Skip to content

AGI 이후 경제 구조 변화: 노동 중심 경제에서 컴퓨팅 자본 중심 경제로

핵심 요약

AGI, 곧 인간 수준 이상의 범용 지능을 수행할 수 있는 인공지능이 등장한다는 가정 아래에서 경제 구조의 핵심 변화는 “인간 노동의 완전한 소멸”보다 “노동의 희소성 하락과 노동소득의 분배 기능 약화”로 이해하는 편이 더 정교하다. 산업혁명 이후 경제는 대체로 자본, 노동, 에너지의 결합으로 생산을 설명해 왔다. AGI 이후에는 이 구조가 물리적 자본, 컴퓨팅 자본, 에너지, 데이터, 모델·알고리즘, 제도라는 더 복합적인 구조로 바뀔 가능성이 있다.

여기서 컴퓨팅은 자본과 별개의 생산요소라기보다 특수한 자본 형태에 가깝다. 반도체, GPU, 데이터센터, 서버, 네트워크, 냉각 설비, 전력 인프라는 모두 자본재다. 차이는 이 자본재가 단순히 물건을 더 많이 만드는 데 쓰이는 수준을 넘어, 지능적 판단과 문제 해결을 대량 생산하는 기반이 된다는 점에 있다. 따라서 AGI 경제의 핵심은 “자본 + 에너지 + 컴퓨팅”이라는 단순 도식보다 “컴퓨팅 자본이 지능 생산의 중심 인프라가 되는 경제”라는 표현으로 설명하는 것이 더 정확하다.

AGI는 지식 노동, 연구, 설계, 소프트웨어 개발, 법률 분석, 의료 진단 보조, 경영 의사결정, 교육 콘텐츠 생산 등 인간의 인지 능력에 의존하던 영역의 한계비용을 크게 낮출 수 있다. 이 변화는 일부 서비스와 지식 생산 영역에서 부분적 풍요를 만들 수 있지만, 모든 희소성을 제거하지는 않는다. 에너지, 토지, 원자재, 고급 반도체 제조능력, 데이터 접근권, 법적 소유권, 정치적 권한, 신뢰, 책임성은 계속 희소할 수 있다.

결국 AGI 경제의 최종 형태는 기술 수준만으로 결정되지 않는다. 생산능력이 폭증하더라도 소득과 소유권의 배분 장치가 기존 노동시장에 머무르면, 생산성 상승과 사회적 불안정이 동시에 나타날 수 있다. 세금, 기본소득, 공공 AI 인프라, 경쟁정책, 데이터 권리, 노동 전환 정책, 에너지·반도체 산업정책이 AGI 경제의 성격을 결정하는 핵심 변수가 된다.

문제의식

AGI 이후 경제를 논할 때 흔히 제시되는 도식은 “노동이 사라지고 AI가 모든 것을 생산한다”는 형태다. 이 도식은 변화의 규모를 직관적으로 보여 주지만, 경제 구조를 분석하기에는 지나치게 압축되어 있다. 실제 쟁점은 직업이 모두 사라지는가가 아니라, 인간 노동이 임금, 소득, 사회적 지위, 정치적 협상력, 복지 재원 배분의 중심 장치로 계속 작동할 수 있는가에 있다.

근대 경제에서 노동은 단순한 생산 투입요소가 아니었다. 노동은 대다수 시민이 소득을 얻는 통로였고, 직업은 사회적 정체성과 권리의 근거였으며, 임금은 소비 수요를 유지하는 핵심 장치였다. 자본주의 경제에서 기업은 노동을 고용해 생산하고, 노동자는 임금으로 소비하며, 국가는 임금소득과 기업이윤에 세금을 매겨 공공재와 복지를 제공한다. AGI가 인간 노동의 상당 부분을 대체하거나 보완해 노동의 상대적 희소성을 낮추면, 이 순환 구조 자체가 흔들릴 수 있다.

따라서 AGI 경제의 핵심 질문은 다음과 같이 재구성할 수 있다. 첫째, 지능이 자동화될 때 생산요소의 구성이 어떻게 바뀌는가. 둘째, 노동소득이 약화될 때 분배는 어떤 방식으로 이루어져야 하는가. 셋째, 컴퓨팅 자본과 에너지 인프라를 누가 소유하고 통제하는가. 넷째, 생산비 하락이 실제 사회적 풍요로 이어지기 위해 어떤 제도 조건이 필요한가.

개념의 정의

AGI라는 용어에는 아직 단일하고 보편적으로 합의된 정의가 없다. OpenAI는 AGI를 “대부분의 경제적으로 가치 있는 작업에서 인간을 능가하는 고도로 자율적인 시스템”으로 정의해 왔고, Google DeepMind 연구진은 AGI를 성능, 범용성, 자율성의 수준으로 나누어 측정하려는 틀을 제안했다. 이 글에서는 AGI를 특정 기업의 제품명이나 단일 사건으로 보지 않고, 여러 영역에서 인간 전문가 수준 이상의 문제 해결을 수행하며, 새로운 과제에 비교적 일반적으로 적응할 수 있는 지능 자동화 체계로 사용한다.

이 정의에서 중요한 부분은 “범용성”과 “경제적 대체 가능성”이다. 단일 작업을 자동화하는 기계는 이미 오래전부터 존재했다. 엘리베이터는 승강기 조작원을 대체했고, 엑셀은 회계·사무 계산을 바꾸었으며, 산업용 로봇은 제조 공정의 일부를 자동화했다. AGI가 경제적으로 특별한 이유는 특정 작업 하나가 아니라 문제 정의, 추론, 설계, 의사결정, 언어 처리, 코드 작성, 연구 보조, 협상, 계획 수립 같은 넓은 인지 기능을 기계화할 수 있다는 데 있다.

