AI 시대의 생산성: 속도보다 지식 생태계, 효율보다 거버넌스

2026.06.19

#ai #productivity #governance #knowledge-ecosystem #digital-public-goods #conference

AI 시대의 생산성: 속도보다 지식 생태계, 효율보다 거버넌스

2026 한국생산성본부 춘계 컨퍼런스의 기조강연 자료 두 편을 훑었다.

첫 번째는 김학민 교수의 「생산성의 재정의와 지식 생태계의 진화」이고, 두 번째는 UNU Macau의 「Governing AI for Humanity」다. 하나는 AI가 생산성을 어떻게 바꾸는지, 다른 하나는 그 변화가 인류 전체에 이롭기 위해 어떤 거버넌스가 필요한지를 다룬다.

두 강연을 한 문장으로 묶으면 이렇다.

AI 시대의 생산성은 더 빨리, 더 많이 만드는 문제가 아니라 누가 지식 생산에 참여하고, 그 결과가 누구에게 이롭게 작동하는가의 문제다.

1. 생산성의 기준이 바뀌고 있다

전통적 생산성은 단순했다.

같은 시간에 얼마나 더 많이 생산하는가

그러나 AI 시대의 생산성은 단순 산출량보다 조율 능력에 가까워진다. 강연에서는 전통적 생산성이 “단위 시간당 산출물의 양”에 집중했다면, AI 시대의 생산성은 “데이터 맥락을 읽고 가치를 결정하는 조율 능력”으로 이동한다고 본다.

이 변화는 중요하다. AI를 잘 쓰는 사람은 단순히 일을 빨리 끝내는 사람이 아니라, 다음을 더 잘하는 사람이다.

어떤 데이터를 믿을지 판단한다.
AI가 낸 결과를 비판적으로 검증한다.
여러 도구와 지식을 연결해 새로운 의사결정 구조를 만든다.
개인의 업무 속도를 넘어 조직의 지식 흐름을 바꾼다.

그래서 AI 생산성은 더 이상 “툴 사용법”만의 문제가 아니다. 판단력, 맥락 이해, 검증 능력, 지식 공유 구조의 문제다.

2. AI 리터러시 격차는 새로운 양극화가 될 수 있다

첫 번째 강연에서 가장 강하게 남는 주제는 K자형 불균형이다.

AI는 누구나 쓸 수 있는 것처럼 보인다. 하지만 실제 생산성 향상은 모두에게 똑같이 일어나지 않는다. 접근성의 격차는 줄어들어도, 활용성과 인지적 격차는 오히려 커질 수 있다.

강연은 디지털 격차를 세 단계로 본다.

단계	격차의 성격
접근성 1.0	하드웨어와 인프라 보급 격차
활용성 2.0	기능 숙련도와 사용 경험의 차이
인지적 3.0	AI 통제, 비판, 판단 역량의 차이

이 관점이 좋았다. 이제 문제는 “AI를 쓸 수 있느냐”가 아니라 AI를 통제하고 검증할 수 있느냐다.

강연 자료의 직무별 AI 생산성 향상률도 이 문제를 보여준다.

직무 유형	AI 생산성 향상률
루틴 행정 작업	85%
데이터 분석	65%
창의적 기획	48%
복합 전략 수립	30%

단순하고 반복적인 일에서는 AI 효과가 크다. 반면 복잡한 전략 수립에서는 AI가 곧바로 답을 주기보다, 인간의 판단 구조를 보조하는 쪽에 가깝다.

여기서 위험이 생긴다. AI 결과물을 그대로 믿는 사람은 “가짜 생산성”에 빠지고, AI를 검증하고 재구성하는 사람은 더 높은 차원의 생산성을 얻는다.

AI가 쏟아내는 그럴듯한 산출물의 양적 팽창은 실질 가치를 왜곡할 수 있다.

이게 강연에서 말한 Novelty Trap, 즉 알팍한 참신성의 함정이다.

3. 지식 혁신은 SECI 2.0으로 이동한다

김학민 교수의 강연은 무역 통상 관점에서 지식 생태계를 설명한다. 기존 지식 경영의 SECI 모델을 AI 시대에 맞게 확장하는 식이다.

SECI 요소	AI 시대 해석
사회화 Socialization	AI가 문화적 관습과 거래 니즈를 학습하고 조율
외재화 Externalization	복잡한 FTA 협정문과 수입 규제를 코드/규칙으로 변환
종합화 Combination	물류, 관세, 지정학 리스크 데이터를 결합해 최적 경로 탐색
내재화 Internalization	신입 무역인이 AI 내비게이터를 통해 시니어급 노하우를 체화

여기서 흥미로운 개념은 HITL: Human-in-the-Loop다.

강연은 전문가가 AI 결과물을 검증하고 미세 조정하는 행위 자체가 가장 정밀한 데이터 라벨링이라고 본다. 즉 업무 과정 전체가 조직의 지능 자산이 된다.

