AI의 암산출 (AI Dark Output)

이번 영상의 주제는 **“AI의 암산출 (AI Dark Output)”**입니다. 영상은 AI가 이토록 뜨거운 열기를 띠고 거대 기술 기업들의 시가총액이 급등하고 있는 오늘날, 왜 공식적인 거시 경제 데이터(GDP 및 생산성 통계 등)에서는 AI가 경제에 미치는 기여도를 거의 찾아볼 수 없는지에 대해 심도 있게 탐구합니다.

다음은 핵심 논점, 역사적 비유 및 근본적인 논리를 누락 없이 담아낸 영상 내용의 매우 상세한 분석입니다:

1. 핵심 모순: 솔로 역설 (Solow Paradox)의 AI 버전

현상의 괴리: 기술 헤드라인은 AI가 세상을 바꿀 것이라고 떠들어대고, 미국 증시의 기술 거물들(Mag 7)의 시가총액은 급등하고 있지만 [00:10] , 공식 거시 경제 데이터에서 AI가 생산성에 미치는 영향은 "거의 보이지 않습니다" [00:26].
역사의 재연 (솔로 역설 (Solow Paradox)): 노벨 경제학상 수상자인 로버트 솔로(Robert Solow)는 1987년에 "컴퓨터 시대는 어디에서나 볼 수 있지만, 생산성 통계에서는 볼 수 없다"라고 말한 바 있습니다. [00:44] 2013년이 되어서야 미국 경제분석국(BEA)이 GDP 산출 방식을 수정하여(R&D 지출과 지식재산권 투자를 GDP에 공식적으로 포함), 1990년대의 총생산량을 "갑자기" 3.65조 달러만큼 끌어올렸습니다 (이는 당시 GDP의 약 30%에 해당하며, 독일 한 국가의 경제 규모와 맞먹는 수준입니다) [00:55].
현재의 위기: 오늘날의 AI 측정 문제는 과거의 컴퓨터 혁명 때보다 훨씬 더 심각합니다 [01:23]. AI가 창출하는 경제적 가치의 대부분은 전통적인 GDP에 영원히 나타나지 않을 수도 있습니다. 존재하지만 국가 계정(National Accounts)에 포착되지 않는 이러한 산출물을 **"AI 암산출 (AI Dark Output)"**이라고 부릅니다 [01:34]. 연준(Fed)의 차기 의장으로 거론되는 케빈 워시(Kevin Warsh) 또한 2025년 말 연설에서 기존의 경제 통계 시스템이 고장 났으며, AI 시대의 경제 현실을 정확하게 반영하지 못하고 있음을 완곡하게 인정했습니다 [02:09].

2. AI 암산출이란 무엇인가? (세 가지 분류)

영상은 암산출을 두 가지 핵심 범주와 한 가지 특수 범주로 분류합니다:

① 대체형 암산출 (Substitution Dark Output)

정의: 이전에 인간이 수행하던 작업을 이제 AI가 수행하는 것 oxed{04:01}입니다. 현재의 차세대 AI는 약 1.5조 달러 가치의 노동력 과업을 현저히 강화하거나 자가 코딩 (Self-encoding) 할 수 있는 능력을 갖추고 있습니다 oxed{04:08}.
전형적인 사례 (유언장 작성):
- 유언장은 누가 작성하든 사용자에게 주는 실제 가치는 동일합니다. 하지만 서비스업 GDP는 수량을 측정하기 어렵기 때문에, 보통 변호사의 수입을 통해 추산할 수밖에 없습니다 oxed{04:22}.
- AI가 이 작업을 넘겨받으면, 원래 변호사에게 지불하던 수백 달러는 AI 기업에 지불하는 몇 달러의 토큰 (Token) 비용으로 변합니다 oxed{04:52}. 더욱 아이러니한 점은, 가장 단순하고 저렴한 업무를 AI가 처리해 버리기 때문에 남은 변호사들은 복잡하고 높은 수수료를 받는 업무만 수행하게 된다는 것입니다. 이로 인해 정부가 조사할 때 오히려 변호사의 평균 서비스 가격이 "상승"한 것으로 나타날 수 있습니다 oxed{05:00}.
- 통계 시스템은 이를 법률 서비스 산출량은 감소하고 가격은 상승(인플레이션)한 것으로 잘못 해석하게 되지만, 실제로는 생산성이 폭발적으로 증가한 것입니다.
역사적 장기 비교 (기본적인 유언장 한 건의 가격 변화):
- 중세 시대 (필사생의 수기): 오늘날 가치로 수천 달러에 해당 oxed{05:36}.
- 르네상스 시대 (공증인): 약 1,000달러 oxed{05:43}.
- 1900년 / 1990년 (변호사): 약 150달러 oxed{05:50}.
- 2010년 (온라인 법률 서비스 LegalZoom): 약 50달러 oxed{05:59}.
- 2026년 현재 (대규모 언어 모델 API): 0.5달러 (1년 이내에 99% 이상 하락) oxed{06:03}. 이러한 급격한 가격 하락은 해당 서비스가 통계 데이터에서 직접적으로 "보이지 않게" 만들었습니다.

