1. AI 산출이 통계에서 사라지는 구조
서비스업 생산은 제조업처럼 생산량을 물리적 단위로 측정하기 어렵다.
나사 제조업에서는 생산된 나사의 개수를 셀 수 있지만
법률 자문·리서치·코드 검토·컨설팅에는 표준화된 생산 단위가 없다.
따라서 통계기관은 일반적으로 매출액, 임금, 근로시간과 서비스 가격을 이용해 생산량을 역산한다.
예를 들어, 과거 변호사가 150달러를 받고 작성하던 문서를 AI가 0.5달러어치 토큰으로 작성하면
동일한 문서가 생산됐어도 법률서비스 매출은 사라진다.
통계상으로는 생산성이 급등한 것이 아니라 법률서비스 생산이 감소하고
AI 기업이나 클라우드 기업의 소액 매출만 늘어난 것으로 기록될 수 있다.
2. Dark Output의 두 가지 유형
(1) 대체형 Dark Output
사람이 하던 업무를 AI가 대신하는 경우다.
보고서는 현재 세대 AI가 상당 부분 보조하거나 자동화할 수 있는 업무가
약 1조 5,000억 달러 규모의 노동비용과 연결돼 있다고 추정한다.
하지만 이 1조 5,000억 달러 규모의 노동비용은
현재 AI가 대체할 경제적 유인을 가진 업무의 잠재적 노출 규모이며
실제로 수집된 증거 대부분도 AI가 완전한 인력 대체보다 업무 보조와 생산성 향상을 가리킨다고 명시한다.
(2) 신규형 Dark Output
AI가 없었다면 비용이 너무 높아 아예 수행하지 않았을 새로운 업무다.
예를 들어, 과거 2,000달러가 들었던 문헌조사를 AI가 2달러에 할 수 있게 된다면
기업은 기존과 같은 수의 조사를 수행하고 비용을 절약하는 데 그치지 않고
모든 프로젝트마다 추가 조사를 실시할 수 있다.
이메일 수천 건 요약, 회의 전 인물 조사, 인터뷰 전 학술자료 검토처럼
과거에는 경제성이 없어 하지 않았던 작업이 대량으로 발생한다.
그러나 별도의 판매가격이 없으면 통계에는 토큰이나 구독료만 기록되고
그 작업이 만들어낸 가치 자체는 관찰되지 않는다.
장기적으로는 이 신규형 산출이 대체형보다 훨씬 커질 가능성이 있다는 것이다.
3. 통계가 왜곡되는 네 가지 경로
통계가 왜곡되는 경로에는 네 가지의 경로가 있다.
(1) 경계 이동
외부 업체에 맡기던 유료 업무가 기업 내부의 AI 작업으로 전환되면 시장 거래가 사라진다.
산출물은 그대로 존재하지만 GDP에서 빠질 수 있다.
(2) 가격 붕괴
AI로 서비스 가격이 급락해도 서비스의 실제 생산량과 품질을 측정할 단위가 없어
통계는 이를 생산성 향상보다 매출 및 산출 감소로 해석할 수 있다.
(3) 산업 간 오분류
병원이 AI를 사용해 행정업무를 효율화해도 경제적 가치는
병원산업 생산성보다 AI·소프트웨어 업체의 매출로 나타난다.
결과적으로 AI 공급산업은 과대평가되고 도입산업은 정체된 것처럼 보일 수 있다.
(4) 신규 업무의 비가시성
AI 덕분에 새롭게 수행되는 조사·분석·의사결정 지원 업무는
토큰 비용 외에는 통계적 흔적을 거의 남기지 않는다.
4. 고용과 임금 데이터에서도 나타날 수 있는 왜곡
AI는 우선 반복 업무를 담당하는 주니어 인력과 저임금 근로자를 대체할 가능성이 크다.
이들이 고용 통계에서 빠지면 해당 직종의 평균임금은 실제 임금 인상 없이도 상승할 수 있다.
따라서 AI 노출도가 높은 산업에서 고용은 상대적으로 감소하지만
평균임금은 상승하는 현상이 동시에 나타날 수 있다.
보고서는 이를 AI 대체가 발생할 때 나타나는 하나의 간접적인 ‘지문’으로 본다.
다만 이것만으로 AI가 고용을 감소시켰다고 단정할 수는 없다고 선을 긋는다.
5. 거시경제적으로 발생할 수 있는 문제
AI의 비용은 급증하는데 생산성과 산출은 통계에서 누락되면 다음과 같은 잘못된 해석이 가능하다.
-
AI 투자 붐이 실제 성과를 내지 못하는 버블처럼 보일 수 있다.
-
서비스 가격 하락이 생산성 향상이 아니라 산출 감소로 기록될 수 있다.
-
저임금 인력이 빠지면서 평균임금과 서비스 물가가 상승한 것처럼 나타날 수 있다.
-
중앙은행은 실제 잠재성장률 상승을 파악하지 못하고 경제가 과열됐다고 판단할 수 있다.
-
정부는 노동소득과 임금에 기반한 세원이 약화되는 속도를 과소평가할 수 있다.
즉, AI가 경제의 공급능력을 늘리더라도
기존 통계만 보면 낮은 생산성, 높은 서비스 물가, 약한 고용이 동시에 나타날 가능성이 있다는 주장이다.
6. 보고서가 제시하는 중요한 한계
SemiAnalysis의 모니터는 실제 AI 산출이나 향후 해고 규모를 직접 측정하지 않는다.
AI 대체의 경제성, 관련 임금 규모, 토큰 비용과 기업의 도입 사례를 추적해
변화 압력이 집중될 가능성이 높은 영역을 보여준다.
또한 AI가 생성한 모든 결과물이 경제적 가치를 가지는 것은 아니다.
동일한 토큰 수로 쓸모없는 문장, 유용한 이메일 요약,
법률문서, 중요한 경영판단 등이 모두 만들어질 수 있기 때문에
토큰 사용량 자체를 생산량으로 간주할 수도 없다.
결론
핵심은 AI의 경제적 비용은 이미 통계에 보이지만
AI가 만들어내는 산출은 상당 부분 보이지 않을 수 있다는 것이다.
AI가 서비스 업무의 가격을 급격히 낮추고 기업 내부로 흡수할수록
기존 GDP는 실제 경제적 효용과 점점 멀어질 수 있다.
특히 AI 시대에는 고용 감소나 데이터센터 투자만 관찰하고 생산성 향상을 찾지 못하면서
실제 산업혁명에 가까운 변화가 통계상 실패한 투자처럼 보일 위험이 있다.
다만 ‘Dark Output’은 현재 측정된 생산이라기보다
측정되지 않을 가능성이 있는 가치에 대한 개념적 프레임이다.
AI 사용으로 발생한 소비자잉여와 품질 향상을 어떻게 가격화할 것인지에 대한 합의가 없기 때문에
이 개념을 근거로 GDP 부진이나 고용 감소를 모두 AI의 숨은 생산성으로 설명하는 것도 경계해야 한다.
가장 타당한 해석은 AI가 현재의 통계체계만으로는
그 생산성의 크기와 귀속 산업을 정확히 판별하기 어려워지고 있다는 것이다.
https://newsletter.semianalysis.com/p/ai-dark-output-the-visible-cost-of