The Reverse Big Push: Generative AI and Self-Fulfilling Automation

현대 경제에서 기업이 돈을 버는 방식은 종종 운영을 위해 지출하는 비용과 고객으로부터 흘러 들어오는 수입 사이의 미묘한 균형에 달려 있습니다. 기업이 노동자를 고용할 때, 기업은 그들에게 임금을 지급합니다. 그러면 그 노동자들은 자신의 급여를 다른 지역 기업에서 소비하며, 이는 전체 경제를 움직이게 하는 수요의 순환을 만들어냅니다. 이 순환은 지역 시장이 기능하는 방식의 근본적인 부분입니다. 수십 년 동안 경제학자들은 새로운 기술이 이러한 균형을 어떻게 변화시키는지 연구해 왔습니다. 때때로 어떤 새로운 기계는 구입 비용이 너무 비싸서 소수의 기업만이 이를 감당할 수 있으며, 그 기업들은 기계 값을 치를 만큼 충분한 고객을 찾기 위해 열심히 노력해야 합니다. 이것이 바로 '빅 푸시(big push)'의 고전적인 개념으로, 높은 비용이 기업 집단이 생존을 위해 함께 성장하도록 강제하는 것을 의미합니다.

하지만 생성형 인공지능의 등장은 이 시나리오를 뒤집어 놓았습니다. 오늘날 고급 AI를 사용하는 데 드는 가장 비싼 부분, 즉 컴퓨터 시스템을 훈련시키는 비용은 그 기술을 사용하는 기업이 아니라 그 기술을 만든 기업이 부담합니다. 법률 사무소나 디자인 스튜디오는 새로운 업무가 들어올 때마다 시간당 단위로 AI의 성능을 빌려 쓸 수 있습니다. 이는 자동화를 무거운 선행 투자라기보다 유연한 운영 비용처럼 보이게 만듭니다. 하지만 여기에는 함정이 있습니다. 만약 어떤 기업이 인간 팀을 대체하기 위해 이 AI를 사용하기로 결정한다면, 그 기업은 더 이상 임금을 지급하지 않게 됩니다. 만약 많은 기업이 동시에 이와 같은 결정을 내린다면, 노동자들은 일자리를 잃고 지역 경제에서 소비를 멈추게 됩니다. 이는 다른 모든 이들을 위한 시장을 축소시키며, 남아 있는 기업들이 살아남는 것을 더 어렵게 만듭니다. 연구자들이 질문을 던지고 있는 지점은, 기업들이 각자의 이익을 위해 행동하면서 의도치 않게 자신들이 의존하고 있는 바로 그 시장을 파괴하게 되는 함정이 발생하는가 하는 것입니다.

중국의 한 경제학자 팀은 이 특정한 역학 관계를 탐구하기 위해 모델을 구축하였으며, 특히 AI를 인간과 함께 사용하는 것과 AI로 인간을 대체하는 것 사이의 선택이 지역 서비스 경제에서 어떻게 전개되는지에 초점을 맞추었습니다. 그들은 경제가 다음에 일어날 일을 어떻게 예상하느냐에 따라 두 가지 매우 다른 상태에 갇힐 수 있다는 것을 발견했습니다. 한 상태에서는 기업들이 인간 팀을 유지하여 임금이 높게 유지되고 지역 경제가 활기차게 돌아갑니다. 다른 상태에서는 기업들이 비용을 절감하기 위해 팀을 줄이고, 임금은 하락하며, 지역 경제는 위축되고, 기업들은 줄어든 시장에서 살아남기 위해 더 많은 인력을 감축합니다. 연구자들은 이를 '역 빅 푸시(reverse big push)'라고 부릅니다. 높은 비용이 성장을 강제했던 과거의 모델과 달리, 여기서는 비용을 쉽게 절감할 수 있는 능력이 오히려 자가 충족적 붕괴를 촉발할 수 있습니다.

