우리 경제의 미래 시나리오

3줄 요약

1. Anthropic Institute가 2026년 9월 경제 시나리오 탐색기(Econ Scenario Explorer) 1.0판을 공개했다. 안톤 코리넥과 채드 존스를 비롯한 다섯 저자가 쓴 기술보고서 「Economic Scenarios for Transformative AI」가 그 바탕에 있다.
2. 모델은 모든 직업을 과업의 묶음으로 표현한다. 그리고 AI가 그 과업을 얼마나 넓게 건드리는지, 얼마나 널리 쓰이는지, 얼마나 자율적으로 처리하는지에 따라 2030년 미국 경제를 계산한다. 세 시나리오에서 GDP는 AI가 없었을 경로보다 각각 1.6%, 8.3%, 32.4% 높다.
3. 앞의 두 시나리오에서는 실업률이 과거에 겪어 본 범위를 벗어나지 않는다. 가장 급격한 시나리오에서는 전체 실업률이 11.9%, 지식노동자 실업률이 17.9%까지 오르고, 노동소득분배율은 60%에서 45.2%로 내려간다.

경제를 과업의 묶음으로 본다

모델의 출발점은 단순하다. 사람이 하는 모든 일을 과업(task)의 묶음으로 표현한다. 원문은 간호사의 하루를 예로 들었다. 간호사는 회진을 돌고, 채혈을 하고, 들어오는 환자를 분류하고, 활력 징후를 차트에 기록하고, 병동 물품을 주문한다. 이 목록은 미국 노동부의 O*NET 분류에서 직업마다 적혀 있는 과업을 그대로 가져온 것이다.

AI는 이 묶음의 항목마다 네 가지 중 하나로 작용한다. 어떤 과업에는 아무 영향도 주지 못한다. 환자를 목욕시키는 일이 그렇다. 어떤 과업은 증강된다. 퇴원 안내문 초안을 쓰거나, 환자를 원격으로 관찰하거나, 교대 근무의 간호 일정을 세우는 일이 여기에 든다. 어떤 과업은 완전히 자동화된다. 활력 징후를 기록하고 병동 물품을 주문하는 일이 그런 경우다. 그리고 없던 과업이 새로 생긴다. AI가 매긴 환자 분류가 타당한지 점검하거나, AI가 제안한 간호 계획을 검토하는 일이 새 과업이다.

묶음은 고정되어 있지 않다. 종이 차트를 손으로 쓰는 과업은 거의 사라졌고, 30년 전에는 환자를 원격으로 관찰하는 과업이 없었다. 과업이 드나들면서 직업 자체가 바뀐다.

여기에 원문은 규모를 곱한다. 같은 과업이 전국의 모든 병동에서 모든 교대 시간마다 되풀이된다. 미국에서 사람과 기계가 한 해 동안 수행한 과업 사례를 모두 더한 것이 곧 미국 경제이고, 그 규모는 30조 달러가 넘는다. 그래서 AI가 경제를 어떻게 바꿀지는 세 가지에 달려 있다. 개별 과업에서 일어나는 변화, 새로 생기는 과업의 규모, 그리고 그 변화가 퍼지는 속도다.

기술보고서의 생산함수도 같은 구조를 따른다. 과업별 산출은 대체탄력성을 0.5로 놓고 결합한다. 이 값이 1보다 작으므로 과업들은 서로를 보완하는 관계로 작동한다. 그러니 한 과업의 값이 아무리 싸져도, 다른 과업이 병목으로 남아 있으면 전체 산출은 그만큼 늘지 못한다. 반면 하나의 과업 안에서는 노동과 자본이 완전대체재이고, 둘 중 단가가 싼 쪽이 그 과업을 가져간다.

시나리오를 정하는 값들

기술보고서는 AI가 생산에 개입하는 방식을 다섯 개의 값으로 압축했다.

• 영향받는 과업 비중(affected mass, m): AI가 건드릴 수 있는 과업이 경제 전체에서 차지하는 몫
• 확산 비중(diffusion share, d): 그중 실제로 AI가 쓰이고 있는 몫
• 사례당 생산성 이득(a): AI를 쓸 때 그 과업이 얼마나 싸고 빨라지는지
• 자동화 비중(automation share, ψ): 영향받는 과업 가운데 사람 없이 AI가 끝내는 몫
• 신규 과업 비율(reinstatement ratio, ρ): 사라진 과업 대비 새로 생기는 과업의 비율

노동시장 쪽에는 값 두 개가 더 붙는다. 탐색 할인(μ)은 자기 직군 밖에서 일자리를 구할 때 구직 효율이 얼마나 떨어지는지를 나타내고, 공고 속도(θ_H)는 비지식노동 직군에서 매달 부족한 인력 가운데 몇 할을 채용 공고로 메우는지를 나타낸다.