② 신규형 암산출 (Incremental Dark Output)

정의: AI가 등장하기 전에는 아예 아무도 하지 않았을 작업 oxed{07:24}입니다. 가치가 없는 것이 아니라, 과거에는 인력을 사용하는 비용이 너무 높아서 사람들이 고용할 수 없었던 것입니다.
전형적인 사례 (학술 문헌 검토 및 배경 조사):
- 과거에는 박사 과정생이 한 번의 포괄적인 문헌 검토 (Literature Review)를 수행하는 데 몇 주가 걸렸고, 비용은 2,000달러였습니다 oxed{07:41}.
- 현재 AI를 사용하면 단 2달러면 충분합니다 oxed{07:55}. 따라서 사람들은 직원 면접을 보거나, 파트너와 회의를 하거나, 작은 프로젝트를 시작하기 전에 AI를 통해 수백 페이지의 논문과 산업 보고서를 미친 듯이 요약하게 합니다 oxed{08:07}.
- 이는 사람들의 시간을 절약하고 의사 결정의 질을 높여주는 거대한 경제적 가치를 창출합니다. 하지만 몇 달러의 토큰 비용 외에는 송장(Invoice)도, 계약서도, 급여 명세서도 없기 때문에 GDP 통계에서는 완전히 무형의 존재로 남습니다 oxed{08:30}.

③ 특수 범주: 포착된 AI 산출 (Captured AI Output)

정의: 업무는 AI로 대체되었지만, 기업이 진정한 시장 독점력/가격 결정권을 보유하고 있어 이전과 동일하게 높은 가격을 책정하는 경우 oxed{09:30}.
상황 A (외부 구매): 기업이 AI 인력 회사로부터 원래 1만 달러 가치의 서비스를 구매할 때, 가격은 여전히 1만 달러입니다. 이때 GDP는 변하지 않지만, 돈의 흐름이 노동자의 임금에서 기업의 이윤으로 바뀝니다 oxed{09:51}.
상황 B (내부 생산): 기업이 외부에서 구매하는 대신 내부에서 AI를 사용하여 직접 해결하기로 결정하면, 비용은 10달러의 토큰 (Token) 비용이 됩니다. 이때 산출물의 품질과 수량에는 아무런 변화가 없음에도 불구하고, GDP는 즉시 9,990달러가 허공에서 사라진 것처럼 감소합니다 oxed{10:15}.
결론: AI는 방대한 양의 경제 활동을 외부 시장 거래에서 기업 내부 생산으로 밀어내고 있으며, 이로 인해 이 활동들이 GDP에서 집단적으로 사라지게 만들고 있습니다 oxed{10:45}.

3. 제조업 vs 서비스업: 왜 제조업에는 이런 통계적 난제가 없는가?

제조업은 "측정할 수 있는 대상"이 있음: 산업 혁명 당시, 만약 기계공이 나사를 만드는 효율이 높아졌다면 공장은 더 많은 수량의 나사를 생산했다고 보고했을 것이고, 실제 GDP는 성장했을 것입니다 oxed{11:12}. 지난 600년 동안 철제 나사의 실제 가격은 99% 이상 하락했지만, 전 세계 생산량은 100억 배 증가했으며, GDP는 이러한 생산성 폭발을 완벽하게 포착해 냈습니다 oxed{11:29}.
서비스업은 "표준 단위의 부재": 우리는 기계의 힘을 측정할 때 "마력 (Horsepower)"을 사용하는 것처럼, "지적 능력 (Brainpower)"을 측정할 수 있는 단위를 찾을 수 없습니다 oxed{11:49}.
토큰 (Token)은 산출 단위가 될 수 없음: 100만 개의 토큰은 쓰레기 더미를 생성할 수도 있고, 기업의 전략을 바꾸는 최상급 보고서를 생성할 수도 있습니다 oxed{12:10}. 서비스업의 산출물은 무형이며, 셀 수 없고, 표준화할 수 없습니다. AI가 서비스업의 효율을 100배 높이더라도, 통계 시스템은 기업의 서비스 수입이 감소하는 것만 볼 뿐 생산성이 폭발하는 것은 보지 못합니다 oxed{12:39}.

