AI가 만드는 새로운 격차
Intelligence의 평준화와 Agency의 양극화
AI를 둘러싼 논쟁을 보다 보면 서로 모순돼 보이는 두 가지 주장이 동시에 등장한다.
한쪽에서는 AI가 누구나 사용할 수 있는 값싼 지능을 제공하면서 인간 사이의 지식과 능력 격차를 줄일 것이라고 말한다. 반대쪽에서는 AI가 소수 기업과 자본가에게 생산성과 부를 집중시키면서 일자리와 사회적 양극화를 더욱 심화시킬 것이라고 우려한다.
나는 두 주장 모두 어느 정도 맞다고 생각한다.
AI는 개별 과업에서는 인간의 능력 격차를 줄여주는 기술이지만, 그 기술을 얼마나 빨리 받아들이고 얼마나 깊게 활용하느냐에 따라 개인·기업·국가 사이의 최종 성과 격차를 오히려 크게 확대할 수 있는 기술이기 때문이다.
결국 앞으로 중요한 것은 AI에 접근할 수 있느냐가 아닐지도 모른다.
누가 이 값싸진 Intelligence를 더 많이, 더 빠르게, 더 효과적으로 소비할 수 있느냐.
오히려 이것이 AI 시대의 새로운 격차를 결정할 가능성이 높다.
1. 평균에서 벗어난 사람을 얼마나 허용할 것인가
최근 Palantir의 Alex Karp가 미국과 유럽의 차이를 설명하면서 흥미로운 이야기를 했다.
그는 미국 사회의 밑바탕에 일종의 Calvinist culture가 존재한다고 설명한다. 큰 성공을 비교적 긍정적인 신호로 받아들이는 미국과 달리 유럽의 일부 문화에서는 누군가 지나치게 큰 성공을 거두면 그 이면에 무엇인가 부당한 것이 존재할 것이라고 의심하는 경향이 있다는 것이다.
물론 이를 문자 그대로 철학적 차이만으로 설명할 필요는 없다.
내가 흥미롭게 보는 지점은 사회가 인간 사이의 성과 격차와 평균으로부터의 일탈을 얼마나 허용하느냐다.
Leopold Aschenbrenner 역시 자신이 독일을 떠난 이유를 이야기하면서 비슷한 문제를 언급한 적이 있다. 그는 독일 사회에 강한 Tall Poppy Syndrome, 즉 평균에서 지나치게 벗어난 사람을 다시 아래로 끌어내리려는 문화가 존재한다고 지적했다.
미국의 특징은 모든 사람이 뛰어나다는 것이 아니다.
오히려 괴짜 창업자, 엄청난 성공과 실패, 한 사람에게 집중되는 막대한 부, 기존 산업질서를 파괴하는 새로운 기업처럼 극단적으로 평균에서 벗어난 사람과 결과를 비교적 많이 허용한다는 것에 가깝다.
이러한 시스템은 평상시에는 높은 불평등과 사회적 불안정이라는 비용을 만든다.
그러나 기술적 discontinuity가 발생하는 순간에는 상당한 옵션가치를 가진다.
그리고 AI는 바로 그러한 기술일 가능성이 높다.
Alex Karp 관련 인터뷰
Leopold Aschenbrenner 인터뷰
2. AI는 Skill Equalizer이면서 Agency Polarizer다
현재까지의 여러 연구를 보면 AI는 개별 과업에서는 오히려 능력 격차를 줄이는 방향으로 작동한다.
글쓰기, 코딩, 고객응대처럼 비교적 명확하게 정의된 task에서는 경험과 숙련도가 낮은 사람이 AI의 도움을 받을 때 상대적으로 더 큰 생산성 향상을 경험하는 경우가 많다.
그런 의미에서 AI는 분명 Skill Equalizer다.
그런데 개별 task를 넘어 인간의 전체 업무시스템을 바라보면 전혀 다른 이야기가 시작된다.
같은 Frontier Model을 두 사람에게 줘도 한 사람은 이메일을 수정하고 자료를 몇 개 요약하는 데 사용할 수 있다.
반면 다른 사람은
Research → Analysis → Coding → Simulation → Decision → Execution
전체를 AI와 연결할 수 있다.
처음에는 둘의 차이가 별로 크지 않을 것이다.
