The practical takeaway is that AI is creating a stark divide: it acts as “complementary capital” for skilled workers, boosting their productivity, but “substitutive capital” for routine jobs, replacing them entirely. This dynamic, coupled with AI capital ownership concentrated in a few wealthy nations (USA and China projected to capture 70% of AI’s $15.7 trillion GDP boost by 2030), is accelerating global inequality and brain drain, making it harder for developing economies to catch up.

Four years ago, the conversation around automation felt like a distant hum – a theoretical “if and when” rather than a pressing “now and how fast.” Economists pondered factory robots and software rendering accountants obsolete, running thought experiments about a fully automated world. Then, in November 2022, ChatGPT burst onto the scene, transforming the academic debate into a lived reality, impacting everything from lunch breaks to legal briefs. The future wasn’t just coming; it had arrived, and it was far more nuanced and unsettling than anyone had predicted.

This isn’t merely a story of technological advancement; it’s a rapidly evolving economic saga. Our understanding of AI’s impact has shifted dramatically, moving from initial abstract concerns to a stark confrontation with its real-world implications, particularly for global economies and the very fabric of work. The journey of understanding has been a winding one, marked by surprising turns and a growing realization that our traditional economic lenses may no longer be sufficient.

In 2019, the argument for automation’s inevitability was built on historical precedent. Steel made bronze obsolete, the internal combustion engine replaced steam power, and self-checkout kiosks displaced human workers. The logic was simple: if a machine could do a job more efficiently, it would. The question was merely a matter of scale and timing.

To illustrate this, economists often turn to the fundamental principles of supply and demand. Imagine a graph where the x-axis represents the quantity of apples and the y-axis represents their price. The demand line slopes downwards: if apples are cheap, everyone wants them; if they’re expensive, few do. Conversely, the supply line slopes upwards: if apples are cheap, no one bothers to grow them; if they’re expensive, everyone rushes to supply them. The point where these lines cross represents the market equilibrium – a reasonable price for a reasonable quantity, where both buyers and sellers feel they’re getting a fair deal.

Now, substitute “apples” for “accountants.” The “price” becomes their salary. If accountants earned a paltry sum, every business would want to hire them, even if only to fetch coffee. But few would choose the profession. Conversely, if they commanded exorbitant salaries, everyone would aspire to be an accountant, but businesses would be hesitant to hire. The market equilibrium, where supply meets demand, determines the actual number of accountants employed and their average salary.

This is where automation enters the picture. The supply and demand curves for labor are dynamic. When companies outsource accounting work to countries like the Philippines, they effectively increase the global supply of accountants. This allows them to hire the same number of accountants for less money, contributing to wage stagnation in wealthier economies. On the demand side, technological advancements like calculators, spreadsheets, and accounting software mean that fewer accountants can do the work of many. A company that once needed 200 accountants might now only need 20. The remaining skilled accountants are then forced to compete on wages, driving down the overall value of their labor. The logical, if chilling, conclusion of this trajectory is a highly automated machine capable of performing all accounting tasks without any human intervention at all.

In 2019, economists bravely ventured into predicting what a fully automated world might look like, outlining three potential scenarios: the good, the bad, and the ugly.

The Good: This utopian vision paints a picture of humans freed from toil, served by robot butlers, with ample time for recreational and creative pursuits. Businesses running these machines would be heavily taxed, or the machines themselves would be government-owned, funding a universal basic income (UBI) for all. People could still work in niche human-centric roles or invest their UBI for extra income, forming an upper-middle class. Living standards for most would surpass today’s middle class, thanks to the abundance generated by automated labor.

However, even this ideal future presents unforeseen challenges. With no career strain, no childcare costs, and no need for employment, birth rates would likely soar. While humans currently contribute more to society than they consume, in a post-automation world, machines would handle all productive labor. Humans would still require food, housing, and transport – finite resources on a finite planet. This scenario could lead to a future where humans, despite their leisure, become a net drain on societal resources, posing a fundamental question about our “value.”

The Bad: A more dystopian outcome envisions a basic UBI, barely covering essentials. Society would cleave into two distinct classes: the ultra-rich who own the companies and the robots, and a vast “peasant class” forced into precarious gig-style jobs. Having children would be discouraged, perhaps even financially crippling, leaving procreation largely to the wealthy. The rich, despite their fortunes and robot servants, would live in isolated “fortresses,” much like the wealthy enclaves in Johannesburg, surrounded by a world filled with violence and resentment. This scenario suggests a breakdown of social cohesion, where immense wealth exists amidst widespread discontent.

