모건 스탠리의 수석 이코노미스트인 세스 B. 카펜터의 최근 연구는 인공지능(AI)을 둘러싼 현재의 불안감에 대해 냉철한 시각을 제시합니다. 그는 인공지능을 기계화, 전력화, 대량 생산, 자동화, 그리고 IT 혁명에 이어지는 여섯 번째 주요 혁신 물결로 규정하며, 핵심적인 역설을 지적합니다. AI가 이전의 어떤 기술 혁명보다 훨씬 빠르게 확산되고 있음에도 불구하고, 주요 세계 경제국의 노동 시장 지표는 "이례적인 안정성"을 보이고 있다는 것입니다.
일자리 증가율, 실업률, 구인 공고, 이직률 등 핵심 지표들을 살펴보면 AI 노출도가 높은 산업과 낮은 산업 간에 체계적인 차이가 나타나지 않습니다. 카펜터의 연구는 현재까지의 증거들이 "AI는 대체재가 아니라 혁신을 가져오는 기술"이라는 주장을 뒷받침하는 쪽으로 기울고 있음을 시사합니다.
역사적 교훈: 모든 기술적 공황은 정반대의 결과를 초래했다.
산업혁명 이후 기술 발전의 과정을 되돌아보면, 매번 "기계가 인간을 대체할 것"이라는 깊은 우려가 동반되었습니다. 19세기 초 러다이트 운동가들이 직조기를 부순 사건, 1960년대 자동화에 대한 공포, 그리고 1990년대 닷컴 버블 초기에 사무직 일자리가 사라질 것이라는 불안감은 모두 결국 과잉 반응으로 판명되었습니다.
카펜터의 연구는 이러한 기술들이 특정 작업과 일자리를 없애기는 했지만, 그보다 더 전반적인 영향은 일자리 자체를 없애는 것이 아니라 노동의 구성을 변화시키는 데 있다는 점을 지적합니다. 기계화는 농업 노동력을 공장으로 이동시켰고, 전력화는 거대한 서비스 산업을 창출했으며, 정보기술 혁명은 프로그래머와 데이터 분석가와 같은 완전히 새로운 직업을 만들어냈습니다. 각각의 기술적 도약 이후, 전체 노동 수요는 줄어들지 않고 오히려 더 넓은 산업 기반에 걸쳐 확대되었습니다.
제 생각에 흔히 간과되는 인지 편향 중 하나는 많은 사람들이 AI를 "더 적은 인력으로 동일한 산출량을 달성하는 것"으로 이해한다는 점입니다. 하지만 같은 메커니즘은 "동일한 인력으로 훨씬 더 많은 산출량을 창출하는 것"도 의미합니다. 두 진술은 수학적으로 동일하지만, 모건 스탠리는 후자가 현실이 될 가능성이 더 높다고 보는 경향이 있습니다. 이는 생산성 향상으로 인한 총수요 확대 효과 때문입니다. 재화와 서비스 비용이 감소하면 소비자의 실질 구매력이 증가하여 새로운 수요를 창출하고, 이는 다시 고용 증가로 이어집니다.
데이터에 따르면 생산성 향상은 해고가 아닌 생산량 증가에 의해 주도됩니다.
카펜터는 입수 가능한 데이터를 바탕으로 조심스러운 낙관론을 가질 만한 이유가 있다고 봅니다. 노동 시장 차원에서 일자리 증가율, 실업률, 구인 공고, 이직률 등의 지표는 AI 노출도가 높은 산업과 낮은 산업 간에 체계적인 차이를 보이지 않습니다. 청년 실업률 상승은 AI가 고용에 미치는 영향의 증거로 자주 언급되지만, 미국 전체 고용 둔화라는 경기 순환적 요인을 제거하면 청년 실업률의 초과 증가는 과거 경기 순환 패턴에서 예측되는 수준보다 약간 높은 수준에 불과하며 구조적 이상 현상으로 볼 수는 없습니다.
생산성 측면에서 AI의 효과는 이미 데이터에 나타나기 시작했습니다. AI 도입률이 높은 산업일수록 노동 생산성 증가율이 높아지고 있는데, 중요한 점은 이러한 증가가 주로 근무 시간 단축이나 인력 감축이 아닌 생산량 확대 가속화에서 비롯된다는 것입니다. 이 차이점은 매우 중요한데, 이는 AI가 현재 '대체제'보다는 '증가제'에 더 가까운 역할을 하고 있음을 시사하기 때문입니다. 기업들은 직접적인 해고 대신 AI 도구를 활용하여 기존 직원의 생산성을 향상시키고 있습니다.
핵심 위험: 바이러스의 급속한 확산으로 조정 가능 기간이 단축되었습니다.