세 시나리오는 이 값들을 이렇게 다르게 잡았다.

출발점은 세 시나리오가 공유한다. 2026년 중반 기준으로 영향받는 과업 비중은 0.14, 확산 비중은 0.10이다. 여기서 갈라져 2030년에 위 표의 값에 이른다.

원문은 세 시나리오를 이렇게 설명했다. 완만한 시나리오에서 AI의 영향은 거시 지표에서 알아보기 어려운데, 인터넷이 준 충격과 비슷한 정도다. 상당한 시나리오에서는 AI가 인터넷이나 철도보다 큰 영향을 남긴다. 2030년이 되면 AI는 지식노동의 절반을 해낼 능력을 갖춘다. 그 대부분을 자율적으로 처리할 수 있지만, 실제 현장에서는 그만큼 널리 쓰이지 않는다. 극단적인 시나리오에서는 재귀적으로 자기를 개선하는 AI가 등장하고 채택도 빨라지면서, 연간 GDP 성장률이 15%에 이른다. 이 속도라면 경제 규모가 4.5년마다 두 배가 된다.

지식노동과 그 밖의 직군을 어떻게 갈랐는지도 밝혔다. 미국 표준직업분류(SOC)는 직업을 22개 대분류로 나눈다. 이 가운데 관리, 경영과 재무, 컴퓨터와 수학, 건축과 공학, 과학, 사회복지, 법률, 교육, 예술과 미디어, 보건 전문직, 영업, 사무 지원의 12개를 지식노동으로 묶었다. 2025년 인구현황조사(CPS) 기준으로 전체 고용의 62.4%가 여기에 든다. 모델은 AI가 영향을 미칠 수 있는 과업의 상한도 이 62.4%로 잡았다. 지식노동 전체가 언젠가 AI의 사정권에 들어온다는 가정이 여기에 이미 들어가 있다. 현재 노출 정도는 매센코프와 매크로리(2026)의 관측 노출도 지표로 쟀는데, 지식노동군이 평균 0.22, 그 밖의 직군이 0.01, 전체가 0.14로 나왔다.

2030년의 GDP

세 시나리오 모두에서 GDP는 늘어난다. 늘어나는 폭이 크게 다를 뿐이다.

완만한 시나리오에서 AI가 성장률에 보태는 몫은 0.5퍼센트포인트에도 미치지 못한다. 극단적인 시나리오의 2030년 GDP는 44조 4000억 달러로, AI가 없었을 경로보다 10조 달러 이상 크다.

노동자는 어디에 있는가

성장의 크기만으로는 알 수 없는 것이 있다. 노동자에게 임금이 얼마나 돌아오는지, 그리고 얼마나 많은 사람이 직업을 바꿔야 하는지다.

모델은 노동시장을 두 개의 섬으로 다룬다. 지식노동 직군과 그 밖의 직군이다. 한 섬에서 다른 섬으로 옮기려면 탐색이 필요하다. 다른 섬에서 일자리를 찾을 때는 구직 효율이 μ배로 낮아진다. 평상시의 μ 값 0.17은 실제 조사에서 뽑았다. 인구현황조사를 보면 직업을 바꾼 사람 가운데 19%가 지식노동에서 그 밖의 직군으로, 11%가 반대 방향으로 옮겼는데, 이 두 비율에서 계산한 값이다.

직업을 바꾸는 일은 쉽지 않다. 옮기고 싶지 않을 수도 있고, 새 기술을 배워야 할 수도 있으며, 배운 뒤에도 자리를 얻기까지 시간이 걸린다. 그래서 이동이 많이 필요한 시나리오일수록 일자리를 옮기는 사이에 머무는 사람이 늘어난다. 원문은 코더나 콜센터 상담원이 전기 기사나 간호사처럼 AI 노출이 적은 직업으로 옮겨야 할 수 있다고 예를 들었다.

해고가 일어나는 경로도 따로 설명한다. 지식노동 임금은 시장이 청산되는 수준까지 곧바로 내려가지 않는다. 청산 수준과의 차이가 1년마다 절반씩 줄어드는 속도로 천천히 조정된다. 임금이 청산 수준보다 높게 남아 있는 동안 기업은 수요보다 적게 고용하고, 남는 인력은 해고된다. 미샤야(2012)가 제안한 일자리 배급(job rationing) 방식이다. 그러니 이 모델의 실업은 노동자가 스스로 그만두어 생기는 종류와 다르다. 기업이 밀어내서 생긴다.