The Ugly: This is the bleakest vision, likely to emerge in countries where the ethos of “work for a living” persists. Universal basic income would be non-existent or minimal, and social welfare would be starved. In a purely transactional economic system, unemployable humans would have no economic value. Businesses, no longer needing human labor or a mass consumer base, would primarily trade with each other, catering to the needs of their wealthy owners. The average consumer, often considered the backbone of the economy, would become economically irrelevant. This scenario predicts massive population declines, stemming from people choosing not to have children they cannot support, or, in a much darker turn, widespread starvation. It forces us to confront a future where humans are no longer the creators of value, and their very existence may be deemed expendable.

The 2019 predictions, while thought-provoking, couldn’t anticipate the speed or direction of AI’s arrival. The perceived threat was primarily for manual, repetitive factory work. The reality was almost the opposite. When AI truly landed, it targeted call centers in Manila, data entry workers in Dhaka, and the vast outsourced service economies that developing countries had meticulously built over three decades. Suddenly, office workers, not factory laborers, found themselves on the front lines of disruption.

This shift has had a profound and immediate impact on countries like the Philippines and Bangladesh. For years, these nations have thrived on business process outsourcing (BPO), a multi-billion-dollar industry encompassing customer service, billing, transcription, and tech support. These jobs were once considered safe, requiring language skills, contextual understanding, and a “human touch” that machines couldn’t replicate. However, large language models (LLMs) like ChatGPT have rapidly become adept at these very tasks, performing them in seconds, at a fraction of the cost, and without the need for health insurance, vacation days, or HR departments.

The numbers are staggering: the IMF estimates that 89% of outsourced service jobs in the Philippines are at high risk of AI automation, impacting over a million people. Bangladesh faces a similar predicament. This doesn’t just threaten individual livelihoods; it jeopardizes entire industries that contribute significantly to these countries’ GDP, undoing decades of economic growth. The ability of AI to deliver the same quality of work faster and cheaper means there’s little economic incentive to continue outsourcing. This could lead to “reshoring,” where jobs return to wealthier nations where local automation can now rival offshore labor on price, completely flipping the script on the global outsourcing model.

Even in rich countries, AI is creating new divides. The US Bureau of Labor Statistics predicts declines in roles like cashiers, bank tellers, and customer service representatives. Some estimates suggest 7.1 million US jobs could vanish in the next five years, with up to 47% of current roles at risk. While this sounds alarming, it’s also worth noting the immense financial investment in AI development. Companies that have poured trillions into this technology are now seeking returns, and cutting millions of workers from payroll is a direct, albeit ruthless, path to achieving those returns. This creates an incentive to amplify the “scare campaign,” as what sounds horrifying to the general public often translates into opportunity for investors. The trend lines are clear: AI is accelerating the gap between those who get ahead and those who fall behind.

The disparate impact of AI – supercharging growth in rich countries while threatening the economic survival of others – stems from its nature as a specific kind of capital. Economists distinguish between two types:

Complimentary Capital: Most past technologies functioned as complimentary capital, enhancing human productivity rather than replacing it. A combine harvester didn’t eliminate farm workers; it made each worker dramatically more efficient. Similarly, a financial analyst using AI to scan reports gains insights faster, freeing them for strategic thinking. A doctor leveraging AI for diagnostics can dedicate more time to direct patient care. In these scenarios, AI acts as a multiplier, making skilled human expertise more valuable and leading to increased productivity, wages, and living standards.

Substitutive Capital: AI, however, increasingly acts as substitutive capital for routine, process-driven work. An AI-powered chatbot doesn’t make a customer support agent faster; it replaces them entirely. A sophisticated code generator doesn’t assist a junior developer; it renders their entry-level skills obsolete. As capital becomes more capable, it requires less human labor to function, leading to direct displacement.

The problem is compounded by the highly concentrated ownership of this new capital. Most major AI breakthroughs originate from a handful of elite firms in the US and China. These companies benefit from a powerful “data network effect”: the more data they collect, the better their AI models perform; the better their models, the more users they attract; the more users, the more data they generate. This feedback loop rapidly concentrates market power and profits. PwC estimates that while AI could add $15.7 trillion to global GDP by 2030, a staggering 70% of that wealth is projected to go to just two countries: the USA and China, because they own AI.

This concentration extends beyond software to the very hardware that powers AI. Over 90% of CPUs and GPUs are designed and manufactured in just five countries: the US, Taiwan, China, South Korea, and Japan. This means a tiny handful of nations not only control the AI systems themselves but also the foundational components that make AI possible. The result is a system where AI primarily benefits those who already own the assets, while displacing those who don’t.

Furthermore, AI rewards specialized skills that are difficult to scale globally. The advanced education, reliable infrastructure, and access to cutting-edge technology required to build and train AI models are overwhelmingly concentrated in wealthy nations. This means the most valuable AI jobs are largely inaccessible to workers in emerging markets. When talented engineers from these countries do acquire such skills, they are often recruited by global tech giants or relocate to AI hubs, accelerating a “brain drain” that further hinders poorer nations’ ability to catch up.

