어떻게 인공지능과 함께 일 할 수 있을 까요?

전세계 사람들이 기술을 배우는 과정은 수천년 동안 변함이 없었습니다. 전문가의 지도를 따라서 작고 쉬운 일부터 위험성 있고 어려운 과업까지 차근히 해 나가는 것이지요. 하지만 민족지 학자인 매트 빈에 의하면 점점 늘어가는 인공지능의 사용에의해 이런 전통적인 과정이 방해를 받고 있으며 효율성을 향상시키려는 과정에서 인간의 학습이 희생되고 있습니다. 우리는 어떻게 해야 할까요? 매트 빈씨는 오늘날의 상황을 뒤집어서 인공지능의 엄청난 가능성을 최대한 활용하면서 동시에 인간들도 숙련도를 쌓을 수 있는 방법에 대해서 제안합니다.

아침 6시 30분입니다.

크리스틴은 자기의 전립선
환자를 밀어 수술실에 들어갑니다.

그녀는 외과 레지던트 ,
즉 수련의입니다.

배우는 것이 그녀의 일입니다.

크리스틴은 신경 보존 절개를
해보고 싶어 합니다.

이 수술은 환자의 발기 기능을
유지시키는 무척 섬세한 수술이지요.

이것은 주치의에게 달려있지만,
주치의는 아직 수술실에 없습니다.

그녀는 팀과 함께 환자를 마취하고

하복부에서 먼저 8인치의 절개를 합니다.

수술 부위를 집게로 고정시키고
간호사에게 주치의를 불러달라 합니다.

도착한 주치의는 가운을 입고

그리고 거기서부터는

그들의 네 손이
거의 환자 몸 안에만 있습니다.

주치의의 지시를 따르면서 크리스틴은
주도적으로 수술을 진행해 나갑니다.

전립선을 제거한 후

(네! 물론 주치의는 이 수술의 일부를
크리스틴에게 맡겼습니다.)

주치의는 수술복을 벗고 나가서

수술과 관련된 서류를 작성합니다.

남은 크리스틴은 8시 15분에
수술부위를 봉합하고

한 후배 레지던트는
어깨너머로 그녀를 보고 있습니다.

그리고 마지막의 봉합을
후배가 하게 해줍니다.

크리스틴은 마음이 아주 뿌듯합니다.

환자는 괜찮을 거고

틀림없는 것은

그녀가 6시30분의 자신보다
더 좋은 외과 의사가 된 것입니다.

이 일은 고난이도의 작업입니다.

하지만 크리스틴은 우리들과 마찬가지로
자기 기술을 배워갑니다.

전문가들이 하는 것을 조금 보고

쉽고 안전한 부분으로부터
조금씩 참여하다가

전문가들이 크리스틴이 준비됐다고
생각할 때 그들의 지도를 따라서

더 위험하고 어려운 일을
하게 되는 과정입니다.

저는 살면서 이런 방식으로 배우는 데
항상 매료되어있습니다.

기본적인 요소 인 것 같아요.

우리를 인간으로 만드는 요소.

이렇게 배우는 방식은
여러 이름이 있습니다.

'어프렌티십', '코칭',
'멘토링', '실무 훈련' 등.

수술 에서는
'보고 따라하고 가르치다'로 부릅니다.

하지만 과정은 똑같으며

전 세계 사람들은 수천 년간
이런 식으로 기술을 배워왔습니다.

하지만 오늘날 인공지능의 사용에 의해
이런 과정이 방해받고 있습니다.

효율성을 향상시키려는 과정에 의해
배움의 기회가 사라지는 것이지요.

제가 MIT에 있을 때 수술을 하면서
이런 사실을 처음 알게 되었는데

지금은 이런 현상이 곳곳에서
벌어진다는 것을 확인했습니다.

여러 가지 산업 분야에서
매우 다양한 인공지능이 쓰이고 있지요.

아무런 대처가 없다면

수백만 명의 사람들이 아무것도 하지 못하고

인공지능을 다루는 방법 만을
공부해야 할 것 입니다.

설명 좀 드리기 위해
다시 수술로 돌아갑시다.

6개월 후 입니다.

다시 아침 6시30분,

크리스틴은 또 다른 전립선 환자를
밀어 옵니다.

