[기술 발전은 어떤 변화를 야기하는가? - AI, 로보틱스 또 이후 더 발전될 기술들에 대하여]

아마, 기술이 발전하며 가장 많이 나오는 이야기 중 하나가
‘기술이 발전해서 일자리가 사라진다.‘
’이것도 다 자동화되고하면 사람은 뭐하고 사냐‘
가 아마 대표적인 이야기라고 생각합니다.

1. 어느정도는 사실이지만, 기술 발전을 너무 비관적으로 바라보는 것보다는 낙관적으로 바라보는 것이 자기 자신, 미래 예측 측면에서 더 좋다고 생각합니다.
AI나 로봇 등...의 테크 성장이 인간의 일을 대체한다는 말은 과장이 아니라 어느정도는 현실입니다.
예를 들어서, 제조업 현장에서는 로봇이 반복적이고 위험한 작업을 맡고, 콜센터에서는 챗봇이 1차 응대를 담당하고, 사무직에서는 자동화 도구가 보고서 작성과 데이터 정리 등을 대신합니다.

이런 변화는 당연히 기존 업무 구조를 바꾸고 어떤 직무들은 축소되거나 사라지기도 하는 것이 사실입니다. 그래서 많은 사람들이 기술 발전 = 일자리가 사라진다. 라는 등식을 쉽게 세워버립니다.

하지만, 역사를 조금만 돌아보면 기술이 일자리를 없애기만 하지는 않았다는 것을 알 수 있습니다. 산업혁명 때에도 기계가 도입되면서 많은 노동자가 일자리를 잃을 것이라는 두려임이 있었고, 러다이트 운동까지 했음에도 불구하고 그 과정에서 새로운 산업, 새로운 직업들이 더 많이 생겨났습니다.

차가 생기고 인력거꾼이 사라지고, 택시 운전사와 버스, 지하철 등으로 바뀌었지만 이동수단이라는 사업은 존속해왔습니다. 오히려, 이동수단이라는 사업 측면에서는 파이가 늘어났다고 보는 것이 옳습니다. 과거의 인력거꾼의 숫자보다, 현재 운송 및 이동수단 측면에서 노동하는 인력의 수는 늘었습니다.

테크의 발전은 기존 일자리를 없애는 것이 아니라, 일의 형태를 재편하는 것에 가깝습니다.

단순 반복 작업은 줄어들고, 더 효율적이게 변하고, 사람들의 창의적, 전략적 영역의 가치가 더 확장된다고 봐야합니다.

2. 기술 발전은 일종의 기회의 민주화입니다.
기술 발전으로 인해서 특정 계층, 특정 국가에만 있던 능력이 도구를 통해 평준화되고 접근성이 높아지기 때문입니다.
AI 번역 덕분에 영어를 완벽히 못 해도 해외 자료를 읽고 소통할 수 있고, 코딩을 몰라도 자연어로 앱이나 웹 서비스를 만들 수 있으며, 고가의 장비가 없어도 촬영/편집/배포까지 가능한 시대가 되었습니다.

예전에는 능력, 운, 배경, 큰 자본이 있어야 접근할 수 있던 기회가 이제는 도구를 사용할 의지와 조금의 돈, 시간만 있다면 어느정도 기회를 잡을 수 있는 시대가 된 것입니다.

물론, 이 말은 곧 같은 출발선에 서는 사람이 많아진다는 뜻이기도 합니다. 이제 중요한 것은 도구를 얻는 것보다는 도구를 어떻게 활용해 나만의 가치와 관점을 만들어내는가의 '활용'측면이 중요하다는 것입니다.

3. 더 많은 사람들이 더 유의미한 분야에 더 전문적으로 몰두하게 만든다.
기술 발전은 더 유의미한 분야에 시간을 쏟고, 투자할 수 있는 기회를 만들고
개개인이 더더욱이 전문적으로 몰두하고, 전문적인 영역으로 깊게 들어가는 시간을 획기적으로 단축시켜주며
작업에 소요되는 시간들을 엄청나게 줄일 수 있고, 효율성이 높아집니다.