이건 실제 업무 자동화에서도 중요하다. AI 자동화를 잘한다는 건 사람을 빼는 게 아니라, 사람의 판단이 들어가는 지점을 더 선명하게 설계하는 일이다.

AI가 초안을 만들고,
사람이 판단하고,
그 판단이 다시 조직의 지식으로 축적된다.

이 구조가 만들어질 때 AI는 단순 도구가 아니라 지식 생태계가 된다.

4. “New Better Than” 가설: 낮은 숙련자가 더 크게 도약할 수 있다

강연의 핵심 문장 중 하나는 이거다.

낡은 지식 체계에 갇힌 최고보다, AI 지렛대를 쥔 도전자가 강력하다.

이른바 New Better Than 가설이다.

기존 전문가 집단은 익숙한 성공 방식에 갇히기 쉽다. 반대로 하위 집단이나 주니어는 기존 방식에 덜 얽매여 있고, AI를 통해 빠르게 역량을 끌어올릴 수 있다.

자료에는 “하위 그룹 역량 상향 평준화 43%”라는 수치가 나온다. 정확한 맥락은 더 검증해야겠지만, 메시지는 분명하다.

AI는 숙련자의 생산성을 조금 높이는 도구이기도 하지만,
비숙련자에게는 역량 사다리가 될 수 있다.

사례도 흥미롭다.

소상공인은 AI로 언어 장벽을 넘고, 통상 리스크를 검토하고, 해외 마케팅을 자동화할 수 있다.
주니어 전문가는 AI 코파일럿으로 무역 구조 설계 보조까지 시도할 수 있다.
경력 단절 여성이나 관습에 묶이지 않은 주니어가 AI 비서와 함께 현업 복귀/대안 창출을 시도할 수 있다.

다만 여기에도 조건이 있다. AI가 사람을 끌어올리려면 AI 리터러시가 있어야 한다. 그냥 도구만 던져주는 것으로는 부족하다.

5. 삶의 질이 생산성 지표가 되어야 한다

첫 번째 강연의 후반부는 인간 중심 연구와 삶의 질(QoL)로 이어진다.

중요한 문장은 이것이다.

행복은 목적이며 기술은 수단이다.

전통적 생산성 지표는 매출, 효율화, 숙련도 향상, 오류 감소, 시스템 정착률 같은 것을 본다. 하지만 AI 시대의 생산성을 인간 중심으로 보려면 다른 지표가 필요하다.

산업 중심 전통 지표	인간 중심 혁신적 QoL 지표
매출 및 효율화	시간 주권의 회복
숙련도 향상 및 오류 감소	정서적 안녕과 몰입
시스템 정착률	자생적 창의 혁신 동기

이 관점은 꽤 중요하다. AI가 생산성을 높였다고 해도, 사람이 더 피곤해지고 더 감시받고 더 불안해진다면 그것을 좋은 생산성이라고 부르기 어렵다.

AI 생산성의 최종 질문은 이쪽에 가깝다.

시간을 줄였는가?
판단을 나아지게 했는가?
사람이 더 주체적으로 일하게 했는가?
삶의 질을 높였는가?

6. 거버넌스와 덕망은 같이 가야 한다

첫 번째 강연의 결론은 AI 거버넌스와 AI 덕망(Virtue)의 조화다.

자료는 둘을 이렇게 나눈다.

구분	AI 거버넌스	AI 덕망
성격	제도, 규제, 통제	품성, 시민 의식, 자발적 책임
역할	물리적 추락과 독점 방지	자발적 지식 사다리 공유
실행 동력	법적 처벌과 인센티브	상생과 포용의 의식

여기서 인상적인 문장:

거버넌스 없는 덕망은 무기력하고, 덕망 없는 거버넌스는 맹목적이다.

AI 윤리는 보통 규제 이야기로 흐르기 쉽다. 하지만 규제만으로는 부족하다. 법과 제도는 최소한의 울타리를 만들지만, 그 안에서 어떤 지식 문화를 만들지는 결국 사람과 조직의 태도에 달려 있다.

그래서 강연의 최종 제안은 세 가지로 정리된다.

지능의 민주화: AI 리터러시 강화로 하위 집단의 상향 이동을 돕는다.
TRADE AI 생태계: 고도화된 무역 지능으로 초지능 무역로를 개척한다.
상향 융합의 완성: 제도적 통제와 인간 덕망을 함께 성장시킨다.

7. UNU 관점: 오픈소스라고 공공재는 아니다

두 번째 강연은 시야를 개인과 조직에서 글로벌 거버넌스로 넓힌다. UNU Macau는 AI를 지속가능발전과 공공재의 관점에서 본다.

여기서 가장 중요한 문장은 이것이다.

오픈소스 접근만으로는 AI가 디지털 공공재가 되지 않는다.

AI 시스템이 공공재가 되려면 코드만 열려 있으면 안 된다. 데이터, 모델 가중치, 문서화, 배포 인프라, 평가 역량, 로컬 맥락, 지속 가능한 운영까지 함께 갖춰져야 한다.

