맥킨지(McKinsey), 생성형 AI의 경제적 잠재력에 대한 보고서 발간 (66p/PDF/영어)
(mckinsey.com)보고서 목차와 주요 인사이트 정도를 DeepL로 번역해보았습니다.
(⚠️따라서, 한국어 내용이 원문과 다를 수 있으니 반드시 원문을 함께 읽어주세요!⚠️)
보고서 목차
- 주요 인사이트 / Key insights
- 1장: 기술 촉매로서의 생성형 AI / Chapter 1: Generative AI as a technology catalyst
- 용어집 / Glossary
- 2장: 직종 및 산업 전반의 생성형 AI 사용 사례 / Chapter 2: Generative AI use cases across functions and industries
- 살펴보기: 소매 및 소비재 / Spotlight: Retail and consumer packaged goods
- 살펴보기: 은행 / Spotlight: Banking
- 살펴보기: 제약 및 의료 제품 / Spotlight: Pharmaceuticals and medical products
- 3장: 생성형 AI의 미래: 업무, 경제 성장, 생산성에 미치는 영향 / Chapter 3: The generative AI future of work: Impacts on work activities, economic growth, and productivity
- 4장: 기업과 사회의 고려 사항 / Chapter 4: Considerations for businesses and society
- 부록 / Appendix
주요 인사이트
생산성에 대한 생성형 AI의 영향력은 전 세계 경제에 수조 달러의 가치를 더할 수 있습니다. 최근 연구에 따르면 생성형 AI는 분석 대상인 63개 사용 사례에서 연간 2조 6천억 달러에서 4조 4천억 달러에 해당하는 가치를 추가할 수 있는 것으로 추정되며, 이에 비해 2021년 영국의 전체 GDP는 3조 1천억 달러였습니다. 이는 모든 인공 지능의 영향력을 15~40% 증가시킬 것입니다. 이러한 사용 사례 외에 현재 다른 업무에 사용되는 소프트웨어에 생성형 AI를 내장하는 것의 영향을 포함하면 이 추정치는 약 두 배가 될 것입니다.
Generative AI’s impact on productivity could add trillions of dollars in value to the global economy. Our latest research estimates that generative AI could add the equivalent of $2.6 trillion to $4.4 trillion annually across the 63 use cases we analyzed—by comparison, the United Kingdom’s entire GDP in 2021 was $3.1 trillion. This would increase the impact of all artificial intelligence by 15 to 40 percent. This estimate would roughly double if we include the impact of embedding generative AI into software that is currently used for other tasks beyond those use cases.
생성형 AI 사용 사례가 제공할 수 있는 가치의 약 75%는 다음 네 가지 영역에 걸쳐 있습니다: 고객 운영, 마케팅 및 영업, 소프트웨어 엔지니어링, R&D. 16개 비즈니스 기능에 걸쳐 이 기술이 하나 이상의 측정 가능한 결과를 창출하는 방식으로 특정 비즈니스 과제를 해결할 수 있는 63개의 사용 사례를 조사했습니다. 고객과의 상호작용 지원, 마케팅 및 영업을 위한 창의적인 콘텐츠 생성, 자연어 프롬프트에 기반한 컴퓨터 코드 초안 작성 등 다양한 작업을 지원하는 생성형 AI의 기능을 예로 들 수 있습니다.
About 75 percent of the value that generative AI use cases could deliver falls across four areas: Customer operations, marketing and sales, software engineering, and R&D. Across 16 business functions, we examined 63 use cases in which the technology can address specific business challenges in ways that produce one or more measurable outcomes. Examples include generative AI’s ability to support interactions with customers, generate creative content for marketing and sales, and draft computer code based on natural-language prompts, among many other tasks.
생성형 AI는 모든 산업 분야에 걸쳐 큰 영향을 미칠 것입니다. 은행, 하이테크, 생명과학은 생성형 AI가 매출에 미치는 영향이 가장 클 것으로 예상되는 산업들입니다. 예를 들어, 은행 업계에서는 사용 사례가 완전히 구현될 경우 이 기술이 연간 2,000억3,400억 달러에 해당하는 가치를 추가로 제공할 수 있습니다. 소매 및 소비재 분야에서도 잠재적 영향력은 연간 4,000억6,600억 달러에 달합니다.
Generative AI will have a significant impact across all industry sectors. Banking, high tech, and life sciences are among the industries that could see the biggest impact as a percentage of their revenues from generative AI. Across the banking industry, for example, the technology could deliver value equal to an additional $200 billion to $340 billion annually if the use cases were fully implemented. In retail and consumer packaged goods, the potential impact is also significant at $400 billion to $660 billion a year.
