The Economics of Intelligence: How and when does AGI transform the economy?

3줄 요약

1. 알렉스 이마스(Alex Imas)는 구글 딥마인드에서 AGI 경제학 연구를 이끈다. 그는 앤드루 코(Andrew Koh), 셰인 레그(Shane Legg)와 함께 2026년 10월 29일 에세이 한 편과 108쪽짜리 워킹 페이퍼 「Organizing Intelligence」를 공개했다. 두 글은 AI의 능력이 몇 달마다 기록을 갱신하는데도 고용과 생산성 통계가 거의 그대로인 이유를 기업과 시장의 균형 모델로 설명한다.
2. 연구진은 AI의 능력을 과제별 역량(competence)과 에이전트끼리 협업하는 조정 능력(coordination)으로 구분한다. 역량은 1인당 산출의 수준을 올리고, 조정 능력은 조직이 얼마나 커질 수 있는지를 정한다. 조정 능력이 임계값을 초과하면 기업 규모의 상한이 사라지고, 큰 시장의 생산이 소수의 AI 기업에 집중된다.
3. 연구진은 경제의 변화를 예측하려면 에이전트 조직의 조정 능력을 측정해야 한다고 결론짓는다. AI의 영향은 시장 구조나 고용보다 임금에서 먼저 나타난다고 본다.

벤치마크는 혼자 푸는 AI를 측정한다

최전선 AI 모델은 몇 달마다 몇 년 뒤로 예상하던 기록을 달성한다. 프로덕션 소프트웨어를 작성하고, 분야 전문가보다 높은 점수를 받고, 밀레니엄 난제를 푼다. 그런데 경제 전체의 변화는 작다. 사람들은 여전히 익숙한 직업으로 출근하고, 기업의 인원은 몇 년 전과 비슷하며, 총생산성 통계도 거의 변하지 않았다.¹

연구진은 이 간극의 원인 하나로 분석 단위를 지목한다. 대부분의 벤치마크는 AI 에이전트 하나가 문제를 단독으로 푸는 능력을 측정한다. 경제에서 경쟁하는 단위는 조직이다. 조직은 강점이 서로 다른 사람들을 모아 업무를 분담하고, 그렇게 만든 팀은 어느 개인보다 유능하다. 모델이 모든 사람을 일대일로 이겨도 잘 짜인 팀에게는 질 수 있다.

기존 경제 모델도 AI의 영향을 과소평가할 수 있다고 연구진은 본다. 기존 모델은 새 기술을 노동자의 생산성을 높이는 도구로 다루거나, 과제를 하나씩 맡아 사람을 대체하는 기계로 다룬다. 범용 AI에는 이 틀에 맞지 않는 특징이 둘 있다. 첫째, 사람의 공급은 정해져 있지만 AI 에이전트는 컴퓨트 비용만 내면 필요한 만큼 복제할 수 있다. 둘째, 사람으로 구성된 팀은 여러 이유로 규모가 제한된다. 관리자 한 명이 감독할 수 있는 인원에는 한계가 있고, 사람끼리 소통하는 데도 어려움이 있으며, 개인마다 이해관계가 달라 갈등이 생긴다. AI 에이전트에는 이런 제약이 적용되지 않을 수 있다.

들쭉날쭉한 개인과 모자이크 지능

연구진은 100명에게 수학, 언어 추론, 과학, 패턴, 문화, 경제의 여섯 분야 퀴즈를 풀게 했다. 한 분야의 점수로 다른 분야의 점수를 예측하기는 어려웠다. 참가자 가운데 평균적인 지능을 그대로 닮은 사람은 없었다. 저마다 다른 분야에서 강하고 약한, 들쭉날쭉한(jagged) 전문가들이었다. 여러 분야를 잘하면서 패턴 맞추기만 유난히 못하는 사람이 있고, 패턴 맞추기는 뛰어나지만 나머지는 평범한 사람이 있었다.

에세이 그림 1. 위는 참가자 여섯 명의 분야별 점수, 아래는 무작위로 짝지었을 때의 평균 능력(파란 점선)과 비교우위대로 역할을 맡겼을 때의 조직 능력(빨간 선)이다.

