AI payoff depends on human adoption (KOR)

Lee Soo-hwa

The author is a research professor of Big Data Innovation Convergence College at Seoul National University and the head of the AI Center at DLG Law Corporation.

The most expensive productivity experiment in history has begun. Four major U.S. technology companies are expected to spend a combined $695 billion to $725 billion on capital investment this year. Wall Street is asking a simple question: When will all that spending on steel, electricity and silicon turn into cash flow? The answer to that query will not be found in how many sentences chatbots produce but in how many real tasks AI completes.

This distinction matters because the scale of investment alone does not guarantee productivity. Data centers can be built quickly, but institutions change slowly. Unless students and workers learn to restructure daily processes around AI, expensive computing capacity may remain underused or devoted to low-value conversation.

If conversational AI is tourism, then autonomous AI agents are immigration. A tourist arrives at a place, explores and asks questions but ultimately leaves. An immigrant, on the other hand, settles down. When a procurement AI agent can analyze orders, inventory and delivery schedules; propose corrective action; and complete the approval process, the technology is no longer a toy. At that point, it has become an employee.

The question “Why learn coding when AI can do it?” resembles asking why people should study mathematics when calculators exist. The point is not to memorize programming syntax but to learn how to break a problem into parts, define inputs and outputs, anticipate exceptions and verify what AI produces. Someone must still judge whether AI’s result is correct and accept responsibility when it is not.

Korea is already filled with robots and smart factories. But workers often cannot freely use the data generated by their own factories. Software and data remain locked behind a fence built by vendors. Employees bear the blame when experiments fail but receive little authority, recognition or reward when they succeed. Under such conditions, no one wants to be the first to cross the divide.

Software instruction has expanded, but information technology and coding will still not be an independent section of the College Scholastic Ability Test in 2028. Subjects excluded from the entrance exam are easily pushed to the margins at school. China, meanwhile, has taken a different path. It placed AI and coding education within its national strategy in 2017, then introduced related high school textbooks and experimental schools the following year. When the state sets a direction, classrooms tend to follow.

Coding should become a given subject, comparable to Korean, English and mathematics. But it must not be taught through multiple choice questions. Students should be evaluated based on whether they can clean and structure data, build an environment in which AI can work and interpret and verify AI-generated analysis and visualization.

Companies must make the same transition. They should give employees access to data, application programming interfaces, experimental spaces and rewards, then gradually expand the workers’ authority. Employees cannot be expected to innovate while every useful tool remains locked away and every mistake carries a penalty.

Investors also need better measures. Subscriber totals and login counts reveal little about productivity. The number of paid tasks completed, revenue per task, inference costs and the time and expenses saved by customers are more useful indicators. A taxi driving in circles can keep its meter running, but it is not taking its passenger anywhere.

As AI handles more work, demand for AI-specific memory chips and high-performance storage will rise in tandem. But one line of AI-generated code does not immediately result in a semiconductor order. For memory demand to grow exponentially, AI must process a rapidly expanding volume of meaningful work.

That requires classrooms and workplaces to change first. Korea’s AI competitiveness will come alive only when everyone can assign real work to AI, examine the results and take responsibility for them. When that transformation spreads in schools, offices and factories, it will ultimately appear in the order books of the country’s semiconductor plants.

수백조 AI 투자, 승부처는 교실과 일터다

이수화 서울대 빅데이터혁신융합대학연구교수·법무법인 디엘지AI센터장

역사상 가장 비싼 생산성 시험이 시작됐다. 미국 빅테크 네 곳의 2026년 설비투자는 6950억~7250억 달러에 이른다. 월가가 묻는 것은 하나다. 철근과 전력, 실리콘은 언제 현금흐름으로 돌아오는가. 답은 챗봇이 쏟아낸 말이 아니라 AI가 끝낸 과업의 수에 있다.

채팅이 ‘관광’이라면 자율적으로 작업을 수행하는 AI 에이전트는 ‘이민’이다. 이민자는 질문에 답하는 데서 그치지 않고 매일 일을 끝낸다. 구매담당자의 에이전트가 발주·재고·납기를 분석해 조치안을 만들고 승인까지 마친다면 AI는 장난감이 아니라 직원이다.

“AI가 있는데 코딩은 왜 배우나”라는 질문은 “계산기가 있는데 왜 수학을 배우나”와 닮았다. 중요한 것은 문법 암기가 아니라 문제를 쪼개고 입력과 출력, 예외를 설계하며 AI의 결과를 검증하고 책임지는 능력이다.

한국은 이미 로봇과 스마트공장으로 넘친다. 문제는 현장 직원이 자기 공장의 데이터를 마음대로 활용하지 못한다는 점이다. 코드와 데이터는 공급업체의 울타리 안에 갇혀 있고, 실패의 책임은 직원이 지고 보상은 없다. 아무도 먼저 울타리를 넘지 않는다.

소프트웨어 교육시간은 늘었지만, 정보와 코딩은 2028학년도 수능에서도 여전히 독립 영역이 아니다. 입시에 없는 과목은 학교에서 주변부로 밀려나기 쉽다. 반면 중국은 2017년 AI·코딩 교육을 국가 전략에 포함시키고 이듬해 고교 교재와 실험학교를 도입했다. 국가가 방향을 먼저 정하면 교실도 그 방향으로 움직인다.

코딩은 국어·영어·수학에 버금가는 기초 문해력이 되어야 한다. 다만 객관식 문제로 박제되어서는 안 된다. 평가는 데이터를 정제·구조화해 AI가 일할 환경을 만들고, AI의 분석과 시각화를 인간이 해석·검증하는 능력을 봐야 한다. 기업도 직원에게 데이터와 응용프로그램인터페이스(API), 실험 공간과 보상을 제공하고 권한을 단계적으로 넓혀야 한다.

투자자는 가입자 수나 접속 횟수보다 유료 과업의 수와 과업당 매출, 추론비용, 고객이 절감한 시간과 원가를 봐야 한다. 길을 잃고 제자리를 도는 택시도 미터기는 잘 올라간다.

AI가 처리하는 일거리가 늘어날수록, AI 전용 메모리와 고성능 저장장치 수요도 함께 커진다. 다만 AI가 코드 한 줄을 쓴다고 해서 반도체 주문서가 바로 날아오는 것은 아니다. 메모리 수요가 기하급수적으로 늘어나려면, 결국 우리의 교실과 일터가 먼저 변해야 한다.

모두가 AI에게 직접 일을 시켜보고 그 결과를 검증할 때, 그 경쟁력은 결국 대한민국 반도체 공장의 주문서로 돌아온다.