그들의 발견의 핵심은 자동화에 대한 결정이 단순히 기술이 얼마나 잘 작동하느냐의 문제가 아니라, 얼마나 많은 다른 기업이 똑같은 행동을 하느냐에 달려 있다는 것입니다. 만약 어떤 기업이 대부분의 다른 기업이 인간 팀을 유지할 것이라고 믿는다면, 그 기업 역시 팀을 유지하는 것이 합리적입니다. 왜냐하면 지역 경제가 높은 임금을 뒷받�할 수 있을 만큼 충분히 강할 것이기 때문입니다. 그러나 만약 어떤 기업이 모든 이가 노동자를 해고하고 AI로 전환할 것이라고 믿는다면, 노동자를 해고하는 것이 가장 현명한 선택이 됩니다. 왜냐하면 지역 경제가 전체 팀을 유지하기에는 너무 약해질 것이기 때문입니다. 이는 경제가 '저수요(low-demand)' 균형 상태로 안착하게 만들어, 자동화가 유일한 선택지가 되는 상황을 초래한다는 것을 보여줍니다. 이는 인간과 AI가 함께 협력하는 '고수요' 균형이 모두에게 더 나은 결과임에도 불구하고 발생합니다.

연구자들은 임금이 허용되더라도 이 문제가 사라지지 않는다는 점을 보여줍니다. 일반적인 시장에서는 수요가 떨어지면 임금도 떨어져서 사람을 다시 고용하는 비용이 저렴해집니다. 모델은 낮은 임금이 채용 비용을 낮춘다는 점을 확인해주지만, 동시에 노동자들이 쓸 수 있는 돈도 줄어든다는 것을 의미합니다. 연구는 낮은 임금으로 얻는 절감액보다 소비 능력의 상실이 더 크다면 붕과 사이클이 계속된다는 것을 밝혀냈습니다. 경제는 저임금, 저고용 상태에 갇히게 되는데, 이는 저렴한 노동력만으로는 해결할 수 없을 만큼 수요의 하락이 심각하기 때문입니다. 즉, 단순히 시장이 임금을 조정하게 두는 것만으로는 붕괴를 막기에 충분하지 않습니다.

이것이 어떻게 전개되는지 이해하기 위해, 저자들은 기업이 시간이 흐름에 따라 전략을 변경할 기회를 갖는 시나리오를 가정했습니다. 만약 한 기업이 비관적이고 다른 이들이 자동화할 것이라고 예상한다면, 그 기업은 먼저 자동화를 단행할 것이고, 이는 다음 기업의 비관론을 정당화하여 해고의 연쇄 반응을 일으킵니다. 반대로 만약 한 기업이 낙관적이고 다른 이들이 팀을 유지할 것이라고 예상한다면, 그 기업 역시 팀을 유지할 것이며 이는 다른 이들도 그렇게 하도록 독려합니다. 연구자들은 두 가지 결과가 모두 가능한 특정 조건의 범위가 존재함을 발견했습니다. 이 범위 내에서 경제는 기술 자체에 의해 결정되는 것이 아니라, 비즈니스 공동체의 집단적 분위기에 의해 결정됩니다.

연구진은 또한 경제의 전반적인 건강 상태와 같은 공공의 충격이 발생할 때 어떤 일이 일어나는지 조사했습니다. 그들은 경제가 불확inc한 중간 지대에 있을 때, 두 지배 영역 모두에 도달할 수 있는 공공의 근본적 요인이 고유한 경로를 선택할 수 있음을 발견했습니다. 만약 경제가 이미 자동화 쪽으로 기울어져 있다면, 부정적인 충격은 이를 완전한 붕로 붕괴로 몰아넣을 수 있습니다. 반대로 인간-AI 협력 쪽으로 기울어져 있다면, 긍상적인 충격이 그 경로를 공고히 할 수 있습니다. 연구자들은 불확실한 미래 속에서 어떤 상태가 더 선택될 가능성이 높은지 예측하기 위해 '리스크 지배성(risk dominance)'이라는 개념을 사용했습니다. 그들은 만약 인간-AI 협력을 위한 정적 임계점이 0.5 미만에 있다면 경제가 협력적 경로를 선택할 가능성이 높지만, 임계점이 0.5를 초과한다면 사회 전체에 더 나은 협력적 경로가 있음에도 불구하고 경제는 자동화된 경로를 선택할 가능성이 높다는 것을 발견했습니다.

저자들은 이것이 정책에 무엇을 의미하는지 살펴보았습니다. 그들은 많은 전문 서비스 분야에서 이러한 '조정 실패(coordination failure)'의 조건이 실제로 존재한다고 계산했습니다. 미국 데이터를 사용하여, 특정 유형의 고자율 AI 작업에 대해 경제가 쉽게 나쁜 균형 상태로 빠질 수 있음을 추정했습니다. 그들은 '좋은' 상태와 '나쁜' 상태 사이의 격차가 아주 크지는 않지만, 충분히 유의미하다는 것을 발견했습니다. 시뮬레이션 결과, 인간의 도움 없이 수행할 수 있는 AI의 작업 범위가 변함에 따라, 경제는 인간과 기계가 협력하는 안정적인 상태에서 기계가 인간을 완전히 대체하는 상태로 이동할 수 있었습니다. 이는 단순히 시장이 너무 위축되었기 때문입니다.

