🦈OpenAI의 Deep Research가 내 직업을 위협할까?

트윗 하나로 수백만 명의 실직 가능성을 쉽게 언급하는 시대가 되었습니다. 지난주, 샘 알트만(Sam Altman)은 자신의 “매우 대략적인 느낌”에 따르면 OpenAI의 신제품 Deep Research가 “전 세계 경제적으로 가치 있는 업무의 한 자릿수 퍼센트”를 수행할 수 있다고 밝혔습니다. 각 업무가 하나의 직업을 나타내고, “한 자릿수”가 5%를 의미한다고 가정하면, 알트만은 지난주 발표 하나로 미국에서 820만 명의 노동자가 대체될 수 있다고 말하는 것입니다.

만약 그의 말이 맞다면, 곧 연구 업무와 관련된 직업을 가진 사람들에게 대량 해고와 채용 감소가 시작될 수 있습니다. 이 제품으로 인해 생계에 직접적인 위협을 받는 사람 중 한 명으로서, 저는 이 주장이 정말 타당한지 검증해 볼 필요가 있다고 생각했습니다.

Deep Research는 여러분이 가진 질문에 대해 인터넷을 샅샅이 뒤져 연구 보고서를 통해 답변을 제공합니다. 이것은 1) 대부분 작동하며 2) ChatGPT의 수억 명의 사용자가 구매할 수 있는 최초의 AI 에이전트 제품 중 하나입니다. 따라서 AI 고용의 영향에 대한 논의는 더 이상 이론적인 이야기가 아닌, 매우 시급한 문제가 되었습니다.

AI의 거창한 약속은 기존 지식 노동의 대부분을 자동화할 것이라는 것입니다. 멋지게 들리지만, 한편으로는 대량 실업 사태를 연상시키기도 합니다! 제가 개인적으로 정의하는 지식 노동은 키보드를 사용하는 모든 업무입니다. 이는 우리가 하는 일의 상당 부분을 차지합니다. “전 세계 경제적으로 가치 있는 업무의 한 자릿수 퍼센트”의 파괴적 변화가 실제로 일어날지 알아보기 위해, 다음 질문에 답하는 것부터 시작해야 합니다.

1. 다른 기술도 이와 유사한 수준의 파괴적 변화를 가져온 적이 있는가?
2. Deep Research는 지식 노동 분야에서 그러한 잠재력을 가지고 있는가?
3. 이 기사의 매우 잘생긴 작가는 농장으로 돌아갈 준비를 해야 할까?

자세히 알아봅시다.

기술이란 무엇인가?

알트만이 주장하는 것처럼 다른 기술이 노동력을 대체한 적이 있는지에 대한 짧은 대답은 ‘아니오’입니다. 하지만 불행히도, 긴 대답은 아마도 ‘예’일 것입니다. 설명을 드리겠습니다.

우리가 “기술”에 대해 이야기할 때, 일반적으로 과학적 지식을 응용하여 인간이 새로운 작업을 수행하거나 기존 작업을 더 쉽게 만들 수 있도록 하는 것을 의미합니다. 전기와 같은 근본적인 기술은 다양한 기술 응용의 기반이 됩니다. 예를 들어, 전기는 적절한 발명가의 손에서 세탁과 같은 작업에 적용되어 바쁜 부모님들에게 큰 도움이 됩니다.

여기서 핵심은 응용 기술은 특정 업무를 파괴하는 반면, 근본적인 기술은 경제 구조 자체를 재구성한다는 것입니다.

아마도 1780년대부터 1890년대까지 영국 면화 산업만큼 교훈적인 사례는 없을 것입니다. 초기에 이 산업은 면화를 직물로 만드는 과정에서 매우 중요한 역할을 하는 숙련된 수직기 직공 노동력에 의존했습니다. 하지만 이 시기에 기계식 직기가 보편화되면서, 이 노동자들은 점차 사라졌습니다.

한편으로, 이것은 기술의 힘에 대한 이야기입니다. 면화 산업은 처음에는 영국 GDP의 약 1%로 작은 규모였지만, 1813년에는 7~8%로 성장했습니다. 면화 수입량도 그 증가세에 맞춰 1831-1835년에 2,600만 파운드에서 3억 파운드로 급증했습니다. 이러한 성장에도 불구하고, 면직물 직공의 실질 임금은 1800년대 초에 최고점을 찍었고, 1830년에는 그 수준의 1/4로 급락했습니다.

흥미롭게도, 임금이 폭락하는 동안에도 1820년에서 1830년 사이에 노동력 규모는 크게 감소하지 않았습니다.