4. "암산출 (Dark Output)"의 존재를 증명하는 세 가지 시장 지표

직접 관측할 수 없다면, 암산출이 실제로 존재한다는 것을 어떻게 알 수 있을까요? 영상은 세 가지 이례적인 "경제적 지표 (Economic Fingerprints)"를 제시합니다:

초급 직원이 먼저 대체되어 업계 평균 임금이 비정상적으로 상승함: 기업이 반복적인 업무를 수행하는 저임금 초급 직원을 해고하고 고임금 숙련 직원을 남겨둡니다. 이로 인해 통계 샘플상 업계 평균 임금은 상승하지만, 실제로는 그 누구도 진정한 의미의 임금 인상을 겪지 않습니다 oxed{13:06}.
AI 노출도가 가장 높은 산업: 고용은 상대적으로 감소하지만, 상대 임금은 상승함 oxed{13:34}. 이는 전통적인 수요-공급 법칙에 부합하지 않으며, 인력이 AI로 대체되는 과정에서 고생산성 핵심 인력만 남겨두고 있다는 명확한 신호입니다.
막대한 양의 토큰을 소비하지만, 소프트웨어 투자 데이터에는 이상이 없음: 2026년 3월 데이터에 따르면, 토큰의 37%가 컴퓨터 및 수학 분야에 사용되고 있지만, 소프트웨어 투자가 GDP에 기여하는 정도는 역사적 추세에서 전혀 벗어나지 않았습니다 oxed{14:14}. 이는 막대한 양의 토큰이 기존의 소프트웨어 엔지니어링을 대체하는 데 사용된 것이 아니라, 이전에는 전혀 존재하지 않았던 "신규형" 작업에 소비되고 있음을 증명합니다 oxed{14:30}.

5. AI 대체 잠재력을 평가하는 "증거의 계단" (Six-Step Ladder of Evidence)

영상은 비싸고, 느리고, 주관적이며, 과거를 되돌아보는 방식인 "AI 벤치마크 (Benchmark)"를 믿지 말라고 강조합니다 oxed{14:51}. AI가 세계 최고의 변호사를 이길 필요는 없습니다. 그저 일반 노동자를 대체할 수 있을 만큼 충분히 저렴하고 사용하기 좋으면 됩니다 oxed{15:09}. 이를 위해 AI의 실제 경제적 영향을 평가하려면 **시장 신호 (Market Signals)**에 기반한 6단계 증거 계층을 구축해야 합니다 oxed{15:37}:

제 1단계 & 제 2단계: 벤치마크 기반 증거 (모델이 테스트 조건 하에서 해당 과업을 수행할 수 있음을 나타낼 뿐임) oxed{15:41}.
제 3단계 (하이프 단계): 기업이 자사의 제품이 특정 업무를 수행할 수 있다고 공개적으로 선언함 oxed{15:52}.
제 4단계: 기업이 해당 AI 도구가 생산 환경 (Production Environment)에서 실제로 사용되고 있음을 공개적으로 발표함 oxed{16:07}.
제 5단계: 기업이 법정에서 AI가 생성한 작업물에 대해 성공적으로 방어함 (출력물이 법적 인정 기준에 도달했음을 의미) oxed{16:15}.
제 6단계 (가장 강력한 증거): 보험사가 AI의 작업 리스크에 대해 보험 인수를 수락함 (중립적인 제3자가 이미 AI의 실패 모드에 대해 정량적 가격을 책정했으며, 리스크를 감수할 의사가 있음을 의미) oxed{16:22}.

앞서 언급된 1.5조 달러라는 수치는 바로 이 제 4단계 이상의 견고한 시장 증거를 바탕으로 추산된 것입니다 oxed{16:37}.

6. 통계적 붕괴를 초래하는 네 가지 측정 오류

거시 경제 데이터는 모든 정책과 투자의 초석이지만, AI의 등장은 네 가지 오류를 통해 시스템을 완전히 붕괴시킵니다:

경계 이동 (Boundary Shift): 과거에는 시장에서 발생하여 통계에 잡혔던 거래(예: 외부 계약자 고용)가 기업 내부 또는 가정 내부의 AI 워크플로우로 변합니다. 거래가 사라지면서 GDP에서 보이지 않게 됩니다 oxed{17:23}.
가격 붕괴 (Price Collapse): 서비스업 수입과 노동 시간이 대폭 감소합니다. 통계 시스템은 서비스 건수를 셀 수 없게 되면서 이를 경제 불황이나 악성 인플레이션으로 오해할 수 있지만, 실제로는 생산성의 폭발적 증가입니다 oxed{17:59}.
산업 불일치 (Sector Mismatch): AI는 의료/법률 등의 산업에서 거대한 효율성을 창출하지만, 유일한 거래 데이터는 기술/AI 기업의 토큰 (Token) 청구서에만 나타납니다 oxed{18:38}. 이는 정부가 의료 산업이 정체되어 개혁이 필요하다고 오해하게 만들어 잘못된 정책 유도를 초래할 수 있습니다 oxed{19:13}.
새로운 작업의 비가시성 (Invisibility of New Work): 원래 수천 달러의 가치가 있었으나 단 몇 분, 몇 센트 만에 완료되는 새로운 작업들은 토큰 외에는 아무런 영수증이 남지 않기 때문에 거시 경제 측정에서 완전히 삭제됩니다 oxed{19:25}.

