Description
이 책의 목적은 인공지능의 시스템 단계 솔루션 발전을 고무하는 데 있다. 그 핵심은 바로 의사 결정과 그 의사 결정 안에서 예측이 하는 역할이다.
1부에서는 세 가지 유형의 기업가 비유를 제시하며 기술이 무르익는 동안 인공지능의 발전과 효율적 사용을 가로막는 장애물을 소개한다. 그것은 전기를 비롯해 과거의 여러 범용 기술이 보낸 무르익는 시간과 거의 유사하다. 3장에서는 이러한 도전과 기회를 이해시키는 징검다리로서 이 책에 앞서 출간한 《예측 기계》의 주제를 다시금 논의하고, 인공지능에서 예측이 핵심 부분으로 자리 잡는 과정을 밝힌다.
2부에서는 높은 가치 창출은 도입 단계 솔루션만으로 불충분하다는 주장을 뒷받침하기 위해 의사 결정 과정을 파헤친다. 여기서는 세 가지 큰 주제를 살핀다. 첫째, 의사 결정은 쉽지 않다는 것이다. 단순히 규칙을 따르는 것과 비교해 인지적 비용이 수반된다. 의사 결정의 긍정적 측면은 새로운 정보에 대응해 당장의 행동을 바꿀 수 있다는 것이다. 둘째, 인공지능의 예측은 결국 규칙에서 의사 결정으로 나아가도록 만드는 결정적 요인일 수 있다. 아울러 조직을 부정적 결과로부터 보호하려는 규칙과 그에 따른 행동 방식 때문에 불확실성이 감추어질 수 있다. 따라서 인공지능을 적용해야 하는 부분을 찾는 일이 까다로운데, 한편 그것이야말로 판도 변화를 불러올 가능성이 가장 큰 부분이기도 하다. 셋째, 각 의사 결정 사이의 관계다. 여러 의사 결정이 상호 작용하는 가운데 규칙에서 예측에 기반한 의사 결정으로 옮겨가면 실제로 시스템에 대한 불신이 발생한다. 이것을 극복하려면 시스템 차원의 변화가 필요하다. 문제는 규칙이 보통 교묘하게 기존 시스템을 옴짝달싹 못하게 속박한다는 것이다. 따라서 기존 시스템을 바꾸기보다 처음부터 새롭게 시스템을 갖추는 편이 더 쉬울 수 있다.
3부에서는 새로운 시스템의 창출 과정을 살핀다. 이 과정에서는 예측에 대응하기 위해 하나의 의사 결정을 바꾸는 걸 넘어 상호 작용하는 의사 결정 전체에 영향을 미치는 상황이 발생한다. 특히 이전부터 규칙이 많은 것을 주도해온 경우, 시스템 중심적 사고방식을 수용하고 의사 결정 사이의 미묘한 관계를 이해하는 것이 중요하다는 점을 설명한다. 또 인공지능 예측이 혁신 프로세스에서 이미 시스템 변화의 효과를 낳고 있음을 들려준다. 더불어 혁신 프로세스 이외의 곳에서도 변화가 필요하다는 것을 어렴풋이 보여준다.
4부에서는 시스템 차원의 변화가 불러올 핵심적 결과를 살핀다. 즉 시스템 차원의 변화는 지배력에 영향을 미친다는 것이다. 판도가 바뀌면 프로세스 측면에서 경제적 지배력의 이동이 수반된다. 저자들은 산업을 혁신하는 판도 변화와 시스템 차원의 변화가 지금까지 어떤 관계에 있었는지 설명하기 위해 최근의 사례를 살펴본다. 그런 다음 인공지능에 대한 논의에서 등장하는 지배력과 관련한 공포의 일면, 즉 기계가 지배력을 가질 수 있는지를 들여다본다. 인공지능의 목적이 예측이고, 예측은 의사 결정 과정에 개입하는 것이라는 이해를 전제로, 지배력은 외견상 아무리 강력해 보여도 기계가 아닌 기계 너머에서 예측에 따른 대응 방식을 결정하는 판단에서 비롯한다는 점을 설명한다. 다음으로 예측으로 지배력이 확대되는 양상을 살펴본다.
5부에서는 예측이 기존 지배력을 허무는 메커니즘, 즉 인공지능으로 판도가 바뀌는 방식을 파헤친다. 예측 기계가 없던 시절의 임기응변식 의사 결정 방식에 늘 예측과 판단이 결합되어 있었다면, 인공지능이 등장해 그 예측과 판단이 분리되는 방식을 설명한다. 이처럼 예측과 판단이 분리되면 현재의 의사 결정자가 실제로 그러한 판단을 하기에 가장 적합한 사람인지 의문을 불러일으킨다. 이어서 판단하는 사람이 분리를 추구할 수 있다는 사실을 다룬다. 특히 판단이 분산적으로 이루어지는 상황에서 어떻게 결국 지배력의 집중을 불러올 만큼의 수준에 이르는지 살펴본다. 마찬가지로, 예측이 규칙으로부터 의사 결정으로의 변화를 불러일으키고 여기에 새로운 시스템마저 뒤따른다면, 새로운 인물이 의사 결정 역할을 차지하고, 따라서 이는 지배력의 새로운 근원이 된다.