보고서 초안을 AI가 대신 써주면, 사람은 내용의 방향을 고민하고 수정하며 더 깊은 작업물을 만드는 데에 더 집중할 수 있고
로봇이 생산라인을 맡으면, 사람은 안전 문제, QC, 공정 설계 및 효율화 등과 같은 더 고차원적인 문제에 집중할 수 있습니다.

이렇게 반복 작업을 줄이고, 사고와 창의성이 필요한 부분에 에너지를 집중하게 해주는 것이 기술 발전이 줄 수 있는 중요 이점 중 하나입니다.
즉, 굳이 큰 시간을 투자할 필요가 없는 곳에 큰 시간을 들이지 않아도 된다는 것이죠.

4. 그러나 자동으로 좋은 미래가 오지는 않는다.
기술이 있다고 해서, 저절로 더 좋은 미래가 오진 않습니다.
기술은 어디까지나 도구이고, 그 도구를 어떻게 설계하고, 어떻게 활용하는 지는 인간의 선택입니다.

개개인이 어떻게 잘 활용하는 지가 매우 큰 요소가 될 것입니다.
그리고, 지금 시점은 대부분의 사람들이 어떻게 활용해야 할 지 감을 못 잡고 있으며 아마 최소 3~5년간은 대부분의 사람들이 높은 수준의 활용을 보여주지 못할 것입니다. 따라서, 지금 선점하고 엣지를 가져가야합니다.

결국, 도태되고 뒤쳐질 위험인가, 앞서나갈 기회인가의 측면에서 바라보아야합니다. 같은 변화여도 누군가에게는 위험이 되고, 누군가에게는 기회가 됩니다.

기술 자체가 사람을 도태시키는 것이 아니라, 기술 변화에 적응할 수 있게 도와주는 환경의 유무, 그리고 그 안에서 우리의 적극성과 태도가 결과를 갈라놓습니다.

기술 발전은 흑과 백의 양면이 있고, 누군가에게는 엄청난 기회고, 누군가에게는 위기인 큰 파도입니다.
그 파도 앞에서 우리는 눈을 감고 휩쓸려 갈 것인지, 그 파도를 주체적으로 컨트롤하며 탈 것인지를 선택하고 행동해야 할 것입니다.

#에세이 #생각 #AI #로보틱스 #테크 #Tech #인사이트

[Comet (Agentic Browser) 작업기능 실제 사용 영상 - 암호화폐 일주일간 투자요약 + 일주일간 뉴스 요약 글 써서 업로드하기]

사용법 : 개인 설정에서 이걸 키고, 퍼플렉시티에서 요청하면 바로 해줍니다.

동영상에는 탭을 다수 열어서 동시 작업하는 것도 포함되어있고, 어떤 식으로 실제 사용하시면 되는지 예시도 포함되어있습니다.(암호화폐 펀드레이징, 뉴스 등... 요약해서 글 올리기)

영상 작업하는 시간이 좀 답답하니 2배속으로 보시길
웹에서 할 수 있는 대부분의 것을 Agent가 자동으로 해주는 것이 이제 가능합니다

1. Agent가 만든 글 (펀드레이징)
2. Agent가 만든 글 (암호화폐 뉴스)

#AI #AI_Agent #Agentic_Browser #AI_AGENTICE_BROWSER #Perplexity #Comet #Browser #Tech

[GraphRAG : AI와 데이터베이스의 진화]

아마 테크에 관심이 있는 사람이라면 한 번쯤은 들었을 기술일 것이라고 생각합니다.
RAG(검색증강생성)는 LLM이 답변을 생성하기 전에 데이터베이스에서 관련 정보를 검색하여 활용하도록 하는 기술입니다.
즉, 문서 데이터에서 단순 검색하여 검색 결과를 가지고 답변을 생성하는 것입니다.
이 과정에서 어떤 것을 검색할지는 벡터로 변환한 유사도를 기반으로 제공합니다.
하지만, GraphRAG의 경우에는 지식 그래프를 구축해 관계를 따라가며 찾습니다. 또한, 거시적인 맥락을 파악하여 답변을 제공합니다.

