AI의 상한선과 사회적 활용 하한선: 호들갑 없이 이행기를 보는 법

AI의 능력이 무한히 커지리라는 가정을 세우지 않아도, AI가 경제와 사회에 큰 충격을 줄 가능성을 설명할 수 있다. 핵심은 서로 다른 두 축을 구별하는 것이다. 기술의 능력 상한선은 모델이나 로봇이 장기적으로 어디까지 가능해질 것인가에 관한 미지수다. 사회적 활용 하한선은 이미 이용 가능한 능력이 조직과 생활에 얼마나 낮은 수준으로 흡수되었는가에 관한 관찰이다. 두 축을 하나의 그래프로 그리면, 기술이 더 발전하지 않더라도 도입·배치·확산만으로 많은 변화가 벌어질 수 있다는 사실이 드러난다.

이 구분은 AI에 대한 극단적 찬반을 모두 경계한다. 한쪽은 초지능이 곧 사회를 일거에 뒤집는다고 믿고, 다른 쪽은 모델의 오류를 근거로 사회적 영향을 과소평가한다. 두 주장 모두 중간의 긴 이행기를 잘 보지 못한다. 미래의 상한선은 불확실하되 현재의 도입 간극은 현실적인 연구 대상이라는 것이 출발점이다.

두 상한선이 아니라 두 종류의 거리

첫 번째 거리는 현재의 모델 성능과 장기 기술 가능성 사이의 거리다. 더 많은 학습 데이터와 계산, 새로운 아키텍처, 검증 도구, 로봇의 촉각과 조작 능력이 이를 바꿀 수 있다. 그러나 어느 단계에서 수익체감이 심해질지, 반도체·전력·자료의 물리적 한계가 어디에서 걸릴지 미정이다. 상한선이 존재한다는 것은 합리적인 가설이지만 그 높이를 지금 확정할 수는 없다.

두 번째 거리는 오늘 이미 가능한 도구와 실제 사회의 배치 수준 사이의 거리다. 번역, 자료 정리, 문서 비교, 코드 보조, 검색, 고객 응대, 영상·교육자료 제작처럼 일부 업무에서 기술이 작동하더라도 기업의 보안규정, 법적 책임, 기존 정보시스템, 예산, 직원 훈련, 신뢰와 관성이 도입을 늦춘다. 기술을 사용할 수 있다는 것과 조직이 신뢰할 만한 절차로 쓰고 있다는 것은 다르다.

따라서 다음 네 가지 시간을 분리한다.

능력이 일정 수준에서 정체하더라도 비용 하락과 확산이 지속된다면 사회적 충격은 커질 수 있다. 반대로 능력이 빠르게 커져도 공급망·규제·현장 책임이 병목으로 남으면 변화는 늦어진다. 이 둘을 분리해야 정확한 이행기 서술이 가능하다.

능력의 상한선을 말하되 상한선에 미래를 맡기지 않는다

연산을 늘리면 더 큰 모델을 훈련할 수 있지만, 이미 학습한 모델이 여러 답을 생성·검증하는 추론 계산(test-time compute)도 늘릴 수 있다. 데이터센터가 커졌다고 전부 새로운 범용지능이 탄생하는 것은 아니다. 같은 수준의 모델을 수많은 사람에게 동시에 제공하거나, 한 문제를 여러 경로로 풀게 하는 능력도 커진다. 탐색과 검증이 부실하면 계산만 늘려도 잘못된 결론을 반복할 수 있다. 계산의 확대와 지능의 확대는 관련되지만 동일하지 않다. AI 계산·추론의 층위가 이를 기술적으로 설명한다.

상한선 논쟁의 위험은 최종 승패만을 중심으로 현재의 이행 비용을 지워버리는 것이다. AI가 인간의 모든 과업을 대신하지 못해도 사무실의 반복 처리, 초급 코딩, 정형 서비스 일부를 충분히 바꿀 수 있다. 인간에게 남는 과업이 있다는 사실은 기존 일자리의 인원수와 임금을 보장하지 않는다. 반대로 일부 과업이 자동화됐다는 사실 역시 전체 직업이 사라졌다는 증거는 아니다.

경제학적 ‘노-호들갑’: 관측 가능한 것의 단위를 엄격하게 지킨다

세상에 대한 공포를 덜 느끼는 태도만이 냉정함은 아니다. 공포가 겨누는 대상을 기술 능력, 조직 채택, 노동 과업, 재정과 자산의 구조로 바꿔 다시 묻는 것이 더 유용하다.

