한국이 4차 산업혁명에 대처하는 방법 - 앞으로 유망 직업은 로봇 훈련사?

한국이 4차 산업혁명에 대처하는 방법

4차 산업혁명 시대가 열렸다. 이러한 격변기에 국내 기업과 산업의 전망은 그리 밝은 편이 아니다. 정부는 산업 정책의 참신성에 매몰되지 말고 이제까지 진행돼온 정책의 구체적 현실화와 장기 지속성 보장에 힘쓸 필요가 있다.

  조회수 : 266  |  장진호 (광주과학기술원 교수·사회학)  |  webmaster@sisain.co.kr

[463호] 승인 2016.08.05  01:32:06

지난 3월, 구글의 바둑 인공지능 프로그램 알파고와 이세돌 프로 바둑기사가 펼친 세기의 대국 이후 글로벌 차원에서 인공지능(AI)에 대한 관심이 부쩍 커졌다. 인공지능과 함께 거론되는 ‘4차 산업혁명’이 뜨거운 주제다. 지난 1월 스위스 다보스에서 열린 세계경제포럼(WEF)의 대주제가 바로 ‘4차 산업혁명 이해하기’였다. 뭔가 역사적으로 중요한 큰 변화가 진행 중이라는 것을, 세계적으로 영향력을 행사하는 정·재계 인사들이 감지하고 있는 셈이다.

우리에게 비교적 익숙한 3차 산업혁명을 전제로 해서 4차 산업혁명이 무엇인지 짚어보자. 3차 산업혁명은, 1960년대에 시작되어 1990년대까지 반도체, 메인 프레임 컴퓨팅 및 PC, 인터넷 발달로 이어진 디지털 혁명으로 규정된다. 이른바 ‘정보사회화’나 ‘디지털사회화’ 등이 3차 산업혁명에 따라 개막되었다고 할 수 있다. 4차 산업혁명은 사물인터넷(IoT), 빅데이터와 클라우드 서비스, 3D 프린팅, 자율주행 자동차와 드론 같은 무인 운송수단, 신재생 에너지, 인공지능, 로봇공학 등 신기술들의 혁신적이고 융합적인 발전을 통해, 3차 산업혁명으로 발생한 인류 사회의 변화를 더 심화시킨다.

전통적인 산업과 기업, 시장의 영역과 역할이 무너지거나 재조정되는 것도 4차 산업혁명의 커다란 특징이다. 가령 구글·애플 같은 정보통신 업체가 자율주행 자동차 시장이나 로봇 산업을 주도한다. 온라인 쇼핑몰인 아마존이 드론 산업을 이끌어나가는가 하면 인공지능 탑재 스피커 ‘에코’로 사물인터넷 영역을 확대하기도 한다. 이런 혁신적 기업들은 단순히 자신이 참여한 시장 내에서 ‘파이’를 키우는 데 그치지 않고, 과감하게 새로운 시장을 만들어나간다.

ⓒ연합뉴스 7월8일 강릉시 경포해수욕장에서 튜브를 단 드론이 출동해 인명구조 시범을 보이고 있다.

이미 시장의 강자라 할지라도 이런 변화에 적응하지 못하면 순식간에 지위를 잃는다. 카메라 필름을 만들었다가 파산한 코닥이나, 2G 폰의 강자였다가 몰락한 노키아의 전철을 밟게 되리라 보인다. 국내 기업과 산업은 이러한 대격변에 잘 대비하고 있는 것일까?

흥미로운 내용의 슬로건이 적힌 플래카드가 도로 위 육교 벽면에 걸려 있던 시절을 기억한다. “산업화는 늦었지만 정보화는 앞서가자.” 1997년에 터진 외환위기의 충격과 여파가 한창이던 1990년대 말에서 2000년대 초쯤이었다.

당시 김대중 정부는 ‘정보(통신산업)화’를 시대정신으로 받아들였다. 그만큼 벤처산업 육성에 집중했다. 집권 1년차인 1998년에 이미 산업발전법을 제정해 정보통신, 신소재 등 새로운 지식산업 육성을 뒷받침하려 했던 것이다. 당시 초고속 인터넷 통신망 개통 같은 인터넷 인프라의 구축은 세계적으로도 매우 이른 시기에 단행된 업적이었다. 정책 당국자가 의도하지는 않았겠지만 그즈음 외환위기로 실직하거나 조기 퇴직한 가장들의 다수가 PC방을 열어 생계를 이어갔으니, 인터넷 인프라의 구축은 일종의 사회안전망 구실까지 떠맡았던 셈이다. 국내 온라인 게임 산업도 당시에는 세계에서 가장 빠른 속도로 발전할 수 있었다. 하지만 새천년(2000년)은 세계적인 닷컴 거품의 붕괴와 함께 찾아왔고, 국내에서도 제품·산업·시장의 혁신을 열망하거나 자신하던 정보통신 벤처 사업체들이 줄줄이 무너져갔다.

‘산만한 열거’에 그친 박근혜 정부 성장동력

이후 노무현 정부가 지정한 ‘10대 차세대 성장동력 산업’은 4차 산업혁명을 구성하는 주요 영역에도 부합했다. 지능형 로봇, 미래형 자동차, 차세대 전지, 디스플레이, 차세대 반도체, 디지털TV·방송, 차세대 이동통신, 지능형 홈네트워크, 디지털 콘텐츠·소프트웨어 솔루션, 바이오 신약·장기 등 지금도 글로벌 첨단산업으로 분류되는 분야가 포함되었다. 그러나 노무현 정부는 산업기술보다 오히려 금융 서비스 부문에서 개발 의지를 뚜렷이 했다. 결국 ‘소득 2만 달러’ ‘동북아 금융허브’ 따위 거창한 구호가 울려 퍼지는 가운데 첨단산업보다 펀드 거품과 부동산 투기 쪽으로 국가 역량이 왜곡되는 지경에 빠지고 만다. 당시 생명공학에 대한 전 국민적 관심까지 ‘황우석 스캔들’로 사라지고 말았다.

ⓒ연합뉴스 삼성은 2000년대 후반 스마트폰으로 시장이 재편될 때 ‘빠른 추격자’ 전략을 통해 살아남았다.

그러나 한류 등 국내 대중문화 콘텐츠 산업과 온라인 게임 산업이 크게 발전할 수 있었던 것은, 국민의 정부와 참여정부의 업적이다. 자유화된 사회정치적 분위기가 밑거름이 되었다. 네이버·다음 같은 국내 인터넷 전문 기업과 인터넷 생태계가 크게 성장하고 모양을 갖춘 것 역시 이 시기에 일어난 일이다.

‘대운하’를 대선 공약으로 내세우고 ‘녹색성장’을 표방한 이명박 정부가 경제적으로 우선순위를 둔 것은 4대강 정비사업 등 토건 분야였다. 이명박 정부는 인터넷 관련 산업이 발전하기 위한 토양인 자유로운 분위기조차 조성하지 못했다. 집권 초기의 글로벌 금융위기와 광우병 집회 이후 권위주의 기조를 강화하며 인터넷과 언론을 옥죄었다. 신재생 에너지, IT 융합 시스템, 로봇 응용, 나노 융합, 바이오 제약 등 신산업을 ‘17대 신성장동력 산업’으로 지정한 것은 좋았지만, 정작 정부의 관련 정책은 거꾸로 갔다. 종전의 과학기술부를 교육인적자원부와 통합하면서, 독자적인 과학기술 정책의 추진 및 관리의 동력을 위축시켜버린 것이다.

ⓒ연합뉴스 알파고 열풍이 불자 지난 3월17일 청와대는 ‘지능정보사회 민관합동 간담회’를 열었다.

