RELAY TALK |
‘종말 또는 공존’ 챗GPT에게 묻는 직업의 미래
XITY No.2
2023.06.07
4차 산업혁명으로 기술이 발달하고 언젠가 인공지능(AI)이 인간을 대체할 수도 있다는 이야기는 이미 피부로 와닿고 있다. 식당에선 AI를 장착한 로봇이 서빙하는 것을 심심찮게 볼 수 있으니 말이다. 심지어 AI 기술은 ‘이세돌 vs. 알파고’ 이벤트 이후로 놀라운 속도로 발전하고 있고, 최근엔 챗GPT가 세상을 떠들썩하게 했다. 과연 AI가 인간의 영역을 완전히 대체할 수 있을까? 게다가 인간의 노동을 대체할 것이라는 전망에 의사, 회계사, 금융인 등 직업이 사라질 수 있다는 보도도 흘러나왔다. 다음 장부터 만날 8명의 전문직 종사자들도 챗GPT의 등장으로 사라질 위기에 처한 직업군일까? 그들의 허심탄회한 소회를 청취했다.
Attorney
AI 툴 적용은 늘고, 변호사 역할 완전 대체는 무리
대형 로펌부터 법률사무소 창업까지, 풍부한 경험의 김광식 변호사 | 사진 황필주
변호사 김광식
- 법률사무소 여암 대표 변호사
- 사법시험 56회 합격, 사법연수원 46기
- 횡령/배임, 기업법무, 금융/보험, 임대차, 사기/공갈, 손해배상 전문 변호사
그는 아직 챗GPT를 포함한 각종 AI 시스템을 채택한 적이 없다. 기본적으로 법률 서비스를 원하는 고객에 대한 예의가 아닌 것 같다는 생각에서다. 또한 AI의 결과물이 신빙성이 떨어진다고 보기에 업무에 활용하지 않고 있다.
“예전에 대형 로펌에서 일할 당시 AI까지는 아니더라도 상당히 고도화된 번역 시스템을 사용한 경험이 있어요. 반복적인 업무가 많은 데다 번역 시스템이 스스로 법률 용어에 대한 학습이 이뤄지면서 외국 고객 대상으로 업무할 때 파파고 이상으로 유용하게 사용했습니다.”
소위 머신러닝을 통해 정확도를 높이는 것인데 법률적으로 문구 한마디 한마디가 여러 가지 파급 효과를 낳을 수 있기 때문에 번역 시스템이 작성한 서류를 그대로 활용하지는 않았다고 한다. 그저 정확도를 파악하기 위해 보조적으로 활용했다는 것. 챗GPT에 대해 보수적인 입장인 그는 다른 AI 보조툴도 상당히 보수적으로 접근하는 것 같다는 느낌을 받았다. 하지만 법률 자문 업무는 규제·컴플라이언스, 경영·거래, 분쟁 해결 등 다양하게 나뉘어 있는 편. 그렇다 보니 특정 업무에 대해서는 AI를 접목할 수도 있지 않을까 하는 의견도 내놓았다. 실제로 국내 리걸테크(Legal Technology) 기업 중 한 곳인 ‘로앤굿(Law&Good)’은 미국 생성형 AI 전문 기업 ‘위커버(wecover)’와 업무협약(MOU)을 체결하고 국내 최초로 리걸 GPT 사업화에 나선 바 있다. 정제된 사건 쟁점과 유사 사례를 모아둔 데이터베이스에 검색 증강 생성 기술을 결합하면 정형화된 법률 서면 작성 등을 보다 효율적으로 제공할 수 있다.
“아직은 AI 툴을 업무에 접목하고 있지 않지만 차후 충분히 활용할 여지는 있습니다. 특히 일반적인 송무는 문제시되는 사안이 정해져 있죠. 예컨대 임대차 관련 문제나 불법행위로 인한 손해배상, 형사 고소·고발장 작성에는 챗GPT를 많이 활용할 수 있습니다. 단순 구글링만 해도 서면이 많이 나오기 때문에 자주 묻는 질문들은 충분히 활용 가능하죠. 자료가 주어진다면 사내 변호사가 없는 중소 규모 기업에서는 챗GPT로 내부 법률 자문을 구하는 것도 가능해 보입니다.”