History offers stark warnings about the social and economic consequences of rapid technological disruption. The industrial automation and large-scale outsourcing of the 1980s and 1990s decimated manufacturing sectors in the US and Western Europe. In America alone, over 7 million factory jobs disappeared between 1980 and 2010, most never returning. The Midwest, once the industrial heartland with cities like Detroit, Cleveland, and Youngstown, bore the brunt. Robotic welders, computer-run assembly lines, and cheaper overseas labor evaporated stable middle-class jobs, leading to factory closures, soaring unemployment, and the collapse of local economies. Beyond mere job loss, these towns experienced drops in life expectancy, rises in opioid addiction, and struggling schools. The few jobs that returned often paid less and lacked the stability that once supported entire communities.

The UK witnessed a similar transformation, with coal mining, shipbuilding, and steel plants across northern England and Scotland shutting down. Even today, areas like Sheffield and Sunderland lag behind the rest of the country in income and social mobility. The lesson is undeniable: even if technology promises long-term improvements, its short-term impact can be devastating, and once inequality takes root, it is incredibly difficult to reverse.

Given the clear and present challenge, what can be done? The frontline effects observed in lower-income countries like the Philippines and Bangladesh offer a critical playbook. These economies demonstrate which jobs are most vulnerable, where the risks are highest, and the consequences of governmental action—or inaction.

For instance, the Philippine government has launched a national AI strategy aiming to retrain over a million workers by 2028. Bangladesh is developing a policy framework to cultivate AI talent, modernize education, and support tech startups, striving to position itself in the AI-enabled services market while safeguarding jobs through upskilling and digital inclusion. While the sufficiency of these efforts remains to be seen, they provide a valuable blueprint for wealthier nations.

Two simultaneous investments are crucial:

1. Heavy investment in AI infrastructure: This is fundamental to participate in and benefit from the AI revolution.
2. Equally heavy investment in people: This includes conventional computer science education, but critically, also the development of uniquely human skills that AI struggles to automate: critical thinking, complex problem-solving, effective communication, and creative decision-making. Research indicates that AI adoption actually increases demand for these human-centric skills more often than it eliminates jobs entirely.

Building an accessible digital economy is paramount. With nearly 2.6 billion people worldwide still lacking internet access, the opportunity to compete or even participate in the emerging AI economy is non-existent for a significant portion of the global population. The World Bank estimates that every 10% increase in broadband access can boost GDP growth in developing countries by up to 1.4%, even before factoring in AI’s benefits. Alongside retraining, countries need policies that expand broadband access, reduce device costs, and equip more people with essential digital skills.

Robust social safety nets are also vital. They act as economic buffers, providing displaced workers with the time and resources needed to adapt, retrain, and re-enter the labor market from a position of strength. If AI allows businesses to grow while workers lose income, the economy risks hollowing out: productivity rises, but consumption falls, innovation continues, yet inequality grows, ultimately dragging down overall economic growth. To ensure AI broadly boosts productivity, not just corporate profits, we must fundamentally rethink how we design and share the value it creates, addressing questions of who builds, governs, and ultimately benefits from AI’s massive productivity gains.

Just seven months after these strategies were discussed, a groundbreaking study from MIT reframed the entire conversation. The question of who AI impacts turned out to be far more complex than anticipated because we had been asking about jobs when we should have been asking about tasks.

The popular narrative, fueled by headlines, focused on programmers, junior developers, and tech layoffs – jobs supposedly under direct threat. While this anxiety is partly justified, the MIT study argues it’s largely misdirected. AI doesn’t typically replace entire jobs overnight; it replaces the tasks within them. A lawyer doesn’t disappear, but the hours spent reviewing routine contracts might shrink. A journalist still writes, but the time dedicated to background research, pulling quotes, and fact-checking becomes compressed. This subtle distinction is critical because our entire economic system – how we measure work, track productivity, and plan for the future – is built around jobs, not tasks. GDP, unemployment figures, and wage data count jobs and people, but they were never designed to peer inside a job and assess which specific components AI can already perform. Consequently, the disruption emerges where we aren’t looking, rendering existing workforce preparation plans ill-suited.

To address this blind spot, MIT developed the Iceberg Index: a new tool to map where AI capabilities and human skills overlap, weighted by the economic value of that work. The name itself is telling. When measuring the work AI can technically perform within the tech sector, it accounts for about 2.2% of total US labor market wage value, roughly $211 billion. This is the visible tip of the iceberg, where all the public discourse has been concentrated.

However, when the same methodology is applied to the entire economy, the number dramatically jumps to 11.7% of total US labor market wage value, or approximately $1.2 trillion – five times larger. This is the vast, hidden underwater portion of the iceberg. It encompasses highly educated, well-paid professionals in industries and sectors that have generated virtually no anxious headlines about AI.