강연은 AI Digital Public Goods를 위해 SAFE 프레임워크를 제안한다.

요소	의미
Standards	표준과 문서화
Accountability	책임성과 감시 구조
Finance	지속 가능한 재원
Equity	형평성과 접근성

이건 첫 번째 강연의 “AI 리터러시 격차”와 연결된다. AI를 공개했다고 해서 모두가 같은 출발선에 서는 것은 아니다. 개발도상국에는 컴퓨트, 로컬 언어 데이터, 평가 역량, 정책 역량이 필요하다.

공공재로서의 AI는 단순히 무료인 AI가 아니다.

접근 가능하고,
안전하고,
검증 가능하고,
로컬 맥락에 맞고,
지속 가능하게 운영되는 AI

이 조건을 만족해야 진짜 공공재에 가까워진다.

8. AI 거버넌스는 상호운용성이 필요하다

UNU 강연은 AI 안전 거버넌스의 상호운용성도 강조한다.

국가마다 규제 모델과 제도는 다르다. 하지만 AI는 국경을 넘는다. 그래서 윤리, 규제, 기술 표준이 최소한 연결될 수 있어야 한다.

강연은 상호운용성을 세 층위로 설명한다.

층위	필요 조건
윤리적 상호운용성	용어, 책임, 기본 가치의 공유
규제적 상호운용성	법적 정합성과 국가 간 조정
기술적 상호운용성	공통 표준, 프로토콜, 평가 인프라

특히 자율주행, 교육, 국경 간 데이터 이동 같은 고위험 영역에서는 더 명확한 책임 모델과 표준이 필요하다.

여기서 UN의 역할은 하나의 규칙을 강요하는 것이 아니라, 다양한 국가와 이해관계자가 대화할 수 있는 공통 기준과 장을 만드는 데 있다.

9. 정책결정에도 Agentic AI가 들어온다

UNU 자료에서 또 흥미로운 부분은 정책결정용 Agentic AI다.

공공정책은 복잡하다. 빈곤, 노숙, 보건, 노동시장, 재난 대응 같은 영역은 단일 지표로 판단하기 어렵다. Agentic AI는 정책 옵션을 사전에 시뮬레이션하고, 사회적 영향을 평가하는 도구가 될 수 있다.

다만 위험도 있다.

LLM은 로컬 맥락에 둔감할 수 있다.
온라인 데이터의 편향을 재생산할 수 있다.
그럴듯한 정책 제안을 만들지만 실제 책임을 질 수는 없다.

그래서 정책 AI에는 인간 감독, 지역 데이터, 윤리 프레임워크, 커뮤니티 참여가 필요하다.

이 부분은 개인 생산성 도구와도 닮았다. AI는 판단을 대체하기보다, 판단 전에 가능한 선택지를 넓히고 시뮬레이션하는 도구로 보는 편이 맞다.

10. 결국 생산성의 다음 질문은 “좋은 생태계”다

두 강연을 함께 보면 결론은 꽤 선명하다.

AI는 생산성을 높인다. 하지만 그 생산성이 좋은 방향으로 가려면 세 가지 조건이 필요하다.

첫째, AI 리터러시

AI를 쓰는 능력보다 중요한 것은 AI를 검증하고 통제하는 능력이다. 단순 활용 격차보다 인지적 격차가 더 큰 양극화를 만들 수 있다.

둘째, 지식 생태계

AI가 만든 결과를 개인의 산출물로만 소비하면 축적이 없다. 사람의 검증과 피드백이 조직의 지능 자산으로 남아야 한다.

셋째, 거버넌스와 덕망

제도는 최소한의 안전장치이고, 덕망은 그 제도를 살아 있게 만드는 문화다. 공공재로서의 AI도 마찬가지다. 공개만으로는 부족하고, 책임과 형평성과 지속 가능성이 있어야 한다.

개인적으로 남은 문장

이번 자료에서 가장 블로그에 남기고 싶은 문장은 이것이다.

AI 시대의 생산성은 속도의 문제가 아니라 지식 사다리를 어떻게 설계할 것인가의 문제다.

AI가 어떤 사람에게는 단순 자동화 도구가 되고, 어떤 사람에게는 새로운 역량 사다리가 된다. 차이는 도구 자체보다 그것을 둘러싼 리터러시, 조직 설계, 공공적 거버넌스에서 생긴다.

그래서 앞으로 생산성을 말할 때는 “얼마나 빨라졌는가”만 물으면 부족하다.

이 질문까지 같이 해야 한다.

누가 더 나은 판단을 하게 되었는가?
누가 지식 생산에 새로 참여하게 되었는가?
그 결과는 특정 집단의 독점이 아니라 공공의 역량으로 축적되는가?

AI가 진짜 생산성을 만든다면, 그것은 사람을 더 바쁘게 만드는 방식이 아니라 사람이 더 좋은 판단을 할 수 있는 생태계를 만드는 방식이어야 한다.