수원형사변호사 [기고]아마존도 이렇게는 안 한다 > 갤러리

수원형사변호사 [기고]아마존도 이렇게는 안 한다

페이지 정보

작성자 행복이 댓글 0건 조회 1회 작성일 25-12-20 17:22

본문

수원형사변호사 쿠팡은 미국 아마존의 사업 모델을 그대로 가져와서 설립한 기업으로 유명하다. 그렇다면 아마존도 쿠팡처럼 새벽배송을 기본값으로 운영하고 있을까?
대답부터 하자면 아니다. 현재 아마존은 쿠팡처럼 밤 11시59분까지 주문하면 다음날 오전 7시 전 도착을 보장하는 방식의 배송 서비스를 다수 소비자에게 제공하고 있지 않다. 미국에서는 당일 주간배송과 익일배송이 빠른 배송으로 인식된다.
아마존의 물류센터는 24시간 돌아가고, 센터에서 야간에 고정으로 근무하는 사람들도 있다. 아마존 물류센터의 속도 압박은 유명하다. 노동자들은 손목에 차는 바코드 스캐너와 모바일 기기로 작업 속도를 추적당하며, 시간당 물품 개수를 맞추지 못하면 경고를 받는다. 그러나 적어도 아마존 물류센터에서는 야간에 주간보다 강도 높은 노동을 시키는 정황은 없다. 레딧 같은 사이트를 보면 밤에 추워서 힘들었다는 불만도 있지만, 오히려 주간보다 사람이 적어서 좋았다거나 관리자가 재촉을 덜 했다는 후기도 보인다. 이는 새벽배송의 유무에 따른 차이로 이해된다. 밤새 마감을 2~3회 쳐내야 하는 쿠팡 물류센터는 날마다 ‘전쟁통’이라고 현장 노동자들은 증언한다.
배송부문은 어떨까. 아마존 배송부문은 배송 파트너사(DSP)와 플렉스로 나뉜다. DSP는 사실상 아마존의 하청업체고, 이 DSP의 직원인 전업 배송기사들이 배송을 담당한다. 아마존이 노조를 상대하지 않으려고 의도적으로 소규모 DSP 하청업체들을 만들어 택배노동자를 간접고용한 것이다. DSP 배송기사들은 시간을 매우 잘게 쪼개 움직이면서 하루 수백건의 택배를 맡는다. 업무량이 과도해서 화장실에 가기 어려울 정도라고 한다.
그러나 아마존 DSP 배송기사들도 밤에는 잠을 잔다. 이들의 주된 활동시간대는 아침부터 저녁까지. 할인행사 기간에는 밤 10시 이후까지 일하기도 하지만 그런 경우는 드물다. 택배노동자가 고정 야간노동을 하면서 24시간 내내 상품을 배송하는 시스템은 현재로서는 없다.
아마존 플렉스 노동자들은 앱으로 ‘블록’이라 불리는 시간과 물량을 예약해서 ‘긱’ 형태로 일한다. 이 플렉스 노동자들은 심야와 새벽에 일하는 사례가 더러 있다. 몇년 전부터 아마존이 플렉스 노동자에게 ‘오전 3시 반부터 7시’ ‘오후 10시부터 12시’ 같은 블록을 제시하고 있어서 그렇다.
아마존은 당연히 노동자를 24시간 움직여 더 많은 이윤을 뽑아내길 욕망할 것이다. 그런데 미국의 주거환경은 교외 단독주택 위주라서 야간에 빠른 배송이 어려울 뿐 아니라, 소비자들도 배송기사의 심야시간 방문을 달가워하지 않는다. 좀도둑인 줄 알고 배송기사를 위협하는 사람들도 있다. 그래서인지 아마존 플렉스 공식 블로그에는 ‘어둠 속에서 안전하게 배송하는 요령’(2024년)이라는 제목의 글이 올라와 있다. 아마존이 전국 단위 새벽배송을 원할지도 의문이지만 원한다 해도 미국에서는 쉽지 않을 것이다. 최근 아마존은 일부 도심지에서 ‘30분 배송’ 시범 서비스를 시작했지만, 이 서비스는 한국의 배민B마트와 비슷한 퀵커머스라서 택배 배송과는 다르다.
결국, 택배를 밤샘노동으로 만들어 수만명의 노동자에게 중량물을 들고 뛰어다니게 하는 시스템은 한국의 쿠팡이 유일하다. 쿠팡에서는 새벽배송 마감을 맞추기 위해 물류센터 노동자와 택배노동자 모두 극도의 시간 압박과 물량 부담을 떠안는다. 특히 야간 택배노동자의 경우 밤 9시부터 아침 7시까지 배송구역을 평균 2.88회 돈다. 휴식도 식사도 거의 못하고 매일 밤 속도전을 치러낸다. 문제는 그 속도전의 과정에서 사람이 갈려나가고 계단에 쓰러져 사망한다는 것이다. 운영 방식을 변경해서 노동자의 과로와 야간노동을 줄일 의지가 있는지, 쿠팡의 확실한 대답을 듣고 싶다.