초기 데이터는 고무적이지만, 카펜터는 미래 추세가 여전히 매우 불확실하다고 분명히 지적합니다. 수십 년에 걸쳐 서서히 전개되었던 이전의 기술 혁명과는 달리, 인공지능의 도입은 적응 기간을 크게 단축시켰는데, 이것이 이번 혁신의 가장 중요한 구조적 차이점입니다.
그는 다음과 같은 우려스러운 시나리오를 제기했습니다. 기업들이 단기간에 인공지능(AI)을 통해 생산성 향상을 빠르게 실현하고, 이러한 효과가 경제 전반에 광범위하게 확산될 경우, 실업률이 경기 침체와 유사한 수준으로 급등할 수 있다는 것입니다. 적어도 노동 시장이 안정화될 때까지는 이러한 현상이 지속될 수 있습니다. 이러한 "고착된" 조정은 사회 안정과 소득 분배의 형평성에 심각한 위협이 될 것입니다.
그러나 카펜터는 여러 가지 완충 장치도 제시했습니다. 생산성 향상에 따른 소득 증가는 총수요를 뒷받침할 것이고, 부의 증가 효과는 소비를 유지할 것이며, 기업 내에서 새로운 업무와 역할이 생겨나 일자리를 잃은 인력을 흡수할 것이고, 경기 순환에 따른 고용 둔화와 그로 인한 디플레이션 압력은 통화 완화를 촉발할 것이며, 통화 정책 여력이 소진될 경우 재정 정책의 자동 안정화 장치와 재량적 수단을 통해 전환기 동안 소득 격차를 완화할 수 있다는 것입니다. 그는 이러한 완충 장치들이 존재하기 때문에 AI로 인한 실업 충격이 "더 작고, 더 짧으며, 더 통제 가능"할 것이라고 믿습니다.
인프라 병목 현상: 3조 달러가 넘는 자본 지출이 아직 실현되지 않았습니다.
카펜터는 또한 AI 확산의 실제 속도는 물리적 인프라 구축 진행 상황에 따라 제한될 것이라고 지적했습니다. 모건 스탠리의 전략가들은 앞서 2025년에서 2028년 사이에 데이터 센터 및 관련 인프라에 대한 총 자본 지출이 3조 달러를 넘어설 것으로 예측했지만, 현재까지는 그중 약 4분의 1만 투자된 상태입니다.
이는 인공지능이 생산성과 고용 시장에 미치는 가장 큰 영향이 여전히 "미래 시점"에 머물러 있음을 의미합니다. 인프라 구축 속도는 인공지능 기능이 실물 경제에 침투하는 속도를 직접적으로 결정짓고, 결과적으로 고용 시장 조정의 기회에도 영향을 미칠 것입니다. 반도체 제조부터 데이터 센터 건설, 전력망 개선부터 광섬유 케이블 설치에 이르기까지 이러한 물리적 병목 현상은 인공지능 구현의 "속도 제한 요소"가 되고 있습니다.
정책 대응: 충격의 심각성을 결정하는 핵심 변수
제 생각에 인공지능이 고용 시장에 미치는 영향의 깊이와 지속 기간은 정책 대응에 크게 좌우될 것입니다. 역사적으로 기술 혁명으로 인한 적응 과정은 교육 시스템 개혁, 사회 보장 체계 개선, 노동 시장의 유연성 증대를 통해 완화되어 왔습니다. 현재 전 세계 정부가 직면한 과제는 인공지능의 확산이 가속화되기 전에 충분히 효과적인 재교육 시스템과 사회 안전망을 구축할 수 있을지 여부입니다.
세계적인 관점에서 볼 때, 각국의 경제는 정책 수단에 상당한 차이가 있습니다. 강력한 노동조합 교섭 메커니즘과 선제적인 노동 시장 정책을 가진 북유럽 국가들은 '창조적 파괴'에서 벗어나 보다 순조로운 전환을 이룰 수 있을 것입니다. 반면, 노동 시장 보호가 미흡하고 사회 보장 제도가 취약한 일부 경제는 더 큰 사회적 마찰에 직면할 수 있습니다.
카펜터는 모건 스탠리가 인공지능(AI) 도입 속도, 노동 시장 변화, 정책 대응을 지속적으로 추적할 것이라고 요약했습니다. "역사는 생산성이 궁극적으로 승리한다는 것을 보여주지만, 사회 구성원 모두가 그 혜택을 공평하게 누리지는 못할 것입니다. 초기 징후는 고무적이지만, 이야기는 아직 진행 중입니다." 투자자들에게 있어 이는 AI 산업 전반에 걸친 자본 지출 속도, 기업 도입률 변화, 노동 시장에 대한 정부 개입 정도를 면밀히 모니터링해야 한다는 것을 의미합니다. 이러한 요소들이 종합적으로 AI 혁명의 궁극적인 경제적 영향을 결정할 것이기 때문입니다.