The Iceberg Index’s methodology is rigorous. It began by creating a digital representation of 151 million American workers across 923 occupations and 3,000 counties. To map the skills required for each occupation, they utilized ONET, a US Department of Labor database that breaks down jobs into component skills (e.g., analyzing data, critical thinking, programming), each with an importance and difficulty rating derived from surveys of real workers. They then applied the same ONET skill taxonomy to over 13,000 production-ready AI tools, cataloging what each AI tool can do. This allowed for a direct, “apples-to-apples” comparison between human worker skills and AI system capabilities.

The result for each occupation is a percentage indicating how much of its wage value AI can technically perform. This focus on “wage value” is crucial. Automating 60% of an accountant’s time doesn’t necessarily mean automating 60% of their economic value. The index reflects where the true economic exposure lies, capturing the worth of the tasks AI can take on. The index deliberately avoids accounting for physical robotics or predicting actual job losses or timelines; it’s an “earthquake risk map,” showing which buildings are on a fault line, not when or if a tremor will hit.

The Iceberg Index’s findings are startling. While 2.2% of wage value in the tech sector, or $211 billion across 1.9 million workers, has dominated headlines, this is just the tip. The same capabilities that make a coding assistant useful (document processing, routine analysis, data handling) are also vital to hundreds of non-tech occupations: financial analysts, HR coordinators, insurance claims processors, and legal secretaries. When the index is run across all these skills, the exposure jumps to 11.7% of the total US labor market – $1.2 trillion in wage value. This means the anxiety about AI has been aimed at roughly one-fifth of the actual problem; the remaining four-fifths have been sitting on a fault line for which no one – no government, no company, no individual worker – has been preparing.

And the people on this fault line are not who you’d expect. According to a separate study tracking actual AI usage, the most exposed group earns 47% more on average than the least exposed, is nearly four times as likely to hold a graduate degree, and is 16 percentage points more likely to be female. In essence, these are professionals whose working day revolves primarily around reading, writing, analyzing, and summarizing information – individuals who, by all reasonable societal measures, did everything right and excelled.

While the technical capability of AI is already immense (e.g., theoretically handling 94% of computer and math workers’ tasks), observed professional use is currently much lower (around 33%). This “gap” is what’s keeping much of the exposure theoretical, for now. Friction points like regulation, integration challenges, and the continued need for human oversight are holding AI back. However, these are temporary barriers that are likely to diminish as the technology matures.

The leading edge of this disruption is already visible in hiring data. IBM has replaced portions of its HR department with AI tools, and Salesforce has paused hiring engineers and lawyers, noting AI’s increasing capabilities. Entry-level employment in AI-exposed occupations has dropped 14% since the pre-ChatGPT era, and entry-level job postings across the US have fallen 35% since January 2023. This is likely just the beginning, as job postings typically decline before actual employment figures.

Perhaps most surprisingly, the states with the highest exposure values are not the tech hubs of California, Washington, or New York, but rather South Dakota, North Carolina, and Utah. Their economies are heavily concentrated in administrative and financial work – precisely the sectors where AI’s hidden capabilities pose the greatest threat.

The implications of the Iceberg Index are profound. It reveals that the economic transformation driven by AI is far more pervasive and insidious than previously understood. We are not just facing a localized storm in the tech sector, but a silent, systemic shift that is already underway, threatening the economic foundations of well-educated professionals and entire regions that have yet to grasp the full extent of their vulnerability. The challenge is not just to adapt to AI, but to fundamentally redefine work, value, and societal structures before the hidden depths of the iceberg fully reveal themselves.

이러한 변화 속에서 AI는 두 가지 형태로 자본 역할을 한다. 고숙련 직업에서는 인간의 생산성을 높이는 보완적 자본(complimentary capital)으로 작용하여 금융 분석가나 의사의 역량을 강화하지만, 반복적인 업무에서는 인간 노동을 완전히 대체하는 대체적 자본(substitutive capital)으로 기능한다. AI 기술 개발과 소유가 미국과 중국의 소수 기업에 집중되어 있기 때문에, AI로 인한 생산성 향상과 부의 대부분(PWC 추정치에 따르면 2030년까지 글로벌 GDP의 15.7조 달러 증가 중 70%가 이 두 국가에 집중)도 이들 국가에 귀속될 가능성이 높다. 따라서 개인과 국가는 AI를 활용하는 능력을 키우고, AI가 대체할 수 없는 창의적, 전략적 역량에 투자하며, 교육 시스템을 재정비하여 급변하는 노동 시장에 대비해야 할 것이다.