‘창조경제’를 주창한 박근혜 정부 역시 2015년에 미래 성장동력으로 지능형 로봇, 착용형 스마트 기기, 가상훈련 시스템, 스마트 자동차, 지능형 반도체, 사물인터넷, 빅데이터 등 19개 영역을 제시했다. 4차 산업혁명의 진행과 전망을 감안하면, 어느 정도 부합하는 내용이라 할 수 있다. 그러나 임기 종료를 1년6개월여 앞둔 지금까지도 현실화할 방안은 거의 내놓지 못하고 있어서 ‘산만한 열거’에 그칠 뿐이다.

이명박·박근혜 정부 시기, 세계적 차원에서는 4차 산업혁명의 신호라 할 수 있는 큼직한 ‘혁신’이 잇따라 일어났다. 애플이 스마트폰 시대를 개막했고, 구글은 무인자동차 사업에 뛰어들었다. 1997년 국내 외환위기 이후 오히려 업그레이드된 제품 개발로 세계 가전시장의 강자가 된 삼성은 2000년대 후반, 애플의 시장 재편(휴대전화에서 스마트폰으로)으로 잠시 주춤거리다 ‘빠른 추격자(fast follower)’ 전략을 통해 노키아의 전철을 피할 수 있었다. 그러나 영업이익 측면에서 보면, 애플이 삼성을 압도적으로 제압하고 있다. 더욱이 세계에서 큰 시장 중 하나인 중국에서 삼성전자의 시장점유율이 계속 추락하고 있다.

이런 정황들로 알 수 있듯 4차 산업혁명에서 국내 업체들의 전망은 그리 밝은 편이 아니다. 선진국인 미국·유럽·일본 등에서는, 기초적인 기술력과 창의력을 기반으로 새로운 업체들이 꾸준히 세계적 대기업으로 떠오르면서 신산업을 선도한다. 중국 기업들은 거대 내수시장을 기반으로 정부의 정책 목표에 일사불란하게 호응하며 점차 세계시장을 주도하고 있다. 이에 비해 한국에서는, 새로운 시장을 주도하거나 창출하는 ‘혁신적’ 기업들이 눈에 띄지 않는다. 신산업들의 기본 중 기본이라고 할 수 있는 센서 산업도 너무 취약하다.

그런데도 국내에서는 지금까지도 큰 위기감을 체감하지 못한다. 비교적 탄탄한 인터넷 인프라로 인해 ‘대한민국이 정보화에서는 앞서갔다’는 과신과, 스마트폰 등에서 글로벌 브랜드로 떠오른 ‘삼성 착시효과’ 때문이다. 정부는 말로만 신성장 산업을 육성할 것이 아니라 정책을 현실화해야 한다. 한 산업을 제대로 육성하려면 상당히 긴 시간과 정책적 연속성이 필요하다. 하지만 민주화 이후 정권들은 스스로의 참신성에 대한 인상을 고려해서인지 매번 이전 정권에서 만든 정책이나 정부 조직을 쉽사리 무시하거나 변경해버렸다. 정부가 바뀔 때마다 매번 성장동력 산업을 새롭게 재편해 정책의 장기 연속성이 보장되지 않은 것이다. 4차 산업혁명에 대비하기 위해서는 ‘정책의 구체적 현실화’와 ‘정책의 장기 지속성 보장’이 이뤄져야 한다.

개발독재 시기인 1960~1970년대에는 정부가 산업정책 및 금융통제로 민간 부문을 ‘경제발전 전선’에 동원할 수 있었다. 그러나 지금은 설사 정부에서 청사진을 제대로 만든다 해도 이에 민간 부문이 순조롭게 부응할지 장담할 수 없다. 소수의 대기업 중심으로 빠른 추격 전략이 가능했던 과거와 달리, 4차 산업혁명을 구성하는 신산업들은 단단한 기초기술 역량과 혁신적 창의성을 필요로 한다. 장기간 축적된 기초연구 역량, 창의적이고 자유로운 문화적 환경, 벤처기업이 기술력으로 세계시장을 장악하고 4차 산업혁명을 선도하는 대기업으로 빠르게 성장할 수 있는 미국형 산업 생태계의 장점에 주목할 필요가 있다.

현재 인공지능 분야 연구자의 경우, 중국에서 매년 2000~3000명이 배출되는 데 비해 국내 연구자는 해외 박사를 포함해 한 해 20~30명에 그친다. 오히려 1980년대 중반~1990년대 초반 인공지능 부문에 대한 관심이 높아지면서 다수의 인재가 몰린 적이 있었다. 그러나 단기적으로 가시적인 성과가 나타나지 않는다는 이유로 정부 지원이 끊기자 관련 연구 역시 지속되지 못했다. 현재 국내 대표 기업들 중에는 내로라하는 인공지능 관련 기술을 보유한 곳을 찾아보기 힘들다.

구글은 2001년부터 인공지능 및 관련 분야에 280억 달러(약 33조원)를 투자했고, 일본 도요타 역시 10억 달러로 인공지능연구소를 설립했다. 일본 소프트뱅크는 이미 인공지능 로봇을 상용화해서 백화점 등에 배치한 상태다. 중국에서는 포털사이트 회사 바이두가 3억 달러를 투자해서 미국 실리콘밸리에 연구소를 설립했다. 그러나 국내 기업들은 대부분 관련 서비스의 계획이나 개발 단계에 있다는 지적도 나온다. 그나마 삼성전자가 인공지능 관련 스타트업에 480억원 정도를 투자한 상태다

인공지능 투자액 미국·일본의 ‘10분의 1’

정부 차원에서 보면 미국은 2013년 세운 ‘브레인 이니셔티브(BRAIN Initiative)’ 전략하에 매년 30억 달러(약 3조5000억원)를 이 부문에 투자하고 있다. 일본은 인공지능 기반 로봇혁명 프로젝트의 일환으로 지난해부터 1000억 엔(약 1조500억원)을 인공지능 분야에 투입했다. 한국은 ‘알파고 충격’ 직후인 지난 3월, 인공지능과 사물인터넷 분야를 포함하는 지능정보 산업에 5년간 1조원가량을 투자할 계획이라고 밝혔다. 그러나 선진국의 5분의 1에서 10분의 1 수준이다. 삼성전자·LG전자·SK텔레콤·KT·네이버·현대자동차 등 6개 기업이 참여하는 지능정보기술연구소도 설립하기로 했다.

좀 늦긴 했지만, 한국 정부는 이러한 산업정책 구상 및 연구인력 육성 투자와 더불어 스타트업들의 창조적 재능이 재벌체제의 독점구조나 정경유착에 질식되지 않도록 제도적 공정성과 투명성을 높여야 한다. 대기업들은 과거 고도성장기의 유물인 ‘빠른 추격자 전략’의 관성에서 환골탈태해 ‘창의적 선도자’ 혹은 ‘새로운 시장 형성자’로서의 체질을 새롭게 만들어가야 한다.

마지막으로 4차 산업혁명이 경제성장의 새로운 동력이 될지언정 고용과 소비, 빈부격차 등의 부문에서 역효과를 낼 수 있다는 분석도 충분히 경청할 필요가 있다. 이를 감안해서 좀 더 총체적으로 생산과 고용, 소비를 선순환시킬 수 있는 경제구조를 모색해야 한다.

‘그날’은 도둑처럼 온다

인공지능의 급속한 발전으로 기계가 인간의 정신노동까지 따라잡을 가능성이 높아지고 있다. 인공지능은 딥러닝 방식으로 점점 똑똑해지고 있다. 지금도 매일 거듭되는 엄청난 양의 학습을 통해 능력을 확장하는 중이다.