일반인도 마찬가지다. 챗GPT와 같은 AI 서비스가 법률 서비스 차원에서 고도화된다면 스스로 법률 문제 해결 방안을 찾을 수 있다. 또한 변호사 없이 소송을 진행하는 경우, AI가 꽤 높은 정확도를 보이는 답변서 등의 서면을 작성해줄 수도 있다. 그렇지만 그는 AI의 한계도 분명히 지적한다. 특수한 상황의 의뢰인. 무엇보다 고객과의 비밀 유지가 중요할 수밖에 없는데, 머신러닝을 통해 학습한 AI에게는 아직 능력 밖이란 의문이다. 또 자문은 변호사의 검토가 반드시 필요하다. 고객의 특성마다 적용할 수 있는 법률이 다르고, 매해 혹은 분기마다 법률 시행령 등이 달라지기 때문에 AI로는 한계가 있다.
그는 또 법률 AI가 악용될 수도 있음을 지적했다. 예를 들어 학폭 가해자가 챗GPT에게 법원 제출용으로 반성문을 쓰고 싶다고 할 경우, 법률적으로 과한 징계를 가하면 안 되겠구나 생각이 들 정도로 퀄리티 있게 반성문을 작성하는 상황이 나올 수 있다. 이른바 윤리적 딜레마가 발생하는 것. 또한 ‘폭행 상해에 대해 무죄판결이 나올 방법을 알려줘’라고 질의한다면? 과거 악질 판례들을 모방하게 하는 데에도 악용의 여지가 있다.
“대형 로펌에 재직할 당시 든 생각인데, AI가 완벽하려면 법률이 누가 보더라도 모순이 없는 것이어야만 하죠. 그렇지만 법은 정부가 만들고, 국회의원이 입법해서 만들 수도 있는데, 결코 실무에 완벽히 부합되게 만들 수는 없습니다. 개정을 거치는 경우도 많고 모순된 구석도 많아요. 그런 모순을 조화롭게 해석하기 위해서는 인간의 이해할 수 없는 영역을 파악해야 합니다. 모순 자체가 발생할 수밖에 없는 생리를 이해해야 하기 때문에 법률의 태생적 한계를 감안했을 때 AI가 변호사를 완전히 대체하는 것은 무리가 있어 보입니다.”
하지만 이러한 단점을 보완하는 기능을 고도화해간다는 전제로 보면, 법률 서비스 영역에서 AI 툴을 적용할 수 있는 폭은 당연히 넓어질 수밖에 없다. 현재 법원 판결문에 대한 검색은 판사만 가능하다 보니 법조계에서도 법률 서비스의 질을 높이는 차원에서 판결문을 공개해달라는 요구가 지속적으로 있어왔다. 이러한 기조가 법률 AI에는 긍정적이라는 것. 판례를 데이터베이스화해서 활용한다면 FAQ(Frequently Asked Questions, 자주 묻는 질문들) 수준보다 더 복잡하고 예외적 사안에 대해서도 대처가 가능하다. 소의 제기를 하는 과정에서 충분히 복잡한 사안도 다룰 수 있을 것이다.
Doctor
대장암 영상 판독 여부, 인간 의사와 AI 의사 누가 더 정확할까요?
한양대학교병원 주경야독의 대명사, 남동현 의사 | 사진 황필주
의사 남동현
- 연세대학교 원주 의과대학졸업
- 한양대학교 내과 최우수 전공의
- 중환자실 근무
한양대학교병원 내과에서 레지던트 3년 차를 보내고 있는 그는 지난 연초 챗GPT를 무료 버전으로 사용해본 바 있다. 처음엔 질문을 넓게 잡고 차츰 구체적인 질문을 하면서 답변을 좁혀가는 식이었다.
중환자실에서 근무하며 실무에 적용한 것이 아니라 실험용으로 스스로 사용해봤다. 예를 들어 ‘항암치료 중인 환자에게 어떤 항암제를 투여해야 하는가’와 같이 나름대로 이미 답이 정해져 있는 질문을 할 때 굉장히 유용해 보인다.