인공지능(AI)은 단순한 기술 혁신을 넘어, 우리 사회와 경제의 근간을 뒤흔들고 있습니다. 과거에는 공장 로봇이나 회계 소프트웨어의 자동화를 먼 미래의 일로 여겼지만, 챗GPT와 같은 대규모 언어 모델(LLM)의 등장 이후, AI는 이미 우리 삶 속에 깊숙이 침투하며 ‘지금, 그리고 얼마나 빠르게’ 변화를 가져올 것인가에 대한 질문을 던지고 있습니다. 이 글은 AI가 노동 시장과 글로벌 경제에 미치는 영향을 심층적으로 분석하고, 우리가 나아가야 할 방향을 모색하고자 합니다.

경제 채널 ‘Economics Explained’는 지난 7년간 AI와 자동화에 대한 통찰을 꾸준히 제공해 왔습니다. 2019년 완전 자동화된 세상의 모습을 상상했던 사고 실험부터, 2025년 AI가 실제 경제에 미치는 영향, 그리고 최근 MIT가 발표한 ‘빙산 지수(Iceberg Index)’ 연구까지, 시간의 흐름에 따라 AI에 대한 우리의 이해가 어떻게 진화해 왔는지 살펴보고, 예측 중 어떤 것이 현실이 되었고 어떤 것이 빗나갔는지, 그리고 현재의 노동자와 경제는 어디에 서 있는지를 종합적으로 다룹니다.

자동화는 역사 속에서 끊임없이 반복되어 온 흐름입니다. 청동기가 강철에 밀려나고, 증기기관이 내연기관에 의해 대체되었듯, 오늘날 마트의 셀프 계산대는 수많은 계산원들의 일자리를 없애고 있습니다. 기계와 자동화는 결국 우리 모두의 일자리를 대체할 것이라는 예측은 거스를 수 없는 현실로 다가오고 있습니다.

경제학자들은 재화의 가격이 공급과 수요에 의해 결정되듯, 노동 시장에서도 임금이 노동력의 공급과 수요에 의해 결정된다고 설명합니다. 사과를 예로 들어봅시다. 사과 가격이 2센트라면 모두가 사과를 원하겠지만, 생산자는 수지타산이 맞지 않아 사과를 키우지 않을 것입니다. 반대로 사과 가격이 10달러라면 모두가 사과를 키우려 하겠지만, 구매자는 외면할 것입니다. 결국 공급과 수요가 만나는 지점에서 합리적인 가격과 거래량이 형성됩니다.

이 원리는 직업에도 동일하게 적용됩니다. 회계사를 예로 들면, 연봉이 10달러라면 모든 기업이 회계사를 고용하려 할 것이고, 연봉이 100만 달러라면 모든 사람이 회계사가 되려 할 것입니다. 하지만 현실에서는 기업이 필요한 만큼의 회계사를 고용하고, 회계사들은 시장에서 형성된 임금을 받게 됩니다. 현재 미국에서는 약 126만 명의 회계사가 평균 6만 달러의 연봉을 받고 일하고 있습니다.

필리핀에 사무실을 열어 회계 업무를 해외로 아웃소싱(Outsourcing)하는 경우를 생각해 봅시다. 이는 특정 임금 수준에서 일하려는 회계사의 ‘공급’을 효과적으로 증가시키는 결과를 낳습니다. 기업들은 더 적은 비용으로 동일한 수의 회계사를 고용할 수 있게 되며, 이는 임금 정체의 주요 원인이 되어 많은 선진국 경제에 영향을 미치고 있습니다.

기술 발전은 노동력 ‘수요’ 측면에서도 변화를 가져옵니다. 과거 20명의 회계사가 주판으로 하던 일을, 5명의 회계사가 전자계산기로 처리하고, 이제 엑셀과 회계 소프트웨어를 사용하는 2명의 회계사가 5명의 계산원만큼의 일을 해낼 수 있습니다. 자본 자산인 기술이 발전할수록, 동일한 양의 작업을 더 적은 인원으로 수행할 수 있게 됩니다. 이는 200명의 회계사를 고용하던 기업이 이제 20명만 필요하게 됨을 의미하며, 숙련된 회계사들마저 최저 임금을 받기 위해 경쟁해야 하는 상황에 놓이게 됩니다. 궁극적으로는 이 모든 회계 업무를 인간의 개입 없이 처리할 수 있는 고도로 자동화된 기계가 등장할 것입니다.

미래를 예측하는 것은 불가능에 가깝지만, 경제학자들은 기계가 대부분의 일을 수행하는 완전 자동화된 세상의 모습을 세 가지 시나리오로 제시합니다. ‘좋은 미래(The Good)’, ‘암울한 미래(The Bad)’, 그리고 ‘최악의 미래(The Ugly)‘입니다.

