OECD 주관 국제 인공지능 콘퍼런스 현장 보고서

<출처: 한국지능정보사회진흥원(NIA)>

​

OECD 주관 국제 인공지능 콘퍼런스 현장 보고서

- AI in Work, Innovation, Productivity, and Skills -

---

OECD 주관 국제 인공지능 콘퍼런스는 기술, 정책, 비즈니스, 학계 및 시민 사회 커뮤니티의 주요 전문가 목소리를 모아 기업과 직장에서의 인공지능 채택, 시장 경쟁과생산성에 대한 영향, 그리고 인공지능의 윤리적 사용에 대한 통찰력을 제시

---

 

I . 콘퍼런스 개요

□ 배경 및 목적

❍ OECD는 인공지능의 사회경제적 영향을 측정 및 분석하고 다양한 이해관계자와협력하여 공공 정책 모범사례를 발굴함으로써 회원국 정부 정책 설립을 지원

❍ OECD는 인공지능 지원 정책의 일환으로 국제 인공지능 콘퍼런스를 개최 - 전 세계 인공지능 관계자가 참여하여 다학제적 증거 기반 정책 설립을 주제로 토론 - 주요 토론 내용은 인공지능 기술 채택으로 인한 기업 및 직장 내 영향, 시장경쟁과 생산성에 끼치는 영향, 인공지능의 윤리적 활용을 포함

□ 행사 개요

❍ 행사명 : The 2022 International Conference on AI in Work, Innovation, Productivity, and Skills (AI-WIPS)
❍ 일시·방법 : 2022. 2. 21(월) ~ 25(금), 온라인 생중계
❍ 참가자 : 산·학·연·관 전문가 82인을 비롯한 100개국의 온라인 청중

​

II. 주요 내용

1. 인공지능 기술의 확산

​□ 인공지능 기술 확산은 저조하며 편향된 양상을 보임

❍ 미국 기업의 인공지능 기술 도입은 저조한 편*이며, 소수 대기업에 집중   
   (캐나다 토론토대학교 교수 Kristina McElheran)
   ※ 미국 기업 중 머신러닝을 활용하는 기업은 2.9%, 음성인식은 2.5%, 자연어처리는 1.3%

❍ 대부분 유럽연합 국가는 아직 인공지능 기술을 신뢰하지 못해 확산이 저조  
  (EU집행위원회 정보통신총국 인공지능·디지털산업실 실장 Lucilla Sioli)
   ※ 설문조사 결과, 65%의 유럽 기업은 인공지능 기술을 신뢰하지 못해 도입하지 않음

❍ 소수의 대기업이 시장을 장악하고 있으며이들과 나머지 기업 간의 격차가 커지고 있음   
   (미국 보스턴대학교 교수 James Besson)
   ※ 대기업은 지식재산권, 영업비밀보호법, 기밀정보 유지 각서 등으로 신기술 확산을 지연하며, 과거에 기술 라이선스 제도 등을 통한 기술 이전도 흔하지 않음

❍ 최근 인공지능 시스템은 인간 역량을 보완하기보다, 인간을 대체·감시하기위해 활용되며 대기업을 중심으로 권력·힘(power)이 집중*됨
   (미국 MIT 대학교 교수 Daron Acemoglu)
    * 일반 시민과 노동자의 권리·힘이 대기업으로 옮겨지고 있음 (shifting balance of power)

​□ 인공지능 확산과 이익 재분배를 위한 정책 마련이 시급

❍ 인공지능 기술에 대한 신뢰 향상을 위한 법 제도*와 중소기업 지원정책이 필요하며, 소수의 기업에 집중된 이익을 분배하기 위한 과세 등의 재정정책을 제시해야 함 
   (EU집행위원회 정보통신총국 인공지능·디지털산업실 실장 Lucilla Sioli)
   * 예시: 유럽연합 인공지능 법안, 데이터 법안(Data Act)

❍ 정부는 대기업이 자사의 플랫폼과 데이터를 개방하도록 촉진해야 하며, 기업이신기술로 인해 얻은 생산성과 이득을 근로자와 균형 있게 분배하도록 유도해야 함
    (미국 보스턴대학교 교수 James Besson)
    ※ 사례: 아마존은 자사의 AWS 기술을 개방하여 클라우드 시장 성장에 기여

