Agent AI가 “지식기반 서비스”를 잠식할 때
– 어느 만큼의 산업, 물가, 그리고 메모리 반도체 시장을 건드리는가 (2025~2035)
요즘 이야기하는 Agent AI는 단순히 “글을 잘 써주는 챗봇”이 아니다.
사용자의 목적을 이해하고,
여러 일을 순서대로 실행하고(워크플로),
중간 결과를 기억하고 다시 불러오며,
이메일·문서·사내 시스템까지 직접 건드리는
일종의 지식노동 자동화 에이전트에 가깝다.
이 글은, 그런 Agent AI가 본격화되었을 때 생기는 세 가지 효과를 정리한다.
어떤 산업이 타깃이 되는지, 그 산업이 GDP에서 차지하는 비중이 얼마인지
그 산업에서 임금과 가격 구조가 바뀌면서, 앞으로 10년 동안 물가(특히 GDP 디플레이터)에 어느 정도 “디플레 압력”을 만들 수 있는지
Agent AI의 병목인 **메모리(맥락과 상태 저장)**가 데이터센터·메모리 반도체 시장에 어떤 “추가 수요(TAM)”를 만들어내는지
핵심 아이디어는 간단하다.
**“AI가 얼마나 빨리 퍼질 것인가”**라는 채택률은
→ 미국 기업 설문(BTOS, Goldman Sachs 재가공)을 기준으로 잡고,**“그게 전체 경제에서 얼마나 큰 비중인가”**라는 가중치는
→ 미국 통계(BEA)와 UN 통계(SNA)를 분리해서 본다.
0. 최소한의 용어 정리
먼저 글에서 반복적으로 나오는 세 가지 개념을 짚고 가는 것이 이해를 돕는다.
TAM (Total Addressable Market)
여기서는 “AI 회사 매출”이 아니라,
AI가 가격·비용 구조를 바꿀 수 있는 부가가치(Value Added) 풀의 상한을 뜻한다.
GDP 디플레이터
“국내에서 생산된 모든 재화·서비스 가격”을 한꺼번에 보는 지표이다.
CPI가 “소비자 물가”에 가깝다면, GDP 디플레이터는 **“경제 전체의 물가”**이다.
Agent AI의 “직접 디플레”
Agent AI가 지식노동을 대체해 인건비를 줄이고, 그게 서비스 가격 인하로 이어지는 효과를 말한다.
예를 들어, 회계·법률·소프트웨어 개발·콜센터 같은 영역이다.
1. Agent AI가 건드리는 산업의 범위: “넓은 TAM”과 “직접 디플레 TAM”
1-1. 미국: Exhibit에 나온 업종만 합쳐도 GDP의 83%
미국 상무부 BEA 통계에서 정보(Information), 금융(Finance), 전문서비스(Professional), 도·소매, 운송, 제조, 건설, 부동산, 교육·헬스케어 등 Exhibit에 나온 업종의 부가가치 비중을 모두 더해보면, GDP의 약 83% 수준이 된다.
출처: BEA, Value Added by Industry as a Percentage of GDP
https://www.bea.gov/data/gdp/gdp-industry
즉, 미국 민간경제의 대부분을 덮고 있다고 볼 수 있다.
하지만 이 83% 안에는
제조·건설·운송·숙박 같은 물리·현장 중심 산업과,
임대료·귀속임대(imputed rent) 비중이 큰 부동산 산업
까지 모두 들어 있다. 이 전체를 “Agent AI가 직접 디플레를 일으키는 영역”이라고 부르기는 어렵다.
1-2. 글로벌: 같은 업종을 다른 각도에서 보면 62%
UN SNA 데이터에서 비슷한 업종(ISIC Rev.4의 J,K,M,N,P,Q,L,G,H,I,C,F,R,S)을 골라, 각국의 부가가치/GDP 비율을 계산한 뒤 **국가별 중앙값(median)**을 취하면, 이 업종 묶음의 합계는 **GDP의 약 62%**이다.
출처: UN, National Accounts Main Aggregates
https://data.un.org/Data.aspx?d=SNAAMA&f=grID%3A201%3BcurrID%3ANCU%3BpcFlag%3A0
이 표본에는 미국이 포함되어 있지 않으므로, 이것은 **“미국을 제외한 세계의 전형적인 구조”**라고 보는 게 맞다.