생산요소란 경제에서 산출을 만들기 위해 투입되는 기본 요소를 뜻한다. 전통적으로 경제학은 토지, 노동, 자본을 생산요소로 설명했고, 산업경제에서는 에너지와 기술이 중요한 분석 변수로 들어왔다. 현대 AI 경제에서는 여기에 컴퓨팅 자본, 데이터, 모델·알고리즘, 네트워크 인프라, 법적 권리, 제도 설계가 강하게 결합된다.

컴퓨팅 자본은 AI 모델을 학습시키고 실행하는 데 필요한 물리적·디지털 자본을 의미한다. GPU와 AI 가속기, 고대역폭 메모리, 서버, 데이터센터, 네트워크, 냉각 설비, 전력망 연결, 클라우드 운영체계가 여기에 포함된다. 데이터는 학습과 평가, 제품 개선, 사용자 피드백, 현실 세계 적응의 원천이다. 모델·알고리즘은 데이터를 바탕으로 일반화된 문제 해결 능력을 담는 무형자산이다. 제도는 소유권, 과세, 경쟁정책, 노동법, 책임 규칙, 개인정보 보호, 데이터 접근권, 공공 인프라 운영 방식을 포괄한다.

이 관점에서 AGI 이후 생산 함수를 단순화하면 다음과 같이 쓸 수 있다.

Y = F(Kp, Kc, E, D, M, H, I)

여기서 Y는 생산, Kp는 일반 물리적 자본, Kc는 컴퓨팅 자본, E는 에너지, D는 데이터, M은 모델·알고리즘, H는 인간 노동·감독·책임, I는 제도다. 이 식은 실제 계량모형이라기보다 사고를 정리하기 위한 개념적 도식이다. 핵심은 AGI 시대에도 인간 요소가 완전히 사라지는 것이 아니라, 인간 노동이 직접 생산의 중심에서 감독, 목적 설정, 신뢰 형성, 제도적 책임, 사회적 조정의 방향으로 이동할 가능성이 크다는 점이다.

배경과 맥락

산업혁명은 인간의 근력을 증기기관과 기계로 대체했다. 전기화는 에너지를 공장과 가정으로 분산시켰고, 내연기관은 운송과 물류를 바꾸었다. 컴퓨터와 인터넷은 정보 저장, 복제, 통신 비용을 낮추었다. 생성형 AI와 AGI 논의가 이전 기술 변화와 다른 지점은 자동화의 대상이 물리적 노동이나 정보 전달을 넘어 인지적 판단 자체로 확장된다는 데 있다.

기존 자동화는 대체로 반복적이고 규칙적인 작업에 강했다. 제조업 조립, 문서 처리, 계산, 검색, 물류 최적화처럼 명확한 규칙이나 데이터 구조가 있는 영역이 먼저 자동화되었다. 최근 AI는 언어, 이미지, 코드, 음성, 의학 영상, 법률 문서, 연구 논문처럼 복잡하고 비정형적인 데이터를 처리하기 시작했다. ILO와 IMF, OECD 등의 보고서는 생성형 AI가 특히 인지 집약적 직무, 사무직, 고학력 노동자의 업무에 큰 노출을 만든다고 평가한다. 이는 AI가 저숙련 반복 노동만이 아니라 전문직의 일부 과업까지 영향을 미칠 수 있음을 뜻한다.

그렇다고 모든 직업이 동일하게 대체되는 것은 아니다. 직업은 하나의 단일 작업이 아니라 여러 과업의 묶음이다. 예를 들어 의사는 진단, 환자 면담, 검사 해석, 치료 계획, 법적 책임, 정서적 설명, 병원 조직 내 조정이라는 과업을 함께 수행한다. AI가 진단 보조를 매우 잘하더라도 환자와의 신뢰, 최종 책임, 법적 판단, 현장 조정은 별도의 문제로 남을 수 있다. 변호사, 연구자, 교사, 프로그래머, 디자이너도 마찬가지다. 자동화는 직업 전체보다 먼저 과업 단위로 침투한다.

AGI 논의에서 또 하나의 중요한 배경은 컴퓨팅 인프라의 규모화다. 최신 AI 모델의 성능 향상은 알고리즘 개선만으로 이루어지지 않는다. 대규모 데이터, 고성능 반도체, 대규모 데이터센터, 안정적 전력 공급, 네트워크, 냉각 기술, 클라우드 운영 능력이 함께 필요하다. 국제에너지기구(IEA)는 2024년 데이터센터 전력 소비를 전 세계 전력 소비의 약 1.5% 수준으로 추정하고, 2030년에는 기본 시나리오에서 약 945TWh까지 증가할 수 있다고 전망했다. 이 전망은 AGI 경제가 순수한 소프트웨어 경제가 아니라 전력망, 반도체, 부동산, 냉각, 물류, 금융이 결합된 물리적 인프라 경제임을 보여 준다.

핵심 논리

AGI 이후 경제 구조 변화의 첫 번째 축은 지능의 자본화다. 인간의 지능은 그동안 노동의 일부로 취급되었다. 기업은 회계사, 연구자, 프로그래머, 변호사, 디자이너, 경영자, 컨설턴트, 교사, 의사 등을 고용해 인지적 문제 해결 능력을 구매했다. AGI가 이 기능을 소프트웨어와 컴퓨팅 인프라 위에서 수행하게 되면, 지능은 임금으로 구매하는 노동서비스에서 서버와 모델을 통해 제공되는 자본서비스로 이동한다.