임금은 어느 쪽으로 갈라지는가

평균 임금은 세 시나리오 모두에서 오른다. 그런데 그 평균을 직군별로 갈라 보면 두 집단이 서로 반대 방향으로 움직인다.

원문은 이 갈라짐을 이렇게 풀었다. 인간의 지식노동에 대한 수요가 줄면 지식노동 임금에 하향 압력이 걸린다. 동시에 AI가 지식노동의 생산성을 끌어올리면, 그 혜택을 받는 육체노동의 수요가 커진다. 설계와 인허가가 빨라져 건설 프로젝트가 많아지면 건설 노동자의 임금이 오르는 식이다. 노동자가 수요 늘어난 직업으로 옮겨 가는 데 시간이 걸리는 동안 이 격차가 벌어진다.

전체 파이에서 노동이 가져가는 몫은 세 시나리오 모두에서 줄어든다. 극단적인 시나리오에서 노동소득분배율은 45.2%까지 내려가고, 자본소득은 81.4% 늘어난다. 사회 전체는 훨씬 부유해지지만 그 몫은 자본 쪽으로 기운다. 기술보고서는 이 시나리오에서 지식노동자의 손실을 메우려면 GDP의 약 9%에 해당하는 이전지출이 필요하다고 계산했다. 그 비용을 어떤 제도로 마련할지는 자기들 분석 범위 밖의 질문이라고 덧붙였다.

미국인 1만 명은 어떻게 답했나

Anthropic은 2026년 8월 미국인 1만 980명에게 AI의 현재와 미래 능력, 채택 정도, 직업을 바꿔야 할 때 새 일자리를 얼마나 빨리 구할 수 있을지를 물었다. 시나리오 탐색기는 방문자가 다섯 문항에 답하면, 그 응답을 바탕으로 2030년 경제를 계산해 보여준다.

응답의 중간값을 모델에 넣으면 상당 시나리오에 가까운 값이 나온다. GDP는 AI가 없을 때보다 8.6% 높다. 사분위 범위는 3~19%이고, 연간 성장률은 5.3%, 전체 실업률은 4.6%다. 응답자의 약 10%는 극단적인 시나리오와 일치하는 답을 냈다. 재취업 문항에서 중위 응답은 8개월이었다.

모델이 다루지 않는 것

기술보고서는 무엇을 뺐는지 길게 밝힌다. 로봇 공학의 급속한 발전과 물리적 과업에 대한 영향은 반영하지 않았고, 그래서 분석을 2030년 너머로 늘리지 않았다. 정책 대응, 경기 순환, 총수요 위축, 금융시장 교란, 파국적 위험도 모델 밖에 있다. 데이터센터 건설이 만들어 내는 총수요 효과 역시 포함하지 않았다. 노동자 사이의 차이도 매우 거칠게 처리한다. 두 섬 가운데 어디에 속하는지와 취업 상태만으로 사람을 구분한다. 섬을 옮긴 노동자가 근속이나 직종 특수 숙련을 잃는 손실도 계산하지 않는다.

비교 기준이 되는 경로의 성질도 함께 보아야 한다. 모델이 모든 결과를 견주는 “AI가 없는 경제"에서는 자본 임대료가 일정하고, 그에 따라 모든 지출 비중이 일정하다. 노동이 가져가는 몫도 60%에 그대로 머문다. 앞의 표에서 “AI 없음” 열이 60.0%인 것은 그런 뜻이다. 이 60%라는 출발값의 근거도 Table 1에 적혀 있는데, 특정 통계 계열이 아니라 “미국에서 통용되는 관행값"이다.

초안을 검토한 경제학자 18명의 명단도 보고서에 실려 있다. 대런 아제모을루, 데이비드 오터, 에미 나카무라, 벤 몰, 파스쿠알 레스트레포, 데이비드 로머 등이다. 이들의 지적 가운데 두 가지는 이미 모델에 반영됐다. AI의 발전이 자본 수익률을 끌어올려 이득이 자본 소유자에게 더 많이 흘러갈 수 있다는 것, 그리고 AI 노출이 큰 직업의 임금이 그렇지 않은 직업의 임금과 갈라질 수 있다는 것이다.