연구자들은 해결책이 AI를 금지하거나 기업에 노동자를 유지하도록 강요하는 것이 아니라고 주장합니다. 대신, 그들은 일시적인 정부 개입이 경제가 이 간극을 건너는 데 도움이 될 수 있다고 제j언합니다. 만약 경제가 저수요 상태에 갇혀 있다면, 작은 규모의 일시적인 보조금이나 순수 자동화에 대한 세금이 가교 역할을 할 수 있습니다. 이 가교는 경제가 스스로를 지탱할 수 있을 만큼 커질 때까지 기업이 인간 팀을 유지할 수 있도록 확신을 줄 것입니다. 일단 경제가 일정 규모에 도달하면 보조금을 제거할 수 있으며, 이때 인간-AI 모델은 자연스럽고 자립적인 선택이 될 것입니다. 핵심은 이 지원이 일시적이고 표적화되어야 한다는 점입니다. 이는 모든 일자리를 영원히 구하기 위한 것이 아니라, 모두가 더 나빠지는 상태에 경제가 갇히는 것을 방지하기 위한 것입니다.

논문은 또한 이 문제가 특정 유형의 업무에 국한된다는 점을 명확히 합니다. 이는 기업이 시장이 위축될 것을 우려하여 비용을 절감하기 위해 AI를 사용하는 '방어적(defensive)' 자동화에 가장 강력하게 적용됩니다. 반면, AI가 새로운 제품을 창출하여 시장을 확장하는 '공격적(offensive)' 자동화의 경우에는 이 문제가 발생할 가능성이 낮습니다. 방어적 사례에서는 시장이 줄어들 것이라는 예상 때문에 비용을 절감하려는 움직임이 나타나며, 이것이 다시 시장을 위축시킵니다. 연구자들은 만약 어떤 기업이 시장이 줄어들 것으로 예상하여 비용을 절감하고 있다면, 그 기업의 임금이 시장을 유지하는 데 도움을 주기 때문에 그 기업이 노동자를 유지하는 것이 전체 경제에 더 나을 수 있음을 보여줍니다.

최종 분석에서 저자들은 실제 수치를 사용하여 이 시스템이 얼마나 민감한지를 보여주었습니다. 그들은 전문 서비스업의 매출 대비 급여 비율을 검토하였고, 많은 경우 경제가 조정 영역의 경계에 놓여 있음을 발견했습니다. AI 비용이나 AI의 작업 수행 능력의 작은 변화만으로도 균형이 기울 수 있습니다. 그들은 임금 조정이 도움이 되기는 하지만, 조정 범위를 압축할 뿐 이러한 조정 실패를 완전히 제거하지는 못한다는 것을 발견했습니다. 연구는 미래의 노동이 생성형 AI 시대에 기술의 원초적인 힘보다는 그것을 사용하는 기업들의 집단적 확신에 달려 있다는 결론을 내립니다. 만약 기업들이 협력하여 인간 팀을 유지할 수 있다면 경제는 번영할 수 있습니다. 그렇지 못하다면, 그들은 자신들을 돕기 위한 도구가 오히려 자신들이 봉사하는 시장을 해치는 자가 충족적 붕해의 위험을 감수해야 합니다.

이 연구는 AI 기반 경제로의 전환이 자동적으로 이루어지는 것이 아니라는 명확한 경고를 제공합니다. 이는 기대와 현실이 서로를 강화하는 좁은 길을 항해하는 과정입니다. 연구자들은 비관론의 순환을 끊어낼 메커니즘이 없다면, 경제가 안정적이지만 비효율적인 상태, 즉 모두가 이전보다 더 가난해지는 상태에 안착할 수 있음을 보여줍니다. 해결책은 기술적 결정이 사회적 결정이며, 그것이 전체 지역 경제의 건강 상태에 달려 있음을 이해하는 데 있습니다. 이를 인식함으로써 정책 입안자들은 경제가 더 나은 결과를 찾을 수 있도록 돕는 개입을 설계할 수 있으며, 이를 통해 AI의 혜택이 쇠퇴의 순환으로 사라지지 않고 공유될 수 있도록 보장할 수 있습니다.