이 변화는 생산요소의 가격 구조를 바꾼다. 인간 전문가를 한 명 더 고용하려면 임금, 교육, 시간, 조직 관리 비용이 필요하다. AI 시스템을 한 번 구축한 뒤 추가 사용자를 늘리는 데에는 추론 비용, 전력, 서버 용량, 모델 업데이트, 안전 관리 비용이 필요하다. 지능 서비스를 복제하는 비용이 낮아질수록, 지식 노동의 일부는 디지털 상품처럼 확장된다. 소프트웨어가 한 번 만들어지면 무한 복제에 가까운 방식으로 유통되듯, 지능적 분석과 설계 능력도 API, 에이전트, 기업용 모델, 자동화 시스템을 통해 대량 공급될 수 있다.

두 번째 축은 노동소득의 상대적 약화다. 인간 노동이 사라지지 않더라도, AGI가 많은 인지 작업의 대체재가 되면 노동자의 임금 협상력은 낮아질 수 있다. 임금은 단순히 사람이 필요하다는 사실만으로 높게 유지되지 않는다. 기업이 대체 가능한 선택지를 많이 가질수록 노동자의 협상력은 약해진다. AGI가 연구, 코딩, 문서 작성, 법률 검토, 고객 지원, 회계 처리, 설계 초안 작성, 데이터 분석을 빠르게 수행한다면, 많은 직무에서 인간은 더 적은 수로도 같은 산출을 낼 수 있게 된다.

세 번째 축은 자본소득의 강화다. AGI 시스템을 소유하거나 접근권을 통제하는 주체는 대규모 수익을 얻을 수 있다. AI 모델 자체의 소유권, 클라우드 인프라, 반도체 공급망, 데이터센터 부지, 전력 계약, 독점적 데이터, 플랫폼 유통망, 기업 고객 관계가 모두 경제적 지대의 원천이 된다. 특히 컴퓨팅 자본은 규모의 경제와 네트워크 효과를 갖기 쉽다. 더 많은 고객은 더 많은 사용 데이터를 만들고, 더 많은 수익은 더 큰 컴퓨팅 투자를 가능하게 하며, 더 큰 컴퓨팅 투자는 더 강한 모델과 더 넓은 시장 지배력을 낳을 수 있다.

네 번째 축은 생산비 하락과 분배 불안정의 동시성이다. AGI는 서비스 생산 비용을 크게 낮출 수 있다. 개인 맞춤형 교육, 번역, 법률 문서 초안, 기초 의료 상담, 소프트웨어 제작, 디자인, 연구 보조, 행정 처리, 콘텐츠 제작은 지금보다 훨씬 저렴해질 수 있다. 이 경우 소비자는 낮은 가격의 혜택을 얻는다. 하지만 동시에 임금소득이 줄어들면 낮은 가격이 곧바로 풍요로 이어지지 않는다. 상품 가격이 낮아져도 소득이 더 빠르게 줄어들면 생활 안정성은 악화될 수 있다.

다섯 번째 축은 제도의 지연이다. 기술은 빠르게 확산될 수 있지만 세금, 복지, 노동법, 경쟁정책, 교육제도, 국제 조세, 데이터 권리는 느리게 바뀐다. AGI가 생산성을 빠르게 끌어올리는 반면 분배제도가 기존 노동 중심 구조에 머무르면, 사회는 “생산능력은 충분하지만 구매력과 권리가 편중된 상태”에 놓일 수 있다. 이 상태가 AGI 경제의 가장 중요한 충돌 지점이다.

생산요소의 재구성

AGI 이후 경제를 단순히 “자본 + 에너지 + 컴퓨팅”이라고 부르면 변화의 방향은 잡을 수 있지만, 컴퓨팅과 자본의 관계가 흐려진다. 컴퓨팅은 자본과 별개의 완전히 새로운 범주라기보다, 지능 생산에 특화된 자본의 한 형태다. 따라서 생산요소를 다음처럼 재구성하는 것이 더 적절하다.

생산요소 기존 경제에서의 의미 AGI 경제에서의 변화
물리적 자본 공장, 기계, 설비, 건물 로봇, 자동화 설비, 물류망, 제조장비와 결합
컴퓨팅 자본 서버, 클라우드, 반도체 지능 생산의 직접 인프라로 부상
에너지 공장과 운송의 동력 데이터센터, 반도체 제조, 로봇 운영의 병목 가능성
데이터 보조적 정보 자산 모델 학습, 평가, 개인화, 통제의 핵심 자산
모델·알고리즘 소프트웨어 기술 인지 노동을 대체·보완하는 무형자산
인간 노동 직접 생산, 판단, 서비스 목적 설정, 신뢰, 책임, 현장 조정, 돌봄, 감독으로 재배치
제도 시장 규칙과 소유권 구조 생산성 이익의 분배 방식을 결정하는 핵심 조건

이 표에서 가장 중요한 항목은 제도다. 기술 낙관론은 생산성 상승을 곧 사회적 풍요로 연결하는 경향이 있다. 하지만 경제사에서 생산성 상승은 언제나 자동으로 평등을 만들지 않았다. 생산성 향상이 임금 상승, 공공재 확장, 복지 강화, 노동시간 단축, 교육 접근성 확대와 연결되려면 정치적 협상과 제도 설계가 필요했다.