반영되지 않은 비판도 그대로 옮겨 놓았다. 모델이 개별 노동자를 추적하지 않으므로 실직에 따르는 비용을 매우 거칠게만 계산한다는 지적이 있었다. AI에 노출된 직업이 줄어들기는커녕 늘어날 수도 있다는 반론도 나왔다. 서로 반대 방향의 두 평가도 나란히 실려 있다. 어떤 리뷰어는 가장 극단적인 시나리오를 시나리오라기보다 사고 실험으로 읽어야 한다고 보았고, 다른 리뷰어는 가장 완만한 시나리오가 이미 데이터에 나타난 것조차 과소평가한다고 보았다. AI가 기술 진보 자체를 얼마나 가속할지 저자들이 과소평가하고 있다는 지적도 한 사람 이상에게서 나왔다.

내가 곱씹은 대목

부록의 민감도 분석 표 하나가 오래 남는다. 임금 경직성 값을 바꿔 가며 극단 시나리오를 다시 계산한 표다.

AI의 능력도, 채택 속도도, 자동화 비중도 전부 그대로다. 바뀐 것은 임금이 내려가는 속도 하나뿐이다. 그런데 한쪽 끝에는 임금이 42% 깎이고도 고용은 멀쩡한 세계가 있고, 다른 쪽 끝에는 임금이 오히려 오르지만 넷 중 하나가 일자리를 잃는 세계가 있다. AI가 얼마나 강력한지는 두 세계에서 똑같다. 갈림길을 만든 것은 노동시장이 얼마나 빨리 조정되느냐 하나다.

이 표를 보고 나면 헤드라인 숫자를 읽는 방식이 달라진다. “극단 시나리오에서 실업률 17.9%“라는 숫자는 AI가 그만큼 강력하다는 뜻만 담고 있지 않다. AI의 능력에 관한 가정에, 임금이 1년마다 절반씩 조정된다는 가정을 곱해서 나온 값이다. 저자들은 네 값 가운데 0.5를 본문에 실었다. 그 선택이 독자가 받아 갈 이야기의 종류까지 정했다. 이 모델이 계산하는 것은 미래의 값이라기보다, 같은 충격을 임금 쪽에 담을지 고용 쪽에 담을지에 대한 답이다.

리뷰어들의 평가가 정반대로 갈린 이유도 이 표에서 이해된다. 어떤 이는 극단 시나리오가 사고 실험이라고 했고 어떤 이는 완만 시나리오가 현실을 놓치고 있다고 했다. 두 사람 모두 같은 표를 보고 그렇게 말했다.

노동소득분배율을 읽을 때도 같은 조심이 필요하다. 보고서는 4년 만에 4%포인트가 자본으로 옮겨 가는 것을 두고, 1980년 이후 40년 동안 미국 노동소득분배율이 내려간 폭 전체와 크게 다르지 않다고 적었다. 그런데 그 40년의 하락은 비교 기준이 되는 경로에 들어 있지 않다. AI가 없는 경제에서 노동의 몫은 60%에 멈춰 서 있다.

앞서 정리한 미국 노동소득분배율 자료가 마침 그 문제를 다룬다. 비농업 기업 부문 기준으로 노동의 몫은 이미 1947년 집계 이후 가장 낮은 52.8%까지 내려갔고, EY-Parthenon의 그레고리 다코는 그 격차를 만든 생산성이 AI가 아니라 재래식 자동화에서 왔다고 진단했다. 통계 계열이 서로 달라 두 숫자를 같은 축에 올릴 수는 없다. 그러나 방향은 하나다. 노동이 가져가는 몫은 AI가 오기 전부터 내려가고 있었다. 그러니 45.2%는 2030년의 수준을 맞힌 값이라기보다, 이미 내려가는 중인 바닥 위에 AI의 몫만 따로 얹어 본 값이다.

출처

Anthropic Institute, “Scenarios for our Economic Future” (Econ Scenario Explorer v1.0, 2026년 9월) 원문: https://www.anthropic.com/institute/econ-scenarios

Anton Korinek, Chad Jones, Szymon Sacher, Tess Cotter, Peter McCrory, “Economic Scenarios for Transformative AI”, The Anthropic Institute Working Paper No. 2026-02, 2026년 9월 기술보고서: https://www-cdn.anthropic.com/files/4zrzovbb/website/cf58f84d46a4a76bf5a5b039ac695fba6b80041c.pdf

본문의 도표는 모두 원문 페이지의 인터랙티브 시각화를 갈무리한 것이다.