 퍼지지 않았습니다.

이 퍼즐은 이제 인공지능에 관한 새로운 논쟁의 중심에 서 있습니다. 강력한 새로운 컴퓨터 시스템이 사용 가능해짐에 따라, 많은 이들이 이것이 마침내 가난한 국가들이 격차를 좁히는 데 도움을 줄 수 있을지 궁금해합니다. 국제통화기금(IMF)의 연구원인 패트릭 A. 이맘(Patrick A. Imam)과 독립 경제학자인 조나단 R. W. 템플(Jonathan R. W. Temple)의 새로운 연구는 그 답이 단순히 '접근성'의 문제처럼 간단하지 않음을 시사합니다. 연구진은 기술을 보유하는 것이 그것을 사용할 능력을 보유하는 것과 같지 않다고 주장합니다. 그들은 왜 어떤 국가들은 저생산성에서 고생산성으로 이동하는 반면, 다른 국가들은 그대로 정체되어 있는지, 그리고 인공지능이 그 여정에 도움이 될지 혹은 방해가 될지를 이해하기 위해 연구를 수행했습니다. 그들의 작업은 상세한 역사적 데이터를 검토하는 것과, 단순한 평균을 넘어 국가의 실제 움직임을 추적하는 새로운 방식으로 국가 발전을 바라보는 것을 결합합니다.

연구진은 거의 100개국의 1,000개 이상의 5년 단위 기간을 조사하여, 글로벌 경제 내에서 그들의 위치가 어떻게 변화했는지 추적했습니다. 그들은 세 가지 주요 요소, 즉 한 국가가 보유한 물리적 자본의 양, 노동력의 교육 수준, 그리고 전반적인 생산성을 살펴보았습니다. 그들은 이 요인들이 어떻게 움직이는지에 대해 놀라운 차이를 발견했습니다. 국가는 자본을 늘리고 교육 수준을 높이는 일을 비교적 빠르게 수행할 수 있었습니다. 한 국가가 몇 년 안에 새 공장을 짓거나 더 많은 아이들을 학교에 보낼 수는 있습니다. 그러나 저생산성에서 고생산성으로 이동하는 것은 훨씬 더 어렵고 훨씬 더 느렸습니다. 국가들이 더 많은 기계를 추가하고 더 많은 노동자를 교육했음에도 불구하고, 그들은 종종 그것들을 얼마나 효율적으로 사용하는지를 개선하는 데 실패했습니다. 생산성의 격차는 자원의 격차보다 훨씬 더 완고하다는 것이 증명되었습니다.

그 이유를 이해하기 위해, 저자들은 인적 자본, 즉 노동력의 기술과 지식의 역할에 주목했습니다. 표준적인 경제학적 설명은 교육이 왜 어떤 국가가 다른 국가보다 더 부유한지를 설명하는 데 아주 작은 부분만을 차지한다고 제안합니다. 만약 전 세계의 교육 연수를 단순히 동일하게 맞춘다 하더라도, 소득 격차는 줄어들겠지만 큰 거리는 여전히 남을 것입니다. 연구진은 이러한 정적인 관점이 중요한 역동성을 놓치고 있다는 것을 발견했습니다. 교육이 현재의 부의 수준을 완벽하게 설명하지는 못할지라도, 교육은 한 국가가 위로 올라갈 것인지 아니면 아래에 머물 것인지를 예측하는 강력한 지표입니다. 그들은 측정된 인적 자본 수준이 높은 국가들이 최저 생산성 상태를 탈출할 가능성이 현저히 높다는 것을 발견했습니다.