다만 이번에는 로봇 수술실로 향합니다.

주치의는 팔이 4개 있는
무게가 천 파운드인 로봇을

환자에 부착합니다.

두 사람은 다 수술복을 벗고

10에서 15 피트 떨어진
컨트롤 콘솔로 향합니다.

그리고 크리스틴은

그냥 가만히

보기만 합니다.

로봇만으로 주치의가 혼자서
수술을 다 할 수 있으므로

당연히 혼자서 다 합니다.

주치의는 크리스틴에게
연습이 필요하다는 것을 알고 있죠.

그녀가 통제 할 수 있게
해주고 싶습니다.

하지만 그녀는 더 느리고 실수가
더 많을 것도 잘 알고 있어서

환자를 위해 차마 그럴 수가 없습니다.

때문에 이번 수술에서는 크리스틴이

그 신경들 근처에도 가지 못했지요.

4시간의 수술에서 그녀가 15분이라도
수술을 한다면 운이 좋은 것입니다.

그리고 만약 그녀가
사소한 실수를 하더라도

주치의가 스크린을 터치하게 될 것이고
자신은 다시 보기만 해야 되겠지요.

마치 바보 모자를 쓰고
구석에 앉은 벌 받는 아이처럼요.

지난 8년 동안 제가 했던 일들과
모든 로봇 관련 연구처럼

포괄적이고 열린 질문으로
문제 해결을 시작했습니다.

우리는 어떻게 인공지능과
일하는 법을 배워야 할까?

답을 찾기 위해 2년 반 동안

수십여 명의 외과 레지던트와 주치의들이

전통 수술과 로봇 수술을
하는 것을 지켜보고

배움의 과정에 있는 레지던트들을
인터뷰하거나

그들과 어울리며 시간을 보냈습니다.

저는 미국에서 최고의 18개
대학병원을 살펴보았는데

결론은 똑 같았습니다.

대부분 레지던트의 상황은
크리스틴과 같았어요.

보는 것을 많이 하게 되지만

직접 하는 것은 별로
가능하지 않았습니다.

때문에 어려움도 없었고
배움도 없었습니다.

이는 외과 의사들에게
매우 중요한 소식인데

이러한 상황이 얼마나
널리 퍼져있는지 알고싶었습니다.

인공지능 때문에 실무 교육을 실행하기
어려워지는 경우는 또 어디에 있을까요?

답을 찾기 위해 작지만 점점 커지고 있는
젊은 연구원 그룹에 연락을 했습니다.

이들은 인공지능에 관련된 여러 분야에
대해 실용적인 연구를 해왔지요.

예를 들면 창업, 치안 유지,

투자 은행 업무 그리고 온라인 교육까지
포함되어 있습니다.

저처럼 그들은 적어도 1년 이상 그리고
수백 시간 동안

연구 대상을 관찰하고 인터뷰하고
종종 그들과 함께 업무를 수행했습니다.

우리는 서로 데이터를 공유해서
저는 거기에 패턴을 찾아봤어요.

어떤 업계든, 어떤 일이든,
어떤 인공지능이든

상황은 똑 같습니다.

이들은 인공지능을 이용해서
결과를 얻으려고 계속 노력하고

초보자들을 전문적인
일에서 손 떼게 했습니다.

창업 관리자들은

고객의 정보를 외주에 맡겼고요.

경찰들은 전문가의 지원이 없이
범죄 예측을 해야 했습니다.

은행의 신입 직원들은 복잡한
분석을 하지 못 하게 했고

더구나 교수들은 도움이 없이
온라인 수업을 만들어야 했습니다.

모든 분야의 결과가
수술 분야와 같았습니다.

직접 일을 하면서 배우는 것은
매우 어려워지고 있습니다.

계속 이러면 안 됩니다.

맥캔지는 2030년이 되면 일상 업무에서

5억 명에서 10억 명 사이의 사람들이

인공지능과 함께 일하는 삶에
익숙해져야 할 것이라고 말했습니다.

동시에 경험을 통해서
기술을 배우는 과정도

오늘날과 마찬가지로
계속될 것 입니다.

엑센츄어의 최신 조사 결과에 따르면

대부분 노동자들이 정식 교육보다
직장에서 실제로 일을 하면서

핵심 기술을 배우는 것으로 나타났습니다.

