로봇은 육체 노동의 74퍼센트를 할 수 있지만, 그중 수익성이 있는 일은 거의 없다

앤트로픽은 9월 30일 두 숫자를 나란히 놓은 연구를 발표했으며, 그 사이의 격차가 논증의 전부다.

첫 번째 숫자는 74퍼센트다. 오늘날 존재하는 로봇은 미국의 육체 노동 직무 중 74퍼센트를, 적어도 어떤 환경에서는 수행할 수 있다. 이 작업들은 전체 노동 시간의 34퍼센트를 차지한다. 두 번째 숫자는 0.3퍼센트로, 현재 로봇이 그 일을 하는 인간보다 더 저렴한 노동의 비중이다.

역량은 대체로 갖춰져 있다. 경제성은 그렇지 않다. 이러한 재구성이 이 논문의 유용한 기여이며, 경제학자 러셀 레게이트-양과 맥심 마센코프가 작성했다.

지수는 어떻게 만들어졌나

이 연구는 약 900개 직업과 약 19,000개 과업 설명을 포괄하는 미국 직업 데이터베이스인 O*NET에서 출발한다. 클로드가 먼저 과업을 육체 노동, 인지 노동, 대인 노동으로 분류했고, 그중 7,594개를 육체 노동으로 표시했다. 그런 다음 각 과업을 수행할 수 있는 실제 로봇을 웹에서 검색해 평가했다.

평가 척도가 영리한 부분인데, 환경이 얼마나 구조화되어 있어야 하는지에 따라 과업을 등급화한다. E0은 오늘날 어떤 로봇도 할 수 없음을 뜻한다. E1은 조립 라인처럼 특정 목적에 맞게 만들어진 공간에서 로봇이 할 수 있음을 뜻한다. E2는 물류 창고처럼 구조화된 인간 작업장을 뜻한다. E3는 도시 도로처럼 비구조화된 환경을 뜻한다.

입증된 역량만 인정되었다. 모든 평가는 배치, 상업적 판매 또는 시연을 인용해야 했으며, 저자들은 시연을 제외해도 결과가 유지된다고 말한다.

이 척도는 단일 역량 점수보다 훨씬 정직한 그림을 만들어낸다. 공장 바닥에서만 작동하는 로봇과 공공 도로에서 작동하는 로봇은 일자리에 매우 다른 위협을 제기하는데, 이 지수는 둘을 평균 내지 않고 그 차이를 말해준다.

74퍼센트는 실제로 어디에 있는가

로봇이 할 수 있는 대부분의 일은 작업장이 로봇을 중심으로 재구축될 때만 가능하다. E1과 E2 범주를 합치면 노동 시간의 33퍼센트를 차지하며, 개방형 환경 로봇인 E3 등급은 고작 1퍼센트를 담당한다.

직업 패턴은 뚜렷하다. 운전이 완전히 지배한다. 최소 20,000개 일자리가 있는 가장 노출된 직업 10개 중 9개가 차량 운전자인데, 이는 자율주행 자동차, 트럭, 트랙터, 포장기를 따르는 결과이며 택시 과업에는 웨이모가 인용된다. 택시 운전사가 3점 만점에 2.2점으로 지수 1위다. 그다음은 창고 작업으로, 아마존의 촉각 감지 로봇 벌칸 같은 로봇이 상품을 집어 보관하며, 재활용 분류 작업자는 과업 시간의 3/4 이상이 E2로 평가된다.

간호와 일반 수리는 거의 최하위에 있다. 오늘날의 로봇은 통제된 환경에서도 그 일을 거의 할 수 없는데, 이는 돌봄과 수리의 상당 부분이 절차를 따르는 것이 아니라 손재주와 상황을 읽는 능력에 달려 있음을 시사한다.

노동력 프로필은 언어 모델 노출과 거의 반대다. 로봇 노출 지수 상위 5분의 1에 속한 노동자를 비노출 노동자와 비교하면, 여성일 확률이 20퍼센트포인트 낮고, 히스패닉일 확률이 16퍼센트포인트 높으며, 학사 학위를 보유할 확률이 55퍼센트포인트 낮고, 시간당 약 30달러 적게 받으며, 실업률은 두 배 이상 높다.

10퍼센트까지 40년

비용 시나리오는 역량 숫자에 담긴 낙관이 바닥나는 지점이다. 로봇 가격이 1990년대 이후 유지된 속도인 연간 약 3퍼센트로 계속 하락하면, 로봇이 인간 노동의 10퍼센트에 대해 비용 경쟁력을 갖추는 데 약 40년이 걸린다. 별도의 기준 시나리오는 로봇이 육체 노동의 절반에서 인간 비용을 앞지르는 시점을 2085년으로 둔다.

