본 논문은 생성형 AI(GenAI) 도구의 등장으로 인한 인간 노동자의 보완 또는 대체 가능성에 대한 논쟁을 수학적 틀을 통해 분석합니다. 인간과 GenAI의 상호 보완적인 강점을 반영하여 기술을 의사결정 수준과 행동 수준의 하위 기술로 분해하는 새로운 모델을 제시합니다. 하위 기술 능력의 변화가 작업 성공에 미치는 영향을 분석하고 성공 확률의 급격한 변화 조건을 밝힙니다. 또한, 상호 보완적인 하위 기술을 가진 노동자들을 결합하는 것이 단일 노동자에 의존하는 것보다 훨씬 더 나은 성과를 내는 충분 조건을 확립합니다. 이는 GenAI 지원으로 저숙련 노동자의 생산성 향상이 더 큰 폭으로 나타나는 생산성 압축 현상을 설명합니다. O*NET 및 Big-Bench Lite 데이터를 사용하여 실제 데이터와 모델을 하위 기술 분할 방법을 통해 정렬하여 프레임워크의 실용성을 보여줍니다. 연구 결과는 GenAI가 인간의 기술을 대체하기보다는 어떻게 그리고 언제 보완하는지를 강조합니다.