하지만 AI를 계속 사용하는 사람은 무엇을 AI에게 맡겨야 하는지 배우고, 새로운 use case를 발견하며, workflow를 만들고, 결국 여러 Agent를 병렬로 움직이기 시작한다.
그러면 다음과 같은 feedback loop가 만들어진다.
AI Usage
→ AI Skill
→ More Use Cases
→ Workflow Integration
→ Higher Productivity
→ Higher ROI
→ More AI Usage
Anthropic의 Economic Index에서도 이와 관련된 흥미로운 결과가 나타난다.
Claude를 장기간 사용한 이용자는 신규 이용자보다 더 복잡한 과업에 AI를 활용하는 경향을 보였고, 대화의 성공률 역시 더 높게 나타났다. 단순히 AI에 접근했다는 사실보다 AI를 사용해본 경험 자체가 AI를 더 잘 사용하는 능력으로 축적될 가능성을 보여준다.
AI를 사용하는 경험 자체가 하나의 자본이 되는 것이다.
나는 이것을 일종의 AI Human Capital이라고 생각한다.
따라서 AI는 Task Level에서는 Skill Gap을 줄이면서도, System Level에서는 오히려 Agency Gap을 확대할 수 있다.
AI is a task-level equalizer, but a potential system-level polarizer.
3. 값싼 Intelligence는 모두에게 똑같이 소비되지 않는다
최근 Citadel Securities가 제시한 데이터는 이 문제를 보다 직접적으로 보여준다.
2026년 6월 말 이후 usage-weighted token 가격은 약 40% 하락했다.
그런데 7월 직원 1인당 AI 지출은 상위 1% 기업에서 전월 대비 약 49%, 상위 10%에서는 25%, Median에서는 9% 증가했다.
즉 AI 가격이 내려갈수록 모두가 비슷한 속도로 AI 사용량을 늘리는 것이 아니다.
이미 AI를 많이 사용하던 기업이 가장 강하게 소비를 늘리고 있다.
이것은 꽤 중요한 포인트다.
AI를 거의 사용하지 않던 사람에게 token 가격이 90% 내려가는 것은 생각보다 큰 사건이 아닐 수 있다. 원래 소비 자체가 거의 없었기 때문이다.
반대로 AI에 월 1,000달러를 지출해 1만 달러의 경제적 가치를 만들어내던 사람에게 가격이 90% 내려가는 것은 전혀 다른 의미를 가진다.
그는 지출을 100달러로 줄이기보다 기존의 1,000달러를 그대로 사용하면서 AI가 수행하는 작업량을 열 배로 늘릴 가능성이 높다.
그래서 AI에서는 일반적인 Jevons Paradox보다 한 단계 더 나아간 현상이 나타날 수 있다.
나는 이것을 일종의 Heterogeneous Jevons Effect라고 생각한다.
Token Price ↓
→ Heavy User AI Usage ↑↑
→ Light User Usage ↑
→ AI Consumption Concentration ↑
가격은 모두에게 동일하게 내려가지만, 그 가격 변화에 반응하는 수요탄력성은 사람과 기업마다 전혀 다를 수 있다는 얘기다.
Citadel Securities, Elastic Expectations
4. Token은 싸지는데 Compute는 왜 여전히 부족한가
Citadel이 제시한 또 다른 그래프는 이러한 현상을 더 흥미롭게 만든다.
2026년 초까지만 해도 H100 GPU 임대가격과 AI token 가격은 비교적 비슷한 방향으로 움직였다.
그런데 7월 이후 token 가격이 계속 빠르게 하락하는 동안 H100 임대가격은 더 이상 함께 떨어지지 않고 높은 수준을 유지하거나 오히려 반등하기 시작했다.
AI Intelligence 한 단위를 생산하는 가격은 떨어지는데, 그 가격 하락이 더 많은 사용량을 만들어내면서 기초자원인 Compute의 수요는 여전히 강하게 유지되고 있다는 것이다.
구조를 단순화하면 다음과 같다.
Token Cost ↓
→ AI Usage ↑
→ Agent / Workflow ↑
→ Model Calls ↑
→ Aggregate Compute Demand ↑
AI 한 단위의 가격이 싸지는 것과 전 세계가 소비하는 총 Compute가 줄어드는 것은 전혀 같은 이야기가 아니다.
특히 AI가 chatbot에서 Agent로 이동할수록 하나의 인간 intent가 훨씬 많은 inference를 발생시킨다.
