로봇 시대, 숙련 노동자의 딜레마

인공일반지능(AGI)으로 발전하기 위해서는 현재 주류인 거대 언어 모델(LLM)만으로는 한계가 있다는 지적이 나옵니다. LLM은 언어 데이터를 기반으로 지식을 학습하지만, 물리 세계의 법칙을 이해하고 예측하는 능력은 부족하기 때문입니다. 이러한 한계를 극복하기 위해 '월드 모델'의 중요성이 부각되고 있습니다.

월드 모델은 물리 법칙과 다양한 감각 정보를 결합하여 외부 세계를 이해하고, 데이터 없이도 상황을 예측하고 추론할 수 있는 능력을 의미합니다. 이는 AI가 실제 환경에서 상호작용하고 문제를 해결하는 데 필수적인 요소로 꼽힙니다.

LLM은 도서관 전체를 학습한 것에 비유할 수 있으며, 방대한 텍스트 데이터를 통해 기호적 지식을 습득합니다. 반면 월드 모델은 물리적인 세계와 직접 접촉하고 상호작용하면서 그 원리를 학습하는 방식입니다. 이는 현실 세계가 점차 게임처럼 시뮬레이션되고 데이터화되는 시대의 도래를 의미합니다.

이러한 변화는 AI가 단순히 정보를 처리하는 것을 넘어, 물리적 환경에서 실시간으로 반응하고 의사결정을 내릴 수 있는 능력을 갖추게 됨을 시사합니다. 인간의 물리적 노동과 관련된 영역까지 AI의 영향력이 확대될 수 있음을 보여줍니다.

피지컬 AI의 발전을 위해서는 숙련 노동자들의 몸동작 데이터를 확보하는 것이 매우 중요합니다. 이는 한국뿐만 아니라 전 세계적인 현상으로, 미국, 중국, 인도 등 주요 국가들이 이 동작 데이터를 수집하기 위해 치열하게 경쟁하고 있습니다.

각국 산업부 등 관련 기관들은 피지컬 AI 구현을 위한 필수 과정으로 숙련 노동자의 동작 데이터 확보에 강한 드라이브를 걸고 있습니다. 이는 미래 산업 경쟁력의 핵심 요소로 인식되고 있기 때문입니다.

암묵지는 철학에서 말이나 글로 설명할 수 없는 종류의 지식을 의미합니다. 예를 들어, 할머니의 손맛은 레시피만으로는 온전히 전수될 수 없는 암묵지의 영역에 속합니다. 이는 설명하기 어려운 종류의 지식으로, 교과서적인 매뉴얼화에는 한계가 있습니다.

산업 현장에서도 고도로 숙련된 노동자들이 몸으로 익힌 기술은 이러한 암묵지의 특성을 갖습니다. 말이나 글로는 완벽히 전달할 수 없으며, 오랜 경험과 반복을 통해 체득되는 지식입니다.

과거에는 특별하다고 여겨졌던 지식 노동의 결과물들이 AI와 컴퓨터에 의해 쉽게 복제되고 구현될 수 있게 되었습니다. 반면, 청소나 설거지처럼 가치가 적게 매겨졌던 육체 노동의 영역은 피지컬 AI로 구현하는 데 큰 어려움을 겪고 있습니다. 이는 노동 가치 평가의 주객전도 현상을 보여줍니다.

AI 시대에는 오히려 숙련된 육체 노동, 특히 암묵지 영역에 속하는 기술의 가치가 상대적으로 상승하고 있습니다. AI가 지식 작업을 빠르게 대체하면서, 물리적 세계에서의 복잡한 작업 수행 능력에 대한 중요성이 커지는 것입니다.

고숙련 노동자들의 동작을 데이터화하는 과정에서 딜레마가 발생합니다. 예를 들어, 조선 분야에서 곡면에 용접하는 것과 같은 고난도 동작은 숙련 노동자들의 암묵지 영역에 해당하며, 이를 말로 설명하기는 매우 어렵습니다. 그런데 피지컬 AI를 구현하기 위해 이러한 고숙련 노동 동작을 데이터로 만들어 로봇에게 가르쳐야 하는 상황입니다.