이종태 기자  |  peeker@sisain.co.kr

[463호] 승인 2016.08.05  01:36:02

SF 영화 <아이언맨>에 등장하는 억만장자 슈퍼 히어로 토니 스타크의 모델은 일론 머스크. 테슬라(글로벌 전기자동차 회사)의 최고경영자다. 미래를 내다보는 혁신적 기업가의 모델로 이만한 인물이 없다. 젊은 나이에 온라인 결제업체 페이팔을 설립해서 이베이에 무려 15억 달러에 팔아치웠다. 그가 만든 우주로켓 회사 스페이스X는 오는 2030년까지 화성에 식민지를 건설해 지구인 8만명을 이주시킬 계획이다. 테슬라는 2018년까지 운전자가 필요 없는 완전자동운행 차량(무인자동차)을 내놓겠다고 큰소리치고 있다. 이 차량의 동력은, 역시 머스크가 회장인 솔라시티의 태양열 연료로 조달될 것이다.

이러한 머스크마저 두려워하는 것이 있다. 바로 인공지능. 그는 매사추세츠 공과대학(MIT)에서 “우리는 인공지능으로 악마를 소환하고 있다”라고 연설했다. 자신의 회사인 테슬라가 최신 인공지능 기술로 완전자동운행 차 프로젝트를 추진하고 있으면서도 말이다.

인공지능은 빅데이터를 활용한 딥러닝 방식으로 인간 고유의 능력까지도 학습할 수 있다. 지난해 미국 새너제이에서 열린 엔비디아의 GTC(GPU 개발자 콘퍼런스) 행사의 한 장면.

머스크를 비롯한 많은 사람들이 인공지능을 무서워하는 까닭은 무엇일까? ‘인간만이 할 수 있는 일’을 수행하기 때문이다. 최근 들어 인공지능의 능력이 급속히 향상되고 있다는 사실이 널리 알려지면서, 기계가 인간들의 일자리를 빼앗고 나아가 지배하게 될지도 모른다는 두려움이 확산되고 있다. 과학자 프랑켄슈타인이 자신의 창조물인 ‘괴물’에게 느꼈던 바로 그 감정이다.

기계가 인간의 일을 수행할 수 있게 된 것은 어제오늘의 사건이 아니다. 인간의 일이란 대충 ‘정신노동’과 ‘몸 노동’의 결합체다. 몸으로 어떤 일을 하든 그 사람의 두뇌 속엔 그 일에 대한 많고 적은 ‘지식’이 들어 있다. 19세기 산업혁명 이전의 장인(匠人·수공업자)들은 자신의 생산품을 만드는 복잡한 공정을 머릿속에 온전히 간직하고 있었다. 그 지식을 망치·톱·끌 등 비교적 간단한 도구를 갖고 몸 노동으로 실천해서 각종 재화를 만들어냈다. 덕분에 고용되어 일하는 경우에도, 비교적 높은 임금과 작업 과정에서의 자율성을 누렸다. 그러나 방적기 등 기계가 그 수공업자들의 일을 수행할 수 있게 되면서 상황이 바뀐다. 기계는 제작 공정에 대한 장인들의 지식을 강관과 철판, 체인 내부로 흡수해버렸다. 적어도 수년 동안의 수련을 거쳐 지니게 된 장인 수공업자들의 지식(정신노동)이 무용지물로 전락한다. 몸 노동은 극히 단순한 동작으로 세분되거나 사라졌다. 산업혁명 당시 기계 파괴 운동을 주도한 사람들은, 고임금 등 비교적 좋은 대우를 받던 장인 수공업자들이었다. 이후 200여 년 동안 기계는 지속적으로 ‘인간만이 할 수 있는 일’의 영역을 좁혀왔다. 특히 20세기 후반 들어서는, 정보통신 혁명의 성과로 상당수 제조업 부문에서 무인공장이 가능할 정도로 몸 노동의 필요성이 작아졌다. 정신노동은 제조업 부문에서 설비 제어와 기획, 연구, 마케팅 등으로 살아남았다. 법률, 의료, 저널리즘, 통·번역 등 서비스업에서는 아직도 인간의 정신노동이 핵심 생산력이다.

ⓒAP Photo 지난 2014년 10월9일 테슬라의 최고경영자 일론 머스크가 신차 ‘테슬라 D’를 공개하고 있다.

무규칙한 인간의 정신활동도 ‘딥러닝’ 대상

문제는, 최근 인공지능의 급속한 발전으로 기계가 인간의 정신노동까지 온전히 따라잡을 가능성이 높아지고 있다는 점이다. 물론 20세기 중반, 컴퓨터가 발명된 뒤 기계는 인간의 정신노동 중 일부를 이미 수행해왔다. 곱하기나 나누기에서 복잡한 미적분 방정식에 이르는 계산 영역에서는, 가장 성능 낮은 컴퓨터가 제일 명석한 인간과 비교할 수 없을 정도로 우월하다. 그런데 계산 등 컴퓨터가 따라잡은 인간의 정신활동에는 공통점이 있다. 언어나 공식으로 ‘표현’할 수 있다는 것이다. 규칙으로 나타낼 수 있는 정신활동이다. 이런 규칙을 기계어로 바꿔서 컴퓨터에 집어넣으면, 해당 정신노동이 자동화된다. 복잡한 정신노동은 많은 수의 규칙을 입력하면 된다. 의학이나 생물학 부문에서도 그동안 학문적으로 입증된 다수의 규칙 혹은 법칙을 소프트웨어로 만들면, 이전에는 의사나 학자가 해온 일 가운데 일부를 기계에게 맡길 수 있다.

그러나 이런 기술 발전에도 불구하고, 기계로서는 여전히 범접할 수 없는 인간 고유의 정신 기능이 남아 있었다. 규칙으로 만들 수 없는 정신활동이다.

예컨대 당신은 얼핏 얼굴만 봐도 ‘영희’와 ‘순이’를 구별할 수 있다. 그런데 이런 구별이 어떻게 가능했는지 말로 표현하기는 쉽지 않다. 물론 영희와 순이의 눈과 코, 얼굴형을 각각 세밀하게 묘사할 수 있다. 얼굴을 가려야 하는 대상이 100명이라면? 100명이 아니라 10명이라도, 각각의 생김새를 말로 설명 들은 뒤 본인들을 만나는 경우를 생각해보자. 그런데 우리 인간은 이토록 어려운 일을 학교나 회사에서 아주 쉽게 수행해낸다. 그러나 ‘어떻게 할 수 있는지’ 설명하기는 힘들다. 직장인들의 좋지 않은 버릇으로 술자리에서마저 회사 이야기를 하는 경우가 있다. 누군가 자기 실적만 챙기고 상사에게 아부하는 동료에 대해 “그 녀석, 참 잘났어!”라고 말할 수도 있다. 한국인들은 그 문장을 ‘잘생겼다’ ‘능력 있다’ 등이 아니라 ‘꼴 보기 싫다’라는 의미로 정확히 이해한다. ‘잘났다’라는 긍정적 표현이 부정적인 비아냥으로 통용되는 이유를 설득력 있게 표현하기는 어렵다. 한국 사람이라면 서울 여의도 63빌딩 꼭대기에서 여의도의 스카이라인을 감상하다가 국회 건물을 따로 지목해낼 수 있다. 스카이라인이라는 ‘전체’와 그 ‘부분’인 국회 건물을 함께 그리고 따로 인식할 수 있는 것이다.

이런 인간의 정신적 능력들은 말로 표현하기 힘들다. 당연히 규칙으로 만들어 컴퓨터에 입력하는 것도 어렵다. 인간이 아무 생각 없이 너무나 쉽게 하는 일들이 기계에게는 불가능한 작업이었던 이유다.

ⓒAP Photo 2014년 5월13일 구글이 개조한 자율주행 자동차가 미국 캘리포니아 주 마운틴뷰 지역을 달리고 있다.

