돈은 폭발적으로 몰렸지만, 그 혜택은 같은 방식으로 퍼지지 않았다
2025년 AI 경제는 숫자만 놓고 보면 거의 승리의 서사에 가깝다. 글로벌 기업 AI 투자는 전년보다 두 배 이상 늘었고, 생성형 AI는 개인용 컴퓨터나 인터넷보다 더 빠른 속도로 대중화됐다. 미국 소비자들이 생성형 AI 도구에서 얻는 연간 가치는 2026년 초 기준 1,720억 달러로 추산된다. 그러나 같은 보고서는 바로 다음 문장에서 다른 장면을 보여준다. AI 관련 일자리 수요는 늘고 있지만, 가장 젊은 층의 고용은 오히려 흔들리고 있다는 것이다. AI 경제는 커졌지만, 그 성장은 고르게 분배되지 않는다. 스탠퍼드 인간중심AI연구소의 AI Index 2026은 올해 경제 장 전체를 통해 이중적인 현실을 제시한다. 더 많은 돈이 AI로 흘러들어가고, 더 많은 기업이 AI를 채택하며, 더 많은 소비자가 무료 혹은 저가 도구를 통해 즉각적인 편익을 얻고 있다. 하지만 투자와 인프라는 일부 국가와 기업에 집중돼 있고, 생산성 향상은 과업에 따라 크게 갈리며, 노동시장 충격은 전체 실업률보다 먼저 청년층과 진입 초기에 나타난다. 한마디로 말해 AI 경제는 빠르게 팽창하고 있지만, 그 성과가 어디에 축적되고 누가 먼저 비용을 감당하는지는 전혀 같은 방향으로 움직이지 않는다.
AI Index 2026이 보여주는 가장 선명한 장면은 투자 규모의 폭발이다. 2025년 글로벌 기업 AI 투자는 2024년보다 두 배 이상 증가했다. 그중 민간 투자가 가장 빠르게 늘었고, 생성형 AI가 그 팽창을 주도했다. 새로 자금을 유치한 AI 기업 수는 전년보다 71% 늘었고, 10억 달러 이상 대형 투자 이벤트도 거의 두 배로 뛰었다. AI는 더 이상 미래 산업이 아니라, 자본이 지금 가장 빠르게 베팅하는 핵심 산업이 됐다. 그러나 이 투자 열기는 세계에 고르게 퍼지지 않았다. 2025년 민간 AI 투자 총액에서 미국은 2,859억 달러로 압도적 1위를 차지했다. 이는 같은 해 중국 124억 달러의 23.1배, 영국 59억 달러의 48.5배 규모다. 새로 자금을 유치한 AI 기업 수 역시 미국이 1,953개로 영국 172개, 중국 161개를 크게 앞섰다. 특히 미국에서는 민간 AI 투자 가운데 1,636억 달러가 생성형 AI 관련 투자였는데, 이는 중국과 유럽의 관련 투자액을 합친 것보다 훨씬 큰 규모였다.
이 수치는 단순히 미국이 앞선다는 의미를 넘어선다. AI 경제의 중심이 “여러 나라가 함께 성장하는 시장”이라기보다 “소수 국가와 소수 기업이 자본과 인프라를 선점하는 구조”에 가까워지고 있다는 뜻이기 때문이다. AI Index는 민간 투자 수치만으로는 중국의 총 AI 투자를 과소평가할 수 있다고 덧붙이지만, 그렇다 해도 민간 시장 중심의 자본 흐름이 미국에 극단적으로 쏠려 있다는 사실은 달라지지 않는다. AI 경제는 성장하고 있지만, 그 성장의 본진은 놀라울 정도로 편중돼 있다.
