스탠포드 디지털 경제 연구소의 에릭 브린욜프슨

에릭 브린욜프슨은 인공지능에 대해 걱정하는 사람들에게 도전을 제기한다: AI가 우리에게 무엇을 할지 묻지 말고, 우리가 AI로 무엇을 할지 묻기 시작하라. 이 에피소드에서 나, 나 자신, 그리고 AI스탠포드 대학 경제학자는 기술이 진보의 가장 큰 장벽이 아니라 사람, 조직, 제도라고 설명한다. AI가 일자리, 생산성, 경제 성장에 미치는 영향에 대한 새로운 연구를 바탕으로, 그는 미래가 미리 결정되지 않았다고 주장한다: 그것은 오늘 우리가 내리는 선택에 의해 형성될 것이다. 이는 인간의 주체성, 공동 번영, 그리고 가장 중요한 AI 혁신이 기술 자체보다는 우리가 그것을 어떻게 사용하는지와 더 관련이 있을 수 있는 이유에 대한 시의적절한 대화이다.

구독하기 나, 나 자신, 그리고 AI ~에 애플 팟캐스트 또는 스포티파이.

성적 증명서

앨리슨 라이더: 오늘의 게스트는 대담한 도발을 제기한다: AI는 기술에 의해 억제되지 않는다. 그것은 우리에 의해 억제된다. 어떻게 그런지 궁금한가? 지금 알아보자.

에릭 브린욜프슨: 저는 스탠포드의 에릭 브린욜프슨입니다, 그리고 당신은 듣고 있습니다 나, 나 자신, 그리고 AI.

샘 랜스보텀: 에 오신 것을 환영합니다 나, 나 자신, 그리고 AI, 님의 팟캐스트 MIT 슬론 경영 리뷰 인공지능의 미래를 탐구하다. MIT SMR 2014년부터 연구 기사, 연례 산업 보고서, 사례 연구, 그리고 현재 13개의 시즌 팟캐스트 에피소드를 제공해 왔습니다. 각 에피소드에서 기업 리더, 최첨단 연구자, AI 정책 입안자들이 함께하여 AI 과대광고와 AI 성공을 구분하는 요소를 분석합니다.

오늘 저는 스탠포드 디지털 경제 연구소를 운영하고 사람들이 일반적으로 기술, 특히 지금은 AI를 어떻게 사용하는지 연구하는 에릭 브린욜프슨과 이야기하고 있습니다. 그는 기술이 경제와 일자리에 어떻게 영향을 미치는지 생각하려고 노력하고 있습니다. 그의 책 제2의 기계 시대 는 이 논쟁의 많은 부분을 형성했습니다. 그리고 그의 팀은 최근 "탄광 속의 카나리아?"라는 연구 논문을 발표했는데, 이는 초급 근로자에게 일어나고 있는 일에 관한 것입니다. 에릭과 저는 전국경제연구소에서 일년에 몇 번씩 우연히 만나는데, 그는 항상 제가 생각하지 못한 무언가를 꺼냅니다. 압박하지 않을게요, 에릭, 하지만 오늘도 같은 것을 기대합니다.

에릭 브린욜프슨: 여기 있어서 좋아요, 샘.

샘 랜스보텀: 쇼에 오신 것을 환영합니다. 스탠퍼드 디지털 경제 연구소(Stanford Digital Economy Lab)부터 시작해볼까요? 연구소가 무엇을 하는지 간략히 설명해 주시겠어요?

에릭 브린욜프슨: 물론입니다. 우리는 디지털 경제를 연구합니다. … 저는 MIT에서 보낸 시간을 매우 사랑했습니다. 25년 넘게 그곳에 있었지만, 지금은 AI 혁명의 중심지인 실리콘밸리에 와 있습니다. 우리는 AI와 다른 디지털 기술이 경제를 어떻게 변화시키는지에 초점을 맞추고 있습니다. 연구소와 제 작업, 제 경력의 전제는 기술이 매우 빠르게 발전하고 있다는 것입니다. 그 능력은 놀랍습니다. 동시에, 우리의 경제적 이해는 충분히 빠르게 발전하지 못하고 있습니다. 우리의 경제 제도, 기술, 조직이 따라잡지 못하고 있습니다. 제 임무는 그 격차를 줄이기 위해 노력하는 것입니다.

샘 랜스보텀: 그 성가신 사람들 때문이죠. 기술은 빠르게 움직입니다. 조직과 사람들이 우리를 느리게 만드는 것 같습니다. 요약하자면 그렇습니다.

에릭 브린욜프슨: 맞습니다. 당신의 많은 작업도 그것을 강조해 왔고, 우리는 따라잡기 위해 할 수 있는 일을 하고 있습니다.

샘 랜스보텀: 저는 생각하고 있었습니다. 『기계와의 경쟁』(Race Against the Machine) 이라는 책과 오늘의 '카나리아(Canaries)'에 대해요. 무엇이 그것들을 연결하나요?

에릭 브린욜프슨: 『기계와의 경쟁』은 헤드라인이었습니다. 결론은 기계에 대항하는 것이 아니라 기계와 함께 경쟁해야 한다는 것이었습니다. 그리고 그것이 제가 계속 강조해 온 것입니다. 인간과 기계가 함께 일할 기회가 있습니다. 자동으로 이루어지는 것은 아닙니다. 우리가 내려야 할 많은 선택이 있지만, 기술은 모든 종류의 새로운 가능성을 가능하게 하고 있습니다. 그것들을 발명하고 발견하는 것은 우리 인간이 해야 할 큰 부분입니다.

샘 랜스보텀: 저는 선택이라는 부분이 마음에 듭니다. 왜냐하면 우리가 'AI가 이것을 한다, 기술이 저것을 한다'는 식의 일상적인 표현에 빠지기 쉽기 때문입니다. 당신이 그것에 반대해 왔다는 것을 알고 있습니다.

에릭 브린욜프슨: 정확히 맞습니다. 아마도 제가 가장 자주 받는 질문 중 하나일 것입니다: 'AI가 우리에게 무엇을 할 것인가? AI가 다음에 무엇을 일어나게 할 것인가?' 저는 '잠깐만요, 당신 질문의 전제가 틀렸습니다. 그것은 '우리가 AI로 무엇을 할 것인가?'입니다.'라고 말합니다.

