임금 경직성을 높이면 임금 대신 실업이 오른다 - Anthropic 경제 시나리오 세 갈래를 파라미터로 읽기
경제를 과업 묶음으로 보고 AI 능력·확산·생산성 이득·자동화 비율 다섯 파라미터를 2030년 GDP·임금·노동소득분배율·실업률 경로로 변환하는 모델. 온건·상당·극단 세 시나리오에서 GDP가 각각 1.6·8.3·32.4퍼센트 높아지고 극단에서 인지직 실업률이 17.9퍼센트에 이르는 계산, 성인 10,980명 설문의 중위 응답이 상당 시나리오에 떨어진다는 결과, 임금 경직성과 자본 공급 탄력성이 결과를 뒤집는 방식을 다룬다.
임금 경직성을 높이면 임금 대신 실업이 오른다
TL;DR
- 모델의 출발점은 경제를 과업 묶음으로 보는 것인데 간호사 한 명의 일을 회진·채혈·중증도 분류·활력징후 기록·병동 물품 발주로 쪼개면 AI는 어떤 과업은 증강하고 어떤 과업은 자동화하며 어떤 과업은 건드리지 못하고 새 과업을 만든다. 그리고 규모가 붙는다. 미국에서 사람과 기계가 수행한 모든 과업 사례를 합치면 지난 한 해 30조 달러가 넘는 가치가 되고, 다섯 파라미터가 그 합을 2030년 경로로 바꾼다
- 세 시나리오의 결과가 표로 갈리는데 2030년 GDP는 AI 없는 경로 대비 온건 1.6퍼센트, 상당 8.3퍼센트, 극단 32.4퍼센트 높고 연간 성장률은 2.4·5.4·15.4퍼센트다. 극단의 대비가 선명하다. 인지직 임금은 11.5퍼센트 낮아지고 다른 직군 임금은 33.6퍼센트 높아지며, 인지직 실업률은 17.9퍼센트, 전체 실업률은 11.9퍼센트가 된다
- 분배가 성장과 갈라지는데 노동소득분배율은 60퍼센트에서 극단에서 45.2퍼센트로 떨어지고 자본분배율은 40퍼센트에서 54.8퍼센트로 올라 GDP의 15퍼센트가 노동에서 자본 수익으로 옮겨 가는 규모다. 총액으로는 제자리다. 노동소득분배율이 4분의 1 줄고 GDP가 3분의 1 늘어 0.45×1.32이 약 0.60이 되므로 총노동소득은 AI가 없었을 때와 거의 정확히 같다
- 보상 계산은 이렇게 나오는데 경제의 이득이 인지직 손실의 거의 세 배이므로 GDP의 약 9퍼센트, 사회보장과 메디케어를 합친 규모의 이전으로 인지직 소득을 AI 없는 수준에 유지하고 나머지 경제는 20퍼센트 이상 앞서게 할 수 있다. 다만 전례가 없다. 그런 규모의 기술 변화 대응 이전은 전례가 없고, 중국 수입 경쟁의 지역 효과 같은 과거 사례에서는 대체로 저절로 일어나지 않았다
- 파라미터 두 개가 결과를 뒤집는데 임금 경직성을 0.5에서 0.9로 높이면 극단에서 인지직 임금이 11.5퍼센트 하락 대신 2.8퍼센트 상승으로 바뀌고 그만큼 실업이 더 늘어난다. 자본 공급 탄력성도 그렇다. 탄력성이 1이면 극단에서 평균 임금이 9.7퍼센트 상승이 아니라 9.2퍼센트 하락으로 부호가 바뀌고 자본 순수익률은 10.3퍼센트로 뛴다
Source
Scenarios for our Economic Future — The Anthropic Institute, 2026년 9월 · 기술 리포트 Economic Scenarios for Transformative AI(Working Paper No. 2026-02), Anton Korinek·Charles I. Jones·Szymon Sacher·Tess Cotter·Peter McCrory
Knowledge
경제는 과업으로 만들어져 있다
모델은 사람들이 하는 모든 일을 과업 묶음으로 표현한다. AI는 주어진 과업을 사람이 더 잘하거나 더 빠르게 하도록 도울 수 있고 그 과업을 자동화할 수 있고 아무 영향을 주지 않을 수도 있고 새 과업으로 이어질 수도 있다.