대다수 사람들에게 그리 어렵지 않은 일로 간주되는 자동차 운전은 어떤가? 기계가 할 수 없는 일의 연속이다. 운전자는 항상 주변 환경을 유심히 인식해야 한다. 전방의 ‘전체’ 광경을 보는 동시에, 그 광경 가운데 위치한 가로수, 전봇대, 자동차, (갑자기 차 앞으로 뛰어들지도 모르는) 보행자 등을 각각의 다른 대상으로 구별할 수 있어야 한다. 도로 특유의 소음 가운데서 다른 차량의 경적 소리를 구분해내야 한다. 버스나 보행자가 갑자기 끼어드는 돌발 상황에도 대비해야 한다. 인간에겐 비교적 단순한 정신활동인 운전에도 변수가 너무나 많아서, 정해진 규칙대로만 움직이다간 번번이 대형 사고를 유발할 것이다.

인공지능은 지난 몇 년 동안 완전자동운행 차 부문에서 엄청난 성과를 거뒀다. 구글은 이미 지난 2010년 말에 완전자동운행 차를 선보였다. 그때 벌써 일반 도로에서 운전자 없이 1000마일(약 1600㎞)을 주행했다고 한다. 6년여가 지난 현재, 훨씬 뛰어난 성능을 지녔을 것이다. 인간들에게 쉬운 일이지만 그 방법을 표현할 수 없었던, 즉 규칙으로 만들어 기계에 입력할 수 없었던 여러 정신활동을, 기계가 어느새 습득해버렸다는 이야기다. 그렇다고 해서 인간 개발자들이 ‘가로수와 보행자 구분 방법’ ‘전체 소음에서 경적 소리를 따로 인식하는 방법’ 등을 규칙으로 만들어내는 방법을 알아내 인공지능 시스템에 입력해준 것도 아니다. 어폐가 있지만, 인공지능은 스스로 그 규칙들을 터득했다.

인간이 다른 사람의 얼굴을 구별하는 능력은 따로 배운 것이 아니다. 이 세상에 태어나 수많은 경험을 통해 자기도 모르게 습득했다. 그렇다면, 기계 역시 수많은 경험(기계에겐 이미지나 음성 데이터)을 통해 그 능력들을 스스로 학습해갈 수 있지 않을까? 이 같은 아이디어 자체는 1950년대 말에 나왔다. 머신러닝(machine learning)이라고 부른다. 이후 여러 가지 통계적 방법을 적용해서 일정한 성과에 도달하기도 했다. 그러나 머신러닝이 엄청나게 도약한 것은 최근이다. ‘딥러닝(deep learning)’이라는, 아주 효율적인 기법이 개발되면서부터다.

당초 머신러닝의 여러 갈래 중 하나인 ‘인공 신경망’이 발전한 최근의 형태가 바로 딥러닝이다. 인공 신경망은, ‘기계가 인간만이 할 수 있는 정신활동을 수행하려면, 인간 두뇌를 흉내 내야 한다’라는 발상에서 출발했다.

인간의 두뇌는 아직 미지의 영역이다. 다만 1000억 개 정도의 신경세포로 이루어진, 일종의 정보처리 기계란 것은 어느 정도 인정되고 있는 듯하다. 각 신경세포는 (시각·청각·촉각 등과 관련된) 정보를 받으면(입력) 일정한 방법으로 처리한 뒤 전기화학적 신호 형태로 다른 수많은 신경세포들에게 보내는(출력) 것으로 알려져 있다. 이런 정보의 입출력을 통해 신경세포들은 복잡하게 ‘연결’되면서 신경망(신경세포 네트워크)을 이룬다.

머신러닝 연구자들은 자신들이 생각한 두뇌의 정보처리 과정을 모사해서 ‘인공 신경망’을 만들어냈다. 가상의 신경세포와 그들 사이의 연결부를 설정하는 방법으로 두뇌의 구조를 모사한 소프트웨어다. 또한 가상 신경세포들은 여러 계층으로 나뉘어 있다. 외부 정보(시각·청각·촉각 등)는 입력층의 신경세포들로 들어가서 출력층의 신경세포에서 완성된 이미지나 소리로 나타난다. 그사이에 ‘은닉층’이 있다(오른쪽 위 그림 참조).

인공지능 시스템이 어떤 물체를 볼 때, 그 대상물은 인공 신경망의 입력층에 화소(색채와 명암을 가진 극히 작은 점)의 형태로 입력된다. 입력층의 가상 신경세포들은 무수히 많은 화소의 정보를 은닉층의 가상 신경세포들로 전달한다. 은닉층 내에도 여러 계층이 있어서 신경세포들 사이의 입출력이 반복된다. 이런 과정에서 화소들은 점차 부피·음영·윤곽 등 관찰된 물체의 속성을 갖춰나간(정보처리) 끝에 출력층을 통해 총체적 형상으로 인식된다. 이런 정보처리를 담당한 곳이 은닉층이다. 은닉층 내부의 겹(계층)이 많을수록 정보처리 역시 잦아져서 외부 세계를 좀 더 정확하게 파악할 수 있도록 설계되었다.

의사 앞지른 인공지능의 ‘암 판별’ 능력

한편 인공 신경망은 학습능력을 갖고 있다. 가상 신경세포들이 어떻게 연결되어 있느냐에 따라 ‘출력 결과(외부 세계를 올바로 인식했는가?)’가 결정된다. 그리고 출력 결과가 외부의 대상을 제대로 맞혔다면, 이에 기여한 가상 신경세포의 연결부는 강화되고, 오답으로 이어진 연결부는 약해지거나 제거된다. 그만큼 인공지능은 똑똑해지는 것이다.

몇 년 전까지는 인공지능들이 가상의 신경세포를 수십~수백 개 설정하는 수준이었다. 은닉층 내의 계층도 2개 이상 만들지 못했다. 인공 신경망 내의 계층이 입·출력층을 합쳐서 4개에 불과했던 셈이다. 당시 컴퓨터 하드웨어의 연산능력은, 그 정도의 인공 신경망을 작동시키기에도 힘겨운 수준이었기 때문이다.

6월25일자 <이코노미스트> 인공지능 관련 특집 기사에 따르면, 그동안 컴퓨터 연산능력이 폭발적으로 발전하면서 최근에는 가상 신경세포 수십억 개를 설정할 수 있게 되었다. 더욱이 인공 신경망 내의 계층도 20~30개는 일반적일 정도로 발전했다. 심지어 마이크로소프트 연구자들은 최근 152개 계층으로 이루어진 인공 신경망을 구축하는 데 성공했다고 한다. ‘딥러닝’의 ‘딥(deep)’은 은닉층이 수많은 계층으로 이루어져 있다는 의미다.

ⓒGoogle 홈페이지 ‘구글 데이터센터’의 모습. 글로벌 인터넷 기업들의 서버에는 매일 천문학적인 양의 데이터가 쌓인다.

그렇다면 인공 지능망은 어떻게 학습하는가? 인간 모범생이 모의시험을 통해서 실력을 키워나가는 것과 비슷하다. 개발자들이 인공지능을 대상으로 모의시험을 실시한다. ‘사람의 얼굴을 찾으시오’라는 출제와 함께 사람·원숭이·개·고양이 등의 얼굴 이미지 수천, 수만 개를 제시하는 것이다. 인공지능은 나름의 데이터 검색과 비교 등의 과정을 통해 사람의 얼굴을 가려낸다. 맞히기도 하고 틀리기도 할 것이다. 그 결과에 따라, 앞에서 설명한 대로 가상 신경세포들 간의 연결부가 강해지거나 약해진다. 이로써 다음 시험의 정답률은 더욱 향상될 것이다. 이런 과정을 되풀이하면서 인공지능은 스스로 사람의 얼굴을 가리는 규칙을 습득하게 된다. 물론 그 규칙 자체는 인공지능은 물론 해당 개발자들도 명시적으로 표현할 수 없는 종류의 것이지만 말이다.

