AI 경제 이행기: 과업·수요·혁신·소유를 둘러싼 경제학의 질문

AI 경제의 어려운 문제는 자동화가 충분히 진행된 뒤의 사회상만으로 설명되지 않는다. 새로운 생산 방식이 확산되는 동안 기존의 임금, 채무, 직업교육, 조세와 기업 조직이 얼마나 빨리 조정되는지가 중요하다. 생산비가 내려가도 실직한 사람이 새 소득원을 얻기 전까지 생활비와 대출 상환은 계속된다. 장기적으로 가능한 풍요와 이행기에 발생하는 손실을 같은 시간대의 현상처럼 취급하면 낙관론과 비관론 모두 설명력을 잃는다.

경제학의 여러 접근은 서로 다른 질문을 포착하는 분석 틀로 비교할 수 있다. 학파마다 AI에 관한 통일된 공식 견해가 있다는 뜻은 아니다. 고전 저술이 직접 말하는 내용, 현대 연구의 모형과 관측, 그 틀을 AI 이행기에 적용하는 조건부 해석을 구별해야 한다. 아래의 경로 비교는 정성적 사고실험이며, 새로 추정하거나 실행한 수치 시뮬레이션의 결과가 아니다.

직업보다 과업을 먼저 보아야 하는 이유

하나의 직업은 여러 과업을 묶은 조직상의 단위다. 문서를 작성하는 일, 고객의 상황을 파악하는 일, 현장을 확인하는 일, 결과에 책임지는 일은 같은 직업 안에서도 자동화 조건이 다르다. 일부 과업을 기계가 맡으면 남은 업무를 같은 사람이 더 많이 처리할 수도 있고, 회사가 인원을 줄일 수도 있으며, 낮아진 가격 때문에 수요가 늘어 고용이 유지될 수도 있다. 어느 결과가 생기는지는 자동화 능력만으로 결정되지 않는다.

ILO의 2025년 과업 기반 지수는 세계 고용의 약 4분의 1이 어느 정도 생성 AI에 노출된 직업에 속한다고 추정했다. 최고 노출 범주는 세계 고용의 3.3%였다. 이것은 해고된 사람의 비율이나 장래 실업률이 아니다. 사무직의 높은 노출과 전문직 일부의 노출 확대가 확인되지만, 연구는 다수 직업에서 전체 대체보다 과업의 변형 가능성을 강조한다. 생성 AI의 노출 지수를 물류 로봇이나 자율주행의 보급률로 사용할 수도 없다. ILO, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 2025

분석에는 적어도 네 단계가 필요하다. 기술적으로 가능한가, 전체 비용을 포함해 채산성이 있는가, 조직이 실제로 도입했는가, 고용·임금·근로시간이 어떻게 변했는가를 따로 확인해야 한다. 시연의 성공에서 사회 전체의 실업으로 곧장 넘어가는 설명은 중간 단계를 생략한다.

과업 기반 노동경제학: 대체 효과와 새로운 일의 균형

아제모을루와 레스트레포의 과업 모형은 자본이 기존 인간 과업을 맡는 대체 효과와, 인간에게 비교우위가 있는 새로운 과업이 생기는 복원 효과를 구별한다. 생산성 상승은 생산 규모와 노동 수요를 늘릴 수 있지만, 자동화에 따른 노동 몫의 감소를 반드시 상쇄하는 것은 아니다. 기술의 종류와 새로운 과업의 출현을 함께 봐야 한다. Acemoglu·Restrepo, Automation and New Tasks, 2019

이 틀에서 중요한 검증 질문은 새 직업의 이름이 생겼는지가 아니다. 새로운 과업에 실제 지불 수요가 있는지, 그 일을 수행할 인원이 얼마나 필요한지, 기존 노동자가 이동할 수 있는지를 확인해야 한다. AI 감독이라는 역할이 생겨도 감독자 한 명이 과거 수십 명의 업무를 관리한다면 일자리 수의 보상은 작을 수 있다. 반대로 서비스 가격 하락이 충분히 큰 수요를 열면 보완적 노동의 채용이 늘 수도 있다. 이는 모형의 구분을 적용한 조건부 해석이다.

이행기의 정책도 같은 질문을 받는다. 재교육을 제공했다는 사실과 재취업에 성공했다는 결과는 다르다. 훈련 뒤의 취업률, 이전 임금의 회복 정도, 이동에 걸린 시간, 신규 일자리의 지속성을 보아야 한다. 기술이 계속 바뀌면 오늘 훈련한 과업이 내일 자동화될 위험도 남는다.