이 시나리오는 로봇 집사의 서비스를 받고, 자동화 덕분에 인간은 여가와 창의적인 활동에 시간을 할애하는 ‘미래학자의 꿈’과 같습니다. 기계를 운영하는 기업에 무거운 세금이 부과되거나, 기계 자체가 정부 소유가 되어 보편적 기본 소득(Universal Basic Income, UBI)이 모든 사람에게 지급됩니다. 사람들은 추가 수입을 위해 사업을 하거나, 기계가 대체할 수 없는 소수의 산업에서 일할 수 있습니다. 대부분의 사람들은 오늘날의 중산층보다 훨씬 높은 생활 수준을 누리게 됩니다.

하지만 이 낙관적인 시나리오에도 잠재적인 문제가 있습니다. 모든 사람이 고용의 압박에서 벗어나면 출산율이 급증할 가능성이 높습니다. 자녀 양육의 부담이 줄어들기 때문입니다. 문제는 인간이 자원 소모의 주체라는 점입니다. 현재는 생산 활동을 통해 사회에 기여하지만, 자동화된 세상에서는 기계가 모든 것을 처리하므로 인간은 경제적 가치를 창출하지 못할 수 있습니다. 이는 유한한 자원에 대한 압박을 가중시키고, 장기적으로는 인간이 사회에 ‘부정적인 가치’를 가지게 될 수 있다는 우려를 낳습니다.

이 시나리오에서는 보편적 기본 소득(UBI)이 여전히 존재하지만, 겨우 생계를 유지할 수 있는 최소한의 수준에 머뭅니다. 세상은 로봇을 소유한 기업의 소유주인 ‘부유층’과 그 외의 ‘대중’이라는 두 계층으로 극명하게 나뉩니다. 대중은 자동화로 대체할 수 없는 틈새 시장에서 ‘긱(gig) 경제’ 형태의 일자리를 찾아야 합니다. 자녀 출산은 강력히 비권장되며, UBI는 성인이 된 후에야 지급되어 자녀 양육이 엄청난 재정적 부담이 되거나 부유층의 전유물이 될 수 있습니다.

부유층 역시 상황이 그리 좋지만은 않습니다. 막대한 부를 누리겠지만, 사회 전반에 퍼진 폭력과 증오 속에서 ‘요새’와 같은 삶을 살아야 할 것입니다. 부유층과 빈곤층의 격차가 극심한 남아프리카 공화국의 요하네스버그와 같은 도시의 현실이 전 세계로 확산될 수 있습니다.

이 시나리오는 ‘일해야만 살 수 있다’는 사고방식이 지배적인 일부 국가에서 현실이 될 수 있습니다. 보편적 기본 소득(UBI)은 거의 존재하지 않으며, 사회 복지 시스템마저 경제적 압력으로 인해 고사할 것입니다. 고용될 수 없는 인간은 ‘경제적 가치’가 없다는 냉혹한 진실이 드러납니다. 대부분의 사람들이 시간과 돈을 교환하며 살아가는 오늘날의 경제 시스템에서, 그들의 시간이 가치 없어진다면 돈을 받을 이유가 사라지기 때문입니다.

일부에서는 기업이 고객을 잃으면 망할 것이라고 주장하지만, 이는 순진한 생각일 수 있습니다. 기업은 더 이상 인간에게 주택, 식량, 의류를 제공할 필요가 없습니다. 대신 기업들은 서로 거래하며 부유한 소유주들의 수요를 충족시킬 것입니다. 일반 소비자는 경제 시스템에서 생각보다 중요하지 않을 수 있습니다. 이 시나리오에서는 인구 감소가 필연적입니다. 자녀를 양육할 수 없어 출산율이 줄어들거나, 더 나아가 많은 사람들이 굶어 죽는 비극적인 상황이 발생할 수 있습니다. 기술 발전이 인간을 가치 창조자가 아닌 ‘잉여’로 만들 때 벌어질 수 있는 끔찍한 미래입니다.

2019년의 예측은 AI가 공장 노동자나 반복적인 육체노동을 먼저 대체할 것이라고 보았지만, 현실은 정반대였습니다. AI가 처음 등장했을 때, 그것은 필리핀의 콜센터, 방글라데시의 데이터 입력 노동자, 그리고 개발도상국이 30년간 공들여 구축해 온 아웃소싱 서비스 경제를 강타했습니다. 공장 노동자들은 괜찮았지만, 사무실에서 일하는 사람들이 오히려 걱정해야 할 처지가 된 것입니다.

“기계가 우리를 대체한다면 어떻게 될까?”라는 질문은 “기계가 이미 우리를 대체하고 있는데, 이제 우리는 무엇을 해야 할까?”라는 질문으로 바뀌었습니다. 사람들은 AI가 스카이넷(Skynet)과 같은 디스토피아적 미래와 자원 풍요로운 유토피아 사이 어딘가에 있을 것이라는 불안감을 가지고 있습니다. 기존의 기술 혁신은 경제를 더 부유하게 만들고, 대체된 일자리보다 더 좋은 일자리를 창출했다고 주장하는 낙관론도 있지만, 기계가 육체노동을 대체했을 때는 인간의 지력을 활용할 수 있었지만, AI가 지력마저 대체한다면 인간에게 무엇이 남을 것인가라는 비관론도 존재합니다.