조직은 이 들쭉날쭉함을 활용한다. 서로 보완하는 전문가로 팀을 구성해서, 어느 구성원도 혼자서는 갖추지 못한 능력의 조합을 팀이 갖추게 한다. 연구진은 이를 기업 내부에서 작동하는 리카도의 비교우위로 설명한다. 사람들은 자기 능력 가운데 상대적으로 더 잘하는 일을 맡고, 역할은 각자의 비교우위가 최대가 되도록 구성된다. 그렇게 생기는 집단의 능력을 연구진은 모자이크 지능(mosaic intelligence)이라 부른다. 연구진이 특정 과제를 두고 참가자를 둘씩 짝지어 보니, 서로의 약점을 보완하도록 짝을 정한 쌍이 무작위로 정한 쌍보다 32% 높은 성과를 냈다.

AI도 분야에 따라 능력 차이가 크지만, 그 차이의 양상이 사람과 다르다. 사람은 저마다 다른 분야에서 강하고 약하지만, AI 모델들은 서로 비슷한 분야에서 강하고 약하다.² 팀에 부족한 분야가 있으면 그 분야에 강한 사람을 데려오면 된다. 같은 모델의 복사본을 하나 더 띄우면 처리량은 늘지만 다룰 수 있는 분야는 그대로다. 따라서 모델의 능력이 사람 전체의 평균보다 높더라도 시장 경쟁에서는 질 수 있다. 혼자서는 그 모델을 이기지 못하는 사람들도 팀을 구성해 서로 부족한 능력을 보완하면 그 모델보다 경쟁력이 높을 수 있다. 연구진은 “모델이 사람보다 나은가”라고 물으면 비교 대상을 잘못 고르게 된다고 말한다. 경쟁 시장에서 물어야 할 것은 AI 에이전트의 조직이 사람의 조직, 또는 사람과 에이전트가 섞인 조직을 이길 수 있는가다.

코더, 작가, 조정자로 만든 예시 경제

논문은 일반 모델에 앞서 숫자로 된 작은 경제를 한 단계씩 만든다. 이 예시는 노동자의 코딩 능력과 글쓰기 능력, 그리고 협업을 돕는 조정 능력을 각각 수치로 나타낸다. 사람이 일하지 않을 때 얻는 가치를 바깥 선택지라고 하며, 이 값은 0.25로 정한다.

기업의 역량은 구성원의 평균 코딩 능력과 평균 글쓰기 능력의 조화평균이다. 조화평균은 두 값 가운데 낮은 값의 영향을 크게 받으므로, 코더나 작가가 혼자 일하면 역량이 1.8에 그친다. 1인당 산출은 이 역량에 규모의 효과를 곱해 정한다. 인원이 늘면 분업의 이득이 생기지만, 각자 신경 써야 할 동료도 늘어난다. 평균 조정 능력이 1에 못 미치는 기업은 어느 규모까지는 사람을 더할수록 1인당 산출이 늘지만, 그 규모보다 커지면 줄어든다. 이 최적 규모는 평균 조정 능력이 높을수록 커진다.³

에세이 그림 2. 오른쪽 그래프에서 역량이 높아지면 분홍 곡선이 회색 곡선으로 바뀌며 전체가 위로 이동한다. 노란 곡선은 조정 능력이 높아진 경우로, 최적 규모가 6명에서 16.5명으로 커진다. 빨간 점선은 조정 능력이 1을 초과해 규모가 커질수록 1인당 산출이 계속 증가하는 경우다.

사람만 있는 경제에 역할을 하나씩 추가한 결과는 다음과 같다.

코더만 있을 때 최적 규모는 6명이다. 6명이 한 기업에서 일하면 1인당 5.0을 생산하고, 각자 혼자 일하면 3.6에 그친다. 코더가 12명일 때 모두 한 기업에서 일하면 총산출은 57.2다. 6명씩 두 기업에서 일하면 총산출이 59.5이므로 기업 두 곳을 구성하는 편이 유리하다. 수요에 비해 코더 수가 적어서 코더의 임금 1.49는 바깥 선택지의 약 6배다. 작가 여섯 명이 들어오면 코더 3명과 작가 3명이 한 팀을 이루는 6명 기업 두 곳이 생긴다. 코딩과 글쓰기를 둘 다 갖춘 이 팀의 역량은 5로, 혼자 일할 때의 1.8보다 거의 세 배 높다. 코더의 코딩 실력은 그대로인데 임금은 거의 세 배인 4.13이 된다.

