아세모글루·콩·오즈다글라르의 동적 모형은 인간의 일반지식과 맥락지식이 서로 보완되고, 개인의 인지 노력이 사적 신호와 공적 신호를 함께 만든다고 본다. 이 프리프린트는 이 구조에서 AI의 정확도가 높아질수록 인간이 직접 판단하고 지식을 공유할 유인이 줄어들 수 있는지를 검토한다. 다만 “AI가 인간 지식을 필연적으로 붕괴시킨다”는 결론을 확정한 연구는 아니다. 저자들은 인간 노력의 반응 정도와 AI가 일반지식 축적에 기여할 수 있는지에 따라 결과가 달라진다고 설명한다.
도식의 출발점은 인간의 인지 노력이다. 노력은 즉각적인 의사결정에 쓰이는 사적 신호와 사회 전체가 공유하는 공적 신호를 동시에 만든다. 공적 신호가 쌓이면 일반지식의 재고가 늘고, 이 지식은 다시 AI 추천의 신뢰도와 인간의 의사결정 품질을 높인다. 반대로 에이전트형 AI가 사적 신호를 대신하면 인간이 추가로 노력할 유인이 줄고, 공적 신호의 생산까지 감소할 수 있다. 일반지식은 시간이 지나며 감가되므로 새 지식이 충분히 보충되지 않으면 AI가 의존하는 기반도 약해진다는 구조다.
논문이 제시한 경험적 단서는 제한적이다. 본문은 ChatGPT 출시 뒤 6개월 동안 Stack Overflow의 공적 지식 공유가 약 25% 줄었다는 기존 분석을 인용하지만, 이를 전체 산업이나 모든 지식 플랫폼에 적용할 수 있다고 단정하지 않는다. 핵심 변수인 ‘AI 정확도가 높아질 때 인간 노력이 얼마나 줄어드는가’도 아직 직접 측정되지 않았다. 저자들은 팀·기업·관할권별 AI 도입 시점 차이를 활용한 차분의 차이 또는 이벤트 스터디가 필요하다고 제안한다.
| 확인 항목 | 논문에서의 의미 | 해석할 때 주의할 점 |
|---|---|---|
| 공적 지식 공유 | Stack Overflow에서 약 25% 감소했다는 기존 분석 인용 | ChatGPT 출시 후 6개월과 비교군에 한정된 신호 |
| 일반지식 G | 사회가 축적한 공통 지식의 재고를 0~1로 정규화 | 실제 관측값이 아니라 모형 안의 상태변수 |
| 노력 탄력성 | AI 정확도 증가에 따라 인간 노력이 줄어드는 민감도 | 현재 직접 측정된 값이 없어 추가 실증 필요 |
| 정책 방향 | AI 정확도를 낮추기보다 인간 지식의 집합을 강화 | 구체적 실행 방식과 효과 검증은 후속 과제 |
따라서 이 작업의 의미는 재앙을 예고하는 데 있지 않다. AI가 개인의 판단을 빠르게 대체할수록, 조직과 사회가 지식을 기록하고 공개하는 활동을 별도로 설계해야 한다는 검증 과제를 제시한다. 실제 정책이나 기업 운영에 적용하려면 AI 도입 전후의 문서 작성량, 공개 답변, 코드 기여, 교육 참여 같은 지표를 함께 추적해야 한다. 현재 단계에서 가장 정확한 결론은 ‘조건에 따라 공통지식이 약해질 수 있으므로 그 크기를 측정해야 한다’는 정도다.
저작권자 © STORIUM 무단전재 및 재배포 금지
