참세상

알파벳(구글)은 어제(22일) 실적을 발표했다. 언뜻 보기에는 놀라운 실적이었다. 매출은 24% 증가했고, '클라우드' 사업 부문의 매출은 82% 급증했다. 주당순이익(EPS)은 9.11달러로 매우 높은 수준이었다. 그러나 이익의 3분의 2 이상은 AI 모델 기업인 앤스로픽의 지분을 보유하면서 발생한 770억 달러의 미실현 평가이익을 반영한 결과였다. 다시 말해 이러한 '이익'은 실제로 실현된 수익이 아니라 장부상에만 존재하는 평가이익이며, 앤스로픽의 주가가 현재 수준을 유지해야만 그 가치가 유지된다.

구글은 이른바 '하이퍼스케일러(hyperscalers)' 가운데 하나다. 하이퍼스케일러란 AI에 막대한 자금을 쏟아붓고 있는 초대형 기술기업들을 가리킨다. 이들 기업은 이러한 투자가 장기적으로 수익을 크게 끌어올릴 것이라고 기대하고 있다. 구글은 AI 분야에 대규모 투자를 단행하면서 앤스로픽과 오픈AI 같은 AI 기업에 막대한 자금을 투입했고, 엔비디아가 생산하는 고가의 반도체 칩을 장착한 AI 데이터센터 구축에도 막대한 비용을 들였다. 그 결과 아무리 막대한 현금 매출을 올리고 있어도 이제는 투자 비용을 감당하지 못하는 상황에 이르렀다. 그 결과 '잉여현금흐름'은 알파벳 역사상 처음으로 마이너스를 기록했다.

구글은 경쟁사인 메타, 마이크로소프트, 아마존과 마찬가지로 올해 AI 투자를 대폭 확대해 AI 인프라 구축에 나서고 있다. 이들 네 개 하이퍼스케일러의 AI 관련 투자 규모는 2026년 한 해에만 7,250억 달러를 넘어설 것으로 예상된다. 실적 발표 전까지만 해도 구글은 AI 경쟁을 가장 잘 버텨낼 수 있는 하이퍼스케일러로 평가받았다. 막대한 검색 사업에서 발생하는 현금흐름이 AI 투자에 따른 재무적 부담을 흡수해 줄 것으로 기대됐기 때문이다. 그러나 이제는 AI 관련 자본지출을 감당하기 위해 현금이 빠르게 소진되면서 부채를 늘리거나 신규 주식을 발행해 자금을 조달해야 하는 상황에 이르렀다. 알파벳은 이미 약 1,000억 달러의 부채를 떠안고 있으며, 지난 6월에는 20여 년 만에 처음으로 약 850억 달러 규모의 주식 발행에 나섰다.

이 모든 것은 AI 주식시장의 '거품', 그리고 그것이 실제로 거품이라는 점을 보여준다. 이 거품은 이제 터질 시점에 점점 가까워지고 있다. 하이퍼스케일러들은 기존 사업 덕분에 막대한 수익을 올리고 있으며, 현재 이익은 장기 추세보다 약 59% 높은 수준이다. 그러나 이들이 벌이는 AI 투자 붐의 규모가 너무 커서, 기존 사업에서 벌어들인 막대한 이익조차 사하라 사막의 모래 속으로 물이 스며들 듯 AI 투자에 빨려 들어가고 있다.

앞선 글들에서 주장했듯이, 미국 경제는 AI라는 하나의 거대한 도박 위에 올라서 있다. 현재 하이퍼스케일러들의 시가총액은 S&P 500 전체 시가총액의 약 40%를 차지한다. 만약 첫째, 이들 기업이 지금과 같은 투자 증가세를 더 이상 유지하지 못한다는 신호가 나타나거나, 둘째, AI 투자에서 아무런 수익도 거두지 못한 채 기존 이익만 잠식하고 있다는 사실이 드러난다면, 이들 기업의 주가는 하락세로 돌아설 것이며 주식시장 전체를 함께 끌어내릴 가능성이 있다.

