기술 요약: 지적 수렴 인간 프레임워크를 통한 AI 시대 생산성 예측

1. 문제 제기: AI 생산성 역설

본 논문은 현대 경제학의 핵심적인 역설을 다룬다. 즉, 인공지능(AI)에 대한 전 세계적인 막대한 투자가 총요소생산성(TFP)의 상응하는 증대로 이어지지 못하고 있다는 점이다. OECD 경제국들을 중심으로 AI 도입은 급격히 가속화되고 있으나, 실증 데이터는 AI 강도와 생산성 성장 사이의 낮은 상관관계를 보여준다. 예를 들어, 20개 OECD 경제국을 대상으로 한 최소제곱법(OLS) 분석 결과, AI 도입 자체는 TFP 성장 변동의 31%($R^2 = 0.31$)만을 설명할 뿐이었다.

저자들은 이것이 경험적 이상 현상이 아니라 기존 생산 함수 프레임워크의 이론적 실패라고 주장한다. 지배적인 과업 기반 프레임워크(Acemoglu & Restrepo 포함)를 포함한 기존 모델들은 AI를 분리 가능한 생산 요소나 과업 자동화 메커니즘으로 취급한다. 이러한 프레임워크는 AI 출력을 근거 짓고(grounding), 보정하며(calibrating), 창의적으로 확장하기 위해 필요한 인지적 매개(cognitive mediation) 과정을 모델링하지 못한다. 결과적으로, 투자는 AI의 출력을 뒷받침할 인간의 인지적 역량을 사전에 개발하는 대신, 단순한 배치(AI 강도, $A$)에만 집중되고 있다.

2. 방법론

본 논문은 프레임워크 구축 기여를 위한 인정된 접근 방식인, 경험적 관찰에 기반한 개념적-이론적 방법론을 채택한다. 연구 설계는 다음과 같다:

• 이론적 구축: 산업 경제에서 지식 경제 단계로의 생산 함수 이론 진화와 인지 과학(기호 접지, 체화된 인지, 메타인지, 시간적 통합)을 결합하여 새로운 생산 프레임워크를 제안한다.
• 비교 사례 분석: 20개 OECD 경제국(2018~2023년 데이터)에 대한 소규모 n-국가 교차 분석을 수행한다. 이는 통계적 확증보다는 패턴 일치 사례를 통한 이론적 명제 개발이라는 전통을 따른다.
• 이탈 사례 분석(Deviant Case Analysis): 높은 인적 자본($H$)과 상당한 AI 도입($A$)에도 불구하고 정체된 TFP 성장을 보이는 한국을 비판적 테스트 케이스로 선정하여 집중 조사한다.
• 통계 모델링: 기술적 패턴을 입증하기 위해 6개의 OLS 모델을 제시한다. 주요 모델(Model 6)은 AI 도입과 "수렴 역량(Convergence Capacity, $C$)"의 대리 변수 간의 상호작용 항을 도입한다.
• 강건성 검정: 소표본 정밀도 문제를 해결하기 위해 leave-one-out 교차 검증, 부트스트랩 재표집(10,000회 반복), 잭나이프(jackknife) 절차를 사용하여 상호작용 효과가 단일 이상치에 의해 유도되지 않았음을 확인한다.

3. 주요 기여

A. 지적 수렴 인간(ICH) 프레임워크

본 논문은 유효 인적 자본($\hat{H}$)을 기초 인적 자본($H$), AI 활용 강도($A$), 그리고 **수렴 역량($C$)**의 함수로 재정의하는 다섯 번째 단계의 생산 함수 프레임워크를 제안한다.

$$\hat{H} = H \cdot [1 + \phi(A, C)]$$
$$Y = F(K, \hat{H})$$

이 공식에서 솔로(Solow)의 TFP 잔차($A_{Solow}$)는 증강 함수로 내생화된다: $A_{Solow} = [1 + \phi(A, C)]^{1-\alpha}$.

B. 수렴 역량($C$)의 정의

저자들은 $C$를 AI 출력을 생산적 가치로 전환하는 것을 매개하는 4차원적 인지 구조로 정의한다. 이는 인적 자본($H$)이나 흡수 역량(Absorptive Capacity)과는 구별되며, 이들로 환원되지 않는다. 4가지 차원은 다음과 같다:

1. 체화된 이해($C_1$): 기호적 AI 출력을 감각운동적, 문화적, 맥락적 현실과 연결하는 능력.
2. 메타인지적 보정($C_2$): 자신의 지식 상태를 모니터링하고 AI 출력에 대한 신뢰도를 조절하는 능력 (예: 환각 현상이나 최적화되지 않은 알고리즘을 인식하는 것).
3. 시간적 통합($C_3$): AI 출력을 제도적 기억(과거) 및 미래 전망(미래) 내에서 맥락화하는 능력.
4. 통합적 사고($C_4$): AI의 훈련 분포를 넘어 새로운 솔루션을 생성하기 위한 유추적 추론 및 교차 도메인 합성 능력.