구글, 페이스북, 마이크로소프트, 바이두 등 글로벌 인터넷 기업의 유저들은 해당 업체의 서버에 천문학적인 수의 데이터를 매일매일 쌓아준다. 인공지능은 이런 데이터들로 계속 학습한다. 구글에서는 하루 12억 개 정도의 검색이 이루어진다. 구글은 유저의 검색어에 대해 수많은 링크를 제공한다. 그 가운데서 유저가 선택한 링크 역시 검색엔진에 중요한 학습 자료다. 이를 통해 검색엔진은, 특정 검색어에는 어떤 링크를 제공해야 정확한지 학습하며 능력을 키운다. 딥러닝에서는 인간이 소프트웨어를 만드는 것이 아니다. 데이터가 소프트웨어를 만든다.

딥러닝은 인공지능의 능력을 폭발적으로 성장시켰다. 페이스북이 2014년 발표한 ‘얼굴 인식’ 프로그램인 딥페이스는 특정인 식별에서 정답률 97%를 기록했다. 인간과 비슷한 수준이라고 한다. 인공지능이 앞뒤의 전체 광경과 그 속의 다른 자동차, 인간 등을 구분해서 인식하지 못한다면, 테슬라가 2018년까지 완전자동운행 차를 선보이겠다고 장담하긴 어려웠을 것이다. 엑스레이나 CT 스캔을 보면서 암 여부를 판단하는 능력에서 인공지능은 이미 인간 의료인을 앞지르고 있는데, 이 또한 딥러닝에 의해 이미지의 일부를 따로 관찰하는 능력을 갖추게 된 덕분이다. 이 밖에도 딥러닝은 인터넷 서비스나 모바일에서 스팸메일 차단, 번역 서비스, 음성인식 등의 개선에 크게 기여하고 있다.

인공지능이 인간 두뇌를 능가할 수 있을지, 능가한다면 그 시기가 언제쯤일지는 정확히 알 수 없다. 그러나 인공지능들은 지금도 매일 거듭되는 엄청난 양의 학습을 통해 능력을 확장하고 있으며, ‘그날’이 도둑처럼 올 수 있다는 것이 많은 전문가들의 전망이다.

인공지능 시대는 고용의 종언?

통합과 융합을 통한 ‘4차 산업혁명’이 일어나면 고용 없는 성장이 더욱 가속화할 수 있다. 그때는 자본주의 체제의 근본 규칙인, 소득을 ‘시장에서의 고용’과 연계시키는 것을 포기해야 할 수도 있다.

  조회수 : 228  |  유철규 (성공회대학교 교수·경제학)  |  webmaster@sisain.co.kr

[463호] 승인 2016.08.05  01:31:04

인공지능(AI), 로봇공학, 사물인터넷(IOT), 빅데이터, 생명과학 등 새로운 과학기술과 관련된 용어들이 일상 언어에까지 사용되고 있다. 최근엔 이런 신기술에 기반한 ‘4차 산업혁명’이라는 용어까지 국내외에서 급속히 확산되고 있다.

사실 ‘4차 산업혁명’은, 미국이나 독일에서는 이미 수년 전부터 사용되어온 명칭이다. 독일 메르켈 총리는 ‘인더스트리(Industrie) 4.0’이라고 표현한 바 있다. ‘4차 산업혁명’이 의미하는 핵심 내용은 통합과 융합이다. 그간 정보통신 기술을 생산과정에 본격 적용하려는 노력은 있었다. 이런 신기술의 적용은 주로 기계·공정·공장·산업·국가(지역)별 등 각 경계 안에서 개별적으로 진행되었다. 그러나 최근 들어 컴퓨터 기술 및 인터넷이 획기적으로 발전하면서, 종전의 경계(기계·공정·공장·산업·국가)를 넘어서는 통합과 융합의 흐름이 전개되고 있다.

이런 통합과 융합은 단지 생산과정 내에서만 이뤄지는 것이 아니다. 생산과 사무, 금융과 유통 사이의 경계도 무너지고 있다. 또한 이런 통합의 중심에 인공지능이 자리 잡고 있는 듯하다.

이미 빅데이터와 머신러닝(Machine Learning: ‘알파고’처럼 기계가 스스로 학습하는 것)을 결합해서 모든 제조 및 물류 과정을 분석하고 통합하는 자동화 과정이 상용화 단계에 들어섰다. 한국도 예외가 아니다. 포스코 광양제철소의 경우, 원자재를 들여와 생산한 철강을 국내외 수요처로 운송하는 모든 단계를 사물인터넷으로 연결하는 프로젝트를 이미 실행 중이다. 기계 간·공정 간, 그리고 생산에서 운송에 이르는 여러 단계에서 발생하는 정보를 얻고 관리할 수 있다면, 제조에서 물류에 이르는 전 과정을 획기적으로 효율화하고 조정할 수 있다. 인공지능 기술이 지금 기대하는 수준으로 발전한다면, 이론적으로는 수리 담당자 말고는 사람이 필요 없다. 이런 통합과 융합의 과정을 개별 공장은 물론 그 앞뒤의 금융과 유통으로 확대해서 사실상 전 사회 영역을 연결한다는 것이 ‘4차 산업혁명’의 핵심 내용이다.

ⓒAP Photo 미국 아칸소 주 쌀 경작지의 추수 모습. 미국은 농업인구가 전체의 2%에도 못 미친다.

18세기 말 영국에서 시작된 ‘증기기관 혁신(증기의 동력화)’과 기계에 의한 생산을 1차 산업혁명이라고 부른다. 20세기 초 미국을 필두로 도입한 대량생산 시스템을 2차 산업혁명의 가장 큰 특징이라고 할 수 있을 것이다. 1970년대 이후 본격화된 정보통신 기술의 혁신과 발전은 3차 산업혁명으로 이어졌다. 최근 시작된 4차 산업혁명의 핵심 기술은 인공지능이라고 할 수 있다.

그런데 인공지능(4차 산업혁명)과 정보통신 기술(3차 산업혁명) 간의 관계에 대해서는 상반된 견해가 나오고 있다. 우선 인공지능을 정보통신 기술의 최종 도달점으로 보는 시각이 있다. 이 경우, 인공지능은 3차 산업혁명을 마무리하는 기술이라고 할 수 있다. 이와 달리 인공지능을 기존 정보통신 기술과 차별화되는 새로운 기술혁명의 시작으로 보기도 한다.

‘인공지능이 정보통신 기술의 최종 도달점’이라는 시각은, 그동안 진행되어온 일자리 부족과 양극화 및 소득불평등이 앞으로 더욱 본격화하리라는 비관적 전망으로 기우는 경향이 있다. 반면, 인공지능을 새로운 기술혁명으로 보는 경우에는, 과거 산업혁명들이 그랬듯 새 기술인 인공지능이 결국 새로운 산업과 일자리를 창출할 것이라는 희망을 표명하기도 한다.

현재로서는 모든 것이 불확실하다. 어떤 관점이 좀 더 현실을 반영하는지 미리 판단하기 어렵다. 최소한의 합리적 예상이 가능한 가까운 미래를 두고 본다면, ‘인공지능 혹은 4차 산업혁명은 새로운 산업과 일자리를 창출하기보다 기존 일자리를 파괴하는 경향이 훨씬 강할 것이다’는 견해가 우세하다.

인공지능이 자본주의 근간 흔들 수도

1차 산업혁명이 제조업의 육체노동 일자리를 창출했다면, 2차 산업혁명은 사무관리직 일자리를 새로이 만들었다. 3차 산업혁명에서는 서비스 산업에서 새로운 일자리가 창출되었다. 로봇기술과 인공지능은 새로운 산업을 만들어내기에 앞서 농업·제조업·서비스업 가릴 것 없이 모든 산업에서 생산능력을 극대화(인간 노동자를 퇴출)하는 방향으로 동시에 움직인다. 다시 말해 인공지능 기술로 인해 퇴출되는 노동자에게 새 일자리를 제공할 수 있는 인공지능 기술 바깥의 산업 영역이 과거의 산업혁명들에 비해 매우 협소하다는 뜻이다.