사람이 AI에게 자료 하나를 요약해달라고 하면 몇 번의 model call로 끝날 수 있다.
하지만 Agent에게
Search → Read → Compare → Code → Test → Revise → Report
전체를 맡기면 하나의 인간 요청이 수십, 수백 번의 inference로 증폭될 수 있다.
따라서 Unit Cost Deflation과 Aggregate Compute Inflation은 동시에 발생할 수 있다.
이 점에서 NVIDIA를 비롯한 GPU 업체와 CoreWeave, Nebius 같은 NeoCloud, 그리고 Hyperscaler들이 진행하는 AI Infrastructure 투자를 단순한 일시적 CapEx 사이클로만 보는 것도 조심할 필요가 있다.
효율성 향상이 Compute 수요를 줄이는 것이 아니라, 효율성 향상 자체가 새로운 수요를 만들어내는 구조라면 이야기는 전혀 달라지기 때문이다.
Citadel Securities, Elastic Expectations
5. AI가 만드는 집중화는 하나가 아니다
Anthropic CEO Dario Amodei는 AI의 집중화 문제를 주로 Scaling Law와 연결해 이야기한다.
더 좋은 모델을 만들기 위해 더 많은 Compute와 자본이 필요해진다면 Frontier AI를 직접 개발할 수 있는 기업은 자연스럽게 소수로 줄어든다.
Scaling Law
→ More Compute
→ More Capital
→ Scarce GPU / Power / Data Center
→ Fewer Frontier Labs
이것은 Supply-side Concentration, 즉 AI 생산수단의 집중이다.
그런데 나는 여기에 또 다른 집중화가 동시에 발생할 수 있다고 생각한다.
바로 AI를 사용하는 개인과 기업 사이의 Usage Concentration이다.
Early Adoption
→ Experimentation
→ Better AI Skill
→ More AI Consumption
→ Higher Productivity
→ More Income / Capital
→ More AI Consumption
그리고 마지막에는 Ownership Concentration도 존재한다.
AI가 만들어내는 생산성 surplus가 반드시 노동자에게 동일하게 돌아갈 이유는 없다.
오히려 상당 부분이
Compute Owner
Model Owner
Cloud Owner
Data Owner
Equity Owner
에게 귀속될 수 있다.
결국 AI의 집중화는 최소 세 가지 층으로 나눠볼 수 있다.
Supply Concentration
소수 기업이 Frontier Intelligence를 생산한다.
Usage Concentration
AI를 먼저 잘 사용하는 개인과 기업이 더 많은 AI를 소비하면서 생산성 격차를 확대한다.
Ownership Concentration
그 과정에서 발생한 생산성 surplus가 AI 생산수단과 기업지분을 소유한 사람에게 더 많이 귀속된다.
그리고 이 세 가지는 서로 독립적이지 않다.
Capital
→ Better AI Access
→ More AI Usage
→ Higher Productivity
→ Higher Profit
→ More Capital
이라는 feedback loop를 형성할 수 있다.
6. AI는 Positive-sum이지만 Distribution-neutral하지 않다
나는 AI가 사회 전체적으로는 분명 매우 유용한 기술이라고 생각한다.
생산성뿐 아니라 과학, 의료, 소프트웨어, 교육, 제조업 등 인간이 할 수 있는 일의 범위를 크게 확장시킬 가능성이 높다.
문제는 Positive-sum Technology라는 것과 Distribution-neutral Technology라는 것은 완전히 다른 이야기라는 데 있다.
AI가 사회 전체의 부를 크게 늘려준다고 해서 그 부가 모든 사람에게 비슷하게 돌아갈 이유는 없다.
오히려
사회 전체 Wealth +100
상위계층 +180
중간계층 +20
일부계층 -10
과 같은 결과가 나올 수도 있다.
평균적인 GDP와 생산성은 크게 증가했지만 상대적 위치가 훼손되는 사람은 훨씬 많아질 수 있다는 뜻이다.
특히 AI를 활용해 자신의 생산성을 몇 배로 키운 사람과 자신의 기존 전문성이 빠르게 commodity가 되는 사람 사이에서는 동일한 기술을 바라보는 시선 자체가 완전히 달라질 것이다.
그래서 AI가 야기할 가장 중요한 사회적 문제는 단순한 대량실업만은 아닐 수 있다.