C. 이론적 차별점

본 논문은 $C$를 인접 개념들과 엄격히 구분한다:

• 대 인적 자본($H$): $H$는 도메인 지식의 축적이며, $C$는 $H$가 AI를 얼마나 효과적으로 활용할지를 결정하는 메타 인지적 구조이다.
• 대 흡수 역량: 흡수 역량은 지식 처리를 위한 조직 수준의 구조인 반면, $C$는 개인의 인지적 미시 기초이다.
• 대 과업 기반 프레임워크: 과업 프레임워크는 어떤 과업이 자동화될지를 결정하지만, $C$는 남겨진 인간-AI 상호작용의 생산성을 결정한다.
• 대 기술 수용 모델(TAM): TAM은 도입(adoption)을 설명하지만, $C$는 도입 이후의 생산적 활용을 설명한다.

D. 세 가지 증강 레짐(Augmentation Regimes)

증강 함수 $\phi(A, C)$의 특성에 따라 세 가지 뚜렷한 생산 레짐이 정의된다:

1. 레짐 I (과소 증강): 높은 $A$, 낮은 $C$. 결과: $\phi \approx 0$. AI가 집약적으로 사용되지만, 생산성 향상 없이 과업 대체만을 일으키는 "매개된 자동화" 통로로 작용한다. 이는 "소소한 기술(so-so technology)" 현상을 설명한다.
2. 레짐 II (최적 증강): 높은 $A$, 높은 $C$. 결과: $\phi$가 극대화된다. 인적 자본과 AI가 생산적 평형을 이루어, AI 출력의 창의적 확장이 가능해진다.
3. 레짐 III (과잉 자동화/튜링 트랩): $C$ 대비 과도한 $A$. 결과: $\phi$가 감소한다. 인간은 "고무 도장(rubber stamps)"이 되며, 운동 부족으로 인해 인지적 인프라($C$)가 퇴화하는 자기 강화적 저하 사이클이 발생한다.

4. 결과 및 실증적 발견

• 상호작용 효과: 교차 국가 분석 결과, AI 도입과 수렴 역량 간의 상호작용($A \times C$)은 TFP 성장의 변동성을 86% 설명하였으며, 이는 AI 도입만으로 설명되는 31%보다 크게 개선된 수치이다.
• 한국의 역설: 한국은 이론을 확인하는 이탈 사례 역할을 한다. 높은 인적 자본(대학 교육 70%, 최고 수준의 PISA 점수)과 높은 AI 도입(기업의 28%)에도 불구하고, 한국의 TFP 성장은 약 0.48%로 정체되어 있다. 본 프레임워크는 이를 시험 중심 교육(낮은 $C_2$), 조직적 위계(낮은 $C_2$), 학문적 사일로 현상(낮은 $C_4$)으로 인한 $C$의 구조적 억제로 설명한다.
• 비교 증거: 고-$C$ 국가(예: 싱가포르, 덴마크, 스웨덴)는 강력한 AI-TFP 결합을 보이는 반면, 저-$C$ 국가는 AI 도입 수준과 관계없이 정체를 보인다.
• 존재론적 제약: 본 논문은 AI가 네 가지 존재론적 제약 때문에 독립적인 생산 변수가 될 수 없다고 주장한다: 기호 접지의 결여, 체화된 인지의 결여, 진정한 메타인지의 결여, 그리고 시간적 통합(정신적 시간 여행)의 결여이다. 이러한 제약은 인간의 인지적 매개를 필수적으로 만든다.

5. 의의 및 주장

본 논문은 솔로의 TFP 잔차를 "무지의 척도"라는 외생적 변수에서, 인간-AI 통합의 질에 의해 결정되는 내생적 정책 변수로 전환함으로써 인간 중심의 메커즘을 제공한다고 주장한다.

• 정책적 시사점: 저자들은 "$C$-우선(C-first)" 정책 순서를 주장한다. 국가와 조직은 AI 배치를 실시하기 전 또는 동시에(교육 개혁, 학제 간 합성, 메타인지 훈련을 통해) 수렴 역량 개발을 우선시해야 한다. 낮은 $C$ 환경에서 AI 도입을 가속화하는 것은 수확 체감 또는 능동적 해악(레짐 III)을 초래할 것으로 예측된다.
• 이론적 발전: 본 프레임워크는 AI 생산성 연구의 미시-거시 간극을 메우며, 개인의 인지적 효과를 거시 경제적 결과로 집계하는 메커니즘을 제공한다. 이는 생산성 역설을 측정 오류나 시차(J-curve)가 아닌, 투자 순서의 문제로 재해석한다.
• 반증 가능성: 본 논문은 반증 가능한 10년 전망(2025~2035)을 제시한다: $C$ 개발에 투자하는 국가들은 도입을 극대화하면서 $C$를 간과하는 국가들보다 훨씬 강력한 AI-TFP 결합을 보일 것이다. 구체적으로, 베트남이 $C$를 개발하지 않고 한국식 "자격증 중심" 교육 경로를 따른다면, 한국의 증강 결핍을 재현할 것이라고 예측한다.

저자들은 "지적 수렴 인간($\hat{H}$)"이 AI 시대의 핵심 변수라고 결론짓는다. 생산적 가치는 AI 단독으로도, 인적 자본 단독으로도 생성되지 않으며, 인간이 AI 출력을 근거 짓고, 보정하며, 창의적으로 확장할 수 있게 하는 수렴 역량에 의해 생성된다.