미국 자본주의 경제는 지금 AI라는 정점 위에서 위태롭게 균형을 유지하고 있다. 앞으로 두 가지 조건이 충족된다면 상황은 순조롭게 흘러갈 것이다. 첫째, AI 모델에 대한 수요가 크게 늘어나 미국은 물론 전 세계 기업들이 이를 본격적으로 도입함으로써 하이퍼스케일러들의 수익성이 높아지고, 결국 기업 부문 전반의 수익성까지 개선되는 경우다. 둘째, 경제의 모든 부문에서 AI 기술이 광범위하게 활용되면서 생산성이 한 단계 도약하고, 이를 바탕으로 미국 경제가 새로운 번영의 시대로 진입하는 경우다.

AI 붐이 시작되기 전부터도 미국의 IT 산업은 2010년대 장기침체 기간 동안 다른 주요 7개국(G7) 경제에 비해 미국 경제가 상대적으로 더 빠른 성장세를 유지하도록 이끄는 핵심 동력이었다.

그러나 2010년대에는 미국을 포함한 모든 G7 경제에서 실질 GDP, 투자, 생산성 증가율이 모두 둔화했다. 이어 팬데믹으로 인한 경기침체 이후에는 대부분의 국가에서 인플레이션이 다시 나타났고, 1970년대 이후 볼 수 없었던 '스태그플레이션', 즉 성장률은 낮거나 정체된 반면 물가는 빠르게 오르는 새로운 시대로 접어들 수 있다는 우려가 커졌다. 여기에 이란 전쟁은 에너지 가격 상승을 더욱 부추기며 인플레이션을 가속하고 있다. 2010년대에는 중앙은행들이 초저금리 또는 제로금리 정책과 양적완화를 시행했지만 경제를 충분히 회복시키는 데 실패했다. 2020년 이후에는 유럽중앙은행(ECB)이 금리를 인상하고 영국은행(BoE)이 양적긴축을 시행했지만, 이번에는 물가 상승을 억제하는 데도 어려움을 겪고 있다. 이는 노동생산성이 높아지지 않는 한 경제는 물가 상승 없이 지속적으로 성장할 수 없기 때문이다.

트럼프 대통령이 새로 임명한 연방준비제도 의장은 AI가 생산성 혁명을 가져올 것으로 기대하고 있다. 케빈 워시(Kevin Warsh)는 "AI는 내가 성인이 된 이후 미국 경제에서 일어난 가장 중요한 변화일지도 모른다. AI는 생산성을 높이고 미국의 경쟁력을 강화함으로써 강력한 디스인플레이션 요인으로 작용할 것"이라고 말했다. 그는 AI를 통한 생산성 향상이 "실질 가처분임금을 크게 끌어올릴 것"이라며, "연간 생산성 증가율이 단 1%포인트만 높아져도 한 세대 안에 생활수준은 두 배로 높아질 것"이라고 전망했다. 이 주장 자체는 옳다. 현재 미국의 생산성 증가율이 앞으로 20년 동안 매년 단 1%포인트만 더 높아져도, 인플레이션을 억제할 수 있을 뿐 아니라 세금을 올리거나 정부 지출을 삭감하지 않고도 정부 재정적자를 해소할 만큼의 소득과 세수가 창출될 것이다. 또한 GDP 대비 공공부채 비율도 하락할 것이다.

하지만 AI가 정말 이러한 생산성의 도약을 실현할 수 있을까? 2005년부터 2019년까지 미국의 노동생산성 증가율은 연평균 약 1.5%에 머물렀다. 이러한 낮은 증가세는 팬데믹 기간과 그 직후인 2020~2022년에도 크게 달라지지 않았다. 그러나 2022년 이후 미국의 노동생산성은 다시 상승세를 보이고 있다. 2022년 말부터 2026년 초까지 시간당 산출량은 연평균 약 2.5% 증가했으며, 이는 팬데믹 이전의 증가 속도보다 1%포인트 높은 수준이다.

