디지털 이코노미 | 생글생글

디지털 이코노미
디지털 전환을 위한 '신호'와 '소음'의 분리

‘동학개미운동’이 한창이다. 코로나19 대감염 사태로 주가가 폭락하자 ‘개미’라고 불리는 개인투자자가 쌈짓돈을 들고 주식을 매입하기 시작했다. 1894년 반봉건·반침략을 가치로 내걸고 일어난 농민들의 사회개혁운동인 동학농민운동에 빗댄 반기관·반외인 운동인 것이다. 외국인이 쏟아낸 20조원이 넘는 매도 물량을 개인투자자가 받아냈다. 수익률도 높다. 지난 3월 19일 이후 6월 5일까지 개인투자자가 사들인 코스피 10개 종목의 수익률은 66.5%에 달한다.값비싼 대가의 근시안적 경영동학개미운동의 진정한 의미는 개미들의 대량 매입이라는 점에 있지 않다. 무엇보다 ‘장기적 관점에서 매수’라는 점에 있다. 단기적인 소음에 연연하지 말고 코로나19를 계기로 바겐세일이 시작된 가치 있는 주식을 장기간 보유한다면 노후 보장이 가능한 큰 수익을 얻을 수 있다는 것이다. 근시안적으로 판단하지 말라는 것이 동학개미운동의 핵심이다. 동학개미운동의 시사점은 디지털 전환을 목표로 하는 많은 기업에 유용하다. 기술기업을 표방하는 벤처기업은 물론 기존 영역에서 경쟁우위를 갖추던 전통적인 기업들 모두 근시안적 목표 달성을 추구하느라 장기적인 가치를 창출하지 못하고 있기 때문이다.단기 목표 달성에 목을 매는 기업들은 특정할 수 없을 정도로 많다. 다양한 출처의 설문조사에 따르면 최고경영자(CEO)와 최고재무책임자(CFO)의 80% 이상이 분기별 수익 목표를 맞추기 위해서라면 기꺼이 연구개발비를 줄일 용의가 있다고 대답했다. 하지만 장기적 관점을 지닌 기업의 움직임은 달랐다. 맥킨지글로벌연구소가 미국의 615개 상장회사가 14년간 기록한 성과를 살펴
디지털 이코노미
데이터 경제시대에 측정되지 않는 가치의 중요성

모든 것을 측정할 수 있는 시대다. 사물인터넷과 5G(5세대)로 구축된 빅데이터에 인공지능 분석 기술까지 더해진다면, 인간의 감각으로 찾아내지 못한 연결고리도 발견할 수 있는 시대다. 앞으로 더 많은 센서가 더욱 더 다양한 영역에서 사람들의 행동 하나하나를 세밀하게 쪼개고, 측정할 것이다. 디지털 전환의 시대에는 데이터를 많이 모을수록 우리가 최상이라고 생각하는 목표치를 달성할 가능성이 높아진다고 믿는다. 많은 기업과 정부가 데이터 중심의 경제가 가속화된다고 주장하는 이유다.측정되지 않는 가치의 중요성하지만 오늘날 데이터에 대한 관심은 측정된 데이터 그 자체에만 집중돼 있다. 측정되지 않는 가치의 중요성을 살펴보는 경우는 많지 않다. 인도 소액금융의 몰락은 측정된 데이터에만 집중하면 어떤 위험에 직면할 수 있는지 보여주는 좋은 사례다. 비제이 마하잔은 인도 소액금융의 선구자다. 마하잔이 소액금융을 시작한 계기는 2006년 노벨평화상을 받은 경제학 교수 무함마드 유누스가 설립한 그라민은행이었다. 유누스는 1970년대 방글라데시를 휩쓴 기근을 돕기 위해 사재를 털어 가난한 여성들에게 소액의 자금을 빌려주는 그라민은행을 설립했고, 여성들은 이 돈으로 대나무 가구를 만드는 사업을 시작해 재기의 발판을 마련할 수 있었다. 대출금이 소액이었던 만큼 상환율도 높았다. 이를 본 마하잔은 1996년 BASIX를 설립해 은행 문턱을 넘기에는 너무나 가난했던 인도의 많은 사람에게 소액을 대출해주는 사업을 시작해 재기의 발판을 제공해줬다. 이후 인도에서 소액금융산업은 빠르게 성장했고, 해외로부터 벤처자본 투자가 가세하자 그 속도는 배가 되었다. 2008년 4월부
디지털 이코노미
디지털 경제에서 과소측정되는 GDP