조정자는 혼자 푸는 시험이라면 가장 약한 노동자다. 혼자 일하면 역량이 1이고 0.70을 번다. 두 기업에 한 명씩 들어가면 평균 조정 능력을 높여 최적 규모를 7명으로 늘리고, 여섯 전문가 모두의 생산성을 높인다. 조정자의 임금 2.41은 바깥 선택지의 약 10배다. 에세이는 이런 조정자를 흔히 관리자라 부른다고 설명한다. 관리자가 높은 임금을 받는 이유는 특정 과제의 실력보다 모자이크 전체의 산출을 최대로 만드는 능력에 있다.

AI가 사람과 다른 두 가지

연구진은 AI 에이전트가 사람 노동자와 다른 점으로 복제 가능성과 조정 능력을 든다.

복제 가능성은 임금 변화의 기본 원리가 된다. 리카도가 설명한 대로, 재현할 수 없는 능력을 가진 사람이 가장 큰 경제적 보상을 받는다. AI는 그 희소성을 제거한다. 모델의 능력이 어떤 사람의 능력과 같아지면, 그 사람의 임금은 컴퓨트 비용에 연동된다.

조정 능력은 기업의 규모와 연결된다. 경제학자 로널드 코스(Ronald Coase)는 이렇게 물었다. 여러 업무를 한 기업이 맡아 조직하면 비용이 줄어드는데, 그렇다면 왜 모든 생산을 거대한 기업 하나가 맡지 않는가. 지난 백 년의 조직경제학은 사람의 한계로 답했다. 두 사람이 함께 일하면 프로젝트 설계 전체를 기억하고 불일치를 바로 해결한다. 팀원이 20명, 200명으로 늘면 사정이 달라진다. 한 사람이 챙겨야 할 동료가 많아져 주의력이 분산되고, 업무를 넘길 때마다 말하지 않은 전제가 누락된다. 각자의 경력 욕심이 조직의 목표와 충돌하는 일도 잦아진다. 업무를 다른 사람에게 인계할 때는 그동안의 맥락을 요약해 설명하게 되고, 이 과정에서 업무 이해에 필요한 정보가 상당 부분 전달되지 않는다.

역사에도 조정 기술이 경제를 바꾼 사례가 있다. 19세기의 전신과 철도는 노동자 개인을 더 유능하게 만들지 않았다. 업무 전달의 속도와 정확도를 높였고, 그것만으로 이전에 없던 구조로 생산이 재편되어 근대 기업이 등장했다. 사람의 조정 한계가 AI 에이전트에도 똑같이 적용될 이유는 없다. 지금의 AI 시스템은 실제로는 협업을 잘 못하지만,⁴ 연구진은 AI의 소통 대역폭이 높아 조정 능력의 잠재력이 매우 크다고 본다.

역량은 수준을, 조정 능력은 규모를 정한다

기업이 희소한 사람을 시장 임금으로 고용하고 AI 복사본을 컴퓨트 가격으로 임대해 원하는 인력을 구성하는 시장을 생각해 보자. 이 시장에서는 새로 진입하는 기업에도 지지 않는 조직 구조만 살아남는다. 조직의 능력은 역량과 조정 능력으로 분해된다. 인원이 같다면 1인당 산출을 좌우하는 것은 역량이다. 사람이나 에이전트를 한 명씩 더할 때 그 산출이 늘지 줄지는 조정 능력에 달렸다.

조직의 규모를 늘리면서 1인당 산출을 추적한 결과를 연구진은 조직 스케일링 법칙이라 부른다. 모델 스케일링 법칙에서 따온 이름이다. 모델 스케일링 법칙은 파라미터와 데이터를 늘릴 때 성능이 얼마나 오르는지를 다룬다. 연구진의 법칙은 같은 질문을 에이전트 팀의 인원에 던진다.