그렇다면 AI가 실제로 생산성 향상을 이끌고 있는 것일까? 노동생산성 증가율이 최근 빨라진 가장 큰 이유는 주류 경제학에서 총요소생산성(TFP)이라고 부르는 지표가 더 빠르게 증가했기 때문이다. 그러나 TFP는 직접 측정할 수 있는 실체가 아니라 생산성 증가의 원인을 분석하는 과정에서 수학적으로 계산되는 잔차(residual, 설명되지 않는 나머지)에 불과하다. 노동생산성의 대부분은 더 많은 노동자가 더 열심히 일하고, 더 많은 기계가 더 오래 가동되면서 높아진다. TFP는 이러한 요인으로 설명되지 않는 나머지 부분이며, 일반적으로 혁신(예를 들어 AI)의 효과라고 간주한다.

하지만 미국의 TFP 상승은 아직 경제 전반에 AI가 적용된 결과라고 보기 어렵다. ‘바클레이스’(Barclays, 영국의 다국적 투자은행이자 금융그룹)의 경제학자들에 따르면 AI 도입은 빠르고 혁신적인 방식이 아니라 점진적이고 꾸준하게 진행되고 있으며, 대부분의 가계와 기업은 여전히 AI 기술을 제한적으로만 활용하고 있다고 답했다. 따라서 2022년 이후 생산성 증가율이 높아진 것은 팬데믹 종료 이후 기존 기술을 더욱 집중적으로 활용한 결과이지, AI 도입의 결과는 아니라는 것이다.

이를 어떻게 알 수 있을까? 바클레이스의 경제학자들은 세인트루이스 연방준비은행이 실시하는 실시간 인구조사(RPS)를 분석했다. 이 조사는 미국의 노동연령층을 대상으로 한다. 가장 최근 조사에 따르면 응답자의 45%가 업무 과정에서 AI를 사용하고 있다고 답했지만, 실제 사용 시간은 매우 적었다. 하루 근무시간을 8시간으로 가정하면 AI를 사용하는 노동자의 평균 AI 활용 시간은 2024년 말 약 20분에서 2026년 중반 약 30분으로 늘어나는 데 그쳤다.

게다가 노동자들이 하루 근무시간의 약 2%를 AI에 추가로 사용하는 것이 실제 생산성을 높이는 데 쓰이는지, AI가 만든 결과물을 검토하고 수정하는 데 쓰이는지, 아니면 단순히 여유 시간을 보내는 데 쓰이는지는 아직 알 수 없다. 실제로 기업의 AI 도입을 조사한 대부분의 설문조사도 진전이 제한적이라는 결과를 보여준다. 미국 인구조사국의 격주 기업 동향 및 전망 조사에 따르면 기업의 21%만 AI를 사용하고 있다고 답했으며, 69%는 사용하지 않는다고 응답했고, 11%는 사용 여부조차 확실하지 않다고 답했다. 또한 미국 연방준비제도 이사회의 토론용 보고서는 "세 가지 수준 모두에서 생산성 추세는 시간에 따라 비교적 일관되게 유지됐으며, 이는 미시적 수준의 생산성 향상이 거시경제 전체의 생산성 향상으로 이어지지 않고 있음을 시사한다"고 분석했다. 즉, 이른바 '미시적 수준'의 실험은 대체로 프로그래머가 코드를 얼마나 빨리 작성하는지처럼 개별 작업 단위의 생산성만 측정할 뿐, 직무 전체나 기업 전체의 산출량 증가를 측정하지는 않는다. 어떤 작업의 효율이 10% 높아졌다고 해서 기업 전체의 생산성이 같은 비율로 높아지는 것은 아니다. 생산 과정의 다른 단계에서 조정 비용이나 병목현상이 발생하면 앞단에서 얻은 생산성 향상이 상당 부분 상쇄될 수 있기 때문이다.