이것은 엄청나게 강력한 도구이며, 틀림없이 우리 인간이 가진 가장 강력한 도구입니다. 거의 정의상, 그것은 우리가 이전보다 세상을 바꿀 더 큰 능력을 가졌다는 것을 의미합니다. 그러니 우리가 그것을 어떻게 사용하고 싶은지 생각해 봅시다. 우리의 가치관과 선택이 과거보다 지금 더 중요하다는 것이 밝혀졌습니다. 왜냐하면 우리는 더 좋든 나쁘든 우주에 정말 큰 영향을 미칠 수 있는 능력을 가지고 있기 때문입니다.

샘 랜스보텀: 네, 더 좋든 나쁘든요. 우리가 여기서 이야기하면서 아마 몇 번 더 나올 것 같습니다.

저는 초기 책에서 당신이 얼마나 많은 것을 정확히 짚었는지 생각하고 있었습니다. 하지만 학자로서 그것은 흥미롭지 않습니다. 당신이 틀렸다고 생각하는 것은 무엇인가요? 무엇에 놀랐나요? 16년 전이나 15년 전에 생각했던 것과 다르게 변화한 것은 무엇인가요? 『기계와의 경쟁』(Race Against the Machine) 음, 우선, 우리가 틀린 것에 대해 이야기하고 있으니, 이것이 앤디 맥아피(Andy McAfee)와 공동 집필했다는 점을 강조해야 합니다.

에릭 브린욜프슨: 그는 제 많은 프로젝트의 파트너였습니다. 제2의 기계 시대우리가 무엇을 틀렸을까요? 우리는 몇 가지 발전을 살펴보고 있었습니다. 특히

에서, 우리는 구글의 자율주행차를 타는 것으로 시작했습니다. 사실 2012년이었습니다. 제2의 기계 시대를 쓴 직후에 우리는 마운틴뷰에서 샌프란시스코까지 차를 탔습니다. 솔직히 말해서 저는 '와, 자율주행차가 곧 현실이 되겠구나'라고 생각했고, 그것이 매우 빠르게 일어날 것이라고 생각했습니다. 분명히 더 오래 걸렸습니다. 저는 샌프란시스코 베이 에어리어와 시내에서 자율주행차를 꽤 자주 타고 다닙니다. 그들은 한동안 그것들을 가지고 있었고, 이제 팔로알토까지 내려왔으며, 고속도로에서도 탈 수 있습니다. 하지만 그건 15년 후의 일입니다. 『기계와의 경쟁』(Race Against the Machine)시간이 좀 걸렸고, 저는 그것에 대해 지나치게 낙관적이었다고 생각합니다. 그렇긴 하지만, 저는 기술이 다른 방식으로 얼마나 빨리 발전할지 과소평가했다고 생각합니다. 당신과 제가 ChatGPT, Gemini, Claude 같은 [대규모 언어 모델]과 대화하고 그들이 일을 하게 하는 방식은, 제가 그렇게 빨리 일어날 것이라고 예상하지 못했을 것입니다. 즉, 2012년이나 2015년에 저에게 물었다면 저는 이것을 [인공 일반 지능]으로 간주했을 것입니다. 그래서 그들로부터 정말 좋은 조언을 얻을 수 있다는 것은 꽤 멋진 일입니다. 우리 모두는 그들이 여전히 환각을 보고 실수를 한다는 것을 알고 있지만, 우리 인간도 마찬가지입니다. 평균적으로 그들은 정말 꽤 좋습니다. 그래서 그것은 더 빨리 일어났습니다. 우리는 그것에 대해 조금 틀렸습니다.

그리고 가장 실망스러운 부분은, 보세요, 저는 인간의 제도가 기술보다 더 느리게 변한다는 것을 알고 있었습니다. 하지만 세상에, 이렇게까지 느릴 줄은 몰랐습니다. 때로는 거의 뒤로 가고 있는 것 같습니다. 그래서 우리의 정치 제도, 기업, 조직이 따라잡지 못하는 것이 꽤 실망스러웠습니다. 생산성은 이 AI 혁명이 시작될 때보다 더 빠르게 성장하지 않고 있습니다. 아마 눈을 가늘게 뜨고 보면 아주 약간은 나을지도 모르지만요. 하지만 우리는 이러한 능력을 더 나은 비즈니스 성과나 우리 모두가 바라는 종류의 혜택으로 실제로 전환하지 못하고 있습니다.

저는 당신을 마지막으로 만난 자리에서 팔로알토에서 자율주행차를 탔습니다. 그것은 매우 빨리 지루해졌습니다. 저는 몇 초 동안 매료되었다가 매우 빨리 지루해졌습니다. 당신은 그것이 몇 년 전만 해도 AGI였을 것이라고 언급했고, LLM 같은 것도 몇 년 전만 해도 AGI였을 텐데, 더 이상은 아니라고 했습니다. 이것이 얼마나 '삶은 개구리' 현상인가요? 우리는 이러한 기술에 익숙해지고 있고, 우리를 감동시키기 위해 더 많은 것이 필요합니다. 그것이 일부인가요? 측정 문제의 일부인가요? 잠시 후에 다시 다룰 J-곡선의 일부인가요? 위의 모든 것인가요? 아니면 아무것도 아닌가요?

샘 랜스보텀: 위의 모든 것입니다. 일부는 당신이 말한 것처럼 자율주행차에서 지루해지는 것입니다. 처음 몇 분은 좀 무섭고 짜릿하다가, 흥미진진해집니다. 그리고 30분 안에 '좋아, 이제 알겠다'는 느낌이 듭니다. 이 차들은 마치 제 할머니처럼 매우 조심스럽고 느리게 운전하는데, 그것이 아마 옳은 일일 것입니다.

에릭 브린욜프슨: 그래서 당신이 보스턴을 떠난 것일 수도 있겠네요.

샘 랜스보텀: 정확히요. 그들의 사고율은 인간보다 90% 낮습니다. 저는 모든 차가 그렇게 되는 날을 기대하고 있습니다. 지금은 지점 간 이동이 조금 더 느립니다. 가끔 급할 때는 실제로 우버를 부릅니다. 왜냐하면 운전자가 말하자면 좀 더 편법을 쓸 의향이 있다는 것을 알기 때문입니다. 하지만 일부는 우리가 처음에 눈이 휘둥그레졌던 것들을 당연하게 여기기 때문이기도 합니다.

에릭 브린욜프슨: 우리의 뇌는 사물에 익숙해지도록 설계된 것 같습니다. 하지만 당신이 말한 다른 두 가지는 더 중요하고 더 흥미롭다고 생각합니다. 하나는 측정 문제입니다. 우리의 경제 지표는 AI의 많은 혜택, 특히 무료 디지털 재화의 혜택을 포착하도록 설계되지 않았습니다. 그래서 우리는 그것을 해결하기 위한 전체 방법론을 가지고 있습니다. 아마 나중에 그것에 대해 이야기할 수 있을 것입니다.

