AI는 우리 일에선 보이는데 GDP에선 왜 안 보일까? 0.1%의 역설

https://kr.investing.com/news/economy-news/article-1958699

BofA "AI 생산성 향상, 특정 업무에선 가시적이나 경제 전반엔 미미" By Investing.com

TL;DR

• BofA 분석에 따르면 현재 AI의 거시 생산성 기여도는 연 약 0.1%에 그칩니다
• 정체 원인은 모델 성능이 아니라 도입 지연·기술 격차·조직 제약, 즉 보완재 부족입니다
• 장기적으로는 영향이 10배로 커져 연 최대 1.0% 향상, 글로벌 GDP 연 최대 4.5%까지 가능합니다
• 결국 AI 생산성의 미래는 GPU가 아니라 회의실에서 결정됩니다

---

요즘 주변에서 "AI 덕분에 일이 빨라졌다"는 말은 어렵지 않게 듣습니다. 코드 작성, 보고서 초안, 회의록 정리, 번역까지 — 개인 단위에서는 AI 효과를 부정하는 사람을 찾기가 더 어려운 상황이에요.

그런데 이상한 일이 벌어지고 있습니다. 거시경제 통계에서는 AI의 흔적이 거의 안 잡히고 있거든요. BofA 글로벌 리서치가 최근 내놓은 분석을 보면, AI가 현재 거시 생산성에 기여하는 폭은 연 약 0.1%에 불과합니다. 우리가 체감하는 것과 통계 사이에 큰 간극이 있다는 뜻이에요.

이 0.1%라는 숫자는 뭘 말해주는 걸까요? 그리고 BofA가 장기적으로 10배인 1.0%까지 갈 수 있다고 본 근거는 뭘까요?

현황 분석: 숫자가 말하는 것

BofA가 본 AI의 현주소

현재 시점

• 거시 생산성 기여도: 연 +0.1%
• 효과가 나타나는 곳: 명확히 정의된 특정 기업 업무
• 효과가 안 나타나는 곳: 국가 경제 전반

장기 시나리오 (향후 10년)

• 거시 생산성 기여도: 연 최대 +1.0% (현재의 10배)
• 글로벌 GDP 성장률: **연 최대 +4.5%**까지 가능
• 조건: AI 처리 가능 업무 확대, 산업 침투 심화, 비용 문턱 인하

여기서 한 가지 짚을 점이 있어요. 1.0%는 "최대"이고, 4.5%는 그것이 GDP에 미치는 누적 효과의 "낙관 시나리오"입니다. 베이스라인 전망이 아니라 상한값에 가깝다는 뜻이에요.

정체 원인: 세 가지 마찰

BofA가 꼽은 세 가지 정체 요인은 다음과 같습니다.

• 도입 일정 지연: 기업이 검토는 빨라도 실제 배치는 느림
• 노동력 기술 격차: 도구가 있어도 쓸 줄 아는 사람이 부족
• 조직 내 제도적 제약: 결재·평가·역할 분담이 옛 방식 그대로

이 세 가지의 공통점이 보이시나요? 전부 AI 모델 그 자체와는 무관합니다. 모델은 이미 있고, 문제는 그 모델을 둘러싼 사람·조직·제도 쪽에 있는 거예요.

심층 분석: 왜 효율이 갇히는가

보완재가 빠진 도입은 효과가 안 잡힌다

기술경제학에는 보완재 투자(complementary investment) 라는 개념이 있습니다. 새 핵심 기술은 그것에 맞는 조직 구조, 인력 재배치, 평가 지표, 업무 흐름이 함께 바뀌어야 비로소 생산성으로 전환됩니다.

실생활 비유: 식기세척기를 새로 들였다고 해봅시다. 그런데 가족 모두가 여전히 손설거지를 고집하고, "기계는 못 미덥다"며 한 번 더 헹구는 습관이 그대로면, 절감되어야 할 시간은 어디로 갈까요? 다른 잉여 가사노동으로 흡수되거나, 그냥 사라집니다. 식기세척기 자체의 성능과는 무관하게요.

조직 단위에서도 똑같은 일이 벌어집니다. AI로 보고서 초안 만드는 시간이 2시간에서 20분으로 줄었다고 해도, 결재 라인이 그대로면 결재 대기 시간이 그 자리를 채웁니다. 회의 횟수가 그대로면 절감된 시간이 회의 준비로 흘러갑니다. 결과적으로 개인 효율은 올라갔지만 조직의 산출물은 그대로예요.