미국 연방준비제도는 RPS 조사 자료를 바탕으로 여러 복잡한 회귀분석을 실시한 결과, AI가 생산성에 긍정적인 영향을 미치고 있다는 증거를 발견하지 못했다. 산업별 AI 도입률과 생산성 향상 사이의 상관관계는 "통계적으로 0과 구별할 수 없는 수준"이었다고 밝혔다. 현재 관찰되는 생산성 개선은 산업 간에 원래 존재하던 지속적인 차이를 반영하는 것일 뿐, AI 때문에 생산성 증가율이 가속됐다는 것을 보여주는 것은 아니라는 의미다.

그럼에도 AI 낙관론자들은 여전히 낙관적인 전망을 유지하고 있다. 그들은 새로운 기술이 생산성에 미치는 영향은 일반적으로 'J곡선'을 따른다고 주장한다. 즉, 초기에는 기업들이 새로운 기술에 막대한 투자를 하느라 생산성 향상이 더디거나 오히려 생산성이 떨어질 수도 있다. 그러나 일정 시점이 지나면 생산성이 급격히 높아지는 단계가 찾아온다는 것이다. 실제로 이러한 J곡선은 미국 제조업에서도 나타난 바 있다. 제조업 생산성 증가율은 1980년대 중반에 하락했지만, 1991년 경기침체 이후부터 2000년대 중반까지 빠르게 상승했다.

그러나 이러한 낙관적인 전망에도 중요한 단서가 붙는다. 첫째, AI를 실제로 접하는 노동자들 가운데 상당수가 AI 활용에 저항하고 있는 것으로 보인다. 지난 4월 AI 기업 라이터(Writer)와 워크플레이스 인텔리전스(Workplace Intelligence)가 지식노동자 2,400명을 대상으로 실시한 설문조사에 따르면, 응답자의 29%가 회사의 AI 전략을 의도적으로 방해한 적이 있다고 인정했다. 두 기관 모두 AI 확산에 상업적 이해관계를 가진 기업이라는 점도 주목할 필요가 있다. 특히 Z세대(25세 미만)에서는 그 비율이 44%에 달했다. 이는 1년 전의 41%보다 더 높아진 수치다. 같은 달 14개국의 경영진과 직원들을 대상으로 실시된 또 다른 워크미(WalkMe) 조사에서는 응답자의 54% 이상이 지난 30일 동안 회사의 AI 도구를 사용하지 않고 직접 수작업으로 업무를 처리한 적이 있다고 답했다. 조사 기관들은 이러한 적극적·소극적 저항, 나아가 수동적 공격성까지 포함한 저항의 가장 큰 원인으로 '자신이 쓸모없는 존재가 될 것이라는 두려움'을 꼽았다. 비슷한 맥락에서 <이코노미스트>도 미국 노동자들의 AI 활용이 초기에는 급증했지만, 처음의 열기가 식으면서 사용률이 다시 감소했다고 보도했다.

19세기 초 영국에서 산업혁명이 시작되던 무렵, 숙련 직조공들 가운데 일부는 기계식 직조기의 도입에 맞서 다양한 방식으로 저항했다. 그들은 기계를 파괴하거나 고장 내는 등의 행동을 벌였으며, 이들은 러다이트(Luddites)라고 불렸다. 이제는 AI를 둘러싸고 새로운 형태의 러다이트 운동이 나타나고 있는 것처럼 보인다. 당시 러다이트들이 자신의 생계를 지키기 위해 저항했던 것처럼, 오늘날 Z세대 노동자들 역시 자신의 일자리를 지키기 위해 저항할 이유가 있다는 것이다.

AI 낙관론자인 스탠퍼드대학교의 에릭 브린욜프슨(Erik Brynjolfsson)과 ADP 리서치는 캐너리스 대시보드를 통해 730개가 넘는 직종에 종사하는 460만 명의 노동자를 추적하고 있다. 이들의 분석에 따르면 AI의 영향을 받는 직종에서 22~25세 노동자의 일자리는 매년 4% 이상 감소하고 있다. 한편 골드만삭스의 분석은 정보기술, 전문서비스, 보험, 금융 분야가 AI를 통한 초기 생산성 향상을 가장 먼저 누릴 가능성이 높은 산업이라고 제시한다. 그러나 역설적으로 바로 이들 산업에서 앞서 언급한 '사보타주(sabotage, 의도적인 업무 방해)' 설문조사가 가장 높은 수준의 저항을 확인했다.

