🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

AI가 이미 세계 경제에 수천억 달러 규모의 활동을 만들고 있을 수 있지만, 공식 통계는 산업 전반에 흩어진 AI 활동과 성능 개선 속도를 제대로 포착하지 못한다는 주장이 제기됐다.

📌 핵심 요약

• 피터슨국제경제연구소의 새 정책 브리프는 AI가 2025년에 약 2,500억 달러 규모의 경제 활동을 만들었을 가능성이 있으며, 공식 통계 체계가 이를 제대로 측정하지 못한다고 주장한다.
• 브리프의 저자 안톤 코리넥과 패트릭 맥켈비는 AI 활동이 클라우드, 소프트웨어, 데이터 처리 등 여러 산업 항목에 흩어져 있고, AI 성능이 빠르게 향상되는 효과가 통계에 반영되지 않는다고 본다.
• 저자들은 GPU 임대료, 전력 소비, AI 추론 가격, 학습 알고리즘 발전 속도 등을 바탕으로 자체 추정치를 만들었고, 같은 성능을 얻는 비용이 연간 약 94% 하락했다고 추산했다.
• 이들은 AI의 빠른 성능 향상을 공식 통계가 반영한다면 2025년 미국 경제성장률이 최대 약 4%포인트 높게 보일 수 있다고 계산했지만, 이는 중심 추정치가 아니라 가능한 상한이라고 밝혔다.
• 케임브리지대 다이앤 코일 교수는 측정 공백 자체에는 동의하면서도 AI가 주로 최종 제품이 아니라 중간 투입재로 쓰인다는 점, 기업 단위 생산성 향상 증거가 아직 부족하다는 점을 들어 규모와 속도에 의문을 제기했다.

🧩 주요 포인트

1. 피터슨국제경제연구소의 새 정책 브리프는 AI가 2025년에 약 2,500억 달러 규모의 경제 활동을 만들었을 가능성이 있으며, 공식 통계 체계가 이를 제대로 측정하지 못한다고 주장한다.
2. 브리프의 저자 안톤 코리넥과 패트릭 맥켈비는 AI 활동이 클라우드, 소프트웨어, 데이터 처리 등 여러 산업 항목에 흩어져 있고, AI 성능이 빠르게 향상되는 효과가 통계에 반영되지 않는다고 본다.
3. 저자들은 GPU 임대료, 전력 소비, AI 추론 가격, 학습 알고리즘 발전 속도 등을 바탕으로 자체 추정치를 만들었고, 같은 성능을 얻는 비용이 연간 약 94% 하락했다고 추산했다.
4. 이들은 AI의 빠른 성능 향상을 공식 통계가 반영한다면 2025년 미국 경제성장률이 최대 약 4%포인트 높게 보일 수 있다고 계산했지만, 이는 중심 추정치가 아니라 가능한 상한이라고 밝혔다.
5. 케임브리지대 다이앤 코일 교수는 측정 공백 자체에는 동의하면서도 AI가 주로 최종 제품이 아니라 중간 투입재로 쓰인다는 점, 기업 단위 생산성 향상 증거가 아직 부족하다는 점을 들어 규모와 속도에 의문을 제기했다.

🧠 상세 정리

1. AI 경제 효과를 둘러싼 측정 공백

기사의 핵심 문제의식은 AI가 경제를 이미 크게 바꾸고 있다는 산업계의 주장과, 공식 경제 지표에서 그 변화가 뚜렷하게 보이지 않는 현실 사이의 간극이다. 빅테크 기업들은 AI가 일하는 방식, 기업 조직, 소프트웨어 엔지니어링 같은 산업 기능을 바꾸고 있다고 말하지만, 생산성 지표나 GDP 성장률 같은 공식 통계에서는 이를 뒷받침할 숫자를 찾기 어렵다. 일부는 통계 체계가 기술 변화를 따라가지 못한다고 보고, 다른 일부는 AI가 아직 기업 단위 생산성에 체계적으로 나타나지 않았다고 본다. 피터슨국제경제연구소의 새 정책 브리프는 바로 이 과장된 기대와 부족한 숫자 사이의 차이를 설명하려 한다.

