연준 연구진이 AI의 경제 효과를 추적하는 공개 데이터 프레임을 냈습니다. 역량, 투자, 생산성의 세 단계로 지표를 갈랐습니다.
결론은 지금이 건설 국면이라는 것입니다. 투자와 도입은 오르지만 생산성과 고용의 광범위한 전환은 아직 없습니다.
미시 실험은 늘 생산성 향상을 보여줍니다. 그 이득이 거시 통계로는 합산되지 않습니다.
당신 팀의 AI 생산성 향상은 어디에 기록돼 있습니까?
개인의 체감입니까, 회사의 숫자입니까?
AI 투자 논쟁은 대개 확신에 찬 두 진영으로 갈립니다. 거품이라는 쪽과 이제 시작이라는 쪽입니다.
연준 연구진은 7월 17일 다른 것을 내놓았습니다. 결론이 아니라 계기판입니다. 누구나 볼 수 있는 공개 데이터로 AI의 경제 효과를 추적하는 방법입니다. 그 계기판이 지금 가리키는 눈금은 하나입니다. 짓는 중이지 바뀌는 중은 아니라는 것입니다.
하이퍼스케일러의 설비투자는 계속 오르고 있습니다. 2025년부터 2026년 1분기까지 AI 관련 항목은 분기 GDP 성장에 의미 있게 기여했습니다. 그런데 같은 기간 생산성 통계는 조용합니다. 이 간극을 어떻게 읽을지가 지금 경영 리더의 실제 질문입니다. 연준의 답은 판단하기에 아직 이르다는 것입니다.
첫째, 연준은 지표를 세 단계로 줄 세웠습니다. 범용기술이 경제에 퍼지는 순서를 그대로 따랐습니다. 역량과 비용이 먼저 움직이고, 기업 투자와 도입이 뒤따르며, 생산성과 노동이 맨 마지막에 반응합니다. 지금 확실히 움직이는 것은 앞의 두 단계뿐입니다.
| 단계 | 대표 지표 | 현재 상태 |
|---|---|---|
| 역량과 비용 | METR 과제 완수 시간, GPU 단가, 반도체 수출가 | 빠르게 개선 |
| 기업 투자와 도입 | 하이퍼스케일러 설비투자, 데이터센터 건설, BTOS 도입률 | 상승 중 |
| 생산성과 노동 | 업종별 생산성, 청년 실업률, JOLTS 채용 | 뚜렷한 변화 없음 |
출처: Soto, Thieu, & Allen (2026, July 17), FEDS Notes 지표 분류 재구성.
둘째, 역량 곡선은 계속 가팔라지고 있습니다. 연준은 METR의 과제 완수 시간을 첫 지표로 씁니다. AI가 절반의 확률로 끝낼 수 있는 작업의 인간 기준 소요 시간입니다. 2026년 중반 기준 이 값은 몇 달마다 두 배가 되고 있습니다. 이 속도가 유지되면 몇 년 안에 일주일치 작업을 맡길 수 있다는 계산이 나옵니다.
셋째, 한국 반도체 가격이 연준의 계기판에 올라 있습니다. 연준은 고대역폭 메모리 비용의 대리 지표로 한국은행의 반도체 수출물가지수를 씁니다. 삼성전자와 SK하이닉스가 세계 D램 공급의 약 70%를 담당하기 때문입니다. 메모리는 모델을 키울 때 가장 먼저 걸리는 병목입니다. 국내 기업의 가격 지표가 미국 통화당국의 AI 판단 근거로 쓰이는 셈입니다.
넷째, 도입률은 올라도 깊이가 얕습니다. 연준은 인구조사국의 기업동향조사를 도입 지표로 씁니다. 수치는 계속 오르고, 기업 규모가 클수록 도입률이 높습니다. 다만 연준은 중요한 단서를 답니다. 도입이 넓게 보고된 곳에서도 실제 사용 강도는 얕게 머문다는 것입니다.
다섯째, 생산성의 역설이 이 보고서의 핵심입니다. 미시 실험은 거의 언제나 AI의 생산성 향상을 확인합니다. 그런데 거시 통계에서는 그 이득이 잡히지 않습니다. 고노출 업종의 생산성이 상대적으로 높긴 하나, 세 노출 구간의 추세선은 서로 비슷하게 흐릅니다.
연준이 제시하는 설명은 두 가지입니다. 하나는 과제 단위의 개선이 직무나 기업 단위 산출로 이어지지 않는다는 것입니다. 다른 하나는 조정 비용이 다른 곳에 있다는 것입니다. 보고서의 표현을 빌리면, 어떤 과제가 10% 빨라져도 기업 산출이 그만큼 늘지는 않습니다.