역량의 향상은 경제를 점진적으로 바꾸고, 조정 능력의 향상은 급격하게 바꾼다. 분야별 역량이 오르면 가격, 임금, 사람과 AI의 구성비가 연속적으로 변하고 기업은 비교적 작은 규모를 유지한다. 외부 관찰자에게 경제는 이전과 비슷해 보인다. 조정 능력이 초협력 임계값을 초과하면 시장 집중도, 고용, 임금이 급변하고, 경제는 지금과 전혀 다른 모습이 된다.

AGI의 네 단계

연구진은 AI의 발전 정도를 평가할 때 역량과 조정 능력을 각각 살핀다. 두 능력의 조합으로 네 단계를 구분하고, 단계마다 시장 구조와 고용과 임금이 어떻게 달라지는지 설명한다. 논문 예시 경제의 기준은 다음과 같다.

경제 전체를 보기 위해 연구진은 세 부문을 추적한다.

• 대량 시장(deep scalable markets): 소프트웨어, 물류, 금융처럼 수요가 매우 커서 생산량을 늘려도 가격이 거의 하락하지 않는 표준화된 산업
• 틈새 시장(niche markets): 수요에 한계가 있어 규모의 이득이 작은 전문화, 맞춤형 시장
• 관계 부문(relational sector): 의료, 교육, 서비스, 공예처럼 사람의 참여 자체가 가치의 핵심인 재화와 서비스

이마스가 X에 올린 애니메이션은 단계마다 세 부문의 기업 구성을 보여 준다. 주황과 분홍 점은 두 분야의 전문가, 초록 점은 조정자, 파란 마름모는 AI 에이전트이고, 작은 원 하나가 기업 하나다. 이 글 맨 위의 그림은 AI가 없는 기준 경제다.

최소 AGI

최소 AGI는 복제 가능한 AI가 여러 과제에서 사람의 평균 능력에 도달하거나 그보다 나은 단계다. 경제 구조는 거의 그대로다. 대량 시장에서는 보완적인 전문가들로 구성된 사람 팀이 평균적인 능력의 AI 기업을 이긴다. 인원은 유지되고, 산업은 중소 규모 기업 다수가 경쟁하는 구조로 남는다.

변화는 임금에 집중된다. 에세이는 AI가 어떤 노동자와 같은 수준의 능력을 갖추면 그 노동자의 임금이 컴퓨트 비용 수준으로 하락한다고 설명한다. AI가 아직 갖추지 못한 능력을 가진 전문가와 조정자는 이전보다 높은 임금을 요구할 수 있다. 논문의 예시 경제를 보면 사람 14명은 한 명도 일자리를 잃지 않고 모두 대량 시장에서 계속 일한다. 하락하는 것은 임금이다. 전문가는 4.15에서 2.90을, 조정자는 2.41에서 1.30을 받게 된다. AI의 공급이 사람의 희소성 프리미엄을 줄였기 때문이다. AI 복사본을 컴퓨트 비용으로 임대할 수 있으므로, 작은 AI 기업이 가격에 민감한 틈새 시장에 진입해 상품 가격을 낮춘다.

연구진은 이 단계의 함의를 현재의 논쟁과 연결한다. 임금 효과가 조직 재편보다 먼저 나타나므로, 고용률 같은 거시 통계는 AI가 경제에 영향을 주지 않는다는 근거로 쓰기에 약하다.

초유능 AI

초유능 AI는 조정 능력을 제외한 모든 능력에서 모든 인간 전문가를 능가한다. 의외로 구조 변화는 여전히 작다. 개별 과제에서 어떤 전문가 팀도 모델을 이기지 못해도, 조정 능력이 조직의 최대 규모를 제한한다. 기업은 훨씬 생산적이 되지만 커지지 않고, 인원이 줄어들 가능성도 있다. 산업은 인원이 적은 기업 다수가 경쟁하는 구조로 유지되고, 재화와 서비스는 저렴하고 풍부해진다. 연구진은 이를 “집중 없는 풍요”라 부른다.