정리하면,
미국: Exhibit 업종 합계 ≈ GDP의 83%
글로벌 전형(미국 제외): 같은 업종 합계 ≈ GDP의 62%
이게 이 글에서 말하는 **“넓은 의미의 AI 연관 산업 풀”**이다.
1-3. “직접 디플레 TAM”: 진짜 중요한 절반만 남기기
Agent AI가 “직접” 디플레를 일으키려면, 두 가지 조건이 필요하다.
사무·지식 업무 비중이 크고,
가격이 인건비와 밀접하게 연결되어 있어야 한다.
이 기준으로 보면, 다음 업종은 직접 디플레 효과가 약한 쪽에 가깝다.
Real estate & rental/leasing (임대료·귀속임대 중심)
Manufacturing, Construction, Transportation & warehousing, Accommodation & food
→ 현장·물리·규제·토지 등 “AI가 당장 바꾸기 어려운 요인”이 크다.
그래서 이 업종들은 일단 옆으로 치워놓고, 다음 업종만 묶어서 본다.
Information, Finance, Professional, Admin/support, Education, Health, Wholesale, Retail, Arts/Entertainment, Other services
이를 **“직접 디플레 TAM”**이라고 부른다.
이때 결과는 다음과 같이 정리된다.
미국 기준
위 포함 업종 합계: GDP의 약 48%
이 가운데 교육·헬스를 보수적으로 제외: 약 40%
그중 **코어(Information + Finance + Professional + Admin/support)**만 보면: 약 24%
글로벌 전형
포함 업종 합계: GDP의 약 33%
교육·헬스 제외: 약 26%
코어(J+K+M+N)만 보면: 약 13%
간단히 말하면,
Agent AI가 “서비스 가격”을 직접 움직일 수 있는 영역은
미국에서는 GDP의 24~48%,
미국을 제외한 세계에서는 13~33% 정도 범위에 있다는 것이다.
1-4. 금액으로 보면 어느 정도인가?
세계 명목 GDP는 2024년 기준 약 111조 달러이다.
출처: World Bank, World GDP (current US$)
https://data.worldbank.org/indicator/NY.GDP.MKTP.CD
여기서 **지식기반 핵심(J+K+M+N+P+Q)**의 비중(~19.8%)만 곱하면,
111조 달러 × 19.8% ≈ 22조 달러
정도의 **“지식기반 부가가치 풀”**이 나온다.
이 22조 달러 전체가 AI 매출이나 디플레로 이어지는 것은 아니지만,
“어디까지 잠재적으로 건드릴 수 있는가”라는 상한을 보여주는 숫자이다.
2. 임금과 물가: Agent AI가 10년 동안 만들 수 있는 디플레 압력
2-1. 왜 지식노동이 핵심인가?
미국 BLS 통계를 보면, 정보(Information), 전문서비스(PST), 금융(Financial Activities) 등의 평균 시급은 45~55달러/hr 구간에 몰려 있다. 교육·헬스케어도 35달러/hr 수준이다.
출처: BLS, Employment Situation – Table B-3a
https://www.bls.gov/web/empsit/ceseeb3a.htm
즉 “직접 디플레 TAM”에 포함된 업종들 자체가 고임금 산업이다.
Agent AI가 이 영역에서 인건비를 조금만 줄여도,
인건비 절감 → 기업 비용 감소 → 서비스 가격 인하(또는 가격 상승 억제)
로 이어질 가능성이 크다.
2-2. 단순화한 계산 프레임
물가 하방압력을 대략적으로 보기 위해 다음과 같은 단계를 사용했다.
업종별 AI 채택률 pᵢ(t)
미국 설문(Exhibit 6,7)을 바탕으로 각 업종의 채택률을 2025~2035년까지 로지스틱 형태로 추정한다.
Agent AI 대체 강도 η(t)
초기에는 “보조 역할”에 가깝다가, 시간이 갈수록 “업무 대부분을 자동으로 처리”하는 쪽으로 이동한다고 보고
실제 대체 비중 qᵢ(t) = pᵢ(t) × η(t)로 잡는다.
업종별 가격 하락 Δπᵢ,t
업종별 노동비중, 절감 가능 비율, 가격 전가율을 곱해
Δπᵢ,t ≈ − labor_shareᵢ × savingsᵢ × pass_throughᵢ × Δqᵢ,t
GDP 디플레이터 하방압력
각 업종 가격 변화를 부가가치 비중 wᵢ(US/Global)로 가중해
Δπᵗ(total) = Σᵢ wᵢ × Δπᵢ,t
절대값 하나하나가 정확하다고 보기보다는,
“Agent AI가 물가를 0.1%p 낮추는 수준인지, 1%p까지도 가능한지”를 구분하는 용도
로 이해하는 것이 적절하다.