AGI 경제에서도 마찬가지다. 컴퓨팅 자본이 일부 기업과 국가에 집중되면 AGI가 만들어낸 생산성은 자본소득으로 흡수될 가능성이 크다. 반대로 공공 AI 인프라, 데이터 신탁, 개방형 모델 생태계, 경쟁정책, 노동 전환 지원, 누진적 과세, 사회배당이 결합되면 생산성 이익이 더 넓게 확산될 수 있다.

노동 시장 변화: 직업 소멸보다 협상력의 재편

AGI가 등장하면 노동시장은 크게 세 방향으로 재편될 수 있다. 첫째, 일부 과업은 직접 대체된다. 문서 요약, 번역 초안, 코드 생성, 고객 문의 응답, 기초 회계, 일정 조율, 보고서 초안 작성, 반복적 법률 검토, 마케팅 문안 작성 같은 과업은 이미 자동화 압력을 받고 있다. AGI 수준의 시스템이 등장하면 이 범위는 더 넓어질 수 있다.

둘째, 일부 과업은 보완된다. 연구자는 더 많은 논문을 탐색하고 실험 설계를 빠르게 비교할 수 있으며, 프로그래머는 반복 코딩보다 시스템 구조와 검증에 집중할 수 있다. 교사는 수업자료 제작과 학생별 피드백을 보조받을 수 있고, 의사는 영상 판독과 문헌 검토의 도움을 받을 수 있다. 이 경우 인간 노동의 생산성은 상승한다. 문제는 보완 효과가 모든 노동자에게 균등하게 나타나지 않는다는 점이다. AI를 잘 활용하는 고숙련 노동자는 더 큰 생산성 이익을 얻고, 반복적 과업에 묶인 노동자는 대체 압력을 더 크게 받을 수 있다.

셋째, 새로운 직무가 생긴다. AI 시스템 감사, 모델 평가, 데이터 거버넌스, 안전 테스트, 인간-AI 협업 설계, 프롬프트·워크플로 설계, 로봇 운영, AI 법무·윤리, 컴퓨팅 인프라 운영, 에너지 조달, 사이버보안, AI 제품 통합 같은 영역은 성장할 수 있다. World Bank의 2025년 동아시아·태평양 지역 보고서도 AI와 디지털 플랫폼이 일부 업무를 대체하는 동시에 클라우드 엔지니어와 같은 새로운 과업을 만들 수 있다고 설명한다.

그러나 새 직무의 발생이 기존 노동자의 소득 안정성을 자동으로 보장하지는 않는다. 새로운 직무는 더 적은 인원을 요구하거나, 높은 기술 진입장벽을 갖거나, 특정 지역과 기업에 집중될 수 있다. 따라서 노동시장의 핵심 쟁점은 “일자리가 전부 사라지는가”가 아니라 다음 질문에 있다. 첫째, 대체되는 직무와 새로 생기는 직무의 수와 임금이 균형을 이루는가. 둘째, 전환에 필요한 교육과 시간이 현실적으로 제공되는가. 셋째, 노동자가 AI 도입에 관한 협상력을 가질 수 있는가. 넷째, 노동소득이 줄어도 사회적 안전망이 유지되는가.

남는 인간 노동 영역은 크게 세 가지로 정리할 수 있다. 첫째는 물리적 현장성이 강한 노동이다. 배관, 건설, 간병, 현장 수리, 농업, 재난 대응, 복잡한 물리 환경에서의 로봇 보조 작업은 자동화가 가능하더라도 비용과 안전성의 제약을 받는다. 둘째는 인간 신뢰가 중요한 서비스다. 의료, 교육, 상담, 돌봄, 리더십, 정치, 종교, 예술 공연, 고급 접객은 기능만으로 설명되지 않고 관계와 신뢰를 포함한다. 셋째는 법적·제도적 책임이 요구되는 직무다. 판사, 의사, 감사인, 공무원, 기업 임원, 선출직 정치인은 AI의 도움을 받을 수 있지만 최종 책임은 인간 또는 제도적 주체에게 남을 가능성이 크다.

이 세 영역도 영구적으로 안전하다고 단정할 수는 없다. 로봇공학, 센서, 원격조작, 시뮬레이션, 법제도 변화가 결합되면 현장 노동과 책임 직무도 재편될 수 있다. 핵심은 노동이 사라지느냐가 아니라, 노동이 경제 전체의 중심적 분배 장치로 남을 만큼 충분히 희소하고 협상력 있는가이다.

생산 비용 하락과 부분적 풍요

AGI가 가장 강하게 바꿀 수 있는 것은 지식과 서비스의 한계비용이다. 한계비용은 산출을 하나 더 생산할 때 추가로 들어가는 비용이다. 인간 전문가의 상담, 번역, 설계, 분석, 교육은 시간 제약이 크다. 한 사람이 동시에 무한히 많은 고객을 상대할 수 없기 때문이다. 반면 AI 시스템은 컴퓨팅 자원만 충분하다면 동시에 많은 사용자에게 서비스를 제공할 수 있다.

이 변화는 일부 영역에서 가격 하락을 만들 수 있다. 개인 맞춤형 과외, 기초 법률 문서 작성, 소규모 기업용 소프트웨어 개발, 디자인 시안 제작, 번역, 데이터 분석, 일반 행정 상담, 연구 문헌 조사, 건강 정보 안내 같은 서비스는 더 싸고 넓게 제공될 수 있다. 저소득층과 소규모 조직도 과거에는 접근하기 어려웠던 전문적 서비스를 이용할 가능성이 커진다.

