AGI 경제학 정리: 노동소득분배율 60%의 수수께끼, 관계재, 그리고 재분배 설계 논쟁

핵심 메시지

• 두 경제학자는 개별 예측보다 시나리오를 먼저 그려놓고 어떤 희소성이 그 시나리오를 만들어내는지 되짚는 방식이 훨씬 쓸모 있다고 본다.
• 산업혁명 이후 온갖 자동화에도 노동소득분배율은 60% 안팎을 유지했고, 미국의 핵심연령 고용률은 2000년을 제외하면 지금이 가장 높다.
• 인간이 개입했다는 사실 자체가 가치인 '관계재'가 남더라도, 자본재의 다양성이 충분히 빠르게 늘어나면 노동의 몫은 여전히 0으로 갈 수 있다.
• 현재로선 AI로 인한 대량 실업의 통계적 증거가 없으며, 더 근본적인 문제는 판단할 데이터 자체가 없다는 것이다.

쉽게 이해하기

구글 딥마인드에서 AGI 경제학을 담당하는 시카고대 경제학 교수 알렉스 이마스와, 에포크 경제 부문을 이끄는 스탠퍼드 연구원 필 트라멜이 자동화가 계속될 때 무엇이 희소해지는가를 놓고 대화한다. 무엇이 희소한지가 곧 어디에 가치가 쌓이는지를 알려주기 때문이다. 첫 후보로 나온 것이 '관계재'다. 인간이 그 과정에 있었다는 사실 자체가 상품 가치의 일부인 서비스와 재화를 말한다. 로봇이 모든 걸 할 수 있는 세계에서도 카페의 바리스타나 무대 위 무용수가 사람이기를 바라는 선호는 남는다는 것이다.

다만 이마스는 발레리나 비유가 오히려 오해를 부른다고 지적한다. 직업은 여러 과제의 묶음이고, 의사의 일 대부분은 보험 서류를 채우고 제약사에 전화하는 일이다. 나머지를 전부 자동화하고 진단을 전하며 환자를 지지하는 그 한 조각만 사람이 맡을 때 소비자가 더 지불할 의향이 있다면, 그 직업이 관계재 부문에 속한다. 문제는 어떤 직업이 여기 해당하는지 알려주는 데이터가 없다는 점이다. 그는 소비 수요 탄력성도, 어떤 일자리가 생기고 사라지는지도 제대로 추적되지 않는다며 "데이터를 위한 맨해튼 프로젝트"가 필요하다고 말한다. 두 사람이 직접 진행한 실험 하나는 시사적이다. 같은 미술 프린트라도 사람이 만들었다고 하면 AI가 만들었다고 할 때보다 훨씬 높은 값을 치르는데, 500장을 찍는다고 하면 사람 작품의 가격만 크게 떨어진다. AI 작품은 애초에 상품으로 인식되고 있었던 것이다.

노동소득분배율 이야기가 이어진다. 경제가 만들어낸 것은 임금으로 가거나 자본으로 가는데, 수백 년 동안 60% 남짓이 임금으로 갔고 이 안정성 자체가 놀라운 사실로 꼽힌다. 최근 30~40년 하락설이 있지만 회계 기준을 일정하게 맞추면 떨어진 적이 없다는 연구도 있다. 리카도는 산업혁명기에 기계가 일자리를 없앨 것이라 예측했고 실제로 그 일자리들은 사라졌지만, 자동화된 것이 싸지면서 사람들이 서비스에 돈을 쓰기 시작했다는 구조 변화를 놓쳤다. 트라멜은 1400년의 몽골 경제학자 비유를 든다. 말이 제공하던 운송이나 요구르트에는 금방 물릴 테니 결국 모든 돈이 가수에게 갈 거라고 예측했겠지만, 실제로는 가수 말고 돈 쓸 곳의 종류가 폭발적으로 늘었고 가수의 몫은 여전히 미미하다.

