요약

● 생성형 AI의 빠른 확산과 함께 생성형 AI의 활용이 다양한 산업 및 직무의 생산성에 미치는 영향에 대한 관심이 높아지며, 이를 측정하기 위한 연구들이 등장
- 생성형 AI의 도입과 활용이 개인 수준에서 이루어지기에 미시적 수준에서 생성형 AI가 생산성에 미치는 영향을 정밀하게 분석하기 위한 시도로 다양한 실험 연구들이 등장
● 생성형 AI를 활용하여 특정 과업을 수행하는 실험군과 그렇지 않은 대조군의 과업 결과물을 비교하는 실험이 다양한 모집단, 환경, 그리고 과업을 대상으로 수행되었고, 대다수의 연구에서 생성형 AI 활용에 따른 생산성 향상을 관측
- 실험참가자들의 실제 근무 환경에서 현장실험(Field Experiment)을 진행한 Brynyolfsson et al.(2023), Jia et al.(2024), Dell’ aqua et al.(2024)은 생성형 AI 활용에 따라 실험참가자들의 실제 직무 생산성이 각각 순서대로 약 9~15%, 113~133%, 12~42% 증가하는 것을 확인
- 통제된 환경에서 실험실 연구(Laboratory Experiment)를 진행한 Noy and Zhang(2023), Haslberger et al.(2024)은 생성형 AI 활용에 따라 실험참가자들의 생산성이 각각 약 15~56%, 18~67% 증가함을 확인
* Kim and Moon(2024)는 실험실 연구를 통해 생성형 AI의 환각(Halluciation)에 따른 생산성 감소(약 -12.5%)를 확인
※ 위에 나열한 실험 기반 생산성 향상 (또는 감소) 추정값은 과업의 종류, 실험설계, 과업 결과물의 평가 방법 등에 따라 매우 상이하므로 이들 추정값들 간의 비교 또는 해석에 주의 필요
● 향후에는 생성형 AI의 생산성 경로 파악 또는 비문자 기반 과업에 대한 생산성 측정을 위한 연구가 필요할 것
- 기존 연구들은 생산성 향상 여부에만 초점을 맞추고 있어, 더욱 효율적인 생성형 AI 활용 방안 모색을 위한 생산성 향상 경로에 대한 연구는 부족
- 또한, 기존 연구들에서 활용된 과업들은 대부분이 문자기반 과업으로 작화(Illustration)와 같은 비문자 기반 과업에서의 생산성 변화를 분석하는 연구 역시 필요