Artificial Intelligence Exposure, Tacit Experience and Occupational Wage Growth

기계가 업무를 어떻게 변화시키는지에 대한 이야기는 오랫동안 인간의 숙련도와 컴퓨터의 성능 사이의 단순한 경주로 설명되어 왔습니다. 수십 년 동안 경제학자들과 연구자들은 어떤 직업이 사라지고 어떤 직업이 번창할지를 예측하기 위해, 특정 과업을 얼마나 쉽게 일련의 규칙으로 기술할 수 있는지를 살펴보며 노력해 왔습니다. 만약 어떤 직업이 명확한 체크리스트를 따르는 것에 의존한다면, 컴퓨터가 결국 더 빠르고 저렴하게 그 일을 할 수 있을 것이라는 생각이 지배적이었습니다. 그러나 만약 어떤 직업이 인간의 직관, 창의성, 또는 복잡하고 예측 불가능한 상황을 다루는 능력을 필요로 한다면, 그 직업은 안전할 것이라고 가정되었습니다. 이러한 관점은 기술을 집을 덮치는 폭풍처럼 노동자에게 직접적으로 작용하는 힘으로 취급합니다. 하지만 새로운 관점은 결과가 폭풍 자체보다는 집이 어떻게 지어졌는지에 더 많이 달려 있다고 제안합니다. 즉, 직업의 가치가 노동자가 따르는 공식적인 규칙에서 오는지, 아니면 수년간의 실무를 통해 얻은 깊고 무언의 판단력에서 오는지에 주목합니다.

중국 지리 대학(China Jiliang University)의 제종 상(Zezhong Shang)이 수행한 최근 연구는 2018년부터 2024년 사이의 미국 노동 시장을 조사함으로써 이 아이디어를 탐구합니다. 이 연구는 인공지능의 부상, 특히 언어를 읽고 쓰고 추론할 수 있는 새로운 세대의 도구들에 초점을 맞춥니다. 저자는 단순히 직업이 이러한 도구에 얼마나 노출되어 있는지를 묻는 것이 아니라, 직업이 요구하는 지식의 유형이 인공지능 노출 증가에 따라 임금 상승 방식을 어떻게 변화시키는지 조사합니다. 핵심적인 발견은 '암묵적 경험(tacit experience)'—즉, 직접 해보고, 실수를 하고, 불확실성을 헤쳐 나가며 얻은 지혜—에 크게 의존하는 직업들이 인공지능에 노출될 때 임금이 더 빠르게 상승하고 있다는 점입니다. 반면, '성문화된 지식(codified knowledge)'—즉, 쉽게 글로 쓰거나 교실에서 가르치거나 매뉴얼로 만들 수 있는 정보—에 주로 의존하는 직업들은 다른 패턴을 보이고 있습니다 (다만 연구는 이 결과가 덜 안정적이며 통제 변수에 민감하다고 언급합니다). 이 연구는 미래의 업무가 단순히 기계가 무엇을 할 수 있느냐의 문제가 아니라, 조직이 규칙이 깨졌을 때 판단하고, 협상하며, 책임을 지는 인간의 능력을 어떻게 가치 있게 여길 것인가에 달려 있다고 시사합니다.

이를 이해하기 위해서는 먼저 연구자들이 업무의 지형을 어떻게 측정했는지 살펴봐야 합니다. 그들은 어떤 직업이 인공지능의 영향을 받을 가능성이 가장 높은지를 나타내는 널리 사용되는 지표로 시작했습니다. 'AI 직업 노출 지수(AI Occupational Exposure Index)'로 알려진 이 지수는 레이더처럼 작동하여, 새로운 기술의 역량이 사람들이 매일 수행하는 과업과 어디서 겹치는지를 보여줍니다. 그러나 레이더만으로는 직장 내부에서 어떤 일이 일어나는지 알 수 없습니다. 그것은 기업이 실제로 기술을 채택하는지, 그것이 일상적인 루틴을 어떻게 바꾸는지, 혹은 노동자가 임금을 올리는지를 보여주지 않습니다. 이 간극을 메우기 위해 저자는 미국 노동부의 O*NET 데이터베이스(직업 기술 및 요구 사항에 관한 방대한 저장소)를 사용하여 두 가지 새로운 척도를 구축했습니다.