2-3. 숫자로 보면 어느 정도 밴드인가?
Base 시나리오에서 결과를 요약하면 대략 다음과 같다.
글로벌 GDP 디플레이터 기준
2025년: −0.1%p 안팎
2026~2027년: −0.2%p 내외(피크)
이후 2035년: −0.15%p 수준으로 완만히 축소
글로벌 서비스 디플레이터 기준
2025년: 약 −0.25%p
2027년: 약 −0.4~−0.45%p
미국 GDP 디플레이터 기준
지식기반 산업 비중이 더 크기 때문에
2026~2027년에는 −0.30~−0.35%p/년 정도까지 하방압력이 커질 수 있다.
요약하면,
Agent AI가 빠르게 퍼지는 경우,
앞으로 10년간 “연 −0.1~−0.2%p(글로벌), 미국은 최대 −0.3~−0.35%p” 정도의 디스인플레이션 압력이 가능하다는 정도의 그림이다.
3. 메모리 하드웨어: Agent AI가 여는 “추가” 시장
이제 시선을 반도체·데이터센터로 옮겨 보자.
핵심 질문은 다음과 같다.
Agent AI가 본격화되면, 메모리(HBM·DRAM·NAND) 시장은 지금 전망보다 얼마나 더 커질 수 있는가?
여기서 중요한 전제가 하나 있다.
WSTS가 제시하는 2026년 메모리 시장 전망은,
아직 Agent AI가 “본격적으로” 도입되기 전의 궤적이라는 점이다.
즉, **지금 전망된 2026년 메모리 시장은 “베이스라인”**이고,
Agent AI가 본격화되면 그 위에 “추가 수요(가수요)”가 하나 더 얹힌다고 봐야 한다.
3-1. Agent AI는 왜 메모리를 그렇게 많이 먹는가?
Agent AI는 다음과 같은 이유로 메모리 집약적이다.
긴 대화·긴 문서·긴 워크플로를 한 번에 처리하려면,
→ 모델이 유지해야 할 **컨텍스트(working memory)**가 길어진다.
→ 이는 곧 HBM·DRAM 용량·대역폭 수요 증가로 이어진다.수많은 에이전트가
사용자 기록,
기업 문서,
이전 실행 로그,
상태 스냅샷
을 계속 저장·검색해야 하므로
→ 장기 메모리(long-term memory) 역할의 SSD·NAND가 대량으로 필요하다.
한마디로, **“Agent AI = 연산 + 엄청난 메모리”**이다.
NVIDIA의 로드맵에서 2027년 이후를 겨냥한 Rubin Ultra NVL576 랙(576개 GPU, GPU당 1TB HBM4e, 랙당 600kW급 전력)을 보면, 앞으로의 AI 인프라가 얼마나 메모리·전력·냉각 중심으로 변하는지 직관적으로 이해할 수 있다.
3-2. 지금 메모리 시장은 어느 정도인가? – Agent AI 이전 베이스라인
WSTS/ESIA의 최신 전망에 따르면, 전 세계 반도체 시장은 2026년에 약 1조 달러에 근접할 것으로 예상되고, 이 중 메모리 제품 매출은 2026년 약 2,900억 달러 수준까지 성장할 것으로 전망된다.
출처: ESIA, WSTS Autumn 2025 Semiconductor Market Forecast
https://www.eusemiconductors.eu/sites/default/files/ESIA_WSTS_PR_AuFc2025.pdf
이 전망은
현재 진행 중인 클라우드·스마트폰·PC·자동차·데이터센터 수요를 반영한 것이고,
“Agent AI가 지식노동을 전면 대체한다”는 강한 가정은 포함하지 않은 베이스라인에 가깝다.
즉,
2026년 메모리 2,900억 달러 시장은 “Agent AI 이전의 세계”에서 이미 예상되는 규모이고,
Agent AI 가수요는 이 위에 따로 얹히는 덩어리로 보는 것이 적절하다.
3-3. NVL576 BOM으로 본 “인프라에서 메모리 비중”
그러면 Agent AI용 데이터센터에서 메모리가 차지하는 비중은 어느 정도일까?
