본 논문은 인공지능 기술 발전에 따라 기업들이 직면하는 기술 정책 결정 최적화 문제를 다룬다. 경제적 원리를 바탕으로 한 몬테카를로 시뮬레이션 기반의 인 실리코 프레임워크를 개발하여, 다양한 복잡성 수준의 작업 수행에 인간 및 기계 기술을 개별적으로 또는 공동으로 적용했을 때의 경제적 영향을 분석한다. 시뮬레이션 결과는 일반화 난이도가 낮거나 중간 수준인 작업에서는 자동화가 가장 경제적으로 효율적인 전략이지만, 더 복잡한 시나리오에서는 인간 기술의 경제적 효용성을 따라잡지 못할 수 있음을 정량적으로 뒷받침한다. 특히, 높은 수준의 일반화가 필요하고 오류 비용이 높은 경우 인간과 기계 기술을 결합하는 것이 가장 효과적인 전략이 될 수 있지만, 진정한 증강이 이루어질 때에만 가능하며, 시너지 효과를 창출하지 못하면 오히려 경제적 손실을 초래할 수 있음을 보여준다. 따라서 복잡하고 중요한 상황에서는 인간과 기계 기술을 단순히 할당하는 것만으로는 충분하지 않으며, 인간-기계 기술 정책은 만능 해결책이나 저위험 전략이 아니라 경쟁력 향상을 위한 중요한 기회이며, 증강을 가능하게 하는 강력한 조직적 노력을 필요로 한다는 결론을 제시한다. 또한, 기계 기술의 비용 효율성을 개선하는 것은 증강에 대한 기본적인 필요성을 대체하지 못한다는 점을 보여준다.