무료 도구의 숨은 가치, 기업 수익과 다른 편익의 지도
AI 경제를 단순한 투자 기사로만 읽으면 중요한 한 축을 놓치게 된다. 이번 보고서가 특별히 강조하는 부분은 생성형 AI의 소비자 가치다. AI Index 2026에 따르면 미국 소비자들이 생성형 AI에서 얻는 연간 소비자 잉여는 2025년 1,120억 달러 수준에서 2026년 초 1,720억 달러 수준으로 1년 만에 54% 늘었다. 사용자당 평균 가치도 증가했고, 중간값은 더 가파르게 올랐다. 중요한 것은 이 편익의 상당 부분이 무료 혹은 매우 낮은 비용의 서비스에서 발생하고 있다는 점이다. 이 장면은 AI 경제를 조금 다르게 보게 만든다. 전통적인 기술 산업에서는 기업이 거둔 매출과 소비자가 얻은 효용이 비교적 비슷한 방향으로 측정됐다. 하지만 생성형 AI는 아직 많은 사용자가 직접 큰 비용을 지불하지 않으면서도 분명한 편익을 얻고 있다. 즉 기업이 회계장부에 기록하는 수익보다, 사회 전체가 체감하는 효용이 훨씬 더 클 수 있다는 뜻이다. 보고서는 이런 현상을 통해 AI가 이미 일상 속에서 경제적 가치를 만들어내고 있지만, 그 가치가 반드시 기업의 사적 수익으로 곧바로 환산되지는 않는다고 보여준다.
여기서 흥미로운 점은 AI의 대중화 속도다. 생성형 AI는 대중 시장에 등장한 지 3년 만에 53% 수준의 보급률에 도달했다. 이는 PC나 인터넷보다 더 빠른 속도다. 하지만 미국은 AI 투자와 모델 개발에서는 세계 선두이면서도, 대중적 활용 비중에서는 상위권이 아니었다. 이런 장면은 AI 경제가 “기술을 가장 많이 만든 나라”와 “기술을 가장 널리 쓰는 사회”가 꼭 일치하지 않는다는 사실도 보여준다.
도입은 빠르지만, 생산성은 과업마다 다르다
AI 경제를 낙관적으로만 보기 어려운 이유는 생산성 효과가 생각보다 훨씬 맥락 의존적이기 때문이다. 보고서에 따르면 2025년 조직의 AI 도입률은 88%까지 올라갔고, 생성형 AI는 70%의 조직에서 적어도 하나의 사업 기능에 사용되고 있었다. 겉으로 보면 AI는 이미 기업 현장 깊숙이 들어왔다. 하지만 생산성의 실질적 효과는 모든 과업에서 동일하게 나타나지 않았다.
미시적 연구에서는 분명한 개선 사례가 적지 않다. 고객지원 업무에서는 대화형 AI를 활용한 상담원이 시간당 해결 건수를 14%에서 15% 높였고, GitHub Copilot을 사용한 소프트웨어 개발자는 완료한 풀리퀘스트 수가 26% 늘었다. 멀티모달 AI를 활용한 마케팅 팀은 노동자 1인당 산출량이 50% 증가했다. 이들 연구에서 공통적으로 드러나는 장면은, 구조화된 작업이고 결과가 비교적 쉽게 측정되는 업무일수록 AI의 효과가 더 뚜렷하다는 점이다. 그리고 여러 연구에서 경험이 적은 근로자가 더 큰 도움을 받는 경향도 관찰됐다.
그러나 같은 보고서는 반대 장면도 함께 실어 놓는다. 더 깊은 판단과 맥락 이해가 필요한 작업에서는 효과가 미미하거나 오히려 역효과가 날 수 있다는 것이다. 대표적으로 METR 연구에서는 숙련된 오픈소스 개발자가 AI 보조를 사용할 때 작업 속도가 19% 느려졌다. AI가 도움이 된다고 느끼는 주관적 인식과 실제 성과 사이에 괴리도 관찰됐다. 학습 목적에서 AI에 과도하게 의존할 경우 장기적으로 ‘학습 페널티’가 나타날 수 있다는 연구도 함께 제시된다.