2. 분야별 인공지능 기술의 확산: 제조업을 중심으로

​□ 제조업 분야의 인공지능 기술 확산이 저조한 이유를 식별할 수 있음

❍ 제조업에 활발히 인공지능 기술을 도입하기에는 시간, 투자금*, 확장성**이 부족
    (스웨덴 공학산업협회 Teknikforetagen 전문위원 Cecilia Warrol)
   ※ 제조업 분야의 인공지능 도입률은 매우 낮으며, 약 2~14%로 추정됨
    * 인공지능은 품질관리를 위한 훌륭한 도구지만, 적절한 도입맥락과 데이터를 찾기 위해 장기 투자가 필요
    ** 현장에 각자 다른 기계를 사용해 상호운용성이 낮으며, 개별 기계가 수집하는 데이터의 규모가 작음

❍ 인공지능의 혜택을 누리려면 기업의 데이터, 인프라, 그리고 비즈니스 프로세스를 재설계가 필요하며 막대한 투자금을 감수할지 결정이 필요
    (前 노키아 회장 Pekka Ala-Pietila)

❍ 인공지능 기술에 대한 일반 대중의 신뢰 수준도 기술 도입 결정에 영향을 미침
    (영국 TechUK 협회 최고경영자 Julian David)
   ※ 영국 설문조사 결과, 인공지능 기술을 핵심 비즈니스 프로세스에 도입한 회사를 그렇지 않은 회사보다더 신뢰하는 응답자는 35%뿐

​□ 제조업 분야 인공지능 기술 확산을 촉진하기 위한 환경 조성이 필요

❍ 규제당국은 인공지능 시스템의 도입맥락과 위험 수준(risked-based)을 고려하여 정책을 마련하는 접근 방식이 적절하다 생각
   (前 노키아 회장 Pekka Ala-Pietila)

❍ 자동화 기술 도입의 모든 측면에 윤리를 최우선으로 고려하도록 유도하고, 금융 분야 규제 샌드박스와 같은 제도를 제조업에 적용할 수 있을지 검토 필요
    (영국 TechUK 협회 최고경영자 Julian David)

❍ 스웨덴 정부는 기술 도입 촉진 정책을 논의*하고 있지만, 매우 느리게 진전될 것
   (스웨덴 공학산업협회 Teknikforetagen 전문위원 Cecilia Warrol)
   * 스웨덴에서 산업 데이터를 위한 샌드박스가 논의되었지만, 아직 정부지원금은 없음

❍ 프랑스 정부의 중소기업 지원 사업인 ‘Diag Data AI’와 같은 혁신적 지원정책이필요
    (프랑스 에섹경영대학교 Metalab 연구소 연구소장 Benoit Bergeret)

3. 인공지능 기술의 역효과에 대한 정책적 대응 방향

□ 인공지능과 자동화로 인한 실업에 대비·대응을 위한 교육·훈련이 불가피함

❍ 영국에서도 인공지능 기술 도입으로 인한 편중된 영향*을 관찰할 수 있음
    (영국 앨런튜링연구소 전문위원 Matthew Forshaw)
   * 자동화로 인해 실업 위기에 처한 150만 개 직업 중 70%가 여성 근로자의 일자리

❍ 기존 근로자는 IT 역량뿐만 아닌 소프트 스킬(Soft skill)을 습득하는 리스킬링(Reskill)이 필요할 것이며, 대체로 높은 연령대의 근로자는 한계를 경험
    (미국 보스턴대학교 교수 James Besson)
   ※ 사례: 1990년대 후반부터 미국 은행들이 현금자동입출금기(ATM)를 도입한 후, 은행 창구 직원들의마케팅과 고객서비스 역량이 더 중요해짐

❍ 인공지능 기술의 역효과에 대응하기 위해 아일랜드 정부는 사람들이 쉽게접근할 수 있는 ‘마이크로 자격증(micro qualifications)’ 제도를 설립·운영
    (아일랜드 평생교육 공공기관 SOLAS 기업·직원·역량 부서 부서장 Mary Lyons)
   * 약 50시간 상당의 교육·훈련과정이며 온라인과 혼합형 학습을 포함해 현직자도 쉽게 참여 가능. 각 부문·지역 수요조사를 기반으로 교육과정을 설계, 과거 교육생의 경험을 영상으로 제작해 홍보