첫 번째 척도는 '성문화된 지식 지수(Codified Knowledge Index)'입니다. 이는 직업의 공식적이고 문서화된 부분을 포착합니다. 여기에는 특정 지식 영역, 학교에서 가르칠 수 있는 기초 기술, 그리고 전문 자격증이나 도제 교육의 필요성 등이 포함됩니다. 이것들은 규칙책이나 교과서에 기록될 수 있는 업무의 요소들입니다. 두 번째 척도는 '암묵적 경험 지수(Tacit Experience Index)'입니다. 이는 실무를 통해 학습되며 말로 설명하기 어려운 부분들을 포착합니다. 여기에는 오류를 예측하고, 타인과 협상하며, 불확실성 속에서 결정을 내리고, 결과에 대해 책임을 지는 등의 기술이 포함됩니다. 이는 매뉴얼을 읽어서가 아니라, 이전에 직접 겪어보았기 때문에 위기 상황을 다룰 줄 아는 숙련된 전문가의 자질입니다.

그 후 연구진은 이 척도들을 미국 전역의 26,697개 서로 다른 주와 직업 조합의 임금 데이터와 결합했습니다. 연구진은 생성형 인공지능이 급격히 등장한 시기인 2018년에서 2024년 사이의 임금 변화를 살펴보았습니다. 그들은 구체적인 질문을 던졌습니다: 인공지능 노출 정도가 성문화된 지식에 치중된 직업과 암묵적 경험에 치중된 직업에 따라 임금 성장에 다르게 영향을 미치는가? 그들이 찾아낸 답은 명확하고 통계적으로 유의미했습니다.

연구진이 암묵적 경험 수준이 높은 직업들을 살펴보았을 때, 인공지면 노출도가 1표준편차 증가함에 따라 임금이 더 가파르게 상승하는 것을 확인했습니다. 쉽게 말해, 직업이 수년간의 연습을 통해 얻은 판단력과 경험에 더 많이 의존할수록, 인공지능이 더 보편화됨에 따라 임금이 더 높게 상승하는 경향이 있었습니다. 이 관계는 직업의 시작 임금, 위치한 주, 그리고 요구되는 공식적 지식의 양을 고려한 후에도 유효했습니다. 이 패턴은 다양한 검증과 다양한 데이터 그룹화 방식에서도 견고하게 유지되었습니다. 이는 고도화된 언어 도구의 시대에, 출력값을 해석하고, 예외 상황을 관리하며, 중대한 결정을 내리는 능력이 고용주들에게 더욱 가치 있어지고 있음을 시사합니다.

반대로, 성문화된 지식이 많은 직업에서는 다른 패턴이 발견되었으나, 저자는 이 결과가 덜 안정적이라고 언급했습니다. 이러한 역할들의 경우, 인공지능 노출도가 높아질수록 임금 성장 기울기가 완만해지거나 음(-)의 방향을 띠었지만, 이 결과는 통제 변수와 지수 구성 방식에 민감하게 반응했습니다. 이것이 공식 교육이나 자격증이 무용하다는 의미는 아닙니다. 데이터는 이러한 직업들이 여전히 공식적 지식을 필요로 하며, 그 지식이 문제를 정의하고 기계의 작업물을 검증하는 데 필수적임을 보여줍니다. 다만, 이 연구는 쓰인 규칙을 쉽게 복제하고 조작할 수 있는 도구들 앞에서, 주로 쓰인 규칙을 따르는 것만으로 얻을 수 있는 직업적 이점이 약화되고 있음을 시사합니다. 업무의 가치가 규칙을 암송하는 능력에서, 규칙이 적용되지 않는 회색 지대를 항해하는 능력으로 이동하고 있는 것입니다.

