Nobody knows anything' and 'this time is different': the phrases that define — and haunt — the AI economy | Article 정리

🖼️ 인포그래픽

Nobody knows anything' and 'this time is different': the phrases that define — and haunt — the AI economy 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

이 글은 AI 경제를 둘러싼 낙관론과 불확실성을 ‘이번에는 다르다’와 ‘아무도 모른다’라는 두 문장으로 설명하며, 현재 AI의 거시 생산성 효과가 아직 작고 실제 성과는 기술보다 조직적 배치와 실험 방식에 달려 있다고 짚는다.

📌 핵심 요약

글은 금융 버블의 역사에서 반복되어 온 두 문장, 즉 고평가를 정당화하는 ‘이번에는 다르다’와 극도의 불확실성을 인정하는 ‘아무도 모른다’가 2026년 AI 경제 담론에서 동시에 등장하고 있다고 출발한다.
뱅크오브아메리카는 AI가 현재 경제 전체 생산성을 연간 0.1% 끌어올리는 수준이라고 추산했고, 골드만삭스도 고객지원과 소프트웨어처럼 AI 활용이 집중된 분야에서는 생산성 향상이 보이지만 경제 전체 수준에서는 의미 있는 관계가 아직 없다고 봤다.
본문은 AI가 바꿀 수 있는 업무 비중, 자동화 비용 효율성, 노동비 절감률, 전체 비용 중 노동 비중을 곱하면 현재 이론상 노동생산성 상한도 제한적이며, 실제 효과는 조직 마찰과 느린 도입으로 더 낮아진다고 설명한다.
이선 몰릭은 기업 리더들 앞에서 ‘플레이북은 없다’고 말하며, AI가 얼마나 좋아지고 얼마나 빠르게 발전하는지가 모든 것을 결정하지만 그 곡선의 지속성과 둔화 시점은 누구도 확실히 알 수 없다고 강조한다.
몰릭이 지적하는 핵심 병목은 기술 자체보다 조직 구조다. IT 부서의 위험 회피, KPI 중심의 실험 방식, 10% 개선 같은 목표는 기존 프로세스의 점진적 개선만 유도해 AI가 프로세스를 통째로 대체하는 돌파적 활용을 막을 수 있다.

🧩 주요 포인트

글은 금융 버블의 역사에서 반복되어 온 두 문장, 즉 고평가를 정당화하는 ‘이번에는 다르다’와 극도의 불확실성을 인정하는 ‘아무도 모른다’가 2026년 AI 경제 담론에서 동시에 등장하고 있다고 출발한다.
뱅크오브아메리카는 AI가 현재 경제 전체 생산성을 연간 0.1% 끌어올리는 수준이라고 추산했고, 골드만삭스도 고객지원과 소프트웨어처럼 AI 활용이 집중된 분야에서는 생산성 향상이 보이지만 경제 전체 수준에서는 의미 있는 관계가 아직 없다고 봤다.
본문은 AI가 바꿀 수 있는 업무 비중, 자동화 비용 효율성, 노동비 절감률, 전체 비용 중 노동 비중을 곱하면 현재 이론상 노동생산성 상한도 제한적이며, 실제 효과는 조직 마찰과 느린 도입으로 더 낮아진다고 설명한다.
이선 몰릭은 기업 리더들 앞에서 ‘플레이북은 없다’고 말하며, AI가 얼마나 좋아지고 얼마나 빠르게 발전하는지가 모든 것을 결정하지만 그 곡선의 지속성과 둔화 시점은 누구도 확실히 알 수 없다고 강조한다.
몰릭이 지적하는 핵심 병목은 기술 자체보다 조직 구조다. IT 부서의 위험 회피, KPI 중심의 실험 방식, 10% 개선 같은 목표는 기존 프로세스의 점진적 개선만 유도해 AI가 프로세스를 통째로 대체하는 돌파적 활용을 막을 수 있다.

