【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]AI가 예측·생성 비용 낮출수록, 판단의 무게는 커진다

온카뱅크관리자

2026-10-03 00:27:26

<div id="layerTranslateNotice" style="display:none;"></div>  
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="ykRMDMWInd">
          <div contents-hash="d8b992e4966f9acb8e76ddf096152da0d811c6c456e120900d29f11b0075ec41" dmcf-pid="WNyT7TQ9ne" dmcf-ptype="general">
           ━
           <br> [이준기의 빅데이터] AI와 판단의 경제학 
           <br>
           <div>
            <div> 
            </div>
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="747f52db1d9d3714f644f5df673ba7c665d718ee0b29133c18af0c1acf722362" dmcf-pid="YjWyzyx2nR" dmcf-ptype="figure">
           <p class="link_figure"><img alt="AI가 예측과 생성을 손쉽게 할수록, 무엇을 믿고 선택할지 가려내는 인간의 판단과 안목은 더욱 중요해진다. [사진 AI 생성이미지]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/03/joongangsunday/20261003001915398jnhn.jpg" data-org-width="943" dmcf-mid="QFYWqWMVRi" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/03/joongangsunday/20261003001915398jnhn.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            AI가 예측과 생성을 손쉽게 할수록, 무엇을 믿고 선택할지 가려내는 인간의 판단과 안목은 더욱 중요해진다. [사진 AI 생성이미지]
           </figcaption>
          </figure>
          <div contents-hash="c883b966730c449464862a7235d8d70e4909e09a8aab73ad6028ce07ae824024" dmcf-pid="GAYWqWMVJM" dmcf-ptype="general">
           <div>
            <div>
             <span></span> 
            </div> 
           </div> 인공지능(AI)은 예측과 생성의 비용을 크게 낮추고 있다. 기존 데이터에서 패턴을 찾아 아직 모르는 것을 추정하는 일도, 챗GPT처럼 글과 이미지, 프로그램 코드를 만드는 일도 이전보다 훨씬 적은 시간과 비용으로 할 수 있게 되었다. 이러한 변화는 우리의 일상생활과 기업 활동에서 기존에 하던 일의 방식을 크게 바꾸고 있다. 그러나 변화는 일을 더 빠르고 편하게 해주는 데서 그치지 않는다. 어떤 면에서는 인간이 무엇을 잘해야 하고, 조직이 무엇을 갖추어야 하는지를 근본적으로 다시 묻게 만들고 있다. 
          </div>
          <p contents-hash="2f85d7a2e0d007fc08869f2fa4c09525b2c606bdd810439a9933ba950bb15c46" dmcf-pid="HcGYBYRfJx" dmcf-ptype="general">먼저 예측의 비용을 살펴보자. 토론토대 아제이 아그라왈 교수 등은 2018년 『예측기계(Prediction Machines)』라는 책에서 AI를 경제학의 눈으로 바라보며 ‘예측의 비용을 낮추는 기술’이라고 설명하였다. 여기서 예측은 내일의 날씨나 주가를 맞히는 것만을 뜻하지 않는다. 지금 알고 있는 정보로 아직 모르는 것을 추정하는 일은 모두 예측이다. 은행이 대출 신청자가 돈을 갚지 못할 가능성을 따지는 것, 의사가 엑스레이 사진에서 병의 가능성을 찾는 것, 공장이 기계의 작은 떨림에서 고장을 미리 알아내는 것이 모두 예측이다. 사진 속 동물이 고양이인지 개인지 구별하는 것도, 고객의 문의가 환불 요청인지 배송 문의인지 가려내는 것도 결국 “정답이 무엇일까”를 추정하는 예측이다. 우리가 흔히 ‘인식’이나 ‘분류’라고 부르는 일도 사실은 예측인 셈이다. </p>
