아제이 아그라왈이 말하는 변혁적 AI 정책 — 실험 비용을 낮추고 데이터를 받는 규제 거래

핵심 메시지

• 아그라왈 교수는 '변혁적 AI'를 두 가지 의미로 쓴다. 넓은 범위의 인지 과제를 사람만큼 해내는 기술적 전환, 그리고 몇몇 산업이 아니라 모든 산업에 미치는 경제적 충격이다.
• 그는 이 상황을 '천재의 공급 충격'으로 표현한다. 한 달에 300달러로 박사급 인력을 대규모로 고용할 수 있게 됐을 때 무엇을 할지 아무도 모른다는 것이 출발점이다.
• 아무도 답을 모르기 때문에 실험의 가치가 올라간다. 따라서 공공 정책이 할 수 있는 가장 유용한 일은 실험의 마찰과 비용을 낮추는 것이다.
• 규제 완화는 무상이 아니라 거래여야 한다. 일부 규제를 풀어주는 대신 기업에서 데이터를 받아 정책 결정의 근거로 삼자는 제안이다.
• 자율주행이 예시로 등장한다. 신고 의무가 있는 사고 데이터뿐 아니라 평소에는 보고되지 않는 '아차 사고' 데이터까지 받는 조건으로 규제를 완화하는 방식이다.

쉽게 이해하기

토론토대 로트먼 경영대학원의 아제이 아그라왈 교수는 스탠퍼드 디지털 이코노미 랩의 논문집 '디지털리스트 페이퍼스' 2권 '변혁적 AI의 경제학'의 편집자 중 한 명이다. 이 영상에서 그는 조슈아 갠스와 함께 쓴 챕터의 요지를 짧게 설명한다. 논문집은 미국 연방주의자 논집에서 착안해, AI 시대의 정책 지침을 세우려는 시도다.

그가 쓰는 '변혁적'이라는 말에는 두 층이 있다. 하나는 기술적 능력의 전환으로, 넓은 범위의 인지 과제를 사람만큼 수행하는 AI를 가리킨다. 다른 하나는 경제적 충격의 크기다. 몇몇 산업에 국한된 한계적 변화가 아니라 모든 산업에 걸쳐 폭넓게 영향을 미친다는 점에서 변혁적이라는 것이다.

아그라왈이 택한 비유는 '천재의 공급 충격'이다. 책에서 언급되는 '데이터센터 안의 천재들의 나라'라는 표현을 빌려, 한 달에 300달러로 박사급 인력을 대거 고용할 수 있게 된 상황을 상상해보라고 말한다. 그리고 곧바로 핵심 질문을 던진다. 그런 지능을 우리는 대체 어디에 쓸 것인가. 논문의 대답은 솔직하다. 아무도 모른다.

아무도 모르기 때문에 실험의 수익률이 올라간다는 것이 이 챕터의 논지다. 그래서 정책의 초점은 옳은 답을 미리 정하는 데가 아니라, 사람들이 시도해볼 수 있게 마찰과 비용을 낮추는 데 놓여야 한다. 다만 규제가 존재하는 이유 자체가 시민 보호라는 점을 그는 함께 짚는다.

그가 제안하는 절충은 거래 형태다. 규제를 일부 풀어 시도할 여지를 주되, 그 대가로 데이터를 받아 정책 학습에 쓰자는 것이다. 그렇게 하지 않으면 의료, 금융, 교통 등 각 산업에 이런 지능이 들어갔을 때 무슨 일이 벌어질지 추측만으로 정책을 만들게 된다. 자율주행이라면 특정 기업 몇 곳에 한시적으로 규제를 완화하는 대신, 원래 신고 의무가 있는 사고 데이터를 넘어 평소에는 보고하지 않는 아차 사고 데이터까지 제출받는 식이다. 논문집의 다른 챕터들은 스택의 서로 다른 위치에 있는 기업 간 경쟁 문제, 그리고 일자리와 삶의 의미·목적에 미치는 영향을 다룬다.

주요 인사이트

• '무엇이 옳은 정책인지 모른다'는 인정에서 출발하는 정책론이다. 불확실성이 클수록 정답을 확정하는 규제보다 학습 속도를 높이는 규제 설계가 낫다는 주장으로 이어진다.
• 규제 완화를 데이터 제출과 묶는 구조는 완화 자체를 목적으로 삼지 않는다. 풀어주는 만큼 사회가 배울 것을 확보한다는 점에서, 규제 완화 논쟁을 비용-편익이 아니라 교환 조건의 문제로 바꿔놓는다.
• 아차 사고 데이터라는 예시가 이 제안의 성격을 잘 보여준다. 사고가 난 뒤의 기록만으로는 안전 정책을 세우기 늦고, 사고 직전까지 갔던 사례가 오히려 더 많은 것을 알려주기 때문이다.
• '천재의 공급 충격'이라는 표현은 AI를 도구가 아니라 노동 공급의 변화로 본다. 값이 급격히 싸진 고급 인지 노동을 어디에 배치할 것인가라는 문제로 시야가 옮겨간다.
• 정책 논의의 무게중심이 기술 규제에서 실험 인프라로 이동한다. 무엇을 금지할지보다, 시도와 관찰과 학습이 순환하는 구조를 어떻게 만들지가 질문이 된다.

자주 묻는 질문

관련 AI 소식