다른 부분은 J-곡선입니다. 이것이 우리가 대화를 시작한 것입니다. 능력을 실제 비즈니스 변화로 전환하는 데 정말로 격차와 어려움이 있습니다. 그것은 많은 보완적 자산과 투자가 이루어져야 하기 때문입니다. 그 중 많은 것들이 발명되어야 하며, 우리는 그것들이 무엇인지 모릅니다. 새로운 비즈니스 프로세스, 새로운 기술, 완전히 새로운 비즈니스 모델과 작업 방식의 이러한 보완적 공동 발명은 어렵습니다. 그리고 기업가, 관리자, 경영대학원 교수, 컨설턴트들이 그것들을 알아내기 위해 모두 노력하고 있습니다.

제가 [펜실베이니아 대학의] 로린 히트(Lorin Hitt), 프라산나(소니) 탐베(Prasanna (Sonny) Tambe) 등과 함께한 초기 연구에서, 우리는 이러한 무형 자산에 대한 투자가 컴퓨터 기술에 대한 직접 투자보다 약 10배 더 크다는 것을 발견했습니다. 하지만 그것들이 대체로 무형이고 보이지 않기 때문에, 우리는 그것들을 그만큼 인식하지 못하는 경향이 있고, 측정하지 않으며, 사람들은 그것들이 존재한다는 것조차 깨닫지 못합니다. 하지만 우리는 연구에서 그것들을 더 가시적으로 만들고 그러한 투자도 해야 한다는 인식을 만들기 위해 노력하고 있습니다.

사실, 측정 문제는 거대하고 어렵습니다. 당신과 [카네기 멜론 대학의] 아비나쉬 콜리스(Avinash Collis)가 위키피디아와 페이스북, 그리고 다른 기술들로부터의 가치 측정에 대해 이야기했던 것을 기억합니다. 이 모든 것들은 측정하기가 매우 어렵습니다. 그리고 우리가 무언가를 측정하지 않을 때, 우리는 제대로 하지 못한다고 생각합니다.

샘 랜스보텀: 측정에 대해 이야기해 보죠. 왜냐하면 당신의 '탄광 속의 카나리아(Canaries in the Coal Mine)' 연구에 대한 멋진 이야기 중 하나가 … 당신의 주요 발견은 22세에서 25세 사이의 사람들이 가장 큰 영향을 받아 고용의 약 16%를 잃었다는 것이었습니다. 하지만 당신은 그것을 찾기 위해 ADP 급여 데이터를 사용했습니다. 그것은 매우 흥미로운 정보 신호입니다. 그 연구에 대해 말해 주세요.

측정에 대해 이야기해볼까 합니다. '탄광 속 카나리아' 연구에서 흥미로운 점 중 하나는, 22세에서 25세 사이의 사람들이 가장 큰 영향을 받아 고용의 약 16%를 잃었다는 주요 결과였습니다. 그런데 이 연구에 ADP 급여 데이터를 사용하셨더군요. 매우 흥미로운 정보 신호입니다. 그 연구에 대해 말씀해 주시겠어요?

에릭 브린욜프슨: 모든 사람들처럼, 우리도 AI가 일자리를 없앤다는 헤드라인이나 AI가 일자리를 창출한다는 헤드라인을 계속 접하고 있었습니다. 매달 수십만 명의 사람들이 일자리를 얻거나 잃습니다. 적당히 괜찮은 기자라면 둘 중 하나의 사례를 쉽게 찾아내 그에 맞춰 이야기를 만들거나, 길거리에서 만난 평범한 사람과 인터뷰할 수도 있습니다. 적어도 저에게는, 이것을 어떻게 종합해야 할지 잘 모르겠습니다. 진짜 이야기는 무엇일까요? 그래서 우리는 대규모 데이터를 확보하고자 했습니다.

현재 인구 조사를 살펴봤을 때, 별다른 변화를 발견하지 못했고, 세계 최대 급여 처리 업체인 ADP의 최상위 데이터를 디지털 경제 연구소에서 공유받아 확인했을 때도 큰 차이가 없었습니다. 그래서 저는 '좋아, 이 모든 게 과장된 얘기일 뿐이라는 기사를 쓰겠다'고 거의 생각했죠. 하지만 더 깊이 파고들자, 방금 말씀하신 대로 22세에서 25세 사이의 초기 경력 근로자와 같은 일부 하위 그룹에서 고용이 눈에 띄게 감소했고, 특히 AI에 대한 노출 정도에 따라 세분화했을 때 그 효과가 매우 두드러졌습니다.

[OpenAI의] 티나 엘룬두, [펜실베이니아 대학의] 다니엘 록 등은 경제 내 모든 작업(총 18,000개의 개별 작업)을 LLM에 노출된 정도에 따라 순위를 매기는 분류 체계를 만들었습니다. LLM이 메모 작성에 도움이 될까요? 물론입니다. LLM이 상자 들어 올리기를 도울 수 있을까요? 그렇지 않습니다. 모든 작업을 이렇게 순위를 매긴 후 직업별로 종합하면, 해당 직업이 LLM의 영향을 받을지 여부를 나타내는 점수가 산출됩니다.

우리는 약 750개의 직업을 살펴보았고, 이를 5분위로 나누었습니다. 가장 노출이 심한 5분위, 즉 이 최연소 연령대에서 약 100개가 조금 넘는 직업군은 처음에 약 12%에서 13%의 감소를 보였습니다. 현재는 다른 직업군에 비해 고용이 약 16%에서 17% 감소한 수준입니다. 정말 눈에 띄는 결과입니다. 노출된 직업군에서도 고령 근로자의 고용 감소는 관찰되지 않았습니다. 이렇게 세분화해서 살펴봐야만 알 수 있습니다.

다른 요인들을 통제했을 때도 마찬가지였습니다. 예를 들어 금리, 기술 산업(원한다면 기술 산업 전체를 제외하거나 기술 업계의 과잉 채용을 통제할 수 있습니다), 원격 근무, 교육 수준 등을 통제해도 핵심 결과는 사라지지 않았습니다. 우리는 계속해서 매우 눈에 띄는 감소세를 관찰할 수 있었습니다.

