최근 사이언스 저널에 발표된 연구는 ChatGPT와 같은 최신 대형 언어 모델(LLM)을 사용하면 수백 개의 직업에서 평균 14%의 작업을 50% 이상 더 빠르게 처리할 수 있으며, 이는 품질을 유지하거나 심지어 향상시킬 수 있다고 주장합니다. 특정 업무에 맞게 조정할 수 있는 추가 소프트웨어를 고려하면, 이러한 혜택을 누릴 수 있는 직업별 업무 비율은 평균 46%로 급증합니다.

이러한 통계가 뉴스 편집 직종에서는 어떻게 나타날까요? 뉴스 분석가, 기자, 저널리스트의 경우 연구진은 이들의 일반적인 업무 중 16.7%는 LLM의 도움을 받을 수 없지만, 43.3%의 업무는 현재 LLM의 혜택을 받을 수 있으며 나머지 40%의 업무는 추가 소프트웨어가 제공될 경우 혜택을 받을 수 있다고 추정합니다. 편집자의 경우 23.8%의 업무가 도움이 되지 않으며, 52.4%는 현재 LLM의 혜택을 받고 있고, 나머지 23.8%는 추가 소프트웨어가 포함될 때만 혜택을 받을 것으로 예상됩니다.

이러한 추정치는 AI가 이러한 업무 수행 방식을 크게 바꿀 잠재력을 가지고 있음을 시사합니다. 하지만 비판도 있을 수 있습니다: 예를 들어, 저는 주석 작성자가 저널리즘에서 평가 작업에 대한 '품질'의 개념을 제대로 파악하고 있는지에 대해서는 회의적입니다. 그리고 AP와의 자체 설문조사에 따르면 생성형 AI가 효율성을 향상시킬 수 있는 만큼 프롬프트와 편집 형태로 더 많은 작업을 만들어낼 수도 있다고 합니다. 향후 포스팅에서 이에 대해 더 자세히 다룰 예정이지만, 지금은 이러한 문제를 제쳐두고 보면 뉴스 제작의 핵심 편집 업무가 LLM에 의해 대폭적으로 효율성이 향상될 가능성은 그럴듯한 그림으로 그려집니다.

LLM을 특정 업무에 맞게 조정하고 시스템과 워크플로우에 통합하는 소프트웨어가 구축되면 기자의 경우 83%, 편집자의 경우 76%의 업무에서 상당한 효율성 향상을 실현할 수 있습니다. 이 수치는 근본적으로 자동화가 아닌 증강에 관한 것이라는 점을 강조하는 것이 중요합니다. 여전히 사람이 필요하지만 훨씬 더 효율적일 뿐입니다. 소규모 및 지역 미디어에 대한 시사점은 매우 흥미롭습니다. 1~2명의 인력으로 전체 커뮤니티를 효과적으로 커버할 수 있다고 상상해 보세요.

증강 효율성 관점에서 제너레이티브 AI의 가치를 실현하려면 뉴스 조직에는 (1) 현 세대 LLM을 사용할 기술을 갖춘 사람과 (2) 새로운 사내 도구를 구축하여 잠재력을 최대한 발휘할 맞춤형 소프트웨어를 개발할 사람이 필요합니다. AI를 연구하는 다른 노동 경제학자들도 제너레이티브 AI가 “기존 콘텐츠 제작 업무의 난이도를 감소”시킬 수 있으며, 이는 제너레이티브 AI 도구 사용 증가로 인해 다른 제작 기술 중요성이 줄어들 수 있음을 의미한다고 제안했습니다.

이 글의 나머지 부분에서는 지난 몇 년 동안 뉴스 조직 채용 패턴 데이터를 분석하여 이러한 문제에 대해 무엇을 배울 수 있는지 살펴봅니다. 특히 저는 온라인 구인 광고를 종합적으로 스크랩하여 직업, 산업, 기술별로 표준화하는 회사 Lightcast의 미국 내 채용 공고 데이터를 사용합니다. 경제협력개발기구(OECD)의 이전 연구에서도 이 데이터를 사용해 AI 관련 노동 패턴을 조사했지만, 뉴스 산업에 특별히 주목하지 않았습니다.

저는 NAICS 코드에 정의된 미국 뉴스 산업의 세 가지 부문(신문 출판사, 텔레비전 방송국, 라디오 방송국)과 이들 산업 내 편집 업무를 반영하는 ONet 코드에 정의된 네 가지 직종(뉴스 분석가, 기자 및 저널리스트, 편집자, 프로듀서 및 감독), 그리고 이들 산업 내 기술 업무를 반영하는 두 가지 직종(데이터 과학자 및 소프트웨어 개발자)에 초점을 맞춰 분석했습니다. AI 관련 기술은 172개의 관련 기술 및 자격증으로 구성된 '인공지능 및 머신러닝(AI/ML)' Lightcast 오픈 기술 분류체계 하위 범주 기반으로 태그 지정됩니다.

ChatGPT 출시 후 19개월(12/22~6/24)의 데이터와 그 이전 같은 기간(5/21~11/22)의 데이터를 비교하여 ChatGPT 출시 이후 생성형 AI 확산 및 이에 대한 과대광고가 상황을 어떻게 변화시켰는지 살펴봅니다.