ⓒ기본소득한국네트워크 제공 2009년 노동절 대회 현장에서 참가자들이 “모두에게 기본소득을” 피켓을 들고 퍼포먼스를 하고 있다.

미국의 경우, 농업인구는 전체의 2%에 못 미친다. 그런데도 농업 생산은 과잉 상태다. 이 같은 사태가 농업뿐 아니라 제조업과 서비스업을 포함한 모든 산업 영역에서 동시에 나타날 수 있다. 한 사회의 물질적 생활수준을 유지하는 데 필요한 노동인구(=노동 수요)가 모든 산업에서 감소하게 될 것이라는 전망이 나온다. 제리 캐플랜 스탠퍼드 대학 교수의 말을 인용하자면, “인간은 필요 없다”. 일본의 한 문학상에서 인공지능이 쓴 소설이 예선을 통과한 사례에서 짐작할 수 있듯이, 심지어 예술 부문도 성역이 아니다. 만약 이런 과정이 전면적으로 진행되어, 인구의 다수가 점점 더 일자리와 소득(구매력)을 얻을 수 없게 되면 어떤 일이 벌어질까? 자본주의 경제 시스템이 더 이상 지탱될 수 없게 된다. 자본주의의 근본 원리 중 하나가 ‘시장 노동을 통해 소득을 얻는 것’이기 때문이다.

생산능력은 양적·질적으로 급격히 팽창하는데, 수요(판매 시장)는 오히려 줄고 있다. 자연스럽게 ‘우리 사회는 이런 생산능력으로 무엇을 할 것인가’ 하는 이야기가 나온다. 자본주의 체제의 근간을 건드릴 수밖에 없는 질문이다.

자본주의 체제의 근본 규칙 중 하나는, 소득을 ‘시장에서의 고용’과 연계시키는(고용되어야 임금 형태의 소득을 얻을 수 있다) 것이다. 그런데 시장이 시민들을 체제 유지에 충분히 고용하지 못하는 상황에서도 고용과 소득의 연계라는 규칙을 고수해야 하는 것일까? 이 규칙을 고집하다 보면, 4차 산업혁명 자체가 실현되지 못하거나 혹은 재앙으로 끝날 것이다. 즉, 경제 시스템을 유지하기 위해, 시장 노동과 소득 간의 연계를 상당 정도 끊어야 하는 상황이 올 수밖에 없다.

시장을 통하지 않고 대중의 구매력(소득)을 유지하는 방식은 두 가지 방향으로 진행될 것으로 보인다. 하나는, 기본소득을 포함한 보편적 복지다. 비록 새로운 기술과 직접 관련되지 않았다 해도 최근 유럽 각국에서 기본소득에 대한 제안이 널리 확산되고 있는 것은 미래를 위한 좋은 참고 자료이다. 다른 한 길은 사회적 가치는 충분하나 시장에서 인정받지 못하던 노동에 대해 ‘사회적 임금’을 지급하는 방안이다. 예를 들어 전업주부(남자든 여자든 간에)의 가사노동에는 ‘가정을 유지한다’는 사회적 가치가 충분하다. 그 가치를 인정해서 사회적 임금을 지급할 수 있다. 이 범주에는 봉사활동, 양육, 부양 등 사회를 유지하는 데 필수적인 다양한 노동이 포함된다.

인구 증가 둔화와 인공지능 기술이 사회적 재앙이 될지 또는 노동시간의 획기적인 감소를 포함한 인간 삶의 향상으로 이어질지는 적절한 분배 방식을 찾을 수 있느냐에 달렸다.

앞으로 유망 직업은 로봇 훈련사?

일자리에 미치는 영향에 대해서는 부정적인 전망이 우세하다. 하지만 새로운 기술이 새로운 일자리를 만들어왔듯이 인공지능도 그러할 것이라는 전망도 나온다.

이종태 기자  |  peeker@sisain.co.kr

[463호] 승인 2016.08.05  01:31:04

2013년 영국 옥스퍼드 대학의 한 연구팀은 미국의 직업 702개를 조사한 결과 그중 47%가 조만간 자동화될 가능성이 크다는 결론을 내렸다. 자동화 가능성이 90% 이상인 직업은, 텔레마케터와 상점 점원 등으로 조사됐다. 인공지능이라는 테크놀로지가, 19세기 초의 산업혁명 이후 기술들과 어떻게 다른지 명백히 보여주는 예측이다.

텔레마케터와 점원은 고숙련 직업으로 분류되지 않지만 고객을 직접 응대한다는 점에서 자동화되기 어려운 일자리로 간주되어왔다. 고객을 상대하려면 자신의 업종에 대한 상세한 지식은 물론 ‘고객 불만’이라는 돌발 변수에 실시간으로 유연하게 대처할 수 있어야 한다. ‘감정노동’으로 불리는 이유다. 현재 구글 나우, 애플 시리, MS(마이크로소프트) 코타나 따위 챗봇들은 주로 모바일에서 ‘개인 비서’ 같은 곰살맞은 별칭으로 서비스되고 있다. 이것들이 앞으로 인간의 감정노동을 대체할 유력한 후보로 떠오를 가능성이 크다. 챗봇들은 천문학적 분량의 업무 지식은 물론이고 고객의 신용정보, 소비성향 등 공식적 기록과 SNS에 남긴 농담까지 분석한 다음 (사이버) 매장에 배치될 것이다. 역대 인간 직원들의 다양한 고객 응대 경험을 통계적으로 분석해서 ‘진상 고객’을 응대하는 가장 효과적인 방법도 습득할 것이다. 음성인식 기술의 미흡한 부문만 해결된다면, 인간 고객들은 조만간 자신보다 자신을 더 잘 아는 로봇들과 대면하게 될 가능성이 크다.

인공지능이 일자리에 미치는 영향에 대해서는 부정적 전망이 압도적으로 많다. 장기 전망에서 긍정적인 학자나 언론들도 단기(20~30년 정도로 보인다)에서는 파괴적이라고 인정하는 편이다. 미국의 소프트웨어 개발자이자 저술가인 마틴 포드는 저서 <로봇의 부상>에서 “가속적으로 발달하는 기술이 숙련도의 고저를 막론하고 모든 산업 분야에서 일자리를 위협할 수 있다”라고 주장한다. 자동화가 어려울 것으로 인식되어온 이른바 화이트칼라 직종까지 인공지능으로 대체될 것이라는 이야기다. 이 책에 따르면, 미국 월가의 금융 인력은 21세기 초 15만명에서 2013년에는 10만명으로 30% 정도가 줄었다. 이는 금융거래의 50~70%가 로봇 트레이더들이 내는 매수·매도 주문으로 채워지고 있기 때문이다. 로봇 트레이더들은 잠시도 쉬지 않고 실시간으로 금융시장 상황을 체크하면서 대응할 뿐 아니라 허수 주문으로 다른 거래자들을 속여 주가를 흔든 다음 ‘먹튀’하는 ‘속임수 거래’까지 서슴지 않는다. 이처럼 로봇들이 천변만화하는 시장 흐름을 즉각적으로 판단해 매도·매수 여부를 결정하는 시장이라면, 가장 큰 경쟁력은 ‘전산망의 속도’일 수밖에 없다. 예컨대 거래에 참여한 모든 로봇이 특정 회사의 주가가 오를 것이라 예상하고 동시에 매수 주문을 낸다면, 그 주문이 경쟁자들보다 수억 분의 1초라도 빨리 시장에 도달해야 한다. 미국의 한 금융사는 2억 달러를 들여 뉴욕과 시카고를 잇는 광케이블 공사를 추진했는데 그 목표는 전송 속도를 1000분의 3~4초 단축하기 위해서였다. 이처럼 금융시장에서 로봇의 지위가 높아지자 <블룸버그> <다우 뉴스> 등 금융 전문 언론사들은 기계가 읽을 수 있는 뉴스 상품까지 출시했다.