그 이유는 직조가 빠르게 저숙련 노동으로 변했기 때문입니다. 기계식 직기는 훨씬 적은 훈련을 필요로 했고, 거의 모든 사람이 일자리를 구할 수 있었습니다. 노동력은 1830년대에 임금이 최저점을 찍은 후에야 감소하기 시작했습니다. 하지만 1860년대 미국 남북 전쟁으로 인해 촉발된 경제 침체가 발생하고 나서야 수직기 직조 일자리가 완전히 사라졌습니다.

이 100년 동안 엄청난 이익이 발생했지만, 거의 모든 이익은 공장주에게 돌아갔습니다. 다른 분야의 초급 직종으로 이동하는 것은 제한적이었습니다. 예를 들어, 농업에서는 토지 이용 가능성 감소로 인해 저숙련 노동자에게 일반적인 취업 경로가 막혔습니다. 직공들은 꼼짝없이 갇힌 신세가 되었습니다.

자동화가 노동에 좋거나 나쁘다고 단정하기는 어렵습니다. 현실은 훨씬 더 미묘합니다. 기술은 비용을 절감하고 경제 생산량을 증가시킬 수 있습니다. 하지만 노동자들이 그 혜택을 누릴 수 있는지, 심지어 직업의 경제적 파괴에서 벗어날 수 있는지 여부는 기술 자체를 넘어선 다양한 정치적, 사회경제적 요인에 달려 있습니다.

따라서 기술은 노동력을 하룻밤 사이에 완전히 대체하는 경우는 드물지만, 장기적으로는 노동력이 다른 곳으로 이동하거나 임금 감소에 직면하도록 강요합니다.

“경제적으로 가치 있는 업무”를 수행할 수 있는 기술의 현실은 다음 두 가지 경우에 발생합니다.

• 새로운 업무가 생기는 경우 (컴퓨터가 코딩을 도운 것처럼).
• 기존의 노동 유형을 자동화하는 경우 (식기세척기가 설거지를 안 해도 되게 만든 것처럼).
• 기존의 노동 형태를 더 생산적으로 만드는 경우 (망치가 집을 더 빨리 짓는 데 도움이 된 것처럼).

이러한 틀을 바탕으로, 자연스럽게 다음 질문이 떠오릅니다. Deep Research는 무엇을 할 수 있으며, 어떤 맥락에서 적용되고 있는가?

AI의 등장

Deep Research는 AI 에이전트를 사용하여 계획을 수립하고, 웹을 검색하고, 사용자의 쿼리에 답변합니다. Every의 내부 실험 결과, 이 도구는 유용하지만 완벽하지는 않습니다. 해당 분야 전문가라면 사실의 미묘한 누락이나 왜곡을 자주 발견할 것입니다. 일부는 주의 깊은 프롬프트 엔지니어링으로 수정할 수 있지만, 제 경험적인 판단으로는 현재 이 도구의 기술 수준은 숙련된 리서치 인턴이나 6개월 미만의 경력을 가진 신입 분석가 수준입니다. 어떤 종류의 오류를 주의해야 하는지 알아야 하지만, 질문에 대한 심층적인 연구 기반 답변을 80% 수준까지 빠르게 얻을 수 있는 유용한 방법입니다.

예를 들어, 저는 위 섹션에 적절한 예시를 찾기 위해 이 도구를 사용했습니다. 다음 스크린샷을 보고 오류를 발견할 수 있는지 확인해 보세요.

Deep Research는 날짜를 잘못 파악했습니다. 기계화는 더 일찍 시작되었고, 수직기는 이 날짜 범위 이후에도 존재했습니다. 또한, “hand-weaving”은 정확한 용어가 아닙니다. “handloom weaving”이 더 적절합니다.

하지만 이것은 너드들에게는 헤로인과 같습니다. 저는 연구 보고서를 읽고 항상 궁금했지만 학술 연구를 파고들고 싶지 않았던 질문들을 던지면서 몇 시간이고 시간을 보냈습니다. 중독성이 강한 제품입니다. 그리고 광범위한 지식 분야에서 작동합니다.

현재 월 200달러의 가격(무료 인턴보다 비싸지만, 괜찮은 급여를 받는 인턴보다는 저렴함)으로 Deep Research는 직업의 일부로 정기적으로 연구 보고서를 읽는 사람들에게 거의 확실히 가치가 있습니다. 5년 후에는 시스템의 미묘한 오류 대부분이 사라질 것이라고 예상합니다. 신입 분석가 직종을 찾는 사람들은 고용을 찾거나, 최소한 생계를 유지할 수 있는 임금을 받는 것이 훨씬 더 어려워질 것입니다. 사용자가 정보를 찾고 동시에 광고를 보도록 유도하는 현재 인터넷 작동 방식의 많은 측면도 위험에 처할 수 있습니다.