Job Polarization
Income Polarization
Wealth Polarization
Status Polarization
이 동시에 진행될 가능성이 있다.
그리고 사람은 절대적인 소득만으로 자신의 삶을 평가하지 않는다.
내 소득이 10% 증가했더라도 주변 사람의 생산성과 소득이 몇 배씩 증가하고, 내가 오랫동안 쌓아온 기술의 희소성이 사라진다면 기술진보의 과실을 체감하는 방식은 전혀 달라질 수 있다.
바로 여기에서 계층 갈등과 정치적 반발이 발생한다.
 |
| 전체번역 | 팔란티어 다큐멘터리 해드렸습니다 AI 기술로 인한 계층, 계급간의 갈등 극단화를 잘 나타내주는 다큐 |
7. 결국 다시 미국·중국·유럽의 차이로 돌아온다
이러한 관점에서 보면 최근 미국과 중국, 그리고 유럽의 서로 다른 모습은 꽤 흥미롭다.
미국은 높은 이민과 인종·문화적 다양성, 그로 인해 발생하는 사회적 마찰을 일정 부분 감내하면서도 AI를 전략기술로 규정하고 AI 개발을 방해하는 여러 인허가와 규제, 전력·데이터센터 병목을 빠르게 제거하려 하고 있다.
최근 미국의 AI 정책 역시 규제 장벽 완화, 데이터센터와 반도체 팹 인허가 가속, 전력 인프라 확충을 핵심 과제로 두고 있다.
White House, America's AI Action Plan
중국의 방식은 미국과 철학적으로 완전히 다르다.
그러나 AI를 국가 생산성과 지정학적 경쟁의 핵심기술로 판단하고 막대한 Compute, 전력, 데이터센터와 산업 application을 동시에 확장한다는 점에서는 공통점이 있다.
미국은 시장과 자본을 통해 움직이고, 중국은 국가의 동원능력을 통해 움직인다.
방식은 다르지만 적어도 AI라는 기술을 놓고는 두 국가 모두 기존 질서가 변화하면서 발생하는 비용보다 변화에서 뒤처질 때 발생하는 비용을 더 크게 평가하고 있는 것처럼 보인다.
반대로 유럽은 상대적으로 사회적 안정, 권리보호, 기존 이해관계와 제도의 정합성을 오랫동안 더 중시해왔다.
이것 자체가 반드시 잘못된 것은 아니다.
문제는 AI처럼 변화의 속도가 극단적으로 빨라지는 기술전환기에는 안정을 위해 쌓은 제도적 마찰이 오히려 새로운 산업의 성장과 사람·자본의 재배치를 방해할 수 있다는 점이다.
 |
| The AI brain drain: Why Europe can’t keep the talent it trains |
Draghi 보고서가 유럽의 혁신격차와 기업 성장의 어려움을 직접적으로 지적한 것도 이러한 문제의식을 반영한다.
8. 그렇다면 한국은 어디에 있을까
여기까지 생각하고 나면 자연스럽게 한국을 바라보게 된다.
흥미롭게도 국가의 산업전략만 보면 한국은 생각보다 미국과 중국 쪽에 가깝다.
정부는 반도체, GPU, AI 데이터센터, 국가 AI 컴퓨팅센터, Physical AI 등을 전략산업으로 규정하고 상당한 자원을 집중하고 있다.
국가의 산업정책만 놓고 보면 AI라는 변화에 뒤처지지 않으려는 의지는 꽤 분명하다.
문제는 그 아래다.
사회와 제도로 내려오면 이야기가 완전히 달라진다.
한국은 경쟁 자체는 매우 치열하지만 평균에서 벗어나는 것에는 상당히 보수적인 사회다.
안정적인 직장을 버리고 새로운 사업에 뛰어드는 것, 실패한 뒤 다시 도전하는 것, 조직의 관행과 다르게 움직이는 것, 기존 직무를 AI로 없애고 사람을 전혀 다른 업무로 이동시키는 것에 반드시 관대한 사회라고 하기는 어렵다.
더 독특한 것은 강한 지위경쟁과 강한 동조압력이 동시에 존재한다는 점이다.
누구나 성공하고 싶어 하지만, 그 성공으로 가는 방법은 사회가 인정한 비교적 좁은 경로 안에 있기를 요구한다.
결과적으로 한국은 묘한 이중성을 갖는다.
