다모다란 - 인공지능의 파괴적 혁신: 종말적 파괴에서 무능한 봇으로

가능한가? 그럴듯한가? 가능성이 있는가?

2022년 11월 30일 ChatGPT가 처음 등장했을 때, 그것은 AI 열풍을 불러일으켰고, 그 후 3년 동안 AI는 시장뿐만 아니라 우리 삶에서 비대해진 역할을 맡게 되었습니다. 그동안 AI에 대한 이야기는 주로 그 옹호자들과 판매자들에 의해 서술되어 왔으며, AI 생태계에 속한 기업들이 그 수혜를 입었습니다. 이 서사의 화자들이 이러한 성장의 수혜자라는 점을 고려하면, 그 이야기가 눈부신 AI 활용 사례와 도입에 따른 생산성 향상에 대한 낙관적인 추론을 통해 긍정적인 면만을 강조해 온 것은 놀라운 일이 아닙니다.

지난 몇 달 동안 우리는 AI 서사에서 균열이 나타나는 것을 목격했습니다. 투자자들은 AI 아키텍처에 투입된 막대한 투자가 언제, 어떤 형태로 결실을 맺을 것인지, 그리고 만약 결실을 본다면 그 과정에서 파괴될 비즈니스들이 어떻게 될 것인지 의문을 품기 시작했습니다. 이러한 불안감은 메타와 아마존의 새로운 AI 투자에 대한 시장의 부정적 반응, 소프트웨어 기업들의 시가총액 하락, 그리고 지난주 매도세로 나타났습니다. 이 매도세는 부분적으로나마 거시경제 및 주식 리서치 발행사인 시트리니 리서치의 AI 시나리오 평가에 대한 반응이기도 했습니다. 제가 AI 기술에 대해 아는 바가 거의 없고, 저의 거시경제적 식견도 평범하다는 점을 고려할 때, 이 글의 의도는 제가 선호하는 AI 시나리오를 홍보하는 것이 아니라, 여러분 스스로 시나리오를 개발할 수 있는 프레임워크를 제공하는 데 있습니다.

시트리니 AI 평가 - 보고서와 반응들

시트리니 AI 평가는 2026년 2월 22일에 발표되었으며, 서문에서 이것이 예측이 아닌 시나리오를 제시하는 것이라고 밝히며 시작합니다. 저는 그 도입부에 대해 이견이 있지만 그 부분은 나중에 다루기로 하고, 보고서 자체는 경제에 어두운 결말을 가져오는 AI 이야기를 펼쳐 놓았습니다. 이에 따르면 2028년 6월 30일까지 AI의 파괴적 혁신이 기업들을 동요시키고 노동자들을 대체하여, 실업률이 10% 위로 치솟고 시장은 이에 반응하여 거의 40% 하락하게 됩니다. 다른 AI 종말론자들도 있었으나, 그들 중 상당수는 AI가 약속을 이행하지 못할 것이라는 줄거리를 기반으로 하며, 그 고통은 아키텍처를 구축하는 데 수조 달러를 과잉 투자한 데서 온다고 봅니다. 반면, 시트리니의 AI 이야기는 AI가 현재 화이트칼라 전문가들이 수행하는 업무를 다양한 기업에 걸쳐 잘 해낼 뿐만 아니라, 그 도입이 매우 빠르게 일어날 것이라는 기대에 기반하고 있습니다. 시트리니 이야기에서의 고통은 그 파괴적 혁신이 특히 고소득 노동자들 사이에서 상당한 일자리 손실을 초래하고, 그 결과로 발생한 소득 감소가 이 실직자들로 하여금 소비를 줄이게 만드는 데서 옵니다. 그 파급 효과는 기업 전반으로 퍼져나가 채무 불이행 위험과 스프레드가 상승하고, 사모 신용이 붕괴하며, 시장과 경제가 그 고통을 가격에 반영하게 됩니다.

