★250625 GS - GEN AI : Too much spend, too little benefit? ★

우리는 닷컴 버블을 겪었기에 훗날 증명이 되기까찌 오랜시간동안 AI가 진짜인지, 가짜인지에 대한 회의론이 고개를 들었다 내렸다 할 것임.

이 즈음에서 6월달 나온 GS 리포트를 상기시켜볼 필요가 있다고 생각함.

[서론]

여러 기업들이 향후 몇 년 동안 AI 자본 지출에 1T 이상을 지출 할 것으로 예상되지만, 아직까지는 성과가 미미함.

부정론 : MIT 대런 에이스모글루, GS 짐코벨로

긍정론 : 조셉브릭스, 캐시랭건, 에릭 셰리던

기타 : GS 토시아 하리 - 칩부족, 클로버리프 브라이언 재너스 - 전력부족

[본론 : 인터뷰 내용]

대런 에이스모글루 인터뷰 요약

• AI가 경제에 미칠 영향

  • 일부 전문가들은 향후 10년 내 AI가 생산성을 크게 끌어올려 GDP를 연 1%포인트 이상 추가 성장시킬 수 있다고 전망.

  • 그러나 다론 아세모글루(MIT)는 AI가 생산성 향상에 기여하겠지만, 그 효과가 과장되어 있으며 경제 전체적으로는 0.5% 미만의 성장률 기여에 그칠 수 있다고 주장.

• 고용 및 일자리 변화

  • AI는 반복적이고 루틴한 업무(코딩, 사무직, 고객 서비스 등)를 크게 대체할 가능성이 있음.

  • 하지만 완전히 일자리를 없애기보다는 ‘작업 방식 변화(재배치 효과)’가 크며, 일부 전문직은 더 큰 가치를 창출할 수 있음.

  • 단기적으로는 AI가 임금 불평등을 확대할 수 있으며, 고용 안정성에도 부정적 영향을 줄 수 있음.

• 기업 관점에서의 AI

  • 비용 절감, 생산성 향상, 신규 제품 개발에 활용 가능.

  • 특히 코딩, 고객지원, 데이터 처리 등에서 효율성이 증대될 것으로 기대.

  • 그러나 AI 도입은 막대한 투자비용(GPU, 인프라 등)이 필요하고, 데이터 품질과 기업의 AI 활용 능력에 따라 성과가 크게 달라질 수 있음.

• 정책적 시사점

  • AI는 인류의 진보를 가져올 수 있으나, 불평등 확대와 같은 부정적 사회적 비용을 완화하기 위한 정책이 필요.

  • 교육·재훈련, 안전한 AI 활용 규제, 분배 정책이 병행되어야 함.

GS 조셉 브릭스 (긍정론) vs MIT 대런 에이스모글루(부정론)

골드만삭스의 전망 (낙관론)

• Generative AI → 큰 경제적 상승효과 가능

  • 노동 생산성을 크게 끌어올릴 것으로 예상.

  • 향후 10년간 미국 TFP(총요소생산성) +9.2%, GDP +15% 상승 기여 전망.

  • 근거:

    • 반복적 업무 자동화 (코딩, 문서 작성, 데이터 처리 등).

    • 노동 재배치: 기존 일자리 일부는 대체되지만, 새로운 직종·산업 창출.

    • 비용 절감: 자동화로 인한 효율성 향상 → 노동자 1인당 수천 달러 절감 효과.

• AI가 특히 크게 기여할 산업

  • 정보 서비스, 금융, 교육, 전문직 서비스, 미디어·엔터테인먼트.

  • 아직 채택률은 낮지만, 장기적으로 확산 속도가 빨라질 것으로 기대.

다론 아세모글루(MIT)의 전망 (비관론)

• AI의 경제 성장 효과는 과장

  • 향후 10년간 TFP 기여도는 0.53%, GDP는 0.9% 상승에 불과할 것으로 추정.

  • 이유:

    • AI가 자동화할 수 있는 업무의 범위 과소 (전체 업무 중 약 20%만 영향).

    • 자동화의 대부분은 기존 비용 절감에 불과(업무 자동화는 현재로서는 비용 효율적이지 않고, 앞으로 10년안에도 그렇게 되지 않을것), 새로운 가치 창출은 제한적.

