디지털 전환과 AI 기술의 발전이 산업 구조, 자율성, 인간과의 협업, 사회적 규제 및 고용 시장에 미치는 다각적인 영향과 과제 doc_id CNTS-00118875681_16

독일에서 각 분야의 디지털화 수준은 다르게 나타난다. ICT와 미디어 분야에서는 지난 20년 간 여러 차례의 디지털화를 거쳐 변화가 이루어져 온 반면, 제조업에서는 대부분 아직 디지털화가 진행되지 않았다. 독일 기업 전체의 절반이 이미 최신 기술을 활용하고 있는 반면, 1/3은 아직 이러한 기술의 활용을 고려하지 않고 있다. 업종과 상관 없이, 미래의 경쟁력은 기업이 얼마나 성공적으로 디지털 전환에 대처하는지에 달려 있다. 성공적인 대처 방법의 사례들은 ICT 분야 외에서도 찾아볼 수 있다. 식품소매업과 같은 다른 분야에서도 디지털화에 성공하면서도 기존의 사회적 파트너십 관계를 공고히 한 기업들이 있다. 디지털화는 거래비용을 감소시키고 효율은 증가시킨다. 많은 상공업 협회들과 컨설팅 기업들은 향후 몇 년 동안은 ICT와 제조업 분야에서 높은 생산성 증가가 기록될 것으로 전망한다. AI는 물리적인 액추에이터를 컨트롤하거나 온라인 액션을 트리거할 수 있는 시스템에 자주 적용된다. AI가 일상생활 세계와 만나게 되면, 자율성, 자동화, 휴먼-머신 협동성(human-machine teaming)에 대한 이슈가 제기된다. 자율성은 인간의 컨트롤을 줄이거나 아예 없는 상태에서 시스템이 작동하고 변화하는 환경에 맞춰지는 능력을 말한다. 예를 들어, 무인자동차는 스스로 목적지까지 운전할 수 있다. 여러 문헌에서는 자동차와 항공기에 초점이 맞춰져 있긴 하지만, 자율성은 자동화된 금융 거래 및 자동화된 콘텐츠 큐레이션(curation system) 시스템을 포함하는 훨씬 더 광범위한 개념이다. 자율성은 보안 취약점을 파악하여 문제를 해결하는 등, 자체 운영 과정의 결함을 진단하고 수리할 수 있는 시스템도 포함된다. 기계가 사람의 일을 대신해주는 자동화와는 달리, 일부 기계가 사람의 일을 도와주는 경우도 있다. 이러한 상황은 AI 발전의 부작용으로 또는 시스템이 휴먼-머신 팀을 만들기 위한 목적으로 특별히 개발되었을 경우, 발생될 수 있다. 인간의 인지 능력을 보완하기 위한 시스템을 때로는 지능 확장(intelligence augmentation)이라고 한다. 대부분의 경우, 휴먼-머신 팀은, 서로의 약점을 보완해줄 수 있다는 강점을 사용하여, 혼자인 경우보다 더 효율적이 될 수 있다. 그 한 가지 예로 체스 둘 때를 들 수 있다. 약한 컴퓨터에 인간 팀 동료가 주어지는 경우, 약한 컴퓨터가 더 강한 컴퓨터를 이기는 경우가 종종 있다. 상위 컴퓨터가 사람보다 훨씬 더 강력한 플레이어인 경우에도 마찬가지이다. 또 하나의 예는 영상의학과이다. AI와 머신 러닝에 대한 한 가지 매우 낙관적인 영역은 세계 최고의 과제와 비능률적인 것을 해결하는데 도움을 줌으로써 사람의 삶을 개선할 수 있는 그들의 가능성이라고 할 수 있다. AI의 약속은 모바일 컴퓨팅(mobile computing)에서 변화시키는 발전의 영향과 비교되어 왔다. AI에 대한 기본 및 응용 R&D에서 공공 부문과 민간 부문의 투자는, 건강 관리, 교통, 환경, 형사 행정, 경제 등과 같이 다양한 분야에서 대중을 위한 큰 혜택을 이미 거두기 시작했다. 