하지만 이를 곧바로 post-scarcity, 곧 희소성 이후 경제로 부르는 것은 조심해야 한다. AGI가 지능 비용을 낮출 수는 있지만, 모든 희소성을 제거하지는 못한다. 에너지는 여전히 생산되어야 하고, 전력망은 건설되어야 하며, 데이터센터는 토지와 냉각을 필요로 한다. 고급 반도체는 초정밀 장비, 소재, 설계 소프트웨어, 숙련 인력, 지정학적 공급망에 의존한다. 로봇이 물리 세계를 생산하려면 원자재, 물류, 부품, 유지보수, 안전 규제가 필요하다. 법적 소유권과 시장 접근권도 희소한 권리다.

따라서 더 정확한 표현은 다음과 같다. AGI는 일부 지식·서비스 영역에서 한계비용을 급격히 낮추어 부분적 풍요를 만들 수 있지만, 에너지·물질·소유권·정치 권력·제도적 접근권의 희소성은 계속 남을 가능성이 크다. 이 부분적 풍요가 사회 전체의 풍요로 확장되려면 생산비 하락이 소비자 가격 하락과 공공 접근성 확대로 이어져야 하고, 동시에 노동소득 약화를 보완할 분배 장치가 필요하다.

부의 집중 메커니즘

AGI 경제에서 부의 집중은 단순히 “AI 기업이 돈을 많이 번다”는 수준의 문제가 아니다. 집중은 여러 층위에서 발생할 수 있다.

첫째, 컴퓨팅 인프라의 집중이다. 대규모 모델을 학습하고 운영하려면 고성능 반도체, 데이터센터, 전력 계약, 클라우드 운영 능력이 필요하다. 이러한 인프라는 초기 투자비가 높고 규모의 경제가 크다. OECD는 AI 인프라 경쟁에 관한 보고서에서 칩, 데이터센터, 컴퓨팅 접근권, 클라우드, 모델 개발이 상호 연결된 공급망을 형성하며, 이 과정에서 경쟁정책의 중요성이 커진다고 분석한다. 컴퓨팅 접근권이 소수 기업에 집중되면 새 기업과 연구기관, 공공부문의 진입은 어려워진다.

둘째, 데이터와 플랫폼의 집중이다. 대형 플랫폼은 사용자 행동, 거래, 문서, 이미지, 영상, 위치, 기업 운영 데이터에 접근하기 쉽다. 데이터는 단순한 원유가 아니다. 품질, 맥락, 권리, 최신성, 정제 비용, 개인정보 보호, 피드백 루프가 중요하다. 독점적 데이터와 사용자 접점은 모델 개선과 서비스 고도화에 유리하게 작용한다.

셋째, 모델과 생태계의 집중이다. 강력한 모델은 개발자 생태계, 기업용 API, 플러그인, 워크플로, 배포 채널과 결합된다. 기업 고객이 특정 모델과 클라우드에 업무 시스템을 깊이 연결하면 전환 비용이 높아진다. 이 경우 모델 성능의 차이가 작아져도 생태계 잠금 효과가 시장 지배력을 유지할 수 있다.

넷째, 금융 자본의 집중이다. AGI 개발은 막대한 선행 투자를 요구한다. 장기적으로 수익이 불확실하더라도 대규모 투자를 감당할 수 있는 기업과 국가는 제한적이다. 자본 조달 능력이 뛰어난 기업은 반도체 물량을 선점하고, 전력 계약을 장기화하며, 인재를 흡수하고, 경쟁사를 인수할 수 있다.

다섯째, 정치적 영향력의 집중이다. AGI 인프라가 국가 경쟁력, 안보, 산업정책과 연결되면 대기업과 정부의 관계는 더 밀접해질 수 있다. 공공 투자가 민간 인프라 확장에 투입될 때, 사회 전체가 비용을 부담하면서 수익은 특정 기업에 집중되는 구조가 생길 수 있다. 반대로 공공 조건이 명확하면 공공 투자는 연구자, 중소기업, 시민, 공공기관의 접근성을 높이는 기반이 될 수 있다.

부의 집중을 줄이는 정책은 단일한 해법으로 해결되지 않는다. 반독점 규제, 클라우드 상호운용성, 데이터 이동권, 공공 컴퓨팅 인프라, 개방형 표준, 공공 조달 조건, 초과이윤 과세, 노동자 재교육, 사회배당이 함께 검토되어야 한다.

국가 정책과 제도 설계

AGI 경제에서 정부 정책은 보조 변수가 아니라 구조 형성 변수다. 기술이 같은 수준으로 발전해도 제도 설계에 따라 결과는 크게 달라진다. 한 사회는 AGI를 소수 기업의 생산성 증대 도구로만 사용할 수 있고, 다른 사회는 공공 교육, 의료, 행정, 연구, 중소기업 생산성 향상, 장애인 접근성 개선, 지역 서비스 확장에 사용할 수 있다.

기본소득(UBI)은 가장 자주 언급되는 정책이다. 기본소득의 논리는 단순하다. AGI가 생산성을 높이고 자본소득을 확대한다면, 그 일부를 조세로 회수해 모든 시민에게 현금으로 배분함으로써 노동소득 감소를 보완하자는 것이다. 장점은 행정적으로 단순하고 낙인을 줄일 수 있으며, 노동시장 충격에 대한 기본 안전판을 제공한다는 데 있다. 한계도 크다. 충분한 수준의 기본소득은 막대한 재원을 필요로 하며, 주거·의료·교육처럼 공급이 제한된 영역에서는 현금 지급만으로 가격 상승 문제를 해결하기 어렵다. 기본소득이 기존 공공서비스를 대체하는 방식으로 설계되면 오히려 취약계층 보호가 약해질 수 있다.