또 한 가지 말씀드릴 수 있는 점은, 앞서 언급했듯이 고령 근로자들은 괜찮은 상황이었다는 것입니다. 다른 몇몇 집단도 괜찮았는데, 그중 하나는 AI의 영향을 거의 받지 않는 직종에 종사하는 사람들입니다. 예를 들어, 스펙트럼의 반대편에 있는 가정 건강 보조원 같은 경우 AI의 영향이 훨씬 적어서, 젊은 근로자들조차 고용이 증가하는 추세를 보였습니다.

그리고 가장 흥미로운 결과, 제가 가장 기대했던 결과는 AI 사용 방식을 크게 업무 자동화 및 대체와 업무 보강 및 새로운 기술·기회 창출, 이전에 해보지 못한 새로운 일 수행으로 나누었을 때, 자동화 그룹은 고용이 감소한 반면, 보강 그룹, 즉 새로운 기술을 배우는 그룹은 고용이 증가했다는 점입니다. 이는 생산성 향상과 고용 증가라는 이중 효과를 보여줍니다. 언론에서 저희 연구를 보도할 때 이 점이 잘 조명되지 않는 이유가 있겠지만, AI가 특정 유형의 근로자에게 더 높은 고용과 연관될 수 있다는 사실을 발견한 것은 매우 중요하다고 생각합니다.

샘 랜스보텀: 그것은 결국 당신이 어떻게 사용하느냐, 당신의 의사 결정, 그리고 우리 모두가 그 안에서 내리는 선택으로 이어지는 것 같아요. 그건 저에게 놀랍지 않습니다. 왜냐하면 제가 어떤 작업을 생각할 때, 그리고 당신이 언급한 작업의 집합체로 돌아가 보면, 어떤 직업도 모든 작업 목록을 100% 수행하거나 자동화 불가능한 작업 목록을 100% 수행하지는 않을 거라고 확신하기 때문입니다. 그 작업의 구성은 직업의 일부 부분을 더 가치 있게 만들 것입니다. 그 부분들이 더 가치 있게 남게 될 것입니다.

에릭 브린욜프슨: 맞아요. 또 하나 정말 중요한 점이 있어요. 모든 직업을 살펴보면 각각 여러 가지 업무가 묶여 있습니다. O*Net에서 일반적인 직업은 20~30개의 업무로 구성되어 있어요. 방사선과 의사는 26개의 개별 업무를 수행합니다. 컴퓨터 과학자 제프리 힌튼이 유명한 말을 했죠. "의료 영상을 판독하는 것, 그게 방사선과 의사가 하는 일입니다. 이는 AI로 대체될 것입니다." 그가 고려하지 않은 것은 방사선과 의사가 하는 다른 25가지 업무가 있으며, 대부분 AI의 영향을 받지 않는다는 점입니다.

결과적으로 AI 덕분에 영상 판독 비용이 저렴해지고 품질이 향상되면서, 오히려 다른 업무를 수행하는 방사선 전문의의 가치가 높아졌고, 방사선 전문의의 순 고용은 증가했습니다. 이것이 항상 일어난다는 뜻은 아니지만, 분명히 그런 사례가 있습니다. 어떤 이들은 이를 제본스 역설이라고 부르기도 하는데, 어떤 것을 더 저렴하게 만들면 그에 대한 수요가 증가해 효율성이 높아져도 오히려 고용이 줄지 않고 늘어나는 현상을 말합니다.

샘 랜스보텀: 제 생각에 이게 답답한 점인 것 같아요. 모두가 "여기 명확한 답이 있습니다"라는 식의 답을 원하지만, 여기서 마주한 것은 거대한 "상황에 따라 다릅니다"라는 답이고, 점점 더 복잡해지는 여러 요소들에 달려 있습니다.

에릭 브린욜프슨: 음, 조금 더 간단히 설명해볼게요. 항상 일자리를 없앤다는 단순한 이야기보다, 또는 항상 일자리를 창출한다는 이야기보다는 조금 더 복잡합니다. 하지만 경제학자로서 정말 유용한 도구가 하나 있는데요—독자분들에게 조금 전문적으로 들릴 수 있지만, 유용한 시간이 될 거예요—수요 곡선을 생각해보면 됩니다. 가격이 내려가면 수량이 증가합니다. 수요 곡선은 우하향합니다. 대부분의 사람들은 직관적으로 무언가를 더 싸게 만들면 사람들이 더 많이 산다는 걸 알고 있습니다.

하지만 정말 중요한 것은 수요 곡선의 기울기가 얼마나 가파른가입니다. 사과 같은 제품의 경우, 가격을 10배 낮춰도 사과를 10배 더 사지는 않을 것입니다. 아마 몇 개 더 살 수도 있겠지만요. 하지만 수요 곡선은 꽤 가파릅니다. 따라서 가격이 내려가면 결국 지출은 줄어듭니다. 이는 꽤 직관적입니다. 대부분의 사람들은 모든 상품이 그럴 것이라고 생각합니다.

모든 상품이 그런 것은 아닙니다. 가격이 조금만 내려가도 수요량이 크게 증가하는 상품들이 많이 있습니다, 예를 들어 항공 여행이 그렇습니다. 예전에는 비행기를 타고 전국을 횡단하는 사람이 매우 적었지만, 지금은 가격이 저렴해져서 많은 사람들이 너무 자주 비행기를 타고 다닙니다. 이와 같은 상품과 서비스가 존재합니다. 이를 탄력적 수요 또는 평탄한 수요 곡선이라고 부릅니다.

그런 상황이 발생할 때마다 실제로는 어떤 것에 대한 수요가 증가하고 있으며, 결국 지출이 더 늘어나게 됩니다. 경제 내 재화와 서비스의 적어도 절반은 그 곡선의 해당 측면에 있습니다. 이는 매우 좋은 소식입니다. 생산성과 효율성이 높아질수록 어떤 것들은 줄어들지만, 다른 것들은 성장한다는 뜻이기 때문입니다. 대중의 논의가 줄어드는 쪽으로 지나치게 치우쳐 있다고 생각합니다. 제가 여러분의 팟캐스트를 통해 이루고 싶은 일 중 하나는 더 많은 사람들이 성장하는 쪽에 대해 생각하게 하는 것입니다.

저는 마스터 클래스를 가르치는데, 기본적으로 사람들에게 부를 창출할 새로운 기회를 식별하고 발견하는 방법, AI를 활용해 새로운 방식으로 기업가적 벤처를 창출하는 방법을 보여줍니다. 우리가 그렇게 할수록 사람들은 더 나은 삶을 살게 될 것이라고 생각합니다. 그들은 스스로를 돕고, 새로운 것을 발명함으로써 나머지 경제에도 도움을 줄 것입니다.