7. 심오한 역사적 비유: 페미니즘 경제학 (Feminist Economics)과 무급 노동

GDP의 본질적인 허점을 더 깊이 이해하기 위해, 영상은 경제학 역사상의 중대한 비유인 **페미니즘 경제학 (Feminist Economics)**을 도입합니다 oxed{22:01}:

GDP의 역사적 사각지대: 오랫동안 GDP는 **무급 가사 노동 및 돌봄 노동 (unpaid domestic and care work)**을 완전히 무시해 왔습니다 oxed{22:13}. 1988년 학자 머릴린 워링(Marilyn Waring)은 국민 계정 체계(National Accounts System)를 처음 초안한 위원회의 100%가 남성이었으며, 창립 문서에서 여성이 아이를 기르고 노인을 돌보는 거대한 기여를 "국민 계정에 거의 중요성이 없다"라는 한 문장으로 치부해 버렸다고 지적했습니다 oxed{22:21}.
보이지 않는 거인의 규모: 후속 연구에 따르면 호주의 가계 경제 규모는 전체 시장 경제의 78%를 차지하며 oxed{22:45}, 영국은 가계 생산이 GDP의 63.1%에 해당한다고 지적합니다 oxed{22:53}. 국제노동기구(ILO)는 전 세계적으로 매일 164억 시간의 무급 돌봄이 이루어지고 있으며, 그 가치는 연간 11조 달러(글로벌 기술 산업의 3배)에 달하지만, GDP 내에서의 가치는 언제나 0으로 계산됩니다 oxed{22:58}.
리드의 진단 기준 (Reid's Standard): 경제학자 마거릿 리드(Margaret Reid)는 1934년에 다음과 같이 제안했습니다: "만약 어떤 업무를 유급 제3자에게 위탁할 수 있다면, 그것은 생산적인 것이다." oxed{23:32} 가사 도우미에게 요리를 시키는 것은 GDP에 포함되지만, 가족이 직접 요리하는 것은 GDP에 포함되지 않습니다 oxed{23:43}.
AI의 투영: AI는 거의 모든 정보 및 지적 작업(보고서 작성, 재무제표 분석, 환자 분류 등)을 "위탁"할 수 있게 만듭니다 oxed{23:55}. 원래 인간이 수행하여 GDP에 기록되던 업무들이 이제 AI에게 위임되면서, 국민 계정 내에서는 기술 기업의 청구서 속에 묻혀 가치가 거의 0에 수렴하는 "무급 노동"으로 전락하고 있습니다 oxed{24:12}.

8. 결론 및 미래에 대한 경고

지난 수십 년 동안 연방준비제도(Fed)와 경제분석국(BEA)은 다양한 지표(연쇄 가중치, 중간재 수요 PPI, 소프트웨어 및 R&D의 자본화 등)를 통해 서비스업 산출량을 개선해 왔지만, 핵심 논리는 변하지 않았습니다: 그들은 실제 단위가 아닌 달러(USD)로 측정하고 있다는 점입니다 oxed{25:16}.

우리가 생산성 대폭발의 시대로 진입할 때, 만약 구시대에 맞춰 설계된 GDP라는 잣대를 계속 사용한다면, AI의 번영은 데이터상에서 역설적으로 "AI 불황"으로 해석될 것입니다 oxed{20:15}. 이는 비판자들이 이를 쉽게 거품이라고 치부하게 만들 뿐만 아니라, 정부가 통화 정책을 수립하고, 실업과 인플레이션을 측정하며, 노동력에 기반한 세금을 부과할 때 심각한 오류를 범하게 만들 것입니다 oxed{20:43, 21:21}.

암산출(Dark Output)은 이 시대의 가장 큰 경제 측정 난제입니다. 우리는 AI가 초래하는 모든 비용과 파괴적 측면(에너지 소비, 물 소비, 해고)은 명확하게 볼 수 있지만 oxed{21:36}, 그것이 창출하는 거대한 보이지 않는 가치는 간과하고 있습니다. 이는 인류가 경제 측정 도구를 업데이트하고, 우리가 진정으로 무엇을 측정하고자 하는지를 재고해야 할 시급한 과제임을 시사합니다.