2. 정책 브리프의 기본 주장

브리프는 안톤 코리넥과 패트릭 맥켈비가 작성했으며, AI가 매우 빠른 속도로 성장하고 있지만 공식 통계가 이를 추적하도록 설계되어 있지 않다고 주장한다. 저자들은 AI 경제가 하나의 독립된 산업 항목으로 보이지 않는다는 점을 첫 번째 문제로 제시한다. AI 관련 활동은 클라우드 서비스, 소프트웨어, 데이터 처리 등 여러 공식 산업 분류 안에 흩어져 있어 전체 규모를 한눈에 보기 어렵다. 두 번째 문제는 AI의 성능 향상 속도다. 같은 비용으로 얻을 수 있는 AI 능력이 빠르게 커지고 있지만, 기존 통계는 이런 품질 및 성능 개선을 충분히 반영하지 못한다는 것이다.

3. AI 경제 규모와 성장 속도 추정

코리넥과 맥켈비는 2025년에 AI가 약 2,500억 달러 규모의 경제 활동을 만들었다고 추정한다. 기사에서는 이 규모가 미국 항공 산업 전체와 비슷하다고 설명한다. 또한 AI 산업이 생산할 수 있는 산출량은 연간 약 2,600% 속도로 증가하고 있다고 추정한다. 같은 수준의 AI 성능을 얻는 비용은 연간 약 94% 하락한 것으로 계산되며, 이는 오늘 AI에 쓰는 1달러가 1년 전보다 훨씬 더 많은 성능을 구매한다는 뜻으로 해석된다. 다만 이러한 수치는 공식 통계에서 직접 나온 것이 아니라 저자들이 별도로 구성한 추정치다.

4. 공식 통계 대신 사용한 추정 방식

저자들은 기존 경제 통계에 의존하지 않고 AI 경제의 크기와 속도를 자체적으로 추정했다. 그들이 활용한 자료에는 GPU 임대료, 전력 소비, AI 추론 가격, AI 학습에서의 알고리즘 발전 속도 등이 포함된다. 이는 AI가 전통적인 산업 분류 안에서 잘 보이지 않는다고 판단했기 때문에, 실제 AI 서비스 생산과 비용 변화를 보여줄 수 있는 간접 지표를 조합한 접근이다. 이 방식은 빠르게 바뀌는 기술의 현황을 포착하려는 시도지만, 동시에 공식 통계와 직접 비교하기 어려운 추정이라는 한계도 갖는다. 기사 역시 저자들이 제시한 성장률 효과가 중심 추정치가 아니라 가능한 최대치, 즉 상한이라고 명시한다.

5. 성장률이 더 높게 보일 수 있다는 상한 추정

브리프는 AI의 빠른 능력 향상이 공식 통계에 반영된다면 2025년 미국 경제성장률이 약 4%포인트 더 높게 나타날 수 있다고 계산한다. 그러나 저자들은 이 수치를 실제로 그렇게 성장했다는 단정으로 제시하지 않는다. 기사에 따르면 이는 가능한 최대 영향을 나타내는 상한이며, 저자들의 중심 전망이 아니다. 중요한 점은 AI가 경제 활동의 일부로 존재하더라도, 그 성능 개선과 비용 하락이 기존 통계 방식에서는 충분히 드러나지 않을 수 있다는 문제 제기다. 이 주장은 AI의 실질 효과가 이미 상당한지, 아니면 아직 통계에 나타날 만큼 확산되지 않았는지를 둘러싼 논쟁의 중심에 놓여 있다.

6. AI 전용 통계 체계 제안

저자들이 제안하는 해법은 AI를 위한 별도의 통계 트랙을 만드는 것이다. 정부가 에너지나 국제무역을 별도로 집계하듯, AI 활동도 산업 전반에서 모아 하나의 체계로 관찰해야 한다는 주장이다. 이 통계 체계는 AI가 어느 산업에서 쓰이는지뿐 아니라, 기술이 얼마나 빠르게 개선되고 있는지도 반영해야 한다. 저자들은 지금 이런 체계를 만들지 않으면 데이터의 공백이 정책의 공백으로 이어질 수 있다고 경고한다. 세금, 노동시장, 공공 지출 같은 결정을 내릴 때 정부가 AI 경제의 실제 움직임을 보지 못할 수 있기 때문이다.