공공 AI 인프라는 또 다른 핵심 정책이다. 국가나 공공기관이 컴퓨팅, 데이터, 모델, 평가 도구, 안전 검증 체계를 공공재 또는 준공공재로 제공하면 연구자, 스타트업, 지방정부, 학교, 병원, 시민단체가 대형 플랫폼에만 의존하지 않고 AI를 활용할 수 있다. 캐나다, 유럽, 한국 등 여러 국가는 이미 주권 AI, 공공 컴퓨팅, 국가 AI 인프라 전략을 논의하고 있다. 공공 AI 인프라의 핵심은 정부가 모든 모델을 직접 만드는 데 있지 않다. 핵심은 접근권, 투명성, 안전성, 경쟁 가능성, 공공 목적 사용을 보장하는 기반을 만드는 데 있다.

반독점과 경쟁정책도 중요하다. AGI 경제에서는 전통적인 가격 담합만이 아니라 수직통합, 클라우드-모델-데이터-반도체-서비스의 결합, 배타적 계약, 인수합병, API 종속, 데이터 잠금, 컴퓨팅 접근 제한이 경쟁을 약화시킬 수 있다. 경쟁당국은 AI 인프라의 기술적 구조를 이해해야 하며, 기존 시장획정 방식만으로는 빠르게 변하는 생태계를 분석하기 어려울 수 있다.

데이터 권리와 데이터 거버넌스는 분배 문제와 직접 연결된다. AI 모델은 사회 전체가 생산한 텍스트, 이미지, 코드, 행동 데이터, 공공 데이터, 노동 과정에서 발생한 데이터를 학습한다. 데이터 제공자, 창작자, 노동자, 이용자가 어떤 권리를 갖는지 명확하지 않으면, 사회적 데이터가 사유화된 모델 수익으로 전환되는 구조가 강화될 수 있다. 데이터 신탁, 데이터 배당, 공공 데이터 라이선스, 개인정보 보호, 집단적 협상권, 투명한 학습 데이터 정책이 논의될 수 있다.

노동 전환 정책은 단순한 재교육을 넘어야 한다. “AI 시대에는 재교육이 필요하다”는 말은 맞지만, 충분하지 않다. 전환 가능한 직무가 실제로 존재해야 하고, 교육 기간 동안 생계가 유지되어야 하며, 중장년 노동자와 지역 노동자도 접근 가능해야 한다. 또한 노동자가 AI 도입 과정에서 감시와 통제의 대상이 되는 문제를 다뤄야 한다. AI가 생산성 도구가 아니라 노동 강도 강화, 업무 속도 압박, 평가 자동화, 해고 선별 도구로 쓰이면 노동의 질은 악화될 수 있다.

세제 개편도 필요하다. 노동소득이 줄고 자본소득이 늘어나는 구조에서는 기존 근로소득세와 사회보험료 중심 재정이 약해질 수 있다. 법인세, 초과이윤세, 자본이득세, 데이터센터 전력 사용 부담금, 로봇세, 디지털 서비스세, 토지·자원 지대 과세, 사회배당 기금 등 다양한 방안이 검토될 수 있다. 특정 세목 하나가 정답이라기보다, 생산성 이익이 어디에서 발생하고 누가 소유하는지에 맞춰 조세 기반을 재설계해야 한다.

구체적 사례와 시나리오

첫 번째 시나리오는 “고집중 자동화 경제”다. 소수의 대형 AI 기업과 클라우드 기업이 컴퓨팅 자본, 모델, 데이터, 기업 고객 접점을 통제한다. 기업들은 AGI 시스템을 활용해 사무직과 전문직 인력을 줄이고, 생산성은 높아진다. 상품과 서비스 가격은 일부 낮아지지만, 노동소득 감소로 중산층의 구매력은 약해진다. 정부는 뒤늦게 재교육과 복지를 확대하지만, 세원은 글로벌 기업과 무형자산에 집중되어 과세가 어렵다. 이 시나리오에서는 생산성 상승과 정치적 불만이 동시에 커질 수 있다.

두 번째 시나리오는 “공공 인프라형 AI 경제”다. 국가는 공공 컴퓨팅, 안전한 공개 모델, 공공 데이터 거버넌스, 교육·의료·행정 AI 서비스를 구축한다. 민간 기업도 경쟁하지만, 핵심 인프라 일부는 공공 또는 개방형 생태계로 유지된다. 중소기업과 연구기관은 저렴한 컴퓨팅 접근권을 얻고, 시민은 기본적인 AI 서비스를 공공재처럼 이용한다. 세금과 사회배당을 통해 생산성 이익 일부가 시민에게 돌아간다. 이 시나리오에서는 생산성 상승이 더 넓게 확산될 수 있지만, 정부의 기술 역량과 투명성, 정치적 독립성이 부족하면 비효율과 감시 위험이 커질 수 있다.

세 번째 시나리오는 “전환 지연 경제”다. 기업은 AI를 빠르게 도입하지만 교육, 복지, 조세, 경쟁정책은 늦게 바뀐다. 직무의 일부가 자동화되어 노동 강도는 높아지고 고용 안정성은 낮아진다. 고숙련 노동자는 AI를 이용해 더 큰 생산성을 얻지만, 중간 숙련 사무직은 임금 압박을 받는다. 사회는 AI의 혜택을 체감하면서도 불안정과 불평등에 대한 불만을 키운다. 현실에서 가장 가능성이 높은 중간 경로는 이 시나리오에 가까울 수 있다.