샘 랜스보텀: 사과가 좋은 예시입니다. 말씀하신 대로, 우리는 사과가 더 많다고 해서 더 많이 소비하지는 않죠. 하지만 "우리가 생각할 수 있는 거의 모든 IT 프로젝트를 다 하고 있다"고 말하는 회사는 본 적이 없습니다. 제 말 무슨 뜻인지 아시죠?

에릭 브린욜프슨: 네, 맞아요. IT 문제를 해결하려는 수요는 거의 무한한 것 같아요. 세상을 둘러보면 문제가 부족하지 않다는 걸 알 수 있어요. 빈곤, 환경, 특히 의료 같은 분야에는 훨씬 더 많은 자원이 필요하고, 이런 문제를 해결할 기회가 고갈될 것 같지 않아요.

샘 랜스보텀: 우리가 그런 유형의 문제들이 고갈될 것이라는 환상은 좋지만, 앞으로 몇 년, 몇 세기 안에 그런 일이 일어날 것 같지는 않습니다. 다시 J-커브 개념으로 돌아가 보죠. 먼저 J-커브가 무엇인지, 그리고 사람들이 그것에 대해 어떻게 생각해야 하는지 설명해 주시겠어요?

에릭 브린욜프슨: 이것은 사람들이 매우 유용하다고 생각하는 또 다른 개념입니다. 중요한 강력한 기술이 있을 때, 경제학자들은 이를 범용 기술이라고 부릅니다. 예전에는 그냥 GPT라고 불렀지만, 제 AI 친구들이 그 약어를 가져갔습니다. 하지만 AI는 둘 다입니다. GPT-5와 같은 생성형 사전 학습 변환기이면서도, 증기 기관, 전기, 내연 기관, 자동차와 같은 범용 기술이기도 합니다. 이러한 기술들이 실제로 대부분의 경제 성장과 생산성을 이끌었습니다. 바로 이것이 우리가 수백 년 전이나 심지어 50년 전의 조상들보다 더 높은 생활 수준을 누리는 이유입니다.

AI는 우리 시대, 어쩌면 역사 전체에서 가장 중요한 범용 기술입니다. 하지만 이러한 범용 기술의 진정한 가치는 보완 자산에서 비롯됩니다. 전기는 백열전구, 전기 모터, 에어컨, 그리고 궁극적으로 컴퓨터와 수많은 다른 것들을 가능하게 했습니다. AI는 다양한 새로운 비즈니스 프로세스를 가능하게 하며, 이는 물리적 기술에만 국한되지 않습니다. 앞서 언급한 무형 자산도 포함됩니다. 이는 훌륭한 일이지만, 이러한 무형 자산을 창출하는 데는 시간이 걸리고 비용이 많이 듭니다. 투자가 필요합니다. 컨설턴트를 고용하든 직접 수행하든, 업무 방식을 재창조해야 합니다.

그 비용이 많이 드는 시기에는 비즈니스 프로세스를 재구축하면서 지출이 늘어나지만, 생산량이 즉시 증가하지는 않습니다. 수학적으로 보면 투입은 늘어나는데 생산량은 증가하지 않으므로, 적어도 전통적인 방식으로 측정된 생산성은 하락합니다. 이것이 J-곡선의 하강 구간입니다. 이후에는 그 성과를 수확하기 시작합니다. 새로운 비즈니스 프로세스를 활용해 더 많은 생산량을 창출하게 되고, 생산량이 증가합니다. 이것이 J-곡선의 상승 구간입니다.

대부분의 범용 기술에서 나타나는 현상은 초기에는 생산성이 낮거나 심지어 마이너스인 정체기가 있다가, 이후에 급격히 상승한다는 점입니다. 현재 AI가 어느 단계에 있는지 정확히 파악하기는 어렵습니다. 우리는 그 중간에 있습니다. 하지만 과거의 사례를 돌아보면, 예를 들어 전기 같은 경우 — 제 박사 학위 논문에서도 이에 대해 다룬 적이 있습니다 — 믿기 어려울지 모르지만, 기업들이 공장 구조를 어떻게 재편할지 고민하는 데 약 20~30년이 걸렸습니다.

그들은 전기 모터를 설치하고 있었다. 처음에는 생산성이 크게 향상되지 않았다. [경제학자] 폴 데이비드와 다른 학자들은 이 점을 매우 세밀하게 기록했다. 문자 그대로 30년 동안 공장들이 전기화되는 과정에서 생산성 향상이 거의 없었는데, 이는 정말 놀라운 일이다. 그러나 결국 그들은 공장 조직을 완전히 재설계했다. 증기 엔진처럼 중앙 모터 주변에 집중되어 있던 대신, 각 장비에 별도의 모터를 설치하고 작업을 분산시켰으며, 자재 흐름에 기반해 배치를 구성했다.

그들이 그렇게 했을 때, 생산성은 급등하기 시작했고, 두 배, 세 배로 늘어났습니다. 하지만 제가 말했듯이, 그 과정은 30년이 걸렸습니다. 저는 AI가 30년이 걸릴 것이라고 생각하지 않습니다. 이미 그런 일이 시작되고 있다고 확신합니다. 하지만 동시에, 제 기술 관련 친구들이나 AI 분야 친구들이 예상하는 것보다는 더 오래 걸립니다. 그들은 AI를 발명하기만 하면 모든 것이 끝난다고 생각합니다.

알다시피, 샘, 당신과 제 업무에는 많은 비즈니스 프로세스 재설계가 필요해요. 우리는 그 과정 중에 있고, 저는 그 속도를 높이기 위해 최선을 다하고 있습니다. 제 회사 워크헬릭스는 기업들이 가치 창출 기회를 식별하는 방법을 보여주는 데 깊이 관여하고 있어요. 속도를 높일 수 있다면 좋겠지만, 여전히 약간의 J-커브는 겪을 겁니다.

샘 랜스보텀: 전기 시대를 생각해보면, 아마 그때는 지금처럼 분기별 주식 보고서 압박이나 즉각적인 결과에 대한 필요성이 없었을 거예요.

