6.6조 달러의 기회: 왜 스킬링(Skilling)이 AI 경제학의 결여된 연결고리인가

인공지능（artificial intelligence）의 약속은 오랫동안 혁신적인 효율성 및 자동화된 미래에 관한 이야기로 강조되어 왔습니다. 그러나 다보스에서 열린 세계경제포럼(World Economic Forum)에서 발표된 새로운 연구는 향후 10년의 진정한 경제적 원동력은 기술 자체가 아니라 그것을 활용할 수 있는 인적 노동력의 능력임을 보여줍니다. Pearson의 획기적인 연구는 AI 투자와 탄탄한 직원 역량강화를 결합하면 2034년까지 미국 경제에 최대 6.6조 달러를 주입할 수 있다고 제시합니다. 반대로 이른바 "학습 격차"를 무시하면 생산성 향상분 수조 달러를 놓칠 수 있습니다.

기업 리더와 정책입안자에게 전해지는 메시지는 단호합니다. 가장 빠른 칩과 가장 똑똑한 모델을 구입하는 것은 입장료에 불과합니다. 경쟁 우위와 거시경제적 상승효과는 인적 개발로의 전략적 전환에서 나올 것입니다.

"학습 격차"의 경제적 이해관계

*“Mind the Learning Gap: The Missing Link in AI's Productivity Promise,”*라는 제목의 이 보고서는 생성형 AI（Generative AI）가 미국 경제에 미칠 잠재적 영향을 전례 없는 정밀도로 수치화합니다. Pearson의 경제 모델링에 따르면 AI를 성공적으로 노동력에 통합하면 향후 10년간 미국 부가가치(Gross Value Added, GVA)에 4.8조 달러에서 6.6조 달러를 추가할 수 있습니다. 이 수치를 관점에서 보면 상한 추정치는 현재 미국 국내총생산(Gross Domestic Product, GDP)의 약 15%에 해당합니다.

그러나 이 횡재는 보장된 것이 아닙니다. 연구는 조직들이 AI 도입에 접근하는 방식에서 중요한 분기점이 있음을 강조합니다. 많은 기업의 현재 궤적은 데이터 센터, 클라우드 컴퓨트, 엔터프라이즈 라이선스 등 인프라에 대한 막대한 자본 지출을 수반하지만, 이러한 도구를 효과적으로 사용할 수 있도록 인력을 교육하는 데에는 상응하는 투자가 이루어지지 않는다는 점입니다.

이러한 단절은 경제학자들이 "생산성 역설(Productivity Paradox)"이라고 부르는 현상을 만듭니다. 수십억 달러가 AI 구현에 쏟아지고 있음에도 불구하고, 소프트웨어 엔지니어링 같은 특정 분야를 제외한 대부분의 기업 수준 생산성 향상은 쉽게 나타나지 않았습니다. Pearson의 연구는 병목이 인간의 역량에 있다고 제시합니다. 학습 격차를 해소하지 못하면, 기술은 최대 효용을 모르는 인력의 손에 든 비싼 도구에 불과합니다.

보강(Augmentation) 대 대체(Replacement): 전략적 전환

연구의 핵심 발견 중 하나는 AI가 주로 인건비 절감 도구라는 통념에 도전한다는 점입니다. 연구는 투자 수익률(ROI)이 가장 높은 곳은 역할을 완전 자동화하여 없애는 것이 아니라 기존 역할을 "보강(augmentation)"하여 더 높은 산출물과 품질을 달성하는 데서 나온다고 지적합니다.

기업이 AI를 단지 인력을 대체하기 위해 사용할 때, 그들은 종종 사기 저하, 조직적 지식의 손실, 적응에 취약한 경직된 운영 구조를 초래합니다. 반대로 보강 전략은 반복적이고 일상적인 작업을 AI 에이전트에 맡기고, 인간 직원들이 전략 기획, 복잡한 문제 해결, 창의적 혁신과 같은 고부가가치 활동에 집중하도록 해줍니다.

다음 표는 이 두 가지 전략적 접근 방식의 서로 다른 결과를 정리합니다:

Table: Comparative Analysis of AI Adoption Strategies

AI 시대의 "파워 스킬"(Power Skills)

경제적 보상이 인간과 기계의 협업에 달려 있다면, 그 협업은 어떤 모습일까요? 보고서는 기술적 AI 리터러시와 함께 '파워 스킬'(Power Skills)에 대한 수요가 증가할 것이라고 강조합니다.

