━ [이준기의 빅데이터] AI와 생산성 함수 필자는 지난 두 달간 지면을 통해 지금의 인공지능(AI) 반도체·데이터센터 투자가 앞으로 최소 2년은 이어질 것이란 이야기를 해왔다. 가장 확실한 근거는 ‘토큰 이코노미’ 시대가 열리며 기업들이 실제로 AI를 쓰기 시작했다는 。이었다. 또한 중국이 값싼 토큰 공급과 오픈웨이트라는 무기로 시장을 흔들고 있다는 .도 짚었다. 이번엔 각도를 바꿔 ‘AI와 생산성’이라는 질문을 다뤄보려 한다. 사실 이 질문은 앞선 이야기와 이어져 있다. 당분간은 기업들이 토큰을 더 쓰면서 더 많은 투자가 몰려올 것이다. 그러나 지금 시장이 주로 주목하는 것은 칩과 데이터센터, 자금 조달 등 AI 가치사슬의 앞단이다. 더 본질적인 질문은 그 뒷단, 즉 사용자에게 있다. 기업과 개인이 AI를 사용해 실제로 시간과 비용을 줄이고 더 나은 성과를 내는지, 다시 말해 AI가 사용자에게 실질적인 효능을 만들어내는지를 봐야 한다. 그 효능이 생산성으로 연결되지 않는다면 ‘칩·데이터센터 투자→토큰 사용량 폭증→생산성 향상’이라는 선순환은 완성되지 못하고 거품은 꺼지게 된다. 필자가 지금의 AI 투자가 적어도 앞으로 2년 정도는 이어질 가능성이 높지만 그 이후는 장담하기 어렵다고 보는 이유도 여기에 있다. 생산성 통계가 이 선순환을 뒷받침해준다면 투자는 계속될 근거를 얻겠지만, 그렇지 않다면 지금의 열기는 숫자 없는 믿음으로 끝날 위험이 있다. 생산성은 경제의 장기적인 생활 수준을 설명하는 가장 중요한 지표 중 하나다. 결국 한 나라의 실질임금이 오르고 경제가 지속적으로 성장하는 힘은 사람이나 자본을 계속 더 투입하는 것만으로는 충분하지 않으며, 같은 투입으로 더 많은 것을 만들어내는 생산성 향상에서 나오기 때문이다. 생산성 뒷받침 안되면 AI 투자 꺾여 미국 테네시주 멤피스에 위치한 스페이스X의 초대형 AI 데이터센터 ‘콜로서스 1’. [중앙포토] 일단 AI 장비·소프트웨어·시설에 대한 지출은 상당 부분 국내총생산(GDP)의 투자 항목에 반영된다. 그러나 생산성은 투입 대비 산출의 비율이다. 같은 투입으로 더 많은 부가가치를 만들어내야 생산성이 올라간다. 경제학에는 오래전부터 ‘수확체감의 법칙’이 알려져 있다 야마토릴게임추천 . 예컨대 논의 면적과 다른 조건이 고정된 상태에서 경운기와 인력을 계속 늘리면 총수확량은 늘 수 있지만, 추가로 투입한 경운기와 인력이 더해주는 수확량은 어느 순간부터 줄어든다. 이것이 수확체감이다. 산업혁명 이후 약 200년 동안 인류의 생산성을 끌어올린 것은 기계와 자본의 단순한 축적만이 아니었다. 새로운 기술과 생산방식, 즉 ‘아이디어’가 기계와 자본을 더 효과적으로 활용할 수 있게 했다. 단순한 자본과 노동 투입이 지속적 생산성 향상으로 이어지지 않는다는 것을 처음 이론화한 학자 중 한 명은 로버트 솔로 교수다. 1987년 노벨 경제학상을 받은 솔로 교수는 성장회계를 통해 경제성장의 상당 부분이 측정된 자본과 노동의 증가만으로는 설명되지 않는다는 .을 보여줬다. 이 설명되지 않는 부분은 훗날 ‘솔로 잔차’라고 불렸다. 솔로는 1987년 “컴퓨터 시대는 어디에서나 보이지만 생산성 통계에서는 보이지 않는다”고 지적했다. 이 발언에서 훗날 ‘IT 생산성 역설’이라는 이름이 나왔다. 즉 컴퓨터의 확산과 성능 향상이 곧바로 생산성 통계에 나타나지는 않는다는 것이다. 지금으로 적용하면 AI의 투자와 확산, 성능 향상이 바로 생산성 증가로 이어지지 않는다는 말이다. 그럼 그 잔차에는 무엇이 들어 있을까? 폴 로머 교수는 2018년 노벨 경제학상을 수상한 ‘내생적 성장이론’을 통해 성장을 이끄는 진짜 동력은 자본이나 기계 같은 단순한 투입물(Things)의 양을 늘리는 것이 아니라, 이를 새롭게 조합하고 다르게 배열하는 ‘아이디어(Recipes)’임을 보였다. 즉, 기술에 대한 ‘투자’ 그 자체보다 그 기술을 통한 아이디어 혁신이 생산성을 결정한다는 뜻이다. 사실 경제학 이론들은 정교한 수학과 데이터로 다듬어져 있지만, 조금만 뜯어보면 우리가 이미 경험으로 알고 있는 이야기이기도 하다. 여기서 말하는 아이디어란 눈에 보이는 기계나 알고리즘 자체가 아니라, 그것을 현장에서 효과적으로 써먹는 ‘새로운 실행 방법’에 관한 것이다. 모바일 야마토게임 아무리 뛰어난 기술이나 AI 모델이 등장하더라도, 이를 실제 가치로 바꿔내는 ‘실행의 아이디어’가 부재하다면 생산성 향상으로 이어지지 않는다. 