​□ 채용·인사관리 인공지능의 고용차별을 방지하기 위해 적극적 정부 역할이 필요

❍ 인공지능으로 인한 고용차별 문제 대응을 위해 기존 법 제도*의 적용을 검토해야 함*
   (미국 세인트루이스워싱턴대학교 교수 Pauline Kim)
    ※ 예시: 미국 법률은 직접차별(disparate treatment), 간접차별(disparate impact), 정당한 편의(reasonable accommodation) 등의 개념을 활용해 대응할 수 있음

❍ 평등고용기회위원회와 같은 정부 기관이 기존 법률을 신기술에 적용해 집행할 의무가 있으며, 인공지능 제품·서비스를 설계하는 업체의 참여를 유도해야 함
   (미국 연방정부 평등고용기회위원회 위원 Keith Sonderling)

❍ 유럽연합의 인공지능 법안은 고용, 업무관리, 그리고 자영업을 고위험 분야로 정의해 즉각적으로 차별 문제와 역기능을 인식할 수 있도록 유도
   (유럽연합 기본권청 연구·데이터 부서 부서장 Jonna Goodey)

❍ 채용 과정에 활용되는 인공지능 시스템의 위험 수준을 구별*하기 위한안내 지침필요
    (글로벌 HR 서비스업체 Randstad 디지털전략부서 부서장 Glen Cathey)
   * 예시: 생체정보를 수집·처리하는 인공지능 시스템의 위험 수준은 매우 높지만, 대체로 이력서를 평가·선별하기 위한 시스템의 위험 수준은 낮음

​□ 기타 인공지능 기술 오남용과 역기능 대응을 위한 정부와 이해관계자의 협력 요구

❍ 정부와 규제당국은 이익을 창출하기 위해 인공지능 기술을 활용하며 사회에 악영향*을 미치는 기업을 규제할 의무가 있음
   (미국 MIT 대학교 교수 Daron Acemoglu 교수)
   * 예시: 소셜미디어 기업의 알고리즘은 필터버블(filter bubble)을 형성해 확증편향을 부추기며 인터넷 중독과 즉각적인 반응을 유발하는 비즈니스 모델을 기반으로 함
   ※ 정부는 소수의 빅테크 기업들이 광고-기반 수익모델을 바꾸도록 유도해야 함

❍ 정부, 기업, 그리고 개인의 협력을 통해 기술 오남용과 역기능을 방지해야 함
    (미국 MIT 대학교 교수 Daron Acemoglu 교수)
   ※ △정부는 사회에 악영향을 미치는 민간기업을 규제, △기업은 광고-기반 수익모델 변화, 그리고 △개인과 시민 사회는 정부가 적절한 규제를 설립하도록 요구해야 함

​

4. 신뢰 가능한 인공지능을 위한 기반 마련

​□ 인공지능 시스템 유형분류 프레임워크 제안과 적용

❍ 다양한 인공지능 시스템이 존재하며, 각 시스템의 정책적 영향*을 이해하고 적절한 정책을 설립하기 위한 분류체계가 필요하며 이를 OECD가 제안
    (OECD 디지털경제정책본부 Karine Perset)
   * 예를 들어, 인권(human rights), 편향성(bias), 안전(safety), 책무성(accountability)에 미치는 영향

❍ OECD의 분류체계는 5개 측면에서 인공지능 시스템을 살펴보며 구분 (표 참고)
   (슬로베니아 요제프 스테판 연구소 연구책임자 Marko Grobelnik)

❍ 인공지능 시스템 위험분류체계인 EU집행위원회의 인공지능 법안(AI Act)은 4가지 단계로 위험 수준은 구분하며, 세분화를 위해 OECD 분류체계를 활용할 수 있음
    (유럽 적합성평가 기관 VDE AI·디지털전환 부서 부서장 Sebastian Hallensleben)