ⓒGoogle Lisbon 아일랜드 더블린에 있는 구글 사무실. 구글은 인공지능 분야에서 가장 앞서 있다.

산업혁명 이후 최근까지 특정 산업이 자동화되면 다른 산업에서 일자리가 창출되는 패턴이 이어져왔다. 이는 자본주의 세계경제가 수차례의 공황에도 살아남은 이유다. 그러나 이번 자동화는 그런 긍정적 효과를 내지 못할 것이라는 전망도 제시된다. 인터넷과 컴퓨터가 모든 산업에서 채택된 범용 기술이기 때문이다. 산업 전반적으로 자동화가 진행된다면, 일단 특정 산업에서 퇴출된 노동자는 갈 곳이 없다. 또한 정보통신 산업 자체의 고용력이 별로 크지 않다. 자동차 산업이 한창 호황이던 1979년 110억 달러의 수익을 낸 GM은 84만여 명을 고용했다. 그러나 2012년 구글은 종업원 3만8000여 명으로 140억 달러 수익을 올렸다.

인공지능과 로봇의 부상은 사회 전체로 보면 생산력의 발전이자 거대한 진보가 아닐 수 없다. 그러나 이로 인한 대량해고 사태는 자칫 시장경제의 몰락으로 이어질 수도 있다. 마틴 포드 등이 기본소득을 대안으로 제시하고 있는 이유다.

산업혁명 당시, 경제학자 데이비드 리카도나 역사학자 토머스 칼라일은 자동화로 노동자 계급의 빈곤화가 심화되면서 사회를 몰락시킬 수 있다고 우려했다. 1920년대에는 ‘기계의 전진이 실업자를 양산한다’라는 기사가 <뉴욕 타임스> 등의 유력지 헤드라인으로 나왔으며, 1960년대의 케네디 미국 대통령 역시 ‘자동화가 인간을 대체하는 시대의 완전고용 유지’를 국정 과제로 제시했다고 한다.

로봇 트레이더가 ‘속임수 거래’도 한다

그러나 이런 우려에도 불구하고 고용은 끊임없이 창출되어왔다. <이코노미스트>는 “기술이 일자리를 소멸시키기보다 더 많은 일자리를 창출한” 역사적 사례를 거론하기도 한다. 예컨대, 19세기 산업혁명 당시에는 직접 천을 짜는 노동자가 줄어들었지만 방직기계를 작동시키거나 보수, 유지하는 일자리가 생겼다.

19세기 미국의 경우, 방직 부문의 자동화로 ‘굵은 천(coarse cloth)’ 1야드(약 91㎝)당 필요한 노동자의 수가 98%나 줄었다. 그러나 생산량이 50배나 늘어나면서 가격 폭락으로 수요가 엄청나게 늘어났다. 그 덕분에 해당 부문 노동자의 수가 1830년에서 1900년 사이에 4배나 증가했다는 것이다. 1990년대 미국 은행들의 현금자동지급기(ATM) 도입도 처음에는 창구 직원의 일자리를 줄어들게 했지만, 은행들의 운영비가 절감되면서 지점 수를 43%(1998~2004)나 늘려 은행 노동자들의 전체 일자리 수는 오히려 늘어났다고 한다.

ⓒAP Photo 애플 아이폰의 시리 기능은 ‘개인 비서’ 역할을 해준다.

더욱이 <이코노미스트>는, ‘비관론자들은 새로운 기술로 인해 나타나는 새로운 일자리에 대해서는 관심이 없다’며 미국 노스웨스턴 대학의 경제사학자 조엘 모키어 교수의 재미있는 발언을 소개했다. “우리는 미래에 어떤 일자리가 창출될지 예언할 수 없다. 역사적으로 어느 시기에나 마찬가지였다.” 예컨대, 19세기에 살던 사람을 만나, 당신의 증증손자가 비디오 게임 디자이너나 사이버 보안 전문가가 될 것이라고 예언하면 ‘미친놈’ 소리를 들을 거라는 이야기다. 인공지능 역시 새로운 일자리를 창출할 것이라는 주장도 제기한다. 챗봇이 고객 응대를 전담하게 되는 경우에도, 로봇을 ‘훈련’시키고, 업데이트하며, 심지어 아름답고 멋있는 말투의 대사를 대신 써줄 직원은 필요할 것이다. 어쩌면 인공지능 기업들이 앞다퉈 시인을 채용하게 될지도 모른다. 이런 생각을 주도하는 MIT의 데이비드 오토 교수는 <이코노미스트>와 인터뷰하면서 “세상엔 정해진 일자리밖에 없고, 그러므로 자동화에 따라 사람의 일이 적어질 것이라는 주장은 근본적으로 틀렸다”라고 주장한다.

진실은 비관론자와 낙관론자들의 주장 사이 어디쯤에 위치하게 될 것이다. 그러나 세계가 격변기에 처해 있으며 이에 서둘러 대응해야 한다는 것은 확실하다. 매킨지 글로벌 연구소(MGI)의 한 보고서(2015년 5월4일)는, 글로벌 경제가 기술발전 등의 변수로 인해 역사상 가장 극적인 변화를 경험하게 될 것이라고 주장했다. 심지어 그 변화의 강도를 산업혁명과 비교하면 “속도로는 10배, 범위로는 300배니까 3000배 정도의 충격이 예상된다”라고 한다.

?? 2040 유엔미래보고서
[5년 후 다가올 IT의 천지개벽]

기회는 준비하는 자의 몫입니다!!
10년도 아니고 불과 5년 후의 대변혁입니다.
변화의 속도로 볼 때 10년 전을 거슬러 오늘을 보시고, 오늘을 기준으로 5년 후를 비추어 볼 수 있을 것입니다.
토니 세바 스탠포드 대 경영대학교 교수는 앞으로 5년 후 다가올 가장 큰 변화중 하나는 금융의 천지개벽 이라고 한다.
현존하는 은행을 이용하는 사람들이 각자 다양한 지불시스템을 이용하게 되면서, 은행에 돈을 저축하거나 주식시장에 돈을 넣어서 주식을 사지않는다. 주식거래는 5년 후에 크게 모습이 바뀌게 되며 너무나 다양한 금융체계가 부상하고 있어서 지금 현재로서는 누가 승자가 될지 알 수 없는 상황이다.

우선, 아프리카의 케냐에서는 다른 아프리카국가들처럼 유선전화가 없고 유선인터넷이 깔리지 않고 곧바로 모바일 스마트폰이 들어오고 말았다. 기존의 은행들이 존재했지만 가난한 케냐사람들은 은행을 많이 이용하지 않았던 형편이었다.
그런데 갑자기 누구나 다 핸드폰 스마트폰을 이용하게 되자, 은행을 제치고 전화회사들이 엠페사(mpesa)라는 지불시스템을 개발하게 되고, 4년이 지나자 케냐 인구의 대부분이 돈을 지불해야할 때 모바일로 엠페사를 이용한다. 그래서 현재 케냐 GDP 40%가 엠페사거래를 하고, 0%-40%로 거대한 성장을 하게 되었다.
케냐 사람들은 엠페사를 사서 엠페사로 모든 물건을 사고판다.

아프리카의 은행들은 급격히 추락하고 아프리카의 전화회사 즉 삼성이나 KT가 은행이 되어버렸다.
현재 인터넷 대기업들이 자신의 지불시스템을 개발 하거나 이미 사용하고 있는 기업들로서는 중국의 바이두 알리바바, 그리고 미국에서는 구글, 애플, 아마존 등이 자신의 지블시스템을 이용하려하고 있다.
늘 아마존에서 많은 물건을 사는 사람은 아마존코인으로 모든 물건의 값을 지불할 수가 있게되며 아마존 코인의 값이 올라가면 돈도 버는 시스템이다.