미래를 예측할 필요도 없이, 이미 일부 경제에서는 이러한 변화가 광범위하게 나타나고 있습니다. 필리핀과 방글라데시와 같은 국가에서는 AI의 위협이 훨씬 더 절박합니다. 이들 국가들은 지난 30년간 콜센터, 데이터 입력, 전사(轉寫) 작업, 기본적인 소프트웨어 지원과 같은 아웃소싱 서비스 산업을 중심으로 경제 성장을 이루어왔습니다. 이러한 일자리는 언어 능력, 맥락 이해, 인간적인 손길을 요구하기 때문에 자동화로부터 안전하다고 여겨졌습니다.

그러나 대규모 언어 모델(LLM)과 같은 AI 도구는 이제 이러한 작업을 몇 초 만에, 훨씬 저렴한 비용으로 처리할 수 있게 되었습니다. 국제통화기금(IMF)은 필리핀의 아웃소싱 서비스 일자리 중 89%가 AI에 의해 자동화될 위험이 높다고 추정합니다. 이는 100만 명 이상의 일자리가 몇 년 안에 사라질 수 있음을 의미합니다. AI는 이미 세계의 부유한 국가들을 더욱 부유하게 만들고 있으며, 다른 국가들이 따라잡기 어렵게 만들고 있습니다.

선진국에서도 AI의 영향은 분명합니다. 미국 노동통계국(US Bureau of Labor Statistics)은 계산원, 은행 창구 직원, 우체국 직원, 고객 서비스 담당자와 같은 직무가 감소할 것이라고 예측합니다. 한 추정치에 따르면, 향후 5년 내에 710만 개의 일자리가 사라질 수 있으며, 현재 직무의 최대 47%가 AI로 대체될 위험이 있다고 합니다. 기업과 투자자들이 AI 기술 개발에 수조 달러를 쏟아부은 만큼, 이들은 결국 투자 수익을 원하며, 수백만 명의 인력을 감축하는 것이 가장 즉각적인 수익 창출 방법일 수 있습니다.

AI는 부유한 국가에서 성장을 가속화하는 동시에, 다른 국가들의 경제적 생존을 위협하고 있습니다. 경제정책연구센터(Center for Economic Policy Research)에 따르면, AI로 인한 생산성 향상 덕분에 미국은 향후 10년간 GDP가 5.4% 증가할 수 있으며, 영국, 독일, 한국도 비슷한 성장세를 보일 것으로 예측됩니다. 반면 저소득 국가들은 2.7~3.5%의 더 완만한 성장률을 기록할 것으로 예상되어, 부유한 국가와 빈곤한 국가 간의 격차가 더욱 벌어질 것입니다.

필리핀의 비즈니스 프로세스 아웃소싱(Business Process Outsourcing, BPO) 산업은 370억 달러 규모로 130만 명 이상을 고용하며 GDP의 7% 이상을 차지합니다. 하지만 이들 일자리의 대부분은 챗GPT와 같은 LLM이 빠르게 자동화할 수 있는 반복적인 텍스트 기반 작업입니다. AI가 더 빠르고 저렴하게, 그리고 건강 보험이나 휴가 없이 동일한 품질의 작업을 수행할 수 있다면, 해외 아웃소싱을 계속할 경제적 이유는 사라집니다. 이는 기업들이 일자리를 다시 부유한 국가로 가져오는 ‘리쇼어링(Reshoring)’ 현상으로 이어질 수 있습니다.

경제학자들은 새로운 기술을 ‘보완적 자본(Complementary Capital)‘과 ‘대체적 자본(Substitutive Capital)‘으로 구분합니다.

• 보완적 자본: 인간 노동자의 생산성을 높이는 기술입니다. 예를 들어, 콤바인 수확기는 농장 노동자를 대체하는 것이 아니라, 한 명의 노동자가 훨씬 더 효율적으로 작업할 수 있게 만듭니다. AI는 고숙련 직무에서 이러한 보완적 자본 역할을 할 수 있습니다. AI를 활용하여 보고서를 분석하고 이상 징후를 발견하는 금융 분석가는 더 빠르게 통찰력을 얻고 전략적 사고에 집중할 수 있으며, AI 진단 도구를 사용하는 의사는 환자 진료에 더 많은 시간을 할애할 수 있습니다.
• 대체적 자본: 인간 노동을 완전히 대체하는 기술입니다. AI 기반 챗봇은 고객 지원 상담원의 업무 속도를 높이는 것이 아니라, 그들을 대체합니다. 정교한 코드 생성기는 주니어 개발자를 돕는 것이 아니라, 그들을 대체합니다. AI 경제에서는 자본 소유가 현대 역사상 그 어느 때보다 집중되어 있습니다.

