본 논문은 인공지능 기술 발전에 따라 기업의 기술 정책 결정 최적화 문제에 대한 경제적 분석을 다룹니다. 몬테카를로 시뮬레이션 기반의 in-silico 프레임워크를 개발하여, 다양한 복잡성 수준의 작업 수행에 있어 인간 및 기계 기술의 경제적 영향 (개별 또는 결합 사용)을 분석합니다. 시뮬레이션 결과는 일반화 난이도가 낮거나 중간 수준인 작업에서는 자동화가 경제적으로 가장 효율적인 전략임을, 반면 복잡한 작업에서는 인간 기술의 경제적 효용성을 따라잡지 못함을 정량적으로 뒷받침합니다. 특히, 높은 수준의 일반화가 필요한 경우 인간과 기계 기술의 결합이 가장 효과적인 전략이 될 수 있지만, 진정한 증강(augmentation)이 달성될 때에만 가능함을 강조합니다. 증강이 이루어지지 않을 경우, 인간-기계 정책은 이중 기술 구조의 고유 비용으로 인해 가치를 파괴하고 경제적 관점에서 최악의 선택이 됩니다. 결론적으로, 인간과 기계 기술을 단순히 할당하는 것만으로는 충분하지 않으며, 인간-기계 기술 정책은 만능 해결책이나 저위험 전략이 아니며 경쟁력 향상을 위한 중요한 기회이지만 증강을 가능하게 하는 강력한 조직적 노력이 필요합니다. 또한 기계 기술의 비용 효율성을 개선하는 것은 증강에 대한 기본적인 필요성을 대체하지 못합니다.