위에서는
AI Infrastructure
Semiconductor
GPU
Data Center
Physical AI
에 국가적 자원을 쏟아붓는다.
그런데 아래에서는
노동시장
교육
이민
규제
조직문화
실패에 대한 관용
인력의 이동성
이 그만큼 빠르게 변하고 있는지는 의문이다.
말하자면,
하드웨어와 산업정책은 미국·중국을 향하고 있는데, 사람과 기업이 움직이는 사회적 Software는 유럽 쪽에 가까운 구조다.
이것이 어쩌면 현재 한국이 가진 가장 큰 모순일지도 모른다.
9. Compute는 미국처럼, 사회는 유럽처럼
최근 노란봉투법과 성과급 배분 논란, 부동산 세제개편 등을 둘러싸고 한국 사회가 크게 출렁이는 모습을 보고 있으면 이런 의문은 더욱 커진다.
개별 정책의 옳고 그름을 떠나 공통적으로 드러나는 것은, 성과와 보상의 차이, 이해관계의 비대칭, 기존 질서의 변화 자체를 받아들이는 과정에서 한국 사회가 상당한 마찰을 일으킨다는 점이다.
문제는 AI가 앞으로 가져올 변화가 지금까지 우리가 경험했던 수준보다 훨씬 더 빠르고 거칠 가능성이 높다는 데 있다.
AI는 단순히 직업 간 격차만 벌리는 기술이 아니다. 같은 직업 안에서도 개인별 생산성의 차이를 크게 확대할 수 있고, 기존 업무와 조직을 빠르게 대체하며 사람과 자본을 새로운 산업과 기업으로 끊임없이 이동시킬 것이다. 어떤 사람에게는 과거에는 상상하기 어려웠던 수준의 leverage를 제공할 수도 있다.
그런데 한국 사회는 여전히 경직된 노동시장, 강한 위계질서와 동조 압력, 실패와 이탈에 대한 낮은 관용, 성과의 격차가 커질 때 이를 곧바로 불공정의 문제로 전환시키는 사회적 정서가 동시에 존재한다.
(맞말만 하는 sk회장)
 |
| (200만뷰) 최태원 회장님이 말한 인재 없는 이유 |
 |
| (100만뷰) 인재 유치 위한 최태원 회장의 유일한 해결책 |
경쟁은 누구보다 치열하지만 정작 경쟁의 결과로 발생하는 큰 편차에는 불편함을 느낀다. 혁신을 원한다고 말하지만, 그 혁신이 기존 직업과 이해관계를 건드리는 순간 다시 보호와 평준화를 요구한다.
어쩌면 이것이 지금 한국 사회가 가진 가장 큰 모순 중 하나인지도 모르겠다.
 |
| 대한민국 사회 평준화에 가장 극단적인 예 |
#글을 마치며
결국 AI 시대의 경쟁력은 얼마나 많은 GPU를 확보했느냐만으로 결정되지는 않을 것이다.
그 GPU가 만들어낼 변화를 사회가 얼마나 빠르게 받아들이고, 사람·기업·자본을 새로운 생산성이 발생하는 곳으로 얼마나 자유롭게 이동시킬 수 있느냐가 오히려 더 중요한 문제일 수 있다.
그런 기준에서 보면 현재의 한국은 꽤 아이러니한 위치에 서 있다. 국가 차원에서는 AI에 가장 큰 기대를 걸고 누구보다 적극적으로 GPU와 데이터센터, 반도체 인프라를 깔아가고 있지만, 정작 사회와 제도의 작동방식은 AI가 만들어낼 변화의 속도와 성과의 편차를 감당하기 어려운 방향에 더 가까워 보이기 때문이다.
이대로라면 앞으로 한국의 모습은 어쩌면 구형 Software OS는 그대로 둔 채 그 위에 호환도 제대로 되지 않는 최신 Hardware만 비싼 돈을 들여 억지로 끼워 넣고, 왜 이렇게 좋은 장비로 업그레이드했는데 기대했던 성능이 나오지 않느냐고 불평하는 모습과 닮아가지 않을까 싶다.
AI에는 누구보다 많은 돈을 쓰면서, 정작 AI가 만들어낼 변화는 누구보다 불편해하는 사회.
어쩌면 그 모순 자체가 앞으로 한국이 마주하게 될 꽤 불편한 장면일지도 모르겠다.
=끝