7. 다이앤 코일의 반론과 신중론

케임브리지대 공공정책 교수 다이앤 코일은 측정 공백이 있다는 점에는 동의하지만, 브리프가 주장하는 규모와 속도에는 의문을 제기한다. 그의 핵심 반론은 AI가 대부분 최종 소비재가 아니라 다른 제품과 서비스를 만드는 데 쓰이는 중간 투입재라는 점이다. GDP는 소비자에게 도달하는 최종 재화와 서비스를 측정하므로, AI가 하나의 재료처럼 쓰인다면 그 영향은 최종 제품이 실제로 더 좋아질 때만 의미가 커진다. 코일은 기업 단위에서 AI가 생산성을 체계적으로 높이고 있다는 증거도 아직 많지 않다고 본다. 개인 근로자가 더 빨라지더라도 조직 전체의 병목이 남아 있으면 그 효과가 사라질 수 있다는 지적이다.

8. 무엇을 측정해야 하는가라는 더 큰 질문

기사는 이 논쟁의 본질이 단순히 AI를 잘못 측정하고 있느냐의 문제가 아니라고 정리한다. 더 근본적으로는 AI가 일하는 방식을 얼마나 바꾸고 있는지, 그리고 그 변화를 판단할 도구가 적절한지에 관한 문제다. 코일은 우리가 측정을 잘못하고 있는 것뿐 아니라, 무엇을 측정해야 하는지에 대해서도 아직 합의하지 못했다고 말한다. 브리프는 AI의 숨은 경제 효과를 드러내기 위해 새 통계 체계가 필요하다고 주장하고, 비판자들은 최종 산출과 조직 생산성으로 이어지는 증거가 더 필요하다고 본다. 따라서 현재의 논쟁은 AI 경제가 이미 거대한가라는 질문과, 그 거대함을 어떤 기준으로 확인할 것인가라는 질문을 동시에 던진다.

🧾 핵심 주장 / 시사점

• AI의 경제 효과 논쟁은 ‘효과가 있느냐 없느냐’보다 ‘어떤 단위와 기준으로 효과를 측정할 것인가’의 문제로 이동하고 있다.
• AI가 중간 투입재로 쓰이는 경우, 기술 성능 향상 자체보다 그것이 최종 제품 품질과 조직 전체 생산성으로 이어지는지가 핵심 검증 지점이 된다.
• 정책 당국이 AI 전용 통계 체계를 갖추지 못하면, 실제 변화가 크든 작든 세금·노동·공공 지출 판단에서 데이터 기반 의사결정이 어려워질 수 있다.

✅ 액션 아이템

• AI가 2025년 약 2,500억 달러로 추정되는 경제 활동을 반영하려면 클라우드, 소프트웨어, 데이터 처리 등 분산 분야를 묶어 집계 체계를 재정렬한다.
• 저자들이 사용한 GPU 임대료·전력 소비·추론 가격·학습 알고리즘 지표로 동등 성능당 비용 연간 94% 하락 가정을 재검증한다.
• 공식 통계가 성능 개선을 반영할 경우 성장률이 최대 4%포인트까지 달라질 수 있다는 상한을 중심 추정치와 구분해 수치 해석 기준을 정한다.

❓ 열린 질문

• AI 활동이 중간 투입재 성격이 강할수록 공식 통계에서 최종 생산성 기여로 전환되는 기준은 무엇인가?
• 기업 단위 생산성 향상 실증이 부족한 상황에서 AI 기여 추정치가 과대평가될 가능성은 어느 범위까지인가?
• 동일 성능을 더 저렴하게 얻는 94% 하락이 2025년 성장률 4%포인트 상한 계산을 정당화하는 충분한 근거가 될 수 있는가?