이를 보기 위해 **GPU 서버의 BOM(Bill of Materials)**을 단계별로 살펴본다.
서버 안에서 GPU 비중
SemiAnalysis가 추정한 Nvidia DGX H100 BOM에서
“8 GPU + 4 NVSwitch 보드”가 **서버 원가의 약 73%**를 차지한다.
나머지는 CPU, DRAM, SSD, NIC, 파워서플라이, 케이스, 조립 비용 등이다.
→ 고가 AI 서버의 원가는 거의 GPU에 집중되어 있다.
GPU 안에서 HBM 비중
B200(Blackwell) GPU의 제조원가 구조를 보면,
**HBM3e 메모리가 GPU BOM의 40~50%**에 해당한다는 추정이 많다.
→ GPU 가격의 절반 가까이가 사실상 HBM 비용이다.
NVL72 / NVL576 랙에서 GPU·메모리 비중
GB200 NVL72 랙의 경우,
Grace+Blackwell 슈퍼칩(36개) 가격이 랙 가격(약 300만 달러)의 **60~80%**를 차지한다는 분석이 있다.
Rubin Ultra 기반 NVL576 랙은,
GPU 수가 576개로 늘고, GPU당 1TB HBM4e와 추가 Fast Memory를 탑재하면서,
GPU·HBM 비중이 더 커지는 구조이다.
이들을 종합하면 NVL576 세대에서
GPU(=HBM 포함)가 랙 하드웨어 원가의 60~80%,
GPU BOM 안에서 HBM이 45~55%,
GPU 외의 시스템 DRAM + SSD(NAND)가 3~5%
정도를 차지한다고 볼 수 있다.
이때,
메모리 비중(랙 하드웨어)
≈ GPU 비중 × HBM 비중 + 시스템 메모리 비중이므로, 대략 31~49%, 중앙값 약 40% 정도가 된다.
데이터센터 전체 인프라(TCO)에서 메모리 비중
마지막으로, 데이터센터 투자/운영비(TCO)를 보면
서버·스토리지·네트워크 같은 IT 하드웨어가 전체 인프라의 55~65%,
나머지가 전력 인프라, 냉각, 건물, 기타 운영비로 구성된다는 분석이 많다.
그러면 전체 인프라에서 메모리(HBM+DRAM+NAND)가 차지하는 비중은
메모리 비중(인프라)
≈ IT 하드웨어 비중 × 메모리 비중(랙 하드웨어)이고, 대략 18~27%, 중앙값 22~24% 수준이 된다.
즉, 간단히 요약하면,
Agent AI용 데이터센터에서, 인프라 비용의 약 1/5~1/4은 메모리(HBM·DRAM·NAND)가 차지한다고 볼 수 있다.
3-4. Agent AI가 만들어내는 “메모리 추가 TAM”
이제 앞에서 구한 **지식기반 부가가치 풀(22조 달러)**과 지금 계산한 **메모리 비중(약 22~24%)**을 합쳐서, Agent AI가 만들어낼 **메모리 “추가 TAM”**을 거칠게 계산해보자.
단계는 다음과 같다.
지식기반 부가가치 풀
약 22조 달러
AI capture rate(c) – 이 중 AI 매출이 가져가는 비율
보수적: 5%
Base: 10%
공격적: 15%
AI 매출 대비 인프라 TCO 비중(i)
보수적: 15%
Base: 20%
공격적: 30%
인프라에서 메모리 비중(m)
범위: 18~27%, Base: 22% 정도
그러면,
메모리 추가 TAM ≈ 22조 달러 × c × i × m
이 된다.
Conservative (c=5%, i=15%, m=18%)
→ 약 300억 달러Base (c=10%, i=20%, m=22%)
→ 약 970억 달러 ≈ 연 1,000억 달러Aggressive (c=15%, i=30%, m=27%)
→ 약 2,700억 달러
여기서 마지막 숫자 2,700억 달러가 중요한데,
앞에서 본 WSTS의 2026년 메모리 시장 베이스라인이 약 2,900억 달러이므로,
Aggressive 시나리오에서는 “Agent AI 전용 메모리 가수요”만으로도 현재 베이스라인 메모리 시장과 거의 비슷한 규모가 추가로 열릴 수 있다는 의미가 된다.