에릭 브린욜프슨: 솔직히 가장 큰 점은 그들이 우리의 제도들을 제대로 갖추지 못했다는 거예요. 자화자찬하려는 건 아니지만, 경영대학원도 없었고, 컨설팅 서적이나 산업공학 및 경영학이라는 학문 자체도 존재하지 않았어요. 나중에 돌아와서 그 당시 책들을 좀 읽어봤는데, 하버드 경영대학원의 베이커 도서관에 가보니 오래된 책들이 있었고, 그들이 사고하던 방식이 꽤 원시적이었어요.

이제 기업들이 비즈니스 프로세스를 재설계하도록 돕는 생태계가 훨씬 더 커졌습니다. 여전히 시간과 재설계, 그리고 인력 재교육이 필요합니다. 하지만 제 생각에 관리자들은 이제 이에 대해 훨씬 더 인식하고 있으며, 훨씬 더 적극적으로 참여하고 모범 사례를 공유하고 있습니다.

Workhelix에는 모든 기회를 스캔하여 작업자와 공유하고, 뛰어난 성과를 내는 슈퍼유저를 파악한 후 평균 작업자와 비교하는 도구가 있습니다. 따라서 이러한 도구가 없었을 때 사람들이 했을 것보다 학습 속도를 약 10배 정도 높여줍니다.

샘 랜스보텀: 측정 및 다른 요소들과 연결된다는 점에서 정말 마음에 듭니다. 연간 성과 평가는 더 이상 실제로 도움이 되지 않습니다. 자신이 무엇을 하고 어떻게 하고 있는지에 대한 더 나은 측정을 얻을 수 있다는 생각이 도움이 됩니다.

약간 반박하는 입장을 취해보겠습니다. 저는 MIT 슬론 경영 리뷰 얼마 전에 AI 목표 재고에 대해 글을 썼습니다. 당신은 튜링 함정에 대해 글을 썼습니다. 사람들의 첫 번째 경향은 튜링 테스트를 통과하여 기계가 인간이 할 수 있는 일을 하게 만드는 것이라고 생각합니다. 그리고 그것은 기존 프로세스의 점진적 개선으로 이어집니다. 측정이 올바른 것을 측정하지 않는다면 우연히 그 방향으로 흘러갈 수도 있을 것 같습니다. 단기 대 장기 측면에서 어떻게 생각하시나요?

에릭 브린욜프슨: 음, 확실히 단기와 장기가 있습니다. 그것이 목표입니다. 몇 달 전에 한 CFO와 이야기했는데, 그녀가 말하길 "AI의 이점, ROI를 측정해야 합니다." 그래서 제가 "좋습니다. 측정해야 합니다. 말씀해 주세요."라고 했죠. 그러자 그녀가 "그래서 모든 부서에 AI로 인한 인원 감축이 얼마나 되는지 알려달라고 요구하고 있습니다."라고 했습니다. 저는 "잠깐만요. 측정하는 것은 좋지만, 그건 좀 단순한 생각 아닌가요? 비용 절감에 문제가 있는 것은 아니지만, 새로운 일을 하고 작업자가 새로운 종류의 가치를 창출할 수 있게 하는 더 큰 기회를 놓치고 있습니다."라고 말했습니다.

수백만 달러를 받는 CFO가 있는데, 그들이 큰 돈을 버는 이유는 기계가 인간이 이미 하는 일을 대체하는 것 이상으로 가치 창출에 대해 더 창의적으로 생각해야 하기 때문입니다. 그것이 고전적인 튜링 테스트입니다: 기계가 인간을 완벽하게 모방할 수 있게 만들 수 있습니까?

그것은 매우 좁은 사고방식입니다. 앨런 튜링은 천재였지만, 그 사고방식이 AI 사용 방식에 많은 해를 끼쳤다고 생각합니다. 저는 그것을 튜링 함정이라고 부릅니다. AI를 사용하여 작업자를 대체하거나 모방하는 데만 집중하는 것이 함정이기 때문입니다. AI가 어떻게 우리를 보강하고 새로운 일을 할 수 있게 하는지도 생각해야 합니다. 하지만 이를 위해서는 새로운 측정이 필요합니다. 예를 들어, 새로운 제품과 서비스를 어떻게 창출할까요? 고객 만족도를 어떻게 높일까요? 제품의 품질뿐만 아니라 일하는 사람들의 작업 생활의 질도 어떻게 개선할까요?

이 모든 것은 좁은 대체 사고방식에서는 드러나지 않습니다. 따라서 당신이 말한 것처럼 더 오랜 시간이 걸리는 일입니다. 단기주의는 주로 비용 절감과 이미 하고 있는 일에 초점을 맞추는 경향이 있습니다. 하지만 가장 큰 경쟁 우위를 가지고 가장 오래 지속되는 혜택을 얻는 사람들은 그 이상을 넘어 새로운 일, 새로운 비즈니스 프로세스, 새로운 제품과 서비스를 생각하는 사람들입니다. 몇 주 안에 이루어지지는 않지만, 일단 달성하면 몇 년 동안 지속되는 무언가를 갖게 됩니다.

샘 랜스보텀: 기계가 우리보다 뛰어난 분야는 많습니다. 이것이 기계인지 사람인지 구분하고 튜링 테스트를 통과하는 가장 쉬운 방법은 제가 수학을 빨리 못한다는 점입니다. 우리의 목표가 정확히 올바른 기준은 아닌 것 같습니다. 전기화 초기에 사람들이 그에 관한 제도를 갖추지 못했다고 언급하셨습니다. 스탠포드로 옮기기 전에 분명히 참여했던 MIT 디지털 경제 이니셔티브의 닐 톰슨은 가장 중요한 새로운 AI 모델의 약 90%가 산업계에서 나온다는 과학 기사를 냈습니다. 학계와 공공 자금이 기술 혜택을 창출하던 것에서 대부분이 기술 회사와 스타트업에서 나오는 것으로 대규모 전환이 일어났습니다. 팔로 알토와 그곳의 중심지를 언급하셨습니다. 좋습니다. 걱정됩니다. 그곳이 그러한 것들을 위한 올바른 장소인가요?

에릭 브린욜프슨: 산업계에서 나오는 이유 중 하나는 이러한 매우 큰 모델을 구축하는 데 엄청난 비용이 들기 때문입니다. LLM에는 스케일링 법칙이 있어서 모델을 더 크게 만들고 더 많은 데이터, 더 많은 컴퓨팅, 더 많은 매개변수를 가지면 성능이 예측 가능하게 향상됩니다. 그래서 그들은 수백만 달러에서 수천만, 수억, 수십억, 현재는 수백억 달러를 모델 훈련에 지출하고 있습니다. 어떤 대학도 감당할 수 없습니다. 어떤 비영리 단체도 감당할 수 없습니다. 그래서 회사들은 지금 이 순간에도 막대한 자금을 모으고 있습니다. Anthropic과 OpenAI는 상장을 준비 중입니다. Google과 Meta는 이를 쏟아부을 수 있는 좋은 현금 창출 엔진을 가지고 있습니다.