솔로우 역설은 처음이 아니다

이 패턴은 사실 새것이 아닙니다. 1987년 경제학자 로버트 솔로우가 이런 말을 남겼어요 — "컴퓨터 시대는 어디서나 보이지만 생산성 통계에는 보이지 않는다."

이게 바로 그 유명한 솔로우 생산성 역설입니다. IT 투자가 본격적으로 미국 생산성 통계에 잡히기까지는 약 10~15년이 걸렸습니다. 1990년대 후반에 와서야 "신경제"라는 말이 통계로 입증됐죠.

더 거슬러 올라가면 전기도 마찬가지였습니다. 전기 모터가 발명된 뒤 공장 생산성이 본격적으로 오르기까지 약 40년이 걸렸어요. 처음에는 공장주들이 증기엔진 자리에 전기 모터를 그대로 박아넣었거든요. 공장 구조가 증기 시대에 맞춰져 있어서, 전기 시대의 효과가 안 나왔습니다. 공장 레이아웃을 통째로 재설계하고 나서야 진짜 효율이 잡혔어요.

실생활 비유: 새 스마트폰을 샀는데 옛날 폴더폰 쓰던 습관 그대로 통화·문자만 한다면, 스마트폰은 그냥 비싼 폴더폰입니다. 도구의 잠재력은 사용자의 습관이 따라줘야 발현됩니다.

비용은 집중되고 이익은 분산된다

세 번째 층위는 정치경제학에 가깝습니다. 조직을 바꾸려고 하면 그 비용 — 익숙한 업무 방식의 폐기, 권한 재분배, 일부 직무의 축소 — 은 특정 부서나 직군에 집중됩니다. 반면 이익은 회사 전체, 미래 시점, 결국엔 소비자에게 흩어지죠.

손해 보는 쪽은 누군지 분명하니까 저항이 조직됩니다. 이익 보는 쪽은 흩어져 있으니 추진력이 약합니다. 그래서 모든 큰 제도 변경은 늘 추진보다 저항이 더 조직적이에요. AI 도입도 예외가 아닙니다.

리스크와 약한 고리

0.1%라는 숫자 자체에 대한 의문

여기서 솔직하게 짚어야 할 부분이 있습니다. "AI 기여도 연 0.1%"라는 수치 자체가 측정 방법론에 의존합니다.

생산성 통계는 GDP를 노동시간으로 나눠 계산합니다. 그런데 AI로 절감된 시간이 그대로 노동시간 감소로 잡히지 않는 경우가 많아요. 사람들은 절감된 시간에 다른 일을 더 합니다. 그 "다른 일"이 GDP에 잡히지 않는 영역(품질 개선, 사내 커뮤니케이션, 학습)이면 통계상으로는 아무 일도 안 일어난 것처럼 보입니다.

즉 0.1%는 "AI 효과의 진짜 크기"가 아니라 "현재 통계가 잡아낼 수 있는 부분"일 가능성이 있어요. 이 점은 BofA 보고서 요약본만으로는 어떤 방법론을 썼는지 확인이 어려운 약한 고리입니다.

평균에 가려지는 분배

연 +1.0%라는 미래 전망도 평균값이라는 점을 기억해야 합니다. 평균이 1%여도 어떤 업종은 +5%, 어떤 업종은 -1%로 갈라질 수 있어요. 어떤 직군은 임금 상승을, 어떤 직군은 일자리 자체의 축소를 겪을 수도 있습니다.

실생활 비유: 동네 평균 강수량이 평년 수준이라도, 어떤 집은 침수되고 어떤 집은 가뭄에 시달릴 수 있는 것과 비슷합니다. 거시 통계는 평균을 말해주지만, 그 평균 뒤에 숨은 비대칭은 따로 봐야 합니다.

비용 측의 가정도 흔들릴 수 있다

BofA는 "비용 문턱이 낮아질 것"을 낙관 시나리오의 핵심 전제로 깔았습니다. 모델 호출당 비용은 분명히 내려가는 추세예요. 하지만 학습 비용, 데이터센터 전력 비용, 냉각 인프라 비용은 빠르게 증가 중입니다. 사회 전체 비용까지 합산하면 단순 하락 곡선이 아닐 수 있어요.

이 부분도 BofA 원문 디테일을 보지 않고 추정한 영역이라 약한 고리로 둡니다.