유사도 기반의 RAG 기술은 유사도가 떨어지지만, 관계가 있는 정보가 있다면 연결해내지 못합니다.
하지만, GraphRAG 기술은 유사도가 떨어져도, 관계가 있는지를 파악해서 연결해두기 때문에 추후 데이터를 활용할 때 더 넓게 유의미한 것들을 다룰 수 있게 됩니다.

GraphRAG는 정보를 저장할 때, 이미 있는 정보들간의 관계를 구축하고 - 추후 정보를 꺼내서 사용할 때에 그 관계를 기반으로 정보를 제공하는 것입니다.
즉, 정보 저장의 체계화 구조를 만드는 것입니다. (정보가 들어오면, AI가 검토해서 내용이 관련성이 있는 것들과 자연스럽게 연결시키고, 다른 요소들과 중간에 있는 요소를 생성해서 연결시킴, 추후 정보가 필요할 때는 연결되어 있는 것들을 다 검토하고 검색엔진에서 검색하여 정보를 추가하여 더 질 좋은 결과를 제공함.)
마치, 나무위키에서 '백종원'을 검색하면 태그(상위범주)에 '요리사', '방송인', '기업인'이 나오는 것과 같고 관련 인물에 '안성재'와 같은 사람이 나오는 것이죠. 하위 범주로는 '더본코리아'와 같은 내용이 나올 것이구요.

즉, AI가 활용할 수 있는 데이터베이스의 구조화와 데이터 연결에서 사용되는 기술이며, 이러한 구조는 개인들에게도 적용되어 더 높은 지식 저장의 데이터베이스(메모)가 될 수 있습니다.

몇몇 분들은 이미 개인이 굳이 기억하지 않아도 되는 '세컨드브레인'이라는 것에 관심을 크게 가지고 있는 것으로 아는데, 세컨드브레인이 실제 가능해지려면 GraphRAG 기술은 필수적이라고 생각합니다.
또한, 정보를 수집하는 것의 범위를 광범위하게 시각적 데이터, 청각적 데이터 등...을 통합하여 하나의 정보로 구축하고 다루려면 그 광대한 정보를 다루기 위한 GraphRAG 기술이 무조건적으로 필요해집니다. 저는 이러한 기술이 기반이 되어서, 스마트글래스와 같은 웨어러블 기기들이 수집하는 정보를 AI를 활용한 GraphRAG DB가 정보들을 관리하고, 나무위키처럼 각 항목별로 연결을 시켜 구축하고, 추후 사용자가 요청할 때 AI가 해당 DB에서 연결되어 있는 정보들을 기반으로 더 높은 결과를 제공할 수 있을 것이라고 생각합니다. 또한, 이러한 기술이 개인화된 지적 구조 및 AI를 구축하는 데에 필수적이라고 생각하고 있습니다.

개인적인 생각이지만, 이러한 과정에서 엄청난 비용이 드는 것은 사실입니다. 하지만, 계속해서 기술이 발전하며 비용이 절감되고 있는 상황입니다.
그래픽카드가 급등했고, 램이 현재 급등한 상태입니다. 추후, 막대한 양의 데이터를 효율적으로 관리할 수 있는 시대가 온다면 그때는 데이터를 저장할 수 있는 저장공간이 문제가 되는 시기가 오지 않을까?라고 생각하고 있습니다. 다음 타자는 SSD와 같은 저장공간 수요가 폭발하지 않을까...라고 조심스럽게 예측하고 있습니다.

#AI #GraphRAG #RAG #DB #데이터 #LLM #웨어러블 #스마트글래스 #Wearable #Tech #생각 #인사이트 #리서치