네 번째 시나리오는 “부분적 풍요와 병목의 공존”이다. 교육 콘텐츠, 번역, 소프트웨어, 행정 서비스, 정보 검색, 기초 상담은 매우 싸지지만, 주거, 토지, 에너지, 의료 인력, 반도체, 전력망, 고급 물리 자원은 계속 비싸다. 디지털 서비스는 풍요로워지지만 물리적 생활비는 낮아지지 않는다. 이 경우 사람들은 AI 서비스가 넘쳐나는 사회에 살면서도 주거비, 의료비, 에너지비, 자산 가격 때문에 경제적 압박을 받을 수 있다.

이 네 시나리오는 상호 배타적이지 않다. 실제 경제는 국가, 산업, 계층, 지역에 따라 서로 다른 모습을 보일 가능성이 크다. 대도시의 고숙련 노동자, 지방의 제조업 노동자, 개발도상국의 서비스 아웃소싱 노동자, 플랫폼 노동자, 공공부문 종사자는 AGI의 영향을 다르게 경험할 것이다.

주요 쟁점과 반론

첫 번째 쟁점은 “AGI가 정말 노동을 대체할 만큼 강력해질 것인가”다. AGI는 아직 합의된 성취 기준이 없는 개념이며, 현재 AI 시스템은 환각, 장기 계획, 실제 세계 조작, 신뢰성, 책임성, 데이터 편향, 비용 문제를 안고 있다. 이 한계를 고려하면 노동시장 붕괴를 단정하는 것은 과장일 수 있다. 다만 경제적 영향은 완전한 AGI 이전에도 발생할 수 있다. 특정 직무의 일부 과업만 자동화되어도 고용 구조와 임금은 바뀐다.

두 번째 쟁점은 “AI가 노동을 대체하기보다 보완할 수 있다”는 반론이다. 이 반론은 중요하다. 역사적으로 많은 기술은 노동을 없애기보다 노동자의 생산성을 높이고 새로운 산업을 만들었다. AI도 의사, 교사, 연구자, 엔지니어, 디자이너를 보완할 수 있다. 그러나 보완 효과가 곧 분배 개선을 뜻하지는 않는다. 보완 기술은 고숙련자에게 더 큰 이익을 주고 저숙련자에게는 대체 압력을 줄 수 있다. 또한 기업이 보완 도구를 이용해 더 적은 인력으로 같은 일을 하려 한다면 전체 노동수요는 줄어들 수 있다.

세 번째 쟁점은 “가격 하락이 불평등을 상쇄할 수 있는가”다. AGI가 많은 서비스 가격을 낮추면 실질소득이 상승할 수 있다. 저렴한 교육과 의료 상담, 법률 정보, 생산성 도구는 사회적 후생을 높일 수 있다. 하지만 주거, 의료 인프라, 에너지, 물리적 안전, 토지, 정치적 권리처럼 가격이 잘 내려가지 않는 영역이 남으면 가격 하락의 혜택은 제한된다. 특히 소득이 사라진 사람에게 저렴한 서비스만으로 충분한 생활 안정이 제공되기는 어렵다.

네 번째 쟁점은 “공공 AI 인프라가 혁신을 억제할 수 있는가”다. 민간 기업은 빠른 혁신과 효율적 운영에서 강점을 가질 수 있다. 공공 인프라가 지나치게 경직되면 기술 발전을 따라가지 못할 수 있다. 반대로 완전한 민간 독점은 접근권, 투명성, 공공 목적 사용, 경쟁 가능성을 약화시킬 수 있다. 현실적인 해법은 공공과 민간의 이분법보다 혼합형 구조에 있다. 정부는 기본 인프라, 표준, 안전 평가, 연구 접근권, 공공 조달 조건을 설계하고, 민간은 경쟁적 응용과 서비스 혁신을 수행하는 방식이 가능하다.

다섯 번째 쟁점은 국제 격차다. AGI 경제는 선진국과 개발도상국의 격차를 줄일 수도 있고 확대할 수도 있다. 저렴한 AI 교육과 의료, 번역, 행정 자동화는 개발도상국의 생산성을 높일 수 있다. 반면 컴퓨팅 자본, 반도체, 전력망, 클라우드, 고급 인력이 선진국과 일부 기업에 집중되면 개발도상국은 AI 소비자는 되지만 생산자와 소유자는 되기 어렵다. 이 경우 디지털 식민성 또는 AI 종속의 문제가 발생할 수 있다.

오해와 한계

첫 번째 오해는 “AGI가 오면 인간 노동은 곧바로 전부 사라진다”는 것이다. 경제는 기술 가능성만으로 움직이지 않는다. 비용, 신뢰, 규제, 책임, 소비자 선호, 조직 문화, 노동조합, 정치적 저항, 안전 기준이 자동화 속도를 조절한다. 많은 직무는 과업 단위로 바뀌며, 완전 대체보다 재구성이 먼저 나타날 가능성이 크다.

두 번째 오해는 “컴퓨팅은 새로운 생산요소이므로 자본과 완전히 분리된다”는 것이다. 컴퓨팅은 독립적으로 분석할 가치가 있지만, 경제학적으로는 특수한 자본재이자 인프라 자산이다. 반도체, 서버, 데이터센터는 투자와 감가상각, 소유권, 금융, 규모의 경제를 가진다. 따라서 AGI 경제는 노동에서 컴퓨팅으로 이동한다기보다, 노동이 수행하던 인지 기능이 컴퓨팅 자본의 서비스로 재편되는 과정으로 이해해야 한다.