이는 숙련 노동자가 마치 자전거 타는 방법을 설명할 수 없지만 직접 타면서 보여주듯이, 자신의 기술을 로봇에게 넘겨주는 상황과 같습니다. 노동자들은 자신의 기술이 데이터화되어 로봇에 적용되면 결국 자신들의 일자리가 위협받을 수 있다는 우려를 가집니다.

피지컬 AI를 구현하기 위한 동작 데이터 수집은 단순히 동작을 녹화하는 것을 넘어섭니다. 노동자가 작업을 수행할 때 몸이 어떻게 변하고 반응하는지, 심지어 혈압이나 맥박수 같은 바이탈 사인까지도 기록합니다. 또한, 재료에 어떤 변형이 일어나는지도 영상으로 촬영하여 종합적인 데이터를 모으고 있습니다.

이러한 동작 데이터 확보를 위해 전 세계 주요국들은 사활을 걸고 있습니다. 특히 중국은 전용 스튜디오를 만들어 노동자들을 모아 집중적으로 동작 데이터를 수집하는 등 적극적인 움직임을 보이고 있습니다.

숙련 노동자의 동작 데이터를 수집하는 것은 한 번의 스캔으로 끝나는 단순한 작업이 아닙니다. 어떤 동작이 표준적인지 정의하기 어렵고, 사람마다, 그리고 상황마다 동작이 다르기 때문입니다. 양파를 써는 동작 하나만 해도 무궁무진하게 많은 경우의 수가 있고 복잡합니다.

따라서 숙련 노동자가 정제된 동작을 제공해야 데이터의 효율성을 극대화할 수 있습니다. 이는 AI 학습에 필요한 고품질 데이터를 얻기 위해 숙련 노동자의 적극적인 협조가 필수적임을 의미합니다.

숙련 노동자들은 자신의 동작 데이터를 AI에 제공하는 것을 꺼립니다. 이는 평생에 걸쳐 축적한 자신의 기술과 지식을 한순간에 외부에 넘겨주는 것과 같기 때문입니다. 데이터를 제공하고 나면 자신의 일자리를 잃을 위험에 직면할 수 있어 협조하기 어렵습니다.

홍기빈 소장은 이를 성경에 나오는 에서가 죽 한 그릇에 장자의 권리를 야곱에게 팔아버린 것에 비유하며, 노동자들에게는 사활이 걸린 문제라고 설명합니다. 20세기 산업 현장에서 공정 감시로 인한 노사 갈등과 유사한 상황이 반복될 수 있습니다.

홍기빈 소장은 이러한 딜레마를 해결하기 위해 사회적 합의와 새로운 보상 체계인 '데이터 커먼스' 도입을 제안합니다. 동작 데이터를 한 번 팔고 끝내는 단기적인 보상 방식이 아니라, 노동자들이 가진 동작 데이터를 커먼스(공유 자산)처럼 관리하여 자본이 이를 활용할 때마다 노동자들에게 지속적인 소득의 흐름을 보장해 주자는 것입니다.

이는 노동자, 기업, 국가 간의 새로운 사회 협약이 필요함을 의미합니다. 기술 발전에 따른 사회 변화의 이익을 모두가 공유할 수 있는 지속 가능한 시스템을 구축해야 한다는 주장입니다.

예를 들어 현대자동차와 같은 기업 입장에서는 노동자를 어떻게 설득하여 그들의 행동 방식을 로봇에게 입히느냐가 로봇 도입 성공의 핵심 키워드입니다. 그러나 노동조합 입장에서는 이러한 로봇 도입이 생존권에 대한 위협으로 인식되어 순순히 허용할 수 없는 상황입니다.

이러한 노사 간의 교착 상태는 AI 전환을 늦추고 사회적 갈등을 심화시킬 수 있습니다. 기술 발전의 기회를 충분히 활용하지 못하게 되는 결과를 초래할 수 있습니다.