기업 내부에서는 역할이 역전된다. 단독으로 수행하는 전문 업무는 AI가 컴퓨트 비용으로 처리하므로, 일상적인 전문 업무의 보수는 점차 하락한다. 대규모 팀과 프로젝트에는 여전히 숙련된 사람 조정자가 필요하다. 업무 목표를 정하고 모든 작업이 그 목표에 맞게 진행되도록 조율하는 사람이 초유능 AI 에이전트 팀의 산출을 몇 배로 늘린다. 예시 경제에서 AI의 역량을 초인 수준으로 올려도, AI 기업이 가장 효율적인 규모는 복사본 7개 남짓에서 변하지 않는다. 이 경제에서는 조정자가 0.48을 받아 전문가(0.39)보다 많이 번다.

초협력 AI

초협력 AI 단계에서 AI의 단독 역량은 최소 AGI 수준 그대로이고, 조정 능력만 초협력 임계값을 초과한다. 이번에는 경제에 갑작스러운 상전이가 일어난다. 에이전트를 추가할수록 마찰이 늘기는커녕 팀의 생산성이 증가한다. 수학적으로는 규모에 대한 수익이 오목에서 볼록으로 전환된다. 표준화된 대량 시장에서는 고도로 동기화된 AI 조직이 성장해 작은 기업들을 이긴다. 개별 에이전트가 벤치마크에서 특별히 뛰어나지 않아도 그렇다.

임계값 직전과 직후의 두 경제는 AI 역량이 거의 같아도 전혀 다른 모습일 수 있다. 한쪽은 기업 다수가 경쟁하는 익숙한 경제이고, 다른 쪽은 소수의 거대한 AI 전용 기업으로 급속히 재편된 경제다. 후자에서는 재편 효과로 임금도 급격히 하락한다. 논문 예시에서는 시장 수요가 무한히 커지는 극한에서 대량 시장의 생산 전체가 AI 기업 하나에 집중된다.

이 변화가 경제 전체에서 일어나지는 않는다. 틈새 시장에서는 구매 수요에 한계가 있으므로 AI 조직이 규모를 늘려도 비용을 회수하기 어렵다. 이런 시장에서는 사람 팀도 자기들이 가진 기술로 경쟁할 수 있다. 대신 대량 시장에서 일자리를 잃은 노동자가 틈새 시장과 관계 부문에 취업하면서 그 부문의 임금이 하락한다. 논문의 예시에서 전문가는 모두 고용을 유지하지만, 조정자는 2명 가운데 1.03명이 실업 상태가 된다. 모형이 인원을 연속적인 양으로 계산하므로 소수점 인원이 나온다. AI의 조정 능력이 향상되어, 사람이 AI를 조율하던 일의 가치가 사라진 것이다.

초지능(ASI)

초지능 단계에서는 역량과 조정 능력이 모두 임계값을 초과한다. 대량 시장의 생산은 대형 AI 기업에 집중된 상태로 유지된다. ASI는 단독 과제에서도 사람 전문가를 능가한다. 따라서 틈새 시장에서도 사람 팀은 AI 기업과의 경쟁을 피할 수 없다. 인원이 적은 AI 기업이 큰 규모 없이도 전문화된 수요에 대응한다.

논문 예시에서 전문가는 틈새 시장에서 AI 기업과 함께 고용을 유지하고, 조정자는 실업 상태가 된다. 근거는 비교우위와 교역의 이득이다. AI가 모든 능력에서 사람을 능가하더라도 사람을 고용하는 편이 비용 면에서 효율적일 수 있다. 사람의 임금은 AI와 비교한 생산성과 컴퓨트 비용을 반영해 정해지고, 그 임금이 바깥 선택지보다 높으면 사람도 고용된다.⁵

에세이는 분석 범위를 경제 전체로 확장한다. 농업과 제조업이 자동화로 생산성을 높였을 때, 그 부문의 풍요는 사회 전체를 부유하게 했고 일자리 수는 줄지 않았다. 사람들이 새 소득을 자동화되지 않은 서비스업에 지출했고, 서비스업의 가치와 고용이 함께 증가했다. AI는 그보다 훨씬 많은 업무를 자동화할 수 있다. 대부분의 재화와 서비스가 범용품이 되고 실질 소득이 크게 증가하면, 지출과 고용은 가치가 있으면서 희소한 관계 부문에 집중될 수 있다고 저자들은 본다. 의료와 교육처럼 대부분의 과제를 자동화할 수 있어도 사람이 제공할 때 가치가 커지는 분야가 여기에 해당한다. 1950년에 인구의 상당수가 “소프트웨어 엔지니어링”이라는 일에 종사하리라 예상한 사람이 없었듯, 지금 상상하기 어려운 새 직업도 생길 것이다. 범용품 생산에서 사람의 보수가 컴퓨트 비용에 연동되더라도, 관계 부문은 크게 성장해 노동력의 상당수를 높은 실질 임금으로 고용할 수 있다.