조금 과장하자면,
Agent AI가 지식기반 서비스를 본격적으로 잠식할 경우,
메모리 시장은 “지금 WSTS가 예상하는 2026년 수준”에서
한 번 더 그만한 규모의 추가 수요가 생겨,
당장의 거의 2배(=100% 추가)까지 커질 잠재력이 있다고 해석할 수 있다.
물론 실제로 상단까지 갈지는,
Agent AI 확산 속도,
GPU·HBM 공급량과 가격,
전력·냉각·규제 제약
등에 따라 달라진다. 여기서는 “구조적으로 그 정도까지도 열릴 수 있다”는 상한선을 그려본 것이다.
맺음말: Agent AI → 지식서비스 → 물가 → 메모리
마지막으로 전체 그림을 한 문단씩 정리해 보자.
어디까지가 타깃인가?
Agent AI는 제조·건설·부동산까지 “모두” 직접 대체하지는 않는다.
하지만 정보·금융·전문서비스·유통·교육·헬스 등 지식기반 서비스를 중심으로 보면,
**미국에서는 GDP의 24~48%, 글로벌 전형에서는 13~33%**가 잠재 타깃이 된다.
물가에는 어느 정도 영향을 줄까?
이 영역은 고임금·고부가가치 산업이기 때문에,
Agent AI가 인건비를 줄이면 서비스 가격과 GDP 디플레이터에 직접적인 하방압력이 생긴다.Base 시나리오에서 볼 때,
글로벌 기준으로 연 −0.1~−0.2%p, 미국은 최대 −0.3~−0.35%p 정도의 디스인플레이션이 2025~2035년 동안 가능해 보인다.
메모리 하드웨어에는 어떤 의미인가?
Agent AI는 긴 컨텍스트·다단계 워크플로·장기 기억 때문에 본질적으로 메모리 집약적이다.
NVL576 세대 기준으로 보면,
**AI 인프라 비용의 약 1/5~1/4이 메모리(HBM·DRAM·NAND)**가 차지한다.이 구조를 지식기반 서비스 부가가치 풀에 대입하면,
Agent AI 전용 메모리 “추가 TAM”은 연 300억~2,700억 달러,
Base 시나리오는 약 1,000억 달러 수준이다.상단 2,700억 달러는 WSTS가 그린 2026년 메모리 베이스라인(2,900억 달러)에 거의 맞닿아 있어,
**당장의 “현재 예상치의 거의 두 배까지 커질 여지가 있다”**는 구조적 상한을 시사한다.
결국 Agent AI는
지식기반 서비스의 부가가치 풀을 잠식하면서
→ 물가에는 디플레 압력을 걸고,
→ 반도체 중에서는 특히 메모리 하드웨어에 거대한 가수요를 생성하는 기술
이라고 정리할 수 있다.
즉 다시 정리하면
"시장은 지금 메모리를 '2026년 2,900억' 정도로 보고 있다. 하지만 Agent AI라는 워크로드는 구조적으로 300억~2,700억 달러의(*중간값 1,000억 달러) 추가 수요를 만들 잠재력이 있다. 이 추가 가수요는 아직 대부분의 전망에 제대로 반영되지 않았다."
#글을 마치며
ChatGPT 5.0를 처음 써본 순간, 우리는 직감적으로 ‘AI S/W’로 불리던 SaaS, PaaS 기업들을 전부 매도하고, AI H/W—그중에서도 메모리—에 강하게 베팅했었다.
그리고 며칠 전 공개된 Claude 4.6, ChatGPT 5.3처럼 인간의 문맥을 실제로 이해하는 수준의 고성능 Agent AI가 본격적으로 등장하면서, 그때의 판단이 옳았다는 것을 시장이 점점 더 증명해주고 있음을 느낀다.
물론 일부 IB는 S/W 섹터가 과매도됐다고 말하고, 엔비디아의 젠슨 황도 “S/W 산업 자체가 큰 타격을 받는다는 건 논리적으로 맞지 않는다”는 취지의 의견을 내놓는다.
하지만 내 의문은 다르다. 애초에 ‘제대로 된 AI S/W’가 시장에 존재하긴 했던 걸까?
고객 입장에서 **투자 대비 효과(ROI)**가 확실하고, 실무에 즉시 도입해 성과를 낼 수 있는 LLM 기반 AI 에이전트급 솔루션이 과연 그동안 있었는지 나는 여전히 확신이 없다.
=끝
댓글 없음:
댓글 쓰기