세 번째 오해는 “AGI가 만들 풍요는 자동으로 모두에게 돌아간다”는 것이다. 풍요는 생산능력의 문제이면서 동시에 접근권의 문제다. 음식이 충분해도 소득과 유통, 권리가 없으면 굶주림이 존재할 수 있다. 정보가 넘쳐도 교육과 언어, 신뢰, 판단 능력이 없으면 격차가 남는다. AGI가 지식 서비스를 싸게 만들더라도 접근권과 소득 배분이 불평등하면 사회적 풍요는 제한된다.

네 번째 오해는 “기본소득 하나로 모든 문제가 해결된다”는 것이다. 기본소득은 노동소득 약화에 대응하는 중요한 정책일 수 있지만, 주거, 의료, 교육, 에너지, 데이터 권리, 시장 독점, 정치 권력 집중, 지역 격차를 모두 해결하지는 못한다. 기본소득은 공공서비스, 경쟁정책, 조세개혁, 노동 전환, 공공 AI 인프라와 결합될 때 효과가 커진다.

다섯 번째 오해는 “AI는 순수한 디지털 기술이므로 물리적 제약을 받지 않는다”는 것이다. AI는 데이터센터에서 실행되고, 데이터센터는 전력, 냉각, 물, 토지, 네트워크, 반도체, 건설 인력, 금융을 필요로 한다. IEA의 에너지 분석과 OECD의 컴퓨팅 인프라 분석은 AI 경제가 물리적 인프라와 깊게 연결되어 있음을 보여 준다.

이 글의 한계도 분명하다. AGI는 아직 미래적이고 논쟁적인 개념이므로, 여기서 제시한 분석은 확정적 예측이 아니라 조건부 시나리오다. 실제 결과는 AGI의 성능, 비용, 신뢰성, 로봇공학 발전, 에너지 가격, 반도체 공급망, 국제 규제, 전쟁과 지정학, 사회운동, 기업 전략에 따라 달라진다. 특히 “AGI가 언제 도래하는가”보다 “어떤 능력을 어느 비용으로 안정적으로 제공하는가”가 경제적 효과를 결정한다.

정리

AGI 이후 경제의 핵심 변화는 인간 노동이 생산의 중심에서 밀려나고, 컴퓨팅 자본과 에너지가 지능 생산의 핵심 인프라로 부상하는 데 있다. 이 변화는 지식과 서비스의 생산비를 낮추고 부분적 풍요의 가능성을 열 수 있다. 동시에 노동소득 기반을 약화시키고, 컴퓨팅 자본과 모델, 데이터, 전력 인프라를 소유한 주체에게 부와 권력을 집중시킬 위험을 만든다.

따라서 AGI 경제의 본질은 단순한 자동화 문제가 아니다. 그것은 생산능력의 폭증과 분배제도의 지연 사이에서 발생하는 구조적 충돌이다. 기술은 더 많은 산출을 만들 수 있지만, 누가 생산수단을 소유하고, 누가 접근권을 가지며, 생산성 이익을 어떻게 배분할지는 제도가 결정한다.

가장 중요한 결론은 다음과 같다. AGI 경제의 결과는 기술 자체보다 정치·제도 설계에 의해 크게 달라진다. 세금, 기본소득, 공공 AI 인프라, 반독점 규제, 데이터 권리, 노동 전환 정책, 에너지·반도체 전략이 결합될 때 AGI는 소수의 자본 수익을 넘어 사회적 풍요의 기반이 될 수 있다. 제도 설계가 지연되면 AGI는 풍요의 기술이면서 동시에 불평등과 권력 집중의 기술이 될 수 있다.

참고자료

  • OpenAI, 「OpenAI Charter」, OpenAI, 확인일 2026-05-04.
  • Meredith Ringel Morris, Jascha Sohl-Dickstein, Noah Fiedel, Tris Warkentin, Allan Dafoe, Aleksandra Faust, Clement Farabet, Shane Legg, “Levels of AGI for Operationalizing Progress on the Path to AGI”, arXiv, 2023.
  • International Monetary Fund, 「Gen-AI: Artificial Intelligence and the Future of Work」, IMF Staff Discussion Notes, 2024.
  • International Labour Organization, 「Generative AI and Jobs: A Refined Global Index of Occupational Exposure」, ILO Working Paper, 2025.
  • OECD, 「OECD Employment Outlook 2023: Artificial Intelligence and the Labour Market」, OECD Publishing, 2023.
  • OECD, 「Competition in Artificial Intelligence Infrastructure」, OECD, 2025.
  • OECD, 「Measuring Domestic Public Cloud Compute Availability for Artificial Intelligence」, OECD, 2025.
  • International Energy Agency, 「Energy and AI」, IEA, 2025/2026 온라인 분석 자료, 확인일 2026-05-04.
  • International Energy Agency, 「Electricity 2025」, IEA, 2025.
  • Epoch AI, 「Trends in Artificial Intelligence」, Epoch AI, 2026 업데이트, 확인일 2026-05-04.
  • World Bank, 「Future Jobs: Robots, Artificial Intelligence, and Digital Platforms in East Asia and Pacific」, World Bank, 2025.
  • Sam Manning, 「AI’s Impact on Income Inequality in the US」, Brookings Institution, 2024.
  • Max Bell and Anton Korinek, 「AI’s Economic Peril to Democracy」, Brookings Institution, 2024.
  • Public AI Network, 「Public AI: Infrastructure for the Common Good」, 2024.
  • NIST, 「Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile」, National Institute of Standards and Technology, 2024.