    • 노동 재배치 효과 반영 부족: 새로운 직종 창출을 과대평가하고 있음.

      
      

      

      
      

      

Jim Covello의 AI 회의론

AI 투자에 대한 신중한 태도

• 향후 몇 년간 AI 인프라 구축 비용만 1조 달러 이상으로 예상되며, ROI(투자수익률)를 정당화하려면 매우 복잡하고 중요한 문제를 해결해야 함.

• 단순 반복 작업 자동화로는 고비용 기술을 정당화할 수 없다고 지적.

기술 비용 하락에 대한 회의

• 인터넷·스마트폰 같은 과거 기술혁신은 초기부터 비용 절감과 효율 개선을 제공했지만, AI는 아직 그런 증거가 부족.

• 많은 사람들이 “기술 비용은 시간이 지나면 내려간다”고 믿지만, 반례도 존재(예: ASML 리소그래피 장비는 오히려 수천억 원대까지 급등).

• Nvidia의 GPU 독점 구조 때문에 AI 인프라 비용이 쉽게 낮아질 가능성도 낮음.

AI의 생산성·혁신 기여에 대한 의구심

• AI는 현재 주로 코딩 속도 향상 등 일부 업무 효율화에 기여하지만, 비용이 6배 더 든다는 분석도 있음.

• 복잡한 인지적·창의적 작업을 인간처럼 수행하는 데는 한계가 뚜렷하며, AI의 잠재력에 대한 과대평가가 심각하다고 주장.

• “AI가 인터넷·스마트폰처럼 생활을 근본적으로 바꿀 것”이라는 주장에는 동의하지 않음.

투자자 관점

• AI 인프라 투자 수혜 기업(예: Nvidia, AMD, hyperscaler 기업들)은 단기적으로는 수익을 얻을 수 있음.

• 하지만 근본적 펀더멘털이 뒷받침되지 않으면 AI 버블은 붕괴할 수 있으며, 장기적으로 투자 지속성이 떨어질 수 있음.

• 과거 닷컴 버블, 메타버스, 블록체인 투자처럼 과장된 기대에 따른 과잉투자 → 실망 → 하락 사이클이 반복될 가능성.

장기적 리스크

• AI가 비(非)기술 기업의 매출 확대나 근본적 경쟁력 강화로 이어질지는 의문.

• 비용 절감 효과도 결국 경쟁사와의 가격 경쟁에서 상쇄되기 때문에, 기업 이익률에 장기적으로 기여하지 않을 수 있음.

• 투자자 경고 신호:

  • 12~18개월 내 의미 있는 AI 활용 사례가 나타나지 않으면 시장의 인내심이 줄어들고, 투자 열기가 식을 것.

  • 현재는 이익이 견조하므로 실험을 계속하고 있으나 기업 수익성 악화 시 AI 인프라 지출은 가장 먼저 삭감될 가능성이 큼.

Kash Rangan의 낙관적 전망

Kash Rangan은 generative AI의 장기적 잠재력에 낙관적이며, 지난 12개월간 기술 발전이 가속화되었고, hyperscaler들이 60B~80B를 투자해 AI 모델 개발 인프라를 구축 중이라고 강조했음. AI는 생산성 향상(디자인 아이디어 생성, 코드 자동화)과 고객 서비스 응답 시간 80% 단축 등 실질적 이점을 제공하며, 과거 ERP처럼 "killer application"이 될 잠재력을 지녔음. 2000년대 오픈소스, 클라우드 기술 발전이 AI를 통해 저비용 컴퓨팅을 가능하게 하며 IPA 단계를 열 것으로 예상

Eric Sheridan의 신중한 접근과 우려

Eric Sheridan은 AI 인프라 중요성에 동의하지만, 투자 수익 가시성이 부족하다고 지적. 1990년대 인터넷, 2000년대 클라우드 붐과 비교하며 AI 챗봇의 "환각" 문제 등 기술적 한계를 우려했음. 과거 대규모 투자가 장기 성과로 이어졌으나, 많은 기업이 도산한 사례를 상기시키며, AI가 "killer application"을 찾는 데 시간이 필요할 수 있다고 보고 있음. 현재 과대평가 가능성과 투자 회수 시점 불확실성있음을 언급함.

브라이언 야누스와의 인터뷰

클로버 리프 인프라 ...