The Accumulation Paradox: When Markups Enable and Inhibit AI Adoption

기술 요약: 축적의 역설 (The Accumulation Paradox)

문제 제기
본 논문은 생성형 AI로 인한 견고한 기업 수준의 생산성 향상(약 4%로 추정)과 미국 경제의 정체된 총요소생산성(TFP) 성장률(연간 약 1%) 사이의 불일치인 "AI 생산성 역설"을 다룬다. 기존 문헌은 이러한 격차를 측정 오류, 노동 대체, 또는 수요 외부성(예: Falk & Tsoukalas, 2026)의 탓으로 돌리지만, 이러한 모델들은 대개 시장 구조를 외생적으로 고정된 것으로 취급한다. 본 논문은 시장 구조가 정적인 배경이 아니라 기술 채택과 함께 공진화한다고 주장한다. 구체적으로, 본 연구는 AI 이윤(rents)의 분배가 시장 집중도와 가격 결정력을 통해 어떻게 결정되는지가 기업 수준의 효율성 이득을 거시경제적 성장으로 전환할지 여부를 결정하는지 조사한다.

방법론
본 연구는 진화 경제학 전통(Nelson & Winter, 1982; Dosi & Roventini, 2019) 내에 위치한 에이전트 기반 모델(ABM)을 활용한다. 모델은 $N=200$개의 이질적인 기업과 대표 소비자로 구성된 독점적 경쟁 경제를 시뮬레이션한다. 주요 방법론적 특징은 다음과 같다:

• 제한된 합리성: 기업은 미래 지향적인 최적화 문제를 해결하지 않는다. 대신, 그들은 투자 휴리스틱을 따르고, 성공적인 동료를 모방하며 학습하고, 관찰된 수익성을 바탕으로 전략을 조정한다.
• 내생적 시장 구조: 시장 집중도(HHI로 측정), 마크업 분산, 그리고 채택 타이밍은 부과된 파라미터가 아니라 기업의 의사결정으로부터 창발된다. 기업들은 각자의 생산성과 시장 점유율에서 유도된 기업 특유의 대체 탄력성($\sigma_i$)을 보유하며, 이는 그들의 가격 결정력을 결정한다.
• 채택 역학: AI 투자는 확산과 동료의 영향력을 통해 축적되는 정보 준비도 변수($R_i$)에 의해 제어된다. 이는 S-곡선 형태의 채택 궤적을 생성하여, 임계값을 통과할 때까지 투자를 지연시킨다.
• 생성적 접근법: 모델은 구조적 추정(structural estimation)보다는 메커니즘 식별(Epistemic & Axtell, 1996)을 위해 설계되었다. 본 모델은 경쟁, 모방, 그리고 채택 역학이 관찰된 역설을 생성하기에 공동으로 충분한지를 테스트한다.
• 보정(Calibration): 파라미터는 기업 수준의 마크업 분포(De Loecker et al., 2020)와 단기 TFP 성장률(BLS)을 포함한 경험적 모멘트에 고정된다. 모델의 부문별 채택 순위는 미국 비즈니스 트렌드 및 전망 조사(BTOS)와 비교된다.

주요 기여 및 결과
시뮬레이션은 TFP 억제를 설명하는 세 가지 주요 패턴을 생성한다:

1. 마크업 흡수: 집중된 시장(낮은 대체 탄력성 $\sigma$)에서 기업들은 AI로 인한 효율성 이득을 가격 인하나 생산량 확대로 전환하는 대신 더 높은 마크업으로 전환한다. 본 논문은 이 "마크업 채널"을 TFP 전이를 억제하는 주요 요인으로 식별하며, 이는 $\sigma$ 범위 전반에 걸쳐 TFP 억제의 약 24%를 차지한다. 부차적인 메커니즘인 "채택 게이트"(정보 축적으로 인한 투자 지연)는 10.4%포인트의 추가적인 평균 억제에 기여한다.
2. 채택 순위의 시간적 역전: 모델은 부문별 채택의 비단조적 진화를 예측한다. 초기(0~4년 차)에는 낮은 진입 장벽과 빠른 정보 확산으로 인해 경쟁적인 부문(높은 $\sigma$)이 AI를 더 빠르게 채택한다. 그러나 교차점(약 4년 후) 이후에는 집중된 부문(낮은 $\sigma$)이 이들을 추월한다. 이러한 역전이 발생하는 이유는 집중된 부문의 높은 마크업이 지속적이고 대규모인 AI 투자를 위한 지속적인 내부 자금을 제공하는 반면, 경쟁적인 부문은 이러한 수익을 잠식하기 때문이다.
3. 이중 안정성(Bistability) 및 경쟁 임계치: $\sigma \approx 5$ 근처에서 중요한 경쟁 임계치가 존재한다. 이 값보다 낮으면 집중된 시장이 높은 채택을 유지하지만, 이 값보다 높으면 경쟁 압력이 마크업을 AI 투자가 지속 불가능한 수준까지 잠식하여 낮은 채택으로 이어진다. 이 경계 근처에서 시스템은 이중 안정성을 보인다. 즉, 동일한 파라미터 설정이라도 무작위 초기 조건에 따라 고채택 또는 저채택 체제로 나타난다. 이는 마크업이 투자의 연료인 동시에 경쟁적 확산의 장벽 역할을 한다는 칼레키안(Kaleckian)적 긴장을 공식화한다.

의의 및 주장
본 논문은 자신의 기여를 실세계 현상의 인과적 추정이라기보다 "생성적 시연(generative demonstrations)"으로 명시적으로 규정한다. 그 의의는 다음과 같다:

• 메커니즘 식별: 본 연구는 AI 생산성 역설이 수요 외부성이나 측정 오류에만 의존하지 않고, 기술과 시장 구조의 공진화로부터 내생적으로 발생할 수 있음을 입증한다.
• 이론적 통합: 본 연구의 결과는 주류 모델링 도구(CES 수요, Cobb-Douglas 생산 함수)와 이질적 이론 프레임워크를 연결한다. 마크업 흡수 채널은 마르크스주의의 잉여 흡수 및 바란(Baran)/스위지(Sweezy)의 독점 자본론과 공명하며, 이중 안정성 임계치는 이윤 주도 투자와 임금 주도 수요 사이의 포스트 케인스주의/칼레키안적 긴장을 반영한다. 또한 모방의 역할은 비시장적 조정에 관한 제도주의적 관점(Hodgson, 1988)과 일치한다.
• 정책적 함의 (간접적): 본 논문은 특정 수단을 처방하기보다 분석적 전제 조건을 명확히 한다. 이는 경쟁 정책과 산업 정책이 분배 메커니즘을 다루어야 함을 시사한다. 즉, 마크업 흡수가 총 TFP를 고갈시키는 것을 방지하는 동시에, 사적 수익이 불충분한 곳에서도 충분한 확산이 이루어지도록 해야 한다.
• 경험적 예측: 모델은 테스트 가능한 가설을 제시한다: 만약 경쟁적인 부문이 현재 AI 채택을 선도하고 있다면(2024 BTOS 데이터가 시사하듯), 집중된 부문이 약 2029년까지 그들을 추월할 것이다.

저자들은 본 모델이 단순화된 노동 시장을 가진 폐쇄 경제라는 점을 언급하며 겸허한 입장을 유지하며, 정량적인 채택 수준은 현재의 횡단면 데이터보다 높은 장기 균형값임을 밝힌다. 핵심 주장은 관찰된 패턴들이 최소한의 행동 규칙에 의해 구조적으로 생성된 것이며, 이를 통해 시장력과 기술 확산의 상호작용을 해석하는 새로운 관점을 제공한다는 것이다.