6부에서는 시스템 디자인, 특히 새로운 인공지능 발전에 기반한 신뢰할 만한 시스템 디자인을 살펴보며, 기업과 산업을 의사 결정의 체계로 이해하도록 도울 수단을 제공한다. 여기에는 강력한 예측 기계를 이용해 가장 핵심적인 소수의 의사 결정에 조직의 과제를 대응시키는 접근 방식이 포함된다.
에필로그에서는 많은 사람이 우려하는 인공지능의 편향 사례를 소개한다. 저자들은 인공지능이 도입 단계 솔루션 수준에 머무를 경우, 인공지능의 편향이 문제가 되며 예측 기계의 수용에 대한 반발도 정당할 수 있다고 인정한다. 그러나 이러한 편향은 시스템적 사고의 관점에서 더 정확히 볼 수 있다. 시스템이 인공지능의 예측에 맞춰 조정되어가는 방식을 이해하면 편향 제거가 인공지능이 제공하는 기회이며, 인공지능에 의한 전복이 아님을 훨씬 쉽게 이해할 수 있다.
저자들은 인공지능이 이끄는 산업 변화에는 시간이 소요된다는 사실을 강조한다. 초기에는 그러한 변화가 어떻게 이루어지는지 확실치 않다. 많은 사람이 시도하겠지만, 수요를 잘못 예측하거나 비즈니스 모델의 단위당 수익성이 충분치 않아 실패를 거듭할 것이다. 하지만 결국에는 누군가 성공을 거두고 수익을 냄으로써 이 방법을 입증할 것이다. 그러면 나머지는 따라 하기 시작할 테고, 그 산업의 리더는 해자를 둘러 이익을 보호하려 할 것이다. 때로는 이게 효과를 거두기도 할 것이다. 그럼에도 그 산업은 변화를 겪을 것이며, 언제나 그렇듯이 승자와 패자가 나뉠 것이다.
1부에서는 세 가지 유형의 기업가 비유를 제시하며 기술이 무르익는 동안 인공지능의 발전과 효율적 사용을 가로막는 장애물을 소개한다. 그것은 전기를 비롯해 과거의 여러 범용 기술이 보낸 무르익는 시간과 거의 유사하다. 3장에서는 이러한 도전과 기회를 이해시키는 징검다리로서 이 책에 앞서 출간한 《예측 기계》의 주제를 다시금 논의하고, 인공지능에서 예측이 핵심 부분으로 자리 잡는 과정을 밝힌다.
2부에서는 높은 가치 창출은 도입 단계 솔루션만으로 불충분하다는 주장을 뒷받침하기 위해 의사 결정 과정을 파헤친다. 여기서는 세 가지 큰 주제를 살핀다. 첫째, 의사 결정은 쉽지 않다는 것이다. 단순히 규칙을 따르는 것과 비교해 인지적 비용이 수반된다. 의사 결정의 긍정적 측면은 새로운 정보에 대응해 당장의 행동을 바꿀 수 있다는 것이다. 둘째, 인공지능의 예측은 결국 규칙에서 의사 결정으로 나아가도록 만드는 결정적 요인일 수 있다. 아울러 조직을 부정적 결과로부터 보호하려는 규칙과 그에 따른 행동 방식 때문에 불확실성이 감추어질 수 있다. 따라서 인공지능을 적용해야 하는 부분을 찾는 일이 까다로운데, 한편 그것이야말로 판도 변화를 불러올 가능성이 가장 큰 부분이기도 하다. 셋째, 각 의사 결정 사이의 관계다. 여러 의사 결정이 상호 작용하는 가운데 규칙에서 예측에 기반한 의사 결정으로 옮겨가면 실제로 시스템에 대한 불신이 발생한다. 이것을 극복하려면 시스템 차원의 변화가 필요하다. 문제는 규칙이 보통 교묘하게 기존 시스템을 옴짝달싹 못하게 속박한다는 것이다. 따라서 기존 시스템을 바꾸기보다 처음부터 새롭게 시스템을 갖추는 편이 더 쉬울 수 있다.
