Brookings 인공지능 영향 보고서

 AI의 확산은 단순히 '기존의 연장선'이 아니라, 미래의 일자리에 대한 추측에 새로운 수수께끼를 도입할 것이라는 새로운 통계가 제시하고 있습니다. 기존의 AI에 대한 분석과 차이점을 보여주는 Michael Webb의 새로운 절차는 우리가 인공지능에 대해 많이 배워야 하며, 이는 아직 초기단계라는 것을 보여줍니다.

 다가오는 것은 우리가 경험하거나 예상하는 것과는 다를 수 있습니다. Webb의 머신러닝 통계는 AI가 노동시장에 거의 이전 기술들과는 다른 새로운 영향을 미칠 수 있음을 제안합니다. 과거의 자동화 분석에서 인공지능의 독특한 영향이 아마도 무시되었을 가능성이 높다는 것이 분명해졌습니다. 이전의 분석은 로봇과 소프트웨어가 수많은 일상적이고, 구조화된, 반복적인 작업을 인수할 수 있는 방법에 의해 거의 확실히 지배되었습니다. 이러한 분석은 자동화의 주요 효과가 기술 및 임금 스펙트럼의 중간에서 일자리를 밀어내고 (예: 공장 노동자와 사무직원) 고임금과 저임금의 대인 또는 비일상 작업 (예: 화학공학자와 홈 헬스 보조자)에 대한 현 상황을 그대로 두는 것으로 제안하는 경향이 있었습니다.

Brookings 보고서

 그러나 여기에 제시된 더 세밀한 실증 연구는 AI가 통계와 학습을 활용하여 비일상 작업을 수행하는 능력이 이전의 자동화와는 매우 다른 근로자 부분에 영향을 미칠 것임을 제안합니다. 가장 두드러진 것은, 이제는 이전의 자동화 물결에 덜 영향을 받은 새로운 클래스의 잘 지불되는 흰색 칼라 노동자들이 AI에 의해 가장 크게 영향을 받을 것으로 보인다는 것입니다. 이를 고려할 때, 사회는 로봇과 소프트웨어의 넓은 범위의 채택에 따른 영향과는 매우 다른 패턴에 대비해야 합니다.

 마지막으로, AI가 인간의 일과 상호 작용할 수 있는 다양한 방법을 시작하는 실제 사용 사례의 유익한 리뷰를 제공하는 Brynjolfsson과 Mitchell 그리고 Agrawal 등이 AI가 가져올 수 있는 영향을 나타낼 수 있습니다. 예를 들어, 많은 예측 작업에서 자본을 노동력에 대체하거나, 다른 예측 작업을 자동화함으로써 노동력을 보완하거나, 새로운 일을 창출할 수 있는 AI를 결론으로 내리는 표준 프레임워크를 사용합니다.