그것이 그 현상을 주도하고 있습니다. 동시에 제가 학계 동료들에게 말하는 것은 그들의 비교 우위는 컴퓨터에 더 많은 돈을 쓰는 것이 아니라 창의적으로 생각하는 데 있다는 것입니다. 사무실에 앉아 깊은 생각을 하면서 나오는 훌륭한 아이디어들이 있습니다. 그것은 여전히 좋은 전략입니다.

얼마 전 제프리 힌튼과 대화를 나누면서 그가 통찰력과 발견을 위해 어떤 하드웨어를 사용하는지 물었습니다. 그는 자신의 노트북을 가리키며 두드리면서 "이게 내가 사용하는 하드웨어입니다."라고 말했습니다. 그리고 그러한 근본적인 돌파구의 경우 항상 수천 개의 GPU를 보유하는 문제는 아닙니다.

학계는 자신들의 비교 우위를 활용해야 한다고 생각합니다. 그렇긴 하지만, 점점 더 많은 최전선 연구가 매우 비싼 접근 방식을 통해 이루어지고 있다고 말하는 것이 타당합니다. 어떤 면에서는 이것이 AI가 얼마나 가치 있는지에 대한 증거입니다. 산업계가 이전에 하지 않았던 이유 중 하나는 비용이 많이 들었을 뿐만 아니라 그만한 보상이 없었기 때문입니다.

이야기를 하나 해보겠습니다. 제가 시작한 첫 번째 AI 회사는, 믿기 어렵겠지만, 1980년대 후반이었습니다. 제 나이가 그렇다는 뜻입니다. Todd Loofbourrow와 함께 전문가 시스템 회사를 시작했습니다. 전문가 시스템은 규칙 기반 시스템입니다. 우리는 일부 은행과 HR 조직에 약간의 가치를 창출했지만, 결국 오늘날 회사들이 창출하는 가치와는 비교할 수 없었습니다. 솔직히 말해서 그 종류의 AI는 그다지 가치가 없었습니다. 지금처럼 매우 강력한 신경망이 있어야 이전과는 비교할 수 없는 상업적 인센티브가 생깁니다. 따라서 어떤 면에서는 산업계가 그렇게 많이 투자하는 것이 이 분야의 성공에 대한 증거입니다.

샘 랜스보텀: 그 점이 마음에 듭니다. 미국 정부는 작년에 비국방 연구 지출에 약 15억 달러를 투자한 것으로 알고 있는데, 이는 대략 Google이 투자하는 금액입니다. 국립보건원과 국립과학재단의 예산은 적습니다. 당신이 지적했듯이, 우리는 그들을 앞지르며 지출할 수 없을 것입니다.

에릭 브린욜프슨: 하지만 그 점에 대해, 둘 다 원하는 것이 타당하다고 생각합니다. 학계의 역할이자 연방 정부의 역할은 상업적으로 실행 가능해지기 전에 투자하는 것입니다. R&D의 장기적 혜택 중 상당수는 명확하지 않으며, 투자할 상업적 인센티브가 없습니다. 인터넷, 초기 우주 여행, 우리의 수명을 연장한 생물학의 수많은 근본적 돌파구는 대학과 정부 연구소에서 이루어졌습니다. 상업적으로 실행 가능하지 않았지만 나중에 사람들이 그 위에 구축했기 때문입니다. 어떤 것이 성과를 낼지 미리 항상 알 수는 없습니다. 하지만 기초 연구를 하면, 기록에 따르면 결국 그중 일부 비율이 우리의 생활 수준에 큰 차이를 만들 것입니다.

샘 랜스보텀: 그것이 기본적인 응용 구분입니다. 응용 분야는 시장이 알아서 처리할 것이기 때문에 자금을 지원할 필요가 없습니다. 기본 분야의 경우 보이지 않는 손이 그렇게 잘 작동하지 않거나 모두가 원하는 것보다 느리게 작동합니다.

많은 학자들이 당신의 말이 궁금해서 이 방송을 들을 것 같습니다. 사람들이 주목해야 할 것은 무엇인가요? 그 범주에 속하는 것들은 어떤 것들이 있나요? 아마도 비판은 제가 학계에서 보는 많은 연구가, 말하자면, 기업을 위한 컨설팅 프로젝트라는 점일 것입니다. 사람들이 추구해야 할 기본적인 유형의 아이디어는 무엇인가요?

에릭 브린욜프슨: 음, 다양한 분야에 많은 것들이 있습니다. 저는 그것들을 규정하고 싶지 않습니다. 어떤 면에서 마법의 일부는 외부에서 아무도 그 가치를 보지 못하더라도 사람들이 자신의 아이디어를 추구하도록 하는 것이기 때문입니다.

그렇긴 하지만, 제 자신의 목록을 드리겠습니다. 저는 경제적 측면에 집중하고 있습니다. 현재 가장 큰 격차는 AI가 경제를 어떻게 변화시킬지에 대한 좋은 이해가 부족하다는 점이라고 생각합니다. 우리는 엄청나게 강력한 정보 처리 개체를 만들고 있습니다. 경제학자로서 시장을 정보 처리 개체로 생각할 수 있습니다. 기업과 조직을 정보 처리 개체로 생각할 수 있습니다. AI가 천 배 또는 백만 배 개선된다면, 기업과 시장이 변하지 않고 작업을 관리하기 위한 새로운 종류의 조직이 개발되지 않는 것이 기적일 것입니다. 하지만 우리는 아직 그것들을 파악하지 못했습니다. 따라서 제 작업의 큰 부분은 AI가 더 강력해지고 정보를 집계하고 처리함에 따라 경제가 어떻게 보일지 이해하려는 것입니다. 기업, 시장, 그리고 아마도 새로운 종류의 개체는 무엇일까요? 그리고 그 결과로 발생할 수 있는 부와 권력의 집중을 어떻게 관리할 것인가?