간호사의 하루를 생각하면 구체적이 된다. 그는 아픈 환자를 확인하려 회진을 돌고 채혈을 하고 들어오는 환자의 중증도를 분류하고 환자 활력징후를 기록하고 병동 물품을 발주한다. 그게 목록의 시작일 뿐이다. 여기 나열된 과업은 미국 노동부의 O*NET 분류 체계에 기반하며 그 체계는 직업별 과업을 목록화한다.
직업은 시간에 따라 변한다. 과업이 묶음을 떠나고 이제 종이 차트를 손으로 쓰는 사람은 거의 없다. 새 과업이 도착하는데, 30년 전에는 누구도 환자를 원격으로 모니터링하지 않았다. 과업 묶음은 정적이지 않고 과업이 변하면서 직업이 변한다.
어떤 과업은 인간만 할 수 있다. AI는 환자를 목욕시킬 수 없다. 어떤 과업은 증강된다. AI가 간호사의 퇴원 지시서 초안을 돕고 환자를 원격 모니터링하고 교대 근무의 돌봄 일정을 계획한다. 어떤 과업은 완전히 자동화될 수 있다. AI가 환자 활력징후를 기록하거나 병동 물품을 발주하는 일이다. 그리고 새 과업이 나타난다. 역사적으로 새 기술은 노동자에게 새 과업도 만들어 왔다. 간호사라면 AI가 환자를 얼마나 잘 분류하는지 확인하거나 AI가 제안한 돌봄 계획을 검토하는 일이 될 수 있다.
결과적으로 간호사의 직업이 변한다. AI를 자기 일에 통합하면서 간호사는 더 많은 것을 감독하고 성취할 수 있다. 환자와 이야기하고 진단을 이해하도록 돕는 데 더 많은 시간을 쓸 수 있다. 생산성이 오른다.
그리고 규모가 붙는다. 모든 과업은 전국에서 매일 수백만 번 일어난다. 간호사들은 모든 병동에서 모든 교대에 자기 일을 하고 있다. 더 많은 간호사가 AI를 쓰면서 AI는 각 과업의 수백만 사례 중 더 높은 비율을 지원한다. 오늘 미국에서 사람과 그들이 함께 일하는 기계·소프트웨어가 수행한 모든 과업 사례를 하나하나 합치면 미국 경제가 된다. 지난 한 해 30조 달러가 넘는 가치다.
다섯 파라미터가 경로로 바뀐다
기술 리포트의 접근은 이렇다. 소수의 파라미터를 생산성·성장·임금·노동소득분배율·직업 재배치·실업의 지금부터 2030년까지 경로로 변환하는 단순한 통합 경제 프레임워크를 만드는 것이다. 주된 파라미터는 경제 내 과업 중 AI가 영향을 주는 비중, AI가 얼마나 널리 쓰이는지, 과업당 생산성 이득의 크기, 그리고 AI가 노동을 얼마나 자동화하느냐 증강하느냐다.
핵심 관계는 곱으로 들어온다. 능력의 범위 m과 확산 파라미터 d의 곱이 AI로 수행되는 과업 사례의 비중이다. 두 파라미터는 항상 곱으로만 들어온다. 과업 생산성에 미치는 크기가 a이고 m·d·a의 곱이 총요소생산성 증가를, 따라서 AI에서 비롯한 GDP 상승 전체를 결정한다. 파라미터 ψ는 AI가 수행한 사례 중 자동화되어 자본으로 옮겨 가는 비율이고 1에서 ψ를 뺀 값이 증강되어 인지 노동자에게 남는 비율이다. 복원 비율 ρ는 새 과업이 도착해 일을 자본에서 인지 노동자로 되돌리는 속도를 측정한다. 자본 공급의 탄력성은 생산성 이득이 자본과 노동 사이에 어떻게 나뉘는지를 지배한다. 인지직 임금의 경직성은 인지 노동자가 치르는 비용이 낮은 임금의 형태인지 실업의 형태인지를 지배한다.
노동자는 두 집단으로 나뉜다. 관리·전문·판매·사무직인 인지직은 AI에 직접 영향받을 수 있고 건설 노동자나 전기공 같은 나머지 모든 직업은 직접 노출되지 않는다. AI 채택은 생산성을 올리지만 노동자를 밀어내 인지직의 노동 수요와 임금을 낮추고 일부 인지 노동자가 다른 직업에서 일자리를 찾아야 한다는 것을 함축한다. 다만 이 전환에는 마찰이 있다. 소프트웨어 엔지니어가 전기공이 되기는 어려울 수 있고 그 마찰이 지속적인 실업 증가를 낳을 수 있다.