생성형 AI는 개별 작업 일부를 자동화하여 개별 작업자의 역량을 강화함으로써 업무의 구조를 바꿀 수 있는 잠재력을 가지고 있습니다. 현재의 생성형 AI 및 기타 기술은 오늘날 직원 업무 시간의 60~70%를 차지하는 업무 활동을 자동화할 수 있는 잠재력을 가지고 있습니다. 이와는 대조적으로, 이전에는 기술이 직원 업무 시간의 절반을 자동화할 수 있는 잠재력을 가지고 있다고 추정했습니다. 기술 자동화의 잠재력이 가속화되는 것은 전체 업무 시간의 25%를 차지하는 업무 활동에 필요한 자연어 이해 능력이 생성형 AI의 향상으로 인해 크게 증가했기 때문입니다. 따라서 생성형 AI는 다른 유형의 업무보다 임금과 교육 요구 사항이 높은 직종과 관련된 지식 업무에 더 많은 영향을 미칩니다.
Generative AI has the potential to change the anatomy of work, augmenting the capabilities of individual workers by automating some of their individual activities. Current generative AI and other technologies have the potential to automate work activities that absorb 60 to 70 percent of employees’ time today. In contrast, we previously estimated that technology has the potential to automate half of the time employees spend working. The acceleration in the potential for technical automation is largely due to generative AI’s increased ability to understand natural language, which is required for work activities that account for 25 percent of total work time. Thus, generative AI has more impact on knowledge work associated with occupations that have higher wages and educational requirements than on other types of work.
기술 자동화의 잠재력이 증가함에 따라 근로 혁신의 속도는 더욱 빨라질 것으로 보입니다. 기술 개발, 경제성, 확산 일정을 포함한 업데이트된 도입 시나리오에 따르면 2030년에서 2060년 사이에 오늘날 업무 활동의 절반이 자동화될 것으로 예상되며, 중간 시점은 2045년으로 이전 추정치보다 약 10년 앞당겨질 것으로 예상됩니다.
The pace of workforce transformation is likely to accelerate, given increases in the potential for technical automation. Our updated adoption scenarios, including technology development, economic feasibility, and diffusion timelines, lead to estimates that half of today’s work activities could be automated between 2030 and 2060, with a midpoint in 2045, or roughly a decade earlier than in our previous estimates.
생성형 AI는 경제 전반의 노동 생산성을 크게 높일 수 있지만, 이를 위해서는 근로자가 업무 활동을 전환하거나 직업을 변경할 때 이를 지원하기 위한 투자가 필요합니다. 생성형 AI는 기술 채택률과 근로자의 시간을 다른 활동으로 재배치하는 비율에 따라 2040년까지 매년 0.10.6%의 노동 생산성 성장을 가능하게 할 수 있습니다. 생성형 AI와 다른 모든 기술을 결합하면 업무 자동화를 통해 연간 0.23.3% 포인트의 생산성 성장을 추가할 수 있습니다. 그러나 근로자는 새로운 기술을 배우는 데 도움이 필요하며 일부는 직업을 바꾸게 될 것입니다. 근로자의 전환과 기타 위험을 관리할 수 있다면 생성형 AI는 경제 성장에 실질적으로 기여하고 보다 지속 가능하고 포용적인 세상을 지원할 수 있습니다.
Generative AI can substantially increase labor productivity across the economy, but that will require investments to support workers as they shift work activities or change jobs. Generative AI could enable labor productivity growth of 0.1 to 0.6 percent annually through 2040, depending on the rate of technology adoption and redeployment of worker time into other activities. Combining generative AI with all other technologies, work automation could add 0.2 to 3.3 percentage points annually to productivity growth. However, workers will need support in learning new skills, and some will change occupations. If worker transitions and other risks can be managed, generative AI could contribute substantively to economic growth and support a more sustainable, inclusive world.
생성형 AI의 시대는 이제 막 시작되었습니다. 이 기술에 대한 기대감이 고조되고 있으며 초기 파일럿 사례는 매우 흥미롭습니다. 그러나 이 기술의 이점을 완전히 실현하려면 시간이 걸리며, 비즈니스와 사회의 리더들은 여전히 해결해야 할 과제가 많습니다. 여기에는 생성형 AI에 내재된 위험 관리, 인력에 필요한 새로운 기술과 역량 결정, 재교육 및 새로운 기술 개발과 같은 핵심 비즈니스 프로세스의 재고 등이 포함됩니다.
The era of generative AI is just beginning. Excitement over this technology is palpable, and early pilots are compelling. But a full realization of the technology’s benefits will take time, and leaders in business and society still have considerable challenges to address. These include managing the risks inherent in generative AI, determining what new skills and capabilities the workforce will need, and rethinking core business processes such as retraining and developing new skills.