대안적 빠른 시나리오는 2050년까지 오늘날 육체 노동의 절반에 대해 비용 경쟁력에 도달하지만, 비용이 최대 네 배 더 빠르게 떨어지고 역량이 두 배 더 빠르게 향상된다고 가정한다. 저자들은 이것이 모델링된 결과이며 일자리가 언제 사라질지에 대한 예측이 아니라고 분명히 밝힌다.

이 연구는 또한 로봇 지수를 언어 모델 노출에 관한 기존 연구에 결합한다. LLM만으로는 노동의 약 절반이 노출된다. E1 이상에서 과업을 수행할 수 있는 로봇을 추가하면 그 비율은 81퍼센트로 높아진다. 운송 및 이동은 노출이 15퍼센트 미만에서 약 90퍼센트로 간다. 사무 및 행정 지원은 거의 완전 노출에 가까워지는데, 챗봇이 처리할 수 없었던 가벼운 육체 과업이 알고 보니 로봇형 과업이기 때문이다.

한 가지 방법론적 주의를 기억할 가치가 있다. 과업 수준 비용 추정치를 직업 전체로 결합하면 같은 로봇을 여러 번 세거나 여러 로봇을 함께 운영할 때의 조정 비용을 놓칠 수 있다. 저자들도 이를 지적하며, 이는 집계 수치가 정밀하기보다 방향성을 보여준다는 뜻이다.

환경 척도가 올바른 축인 이유

대부분의 자동화 예측은 역량을 단일 다이얼로 취급한다. 이 연구의 4단계 척도는 이를 실제 배치가 작동하는 방식에 더 가까운 무언가로 대체하는데, 이는 로봇이 주변에 얼마나 많은 질서를 필요로 하는가의 문제다.

이 구분은 숫자가 왜 그렇게 나오는지 설명한다. 창고는 구조화된 인간 작업장이므로 로봇을 건물을 재구축하지 않고도 작업에 투입할 수 있다. 도시 도로는 그렇지 않으므로 로봇은 누구도 문서화하지 않은 부분까지 포함해 사람이 하는 모든 일을 처리해야 한다. E2와 E3 사이의 이 간극이 노동 시간 33퍼센트와 1퍼센트의 차이가 존재하는 곳이다.

또한 로봇이 겉보기에 단순해 보이는 일에 왜 어려움을 겪는지 설명한다. 일반 수리는 로봇이 한 번도 본 적 없는 상황에 대한 일련의 작은 판단을 포함하며, 각각의 개별 동작은 충분히 가능하더라도 이를 E0 쪽으로 밀어낸다. 부족한 것은 손재주만이 아니다. 자신을 위해 설계되지 않은 세계에서 작동하는 능력이다.

연구 자체의 주의 사항이 중요한 지점

핵심 수치를 읽을 때 염두에 둘 두 가지 한계가 있다. 과업 수준 비용을 직업 전체로 결합하면 같은 로봇을 여러 번 세거나 여러 로봇을 함께 운영할 때의 조정 비용을 놓칠 수 있으며, 저자들도 이를 직접 말한다. 그 때문에 집계 수치는 정밀하기보다 방향성을 보여준다.

두 번째는 역량 평가가 문서화된 배치, 판매, 시연에 근거한다는 점이다. 이는 연구 논문보다 엄격한 기준이고, 출시된 제품보다는 관대한 기준이다. 한 번 시연된 로봇도 과업을 할 수 있는 것으로 간주되는데, 실제 시설에서 시연이 실패하는 것을 본 사람이라면 누구나 낙관적으로 읽을 것이다.

어느 주의 사항도 발견의 형태를 바꾸지 않는다. 둘 다 단일 수치가 얼마나 큰 비중을 차지해야 하는지를 제한한다.

숫자가 실제로 말하는 것

74퍼센트를 위협으로, 0.3퍼센트를 유예로 읽고 싶은 유혹이 있다. 두 해석 모두 흥미로운 부분, 즉 둘 사이의 관계를 놓친다.

50년 백테스트는 이 방법을 뒷받침한다. 1977년에 로봇에 더 노출된 직업은 그 뒤 수십 년 동안 더 큰 임금 및 고용 감소를 겪었다. 노출은 결국 압력을 예측한다. 예측하지 못하는 것은 속도이며, 속도를 정하는 것은 비용 곡선이다.

이 연구 자체의 프레이밍을 기억할 가치가 있다. 자동화 논쟁은 보통 역량을 기준으로 진행되며, 마치 유일한 질문이 기계가 그 일을 할 수 있는지인 것처럼 말한다. 이 논문은 그것을 뒤집는다. 역량은 상당히 갖춰져 있지만 가격은 그렇지 않으며, 10퍼센트까지 40년은 공포나 안일함을 정당화하는 예측이 아니다. 그것은 아직 청구되지 않은 청구서에 대한 설명이다.