정직한 단서도 붙어 있다. 시나리오는 예측이 아니고 확률을 부여하지 않으며 그 목적은 서로 다른 가정의 결과를 비교 가능하게 만드는 것이다.
세 시나리오의 파라미터 값
기준점은 실측이다. 영향받는 과업 비중 m의 2026년 중반 값은 0.14로 직업별 평균 노출 관측치이고 확산 d의 2026년 중반 값은 0.10으로 기업 AI 사용 조사에서 왔다. 노동소득분배율 기준값은 0.60, 인지직 고용 비중은 CPS 2025 기준 0.624다.
2030년 값이 시나리오 가정이다.
| 파라미터 | 온건 | 상당 | 극단 |
|---|---|---|---|
| m2030 영향받는 과업 비중 | 0.2 | 0.3 | 0.5 |
| d2030 확산 비중 | 0.2 | 0.4 | 0.6 |
| a2030 사례당 로그 이득 | 0.30 | 0.45 | 0.80 |
| ψ 자동화 비율 | 0.50 | 0.75 | 0.90 |
| ρ 복원 비율 | 0.50 | 0.25 | 0 |
| μ 경로상 탐색 할인 | 0.17 | 0.08 | 0.04 |
| θ_H 공고 게시 속도(월) | 0.10 | 0.25 | 0.50 |
과업 간 대체탄력성은 0.5로 총보완재이고 자본 공급 탄력성은 3으로 장기 부의 탄력성의 절반이며 인지직 임금 경직성은 세 시나리오 모두 0.5, 즉 반감기 1년이다. AI 없는 경로에서 GDP는 연 2퍼센트 성장하고 총요소생산성은 연 1퍼센트 오른다.
온건 시나리오에서는 2030년에 경제 내 과업의 4퍼센트만 AI 영향을 받았고 영향받은 과업에서 생산성이 약 35퍼센트 오르며 영향받은 사례의 절반이 자동화되고 절반이 증강된다. AI가 자동화하는 과업 둘마다 새 과업 하나가 경제에 도입되어 인지 노동이 수행한다.
상당 시나리오에서는 2030년에 경제 내 과업의 12퍼센트, 즉 2025년 인지 노동자가 수행한 과업의 약 20퍼센트가 AI 영향을 받았다. 영향받은 과업에서 생산성이 약 57퍼센트 오르고 영향받은 사례의 4분의 3이 자동화되고 4분의 1이 증강된다. AI가 자동화하는 과업 넷마다 새 과업 하나가 도입된다.
극단 시나리오에서는 2030년에 경제 내 과업의 30퍼센트, 즉 2025년 인지 노동자가 수행한 과업의 약 절반이 AI 영향을 받았다. AI는 영향을 주는 과업에서 생산성을 두 배 이상으로 만들고 영향받은 사례의 90퍼센트가 자동화되며 10퍼센트만 증강된다. 다른 두 시나리오에서 새 과업을 인지 노동에 배정했던 복원 효과는 꺼진다.
2030년의 세 경제
결과가 한 표로 정리된다. 아래는 2030년 초 기준이고 퍼센트는 AI 없는 경로 대비다.