이어 자동화는 되는데 부는 충분히 늘지 않는 '메시 미들' 시나리오를 검토한다. 두 사람은 이 구간이 상당히 좁다고 본다. 소프트웨어 엔지니어를 전부 대체할 만한 지능이라면 회계사와 애널리스트도 대체할 수 있고, 그렇다면 파이가 함께 커지기 때문이다. 다만 정치경제는 별개다. 실업률이 2~3%만 빠르게 올라도 국가 비상사태가 되며, 오히려 대량 실업 없이 사람들이 더 낮은 임금의 부문으로 서서히 밀려나는 쪽이 더 나쁠 수 있다. 1920~1940년 전화 교환원이 그랬다. 기술은 이미 있었지만 20년에 걸쳐 서서히 자동화됐고, 이들은 경제에 재흡수됐지만 더 낮은 임금과 불완전 고용 상태였다. 재분배 수단으로는 음의 소득세, UBI, 보편적 기본자본, 부유세, 소비세가 비교된다. UBI는 사람들이 수표에 의존하게 만들어 누가 권력을 쥐는지가 지나치게 중요해지고, 기본자본은 무엇을 포트폴리오에 담을지 고르는 문제가 남는다.

마지막 논점은 AI가 전기에 가까운가 소셜미디어에 가까운가다. 전기는 이익 대부분이 사용자에게 갔고 전력회사가 거대한 권력을 쥐지 않았지만, 소셜미디어는 지대가 플랫폼에 남았다. AI가 전기에 가깝다면 앞으로 S&P 500에 들어가는 모든 기업이 AI를 지렛대로 쓴다는 뜻이므로 지수를 사는 것만으로 이익을 나눠 가질 수 있다. 그래서 AI 공급망 밖에 있는 나라에 대한 조언도 재교육 프로그램이나 자국 데이터센터 유치보다 'AGI를 인덱싱하는 쪽'이 더 깨끗한 전략이라는 결론으로 기운다. 두 사람은 이 때문에 프런티어 랩이 상품화되거나 최소한 빨리 상장하기를 바란다고 말한다. 소수 랩에 이익이 집중되면 사회 전반의 분배가 나빠질 뿐 아니라, 정부가 겨냥하기 좋은 명확한 정치적 표적이 만들어지기 때문이다.

주요 인사이트

• 무어의 법칙에는 비관적인 해석이 있다. 18개월마다 연산의 가치가 절반이 된다는 것인데, AI에서 이 법칙이 처음 깨졌을 수 있다. 기술이 훨씬 좋아졌는데도 H100 임대료가 3년 전보다 비싸다는 사실이 그 근거로 제시된다.
• 제본스 역설은 아무 데나 적용되지 않는다. 값이 싸질수록 총지출이 늘어나려면 수요가 매우 탄력적이어야 하는데, 석유나 인슐린, 농산물은 그렇지 않다. 소프트웨어가 그런 재화인지가 개발자 수요를 가르는 핵심 질문이다.
• O링 모델은 왜 아직 자동화가 덜 일어났는지를 설명한다. 부품 하나가 고장 나면 전체가 무너지므로, 9할을 해낼 수 있어도 신뢰성이 부족하면 자동화하지 않는다. 그런데 AI가 충분히 좋아지면 같은 논리가 반대로 작동해, 사람을 생산 흐름에 끼워 넣는 것이 오히려 거래비용이 된다.
• AI 때문에 해고한다는 서사가 조정 장치처럼 작동할 위험이 지적된다. 해고하지 않으면 뒤처져 보이기 때문에 기업들이 서로를 따라 감원하고, 그 결과 해고 후 오히려 더 나빠지는 회사가 생길 수 있다.
• 일반인의 자산 대부분이 집이라는 사실이 문제로 꼽힌다. 토지의 가치는 다른 사람 가까이에 있다는 데서 나오는데, 이는 AI나 로봇 생산과 보완 관계가 가장 약한 종류의 자본이다.

자주 묻는 질문

관련 AI 소식