🧠 상세 정리

1. 두 문장이 AI 경제를 설명하는 출발점

글은 현대 금융 버블의 역사에서 반복적으로 등장한 두 표현을 AI 경제 논쟁의 렌즈로 제시한다. 하나는 ‘이번에는 다르다’로, 기존 평가 기준이 더 이상 맞지 않는다고 믿으며 높은 밸류에이션을 합리화할 때 나오는 문장이다. 존 템플턴은 이를 투자 역사상 가장 값비싼 말 중 하나로 봤고, 라인하트와 로고프도 과거 위기가 반복되지 않을 것이라는 믿음이 번번이 틀렸음을 연구로 정리했다. 다른 하나는 ‘아무도 모른다’로, 불확실성이 너무 커서 확실한 판단 자체가 거의 불가능하다는 상태를 가리킨다. 글은 2026년 AI 담론에서 이 두 문장이 동시에, 때로는 같은 사람들의 입에서 나오고 있다는 점을 문제의식으로 삼는다.

2. 현재 수치가 보여주는 거시 효과의 제한성

본문이 먼저 제시하는 핵심 숫자는 0.1%다. 이는 뱅크오브아메리카가 AI가 현재 경제 전체 생산성을 연간 얼마나 끌어올리는지 추산한 값으로, 같은 보고서가 AI를 전기와 인터넷을 합친 것보다 더 큰 변화로 묘사했다는 점과 대비된다. 골드만삭스 역시 3월에 경제 전체 수준에서는 AI와 생산성 사이의 의미 있는 관계를 찾지 못했다고 했다. 다만 고객지원과 소프트웨어처럼 AI 활용이 집중된 두 부문에서는 중간값 기준 30% 생산성 향상이 보고됐다. 즉 특정 업무와 산업에서는 효과가 분명히 보이지만, 그것이 아직 거시경제 전체의 생산성 상승으로 넓게 번지지는 않았다는 것이 글의 기본 진단이다.

3. 0.1% 뒤에 있는 계산과 논쟁의 핵심

글은 0.1%라는 숫자가 단순한 인상이 아니라 비교적 명확한 산술에서 나온다고 설명한다. 현재 AI가 바꿀 수 있는 업무는 전체 직장 업무의 약 20%이고, 그중 오늘날 가격 기준으로 비용 효율적으로 자동화할 수 있는 것은 23%에 그친다. 자동화된 업무는 노동비를 약 27% 절감하며, 노동은 전체 비용의 약 절반을 차지한다. 이 요소들을 곱하면 현재 조건에서의 이론적 노동생산성 상승 상한은 0.66% 정도이고, 여기에 마찰, 느린 도입, 제도적 관성이 더해지면 실제 실현치는 더 낮아진다. 따라서 AI 경제의 낙관론과 비관론은 모두 이 격차가 닫힐 수 있는지, 얼마나 빨리 닫히는지, 그리고 그 비용과 이익이 누구에게 돌아가는지를 둘러싼 논쟁이라고 정리된다.

4. ‘아무도 모른다’와 플레이북 없는 국면

이선 몰릭은 뉴욕공립도서관에서 기업 리더들에게 자신이 AI 연구소, 유명 인사, CEO들과 계속 이야기하지만 ‘아무도 모른다’고 말했다. 그는 모두가 진행하면서 만들어가고 있으며, ‘플레이북이 있다’고 말하는 사람은 거짓말을 하는 것이라고 강조했다. 글은 이를 영화계의 유명한 표현과 연결한다. 시나리오 작가 윌리엄 골드먼이 영화 산업에서 무엇이 성공할지 누구도 확실히 모른다고 했던 것처럼, AI 산업도 지금은 흥행 공식을 알 수 없는 할리우드식 국면에 있다는 것이다. 몰릭에게 이 상황은 두려운 동시에 기회이기도 하다. 정해진 길이 없기 때문에 스스로 플레이북을 만드는 조직은 경쟁우위를 얻을 수 있다는 뜻이다.

5. 결정적 질문은 ‘얼마나 좋고, 얼마나 빠른가’

몰릭은 AI의 향방을 좌우하는 질문을 크게 두 가지로 압축한다. AI가 얼마나 좋아질 것인가, 그리고 얼마나 빠르게 좋아질 것인가다. 현재의 논의는 대체로 지금의 상태를 기준으로 미래가 과거와 비슷하게 이어질 것이라고 가정하지만, 그는 AI 발전의 ‘들쭉날쭉한 경계’ 때문에 이런 추정이 매우 불안정하다고 본다. 발전 곡선이 얼마나 오래 지속될지, 언제 완만해질지, 그 완만해지는 정도가 얼마나 급격할지는 다른 모든 경제적 판단을 좌우한다. 이 지점에서 글은 ‘이번에는 다르다’는 낙관과 ‘플레이북은 여전히 중요하다’는 역사적 경고가 충돌한다고 본다. AI가 정말 예외적 국면인지, 아니면 익숙한 과열의 언어를 반복하는지 아직 결론은 열려 있다.