골드만삭스의 미국 담당 이코노미스트 엘시 펑(Elsie Peng)도 AI의 'J곡선' 가설을 지지한다. 그가 산업별 기술 도입을 분석한 연구에 따르면 새로운 기술은 도입 후 처음 4년 동안에는 생산성에 다소 부정적인 영향을 미쳤고, 통계적으로 유의미한 생산성 향상은 8년이 지나서야 나타났으며, 12년째에 이르러 약 0.6%포인트의 최대 효과를 기록했다. 만약 2022년 챗GPT의 등장을 1981년 개인용 컴퓨터의 등장에 해당하는 사건으로 본다면, 이 J곡선에 따르면 생산성 향상이라는 결실은 빨라도 2030년경부터 나타나기 시작해 2034년경 정점에 이를 것이다. 펑의 분석에 따르면 정보통신기술(ICT)이 노동생산성을 의미 있게 끌어올리기 시작한 것은 기업의 약 50%가 해당 기술을 도입한 이후였다. 기술을 구매한 것만으로는 충분하지 않았다. 시험적으로 도입한 것만으로도 충분하지 않았다. 기업의 핵심 운영 과정에 실제로 통합해 활용했을 때 비로소 생산성 향상이 나타났다.

펑의 'J곡선'은 경제협력개발기구(OECD) 경제학자들이 얼마 전에 제시한 주장과도 맥을 같이한다. 이들은 혁신적인 기술은 역사적으로 획기적인 발명이 이루어진 시점부터 거시경제 차원에서 의미 있는 생산성 향상을 가져오기까지 약 20년이 걸린다고 주장했다. 만약 이러한 패턴이 생성형 AI에도 그대로 적용된다면, 진정한 성과는 2030년대 초반에서 중반, 혹은 그보다 더 늦은 시기에야 나타날 것이다. 따라서 노동생산성 증가율을 의미 있게 끌어올릴 수 있는 범용적인 AI가 널리 활용되는 단계에 이르기까지는 아직도 갈 길이 멀다.

연방준비제도 의장 워시가 모든 기대를 걸고 있는 생산성 증가율의 도약은 아직도 상당히 먼 미래의 일처럼 보인다. 그렇다면 AI는 수익이라도 내고 있을까? 지금까지 AI 모델 기업들이 벌어들인 매출은 AI 연구개발 비용과 미국 전역에 데이터센터를 건설하는 데 들어가는 비용을 충당하기에는 턱없이 부족하다. 게다가 골드만삭스는 ICT 하드웨어에 1달러를 투자할 때마다 최소 1.70달러의 보완적인 '무형‘ 투자가 추가로 필요하다고 추산한다. 여기에는 소프트웨어, 데이터 시스템, 그리고 가장 측정하기 어려운 분야인 조직 전반의 개편이 포함된다. 현재는 데이터센터의 처리 능력이 실제 수요보다 15배나 많은 상태다.

게다가 부채도 쌓여가고 있다. <블룸버그>는 AI 데이터센터와 관련된 미상환 부채가 5천억 달러를 넘는다고 추산한다. <니혼게이자이 아시아>는 이번 주 메타, 구글, 아마존, 마이크로소프트, 오라클이 지난 5년 동안 약 1조 6천5백억 달러의 미상환 부채를 쌓았다고 보도했다. 여기에 더해 수천억 달러 규모의 '오프밸런스시트(off balance sheet, 회계상으로는 부채로 표시하지 않는 구조) 부채'도 존재한다. 이는 기업의 법적·회계적 구조를 이용해 해당 채무를 재무제표상 부채(에 포함하지 않을 수 있다는 뜻이다.