궁극적으로 알트만의 주장에 동의하려면, 인턴 수준의 연구가 “전 세계 경제적으로 가치 있는 업무의 한 자릿수 퍼센트”를 차지한다고 믿어야 합니다. 저는 그런 사람들 중 하나가 아닙니다. 재미 삼아 Deep Research에게 “Deep Research로 대체될 수 있는 미국 GDP 및 노동력의 비율은 어느 정도인가?”라고 물어봤습니다 (특별한 이유는 없고, 그냥 미국으로 한정했습니다). Deep Research의 답변은 “오늘날 전체 직업(즉, 일자리) 중 5% 미만이 완전히 자동화될 수 있습니다.”였습니다. 이 답변에 대해 각자 판단해 보시기 바랍니다.

그럼에도 불구하고, 이 제품은 이제 막 출시되었으며, AI 발전 속도가 계속된다면 Deep Research가 3년 이내에 (저의 전문성 성장을 어느 정도 감안하더라도) 바로 이 글을 쓰는 저의 기술 수준에 도달할 것이라고 가정하는 것이 합리적으로 느껴집니다.

Deep Research (그리고 일반적으로 AI)에 대해 저를 불안하게 만드는 또 다른 점이 있습니다. 자동차에서 실리콘 트랜지스터에 이르기까지 노동력을 자동화한 기술의 대부분은 현장 하드웨어가 필요했습니다. 기계를 활용하려면 공장으로 운반해야 했습니다. 하지만 AI의 경우, 각 사용자는 공급자에게 상대적으로 적은 한계 비용을 추가하고, 유통 비용은 전혀 들지 않습니다. ChatGPT는 인터넷 브라우저의 또 다른 탭일 뿐입니다. 2월 초 Deep Research가 발표되었을 때, 12만 5천 명의 ChatGPT Pro 구독자가 즉시 이 기능을 이용할 수 있었습니다. 우리는 이에 대한 경제 모델이나 역사적 선례가 전혀 없습니다.

직업의 파괴적 혁신

저는 경력 대부분 동안 문제를 철저히 분석하고, 독립적인 데이터 소스를 찾고, 사람들에게 제가 옳다고 생각하는 방향으로 행동하도록 설득하는 자료를 만드는 능력에 자부심을 느껴왔습니다. 하지만 이제 OpenAI는 이러한 능력들을 강화(대체?)하는 제품군을 출시했습니다. ChatGPT는 생각을 정리하고, Deep Research는 데이터 소스를 찾고, Canvas는 해당 데이터를 기반으로 보고서를 만듭니다. 저를 특별하게 만들었던 것들이 이제 월 200달러로 대체 가능하게 될 위협에 처했습니다.

이것은 결코 편안한 깨달음이 아닙니다.

이것이 작가의 업무가 사라진다는 의미는 아닙니다! 하지만 작가가 전통적으로 처리해 왔던 업무 묶음이 이러한 기술로 인해 가격 하락 압력을 받고 있다는 것을 의미합니다. 과거에 저를 시장에서 특별하게 만들었던 것들이 이제 구매 가능한 상품이 되었습니다. Every는 항상 코딩, 글쓰기, 창작, 제빵, 작곡, 디자인 등 다양한 능력을 가진 다재다능한 개인들에 의해 만들어졌습니다. 저희 회사의 구조는 이러한 능력 묶음을 지원하도록 설계되었습니다. 하지만 이러한 모델이 매달 개선됨에 따라, 제 책임이 변하지 않는다면 “수석 작가”로서의 제 계약은 점점 더 과도한 비용으로 보일 것입니다.

Deep Research의 시대에 글쓰기의 본질적인 감각, 즉 좋은 글쓰기를 만드는 감각이 더욱 가치 있게 된다고 주장할 수도 있습니다 (다음 연봉 협상에 참고해야 할 사항). Deep Research가 위에 제시된 표를 반환했을 때, 뭔가 이상하다는 느낌이 즉시 들었습니다. 몇 분 동안 살펴보니 오류를 발견할 수 있었습니다. 오늘날 글쓰기를 시작하는 작가들은 저처럼 수년간 금융 모델과 Google 문서 도구에 대한 경험이 없기 때문에, 그러한 직관을 쉽게 쌓을 수 없을 것입니다. 제가 이 주장을 믿는지 모르겠지만, 이것이 제가 스스로에게, 그리고 여러분에게 제공할 수 있는 유일한 자기 위안입니다.

저는 알트만의 주장이 옳은지 모르겠습니다. 그의 추정치는 제가 보기에는 약간 높습니다. 하지만 AI 추론 모델의 개선 속도는 무서울 정도로 빠릅니다. Deep Research가 필요한 업무를 수행하는 데 상대적으로 적은 수의 사람들만 필요하게 될 날이 매우 가까워졌습니다.