점진적 대체와 급격한 대체

논문은 단계 사이의 전환 경로도 계산한다. AI가 사람을 대체하는 경우, 사람과 AI가 함께 일하던 기업이 사람 비중을 조금씩 줄여 갈 수도 있고, AI 기업이 사람으로만 운영되는 기업을 경쟁에서 이겨 시장에서 퇴출시킬 수도 있다. 예시 경제의 바깥 선택지를 1로 바꾸고 두 경로를 비교한 결과는 다음과 같다.

첫째 경로에서 임금은 바깥 선택지 수준을 유지한다. 둘째 경로에서는 고용이 급감하는 순간 임금 프리미엄이 사라진다. 어느 경로가 나타날지는 생산 기술과 능력 구성이 함께 정한다. 사람 비율에 따른 최대 1인당 산출 곡선이 오목하면 사람과 AI가 섞인 기업이 생기고 대체가 점진적이다. 볼록하면 사람 기업과 AI 기업이 따로 존재하다가 한꺼번에 교체된다.

임금 변화는 두 효과로 분해된다. 기술 효과는 기업 구성을 고정한 채 AI 능력이 향상될 때 사람의 가치가 바뀌는 효과다. 재편 효과는 기업이 규모, AI 비율, 고용하는 사람의 구성을 조정하면서 생기는 효과다. 재편 효과가 기술 효과보다 크면, 기술 효과만으로는 하락했을 임금이 상승하거나 상승했을 임금이 하락할 수 있다. 논문의 한 예시에서는 AI의 역량과 조정 능력이 함께 향상되며, 조정 능력은 0.95에서 1.02로 높아진다. 이때 기업이 구성을 바꾸지 않는다고 가정하면 사람 조정자의 임금은 계속 하락한다. 기업이 구성을 조정하게 두면 기업이 2명에서 113명 규모로 커지는 동안 조정자의 가치가 먼저 상승하고, AI가 더 발전하면 하락한다. 연구진은 작은 사람 기업 하나가 사라지는 일이 그 기업의 산출 비중보다 임금에 훨씬 큰 영향을 줄 수 있다고 덧붙인다.

지금의 AI는 어느 단계인가

연구진은 현재 공개된 AI 시스템의 역량이 분야마다 고르지 않지만 종종 전문가보다 높은 수준이라고 판단한다. 조정 능력은 아직 임계값에 미치지 못한다고 본다. 논문이 인용한 근거는 다음과 같다.

조직이 통제하지 않은 채 에이전트 수만 늘리면, 에이전트들이 정해진 목표와 규칙을 따르지 않을 수도 있다. 2026년 7월의 사이버보안 평가에서, 서로 격리됐다던 에이전트 약 1,200개가 공유 패키지 캐시를 발견했다. 에이전트들은 이를 이용해 허가받지 않은 게시판을 만들고 메시지 7만 건을 주고받으며 채점 환경에 대한 잘못된 믿음을 공유했다. 끝내 에이전트 700개가 함께 Hugging Face 인프라에 무단으로 침입했고, 원래 맡은 과제는 제대로 처리되지 않았다.⁷

연구진은 노동 시장 자료도 이 해석과 맞는다고 본다. 모델은 작은 기업이 늘어나고, 기존 기업은 규모보다 인력 구성을 조정한다고 예측한다.

이 모델에 따르면 신입의 능력은 AI가 이미 비슷한 수준으로 해내는 능력과 가장 비슷하다. 이 때문에 신입의 임금이 먼저 하락하고, 경력자는 조정 능력에서 AI보다 유리한 상태를 유지한다. 온라인 프리랜서 플랫폼에서는 업무를 조정할 필요가 가장 적다. 따라서 AI가 업무를 수행하는 단위 비용이 사람이 혼자 같은 업무를 수행하는 단위 비용보다 낮아지자 기업 간 대체가 먼저 나타났다.