2014년 페이스북이 영국에서 낸 세금은 고작 4327파운드(약 660만원)였다. 이 소식이 알려지자 웨일스의 한 마을에서는 소규모 사업체 운영자들이 납세 거부 운동을 시작했다. 자신들이 납부한 세금이 페이스북보다 많았기 때문이다. 이 사건의 근본원인은 과세의 기본이 되는 생산활동을 측정하는 방식에 있다. 즉, GDP가 오늘날 디지털 경제 시대의 생산을 제대로 반영하지 못하고 있다는 의미다.국내총생산과 디지털경제경제성장의 기준이 되는 국내총생산(GDP:Gross Domestic Product)은 국가 단위를 기본으로 만들어진 개념이다. 일정 기간에 한 국가 내에서 새롭게 생산된 모든 재화와 서비스의 시장가치를 합해 산출한다. 문제는 오늘날 많은 기업의 생산활동이 국가의 경계와는 무관하게 이뤄지고 있다는 점이다. GDP 이전의 생산지표는 국민총생산(GNP:Gross National Product)이었다. 이는 국가가 아니라 국민과 기업을 단위로 측정된다. 국내에서 생산했든, 외국에서 생산했든 한 나라의 국민과 기업의 생산활동이라면 모두 생산에 반영했다. GNP에서 GDP로 생산지표가 변경된 이유는 다국적 기업의 등장 때문이었다. 아이폰의 개발은 캘리포니아에서 이뤄지지만 조립은 중국에서 이뤄지는 탓에 생산이 이뤄지는 중국을 기준으로 경제를 측정해야 한 국가의 생산활동을 올바르게 측정할 수 있다는 논리였다. 물론 다른 의견도 존재한다. 《공급충격(Supply Shock)》의 저자인 브라이언 체코는 GNP가 GDP로 바뀐 이유는 당시의 대통령이었던 조지 H W 부시 대통령이 자신의 경제적 성과를 크게 포장하기 위함이었다고 주장한다. 국가를 기준으로 생산기준을 바꾸면 미국 내 자동차와 전자제품 산업에 많은 투자를 했던 일본 기업
디지털 이코노미
조직 형태는 기술의 발전으로 갈수록 유연해지죠

조직은 사회 변화와 모습을 같이하는 사회적 발명품이다. 근대로 넘어오면서 전통과 관습에 얽매여 있던 개인들은 조직을 만들어 원하는 바를 얻기 시작했다. 현대로 접어들어 사회경제적 그리고 기술적 환경이 달라지면서 조직도 변화해왔다. 조직이 처음 등장할 무렵 대부분의 구조는 관료제였지만, 점차 유연하고 수직적인 격차를 줄인 구조로 바뀌어 나갔다.거래비용과 불확실성이 변화시킨 조직의 모습조직은 거래비용과 불확실성에 의해 모습을 바꿔왔다. 복잡하게 변화하는 환경에 적응하지 못하면 목표한 바를 이루기 어려웠기 때문이다. 20세기 중반 기업들의 성공방정식은 대량생산 방식의 도입이었다. 규모의 경제와 범위의 경제를 얼마나 크게 실현하느냐가 기업의 성패를 갈랐다. 미국의 포드와 GM, GE, 일본의 도요타와 닛산, 소니 등이 대표적이다. 이들 기업은 대량생산에 필요한 원료와 부품의 안정적 확보가 중요했기 때문에 엄격한 규칙과 위계에 의한 내부생산을 실시했고, 통제할 수 없는 부분은 외부에서 조달했다. 또한 안정적인 생산을 유지하기 위해 인력은 내부승진과 교육을 통해 장기적으로 관리했다. 평생직장이 가능했던 이유이다. 한편, 기업의 규모가 보다 커지자 개발이나 생산, 판매, 인사 등의 업무 영역이 지나치게 넓어져 관리가 어려워졌다. 그 결과 조직의 수직적 증가는 멈추고 수평적 확대가 시작됐다.20세기 후반이 되자 기업의 규모는 오히려 축소됐다. 정보통신기술(ICT)의 발달로 상품과 지식의 이동비용이 낮아지자 기업의 시선은 전 세계 시장으로 향하게 됐고, 생산설비를 저렴한 노동력을 갖춘 해외로 이전하기 시작했기 때문이다. 경쟁의 심화로 비용절감을