거시 수준으로 올라가면 더 복잡해진다. 1만2천 개 유럽 기업을 분석한 연구에서는 AI 도입이 노동생산성을 4% 높인 것으로 나타났고, 훈련에 더 많은 비용을 쓸수록 효과가 커졌다. 미국 전체 생산성 증가율도 2025년 2.7%로 이전 10년 평균 1.4%보다 높아졌다. 하지만 같은 장에서 보고서는 생산성 증가가 아직 초기 단계여서 해석에 신중해야 한다고 강조한다. 일부 전망은 향후 생산성 증가를 예측하지만, 다른 연구는 조직 도입이 광범위한 것에 비해 실제 체감 생산성 효과가 아직 제한적이라고 본다. AI 경제는 분명 커지고 있지만, 그 경제성이 어디서 얼마나 실현되는지는 아직 완전히 굳어지지 않았다.
채용 수요는 늘어나는데, 가장 젊은 층은 흔들린다
AI 경제의 가장 역설적인 장면은 노동시장에 있다. AI 관련 채용 수요는 2025년에도 세계 여러 나라에서 계속 증가했다. Lightcast가 추적한 국가들 가운데 싱가포르는 전체 구인공고의 4.69%가 AI 스킬을 요구해 가장 높았고, 미국도 2.56%까지 올라왔다. 미국 내부를 보면 AI와 머신러닝은 여전히 가장 많이 요구되는 스킬 군이었고, Python은 25만8,674건의 공고에 등장했다. AWS, 확장성, 워크플로 관리 같은 인프라 운영형 스킬 수요도 10년 전에 비해 급증했다. 즉 AI가 기업 현장에 실제로 배치되면서, 단순히 모델을 아는 사람보다 시스템을 운영하고 연결할 수 있는 인력이 더 중요해지고 있음을 보여준다.
여기서 특히 눈에 띄는 변화는 에이전트 관련 기술 수요다. 생성형 AI 관련 스킬 언급은 2024년 대비 111% 늘었지만, 전체 AI 공고 내 비중은 5% 줄었다. 반면 에이전트형 AI, AI agents, agentic systems, LangGraph 같은 표현이 들어간 공고는 폭증했다. ChatGPT, 챗봇, conversational AI처럼 채팅형 도구 중심의 수요는 상대적으로 줄었고, 여러 작업을 조율하고 운영하는 시스템형 기술 수요가 늘어난 것이다. 이는 AI 채용시장이 “도구를 써본 사람”보다 “도구를 엮어 실제 업무를 굴릴 사람”을 찾기 시작했다는 신호에 가깝다.
문제는 이 성장의 이익이 모든 연령대에 똑같이 돌아가지 않는다는 데 있다. AI Index 2026은 미국에서 22세에서 25세 사이 소프트웨어 개발자의 고용이 2022년 이후 하락했고, 2025년 9월에는 2022년 정점 대비 거의 20% 낮아졌다고 정리한다. 더욱이 AI 노출도가 높은 직군에서 22세에서 25세의 고용은 AI 노출도가 낮은 직군에 비해 약 16% 더 줄어든 것으로 제시된다. 보고서는 이를 전체적인 대규모 해고라기보다 채용 파이프라인과 초기 경력층에서 먼저 나타나는 불균등한 충격으로 해석한다.
이 대목은 AI 경제를 둘러싼 가장 불편한 진실일 수 있다. 생산성 연구에서는 경험이 적은 노동자가 AI의 도움을 더 크게 받는다고 했지만, 실제 노동시장에서는 바로 그 초기 경력층이 먼저 흔들리고 있기 때문이다. AI가 초급 인력을 더 유능하게 만들어주는 동시에, 그 초급 인력을 덜 뽑게 만드는 방향으로 작동할 가능성이 있다는 뜻이다. 보고서는 이를 ‘seniority-biased technological change’라는 표현과 함께 제시한다. 상급인력은 유지되거나 강화되는 반면, 초급 인력의 진입 경로가 좁아질 수 있다는 것이다.