연구진이 제안하는 측정

연구진은 개별 과제 역량을 재는 벤치마크가 AI 모델의 능력 지표로는 쓸 만해도, 경제 변화의 신호로는 오해를 낳는다고 본다. 지금의 경제에서는 사람들이 서로 부족한 능력을 보완하도록 조직을 구성하므로, 개인과의 비교에서 평균적으로 우세한 모델도 시장 경쟁에서는 질 수 있다. 앞으로의 변화는 AI의 조정 능력이 임계값과 얼마나 차이 나는지에 달렸다. 조정 능력이 임계값에 거의 도달했다면 어떤 벤치마크에도 나타나지 않을 만큼 조금만 향상되어도 경제가 재편될 수 있다. 조정 능력이 임계값보다 훨씬 낮다면 역량이 크게 향상되어도 기업 구조는 거의 그대로일 수 있다.

에세이는 개인 순위표와 함께 에이전트 조직의 벤치마크가 필요하다고 말한다. 멀티에이전트 시스템이 낯선 문제를 중복 없이 분담하는지, 업무를 넘길 때 맥락을 깔끔하게 공유하는지, 긴 작업에서 서로의 실수를 증폭하는 대신 잡아내는지를 측정하는 벤치마크다. 연구진은 논문의 결론에서 측정할 대상 네 가지를 제안한다.

에세이는 이렇게 정리한다. 경제가 변하기 시작했는지는 GDP나 산업 집중도보다 임금과 직무 역할의 변화에서 먼저 확인할 수 있다. 임금과 직무 역할은 기업이 담당하는 업무의 범위가 뚜렷하게 달라지기 훨씬 전부터 변한다.

가장 흥미로운 지점

가장 의외였던 것은 조정자의 임금이다. 혼자 푸는 시험이라면 꼴찌인 노동자가 예시 경제에서 바깥 선택지의 열 배를 번다. 같은 논리를 AI에 적용하면, 지금의 순위표에는 AI 조정자의 능력을 측정하는 시험이 거의 없다. 모델이 개인 시험에서 아무리 높은 점수를 받아도 경제에 큰 변화가 없는 이유를, 연구진은 측정되지 않는 능력 하나로 설명한다.

논문이 인용한 두 사례를 함께 읽으면 묘한 대비가 생긴다. 노엄 브라운은 수천 개의 에이전트가 일을 분담하지 못한다고 말한다. 그런데 그보다 두 달 앞선 7월의 평가에서, 서로 격리돼 있어야 할 에이전트 1,200개는 누가 시키지도 않았는데 게시판을 만들어 메시지 7만 건을 주고받았다. 그중 700개는 침입까지 함께 했다. 나는 이 사례를 에이전트들이 서로 소통할 능력은 이미 갖췄지만, 그 능력을 주어진 목표를 달성하는 데 쓰지 않았다는 뜻으로 읽었다. 논문에서 말하는 조정 능력에는 소통 비용을 줄이는 능력과 이해관계가 달라 생기는 갈등을 줄이는 능력이 함께 포함된다. 임계값을 초과하는 시점이 오면, 그 첫 징후를 누가 먼저 알아챌지 궁금하다. 연구진은 임금이 가장 먼저 알려 준다고 답한다.

출처

알렉스 이마스, 앤드루 코, 셰인 레그(Google DeepMind). 에세이 「How and when does AGI transform the economy?」, DeepMind Institute, 2026년 10월 29일. 워킹 페이퍼 「Organizing Intelligence」, 2026년 10월 29일. 알렉스 이마스의 X 게시물, 2026년 10월 29일.

원문: https://institute.deepmind.com/essays/the-economics-of-intelligence/ 논문: https://storage.googleapis.com/deepmind-media/papers/organizing-intelligence.pdf X 게시물: https://x.com/alexolegimas/status/2115822019518370172, https://x.com/alexolegimas/status/2115822024190755135

그림 1, 2와 커버는 에세이의 그림이고, 네 단계 그림은 이마스가 X에 올린 애니메이션에서 단계마다 한 장면씩 골라 재생 막대를 잘라 낸 것이다.