디지털 이코노미
기술발전이 초래하는 소득불평등에 관한 고민들

흔히들 돈이 돈을 버는 세상이라고 이야기한다. 이에 좌절한 혹자는 ‘자본주의의 문제는 누구나 자본을 소유하지 않는 것’이라고 표현하기도 한다. 경제학의 관점에서 세간의 불평은 맞기도 하고, 틀리기도 하다. 사람들이 생각하는 ‘자본’이란 재산과 연관된 것만을 떠올리지만, 가난하든, 가난하지 않든 세상에 태어난 모든 사람이 기본적으로 소유하는 자본인 인적자본도 존재하기 때문이다.자본의 종류와 소득 불평등자본은 전통자본과 인적자본으로 구분된다. 《21세기 자본》의 저자 토마 피케티는 전통자본이란 ‘어떤 시기 어떤 정부와 거주자들이 소유한 것 가운데 시장에서 거래할 수 있는 모든 것’이라고 정의했다. 일반적으로 이야기하는 자본은 전통자본에 가깝다. 유·무형의 자본, 금융과 비금융자본 모두가 여기에 포함된다. 구체적으로 건물, 주식, 지식재산권, 소프트웨어 등을 의미한다. 한편, 자기자신도 자본이다. 경제학자들은 이를 인적자본이라고 부른다. 인적자본이란 용어는 1920년대에 경제학자 아서 세실 피구가 처음 사용했다. 인적자본은 사람들이 천부적으로 타고난 재능과 일에서 쌓은 기술 모두를 의미한다. 인적자본은 다른 자본과 마찬가지로 투자할 수도 있고, 인적자본마다 가치가 다르고, 인적자본을 활용해 이익을 얻을 수도 있다.사람들은 교육과 업무 현장에서 쌓은 인적자본을 통해 돈을 벌기도 하고, 전통자본을 활용해 돈을 벌기도 한다. 문제는 기술 발전으로 전통자본이 인적자본을 대신하기 시작하면서 인적자본을 통해 벌어들이는 소득은 줄어들고, 전통자본으로 얻는 소득은 높아진다는 점이다. 기술의 발전이 일자리 문제뿐만
디지털 이코노미
기술발전이 초래할 마찰적 기술실업과 구조적 기술실업

“인간은 기술의 단기 영향은 과대평가하고, 장기 영향은 과소평가하는 경향이 있다.” 미래학자 로이 아마라의 말이다. 이는 앞으로 어떤 일이 나타날지 판단할 때 유용한 기준이 된다. 특히 기술 발전이 일자리에 어떤 영향을 미칠지 살펴보는 과정에 많은 도움이 된다. 조급함에 빠져 단기적인 측면에 한정하지 않고 장기적인 영향까지 고려할 수 있는 긴장감을 잊지 않도록 도와주기 때문이다. 마찰적 실업과 구조적 실업을 살펴보는 일이 그것이다.케인스의 기술적 실업1920년대 케인스는 ‘기술적 실업’을 소개했다. 그는 노동력을 적게 쓸 수단을 발견하는 속도가 노동력의 새로운 쓰임새를 찾아내는 속도보다 빠른 탓에 발생하는 실업을 기술적 실업으로 정의했다. 케인스의 기술적 실업은 이후 크게 주목받지 못했다. 신기술의 도입은 어떤 분야에서 인간의 일을 대체했지만, 한편으로 다른 분야에서는 기존에 없던 새로운 일을 만들어냈기 때문이다. 지금까지는 밀고 당기는 힘의 균형이 일자리의 전체 수를 늘리는 결과를 낳으면서 신기술 도입에 따른 과도한 우려를 경계해야 한다는 목소리에 힘을 실어줬다. 많은 제조업 현장에서 자동화 수준이 상당히 진행됐음에도 불구하고 여전히 노동의 시대를 살아가고 있는 이유다.마찰적 기술실업의 등장마찰적 실업은 스스로를 실업상태에 둘 때 발생한다. 여기서 ‘마찰’이란 다른 직장을 구할 수 있음에도 불구하고 노동자들이 자유롭게 이동하지 못하는 요인을 의미한다. 오늘날에는 기술이 마찰의 원인으로 작용하고 있다. 기술은 진보하지만, 일자리는 비례해 증가하지 않기 때문이다. 과거에는 기술진보에 맞춰 노동시장의
디지털 이코노미
코로나19 대감염으로 앞당겨진 디지털 전환