확산은 IT를 넘어 산업 전반으로 번진다
또 하나 중요한 변화는 AI 경제가 더 이상 순수 기술 산업 내부의 문제에 머물지 않는다는 점이다. 미국의 산업별 AI 채용 공고를 보면 정보 산업이 가장 높은 비중을 유지하고 있지만, 전문·과학·기술 서비스, 금융 및 보험, 제조업도 높은 비중을 보였다. 더 눈에 띄는 것은 상대적으로 AI 도입이 늦던 운송·창고, 부동산, 교육 같은 분야에서도 증가세가 확인된다는 점이다. AI는 특정 업종의 도구가 아니라, 산업 전반의 운영 체계를 재구성하는 기술로 이동하고 있다. 이 지점에서 AI 경제를 ‘빅테크 호황’으로만 읽으면 현실을 놓치게 된다. 물론 모델 개발과 대규모 투자는 소수 기업에 집중된다. 그러나 실제 채용과 도입은 그 바깥으로 넓게 퍼지고 있다. 기술의 핵심 과실은 집중돼 있지만, 구조 변화는 더 넓은 산업을 흔들고 있다. 이중 구조가 바로 AI 경제의 핵심이다. 돈은 좁게 몰리고, 변화는 넓게 퍼진다.
AI Index 2026이 경제 장에서 반복해 보여주는 것은 성장 그 자체가 아니라 성장의 비대칭성이다. 더 많은 돈이 AI로 들어오고, 더 많은 조직이 AI를 쓰고, 더 많은 소비자가 편익을 얻고 있다. 하지만 그 자본은 미국에 집중되고, 그 편익은 무료 혹은 저가 서비스 속에 흩어지며, 그 비용은 먼저 청년층과 초급 경력자의 불안정으로 나타난다. 생산성 향상은 실제로 존재하지만, 그것은 구조화되고 측정 가능한 업무에서 더 분명하고, 더 깊은 판단이 필요한 영역에서는 아직 불확실하다. 이 점에서 AI 경제는 과거의 기술 호황과 닮았으면서도 다르다. 인터넷 붐이 연결성을 확대했다면, AI 붐은 연결성 위에서 바로 생산성과 노동구조를 건드린다. 그래서 사람들은 투자 수치만큼이나 자신의 일자리를 통해 이 변화를 체감한다. 기업의 수익성보다, 내가 하는 일의 구조가 바뀌는 속도가 더 직접적인 현실이 된다.
한국에 던지는 질문도 분명하다. 한국은 AI를 투자 유치 산업으로만 볼 것인지, 아니면 전 산업의 생산성 인프라로 볼 것인지 선택해야 한다. 또 대학과 기업은 AI를 잘 쓰는 인력을 넘어서, AI로 인해 좁아질 수 있는 초급 경력 사다리를 어떻게 보완할 것인지 고민해야 한다. 지금 필요한 것은 단순한 낙관이나 단순한 비관이 아니다. AI 경제가 만들어내는 수익과 비용의 지도를 더 정확히 읽는 일이다.
AI 경제는 이미 시작됐다. 그러나 그 경제가 누구의 손에 더 많이 쌓이고, 누구의 경력을 먼저 흔드는지는 아직 진행형이다. 그래서 지금의 질문은 “AI 경제는 커질 것인가”가 아니다. 더 정확한 질문은 이것이다. 이 거대한 성장의 이익은 누가 가져가고, 그 전환의 비용은 누가 먼저 치르게 될 것인가.
#AI경제 #AI투자 #AIIndex2026 #생성형AI #AI생산성 #AI일자리 #청년고용 #AI에이전트 #기술변화 #인공지능산업 #디지털전환 #노동시장변화
답글 남기기