월터리드육군의료센터(Walter Reed Medical Center)에서, 미국재향군인부(Department of Veteran Affairs)는 의학적 합병증을 더 잘 예측하고 심각한 전투 부상의 치료를 개선하기 위해 AI를 사용하고 있으며, 이를 통해 환자 예후를 더 좋게 하고, 더 신속하게 치료하며, 비용을 절감할 수 있게 되었다. 머신러닝(machine learning)에 의존하는 시스템의 경우, 드문 상황을 확실히 이해해야 할 필요성은 시스템 설계와 테스트에 영향을 미친다. 머신러닝 접근방식은 유사한 상황이 모의 훈련에 있는 경우 제대로 처리될 것이라고 좀더 확신할 수 있다. 문제는 사고 위험에 기여하는 드문 상황을 충분히 포함하는 데이터세트를 개발하는 방법이다. 상업 항공은 산업 전반에 걸쳐 사고 및 안전 데이터를 공유하기 위한 메커니즘을 가지고 있지만 기존의 항공업계의 안전과 책임 문화에 익숙하지 않은 최근 자격을 갖춘 UAS 사업자에게 보고는 제2의 천성이 아닐 수 있다. 현재 자동차 산업에 대한 비교 시스템은 존재하지 않는다. 다만 사망 사고만 보고될 뿐이고, 기타 교통 안전 정보 수집 및 신고가 이루어진다 하더라도 주 또는 지방 수준에서 서로 다른 방식으로 수행된다. AI는 차량 및 항공기와 같이 대중을 유해요소로부터 보호하고 경제 경쟁에서 공정성을 유지하기 위해 수립된 규제의 적용을 받은 여러 분야에 활용되고 있다. 해당 제품에 AI를 결합하는 경우 관련 규제 접근방식에 어떤 영향을 미치는가? 일반적으로, 공공 안전 보호를 위해 AI가 가용한 제품에 적용하는 규제는 AI를 사용함으로써 증가할 수 있는 위험 요소를 어느 정도 감소시킬 수 있는가에 대한 평가 결과를 적용해야 한다. 위험 수준이 기존의 규제 정책 경계 내에 속하는 경우, 정책 논의는 기존의 규제가 이미 위험을 적절히 해결할 수 있는지, 아니면 AI를 추가하기 위해 규제가 필요한지에 대해 이뤄져야 한다. 또한, AI 추가로 인한 규제가 법률 준수 비용을 증가시키게 되는 경우, 또는 이로운 혁신의 수용이나 발전을 늦추는 경우, 정책입안자는 이러한 반응을 조절하여 어떻게 하면 비용과 혁신 장벽을 낮추며 동시에 시장의 공정성이나 안전성에 부정적 영향을 미치지 않도록 할지 고려해야 한다. Frey와 Osborne(2013)은 미국의 전체 직업 중 47%(독일의 경우 42%)가 자동화로 인하여 사라질 위기에 처해 있다고 주장하였는데, 이러한 주장은 이론적으로 자동화가 가능한 모든 것이 실제로 자동화되고 특정 직종에 필요한 모든 업무가 자동화될 수 있음을 전제로 한다. 그러나, 실제로는 직종의 전체 업무가 아니라 특정 개별 업무만이 자동화되고 있다. 이를 감안한다면, 오늘날 독일 전체 근로자의 약 12%가 자동화로 인해 사라질 위험이 큰 일자리에 고용되어 있다. 그러나, 이 또한 잠재적 위험일 뿐으로, 자동화에 대해서는 여러 법적, 사회적, 경제적 제약이 존재하기 때문이다. 게다가, 근로자들은 자신의 업무를 조정하면서 점점 더 복잡한 업무 과제를 수행하고 있다. 매년 독일 근로자의 3% 이상이 직종을 바꾸고, 1/5은 장기적으로 직업교육을 받은 분야에서 일하고 있지 않다는 점을 고려하면, 고용에 대한 예상 효과는 거리를 두고 보게 된다. 이미 진행되고 있지만 앞으로 그 진행 속도가 더욱 빨라질 가능성이 높은 적응 과정을 기술하고 있는 것이다.