미래의 업무 환경 조성: 자동화 시대를 위한 정책 프레임워크

에릭 칼슨

나의 할머니는 위스콘신 강둑을 따라 건설된 밀 도시인 위스콘신 래피즈에서 사서로 일하셨습니다. 그녀는 동화책 컬렉션을 큐레이팅했지만 대개는 도서관의 카드 카탈로그를 관리하는 일에 몰두했습니다. [1] 몇 주에 한 번씩 새로운 책이 그녀의 턱 높이까지 쌓여 도착했고, 그녀는 완벽한 청구기호가 나타날 때까지 각 권을 뒤지곤 했습니다(출판사가 권장한 번호는 결코 아니었습니다). 청구기호가 색인 카드 더미로 모아지면 그녀는 서류 캐비닛으로 가서 각 카드를 제자리에 놓았습니다. [2] 작업 속도가 느렸고 당시에는 이 작업을 수행할 기계가 없었습니다. 물론 그녀는 기꺼이 그 일을 했습니다. 할머니는 매우 진지한 분이셨고, 어떤 어린이라도 책을 찾을 수 있도록 하는 일은 매우 진지한 일이었습니다.

그녀는 미국 전역의 도서관이 카드 카탈로그 유지 관리를 자동화하기 몇 년 전에 은퇴했습니다. 그러나 1980년대에 컴퓨터화가 도서관에 등장했을 때 이는 환영할 만한 변화였습니다. 1984년 가을, 볼티모어에 있는 메릴랜드 대학교 보건 과학 도서관의 사서들은 카드 카탈로그의 카드를 빨간색과 파란색 헬륨 풍선 끝에 끈으로 묶어 일제히 방출했습니다. 시간이 너무 많이 걸리는 일상적인 작업입니다. [삼]

반면, 제조 자동화는 저항에 부딪혔습니다. 1970년대에 할머니 도서관에서 700마일 떨어진 오하이오주 영스타운에서 General Motors는 "유니메이트"라고 불리는 산업용 용접 로봇을 공장에 설치하고 있었습니다. 미국의 구술 역사인 Studs Terkel의 Working에서 GM 자동차 작업자인 Gary Bryner는 기계 동료들과 함께 일하는 것을 Vonnegut의 플레이어 피아노에서 거의 벗어난 것으로 묘사합니다. "마치 사마귀처럼 생겼습니다. 한 지점에서 다른 지점으로 이동합니다. 그것을 놓아주고 다음 차를 위해 다시 제자리로 뛰어옵니다… 그들은 결코 지치지 않고, 땀을 흘리지 않으며, 불평하지 않고, 놓치지 않습니다. 일하다."

이러한 용접 로봇은 공장 생산량을 거의 두 배로 늘렸지만 인력 필요성은 줄였습니다. Bryner는 "그들이 유니메이트를 도입했을 때 우리는 시간당 60대의 [자동차]를 만들고 있었습니다."라고 말했습니다. "우리가 직장으로 돌아왔을 때 유니메이트와 함께 시간당 100대의 자동차를 만들고 있었습니다. 그들은 약 200명의 사람이 하는 일을 했습니다. 그래서 사람이 줄었습니다."

오늘날 ChatGPT와 같은 대규모 언어 모델의 출시는 자동화에 대한 우려를 다시 불러일으켰고 인공 지능의 적대적 인수에 대한 두려움을 촉발시켰습니다. 이러한 플랫폼은 단순한 데이터 저장 작업을 훨씬 뛰어넘어 변호사 시험에도 합격할 수 있습니다. 이로 인해 사무직 노동자들은 자신의 직업이 곧 사서가 아닌 공장 노동자의 길로 갈 것인지 궁금해하게 되었습니다.

자동화의 경제학에 관한 시리즈 중 첫 번째인 이 에세이는 업무와 데이터가 우리의 미래에 대해 말해 줄 수 있는 것과 없는 것에 초점을 맞춥니다. 세 가지를 보여줄 것입니다. 첫째, 자동화는 예측하기 어렵습니다. 둘째, 자동화에 대한 노동 시장의 조정은 느리며 주로 개인 경력 내에서가 아닌 세대에 걸쳐 이루어졌습니다. 셋째, 산업과 직종의 고르지 못한 지리적 분포와 노동 시장의 지역적 특성을 고려할 때 자동화 경험은 거주지에 따라 크게 달라집니다. 마지막으로, 나는 일의 미래를 위해 고안된 정책이 기술 변화를 억제하려고 해서는 안 된다고 주장합니다. 오히려 근로자가 한 직업에서 다음 직업으로 전환하는 데 초점을 맞춘 장소 기반 정책이 필요합니다.

자동화 및 일자리에 대한 데이터 중심 접근 방식

미국 노동부는 다른 노동 시장 통계와 함께 미국인들이 일하는 방식에 대한 기록을 보관합니다. 이 정보는 직업 정보 네트워크(줄여서 O*NET)라는 온라인 데이터베이스에 수집되어 저장되며 이는 직업 명칭 사전(DOT)에 대한 업데이트입니다. O*NET에는 약 1,000개 직종의 업무 내용과 근로조건에 대한 상세한 정보가 있습니다. 무엇보다도 이러한 데이터는 작업자가 자동화에 얼마나 노출되어 있는지 보여줍니다. O*NET은 응답자에게 "현재 작업이 얼마나 자동화되어 있습니까?"라고 묻습니다. 응답 범위는 1("전혀 자동화되지 않음")부터 5("완전히 자동화됨")까지입니다.