종래에는 돈이 돈을 번다고 하였다.
돈이 있는 사람이 그럴듯한 제품이나 기술에 투자를 하고 일반인들은 주식시장에서 그 회사를 파악한 뒤에 주식으로 은행에 있던 돈을 찾아서 주식시장에서 투자를 하였다.

그러나 금융에서의 두 번째 천지개벽은 크라우드펀딩 이다.
크라우드 펀딩은 제품이나 서비스를 개발한 사람이 킥스타터에 자신의 제품이나 서비스를 소개하면서 얼마의 돈이 필요하다고 이야기를 한다.
그러면 일반인들이 1만원 10만 원 등 적은 돈을 투자 하여서 개발자 또는 창업가에게 지원을 해준다.
이제는 은행에 그 많은 서류를 해서 들고 갈 필요가 없게 되고 은행을 바이패스해서 투자자와 개발자가 직접 거래를 하여 자금을 지원받을 수 있게 된 것이다.
은행이 역할이 없어진 것이다.

세 번째 은행이나 기존의 금융시스템이 소멸하게 되는 이유는 인터넷기업이 금융업에 뛰어들었고, 또 비트코인 의 등장이다.
비트코인의 가상의 화폐인데 이미 나온 지가 10여년이 되면서 그 시장이 점점 커지고 있다.

이제 미국에서는 20% 정도가 마약판매 등 현금으로 거래되던 물품 무기나 마약 등이 거래되고 있기 때문에 10%의 세금을 매기기로 하였다고 발표하였다.

비트코인은 젊은이들은 신뢰하지만 나이가 든 세대들은 비트코인을 부정하고 있다.
하지만 3-4년 후에는 비트 코인의 시장이 더욱더 커지면서 다양한 각국정부의 제재가 가해질 것이고, 2세대 3세대의 비트코인들이 등장하여 금융시장이 복잡해지게 된다.
현재 비트코인 다음에 나온 것이 약 20여개 있는데 얼마 전에는 독도 코인이 나왔다가 사라지기도 하였다.

네번째 금융시스템의 파괴자는 사물인터넷과 빅데이타 이다. 주식시장과 주식거래는 일정한 투기와 몇 년 후의 그 기업의 장래에 대한 추측투자를 주식거래로 하는 것이다. 그런데, 빅데이터나 사물인터넷이 너무나 정확 하게 각 기업의 미래를 분석하고 예측해 주기 때문에 주식시장을 통해서 예측하고 추측하고 과감하게 투자를 할 필요가 없이 정확한 정보를 가지게 되면서, 그 회사에게 투자자들이 직접 찾아가 돈을 투자하고 주식 시장을 바이패스 하게 된다.

다섯 번째 금융시스템의 파괴자는 만물 인터넷이다. 5-10년 후에는 전 세계에 수많은 인터넷을 연결시켜줄 센서 칩 등이 깔린다. 2020년에는 구글프로젝트 룬이 나와서 공중에 무선인터넷중 계기가 풍선에 들어가 떠 돌아다니게 되며, 구글은 5년 동안 태양광패널에너지고 공중에 떠있는 타이탄 무인비행기에 인터넷 중계기 등을 달아서 무료인터넷을 전 세계에 퍼트리겠다고 한다.
페이스북 또한 지상에서 모든 전봇대 전신줄 높은 빌딩에 무료인터넷을 까는데 자금을 아끼지 않겠다고 발표하였다.

무료인터넷, 센서 칩이 깔리게 되면 모든 명령이나 정보가 페이스북, 구글 프로그램으로 돌아가기 때문에 페이스북정부 구글정부가 퍼트리는 말을 듣는 바틈 업(bottom up)시스템이 되지 톱다운(top down) 시스템이 죽는다. 위에서 정부가 또는 장관이 또는 국회가 무엇을 국민들에게 요구하거나 정하는 것은 국민들이 피하고 듣지 않는다.
단지 구글이나 네이버가 하는 말을 듣고 따라할 뿐이다.
이럴 경우에 은행이나 정부가 지정하는 금융시스템을 이용하는 사람들이 급격히 줄어든다.

금융시장의 중요성을 알게된 중국정부는 꾀를 부리고 있다. 알리바바가 MMF판매, 8개월새 83조원 끌어 모으도록 일조를 하고있는 것이다. 6%대 예금 금리로 유동성 흡수한 것이다.
공상은행 예금이탈로 그야말로 거대한 충격이 다가오고 있다.
모바일 결제·송금서비스 등이 부상산업으로 떠오르며 페이스북·구글도 적극적으로 가상화폐시장을 노크하고 있다.

한국의 네이버나 다음에 은행허가를 내주고 있는 남의 나라 이야기다.
알리바바 텐센트 같은 중국 인터넷 기업 들에 민영은행 설립을 허가해 준 이유는 이미 세계시장이 그 쪽으로 가고있고 국가경쟁력을 위해서 허가를 해준 것이다. 세계 금융업계의 화두는 알리바바 텐센트 페이스북 구글과 같은 인터넷 기업들의 은행만들기 대 행진이다. 새로운 먹거리 찾기에 나선 인터넷 기업들이 금융서비스 분야에 줄줄이 진출하고 있다. 미래예측은 앞으로 국영은행은 소멸하게된다고 본다.

인터넷 기업의 금융업 진출은 전 세계 현상이다.
페이스북은 아일랜드 중앙은행에 결제·금융 서비스를 신청했다. 아일랜드 중앙은행이 승인하면 페이스북은 ‘전자화폐 취급기관’으로 인정받는다. 페이스북은 승인을 발판으로 유럽 모든 지역에서 예금, 송금 등 은행과 다름없는 금융서비스를 할 예정이다. 구글도 금융업 진출에 적극적이다.
구글의 모바일 결제 시스템인 ‘구글 월렛’을 바탕으로 금융업에 진출 송금 및 펀드투자로 서비스를 확장한다는 구상이다.
이를 위해 이미 영국에서 전자화폐 발행 권한을 받아놨다.

알리바바와 텐센트는 인터넷 분야에선 이미 세계 시장을 선도하는 기업이다. 알리바바는 미국의 아마존을 제치고 거래 규모 측면에서 세계 최대 전자상거래 기업으로 성장했다.
모바일 메신저 분야의 강자 텐센트는 시가총액 기준으로 구글, 페이스북 , 아마존에 이어 세계 4위에 올라 있다.

작년 하반기 알리바바는 ‘위어바오’를 출시하면서 중국 금융업계를 위협하기 시작했다.
작년 6월 출시한 머니마켓펀드(MMF) 상품인 위어바오가 시중의 자금을 빨아들이는 ‘블랙홀’ 역할을 했다. 은행 예금 금리(3%대 초반)의 두 배에 달하는 6%대 금리를 제시한 비즈니스 모델이 먹힌 것이다. 출시 이후 지난 3월까지 가입자 수는 약 8000만명을 돌파했고 5000억위안(약 83조원)을 끌어들였다.
중국 증권사들이 주식시장 개장 이후 23년간 확보한 고객(약 9000만명)과 맞먹는 규모의 고객을 불과 몇 개월 만에 확보한 것이다.
위어바오가 대성공을 거두자 텐센트도 지난 1월 ‘리차이퉁’이라는 인터넷 금융상품을 시장에 선보였다. 출시 하루 만에 8억위안의 자금을 끌어모드는 저금통이 되었다.

중국 금융시장을 장악하고 있는 5대 국유은행 (공상·중국·농업·건설·교통은행)들은 비상이 걸렸다.
인터넷 금융상품이 금융시장의 질서를 어지럽힌다며 정부에 규제 강화를 촉구했다. 국유은행들이 데모를 하기 시작한 것이다.
전 세계 기존의 금융시장들이 벌벌 떨고있다.