| 항목 | AI 없음 | 온건 | 상당 | 극단 |
|---|---|---|---|---|
| GDP, AI 없는 경로 대비 | 0 | 1.6 | 8.3 | 32.4 |
| GDP 성장률, 연 | 2.0 | 2.4 | 5.4 | 15.4 |
| 평균 임금 | 0 | 0.7 | 2.1 | 9.7 |
| 인지직 임금 | 0 | 0.4 | −0.3 | −11.5 |
| 다른 모든 직업 임금 | 0 | 1.1 | 5.9 | 33.6 |
| 자본 순수익률, 연 | 6.5 | 6.6 | 7.0 | 8.3 |
| 자본 스톡 | 0 | 2.3 | 13.8 | 56.3 |
| 노동소득분배율, 소득 대비 | 60.0 | 59.4 | 56.1 | 45.2 |
| 자본분배율 | 40.0 | 40.6 | 43.9 | 54.8 |
| 총노동소득 | 0 | 0.6 | 1.4 | 0.5 |
| 인지직 임금 총액 | 0 | −0.3 | −4.6 | −31.0 |
| 자본소득 | 0 | 3.1 | 18.9 | 81.4 |
| 인지직 고용, 2026년 중반 대비 | 0 | −0.5 | −3.9 | −21.5 |
| 인지직 실업률 | 2.9 | 2.9 | 4.5 | 17.9 |
| 전체 실업률 | 3.8 | 3.9 | 4.6 | 11.9 |
| 측정된 총요소생산성 | 0 | 0.7 | 3.1 | 13.4 |
온건 시나리오에서 GDP 1.6퍼센트는 4년에 걸쳐 누적된 통상 성장 열 달분에 해당한다. 상당 시나리오의 연 5.4퍼센트와 비교하면, 1990년대 닷컴 붐 기간 가장 빨랐던 GDP 성장률은 1999년의 4.7퍼센트였다. 노동소득분배율이 60퍼센트에서 56퍼센트로 4년에 4포인트 떨어지는 것은 1980년 이후 40년간 미국 노동소득분배율 하락 전체보다 약간 작은 규모다.
극단 시나리오의 성장률이 유지된다면 1인당 소득은 5년마다 두 배가 되는데, 지난 100년간 미국에서는 35년마다 두 배였다. 인지직 실업률 17.9퍼센트는 미국 전후 어떤 수치보다 훨씬 높고 전체 실업률 11.9퍼센트는 글로벌 금융위기 후 정점인 10퍼센트 약간 아래와 코로나 침체의 약 8퍼센트를 넘는다.
총노동소득은 제자리이고 자본소득만 늘어난다
극단 시나리오에서 2030년 총노동소득은 AI가 없었을 때와 거의 정확히 같다. 산술이 단순하다. 노동소득분배율이 4분의 1 줄고 GDP가 3분의 1 늘어 0.45에 1.32를 곱하면 약 0.60이 된다. 따라서 GDP 증가분 전부가 자본소득으로 귀속되고 자본소득은 AI 없는 경로보다 81퍼센트 높다.
노동 내부에서는 갈라진다. 인지직 임금 총액은 실업자를 0으로 계산할 때 이전 경로보다 31퍼센트 낮은데, 임금이 11.5퍼센트 낮은 채 일자리가 21.5퍼센트 적기 때문이다. 다른 모든 직업의 임금 총액은 거의 같은 만큼 높다.
그래서 보상 계산이 나온다. 경제의 이득이 인지직 손실의 거의 세 배이므로, 교과서적 의미에서 이득이 손실을 보상할 수 있다. GDP의 약 9퍼센트, 대략 사회보장과 메디케어를 합친 규모의 이전이 인지 노동자 소득을 AI 없는 수준에 유지하고 나머지 경제를 20퍼센트 이상 앞서게 할 것이다.
다만 단서가 무겁다. 기술 변화에 대응한 그 규모의 이전은 전례가 없고 중국 수입 경쟁의 지역별 효과 같은 과거 대체 사례의 경험은 그것이 대체로 저절로 일어나지 않는다는 것이다. 어떤 제도가 이 시나리오에서 공유된 번영으로 이어질 수 있는지는 프레임워크 밖의 문제다.
파라미터 두 개가 결과를 뒤집는다
임금 경직성 ξ는 인지직 임금이 시장청산 수준으로 얼마나 빨리 움직이는지를 지배하고 둘 사이 격차가 연간 ξ만큼 줄어든다. 기준값 0.5에서 극단 시나리오의 인지직 임금은 AI 없는 경로보다 11.5퍼센트 낮고 인지직 실업률은 17.9퍼센트다. 임금이 매우 경직적일 때, 즉 ξ가 0.9로 반감기가 7년일 때는 인지직 임금이 AI 없는 경로보다 2.8퍼센트 높아지는 대신 인지직 실업이 더 늘어난다. 파라미터가 지배하는 상충이 여기 있다. 더 끈적한 임금은 더 많은 해고와 더 작은 임금 하락을 뜻한다.