아제모을루의 2024년 AI 거시경제 연구는 영향을 받는 과업의 범위와 과업별 비용 절감이 총생산성 효과를 제한한다는 접근을 제시한다. 쉬운 과업의 실험 결과를 맥락 의존적이고 성과 측정이 어려운 업무 전체에 그대로 확대하는 데도 주의한다. 이는 당시 가정에 따른 추정 연구이며, 앞으로의 모든 AI에 대한 확정된 상한선으로 읽어서는 안 된다. Acemoglu, The Simple Macroeconomics of AI, 2024, 초록

케인스적 접근: 생산 능력과 구매력 사이의 시간차

케인스는 1930년 기술적 실업을 노동을 절약하는 능력의 발전이 새로운 노동 용도를 찾는 속도를 앞지르는 문제로 설명했다. 장기적인 생활수준의 상승 가능성과 그 과정의 부적응을 함께 보았다는 점이 AI 이행기의 질문과 맞닿는다. 이 글은 현대 AI에 대한 예측이 아니며, 당시의 장기 전망을 오늘의 시간표로 옮겨 쓸 수는 없다. Keynes, Economic Possibilities for our Grandchildren, 1930

케인스적 분석에서는 수요의 부족이 생산 능력의 부족과 구별된다. AI 설비와 서비스가 늘어도 가계의 소득이 줄고 기업의 판매 전망이 나빠지면 생산 확대가 충분히 일어나지 않을 수 있다. 정부 지출과 소득 지원이 수요를 보완할 수 있다는 논리는 이런 상황을 겨냥한다. 총수요와 불완전고용에 관한 기본 구분은 IMF의 케인스 경제학 해설에서도 확인할 수 있다. Jahan·Mahmud·Papageorgiou, What Is Keynesian Economics?, 2014

AI에 적용할 때는 반대 경로도 검토해야 한다. 노동소득이 줄어도 설비투자, 정부 지출, 수출이나 자본소득에 기초한 소비가 수요를 지탱할 수 있다. 임금 감소가 곧 총수요 붕괴라는 결론은 성립하지 않는다. 어느 수요가 늘고 줄었는지와 누가 필수재에 접근할 수 있는지가 별개의 관찰 대상이다.

정책에도 서로 다른 실패 가능성이 있다. 일시적인 소득 충격을 지원하지 않으면 채무와 소비 위축이 전환 비용을 키울 수 있다. 반면 전력·주택·의료 같은 공급 제약이 남아 있는데 명목 구매력만 늘리면 필요한 서비스의 공급 확대 없이 가격 압력이 생길 수 있다. 이것은 특정 국가의 정책 효과를 추정한 결과가 아니라, 수요 지원과 공급 조건을 함께 비교하기 위한 분석 항목이다.

혁신과 성장의 접근: 무엇을 자동화하고 무엇이 병목으로 남는가

혁신 중심의 분석은 AI가 기존 업무의 비용만 줄이는지, 연구개발과 새로운 상품의 출현 속도까지 바꾸는지를 묻는다. Aghion·Jones·Jones의 AI 성장 연구는 자동화, 소득 분배, 조직과 시장구조를 연결하고, 개선이 어려우면서 필수적인 부문이 전체 성장의 제약이 될 수 있음을 논의한다. 연구진의 공개 설명에서 확인되는 논점이며, 특정 기업의 성장률 전망은 아니다. Aghion·Jones·Jones, Artificial Intelligence and Economic Growth, 저자 연구 소개

Jones의 2026년 논의도 빠르게 발전한 일부 능력과 경제 전체의 생산성 사이에 남는 약한 고리를 강조한다. 지능의 자동화가 성장을 가속할 가능성과, 많은 필수 과업의 병목이 그 효과를 늦출 가능성을 함께 다룬다. Jones, AI and Our Economic Future, 2026

이 관점의 조건부 대응은 신규 진입, 연구 인프라, 보완 설비와 숙련을 함께 살피는 것이다. 소프트웨어 성능이 좋아져도 공급망이나 현장 적용이 따라오지 않으면 생산 확대가 지연될 수 있다. 반대로 기존 기업을 보호하는 데 전환 지원이 집중되면 생산성 향상과 새로운 사업의 진입을 막을 수도 있다.

창조적 파괴라는 표현은 손실을 정당화하는 결론이 될 수 없다. 새로운 산업이 성장했다는 사실은 기존 노동자가 같은 소득과 지위로 옮겼다는 사실과 다르다. 혁신의 총효과와 손실을 떠안는 사람의 이동 경로를 함께 기록해야 한다.