이 역설은 사내에서도 똑같이 재현됩니다. 보고서 초안 작성이 반으로 줄어도 결재선이 그대로면 보고서가 나가는 속도는 안 바뀝니다. 코드 작성이 두 배 빨라져도 배포 심사가 주 1회면 출시 주기는 그대로입니다. 아낀 시간이 다음 병목 앞에 줄을 서는 구조입니다. AI 도입의 성과가 안 보인다면 도구가 아니라 그 줄을 봐야 합니다.
여섯째, 노동시장 신호는 해고가 아니라 채용에서 먼저 나옵니다. 연준은 총 실업률이 역사적 기준으로 여전히 완만하다고 봅니다. 다만 구성의 변화는 관찰됩니다. 현재까지의 증거는 AI가 청년층에게 해고보다 느린 채용의 형태로 작용한다는 쪽입니다. 그리고 그 영향이 먼저 드러날 곳으로 정보산업이 아니라 전문·기술 서비스업을 지목합니다.
일곱째, 연준은 전환을 알리는 신호를 세 가지로 못 박았습니다. AI 노출이 높은 집단의 노동시장 역학이 지속적으로 변하는 것, 설비투자가 실제 생산성 향상과 연결되는 것, 고노출 업종과 저노출 업종의 생산성 격차가 벌어지는 것입니다. 아직 어느 것도 관측되지 않았습니다.
"보고서 초안 시간 40% 단축" 대신 "이 직무의 월간 산출물 건수 변화"를 기록하세요. 연준이 지적한 간극이 정확히 이 지점입니다. (이번 분기)
계정 발급 수가 아니라 주간 활성 사용자 비율과 1인당 세션 수를 보세요. 넓지만 얕은 도입은 성과로 이어지지 않습니다. (이번 달)
노출 집단의 채용 추이는 "AI 도입 부서의 인원 변화"로, 설비투자 대비 산출은 "AI 예산 대비 부서 산출물"로, 업종 간 격차는 "도입 부서와 미도입 부서의 성과 차"로 환산해 한 장에 담으세요. (다음 분기 보고)
AI로 단축된 작업 바로 다음 단계를 그리세요. 결재, 심사, 회의 대기 중 어디서 막히는지 한 줄로 적으면 그것이 진짜 개선 대상입니다. (이번 주)
연준이 관측한 신호는 해고가 아니라 청년층의 느린 채용입니다. 신입 채용을 줄이는 결정이 우리 조직의 학습 경로를 끊는지 따져보세요. (이번 분기)
역량 지표가 소프트웨어에 치우쳐 있습니다. METR의 과제 완수 시간은 소프트웨어 개발과 머신러닝 영역만 다룹니다. 연준도 이 한계를 명시합니다. 제조나 영업 직무에 그대로 옮길 수 없습니다.
벤치마크 성적이 실제 업무 능력은 아닙니다. 보고서는 벤치마크가 빠르게 포화되고 현실 업무와 깔끔하게 대응하지 않는다고 적습니다. 좋은 점수가 곧 현장 성과라는 해석은 무리입니다.
투자 지표는 과소 추정일 수 있습니다. 하이퍼스케일러 설비투자에는 AI가 아닌 항목도 섞입니다. 반대로 임차한 데이터센터 용량은 빠집니다. 기업이 임차를 늘릴수록 실제 AI 투자 규모는 통계보다 커집니다.
지금 없다는 것이 앞으로도 없다는 뜻은 아닙니다. 연준은 범용기술의 측정된 생산성 향상이 역사적으로 투자보다 몇 년 뒤처졌다고 적습니다. 도입이 깊어지면 궤적은 빠르게 갈라질 수 있습니다.
통계에 생산성이 아직 없다는 것은 AI가 무력하다는 뜻이 아닙니다. 아직 짓는 중이라는 뜻입니다.
FEDS Notes: 미국 연방준비제도 이사회 소속 연구진이 내는 짧은 분석 보고입니다. 공식 정책 입장은 아닙니다.
범용기술(General Purpose Technology): 전기나 컴퓨터처럼 산업 전반에 퍼져 경제 구조를 바꾸는 기술입니다.
METR 과제 완수 시간: AI가 절반의 확률로 끝낼 수 있는 작업을 사람이 하면 얼마나 걸리는지로 재는 역량 지표입니다.
BTOS: 미국 인구조사국이 2주마다 내는 기업동향조사입니다. AI 도입률을 묻는 문항이 들어 있습니다.
고대역폭 메모리(HBM): 대형 AI 모델 학습에 쓰이는 고성능 메모리입니다. 모델 규모를 키울 때 가장 먼저 걸리는 병목입니다.
JOLTS: 미국 노동통계국의 구인·이직 조사입니다. 채용 공고와 해고 건수를 업종별로 보여줍니다.
- Soto, P. E., Thieu, M., & Allen, J. S. (2026, July 17). The AI Buildout and the Economy: Publicly Available Data to Assess AI's Impact [FEDS Note]. Board of Governors of the Federal Reserve System. (원문 보기 ↗)