​

< OECD 인공지능 시스템 분류체계의 주요 내용 >

구 분	특 징
사람과 지구 (People & Planet)	∙ 인공지능 시스템을 활용하는 사용자의 전문성·이해도는? ∙ 영향받는 이해관계자 집단은? (예시: 소비자, 정부 기관) ∙ 시스템을 활용하지 않거나(옵트아웃) 다른 시스템을 활용할 수 있는가? 이의제기를 할 수 있는가? ∙ 시스템이 기본권, 인권에 영향을 미치는가?
경제 (Economic Context)	∙ 어떤 산업 분야에 배포되었는가? (예시: 금융, 농업) ∙ 어떤 작업을 수행하기 위해 활용되는가? (예시: 영업, 고객서비스) ∙ 영리, 비영리, 또는 공공서비스를 위한 시스템인가? ∙ 시스템의 기능·활용이 중단되면 필수 서비스에 영향을 미치는가?
데이터와 입력값 (Data & Input)	∙ 데이터는 사람, 자동화된 센서, 또는 사람과 센서 모두에 의해 수집되는가? ∙ 전문가가 제공한, 다른 조직이 제공한, 관찰된 데이터(observed), 합성된 데이터, 또는 파생된 데이터를 사용하는가? ∙ 동적 또는 역동적 데이터를 사용하는가? 수시로 또는 실시간으로 업데이트되는 데이터를 사용하는가? ∙ 데이터 소유권이 있는 (개인 소유) 데
인공지능 모델 (AI Model)	∙ 모델을 설계할 때 규칙-기반(사람들이 정한 규칙) 또는 데이터-기반(통계분석) 기법을 활용하는가? 둘 다를 활용하는가? ∙ 현장에서 데이터를 처리하며 인공지능 모델이 진화하고 변하는가?
수행작업과 출력값 (Task & Output)	∙ 시스템이 수행하는 작업은 무엇인가? ∙ 시스템의 자율성은 어떤 수준인가 (시스템이 최종 결정을 내림, 사람이 최종 결정을내림)? 시스템과 관련된 사람의 역할은 무엇인가?

자료 : OECD(2022). OECD Framework for the Classification of AI systems 요약정리

​

□ 알고리즘 영향평가를 위한 벤치마크가 필요

❍ 현재 많은 인공지능 벤치마크와 테스트는 시스템의 실제 역량보다 시스템이 특정 작업을 잘 수행할 수 있는지*에 집중되었으며, 방향성 재설정이 필요
    (영국 케임브리지대학교 교수 Lucy Cheke 교수)
   * 인공지능 시스템을 학생으로 비유한다면, 영어 시험을 잘 보지만 실제로 영어권 외국인과 대화할 수 없음. 현장에서 제시된 문제를 잘 해결하기보다, 점수를 잘 받는데 편향되어 개발됨(“teach to the test”)

❍ 다수의 활용맥락과 새로운 작업 수행을 위해 사용될 인공지능을 신뢰할 수 있도록, 체스나 수학과 같은 작업보다 더 넓은 범용역량을 측정할 수 있는 평가체계*가 필요
   (영국 케임브리지대학교 교수 Lucy Cheke 교수)
   * General capabilities based assessments

​□ 전 세계적으로 수집되는 다양한 데이터를 참고하여 정책 설립에 기여할 수 있음

❍ 독일 연방정부는 2020년 3월부터 인공지능이 독일 노동시장과 사회에 미치는 영향·동향*을 측정하기 위해 인공지능 관측센터를 설립
   (독일 연방정부 노동사회부 인공지능 관측센터 사업단장 Markus Dicks)
   ※ 설문조사 결과, 근로자 중 오직 6%가 직장 내 인공지능 기술 도입으로 실업이 발생하리라 생각, 14%가 새로운 일자리가 창출될 것이라 예상

❍ 요제프 스테판 연구소는 OECD AI 정책 동향 관측소와 협력해 대량의 데이터를 분석하고 시각화함
   (슬로베니아 요제프 스테판 연구소 연구책임자 Dunja Mladenić)
    ※ 지난 3년간 머신러닝 등의 인공지능 역량을 요구하는 온라인 구직광고는 크게 증가. 지난 5년간GitHub에 등록된 인공지능 소프트웨어 개발 활동도 900% 증가

#인공지능, #AI, #OECD, #콘퍼런스, #보고서, #2022, #NIA, #한국지능정보사회진흥원