오픈AI나 앤스로픽 같은 기업들이 거둬들이는 매출은 사실상 하이퍼스케일러들이 이들 기업의 운영에 투자하면서 흘러 들어가는 자금에서 나오는 것일 뿐이다. 챗GPT나 클로드의 사용 자체에서는 아무런 이익도 발생하지 않고 있다. 그 이유 가운데 하나는 AI 기업들이 이용자들에게 '토큰(tokens)', 즉 연산 단위 사용에 따른 적정 비용을 청구하지 않고 있기 때문이다. 그래서 AI 기업들은 이제 정액 요금제에서 사용량 기반 요금제로 소비자들을 전환하려 하고 있다. 그러나 이로 인해 기업들의 AI 사용 비용은 기하급수적으로 증가했다. AI 사용료가 눈덩이처럼 불어나자 기업들은 가능한 한 많은 토큰을 사용하는 '토큰 맥싱(token maxxing)'에서 벗어나 '토큰 배급(token rationing)'으로 옮겨가고 있다. 한편 미국 기업들은 미국 AI 모델과 거의 맞먹는 성능을 훨씬 낮은 비용으로 제공하는 중국산 '오픈소스' AI 모델로 갈아타고 있다.

처음에는 2025년 초 AI 업계에 큰 충격을 안긴 딥시크가 있었다. 이제는 베이징에 본사를 둔 스타트업 문샷 AI가 막 공개한 최신 중국 AI 모델 키미 K3(가 등장했다. 중국 AI 모델은 토큰 100만 개당 비용 기준으로 앤스로픽보다 112배 저렴하다.(즉, '지능 한 통'당 가격이다.) 토큰 100만 개당 비용은 앤스로픽이 56달러, 오픈AI가 26달러, 메타가 1.50달러, xAI와 구글이 각각 1달러, 중국 AI 모델은 0.50달러다. 이처럼 가격 차이가 크기 때문에 미국 기업들이 사용하는 토큰 가운데 중국 AI 모델을 통해 처리되는 비중은 사상 최고인 58%까지 올라갔다. 이제 미국 기업들은 미국산 AI 모델보다 중국산 AI 모델을 더 많이 사용하고 있다.

그러나 AI 낙관론자들은 아직 기대를 접지 않고 있다. 일부는 이른바 ’제번스의 역설‘을 근거로 제시한다. 이 이론에 따르면 효율성이 높아질수록(AI 덕분에) AI 이용 단가가 낮아지고, 그 결과 AI에 대한 수요는 오히려 더 늘어난다. 그렇게 되면 AI 기업들이 기대하는 수익성과 주식시장이 바라는 성과도 결국 실현될 것이라는 주장이다. 하지만 현실은 아직 그렇지 않다. 2026년 1분기 실적 발표에서 S&P 500 기업 가운데 AI를 통한 생산성 향상을 언급한 기업은 2%에 불과했다. 그리고 AI를 언급한 기업들조차도 관심의 대부분은 매출 증가가 아니라 비용 절감에 집중돼 있었다. 이는 지금까지 투입된 수천억 달러 규모의 투자가 어떻게 이익은 물론이고 매출로까지 이어질 수 있을 것이라고 기대할 수 있는지에 대해 심각한 의문을 제기한다.

AI에 대한 거대한 투자는 두 가지 중요한 가정 위에 서 있다. 첫째는 AI가 결국에는 수익을 낼 것이라는 가정이다. 그러나 어떤 기술이 생산성을 크게 높인다고 해서 반드시 높은 수익을 가져오는 것은 아니다. 둘째는 AI에 대한 수요가 가까운 시일 안에 광범위하게 확산될 것이라는 가정이다. AI 도입은 분명 증가하고 있지만, 도입이 정점에 이르기까지는 아직도 갈 길이 멀다. 앞에서 살펴본 것처럼 골드만삭스는 그 과정에 최대 15년이 걸릴 수 있다고 추산하고 있으며, OECD는 20년이 걸릴 것으로 보고 있다. 그렇다면 현재의 AI 기업들은 그만큼 오랜 시간을 버틸 수 있을까? 그리고 AI 거품이 터지기 전에 주식시장은 과연 그만큼 오래 기다려 줄 수 있을까?