          <p contents-hash="c6928409b17c1a7e6776a59041acaa1f9cb7c233b14d4ccc7bd0ef44378cc2fa" dmcf-pid="XkHGbGe4iQ" dmcf-ptype="general">AI가 내민 예측은 창고 속 재료일 뿐 <br> AI는 이 예측의 비용을 크게 떨어뜨렸다. 예측이 싸지면 같은 예측을 더 많이 하는 데서 그치지 않는다. 예전에는 비싸서 하지 않던 예측을 하기 시작한다. 수퍼마켓을 생각해 보자. 바코드와 판매시점관리시스템(POS)은 무엇이 언제 얼마나 팔렸는지를 기록하는 비용을 크게 낮추었다. 여기에 AI가 더해지면서 이제는 각 상품이 내일 몇 개 팔릴지, 언제 얼마나 다시 주문해야 할지까지 낮은 비용으로 예측할 수 있게 되었다. 지나간 매출을 기록하는 데서 앞으로의 수요를 내다보는 데까지 나아간 것이다. 자율주행차도 마찬가지다. 운전은 예측의 연속이다. 앞차가 속도를 줄일지, 옆 차가 끼어들지, 보행자가 길을 건널지를 끊임없이 짐작하고 그에 맞춰 움직인다. 예측 비용의 하락은 센서와 제어 기술의 발전과 함께 자율주행을 가능하게 한 중요한 조건 가운데 하나다. </p>
          <p contents-hash="81ff7127d37c93a646313f9c07236650f7358f5ee52d020f4a2dd4f5dce9b81d" dmcf-pid="ZEXHKHd8LP" dmcf-ptype="general">생성형 AI는 또 다른 비용을 떨어뜨렸다. 바로 무언가를 ‘만드는’ 비용이다. 생각해 보면 우리가 하는 일의 상당 부분이 생성이다. 학생은 보고서를 쓰고, 직장인은 기획안과 이메일을 쓴다. 마케터는 광고 문구를, 디자이너는 시안을, 개발자는 프로그램 코드를 만든다. 고객센터 직원은 문의마다 답변을 만들고, 연구원은 새로운 가설과 논문을 만든다. 빈 화면을 첫 문장으로 채우는 이 모든 일에서, 생성형 AI는 걸리는 시간을 크게 줄여주었다. </p>
          <p contents-hash="7d706c89f44d285633f1ff38eb93c4b7795ed1574b997e4e70cdea62128f5f2a" dmcf-pid="5DZX9XJ6J6" dmcf-ptype="general">그런데 예측과 생성의 비용이 낮아지면, 그 결과를 활용하는 데 필요한 다른 능력의 중요성도 달라진다. 인간의 의사결정은 예측, 판단, 행동, 피드백의 연속이다. 무슨 일이 일어날지 예측하고, 그 예측을 바탕으로 무엇을 할지 판단하고 행동한 뒤, 그 결과를 보고 다시 배운다. 이 가운데 AI가 가장 먼저 값싸게 만든 것은 예측이다. 경제학에서는 이처럼 함께 쓰이는 짝을 ‘보완재’라고 부른다. 커피값이 내려 사람들이 커피를 더 많이 마시면 설탕과 크림도 더 많이 필요해질 수 있다. 하나가 싸져 쓰임이 늘면 그 짝에 대한 수요도 함께 늘어날 수 있는 것이다. </p>
          <p contents-hash="33301c597f91ff362a38fec221dffffa322bc8e52440b9febcef25de8c0ae69f" dmcf-pid="1w5Z2ZiPM8" dmcf-ptype="general">예측과 짝을 이루는 대표적인 능력이 바로 판단이다. 예측이 싸져 곳곳에서 쏟아질수록, 그 예측마다 “그래서 어떻게 할 것인가”를 정해야 하는 일도 함께 늘어난다. 판단이 뒤따르지 않는 예측은 창고에 쌓인 재료에 불과하다. 예측이 흔해질수록 그 예측을 어떻게 사용할지 정하는 판단이 중요해지는 이유가 여기에 있다. </p>
          <p contents-hash="fdf1ef49a01c1243307bd6e38bd95df10ff6d9f048e3ce5ade9dac103ac7ee86" dmcf-pid="tr15V5nQd4" dmcf-ptype="general">AI가 “이 환자가 암일 가능성은 30%입니다”라고 알려주었다고 하자. 이것은 예측이다. 치료와 추가 검사, 경과 관찰 가운데 무엇을 택할지는 판단이다. 의학적 근거와 환자의 상태, 치료의 이익과 위험, 그리고 환자 본인이 무엇을 원하는지까지 따져야 한다. 같은 30%라도 환자에 따라 적절한 선택은 달라질 수 있다. 판단이 계산만으로 끝나지 않는 것은 “무엇을 더 중요하게 여길 것인가”라는 가치의 문제가 들어오기 때문이다. </p>
          <p contents-hash="03403a6d209b2f2ba70f476e1817336f8817252838a06cf8f546c1e27e75dd41" dmcf-pid="Fmt1f1Lxdf" dmcf-ptype="general">그렇다면 판단을 잘한다는 것은 무엇을 의미할까. 첫째, 자신이 무엇을 중요하게 여기는지 분명히 아는 것이다. 우선순위가 분명하지 않으면 아무리 정확한 예측도 행동으로 옮기기 어렵다. 둘째, 틀렸을 때 치러야 할 대가를 따질 줄 아는 것이다. 건강한 사람을 환자로 오해하는 실수와 환자를 놓치는 실수는 그 무게가 다르다. 셋째, 결과에 책임을 지는 것이다. AI는 책임을 지지 않는다. AI가 일부 판단을 돕거나 대신하더라도, 목표를 정하고 결과에 책임을 지는 일은 여전히 사람과 조직의 몫으로 남는다. </p>