최근 열린 인공지능(AI) 활용 대회 ‘AI TOP 100’에 참가했다. 팀에서 다양한 데이터를 처리해본 경험이 있는 터라 기세 좋게 온라인 예선 시각에 맞춰 컴퓨터 앞에 앉았다. 텍스트 추출 등 아주 새롭지는 않지만 결코 쉽지도 않은 문제들이 나왔다. 나름 계획을 세우고 AI에게 지시를 던졌다. 결과는 참패였다. 정답을 다 채우지도 못했다. 본선에서 우승한 개발자 김진중씨는 “기존 경험과 지식을 버리고 ‘AI 딸깍’을 시전했다”는 비결을 전했다. AI에게 문제와 데이터를 던져주고 풀라고 한 뒤, 마우스만 딸깍 눌렀다는 의미다. AI가 엉뚱한 방향으로 가면, 방법을 제시하지는 않고 조건과 목적만 상기시켰다고 한다.
확실히 AI의 코딩과 데이터 처리 실력은 놀랍다. 내 경우 AI가 더 잘하는 영역을 뭘 좀 안다며 개입했다가 화를 자초한 셈이다. 그러나 현시점 AI의 한계를 지적하는 목소리도 여전하다. 오픈AI의 수석과학자로 일했고, 세이프슈퍼인텔리전스(SSI)를 창업한 일리야 수츠케버는 최근 한 유튜브 인터뷰에서 “놀랍게도 어려운 문제를 풀어내면서 다른 한편으로는 같은 말을 왔다 갔다 반복하는 바보 같은 모습도 보인다”고 말했다. 프로그램의 버그를 고쳐달라고 했더니 두 번째 버그를 만들어내는 식이다.
인간처럼 배우고 탐구하는 AI비슷한 질문에 획일화된 답변다르게 생각하는 사람들 필요모두가 자신만의 AI를 가져야
매번 새로운 AI 모델이 발표될 때마다 벤치마크(성능 비교평가) 점수가 몇점 더 올랐다며 화제가 된다. 수츠케버는 이런 식의 평가와 현재 모델을 만드는 핵심 방법론인 강화학습이 AI의 시야를 좁히고 있다고 본다. 강화학습은 행동마다 점수를 매겨 사전학습을 마친 모델의 행동을 교정하는 방법인데, 존재하는 경우의 수를 모두 가르칠 순 없다. 점수를 높이는 데 초점을 맞추다 보니 현실 대응 능력이 떨어지기도 한다. 현재의 AI는 데이터와 매개변수를 엄청나게 늘리면서 도약했지만, 운전 같은 복잡한 일도 조금만 배우면 그럭저럭해내는 강건함(robust)을 지닌 인간에 비해 일반화 능력이 떨어진다.
올해 신경정보처리시스템학회(NeurIPS) 최우수 논문에서도 비슷한 주장이 나왔다. AI 석학 최예진 스탠퍼드대 교수가 참여한 이 논문은 언어모델들에 정답이 없는 개방형 질문을 던졌을 때 답변이 천편일률이라는 사실을 입증했다. “시간에 대한 은유를 써달라”고 요청하니 모델들은 대부분 “시간은 강이다”라는 똑같은 표현을 내놓았다. 연구팀은 이를 ‘인공 하이브마인드(Hivemind·집단지성)’라고 이름 붙였다. 서로 다른 회사에서 다른 데이터로 학습시켰다는 AI 모델들이 마치 하나의 뇌를 가진 것 같았다는 의미다. 연구팀이 추정한 원인도 강화학습이다. 모델들이 대체로 사람들이 동의하는 무난한 답변에 더 반응하도록 훈련받고, 평가가 엇갈리는 답변은 무시하도록 유도됐다는 것이다. 이 연구는 인류가 비슷한 답변을 내놓는 AI에 지속해서 노출된다면 사고방식도 획일화될 수밖에 없다는 우려에서 출발했다.
수츠케버는 AI의 규모를 키웠던 ‘스케일링 시대’를 넘어, 다시 근본을 파고드는 ‘연구의 시대’가 오리라 전망했다. 그는 궁극적인 AI의 모습이 만물에 통달한 초월자가 아니라 인간처럼 끊임없이 배우고 적응하는 ‘지속적 학습자’일 것이라 내다봤다. 마치 뭐든 흡수할 준비가 된 15세 아이처럼 말이다. 수츠케버는 인간의 모습에서 영감을 받는다고 말했다. 그는 인간의 판단에 결정적 영향을 끼치는 감정이나 사회적 욕구 같은 요소들이 어떻게 진화 과정에서 유전자에 새겨졌는지 궁금해한다. 지금 AI에는 아직 그런 요소가 빠져 있기 때문이다. 다양성도 과제다. 100만명의 ‘AI 수츠케버’를 만들면 어떻겠냐는 질문에 수츠케버는 “다르게 생각하는 사람들이 필요하다”고 말했다.
언젠가는 한계를 극복한 AI가 또 나올 것이다. 수츠케버는 5~20년 걸린다고 본다. 그는 “모두가 자신만의 AI를 가져야 한다”며 모든 것을 AI에게 맡기거나, 혹은 인간의 뇌를 AI에 연결하는 미래(둘 다 부정적이지만)가 있을 수 있다고 봤다. 두 영화가 떠올랐다. 앉아서 꼼짝도 않고 로봇에게 지시만 하는 <월E>의 인간과, AI 비서를 자유자재로 활용하는 <아이언맨>의 토니 스타크. 어떤 쪽으로 갈 것인가. 우리는 그런 질문 앞에 서 있다.
[참고자료]
▶지금 AI에겐 결정적인 '이것'이 없다 - 일리야 수츠케버
▶Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond)

댓글목록

등록된 댓글이 없습니다.

회원로그인

오늘 본 상품