[AI경제학 #4] AI의 경제적 효과는 왜 아직 나타나지 않는가

[AI경제학 #4] AI의 경제적 효과는 왜 아직 나타나지 않는가

챗GPT가 등장한 지 3년이 넘었다. 기업들은 AI 도입에 수조 원을 쏟아붓고 있고, 생산성이 획기적으로 높아질 것이라는 전망이 넘쳐난다. 그런데 정작 경제 지표는 기대만큼 움직이지 않고 있다. 이 간극을 경제학에서는 생산성 역설이라고 부른다.

1980년대 컴퓨터가 기업 현장에 급속도로 보급됐을 때도 같은 일이 벌어졌다. 경제학자 로버트 솔로우는 1987년 “컴퓨터 시대는 어디에서나 보이는데, 생산성 통계에서는 보이지 않는다”고 지적했다(Solow, 1987).

이후 연구들은 컴퓨터 도입 이후 생산성이 실질적으로 오르기까지 20~30년이 걸렸다는 걸 확인했다. 전기도 마찬가지였다. 1880년대 발명됐지만 공장 생산성에 본격적으로 반영된 건 1920년대였다(David, 1990).

솔로우 성장 모형은 기술 진보가 장기 성장의 핵심 동력이라는 것을 보여준다(Solow, 1956). 그런데 기술이 도입된다고 생산성이 곧바로 오르지는 않는다.

새로운 기술이 경제 전반의 생산성을 높이려면 그에 맞는 조직 구조, 업무 방식, 인적자본이 함께 바뀌어야 하기 때문이다. 공장에 전기가 들어왔다고 생산성이 바로 오른 게 아니라, 전기에 맞게 공장 설계 자체를 바꾸고 나서야 효과가 나타났던 것처럼. AI도 도구를 도입하는 것과 그 도구에 맞게 일하는 방식을 바꾸는 것은 다른 문제다.

생성형 AI가 과거 기술 변화와 다른 점은 변화의 속도와 범위다. 전기나 컴퓨터는 특정 산업이나 업무에 먼저 적용됐지만, 생성형 AI는 글쓰기, 코딩, 분석, 고객 응대 등 거의 모든 지식 노동에 동시에 영향을 미치고 있다.

생산성 역설이 시사하는 건 AI 기술 자체보다 그것을 활용하는 조직과 사람의 변화가 더 중요하다는 점이다. 도구를 도입하는 속도보다 일하는 방식을 바꾸는 속도가 생산성 향상의 실질적 변수가 될 수 있다.

지금 당장 경제 지표에 AI 효과가 뚜렷하지 않다고 해서 변화가 없는 것도 아니고, AI가 모든 걸 바꿀 것이라는 낙관론이 곧 현실이 되는 것도 아니다. 경제학은 기술 변화와 생산성 사이에 언제나 구조적 시차가 존재했다는 걸 역사적으로 보여준다.


참고문헌
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. Quarterly Journal of Economics, 140(2), 889–942.
David, P. A. (1990). The dynamo and the computer: An historical perspective on the modern productivity paradox. American Economic Review, 80(2), 355–361.
Solow, R. M. (1956). A contribution to the theory of economic growth. Quarterly Journal of Economics, 70(1), 65–94.
Solow, R. M. (1987, July 12). We’d better watch out. New York Times Book Review, 36.