마르크스적 접근: 기계의 능력보다 생산관계와 분배

『자본』 제1권 기계와 대공업 장은 기계 도입이 밀려난 바로 그 노동자를 자동으로 다시 고용한다는 보상 논리를 비판한다. 다른 산업의 고용 증가 가능성 자체를 부정하는 것과, 같은 사람이 같은 조건으로 보상받는다고 보장하는 것을 구별해야 한다. AI에 적용하면 생산량 증가와 노동자의 생계 회복이 왜 서로 다른 문제인지 묻게 된다. Marx, Capital, Volume I, Chapter 15, Section 6

이 관점의 AI 적용은 소유와 통제의 배치를 중심에 놓는 해석이다. 모델과 연산 자원, 플랫폼과 고객 접근권의 소유가 집중되면 생산성 증가가 누구의 소득으로 귀속되는가? 사람이 덜 필요해질 때 절약된 시간이 노동시간 단축으로 돌아오는가, 소수의 이윤과 다른 사람의 실업으로 나뉘는가? 동일한 기술도 소유와 교섭의 제도에 따라 다른 분배를 낳을 수 있다는 질문이다.

곧바로 자본주의의 자동 붕괴나 모든 임금노동의 소멸을 도출할 수는 없다. 그런 결론에는 수요, 투자, 국가, 계급 조직과 가치 이론에 관한 추가 가정이 필요하다. AI가 경영 판단을 수행한다는 사실도 자산의 소유권이 AI로 이전한다는 뜻은 아니다. 노동시간 단축, 공동 소유, 노동자 참여 같은 대응은 검토할 제도적 선택지이며, 모든 마르크스주의자의 단일한 처방으로 제시하지 않는다.

하이에크적 접근: 계산 능력과 분산된 지식의 차이

하이에크의 「사회에서 지식의 이용」은 경제적 지식이 한곳에 주어져 있지 않으며, 개별 상황에 관한 분산된 지식의 조정이 중요하다고 주장한다. 이 논점은 단순히 계산 속도가 부족하다는 주장과 다르다. Hayek, The Use of Knowledge in Society, 1945

AI에 적용하는 질문은 중앙 시스템이 얼마나 빨리 계산하는가를 넘어선다. 아직 데이터로 표현되지 않은 현장의 변화와 선호는 어떻게 들어오는가? 잘못된 추천을 사용자가 거절하고 다른 공급자로 옮길 수 있는가? 같은 모델을 다수 조직이 사용할 때 오류와 판단이 함께 수렴하지 않는가? 이것은 원 논문이 AI에 내린 판정이 아니라 지식 문제를 확장한 조건부 해석이다.

이 관점은 AI가 시장을 더 잘 작동하게 할 가능성도 검토한다. 작은 사업자가 정보와 분석에 접근하기 쉬워질 수 있기 때문이다. 그러나 정보 처리 능력의 확대가 자동으로 경쟁의 확대를 뜻하지는 않는다. 전환 비용, 배타적 계약과 자원 접근 제한이 남으면 사용자는 강력한 도구를 쓰면서도 공급자에게 더 의존할 수 있다. 중앙 계획의 성공이나 실패 어느 쪽도 AI의 규모만으로 확정할 수 없다.

제도와 재정의 접근: 분배는 기술 도입 뒤에만 결정되지 않는다

제도적 분석에서는 조세, 사회보험, 경쟁과 노동자의 참여가 기술의 사용 방향 자체에 영향을 준다고 본다. 이는 하나의 통일된 학파나 모든 제도주의자의 공통 정책 목록이라기보다, 효율성과 분배를 연결하는 정책 분석의 축이다.

IMF의 2024년 재정 논의는 실업보험과 사회적 보호, 훈련, 자본소득 과세와 자동화를 편향시키는 조세 유인의 재검토를 다룬다. AI에 대한 일률적인 별도 세금을 만능 해법으로 제시하지 않으며, 혁신을 훼손할 위험과 집행의 어려움도 지적한다. IMF, Fiscal Policy Can Help Broaden the Gains of AI to Humanity, 2024

기본소득, 임금보험, 재훈련, 공공서비스, 노동시간 단축은 해결하려는 문제가 다르다. 소득 지원은 당장의 소비와 생계를 도울 수 있지만 직장 내 발언권이나 숙련 형성을 자동으로 복원하지 않는다. 재훈련은 이동을 돕지만 채용 수요가 없는 곳에 일자리를 만들지는 못한다. 공공서비스는 현금으로 구매하기 어려운 서비스의 접근을 보완할 수 있지만 공급 능력과 운영 책임이 필요하다. 이는 여러 제도를 비교하기 위한 분석이며 특정 정책의 효과가 검증되었다는 뜻은 아니다.