실질적으로 의사의 업무량이 적지 않기에 회진 중 갑자기 특정 약의 이름이 기억나지 않거나 하는 경우 활용하기 좋은 부분이 있을 것이다. 그러나 답이 정해져 있지 않은 데다, 의학적으로 어떻게 했을 때 좋아질 확률이 70%, 악화될 확률이 30%라는 식의 답변은 챗GPT가 회피했다. 특히나 중환자는 답이 명확하게 떨어지는 경우가 없으며, 환자의 상태도 실시간으로 변하고, 긴급하게 대처해야 할 일도 있어서 챗GPT가 에러가 나기도 한다. 동시에 여러 기관이 망가진 환자들이 많아서 명확히 어떤 약이 효과적이라고 말할 수 없기에 거의 구글 검색과 비슷한 느낌이다.
“한양대학교병원에서 추진 중인 딥카스(deepCARs)라는 AI 툴이 있어요. 아직은 시범사업 중인데, 혈압, 맥박, 체온, 호흡 수 등의 생체 징후를 간호사나 의료 인력이 시스템에 입력하면 환자가 심정지를 일으킬 확률을 계산해서 90점이 넘으면 빨간 불이 들어오고 주치의에게 문자가 갑니다. 24시간 이내 사망 확률이 몇 퍼센트라고 문자가 오는데 처음에 식겁했죠. 환자를 더 잘 봐야겠다는 생각이 들지 않을 수 없고, 경력이 짧은 의사가 놓쳤을 만한 부분을 잡아주는 긍정적 기능이 있습니다. 물론 데이터가 네 가지뿐이기에 실제와 다른 알람이 오기도 합니다만, 환자를 열심히 보게끔 만들어 사망률을 떨어트린다면 그것만으로도 이 AI는 성공적이지 않을까 싶어요.”
AI는 현재 의학계 전반에서 다양하게 접목이 이뤄지고 있다. 주로 영상의학 판독 분야에서 발달하고 있는데 건강검진 시 촬영하는 CT나 엑스레이 판독 등을 예로 들 수 있다. 그뿐만 아니라 심장초음파, 대장내시경 등 각 과의 검사 결과를 해석하고 판독하는 과정에서 의사가 놓칠 수 있는 부분을 보완하는 방향으로 연구가 활발하게 이뤄지고 있다. 심장초음파에서는 AI가 심장 수축력을 계산해준다. 예전에는 초음파 화면을 멈추고 판막이 제일 넓게 펼쳐졌을 때와 가장 좁아졌을 때를 직접 측정해서 적분으로 계산했는데, 이제는 AI가 알아서 추적하고 측정한다. 내시경도 카메라를 돌리다 보면 건강보험심사평가원에서 요구하는 몇 가지 사진은 꼭 찍어야 되는 것들이 있다. 하지만 그렇게 찍다 보면 정작 중요한 부분을 놓치는 경우가 있어서 AI 접목이 가속화되는 분야다. CT도 의사가 놓치는 판독을 AI가 대체할 것으로 보인다.
최근 해외에서는 대장내시경 결과를 판독하는 과정에서 인간 의사와 AI 의사 중 누가 더 효과적인지에 대해 학회가 열린 바 있다. 각자의 판독 결과를 조직검사를 통해 대장암 여부를 판별해보니 AI의 판독력이 더 우수하다는 결론이 났다. 반면 단점은 AI의 경우 데이터를 집어넣어야 그것을 분석해서 결과가 나온다는 것이다. 따라서 현재는 데이터를 입력하기 쉬운 영상 분석 분야에서 발전이 있지만 데이터화하기 어려운 환자의 상태까지 활용해 진료하기엔 무리가 있다.
특히 환자의 기분이나 정신적인 문제, 치료를 위해 필요한 사회 ․ 경제적 위치, 환자가 느끼는 증상 정도 같은 주관적인 부분은 수치화하기 어렵다. 가난한 환자에게 무턱대고 비싼 치료를 권고하는 문제점을 야기할 수 있다. 혹은 우울증, 조울증 등의 질환을 가진 환자는 기분의 좋고 나쁨을 데이터화하기 어려워 AI 도입 자체가 불가능할 수도 있다.