미래가 앞당겨졌다. 다가올 듯 다가오지 않던 디지털 시대가 세계적인 신종 코로나바이러스 감염증(코로나19)대감염으로 인해 현실에 불쑥 등장했다. 거리두기로 멈춰진 오프라인 활동은 온라인으로 대체됐다. 집에서 업무를 하며 화상으로 논의해야 했고, 인터넷 강의와 학습이 일상화됐다. 신기술이 미칠 장점과 해로운 효과를 따져볼 여유가 없었던 탓에 조심스럽게 미래로 미뤄두었던 일들이 일순간에 현실이 돼버렸다.비대면 서비스의 강화코로나19 대감염으로 등장한 서비스는 사실 새로운 기술은 아니다. 다만, 해당 서비스가 초래할 부정적 영향으로 인해 활용을 주저하고 있었을 뿐이다. 그 가운데 사람을 대신하는 비대면 서비스는 대감염 전후로 활용도가 크게 달라진 분야다. 문제는 비대면이 사람과 사람이 접촉하지 않음을 의미할 뿐만 아니라 사람이 해야 할 업무를 기계가 대신한다는 점이다. 대체로 해로운 힘은 한계가 있기 마련이지만 그 경계는 불분명하고, 상황에 따라 계속해서 변화한다. 학자들은 그 경계가 어디인지 알아내려고 끊임없이 노력했다. 노력은 크게 두 방향이었다.첫 번째는 대면접촉이 필요하거나 공감이 필요한 영역은 인공지능이 인간의 역할을 대신할 수 없으리라는 가설이다. 1980~2012년 사이 사람과 상호작용이 필요한 일자리가 미국에서 12%나 증가했다. 많은 전문가가 공감, 창조성, 판단, 비판적 사고와 같은 인간만 지니는 특성이 활용된 일자리는 절대 자동화되지 않을 것이라고 응답한 2014년 퓨 리서치센터의 설문조사도 이를 뒷받침한다. 다른 하나는 목적이 명확하고, 데이터가 풍부한 업무는 대체될 수 있다는 시각이다. 즉, 단순한 업무는 자동화되기 쉽다는
디지털 이코노미
인간 두뇌를 닮을 필요가 없어진 인공지능의 진화

오늘날 인공지능(AI)은 더 이상 인간의 뇌 구조를 모방하려 하지 않는다. 9세기 수학자 무함마드 이븐 무사 알콰리즈미의 이름을 딴 ‘알고리즘’은 여러 단계에 걸친 명령어 집합을 의미한다. 하드웨어의 처리 능력과 데이터가 부족하던 시절의 알고리즘은 인간을 그대로 본뜨려 했지만 오늘날 인공지능은 알고리즘이 인간의 뇌 구조에 얼마만큼 가까워야 한다는 목적에서 출발하지 않는다. 그저 해결해야 할 과제를 잘 수행할 수 있는지만을 고민한다.인공지능 발전의 역사인공지능에 대한 관심은 아주 먼 옛날부터 시작됐다. 3000년 전 호메로스는 신이 만든 세 발 달린 의자가 신이 부를 때마다 저절로 굴러왔다는 이야기를 전했고, 아리스토텔레스는 이 세상 모든 도구가 스스로 상황을 인지해서 알아서 움직인다면 일의 세계가 어떻게 바뀔지를 고민했다. 본격적인 연구는 1947년 앨런 튜링에 의해 시작됐다. 이후 인공지능 연구는 록펠러 재단의 지원으로 불이 붙는 듯했지만, 1980년대까지 진전이 없어 연구는 활기를 잃었고, ‘인공지능의 겨울’이라 불리는 침체기를 맞이한다.당시의 인공지능 연구가 진전이 없었던 가장 큰 이유는 인간의 두뇌를 모방하려 했기 때문이다. 두뇌의 실제 구조를 복제해 인공신경망을 만들려 했고, 인간의 추론 과정을 모방하고자 했다. 이들에게는 인간 자체가 복잡한 계산기라는 믿음이 깔려 있었다. 인공지능 개발을 위한 노력은 1997년 IBM이 개발한 인공지능 시스템 ‘딥블루’가 당시 세계 체스 챔피언 가리 카스파로프를 이기면서 새로운 국면을 맞이했다. 딥블루는 엄청난 연산력을 바탕으로 챔피언을 물리쳤다. 흥미로운 점은 딥블루가 가리 카스

21 22 23 24 25 26 27 28 29 30