저는 기술이 생산성을 높일 잠재력에 대해 매우 낙관적입니다. 노스웨스턴 대학의 로버트 고든과 긴 내기를 걸었고, 생산성이 어떻게 성장할지에 대해 글을 썼습니다. 동시에, 제대로 관리하지 않으면 부의 더 큰 집중으로 이어질 수 있고, 이는 권력의 집중으로 이어지는 경향이 있다는 점이 꽤 걱정됩니다. 그리고 부의 창출뿐만 아니라 공동 번영도 균형을 이루는 경제 시스템을 찾지 못하면 우리의 자유를 해칠 수 있습니다.

샘 랜스보텀: 대화 전에 당신의 배경을 좀 찾아보면서 마음 챙김 낙관주의자라는 문구를 봤는데, 와닿았습니다. 그렇다면 미래의 긍정적인 버전에 도달하기 위해 무엇이 필요할까요? 부정적인 버전과 비교해서요.

에릭 브린욜프슨: 잠시 시간을 내어 정의하겠습니다 마음 챙김 낙관주의자. 왜냐하면 저는 그 단어에 매우 구체적인 의미를 부여하기 때문입니다. 실리콘 밸리에는 낙관주의자가 많지만, 너무 많은 사람들이 일종의 맹목적인 낙관주의자라고 생각합니다. 그들은 "에릭, 걱정 마. 과거에도 잘 풀렸잖아. 미래에도 잘 풀릴 거야. 그냥 진정해."라고 말합니다. 또한 제가 맹목적인 비관주의자라고 부르는 많은 사람들이 있습니다. 그들은 "세상에, 우리는 망했어. 우리가 할 수 있는 건 아무것도 없어."라고 말합니다. 저는 두 그룹 모두 같은 실수를 한다고 생각합니다.

이것은 프로그램 시작 부분에서 우리가 이야기했던 바로 그 내용입니다. 사람들은 AI가 우리에게 무언가를 행할 것이라고 생각하는 반면, 우리는 미래를 통제할 주체성을 가지고 있지 않다고 봅니다. 마음 챙김을 실천하는 낙관주의자는 미래를 보고 그것을 실현하기 위해 노력하며, 그것을 창조하는 데 주의를 기울이고 자동으로 일어날 것이라고 가정하지 않는 사람입니다.

그들은 크리스마스 아침에 선물이 마법처럼 나타나길 기대하는 아이들과 같지 않습니다. 대신 나무와 판자를 보고 '저기에 나무집을 지을 수 있겠네'라고 생각하는 아이들과 더 비슷합니다. 그리고 '저절로 생기지는 않을 거야. 어떻게 만들지 알아보자'고 말한 다음, 열심히 일하고 상상력을 발휘하여 그 낙관적인 현실을 만들어냅니다. 제가 보고 싶은 낙관주의는 바로 이런 종류입니다. 저는 이런 모습을 충분히 보지 못하고 있습니다. 너무 많은 수동성만 보고 있습니다.

지난 금요일 저는 스탠퍼드에서 제 수업의 마지막 강의를 했는데, 학생들에게 한 가지 말한 것은 'AI'라는 말을 들을 때마다 증폭된 의도를 생각해야 한다는 것이었습니다. AI는 의도를 증폭시키는 가장 위대한 도구입니다. 그들이 무엇을 성취하고자 하든 AI는 그것을 증폭시킬 수 있지만, 그 주체성과 의도 없이는 일어나지 않을 것입니다.

그래서 이것이 제가 더 넓은 세상에 전하고 싶은 메시지입니다. '우리의 가치관이 무엇인지, 어떤 경제를 형성하고 싶은지, 어떤 공동 번영을 창출하고 싶은지 생각해 봅시다.' 그리고 이것은 기술자들뿐만 아니라 정책 입안자, 시민, 노동자, 관리자 모두를 위한 것입니다. 이것을 적극적으로 사용하는 방법에 대해 진지하게 생각해 봅시다.

향후 10년 동안 세상은 급격하게 변할 것이라고 예상합니다. 하지만 피할 수 없는 단 하나의 미래는 없습니다. 예를 들어 미국과 멕시코 또는 다른 국가 간의 국경을 넘을 때, 서로 다른 제도가 매우 다른 결과, 다른 수준의 부와 민주주의로 이어진다는 것을 볼 수 있습니다. 이는 미래에도 마찬가지입니다. 우리는 다양한 가능한 미래 속에서 살 수 있습니다. 제가 디지털 경제 연구소에서 하고 있는 일 중 하나는 어떤 경로가 그러한 유익한 결과로 이어질 가능성이 더 높은지 이해하기 위한 많은 연구입니다.

샘 랜스보텀: 여기서 마무리하기에 좋은 방법이라고 생각합니다. 우리는 어느 방향으로든 쉬운 답을 가지고 있지 않습니다. 이득은 실제이고 피해도 실제이며, 어느 쪽이 승리할지는 지금 우리가 내리는 선택이며 우리가 통제할 수 있는 것입니다.

에릭 브린욜프슨: 그 어느 때보다도 말이죠. 흥미로운 점 중 하나는 지금이 철학자, 인문학자, 경제학자, 그리고 우리가 세상에 어떤 가치를 구현하고 싶은지 생각하는 사람들을 위한 시간이라는 것입니다. 더 큰 힘에는 더 큰 책임과 세상을 바꿀 더 큰 잠재력이 따릅니다. 따라서 우리는 앞으로 어떤 세상을 형성하고 싶은지 의식적으로 생각해야 합니다. 이에 대한 관심이 충분하지 않았다고 생각하지만, 디지털 경제 연구소는 부분적으로 이에 초점을 맞추고 있습니다.

샘 랜스보텀: 숫자와 미묘한 차이를 가져와 주셔서 감사합니다. 이번 여름 보스턴에서 뵙겠습니다.

에릭 브린욜프슨: 물론이죠. 기대하고 있습니다, 샘. 이야기 나누어서 좋았습니다.

앨리슨 라이더: 오늘 들어주신 모든 분들께 감사드립니다. 저희는 여름 방학을 맞이하며, 가을에 Instacart, GoFundMe, Dropbox, Honeywell의 흥미로운 연사 라인업으로 돌아오겠습니다. 그때 함께해 주세요.

그동안 Apple Podcasts 리뷰나 Spotify 평점을 남겨주시면 저희 쇼에 큰 도움이 됩니다. 저희 쇼가 여러분의 삶과 업무에 정말 영향을 미쳤다면, 연락을 주세요. 다음 주소로 연락하실 수 있습니다. smr-podcast@mit.edu여러분의 의견을 듣고 싶습니다.

나, 나 자신, 그리고 AI^® 는 Massachusetts Institute of Technology의 연방 등록 상표입니다.