인공지능의 잠재적 영향력에 대해서
이야기 할 때

지금 현재 가장 중요한 부분은

인공지능으로 인해 현장에서의 배움이
줄어든다는 것입니다.

딱 우리가 제일 필요한 시점에요.

우리는 모든 산업 현장 중에

한 소수 집단이
배우는 방식을 알아냈습니다.

그들은 규칙을 무시하거나
왜곡하는 방식을 선택했지요.

기존의 방법들을 통하지 않기 때문에

규칙들을 바꾸거나 무시해서
전문가들과 실습을 수행하였습니다.

제 분야에서는

레지던트들이 의대에서
로봇 수술에 참여하며

대신 일반의 과정을 생략하거나

추가적으로 수백시간을 들여서

녹화된 수술 영상을 시청하고
시뮬레이터를 활용하기도 하지요.

원래는 수술실에서
배워야 함에도 불구하고요.

그리고 가장 인상적인 모습은

전문의의 지도가 아직 부족한 상태에서도
로봇 수술에 도전한다는 것이지요.

저는 이 모두를
"그림자 학습"이라고 부릅니다.

이런 일들은 규칙 위반이며
몰래 이루어지기 때문이지요.

그럼에도 불고하고 모두가
이런 일들을 다 눈감아 줍니다.

성과가 있기 때문이지요.

이들은 모두 재능이 있는 학생들입니다.

하지만 당연히 이는 옳지 못한 일이고
장기간 지속 될 수 없습니다.

그 누구도 해고당할 위협을 무릅쓰고

직업에 필요한 기술들을
배울 필요는 없습니다.

하지만 이들에게 배울 점은 있습니다.

그들은 배움을 위해
큰 위험을 감수했습니다.

그들은 업무에 있어서
도전과 난관이 있어야만

어려운 문제들을 해결해가는 과정에서

잠재력을 한계까지
끌어낼 수 있다는 것을 알았지요.

물론 그들도 항상 가까운 곳에
전문의가 있는 상태에서

사고를 방지 할 수 대비책과
충고를 얻었습니다.

이 도전과 전문가의 도움의 조합을

인공지능이 활용되는
다른 분야에 적용해봅시다.

지금 당장 제 머릿속에 떠오르는
이야기가 하나 있습니다.

로봇이 생기기 전에는

만약 당신이 폭탄 제거 전문가였다면

직접 접근해야만
사제폭탄을 처리 할 수 있었습니다.

여러분의 후배는 몇 백 피트
떨어진 곳에서

보기만 하다가 당신이 안전하다고
판단했을 때에만 와서 도울 수 있었지요.

현재에는 방탄 트럭에 나란히 앉아서

함께 영상으로 현장을 확인하며

후배가 직접 로봇을 원격 조종하고
여러분은 옆에서 지도만 할 수 도 있지요.

이렇게 하면 로봇이 생기기 전보다
수습자들은 오히려 더 잘 배웁니다.

이 방식은 수술, 창업, 치안유지,

투자 은행 업무, 온라인 교육 등
다양한 분야에 적용 할 수 있습니다.

게다가 우리는 이를 위한
새로운 도구들도 가지고 있지요.

인터넷과 클라우드 시스템 덕분에
한 명의 전문가가 여럿을 가르칠 수 있고

물리적으로 떨어져있거나
같은 단체에 있지 않아도 상관이 없지요.

게다가 이를 돕는 인공지능을
만들 수 도 있습니다.

배우려는 학습자들을 도우면서
가르치려는 전문가들을 돕거나

이 두 집단을 연결시켜주는 일을
효과적으로 할 수 있지요.

이미 이런 시스템을
현장에서 활용하는 곳도 있습니다.

하지만 지금까지는 주로
형식적인 훈련에만 적용해왔지요.

허나, 더 중요한 부분은
현장의 실무교육입니다.

우리는 더 나아져야 합니다.

오늘날의 문제들은 우리에게
더 나아질 것을 요구합니다.

인공지능의 놀라운 가능성을
최대한 활용하면서

동시에 이 과정에서 우리의
실력도 키워 나가야 합니다.

이게 바로 제가 어렸을 때
꿈꿨던 미래였고

그 미래를 만들 시기가
바로 지금입니다.

감사합니다.

(박수)