“AI가 특정 환자의 사망 확률이 99%라는 답변을 내놓았을 때, 그럼에도 불구하고 1%의 생존 확률이 있다면 여러 가지 치료를 해보는 것이 인간 의사입니다. 제가 내과 의사라서 이런 경우를 자주 만나게 되는데 AI의 데이터 또는 의사가 설명할 수 있는 것은 통계적인 확률일 뿐 연명치료 중단과 같은 윤리적인 문제는 결국 환자, 보호자와 상의해서 결정합니다.”
또한 기계가 아닌 사람을 치료하는 것이기에 의학적인 수치로 표현하지 못하는 데이터가 있다. 예를 들어 의학적으로는 A 약을 복용하는 경우가 많은데 환자가 A 약이 먹기 싫다거나, 사회·경제적으로 A 약을 사 먹을 돈이 없거나, 아니면 환자 상태가 악화되었는데도 보호자가 환자와 감정의 골이 깊어서 치료를 포기하는 경우도 있다. 환자 맞춤형으로 고려해야 할 것이 너무 많다 보니 대략적인 의학 가이드라인이 존재하더라도 실제로는 기계적으로 맞아떨어질 수가 없다. 이러한 부분에서 결국 인간 의사의 상담이 필요한 듯 보인다.
Fund Manager
자산운용 경쟁력을 높이기 위해 AI 학습은 필요한 시대
냉철한 머리, 그러나 따뜻한 심장을 가진 한연우 펀드매니저 | 사진 황필주
펀드매니저 한연우
- 현 삼성액티브자산운용 헷지펀드팀 운용역
- 국내 주식 액티브 운용 전문 운용역
- 롱숏 전문
펀드매니저는 우리가 은행이나 증권사 등을 통해 가입한 펀드를 실제로 운용하는 업무를 주로 수행한다. 개인들이 가입한 펀드 운용은 물론 연기금의 자산을 위탁받아 운용하기도 하며, 소수의 투자자들로 구성된 사모 형태의 펀드를 운용하는 매니저도 있다. 주식, 채권, 부동산 등 자산군에 따라 매니저들의 운용 스타일, 규모 등에 차이가 있다. 참고로 그는 주식 담당인데 아직 실제 업무에 챗GPT를 활용해본 적은 없단다. 많은 자산운용사가 AI를 자산운용 업무에 접목하려는 시도를 하고 있는 것으로 아는데, 국내에서는 아직 유의미한 성과를 거둔 곳은 본 적이 없다는 것. 다만 주식을 운용하다 보면 당장 이유는 파악이 안 되지만 주가가 급등하거나 급락하는 경우가 있다. 이에 대해 AI가 원인을 분석해 뉴스를 만든다거나 주식의 과거 주가 추이 데이터를 분석해 종목을 추천하는 장면은 흔히 볼 수 있다. 그래서인지 AI 툴에 대한 사내 교육이 시작되었다고 한다.
“사내 교육과 내부 논의를 통해 느끼는 건데, AI 도입의 장점 중 하나는 반복적인 작업에서 생산성이 높아지는 부분입니다. 자산운용 업무를 수행하려면 많은 양의 데이터를 관리하고 분석해야 하는데 AI가 있다면 이러한 계산적이고 반복된 작업을 획기적으로 줄일 수 있어요. AI를 적극적으로 도입할 동기로 충분합니다. 반면 자산운용의 대상이 되는 자산은 유기체와 같이 매번 진화하고 변하기 때문에 이를 포착하기 위해서는 논리적인 체계뿐 아니라 감각적인 요소도 필요한데 AI가 이것을 수행할 수 있을지는 의문이죠.”
