Gen AI의 경제적 효과
- 박준성 박사: Univ. of Iowa 종신교수, 삼성SDS CTO, KAIST 초빙교수
- Feb 13
- 2 min read
Updated: Mar 4
Gen AI(생성형 AI)의 경제적 효과에 관한 최근(2025-2026) 연구 결과들을 공유한다.
1. Gen AI의 고용 대체 효과
2026년 Oxford Economics의 연구에 의하면, Generative AI(생성형 AI)로 인한 고용 감소는 미미하다. 2023-2025 간 고용 감소는 대체로 경기 침체에 기인한다. 미국 경우, AI로 인한 고용 감소는 전체 고용 감소의 4.5%에 불과했다. 이 수치도 과장된 수치인 게, 왜냐하면 기업들이 해고 또는 비채용의 이유가 경영 부진 또는 과거의 과잉 채용인 경우에도, 회사의 시장가치 보전을 위해, AI 투자의 효과라고 둘러대는 경향이 있기 때문이다.
2. 생성형 AI의 투자수익률
2025년 MIT의 연구에 의하면. AI 투자수익률이 플러스인 기업이 조사 대상의 5%였는데, 2026년 PWC의 연구에 의하면 25%로 향상되었다.
지금까지 생성형 AI 애플리케이션 중 투자 수익성이 가장 높은 것은 RAG을 이용한 프롬프팅 앱이다. 다음은, 아직 수익성이 불안하긴 하지만, MCP, A2A, 워크플로우를 추가로 적용한 프롬프팅 앱이다. 생성형 AI를 이용해 의사결정에서 선택된 행동의 실행까지 사람 개입 없이 자율적으로 수행하는 AI 에이전트는 투자수익률이 마이너스로 드러났다. 구글, 아마존 등 빅테크 기업들은 2024년 말에 이미 생성형 AI 에이전트의 개발을 중단하였다.
AI 역사 상 가장 투자수익률이 높은 AI 애플리케이션은 구글의 광고 에이전트, 아마존의 상품 추천 에이전트 같은 예측적/분석적 AI 기반의 에이전트이다. 이 에이전트들은 의사결정에서 선택된 행동의 실행까지 사람 개입 없이 자율적으로 수행된다. 구글 광고 에이전트 경우, 일회 실행에 1000분의 1 초, 1초에 수백만 건 실행되면서, 구글의 400조원 년 광고 매출의 대부분을 기여하고 있다. 아마존의 추천 에이전트도 일회 실행에 10분의 1초, 1초에 수만 건 실행되면서, 아마존 소매 매출의 35%를 기여하고 있다.
그러나 생성형 AI 기반의 에이전트는 예측적/분석적 AI 기반의 에이전트와 대조적으로, 위에 지적했듯이 투자수익률이 마이너스이다. 요즘 AI 에이전트라고 부르는생성형 AI 애플리케이션들은 대부분 진짜 에이전트가 아닌, 즉 의사결정 및 행동 실행이 완전 자동화되지 않고 사람이 개입해야 하는 애플리케이션들이다. 예컨대, 구글의 생성형 AI 기반 에이전트의 개발 가이드에서도, 의사결정 및 행동 실행에 반드시 사람이 개입(Human in the Loop) 하도록 가이드하고 있다. (Google, Introduction to Agents, 2025. https://share.google/49yJzpGSlgms89LUS)
이렇게 생성형 AI의 오류나 미흡한 점을 사람이 보정해주는 애플리케이션은 투자수익을 시현할 가능성이 있다. 그러나 이러한 애플리케이션은 주로 지식집약적 업무를 자동화하는, 일회 실행에 수 분, 수 분에 한 건 정도 실행되는, 회사 재무에 미치는 효과가 작은 애플리케이션이다. 구글의 광고 에이전트나 아마존의 상품 추천 에이전트는 회사의 핵심 운영 프로세스를 자동화하는 데 적용했기 때문에 막대한 재무 효과를 발휘하는데, 생성형 AI 기반의 반자동화된(Semi-autonomous) 에이전트는 그런 운영 프로세스의 실행 속도와 횟수를 감당할 수 없기 때문에, 그만큼 재무 효과가 작은 것이다.
3. 생성형 AI의 생산성 증가 효과
2025년 METR의 연구에 의하면, 고급 SW개발자가 생성형 AI 기반의 코딩 지원 툴을 이용하면 생산성이 20% 하락한다. 툴의 오류(Hallucination)를 찾아서 고치는 시간이 툴로 인해 단축된 코드 생성 시간을 초과하기 때문이다.
2026년 카네기멜론 대학의 연구에 의하면, 생성형 AI 기반의 코딩 지원 툴을 이용하면 단기적 생산성은 증가하는데, 개발된 SW 설계 구조의 취약성 및 복잡성, 즉 SW 기술부채(Technical Debt)의 축적으로 인해 장기적 생산성은 하락한다.
일반적으로 생성형 AI 기반의 툴들이 개인의 업무 생산성은 향상시킨다. 그러나 개인의 생산성 증가가 기업의 생산성 증가를 가져 오지는 않는다. 노벨 경제학상 수상자인 Robert Solow의 IT Productivity Paradox가 재현되고 있는 것이다. 즉 생성형 AI가 기업 생산성의 획기적 증가를 가져 오려면 AI가 적용되는 비즈니스 프로세스의 재설계와 비즈니스 모델의 변화를 동반해야 한다.
예컨대, 생성형 AI로 인한 코딩 생산성 증가가 설계 품질의 저하를 가져와 장기적으로 SW 기업의 성장과 수익을 악화시킨다. 이 경우, SW 개발 전주기의 재설계와 SW 기업 경영 모델의 변화 없이는 기업 수준의 성과 개선은 기대하기 어렵다.
Comments