도구를 운영하기 위한 기술적 역량은 여전히 필요하지만, 고성과를 내는 직원들을 구분짓는 요소는 AI가 쉽게 복제할 수 없는 능력들일 것입니다. 여기에는 다음이 포함됩니다:

• 비판적 사고와 판단력: AI 산출물의 정확성, 편향성 및 관련성을 평가하는 능력.
• 복합 문제 해결: 모호성을 헤쳐 나가고 AI 통찰을 더 넓은 비즈니스 전략에 통합하는 능력.
• 리더십과 공감: 기술적 혼란을 겪는 팀을 관리하고 고객 관계에서 인간적 연결을 유지하는 능력.
• 지속적 학습: AI 모델이 빠르게 진화함에 따라 새로운 도구에 적응하는 민첩성.

Pearson의 CEO인 Omar Abbosh는 보고서 발표에서 이러한 변화를 강조했습니다. Abbosh는 "AI는 비즈니스와 산업에 장기적인 심오한 변화를 가져올 것입니다"라고 말했습니다. "그러나 리더들은 AI를 신속히 도입하고 그 투자에 대한 수익을 입증해야 하는 압박을 받고 있으며, 동시에 걱정하는 직원들을 이 거대한 변화에 동참시키는 과제를 안고 있습니다. AI로 가능해지는 미래의 모든 긍정적 시나리오는 인적 개발에 기반합니다."

부문별 영향과 기회

이 변화의 영향은 경제 전반에 걸쳐 균일하게 나타나지 않을 것입니다. 연구는 화이트칼라의 '지식 노동'이 AI 보강으로부터 가장 큰 이익을 볼 가능성이 높다고 지적합니다. 정보 처리, 데이터 분석 및 콘텐츠 생성에 크게 의존하는 역할은 생성형 AI（Generative AI）에 의해 구성 작업의 30%에서 46%가 보강될 수 있습니다.

이와 같은 화이트칼라 부문에 대한 영향의 집중은 전통적으로 자동화가 먼저 영향 미쳤던 블루칼라 및 육체노동 중심의 스크립트를 뒤집습니다. 오늘날에는 건설, 전문 수공업, 물리적 의료 서비스와 같은 수작업 역할은 현재의 대형 언어 모델로 자동화될 가능성이 낮아 보통 작업의 1% 미만만 자동화 가능합니다.

서비스와 지식 노동 쪽에 무게가 큰 미국 경제에 있어서, 이는 거대한 기회를 제시합니다. 화이트칼라 워크플로를 재설계하여 AI를 통합함으로써 금융, 법률 서비스, 기술과 같은 부문은 6.6조 달러 예상에 도달하는 데 필요한 복합적 생산성 성장을 달성할 수 있습니다.

리더를 위한 로드맵

이 가치를 열기 위해 보고서는 조직의 리더들이 파일럿 프로그램을 넘어서 학습을 핵심 전략 기둥으로 다루어야 한다고 제안합니다. 기술 발전 속도를 고려할 때 "기다려 보자"식 접근은 더 이상 실행 가능하지 않습니다.

경영진을 위한 주요 권고사항:

1. 작업 수준에서 진단하라: 광범위한 직무 설명을 넘어서라. AI로 보강할 수 있는 특정 작업을 식별하고 이 전환을 수용하도록 워크플로를 재설계하라.
2. 학습을 업무 흐름에 내장하라: 전통적 교실형 교육은 너무 느리다. AI 기반 코칭 에이전트와 일상 도구에 통합된 '적시 학습(just-in-time)' 모듈은 생산성을 방해하지 않으면서 지속적인 역량 강화를 제공할 수 있다.
3. 심리적 안전을 우선시하라: 직원들은 자신의 숙련도가 결국 불필요함으로 이어질지 모른다는 두려움 없이 AI를 실험할 수 있어야 한다. '일하면서 배우는' 문화를 조성하면 채택 속도가 빨라진다.
4. 기술 진전을 측정하라: 기술 습득을 재무 지표와 동일한 엄격함으로 취급하라. 인력이 AI 도구를 사용하는 숙련도를 추적하고 이를 생산성 결과와 상관관계로 연결하라.

결론

일자리를 빼앗는 AI라는 서사는 데이터에 의해 재작성되고 있습니다. 위험은 기술 자체에 있는 것이 아니라 인간의 잠재력에 대한 상상력의 실패에 있습니다. 미국 경제가 6.6조 달러 기회의 문턱에 서 있는 지금, 앞으로 나아갈 길은 명확합니다. 오늘 기업이 할 수 있는 가장 현명한 투자는 단지 인공지능에 대한 투자가 아니라 그것을 숙달할 수 있는 인간의 지능에 대한 투자입니다. 일의 미래는 기계가 사람을 대체하는 것으로 정의되지 않을 것이며, 오히려 기계와 함께 일하는 법을 배우는 사람들이 배우지 않는 사람들보다 더 뛰어난 성과를 낼 것입니다.