3부에서는 새로운 시스템의 창출 과정을 살핀다. 이 과정에서는 예측에 대응하기 위해 하나의 의사 결정을 바꾸는 걸 넘어 상호 작용하는 의사 결정 전체에 영향을 미치는 상황이 발생한다. 특히 이전부터 규칙이 많은 것을 주도해온 경우, 시스템 중심적 사고방식을 수용하고 의사 결정 사이의 미묘한 관계를 이해하는 것이 중요하다는 점을 설명한다. 또 인공지능 예측이 혁신 프로세스에서 이미 시스템 변화의 효과를 낳고 있음을 들려준다. 더불어 혁신 프로세스 이외의 곳에서도 변화가 필요하다는 것을 어렴풋이 보여준다.
4부에서는 시스템 차원의 변화가 불러올 핵심적 결과를 살핀다. 즉 시스템 차원의 변화는 지배력에 영향을 미친다는 것이다. 판도가 바뀌면 프로세스 측면에서 경제적 지배력의 이동이 수반된다. 저자들은 산업을 혁신하는 판도 변화와 시스템 차원의 변화가 지금까지 어떤 관계에 있었는지 설명하기 위해 최근의 사례를 살펴본다. 그런 다음 인공지능에 대한 논의에서 등장하는 지배력과 관련한 공포의 일면, 즉 기계가 지배력을 가질 수 있는지를 들여다본다. 인공지능의 목적이 예측이고, 예측은 의사 결정 과정에 개입하는 것이라는 이해를 전제로, 지배력은 외견상 아무리 강력해 보여도 기계가 아닌 기계 너머에서 예측에 따른 대응 방식을 결정하는 판단에서 비롯한다는 점을 설명한다. 다음으로 예측으로 지배력이 확대되는 양상을 살펴본다.
5부에서는 예측이 기존 지배력을 허무는 메커니즘, 즉 인공지능으로 판도가 바뀌는 방식을 파헤친다. 예측 기계가 없던 시절의 임기응변식 의사 결정 방식에 늘 예측과 판단이 결합되어 있었다면, 인공지능이 등장해 그 예측과 판단이 분리되는 방식을 설명한다. 이처럼 예측과 판단이 분리되면 현재의 의사 결정자가 실제로 그러한 판단을 하기에 가장 적합한 사람인지 의문을 불러일으킨다. 이어서 판단하는 사람이 분리를 추구할 수 있다는 사실을 다룬다. 특히 판단이 분산적으로 이루어지는 상황에서 어떻게 결국 지배력의 집중을 불러올 만큼의 수준에 이르는지 살펴본다. 마찬가지로, 예측이 규칙으로부터 의사 결정으로의 변화를 불러일으키고 여기에 새로운 시스템마저 뒤따른다면, 새로운 인물이 의사 결정 역할을 차지하고, 따라서 이는 지배력의 새로운 근원이 된다.
6부에서는 시스템 디자인, 특히 새로운 인공지능 발전에 기반한 신뢰할 만한 시스템 디자인을 살펴보며, 기업과 산업을 의사 결정의 체계로 이해하도록 도울 수단을 제공한다. 여기에는 강력한 예측 기계를 이용해 가장 핵심적인 소수의 의사 결정에 조직의 과제를 대응시키는 접근 방식이 포함된다.
에필로그에서는 많은 사람이 우려하는 인공지능의 편향 사례를 소개한다. 저자들은 인공지능이 도입 단계 솔루션 수준에 머무를 경우, 인공지능의 편향이 문제가 되며 예측 기계의 수용에 대한 반발도 정당할 수 있다고 인정한다. 그러나 이러한 편향은 시스템적 사고의 관점에서 더 정확히 볼 수 있다. 시스템이 인공지능의 예측에 맞춰 조정되어가는 방식을 이해하면 편향 제거가 인공지능이 제공하는 기회이며, 인공지능에 의한 전복이 아님을 훨씬 쉽게 이해할 수 있다.
저자들은 인공지능이 이끄는 산업 변화에는 시간이 소요된다는 사실을 강조한다. 초기에는 그러한 변화가 어떻게 이루어지는지 확실치 않다. 많은 사람이 시도하겠지만, 수요를 잘못 예측하거나 비즈니스 모델의 단위당 수익성이 충분치 않아 실패를 거듭할 것이다. 하지만 결국에는 누군가 성공을 거두고 수익을 냄으로써 이 방법을 입증할 것이다. 그러면 나머지는 따라 하기 시작할 테고, 그 산업의 리더는 해자를 둘러 이익을 보호하려 할 것이다. 때로는 이게 효과를 거두기도 할 것이다. 그럼에도 그 산업은 변화를 겪을 것이며, 언제나 그렇듯이 승자와 패자가 나뉠 것이다.
AI 경제학 : 경제 시스템의 판도 변화
$22.00
- Choosing a selection results in a full page refresh.