자본 공급 탄력성도 결과를 크게 움직인다. 기준값 3 대신 1, 6, 무한으로 다시 돌리면 두 결과가 두드러진다. 첫째, 탄력성이 자본의 가격과 수량을 상당히 움직인다. 극단 시나리오에서 탄력성이 1로 아주 낮으면 자본 순수익률이 10.3퍼센트로 오르는데, 자본이 완전 탄력적일 때는 6.5퍼센트다. 둘째, 임금과 자본 수익률이 반대 방향으로 움직이고 탄력성 1에서는 임금의 부호가 바뀐다. 자본이 비탄력적일 때 임금은 하락할 수 있고 극단 시나리오에서는 절대적으로도 그렇다.
| 극단 시나리오 | ε=1 | ε=3 | ε=6 | ε=∞ |
|---|---|---|---|---|
| GDP | 21.3 | 32.4 | 37.2 | 43.3 |
| 평균 임금 | −9.2 | 9.7 | 18.3 | 30.1 |
| 자본 순수익률 | 10.3 | 8.3 | 7.5 | 6.5 |
| 노동소득분배율 | 41.2 | 45.2 | 46.9 | 49.1 |
여기서 이름이 붙은 위험이 하나 나온다. AI가 널리 쓰이지만 손대는 일을 미미하게만 더 생산적으로 만드는 경우, 아제모을루와 레스트레포가 그저 그런 기술이라고 부른 것인데, 노동소득의 하락이 GDP 증가에 비해 클 수 있다. 그 경우 노동자를 보상하는 데 이득의 대부분을 소진하게 된다. 모델은 이 논문이 고려하는 범위 안의 파라미터 값으로 그런 결과를 만들 수 있다.
혁신 경로의 가속은 작다
모델의 놀라운 발견 하나는 혁신에서 AI가 만드는 성장 가속이 극단 시나리오에서조차 비교적 미미하다는 것이다. 모델은 존스의 준내생적 성장 모델 전통을 따른다. 연구를 자동화하면 새 지식 생산에 투입되는 연구 투입량이 늘어나지만 연구는 여전히 물리적 과업에 병목이 걸린 채로 남는다. 이 경로를 통한 노동생산성 상승은 세 시나리오 모두에서 1퍼센트에 크게 못 미치고 측정된 총요소생산성은 그보다 작다.
한계도 스스로 밝힌다. 2030년까지의 변화에 초점을 맞추기 때문에 연구와 자동화 사이의 중요한 되먹임 형태 일부를 생략하고 그 결과 폭발적인 연구 주도 가속을 만들어낼 수 없으므로 여기서의 혁신 효과는 하한일 가능성이 높다.
성인 10,980명은 무엇을 예상했나
세 시나리오를 사람들의 기대와 비교하려고 2026년 8월 11일부터 23일까지 모닝컨설트를 통해 미국 성인 10,980명 대표 표본을 조사했다. 다섯 가지를 물었다. 여덟 개 명명된 과업을 AI가 숙련 전문가만큼 할 수 있게 되는 시점, AI가 할 수 있는 과업 중 실제로 쓰일 비중, AI에 적합한 과업이 얼마나 빨라지는지, AI가 혼자 일할지 사람과 함께 일할지, 그리고 AI에 밀려난 노동자가 새 직업에서 일자리를 찾는 데 걸리는 시간이다.
응답이 갈린다. AI가 이미 할 수 있는 일에 대해 성인 24퍼센트가 소프트웨어 제품을 만들고 유지할 수 있다고 하고 19퍼센트가 작은 온라인 사업을 운영할 수 있다고 답했다. 2030년까지로 보면 52퍼센트가 직원 없는 온라인 사업 운영을, 39퍼센트가 노벨상급 발견을 예상하는데, 40퍼센트는 그런 발견이 결코 일어나지 않을 것이라고 답했다. 통상적 업무 이메일과 문서에 대해서는 이미 가능하다는 응답이 53퍼센트, 2027년까지 65퍼센트, 2030년까지 75퍼센트이고 결코 안 된다는 응답이 19퍼센트다.