저는 시트리니 평가에서 경제적 붕괴로 이어지는 단계들에 중대한 결함이 있다고 생각하지만, 인정할 부분은 인정해야 한다고 봅니다. 저는 이번 세기 들어 우리가 파괴적 혁신의 제단 앞에서 얼마나 숭배해 왔는지, 파괴적 혁신의 창업자들을 추대하고 그 미덕을 설파해 온 방식에 대해 항상 우려해 왔습니다. 자본주의가 창조적 파괴를 중심으로 구축되었다는 조셉 슘페터의 설명과 궤를 같이하여, 저 역시 활기차고 역동적인 경제에는 현상 유지에 대한 흔들기와 도전이 필요하다고 믿습니다. 하지만 파괴적 혁신은 파괴되는 비즈니스와 그곳에서 일하는 사람들에게 비용을 수반합니다. 온라인 소매업의 성장으로 인한 선택의 폭과 가격 측면에서 소비자로서 축하할 일이 많지만, 그것이 벽돌과 박자(brick-and-mortar) 기반의 소매업과 그 구성 요소들에 가해진 황폐화를 없애주지는 않습니다. 차량 공유 서비스는 자동차 서비스를 19세기 방식에서 21세기 방식으로 가져왔지만, 이는 노란 택시와 전통적인 차량 서비스 비즈니스의 희생을 대가로 한 것입니다. 많은 AI 옹호자들이 시트리니 보고서에 이의를 제기한 이유는, 정확히 그 보고서가 AI 봇이 변호사, 은행가, 소프트웨어 엔지니어, 컨설턴트가 하는 일을 할 수 있을 뿐만 아니라 더 잘 할 수 있다는 그들의 세일즈 피치를 그대로 수용하고 나서, "그다음은 어떻게 되는가?"라는 질문을 던졌기 때문입니다.

시트리니 AI 시나리오는 정곡을 찔렀음이 분명합니다. 그 이후 며칠 동안 시트리니에 반격하며 다른 결과를 도출하는 시나리오들이 쏟아져 나왔기 때문입니다. 골드만삭스, 무디스, JP모건이 AI에 의한 일자리 손실과 소득 효과가 미미하고 일시적이라는, 경제에 더 우호적인 결과의 AI 시나리오를 들고 뛰어든 것은 놀랍지 않았습니다. 그러나 시타델이 시트리니에 대한 직접적인 반박과 함께 이 논쟁에 가세한 것은 놀라웠습니다. 시타델은 AI 파괴로부터 훨씬 더 긍정적인 결말을 보고 있으며, 이는 세 가지 기둥을 중심으로 구축되었습니다. 첫째는 소프트웨어와 같이 AI의 직접적인 타겟이 되는 비즈니스에서의 고용 및 해고에 관한 현재 데이터입니다. 그들은 일자리가 줄어들긴 했지만 손실이 미미하며, AI 도입 추세가 시트리니가 예측한 빠른 파괴와 일치하는 급증세를 보이지 않는다는 점에 주목합니다. 둘째는 역사입니다. 그들은 과거의 파괴적 혁신(PC, 인터넷)을 살펴보고 그중 어느 것도 종말론적 시나리오에서 예측된 것처럼 빠르거나 일자리 손실 또는 경제 붕괴를 초래하지 않았음을 지적합니다. 셋째는 거시경제학에 근거합니다. 그들은 AI의 성공으로 인한 대규모의 긍정적 생산성 충격이, 그것이 발생하는 경제와 시장에 대규모의 부정적 충격으로 작용할 것이라고 가정하는 것의 모순을 지적합니다.

AI 이야기 완성하기

이 모든 AI 시나리오의 문제는 불확실성에 대한 가장 취약한 대응 방식에 뿌리를 두고 있다는 점입니다. 즉, 하나의 시나리오를 선택해 세부적으로 기술하면서도 애초에 그 시나리오가 얼마나 가능성이 있는지(적어도 질적인 측면에서라도) 설정하지 않거나, 수많은 시나리오를 나열하면서 그중 어느 것에 대해서도 가능성에 대한 판단을 내리지 않는 것입니다. 시트리니가 제시한 것이 '최악의 시나리오'(보고서를 읽어보아도 이것이 그러한지 감을 잡을 수 없었고, 이후 시트리니의 반응들은 상황을 더 모호하게 만들었습니다)인지, '낮은 확률'의 시나리오인지, 아니면 AI가 전개될 '유력한 시나리오'인지는 전적으로 알 수 없는 일입니다. 만약 그것이 유력한 시나리오이고 당신이 그 논리를 받아들인다면, 투자 및 개인적 결과는 극적일 것입니다. 왜냐하면 당신이 화이트칼라 노동자라면 2028년 6월까지 직장을 잃었을 수 있고, 주식에 투자된 당신의 저축은 큰 타격을 입었을 것이기 때문입니다. 만약 그것이 '낮은 확률'의 시나리오이고 당신이 직업, 연령, 포트폴리오 구성상 위험에 노출되어 있다면 보호 수단 구매를 고려해야겠지만, 그것이 만약 '최악의 경우'를 가정한 시나리오라면 충격 요법 이상의 가치는 거의 없습니다.