• 노출은 대체가 아니다. IMF가 제시한 선진국 약 60%, 세계 약 40%의 AI 노출도는 사라질 일자리의 비율이 아니다. 고임금 사무직이 더 많이 노출되면서 보완성과 대체성은 산업마다 갈린다. ILO의 다른 지표와도 분모가 다르므로 단순 비교하면 안 된다.
• 생산성이 곧 생활 개선은 아니다. AI 사용 기업의 비용 감소와 임금노동자의 구매력은 별개다. 자동화가 빨라질수록 실직과 재고용, 가격 하락과 임금 감소, 조세와 사회보장의 시간차가 중요해진다.
• 자본은 하나의 이해관계가 아니다. 칩과 연산자원을 소유한 자본, 소비시장에 의존하는 기업, 은행채권자, 부동산 보유자는 충격을 서로 다르게 받는다.
• 물리 세계가 남는다. 로봇의 조작 실패, 전력·냉각·부품과 수리, 데이터센터의 감가상각은 모델의 계산 속도와 무관하게 작용한다.
• 제도는 자동 소멸하지 않는다. 국가의 과세·강제력과 시민의 연합, 기업 사이의 경쟁은 극단적 자동화 시나리오를 바꾼다.

IMF의 2024년 「Gen-AI: Artificial Intelligence and the Future of Work」와 재정 논의는 이런 태도를 잘 보여준다. AI 과업 노출을 곧 실직으로 읽지 않고, 실업보험·임금보험·훈련·자본소득 과세 및 지나친 자동화 유인을 만드는 세제 검토를 다룬다. 2025년 「AI Adoption and Inequality」라는 워킹페이퍼를 둘러싼 논의에서는 임금 격차가 일부 줄더라도 자본수익이 집중되면 부의 불평등은 커질 수 있다는 분리를 강조했다. 2026년 새 기술과 일자리의 채용공고 분석에서는 선진국 공고 약 10개 중 1개에 새로운 기술 요구가 나타난다는 식의 관측을 소개했다. 이 숫자들은 서로 다른 연구·대상과 시점의 주장으로 보존해야 하며 AI의 보편적 효과로 합쳐서는 안 된다.

AI 경제 이행기는 케인스적 유효수요, 과업의 대체·복원, 혁신 병목, 제도적 분배라는 서로 다른 분석 틀을 설명한다. 이행기의 정책 공백은 개별 노동자에게 합리적인 재훈련이 총고용 문제의 해답이 아닐 수 있다는 점을 따진다.

진짜 충격은 완성형 AI보다 이행 중인 경제에서 생길 수 있다

가능한 연쇄 중 하나는 자동화 확대, 일부 노동소득의 약화, 상환능력 저하, 은행과 자산시장의 불안, 정부의 소득지원 및 금융안정 개입이다. 이것은 인과적으로 반드시 발생하는 시간표가 아니다. 가격 하락·신규 수요·정책지원·직업 이동에 따라 얼마든지 달라진다. 다만 모두가 최종적으로 풍요로워질 수 있다고 해도 중간에 대출을 상환해야 하는 가계는 그 미래를 담보로 오늘을 견디지 못할 수 있다는 점은 설명된다.

노동자의 교섭력이 약해지는 것과 투표권·법적 권리가 없어지는 것도 다르다. 자동화로 일자리가 줄어도 인간이 사회적 결정에 영향력을 유지할 가능성은 남는다. 다만 정치적 권리와 경제적 필수성의 분리는 별도로 살펴야 한다. AI 자본·노동의 분배와 점진적 무력화가 이 대목의 서로 다른 층위를 다룬다.

개인 포지셔닝은 왜 늘 뻔해 보이는가

개인에게 제시되는 처방은 흔히 도메인 지식과 AI 도구의 결합, 생활 고정비 절감, 부채 축소, 넓은 생산자산 보유, 제도권 계정과 인간 관계 유지로 귀결된다. 잘못된 조언은 아니지만 집단적 자산 소유와 금융질서가 재편되는 문제에 대한 개인용 대응으로는 규모가 맞지 않는다. PDF 번역 파이프라인이나 작은 자동화 서비스를 직접 운용하며 얻는 능력도 개별 직업전환에는 유익하나, 사회 전체의 노동수요를 창출하지는 않는다.

개인적 회피전략과 사회적 전환 전략은 구별해야 한다. 위험이 분산될 때 유용한 개인 헤지가 모두 동시에 같은 방향으로 이동할 때에도 유효한지는 별개의 질문이다. AI 이행기의 독창적인 질문은 어떻게 한 사람이 더 경쟁력 있어지는가보다 얼마나 많은 사람이 경쟁력과 무관하게 생산체제의 필수 구성원으로 남는가에 있다.

극단적 자동권력 시나리오와의 경계

사회적 활용 하한선이 높아지는 보통의 경로와, 극소수 소유자만을 위한 물리적 기계 체제로 이동하는 사고실험은 위험 강도와 전제가 다르다. 후자는 강제력, 생존노동, 기계 유지, 전력·연산·부품의 통제가 함께 성립해야 한다. 단순히 AI 사용률이 오르는 것만으로 그 세계가 현실이 되지는 않는다. 성립 조건과 실패 가능성은 소유자 중심 자동권력에서 별도로 검토한다.

이 글의 ‘상한선/하한선’은 도입 현상을 읽기 위한 분석상의 개념이다. 상한선의 높이나 대중경제 붕괴의 확률을 실측한 결과가 아니다. 기준이 바뀌면 예측이 뒤집힐 수 있다는 점까지 포함해, 공포를 삭제하는 대신 공포의 성립 조건을 명시하는 것이 ‘노-호들갑’의 의미다.