시사점

기업·경영진 관점

가장 분명한 메시지는 이겁니다 — "AI 도구만 사는 것은 절반의 투자다." 나머지 절반은 조직 자본 투자입니다. 결재 단계를 짧게 다듬고, 평가 지표를 산출물 중심으로 바꾸고, 인력을 AI 보완 영역(검증, 큐레이션, 판단)으로 재배치하는 작업이에요.

구체적으로 점검할 것들

• 새 도구가 들어왔는데 회의 횟수와 결재 단계는 그대로 두고 있는가
• 절감된 시간이 어디로 흘러가는지 측정하고 있는가
• AI로 자동화 가능한 업무를 맡던 인력이 어떤 새 역할로 옮겨가는가

직장인 관점

직장인 입장에서 보면, AI를 잘 쓰는 능력 자체보다 AI를 쓰는 흐름 안에서 사람이 해야 할 새 역할을 찾는 능력이 더 중요해집니다. 검증, 판단, 맥락 부여, 이해관계자 조율 같은 영역이죠.

준비할 것들

• AI 산출물의 오류·편향을 잡아내는 검증 역량
• 도메인 지식의 깊이 (AI는 표면 정보에는 강하지만 깊은 맥락에는 약합니다)
• AI 도구 활용 자체보다 "어떤 문제에 AI를 붙일지" 판단하는 능력

정책·거시 관점

정책 입장에서는 재교육과 노동시장 이동성이 핵심입니다. BofA가 지목한 세 가지 마찰 중 두 번째 — 노동력의 기술 격차 — 가 정책으로 가장 직접 다룰 수 있는 영역이거든요.

평균 1% 향상의 이익을 사회가 누리려면, 그 이익이 분배되는 통로 — 교육·재훈련·이동성 — 이 동시에 깔려 있어야 합니다. 통로가 막혀 있으면 평균은 올라도 중위소득은 안 오를 수 있어요.

향후 전망

단기 (1년 내)

• AI 도입 자체는 계속 가속될 가능성이 큽니다. 다만 거시 통계에 잡히는 기여도는 여전히 1% 미만에 머물 가능성이 높습니다
• 기업 간 격차 확대가 더 뚜렷해질 수 있습니다. 보완재 투자를 같이 한 기업과 도구만 산 기업의 산출물 차이가 벌어지기 시작할 시점이에요
• AI 비용 구조 재편이 진행됩니다. 모델 가격은 내려가지만 인프라·전력 비용 부담이 어디로 떨어지는지가 새 화두로 떠오를 거예요

중장기 (3~5년)

• 솔로우 역설의 IT 시대 사례를 참고하면, 본격적인 거시 생산성 효과는 빠르면 3~4년, 늦으면 7~10년 뒤에 통계로 잡힐 가능성이 큽니다
• 승자와 패자의 윤곽이 분명해집니다. 산업별·직군별 비대칭이 통계로 측정되기 시작하면, 정책 대응이 본격적으로 시작될 거예요
• GDP 측정 방법 자체의 재검토가 필요해질 수 있습니다. AI가 만드는 가치 중 상당 부분이 기존 GDP 정의의 사각지대(품질, 무료 서비스, 사내 효율)에 있기 때문입니다

결론: GPU가 아니라 회의실에서 결정된다

BofA의 0.1% → 1.0%, 10배 격차의 진짜 의미는 이겁니다. AI의 거시적 효과를 키우는 변수는 모델 성능이 아닙니다. 조직과 제도의 변경 속도예요.

GPU 세대가 한 번 더 진화하는 것보다, 어느 기업의 결재 라인이 두 단계 줄어드는 것이 거시 생산성에 더 큰 영향을 줄 수 있다는 뜻이죠. 이 명제는 AI 회의론도 낙관론도 아닙니다. AI의 잠재력은 진짜이지만, 그 잠재력을 거시 통계로 끌어내는 일은 기술의 문제가 아니라 사회의 문제라는 진단입니다.

0.1%라는 수치에 실망할 필요는 없습니다. 솔로우 역설이 가르쳐주는 건, 통계의 침묵이 곧 효과의 부재가 아니라는 점이에요. 다만 그 효과를 우리 모두가 누릴지, 아니면 일부에 집중될지는 — 기술 기업이 아니라 — 회사, 정부, 그리고 사회가 어떤 보완재를 함께 깔아주는가에 달려 있습니다.