그런데 기업이나 국가 입장에서 새로운 아이디어를 실행에 옮긴다는 것은 대부분 기존의 관행과 제도, 시스템과 부딪히는 일이다. 따라서 새 기술로 생산성을 끌어올리는 데 필요한 중요한 능력 중 하나는 새로운 생각을 실행하면서 기존 시스템을 함께 바꾸어나가는 힘이다. 예를 들어 1980년대 PC와 비교하면 지금 내 방에 있는 PC의 연산 능력은 거의 1억 배 좋아졌다. 하지만 이것이 내 연구 생산성을 그만큼 끌어올려 주지는 못했다. 이 놀라운 컴퓨팅 파워를 활용해 연구 방식 자체를 바꾸는 아이디어를 내가 충분히 갖추지 못했기 때문이다. 원격의료와 AI 영상 진단 기술도 비슷하다. 환자의 상태를 실시간으로 모니터링하고 진단 정확도를 극대화하는 기술은 이미 충분히 성숙해졌지만, 국내외를 막론하고 기존 의료법 체계, 건강보험 수가 적용, 책임 소재 규정, 기존 의료계와의 이해관계 조정이라는 제도적 벽에 막혀 실제 진료 현장의 생산성 향상으로 연결되기까지 오랜 시간이 걸리고 있다. 기술만큼 중요한 현장 활용 아이디어 디지털 기술과 생산성 연구에서 가장 중요한 학자 중 한 명은 지금 스탠퍼드대 교수로 있는 에릭 브린욜프슨이다. 그는 오랫동안 디지털 기술과 생산성의 관계를 파고들었다. 폴 로머 교수가 거시경제학적 시선에서 성장의 동력을 ‘자원을 재배치하는 새로운 아이디어(레시피)’에서 찾았다면, 경영학의 시선에서 기업 현장에 적용되는 이 아이디어를 구체화한 인물이 브린욜프슨 교수다. 기업이 AI 같은 신기술을 도입한 뒤 이를 실질적 생산성으로 바꾸려면, 기술을 조직에 맞게 녹여내는 또 다른 ‘실행의 아이디어’가 필요하다. 브린욜프슨 교수는 IT 기술과 결합해 실제 가치를 만들어내는 이 눈에 보이지 않는 요소들을 ‘보완적 조직자산’ 또는 ‘조직자본’으로 설명했다. 그는 기업이 기술 자본에 투자하는 것 못지않게, 이를 써먹기 위한 무형의 조직자산에도 투자해야 한다고 보았다. 구체적으로는 업무 프로세스 재설계, 직원 교육, 권한 위임과 의사결정의 분권화, 성과 평가와 보상 체계 개편, 직무와 조직 구조 재편 같은 투자가 여기에 해당한다. 모바일 릴게임바다이야기상어 브린욜프슨 교수 등의 연구는 성공적으로 설치된 컴퓨터 자본 1달러가 10달러가 넘는 기업가치 증가와 연관돼 있음을 보여줬다. 연구진은 그 차이의 상당 부분을 조직 재설계, 직원 교육, 업무 프로세스 같은 무형의 조직자산과 연결해 해석했다. 최근 AI 투자에서는 여기에 데이터 품질과 거버넌스 확립, AI·데이터 전문 인력의 교육과 양성 같은 항목까지 더해지고 있다. 최근 통계를 보면 이 숙제가 얼마나 만만치 않은지 드러난다. 2025년 MIT 미디어랩의 NANDA 프로젝트가 공개한 예비 보고서는 300건이 넘는 공개 AI 도입 사례와 52개 조직 관계자 인터뷰, 153명 경영진 설문을 바탕으로 기업의 생성형 AI 투자 성과를 분석했다. 보고서는 기업의 생성형 AI 투자가 300억~400억 달러 규모에 이르렀지만, 통합형 AI 파일럿 가운데 뚜렷한 손익 효과를 낸 비율은 약 5%라고 추정했다. 보고서의 기준에서는 나머지 대부분이 측정 가능한 손익 효과를 보여주지 못했다. 다만 이 수치는 공식 기업공시가 아니라 인터뷰와 공개 자료를 토대로 한 추정이며, 성공의 정의도 조직마다 다를 수 있다는 한계가 있다. 그럼에도 많은 기업의 AI 프로젝트와 개념검증(POC)이 반복적인 실험 단계에 머물고 조직 전체로 확산되지 못한다는 문제는 분명하다. 앞서 말했듯 내 방의 PC는 1980년대 PC보다 연산 능력이 거의 1억 배 좋아졌지만, 내 연구 생산성이 그만큼 높아진 것은 아니다. AI도 마찬가지다. 기술 투자나 모델의 성능이 아무리 빠르게 늘어나도, 그것을 현장에서 써먹는 새로운 업무 방식과 ‘실행의 아이디어’가 따라가지 못하면 사용자가 체감하는 효능과 기업의 생산성은 오르지 않는다. 따라서 반도체와 데이터센터라는 하드웨어 투자뿐 아니라 기업의 프로세스와 사람, 제도를 다시 설계하는 ‘실행의 레시피’를 만드는 데에도 돈과 시간을 써야 한다. 결국 AI 버블이 터지느냐 마느냐를 가르는 것은 AI 기술 자체의 혁신 못지않게, 그 기술을 조직에 녹여낼 우리의 ‘아이디어와 실행력’일 것이다. 이준기 연세대 정보대학원 교수. 서울대 계산통계학과 졸업 후, 카네기멜론대 사회심리학 석사, 남가주대 경영학 박사를 받았다. 인공지능의 기업 활용에 대해 여러 회사에 자문을 하고 있다. 저서로는 『AI로 경영하라』 『오픈 콜라보레이션』 『웹 2.0과 비즈니스 전략』 등이 있다. 가 적용, 책임 소