AI 예측을 어렵게 만드는 마찰 요인들

AI의 영향을 정확히 예측하려면 기술적 역량뿐만 아니라, 기술이 도입되었을 때 전체 **생태계(Ecosystem)**가 어떻게 반응하는지를 이해해야 한다. 특정 워크플로우의 한 단계를 가속화하더라도, 다른 단계에서 **병목 현상(Bottleneck)**이 발생하면 전체 처리량은 늘어나지 않기 때문이다.

단순히 AI가 무엇을 할 수 있는지(Capability)를 넘어, 그 능력이 산업과 사회에 어떻게 적용되는지를 예측하는 것은 훨씬 어렵다. 많은 경우, 정보에 접근하는 능력과 그 정보를 바탕으로 실제로 행동하는 능력 사이의 간극을 간과하곤 한다.

영상의학(Radiology) 사례가 대표적이다. 2016년 당시 AI가 영상의학 전문의를 대체할 것이라는 예측이 있었으나, 실제로는 수요가 오히려 증가했다. AI가 이미지 해석 능력을 높여주었지만, 영상의학 전문의의 업무는 단순 이미지 판독을 넘어 환자와의 소통, 임상적 맥락 분석, 치료 결정 지원 등 훨씬 복잡한 과정을 포함하기 때문이다.

결국 AI 예측의 실패는 기술적 가능성에만 매몰되어, 실제 업무 환경의 사회적 인센티브와 워크플로우의 실체를 충분히 고려하지 못했기 때문에 발생한다.