          <p contents-hash="d46416a6ed97f830d0a562fd2145efa2fbce5fc7c19bff4b2f36a5ac86cdc0f3" dmcf-pid="3sFt4toMnV" dmcf-ptype="general">조직에서도 마찬가지다. 한 회사가 AI로 수요 예측의 정확도를 80%에서 90%로 끌어올렸다고 하자. 기술팀에게는 분명한 성공이다. 그러나 영업부가 여전히 과거 경험대로 주문하고, 구매부가 공급업체와의 계약 때문에 주문량을 바꿀 수 없다면 재고는 줄지 않는다. 예측은 좋아졌지만 판단과 행동은 그대로이기 때문이다. 예측이 판단으로 넘어가는 다리는 기업의 기본 방향과 철학, 그리고 전략이다. 항공사가 연결편 승객을 기다려 줄지, 제시간에 출발할지를 정하는 문제를 보자. AI는 각각의 손실을 계산할 수 있다. 하지만 소수 고객의 불편과 다수 승객의 정시 도착 가운데 무엇을 우선할지는 그 항공사가 어떤 회사가 되고자 하는가에 달려 있다. </p>
          <p contents-hash="a707c3ebaaa7c40f4c4fcea876261be07da1a19d28cacc53ee74258ac0cd585f" dmcf-pid="0w5Z2ZiPJ2" dmcf-ptype="general">그래서 경영진은 AI 프로젝트의 전략적 목표와 판단 기준을 분명히 정해야 한다. 이러한 기준 없이 기술 도입에만 머무는 것이 AI가 성과로 이어지지 못하는 중요한 이유 가운데 하나다. “AI를 전사적으로 활용하라”는 지시만 내려오면 각 부서는 회의록 요약이나 보고서 초안처럼 쉽고 눈에 띄는 일부터 찾는다. AI를 쓰는 사람의 수와 만들어진 문서의 수는 늘어나지만 매출과 비용, 고객 수라는 회사의 중요한 숫자는 제자리에 머문다. 무엇을 판단의 기준으로 삼을지 정하지 않았기 때문이다. </p>
          <p contents-hash="126817b60242ef58ab20606257a960df1f09de71a7fe573b399e38fbc77a0d39" dmcf-pid="pr15V5nQd9" dmcf-ptype="general">생성의 비용 하락은 또 다른 문제를 낳고 있다. 바로 생성의 범람이다. 인터넷에는 AI가 만든 글과 동영상이 쏟아지고 있다. 학계도 예외가 아니다. AI를 활용해 쓴 원고가 늘면서, 학술지에 들어오는 논문은 많아지는데 이를 심사할 사람은 구하기 어렵다는 문제가 생기고 있다. 만드는 일은 쉬워졌지만, 내용의 타당성과 가치를 가려내는 데는 여전히 전문지식과 시간이 필요하다. 광고 아이디어 열 개를 짜내던 시절에는 만드는 것이 가장 어려운 일이었다. AI가 짧은 시간에 수많은 후보를 만들어 주는 지금, 어려운 일은 그중 무엇을 버리고 무엇을 고를지를 정하는 것이다. 생성의 범람은 자연스럽게 ‘선택’의 문제로 이어진다. </p>
          <p contents-hash="1ed68fa4da475c0e0ca95d9780b5c4cc1e416027b526aef41a4d3e398d6e1fe6" dmcf-pid="Umt1f1LxMK" dmcf-ptype="general">선택도 결국 판단의 한 형태다. 클릭 수가 많은 문구라도 회사가 오랫동안 쌓아 온 이미지와 어긋날 수 있다. 당장 잘 팔리는 제안이 새로운 고객을 넓히는 데는 오히려 불리할 수도 있다. 무엇을 택할지 정하려면 기준이 있어야 한다. 여기에 더해 선택에는 가치와 함께 ‘지식’이 필요하다. 무엇이 좋은지 알아볼 수 있는 안목이 있어야 하기 때문이다. </p>
          <p contents-hash="5f901241c5aa6227b9b8a20845f4594c7929b5e4237fb313355f3bd50f18806d" dmcf-pid="usFt4toMMb" dmcf-ptype="general">스스로 생각하는 훈련 게을리해선 안 돼 <br> 흥미로운 점은 좋은 것을 알아보는 능력과 직접 만드는 능력이 반드시 같지는 않다는 것이다. 뛰어난 편집자가 반드시 좋은 소설가인 것은 아니고, 이름난 음식평론가가 반드시 좋은 요리사인 것도 아니다. 선수 시절에는 평범하였지만 좋은 선수를 알아보는 눈으로 명장이 된 감독도 많다. 과거에는 지식과 안목이 있어도 직접 만드는 능력이 부족하면 생각을 결과물로 옮기는 데 한계가 있었다. 이제는 AI가 만드는 일을 대신해주면서, 오랫동안 쌓은 지식과 경험으로 좋은 것을 알아보는 사람의 가치가 오히려 높아지는 시대가 온 것이다. </p>