6. 기술보다 조직이 병목이 되는 이유

몰릭이 제시하는 경제적 성과 지연의 구체적 원인은 기술 자체가 아니라 조직이다. 그는 IT 부서가 악의적이어서가 아니라 위험을 줄여야 하는 임무를 갖고 있기 때문에 실험에 구조적으로 적대적일 수 있다고 지적한다. 특히 KPI는 실험 단계에서 가장 큰 적이 될 수 있다고 말한다. 예컨대 ‘10% 개선이 필요하다’는 식의 목표는 조직이 볼 수 있는 활용 사례의 범위를 제한하고, 기존 프로세스를 조금 더 낫게 만드는 방향으로만 사고하게 만든다. 그러나 AI의 돌파적 활용은 기존 절차를 개선하는 것이 아니라 대체하는 데서 나올 수 있다. 따라서 현재의 0.1% 문제는 단순한 과열이 아니라, 분기 실적과 성과평가 주기에 박힌 합리적 보수성이 만든 조직적 문제로도 해석된다.

7. AI 기업의 컨설팅 진출이 드러내는 역설

글이 제시하는 가장 날카로운 불확실성의 증거는 AI 기업들 자신에게서 나온다. 몰릭은 AI 기업들이 이제 AI 배치를 돕기 위한 자체 컨설팅 조직을 만들고 있다는 점을 이상하다고 지적한다. 만약 모델이 정말로 모든 사무직 일자리를 파괴할 만큼 강력하다면, 적어도 시스템을 어떻게 배치해야 하는지 스스로 도울 수 있어야 하지 않느냐는 질문이다. 기술을 만든 기업, 그리고 그 기술의 능력을 가장 낙관적으로 보는 기업조차도 ‘어떻게 실제 조직에 배치할 것인가’라는 가장 기본적인 실무 질문에는 명확한 답을 갖고 있지 않다는 의미다. 이는 정말로 새로운 플레이북이 없다는 증거일 수도 있고, 동시에 새로운 핵심 자원을 쥔 플레이어가 등장해 모두가 그 도움을 필요로 하게 되는 오래된 경제적 패턴일 수도 있다.

🧾 핵심 주장 / 시사점

AI의 경제적 가치는 모델 성능만이 아니라 조직이 실험을 허용하고 기존 프로세스를 재설계할 수 있는지에 달려 있다.
현재의 낮은 거시 생산성 효과는 AI가 무의미하다는 증거라기보다, 국지적 성과가 경제 전체로 확산되기까지의 비용·마찰·제도적 지연을 보여준다.
‘이번에는 다르다’는 말과 ‘아무도 모른다’는 말이 동시에 유행한다는 사실은 AI 시장이 기대와 불확실성 모두를 극단적으로 품고 있음을 드러낸다.

✅ 액션 아이템

0.1%의 10% 전략을 0.1% 기준으로 분해하되, 핵심 anchor(0.1%, 0.66%, 10%, 20%, 23%, 27%, 30%)가 실제 비용·성과 지표와 어떻게 연결되는지 검증한다.
New York Public Library이 강조한 23% 맥락이 고객 도입, 보안·운영 요구, ROI 판단에 어떤 우선순위를 만드는지 정리한다.
AI can currently transform about 20% of all workplace tasks. 흐름과 The first is “this time is different” — what Sir John Templeton called 조건을 함께 놓고, 단기 효율과 장기 경쟁력 사이의 실행 리스크를 점검한다.

❓ 열린 질문

AI can currently transform about 20% of all workplace tasks.이 사실이라면 0.1%에는 어떤 변화가 가장 먼저 나타날까?
0.1%가 0.66%를 확장할 때 The first is “this time is different” — what Sir John Templeton called 문제는 어떤 지표에서 먼저 드러날까?
20% 요구가 커질수록 0.1%의 전략은 클라우드 중심 접근과 어떤 기준으로 달라져야 할까?