점 추정치와 확률

재무 분석의 역사 대부분은 핵심 동인을 식별하고, 최종 수익(이익, 현금 흐름)에 미치는 영향을 추정하며, 최선의 판단을 내리는 '점 추정'을 중심으로 구축되었습니다. 따라서 기업 가치를 평가할 때, 기준 연도 이익에 기반한 이익 성장률을 추정하고, 현금 흐름을 얻기 위해 그 이익 중 얼마를 재투자할지 추정하며, 그 현금 흐름을 위험 조정 할인율로 할인하여 가치를 산출합니다. 거의 모든 것이 불확실한 상황에서 점 추정의 문제는 당신이 100% 틀릴 것이라는 점입니다. 다만 올바른 방향으로 틀린다면 여전히 돈을 벌 수는 있을 것입니다.

재무 분석가와 경제학자들은 점 추정을 분포로 대체하고 결과에 대한 단일 판단을 결과의 분포로 대체하는 확률적 접근법을 채택하고 사용하는 데 느렸습니다. 적어도 초기에는 경제학자들과 재무 분석가들이 의사결정 나무, 시뮬레이션 또는 시나리오 분석을 거시경제 및 투자 판단에 사용하는 데 필요한 충분한 데이터나 강력한 도구를 갖추지 못했기 때문이기도 했지만, 이제는 더 이상 그렇지 않습니다. 또 다른 이유는 이 집단의 많은 이들이 통계적 분포나 확률 추정치에 불편함을 느끼고, 그 불편함 때문에 사용을 기피하기 때문일 수 있습니다. 세 번째 이유는, 적어도 분석가들의 일부에게는 추정치와 그 추정치의 오류에 대해 솔직해지는 것(확률적 접근법에서는 모두에게 보임)이 자신의 약함이나 확신 부족의 징표로 비춰질까 봐 우려하기 때문입니다. 저는 확률적 접근법 사용에 관한 짧은 논문을 가지고 있는데, 거기서 언제 어떤 접근법을 사용해야 하는지(의사결정 나무, 시뮬레이션, 시나리오 분석을 살펴봄)를 다룰 뿐만 아니라 관심이 있으시다면 통계적 분포에 대한 짧은 검토 내용도 포함하고 있습니다.

시트리니가 자신들의 AI 생각할 거리에 구체적으로 '시나리오'라는 제목을 붙였으므로, 저도 이 글에서는 시나리오 분석을 고수하겠습니다. 수십 년 동안 존재해 온 가장 허술한 형태의 시나리오 분석은 '최선-기본-최악'의 시나리오 형태를 취해 왔습니다. 이는 거의 쓸모없는 연습인데, 왜냐하면 아무리 좋은 투자라도 최악의 시나리오 아래서 통과될 리 없고, 아무리 나쁜 투자라도 최선의 시나리오 아래서 실패할 리 없기 때문입니다. 제대로 된 시나리오 분석은 투자나 결정에 있어 가능한 모든 결과를 포괄하는 시나리오들을 살펴봐야 하며, 완결성을 위해 이러한 시나리오들에 확률을 할당해야 합니다. 그래야 의사결정자가 기대 가치를 추정하는 데 사용할 수 있기 때문입니다. 하지만 AI의 미래 경로를 파악하려고 할 때는 그것이 거의 불가능할 것입니다. 프로세스의 너무 초기 단계이고 결과에 대해 알려진 바가 거의 없기 때문입니다.

정보 집약도가 낮아 더 실행 가능한 시나리오 분석의 대안적인 경로가 있는데, 그것은 제가...