정책은 도입 초기부터 평가해야 한다. 자동화 이익을 누가 회수하는지, 전환 비용을 누가 부담하는지, 지원이 끝난 뒤에도 선택권이 남는지를 확인하는 것이 중요하다. 소득이 보장되어도 결정권이 줄 수 있다는 문제는 점진적 무력화와 구별해 함께 검토해야 한다.

같은 기술 충격에서 갈라지는 세 가지 이행 경로

다음 경로는 특정 연도의 사건을 예측하는 시간표가 아니다. 자동화의 확산, 새로운 과업의 형성, 분배 제도의 조정 속도를 바꾸어 결과가 어떻게 달라지는지 비교하는 사고실험이다.

보완적 확산과 이동이 따라가는 경로

AI가 일부 과업의 비용을 낮추고 상품과 서비스의 수요가 늘어난다. 인간의 현장 업무와 책임, 새로운 서비스가 함께 확대되며 노동자가 이동할 시간과 지원을 얻는다. 이 경로에서도 모든 사람이 이익을 보는 것은 아니다. 지역과 연령, 직무에 따라 손실이 집중될 수 있으므로 평균 임금만으로 성공을 판정하면 안 된다.

대체가 이동과 분배를 앞지르는 경로

기업이 기존 업무를 줄이는 속도가 신규 채용과 숙련 전환보다 빠르다. 생산성이 오르는 기업과 소득이 줄어드는 가계가 동시에 나타나며, 소비 위축과 채무 부담이 전환을 어렵게 한다. 이 경우의 병목은 반드시 기술 부족이 아니다. 소득의 연결, 이동할 일자리와 교육 경로의 부족일 수 있다.

소득은 유지되지만 통제력이 집중되는 경로

이전소득이나 자산소득으로 생활수준은 유지되지만 핵심 생산 설비와 서비스 공급자, 조직의 의사결정이 소수에게 집중될 수 있다. 빈곤율의 개선만으로 인간의 영향력이 보존되었다고 판정하기 어렵다. 소득, 참여, 공급자 변경 가능성과 결정의 취소 능력을 따로 평가해야 한다. 이 구분은 기존 무력화 논의와 연결하는 분석상의 조건이다.

시뮬레이션을 실제 연구로 만들기 위한 조건

정량 모형은 자동화 가능한 과업의 비율, 실제 도입률, 비용 절감, 가격과 수요의 반응, 새로운 과업의 출현, 직업 이동 속도, 과세와 이전의 규칙을 명시해야 한다. 모형 밖의 주택·에너지·의료 공급 조건도 결과를 제한할 수 있다. 단일한 성장률 숫자만으로 이행기의 실업과 생활수준을 설명하기는 어렵다.

2026년 9월의 연구 「Economic Scenarios for Transformative AI」는 AI 능력의 서로 다른 경로를 GDP, 노동소득분배율, 임금, 노동 재배치와 실업의 경로로 연결한다. 완만·상당·극단적 변화 시나리오의 비교는 조건이 바뀌면 결과가 어떻게 달라지는지 보이는 모형이며, 각 시나리오가 실현될 확률이나 관측된 미래의 수치가 아니다. 그 연구를 이 문서의 자체 시뮬레이션으로 제시하지 않는다. Korinek·Jones·Sacher·Cotter·McCrory, Economic Scenarios for Transformative AI, 2026

검증에는 전체 고용뿐 아니라 실직 기간, 재취업 후 임금, 신입 채용과 숙련 형성, 가계의 필수재 접근, 기업의 시장력, 세후 소득 분포가 필요하다. 가정이 조금 바뀌면 결론이 뒤집히는지에 대한 민감도 분석도 요구된다. 정성적 서사가 이런 입력과 검증 없이 정확한 예측처럼 보일 때 시뮬레이션이라는 이름이 과신을 만들 수 있다.

근거와 검증 상태

과업 노출은 ILO의 2025년 연구, 과업의 대체와 복원은 2019년 연구, 거시효과의 제한은 2024년 연구 초록을 근거로 삼았다. 고전 저술은 현대 AI의 결과를 직접 예측한 자료로 취급하지 않았다. 성장 논점은 저자 연구 소개와 2026년 논문을, 정책 선택지는 IMF의 공개 논의를 확인했다. 각 자료의 발표 시점을 표시했으며 모든 문헌의 모형과 실증을 재현하거나 AI 경제학 문헌 전체를 조사한 것은 아니다.

학파별 AI 적용, 정책의 실패 조건과 세 가지 이행 경로는 조건을 명시한 편집상의 분석이다. 읽을 수 없는 원자료의 논증을 복원한 것으로 취급하지 않는다. 계층별 이해관계와 직업의 조건은 AI 자본·노동과 분배, 허구의 사용과 한계는 AI 계층 시나리오에서 자세히 다룬다.