          <p contents-hash="c4ece3c2ca9d0769a8404eeb7cf70c5642b505d9a18c1fe8be8b2af323a26496" dmcf-pid="7O3F8FgRJB" dmcf-ptype="general">결국 AI의 발달은 개인에게 무엇이 중요한지를 정하고 책임지는 판단 능력, 그리고 넘쳐나는 결과물 속에서 좋은 것을 알아보는 안목을 요구한다. 두 능력 모두 하루아침에 생기지 않는다. 자신의 가치관을 다듬고, 폭넓게 배우고, 직접 부딪혀 본 경험 속에서 자란다. AI가 답을 대신 만들어주는 시대일수록 스스로 생각하는 훈련을 게을리해서는 안 되는 이유다. </p>
          <p contents-hash="b359c135dbf7c4fc96effd6e4d7291ef8c957bc9f6f50b8453b20210d8df5d21" dmcf-pid="zI0363aeMq" dmcf-ptype="general">조직에는 자신에게 맞는 판단과 선택을 일관되게 지켜낼 수 있는 체계가 필요하다. 사람은 “고객을 최우선으로”라는 말을 경험으로 해석하지만, 하루 수천 건을 처리하는 AI에게는 구체적인 규칙이 필요하다. 무엇을 AI에게 맡길지, 좋은 결과물의 기준은 무엇이며 누가 이를 검증할지를 정해야 한다. 회사의 철학이 규칙과 권한, 검증과 평가의 체계로 내려오지 않으면 AI가 조직이 원하는 방향으로 일관되게 행동한다고 보장하기 어렵다. </p>
          <p contents-hash="cf801a8646a5abfe9897fe860254b83ac21aff89386901ac77560e08718c3a5f" dmcf-pid="qCp0P0NdLz" dmcf-ptype="general">AI는 예측과 생성을 값싸게 만들었다. 그러나 AI가 내놓은 결과만으로 무엇을 해야 할지가 저절로 정해지지는 않는다. 무엇이 옳은지 판단하고 무엇이 좋은지 알아보는 일에는 여전히 지식과 경험, 그리고 숙고가 필요하다. AI가 흔해질수록 판단과 안목의 가치가 오히려 커지는 이유다. AI 시대의 경쟁력은 더 좋은 AI를 갖는 데서 끝나지 않는다. 수많은 결과물 가운데 무엇을 믿고, 무엇을 버리고, 무엇을 행동으로 옮길지 가려내는 힘이 함께 있어야 한다. </p>
          <div contents-hash="7be4e1b6349860a14dea840a4f2c2a9906c3578e65a63e88624685b19f8d3c27" dmcf-pid="BhUpQpjJi7" dmcf-ptype="general">
           <div>
            <div> 
            </div>
           </div>
          </div>
          <figure class="s_img figure_frm origin_fig" contents-hash="8887e4618bafd5f47cf49da04a3e72f8ce19392b1545d6c12294b42351694a88" dmcf-pid="bluUxUAiiu" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/03/joongangsunday/20261003001916733pgqp.jpg" data-org-width="205" dmcf-mid="xf3F8FgRJJ" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/03/joongangsunday/20261003001916733pgqp.jpg" width="205"></p>
          </figure>
          <div contents-hash="7d97b8ef8f66988a3c58b98b4d27cf5ca539809ee44f79ed2b0f7705c369d24a" dmcf-pid="KS7uMucndU" dmcf-ptype="general">
           <div>
            <div>
             <span></span> 
            </div> 
           </div> 이준기 연세대 정보대학원 교수. 서울대 계산통계학과 졸업 후, 카네기멜론대 사회심리학 석사, 남가주대 경영학 박사를 받았다. 인공지능의 기업 활용에 대해 여러 회사에 자문을 하고 있다. 저서로는 『AI로 경영하라』 『오픈 콜라보레이션』 『웹 2.0과 비즈니스 전략』 등이 있다.
          </div>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 중앙SUNDAY. 무단전재 및 재배포 금지.</p>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기