이 연구는 인적 자본의 특정 임계치를 식별했는데, 이는 두 개의 서로 다른 세계를 구분하는 것처럼 보였습니다. 이 수준 미만의 국가들의 경우, 최저 생산성 상태를 벗어나는 데 걸리는 평균 시간은 약 62년이었습니다. 반면 이 수준 이상의 국가들에게 그 시간은 25년으로 단축되었습니다. 이 차이는 단순한 숫자가 아닙니다. 이는 발전의 세대를 의미합니다. 저생산성 함정에 빠진 국가는 경제가 변하는 것을 보기 위해 일생을 기다려야 할 수도 있는 반면, 약간 더 유능한 노동자를 가진 국가는 단 한 세대 만에 동일한 변화를 달성할 수 있습니다. 연구진은 다양한 기술 척도와 다양한 데이터 그룹화 방식을 사용하여 이 발견을 여러 방식으로 테스트했으며, 그 패턴은 일관되게 나타났습니다. 심지 even 단순히 교육 연수가 아닌 인지적 기술을 살펴보았을 때도, 기술 수준이 높은 국가들이 더 빠르게 움직였습니다.

이는 인공지능에 대한 냉혹한 결론으로 이어집니다. 기술 그 자체는 모든 배를 자동으로 띄워 올릴 마법 지팡이가 아닙니다. 만약 인공지능이 주로 이미 숙련된 사람들에게만 도움을 준다면, 그것은 격차를 더 벌릴 수 있습니다. 강력한 교육된 노동자, 신뢰할 수 있는 데이터, 그리고 유능한 기업이라는 기반을 갖춘 국가는 이 새로운 도구들을 사용하여 더욱 생산적으로 변할 수 있을 것입니다. 그러한 토대가 부족한 국가는 동일한 도구에 접근할 수는 있겠지만, 그것을 경제에 통합하는 데 실패할 수 있습니다. 연구진은 인공지능이 가난한 국가들에게 도움이 되기 위해서는, 단순히 지식의 비용을 낮추는 것 이상의 역할을 해야 한다고 주장합니다. 인공지능은 지식의 비용뿐만 아니라, 지원 체계가 취약한 곳에서 그 지식을 배우고, 적응하고, 실행하는 비용을 낮추어야 합니다.

이 연구는 진짜 장벽은 기술의 부족이 아니라, 그 기술을 작동시키기 위해 필요한 보완적 역량의 부족이라고 시사합니다. 트랙터를 갖는 것만으로는 충분하지 않습니다. 연료와 수리점, 그리고 그것을 사용할 줄 아는 농부가 필요합니다. 마찬가지로, 인공지능을 보유하는 것만으로는 충분하지 않습니다. 만약 한 국가가 그것을 실제 생산성 향상으로 전환할 경영 능력, 인프라, 그리고 제도적 역량을 갖추지 못했다면 말입니다. 연구진은 더 저렴해진 지능을 실제 경제적 움직임으로 전환하는 능력이 핵심이라고 밝혔습니다. 만약 인공지능이 약한 경제들이 더 빨리 배우고 더 잘 적응하도록 도울 수 있다면, 수십 년에 걸친 발전의 기다림을 단축할 수 있을 것입니다. 그러나 만약 인공지능이 오직 이미 강한 자들에게만 보상을 준다면, 그것은 단순히 프런티어를 더 멀리 밀어내어 부유한 국가와 가난한 국가 사이의 격차를 변함없이 유지하게 만들 뿐일 것입니다.

이 연구 결과는 정책 입안자들에게 명확한 길을 제시합니다. 단순히 최신 기술을 채택하는 것에만 집중하는 대신, 국가들은 기술이 번영할 수 있게 하는 더 넓은 생태계에 투자해야 합니다. 여기에는 교육의 질을 높이고, 경영 관행을 강화하며, 신뢰할 수 있는 인프라를 구축하고, 혁신을 지원할 수 있는 제도를 보장하는 것이 포함됩니다. 이 연구는 이것이 쉽거나 빠를 것이라고 약속하지는 않지만, 문제를 명확히 규정합니다. 격차는 단지 누가 도구를 가졌느냐의 문제가 아니라, 누가 그것을 사용할 능력을 가졌느냐의 문제입니다. 인공지능이 평등을 위한 힘이 되기 위해서는, 잠재력을 진보로 바꾸는 인간적, 제도적 토대를 구축하려는 진정한 노력과 병행되어야 합니다. 그렇지 않다면, 연결된 세상에 대한 약속은 그저 약속으로만 남을 것이며, 지능의 격차라는 현실은 계속해서 커져 갈 것입니다.