연구진은 자신들의 결과가 무엇을 증명하고 무엇을 증명하지 않는지를 명확히 하기 위해 주의를 기울였습니다. 그들은 인공지능이 정확히 어떻게 사용되고 있는지 보기 위해 개별 노동자나 특정 기업을 추적하지 않았습니다. 또한 기술 채택의 강도나 기계가 단일 급여에 미치는 직접적인 인과 관계를 측정하지도 않았습니다. 대신, 그들은 경제 전체의 광범위한 패턴을 관찰했습니다. 결과는 업무의 조직 방식이 중요하다는 것을 보여줍니다. 두 직업이 동일한 수준의 인공지능 노출도를 가질 수 있지만, 하나가 깊은 실무 경험에 의존하고 다른 하나가 주로 공식적 규칙에 의존한다면, 그들의 임금 궤적은 서로 달라질 것입니다. 이 연구는 노동 시장이 사전 작성된 대본을 따르는 능력보다, 특정한 상황 맥락 속에서 즉각적으로 발휘되는 판단력, 즉 '상황적 판단(situated judgment)'을 더 보상하기 시작했음을 암시합니다.

이러한 구분은 왜 어떤 노동자들은 번창하고 다른 이들은 어려움을 겪는지 설명하는 데 도움이 됩니다. 특히 그들이 기술의 영향을 비슷하게 받는 분야에서 일하고 있을 때 더욱 그러합니다. 이는 자동화로부터 완전히 면역된 직업만이 안전한 직업이라는 기존의 생각을 반박합니다. 대신, 가장 회복 탄력성이 높은 노동자는 자신의 가치가 경험과 예상치 못한 상황을 다루는 능력에 결부된 사람들임을 시사합니다. 또한 이 연구는 변화의 방향이 단순히 기술 자체에 의해 결정되는 것이 아님을 강조합니다. 그것은 고용주가 업무를 어떻게 조직하기로 결정하는지, 그리고 무엇을 보상하기로 결정하는지에 달려 있습니다. 만약 기업들이 인공지능을 사용하여 통제를 중앙 집중화하고 노동자의 재량권을 박탈하는 데 사용한다면, 그 혜택은 직원들에게 돌아가지 않을 수 있습니다. 그러나 만약 복잡성을 관리하는 데 이미 숙련된 노동자들을 지원하는 데 인공지능을 활용한다면, 그 노동자들의 보상은 늘어날 수 있습니다.

이러한 발견은 업무의 미래에 대한 지속적인 논쟁에 미묘한 차이를 더해줍니다. 이전의 연구들은 흔까지 단순하게 과업이 '정형적(routine)'인지 '비정형적(non-routine)'인지에 초점을 맞추었습니다. 본 연구는 새로운 세대의 인공지능에 대해서는 그 구분이 모호해지고 있음을 시사합니다. 기계는 이제 코드 작성이나 복잡한 보고서 요약과 같이 과거에 비정형적이라고 여겨졌던 많은 과업을 수행할 수 있습니다. 남은 차이점은 지식의 원천입니다. 이 연구는 노동 시장이 데이터베이스에 담길 수 있는 지식과 실무자의 마음속에 살아있는 지식을 구분하고 있음을 보여줍니다. 인공지능이 직업의 성문화된 부분을 처리하는 능력이 향상됨에 따라, 경험적이고 암묵적인 부분에 대한 경제적 프리미엄은 높아지는 것으로 보입니다.

결국, 이 연구는 인간의 노동 가치가 어떻게 재편되고 있는지에 대한 지도를 제공합니다. 이는 인공지능 시대에 더 나은 임금을 향한 길은 더 많은 사실을 알거나 더 많은 규칙을 따르는 것이 아니라, 업무를 수행하며 얻는 실무적 지혜를 심화하는 데 있을 수 있음을 시사합니다. 이 연구가 모든 숙련된 노동자가 임금 인상을 보장받는다거나, 모든 규칙 기반의 직업이 사라질 것이라고 약속하는 것은 아닙니다. 단지 명확한 추세를 드러낼 뿐입니다. 현재의 경제 지형에서 판단력을 행사하고, 문제를 예측하며, 책임을 지는 능력은 매뉴얼을 따르는 능력보다 임금 성장의 더 강력한 동력이 되고 있습니다. 기술이 계속 진화함에 따라, 조직이 이러한 인간적 자질을 어떻게 가치 있게 평가하느냐가 새로운 도구로부터 누가 가장 큰 혜득을 얻을지를 결정하게 될 것입니다.