응답을 모델 파라미터로 변환한 결과는 이렇다.
| 파라미터 | 성인 중위 [25·75분위] | 온건 / 상당 / 극단 |
|---|---|---|
| m2030 | 0.44 [0.20, 0.59] | 0.2 / 0.3 / 0.5 |
| d2030 | 0.40 [0.22, 0.61] | 0.2 / 0.4 / 0.6 |
| ψ | 0.47 [0.25, 0.65] | 0.50 / 0.75 / 0.90 |
| a2030 | 0.44 [0.09, 1.02] | 0.30 / 0.45 / 0.80 |
| μ | 0.064 [0.025, 0.111] | 0.17 / 0.08 / 0.04 |
중위 응답자의 답은 섞여 있다. 2030년까지 여덟 과업 중 여섯 개를 AI가 처리한다고 예상해 능력 파라미터가 0.44로 상당과 극단 사이에 놓이고 할 수 있는 것의 40퍼센트에 쓰이며 적합한 과업의 시간을 3분의 1 줄인다고 본다. 동시에 그 사용의 절반이 자동화라고 예상하는데 이는 온건 시나리오의 값이고 재취업에 약 8개월이 걸린다고 보아 상당 시나리오보다 느리고 극단보다 빠르다.
모델을 돌린 결과의 중위는 상당 시나리오에 가깝다. GDP는 AI 없는 경로보다 8.6퍼센트 높고 인지직과 전체 경제의 실업률이 모두 약 4.6퍼센트다. 다섯 항목 모두에 답한 3,259명 응답에 설문 가중치를 적용한 값이다.
견해의 분산은 넓다. 응답자 약 30퍼센트는 AI에 적합한 과업에서 AI가 시간을 전혀 절약하지 못한다고 예상하고 49퍼센트는 시간을 최소 절반으로 줄인다고 예상한다. 웹 설명에 따르면 응답자 약 10퍼센트가 극단 시나리오와 부합하는 견해를 가졌다.
발견 네 가지로 정리한 웹 요약
첫 번째 발견은 GDP 성장이다. AI는 모든 시나리오에서 경제를 키우지만 규모가 시나리오에 따라 엄청나게 다르다.
두 번째 발견은 직업 재배치다. 더 변혁적인 시나리오에서는 더 많은 노동자가 직업을 바꿔야 하고 그것이 더 높은 실업을 뜻할 수 있다. 노동시장에는 늘 어느 정도 이동이 있고 정상적인 시기에 이 과정은 고통스러울 수 있지만 거시적으로는 비교적 잘 작동해 대부분의 구직자가 꽤 빨리 새 일자리를 찾는다. 상당과 극단 시나리오에서 개인 수준의 의미는 이렇다. 코더와 콜센터 상담원이 AI 노출이 덜한 전기공과 간호사 같은 직업으로 옮겨야 할 수 있다. 다만 직업을 완전히 바꾸는 것은 어렵다. 노동자가 직업을 바꾸고 싶지 않을 수 있고 새 기술을 배워야 하고 배워도 새 일자리를 얻기가 쉽지 않다.
세 번째 발견은 임금이다. 세 시나리오 모두에서 평균 임금이 오르지만 그 상승이 인지직 밖의 직업에 집중된다. 인간의 인지 노동 수요가 줄면 그 임금에 하방 압력이 걸리고 AI가 인지 노동 안에서 생산성을 올리면 그 생산성의 혜택을 받는 육체 노동 수요가 늘어난다. 예를 들어 물리적 인프라의 설계와 허가를 더 빨리 만들어내면 건설 프로젝트 수가 늘어 건설 노동자 수요가 오르고 임금이 밀려 올라간다.
네 번째 발견은 노동 대 자본의 분배다. 오늘 경제가 생산하는 1달러마다 약 60센트가 노동자에게, 40센트가 자본에 간다. 경제가 커지면서 AI가 더 많은 과업을 자동화하면 각 달러의 더 많은 부분이 자본으로 갈 수 있다. 모든 노동자의 임금이 상당히 올라도 이런 일이 일어날 수 있다. 자본이 더 많은 일에 유용해지면 수요가 높아지고 가격이 오르기 때문이다.
극단 시나리오에서 빠르게 팽창하는 경제의 이득은 고르지 않게 분배된다. 대부분의 인지 노동자가 낮은 임금이나 실업을 마주하고 노동자 전체가 커진 파이의 더 작은 몫을 받는다. 여기서 주된 도전은 경제 성장을 달성하는 것이 아니라 혜택이 널리 공유되고 비용이 불균등하게 흩어지지 않게 하는 것이다.