중국은 기술 도입과 관련하여 사회적 장애물 없이 빠르게 직진하는 경향을 보입니다. 이러한 상황에서 한국이 로봇 기술 도입에 대한 사회적 합의를 이루지 못하고 진전을 보이지 않는다면, 제조업 기반이 중국에 잠식당할 수 있다는 우려가 제기됩니다.

유럽이 전기차 시장을 중국에 잠식당한 사례를 반면교사로 삼아야 합니다. 한국 역시 로봇 기술 도입에 대한 신속한 사회적 합의와 진전이 이루어지지 않으면, 미래 시장에서 경쟁력을 잃고 뒤처질 수 있음을 경고합니다.

IT 기술이 산업 전체에 가져온 대규모 패러다임 변화에 대한 충분한 논의가 이루어지지 않은 측면이 있습니다. IT는 단순히 특정 기술 분야를 넘어, 산업과 사회가 조직되는 방식 자체에 혁명적인 변화를 가져왔습니다.

이는 기존의 전통적인 사고방식과 IT적 솔루션 사고방식의 충돌을 야기하며, 우리가 세상을 이해하고 문제를 해결하는 방식에 근본적인 전환을 요구합니다.

20세기 마인드는 물리적, 사회적 한계를 우회하거나 극복하려는 경향이 있었습니다. 반면, IT 쪽 마인드는 어떤 문제가 발생했을 때 IT 시스템 안에서 솔루션을 계속 만들어낼 수 있다는 특징을 가집니다. 문제가 생기면 IT적인 방법으로 또 다른 솔루션을 만들면 된다고 생각하며 한계가 없다고 여깁니다.

이러한 IT 마인드는 문제 해결 방식에 있어 근본적인 차이를 가져오며, 이는 기술 발전의 속도와 방향에도 영향을 미칩니다.

IT는 더 이상 산업의 한 부분이 아니라, 산업과 사회가 조직되고 세상을 바라보는 방식을 총체적으로 바꾸는 거대한 혁명임을 기억할 필요가 있습니다. 전기차 역시 단순한 동력 교체를 넘어, IT 기기의 확장으로 해석해야 하는 이유가 여기에 있습니다.

이러한 총체적 변화를 이해해야만 미래 산업과 사회의 흐름을 정확히 예측하고 대응할 수 있습니다.

단기적인 성과를 위해서는 군사적인 밀어붙이기 방식이 유리할 수도 있지만, 장기적으로는 숙련 노동자와의 합의가 필수적입니다.

이러한 합의 모델은 노동자의 권리를 보호하면서도 기술 발전을 통해 모두에게 이익이 되는 결과를 가져올 수 있습니다. 즉, 인간과 AI가 공존하며 더 큰 시너지를 낼 수 있는 방안을 모색해야 합니다.

민주주의가 생명력과 탄력을 갖기 위해서는 민주주의라는 이념에 경직되어서는 안 됩니다. 어디서 민주주의가 효율적일 수 있고, 어디서 사회적 합의를 만들 수 있는지에 대해 실용적이고 구체적으로 접근해야 합니다. 사회적 합의와 효율성이 어떻게 상호 연관을 맺을 수 있는지를 고민하는 것이 중요합니다.

이념에 갇히지 않고 현실적인 문제를 해결하기 위해 유연하게 사고하는 것이 민주주의의 지속 가능한 발전을 위한 길입니다.

1930년대 대공황 극복 과정에서 민주주의적 방법의 우월성이 증명된 바 있습니다. 당시 뉴딜 정책은 공산주의나 파시즘과 같은 다른 체제만큼, 혹은 그 이상으로 효율적이며 위기를 극복할 수 있음을 보여주었습니다.

이는 민주주의가 단순한 이념을 넘어 실제 문제 해결에 있어 강력한 실용성을 가질 수 있음을 역사적으로 입증한 사례로 볼 수 있습니다.