No signs of AI payoff outside the tech sector
기술 업종 밖에서는 AI 성과가 보이지 않는다
Apollo는 Mag 7의 매출과 이익률은 오르지만 S&P 493에서는 정체됐고, AI가 생산성 증가를 이끈 흔적도 없다고 주장합니다. 기업 업무에 AI를 적용하려면 판단과 맥락, 검증 가능성까지 고려해야 한다는 지적입니다.
- 주제
에디터 노트
AI가 기술 업종에서 쓴다는 것과 다른 업종의 매출이나 생산성을 높인다는 것은 별개의 주장입니다. Apollo는 직원 1인당 매출과 이익률, 생산성 증가율을 근거로 들지만 본문에는 차트의 수치나 비교 기간이 없습니다. 이 자료만으로 AI가 효과를 내지 못한다고 단정하기보다, 실적 지표에서 아직 효과가 드러나지 않았다는 주장으로 읽는 편이 정확합니다. 댓글에서 제기된 검증 가능성 문제는 업종별 차이를 설명하는 데 설득력이 있습니다. 코드에는 테스트와 리뷰 같은 확인 절차가 있지만 다른 업무에서는 결과의 정확성을 판단하는 비용이 더 클 수 있습니다. 반면 전기화와 컴퓨터처럼 투자 뒤 효과가 통계에 늦게 잡힐 수 있다는 반론도 나왔습니다. 현재 성과와 장기 효과를 가르는 데 필요한 기준과 기간은 Apollo의 본문에 제시되지 않았습니다.
AI 요약
Apollo의 글은 AI 투자가 커졌지만 기술 업종 밖에서는 기업 실적 개선으로 이어진 흔적이 없다고 주장합니다. Mag 7에서는 직원 1인당 매출과 이익률이 오르는 반면 S&P 493에서는 정체됐고, 생산성 증가율에서도 AI 효과가 보이지 않는다는 설명입니다. 글은 이를 뒷받침하는 차트를 언급하지만 수치를 본문에 제시하지는 않습니다.
기업의 AI 지출
벤처 투자 기업은 토큰 사용량을 늘리고 있지만 일반 기업은 최신 모델에 비용을 지불할 필요를 느끼지 않는다고 Apollo는 봅니다. 모델 지능이 저렴해져도 이를 매출 성장이나 이익률 개선으로 연결하기는 쉽지 않습니다. 사업 판단에는 맥락과 책임, 신뢰, 조직 문화, 윤리와 공정성 같은 요소가 작용하기 때문입니다. 따라서 AI의 경제적 성과는 기술 대기업보다 나머지 S&P 493에서 판가름 난다는 것이 글의 결론입니다.
Hacker News 반응
- @jstanley — "1987년에는 컴퓨터가 어디에나 보였지만 생산성 통계에는 나타나지 않았다"는 말을 떠올리게 합니다.
- @oa335 — 생산성 역설을 다룬 자료를 참고할 만합니다. 제 댓글은 정확히 말하면 개인용 컴퓨터보다 컴퓨팅 전반에 관한 이야기입니다.
- @tapoxi — 소프트웨어에는 검증 관문 역할을 하는 테스트 스위트가 있습니다. 다른 업종에는 그런 장치가 없어 AI가 틀린 말을 하는지 사람이 직접 확인해야 하고, 그 과정이 더 비싸고 느려질 수 있습니다.
- @secabeen — 전기화 때처럼 AI의 효과도 산업 구조를 다시 설계한 뒤에야 나타날 수 있습니다. 기존 공장에 전기 모터를 그대로 끼우는 것보다 모터에 맞춘 새 공장을 지을 때 큰 이득을 얻었다는 비유입니다.
- @realusername — 개인 프로젝트에서는 AI를 좋아하지만 직장 업무에서는 생산성 효과가 지금까지 조금 부정적이었다고 합니다.
- @jerf — AI가 개발 업무의 분 단위 작업 방식은 바꿨지만 전체 업무 개선은 2~2.5배 정도로 봅니다. 테스트와 코드 리뷰 같은 안전장치가 있는 소프트웨어 분야에서도 AI 결과를 계속 확인해야 하므로, 그런 장치가 약한 분야에서는 적용이 더 어렵다고 설명합니다.
원문: Apollo / 번역·요약: Trawling