그는 전통적인 자산은 데이터가 많은데 이것은 모두 과거에 대한 데이터라는 점에서 한계도 있다고 지적했다. 방대한 과거 데이터 속에서 인과관계를 찾고 미래를 예측하는 것인데, 이 방식은 퀀트 AI가 이미 있다. 그럼에도 자산운용 업무에 적극적으로 활용할 수 있을 만큼 빠르게 고도화되지 않는 것을 보면 분명 한계가 있다는 것. 예컨대 대체자산 같은 경우 투자자와 투자처 간의 인적 네트워크와 같은 요소의 중요도도 매우 높다. 이러한 부분을 AI가 해결할 수 있는가에 대해 의구심이 들 수밖에 없다. 자율주행차의 보험도 같은 맥락이다. 사고에 대한 책임자가 있고, 그에 따른 손해 사정을 결정해야 하는데 이 모든 것이 데이터 분석과 인과관계로 가늠할 수 있는지 잘 모르겠는 것과 같은 맥락이다. 새로운 대체자산이라면 실행해본 적이 없는 투자이므로 AI가 시나리오를 제시할 순 있지만 실제 투자 결정을 내리는 것도, 책임지는 것도 인간이기에 AI가 펀드매니저를 완전히 대체하는 것은 어려울 것으로 보인다. AI가 전담해 운용하는 펀드를 조성하고 마케팅하려는 자산운용사들의 몇몇 시도가 있었지만 이 역시 잘되지 않았던 것도 이를 뒷받침한다.
한편 그는 자산운용 업무는 운용만 있는 것이 아니라 리서치, 트레이딩, 마케팅, 리스크 관리, 컴플라이언스 등 다양한 파트가 있기 때문에 AI를 각 파트에 접목해 작업의 효율성을 높일 가능성은 충분하다고 본다. 자산운용 업무도 그간 큰 발전이 없었는데 챗GPT 등 AI가 보편화되면서 이를 접목한 상품을 고객이 원할 수도 있다. ESG도 고객들의 요구가 많아지면서 관련 상품이 다수 출시되었듯이 말이다. 상품 측면에서 챗GPT 적용과 내부 조직 운영을 위한 AI 접목은 다르지만 다방면의 시도가 있을 수 있는 것이다.
“자산운용사마다 운용 스타일에 맞춰 AI를 고도화할 수 있는 여지는 분명 있어요. 펀드매니저별로 수익 실현을 빨리 하는지, 왜 에러가 발생하는지 등의 패턴을 분석해서 펀드매니저의 행태를 평가하는 AI는 자산운용 실적과 연계해 활용도가 높을 수 있습니다. 미리 손실이 날 가능성을 낮추고, 이익을 많이 내는 행위를 계속해야 하는 펀드매니저를 관리하고 휴먼 에러를 줄여나가는 과정이 중요하기 때문이죠.”
그는 AI 도입으로 자산운용사에서 대체되는 인력도 있고 그렇지 않은 인력도 있을 것이라고 조심스레 덧붙였다. 다른 영역도 마찬가지겠지만, 반복적이고 수식화·알고리즘화가 가능한 업무를 수행하는 펀드매니저는 대체되기 쉬울 것이고, 논리적인 체계 이상으로 경험치를 바탕으로 한 감각적 요소를 가미하는 펀드매니저는 쉽게 대체되기 어려울 것으로 본다. 오히려 후자와 같은 펀드매니저는 AI를 효율적인 업무 툴로 활용함으로써 더 높은 생산성을 보여줄 수 있다고 한다. 본인 스스로 다양한 데이터 분석 툴을 활용하는 펀드매니저처럼 운용을 좀 더 정교하게 하고자 하는 사람은 챗GPT를 공부할 의지가 분명히 있을 것이다. 다수의 펀드매니저 중 편향된 생각을 피하고자 애널리스트의 의견과 본인의 의견을 정량적으로 취합해 실제 운용 전략에 다방면으로 활용한 펀드매니저가 많았던 점을 떠올려보면 일리 있는 말이다. 그리고 개인의 운용 역량에 따라 인센티브가 결정되는 펀드매니저 업종의 특성상 본인의 경쟁력을 높이기 위해 AI를 배우려는 수요가 있을 수밖에 없다.
기사 전문은 <XITY> 매거진에서 확인할 수 있습니다.
editor RYU SEUNGWOO