AI 분야의 주요 돌파구는 미국과 중국의 소수 엘리트 기업에서 나오고 있습니다. 2017년 이후 미국은 135개의 대규모 AI 시스템을 개발했으며, 중국은 110개로 뒤를 잇습니다. 하지만 그 다음부터는 영국 25개, 프랑스 24개로 격차가 크게 벌어집니다. 이들 선도 기업들은 ‘데이터 네트워크 효과(Data Network Effect)’ 덕분에 기하급수적인 성장을 경험하고 있습니다. 더 많은 데이터를 수집할수록 AI 모델의 성능이 향상되고, 모델이 좋아질수록 더 많은 사용자를 유치하며, 더 많은 사용자는 더 많은 데이터를 생성합니다. 이는 시장 지배력과 이익이 소수의 기업에 집중되는 강력한 피드백 루프를 만듭니다. PwC는 AI가 2030년까지 전 세계 GDP에 15조 7천억 달러를 추가할 수 있지만, 이 부의 70%는 AI를 소유한 미국과 중국 단 두 국가에 돌아갈 것으로 예측했습니다.

AI를 구동하는 물리적 기계인 CPU와 GPU는 압도적으로 5개국(미국, 대만, 중국, 한국, 일본)에서 설계 및 제조됩니다. 하드웨어의 90% 이상이 이들 국가에서 나옵니다. 이는 소수의 국가가 AI 시스템을 운영할 뿐만 아니라, AI를 가능하게 하는 근본적인 구성 요소를 생산한다는 것을 의미합니다. AI는 자산을 소유한 사람들에게 주로 이익을 주고, 그렇지 않은 사람들을 대체하는 ‘자본’인 것입니다. AI를 생산성 증대 도구로 활용할 수 있는 능력이 클수록, 시장에서 경제적 가치가 높아지지만, 반복적인 업무를 수행하는 노동자, 특히 재교육 프로그램에 접근할 수 없는 이들에게는 미래가 훨씬 더 불확실해 보입니다.

AI로 인한 변화는 더 이상 가설이 아닌 현실입니다. 2010년까지 미국에서 700만 개 이상의 공장 일자리가 사라졌고, 이들 대부분은 돌아오지 않았습니다. 이는 1980년대와 1990년대 산업 자동화와 대규모 아웃소싱이 제조업을 강타했던 시기와 유사합니다. 디트로이트, 클리블랜드와 같은 도시들은 한때 철강, 자동차, 섬유 산업의 고임금 일자리로 번성했지만, 로봇 용접공, 컴퓨터 제어 조립 라인, 그리고 해외의 저렴한 노동력의 등장으로 인해 안정적인 중산층 일자리가 사라지고 도시 경제가 붕괴했습니다. 이러한 지역에서는 기대 수명이 감소하고, 마약 중독이 증가하며, 학교가 어려움을 겪는 등 단순한 일자리 손실을 넘어선 사회적 문제들이 발생했습니다. 불평등이 일단 경제에 뿌리내리면 되돌리기가 극도로 어려워진다는 교훈을 얻을 수 있습니다.

AI가 기존의 불평등을 심화시킬지, 아니면 해결하는 데 도움이 될지는 앞으로 국가와 개인이 어떤 조치를 취하느냐에 달려 있습니다. 다행히 우리는 이미 저소득 국가에서 AI의 최전선 효과를 목격하고 있습니다. 필리핀 정부는 2028년까지 100만 명 이상의 노동자를 재교육하겠다는 목표로 국가 AI 전략을 시작했습니다. 방글라데시는 AI 인재 양성, 교육 시스템 현대화, 기술 스타트업 지원에 초점을 맞춘 정책 프레임워크를 발표했습니다. 이러한 노력들이 충분할지는 미지수지만, 선진국들이 따라야 할 명확한 경고이자 지침을 제공합니다.

경제의 두 가지 측면, 즉 AI 인프라에 대한 막대한 투자와 함께 ‘사람’에 대한 투자를 동시에 진행해야 합니다. 여기에는 컴퓨터 과학 교육뿐만 아니라, AI가 자동화하기 어려운 종류의 기술, 즉 비판적 사고, 복잡한 문제 해결, 효과적인 의사소통, 창의적인 의사 결정과 같은 ‘인간 고유의 기술’에 대한 투자가 포함됩니다. 최근 미국에서 1,200만 개의 채용 공고를 분석한 결과, AI 도입은 이러한 인간 고유의 기술