스스로 밝힌 한계와 리뷰어의 비판
미래는 예정되어 있지 않다. 2030년 경제가 어떤 모습일지는 AI가 무엇을 할 수 있는지, 기업과 노동자가 그것을 어떻게 채택하기로 하는지, 그리고 이 기술의 금전적 혜택이 어떻게 공유되는지 같은 많은 요인에 달려 있다.
시나리오 탐색기는 버전 1.0이고 모든 모델처럼 복잡한 실재의 극단적 단순화다. 소수의 핵심 힘을 분리하고 앞으로 관련되고 중요해질 수 있는 많은 것을 생략한다. 정책 대응, 경기 순환, 잠재적 총수요나 금융시장 교란, 가능한 파국적 위험이 빠져 있다. 초인적 능력의 로봇을 개발하는 시나리오도 포함하지 않았다.
초고를 읽고 상세한 의견을 준 경제학자로 대런 아제모을루, 데이비드 오터, 벤 존스, 에미 나카무라, 파스쿠알 레스트레포, 데이비드 로머, 욘 스테인손 등이 이름을 올렸다. 두 가지 지적은 이미 반영됐다. 여러 리뷰어가 AI의 진보가 자본 수익률을 올려 이득이 자본 소유자에게 더 많이 흐를 수 있다고 지적했고 여러 리뷰어가 AI가 가장 크게 영향을 주는 직업의 임금이 거의 영향받지 않는 직업의 임금과 갈라질 수 있다고 지적했다. 두 경로가 이제 시나리오의 일부다. 외부 리뷰어에게 결론을 지지해 달라고 요청하지는 않았고 남은 오류는 저자들의 것이다.
아직 열려 있는 비판도 공개했다. 모델이 개별 노동자를 추적하지 않으므로 일자리 대체 비용을 아주 조악하게만 그릴 수 있다는 지적이 있었다. AI에 노출된 직업이 성장하는 대신 줄어들 것인지 자체를 의문시한 사람도 있었다. 가장 극단적인 시나리오는 시나리오보다 사고 실험으로 읽는 것이 낫다고 느낀 사람이 있었고 반대로 가장 온건한 시나리오가 이미 데이터에 보이는 것을 과소평가한다고 느낀 사람도 있었다. 여러 명이 데이터센터 구축이 이끄는 총수요 효과가 모델에 없다는 점을 더 분명히 하라고 요청했다. 그리고 한 명 이상이 AI가 기술 진보 자체를 얼마나 가속할 수 있는지를 우리가 과소평가하고 있을 수 있다고 주장했다.
거시 데이터에서 AI의 노동시장 효과는 측정된 AI 사용이 빠르게 늘었음에도 비교적 조용했다. 여기에 두 해석이 부합한다. 하나는 우리가 온건 변화 시나리오에 있고 경제적 효과가 계속 작을 것이라는 해석이다. 다른 하나는 노동의 역할과 소득을 재편할 더 극단적인 시나리오의 아주 초기에 있을 뿐이라는 해석이다. 두 해석의 정책적 함의는 아주 다르다.
더 생각해보기
- 능력과 확산이 항상 곱으로만 들어가는 설계는 어떤 현실을 놓치는가.
- 임금 경직성 하나가 임금 하락과 실업 사이의 배분을 결정한다면 정책은 어느 쪽을 택해야 하는가.
- 자본 공급 탄력성 1에서 평균 임금의 부호가 바뀌는 결과는 얼마나 현실적인가.
- 총노동소득이 제자리라는 계산은 노동자 개인의 후생을 어디까지 말해 주는가.
- GDP 9퍼센트 규모의 이전이 전례가 없다면 어떤 제도가 그것을 가능하게 하는가.
- 인지직과 나머지 직업이라는 두 집단 구분은 어떤 직업에서 무너지는가.
- 혁신 가속이 1퍼센트에 못 미친다는 결과가 하한이라면 상한은 무엇으로 추정하는가.
- 중위 응답자가 능력은 극단에 가깝게, 자동화 비율은 온건에 가깝게 답한 조합은 무엇을 뜻하는가.
- 응답자 40퍼센트가 노벨상급 발견은 결코 없다고 답한 것은 모델 입력으로 어떻게 처리되는가.
- 데이터센터 구축의 총수요 효과가 빠진 모델로 2030년을 논하는 것은 어디까지 유효한가.