[시드니=뉴스핌] 권지언 특파원 = 인공지능(AI)이 금융·실물경제 전반에 불러올 디스토피아적 미래를 다룬 보고서 한 편이 23일(현지시각) 뉴욕증시를 타격했다.
AI 분석업체 시트리니 리서치가 공개한 '2028 글로벌 인텔리전스 위기(The 2028 Global Intelligence Crisis)' 보고서는 이날 뉴욕증시의 배송·결제·소프트웨어주 전반에 부정적 영향을 미쳤다.
아래는 해당 보고서의 AI 번역문이다.
*①편에서 이어집니다.
◆ 마찰이 0이 되었을 때 (When Friction Went to Zero)
2027년 초, LLM(대형 언어 모델) 사용이 기본(default)이 되었다. 사람들은 AI 에이전트가 무엇인지 몰라도 AI 에이전트를 사용했다.
이는 과거 사람들이 "클라우드 컴퓨팅"을 몰라도 스트리밍 서비스를 이용했던 것과 같았다. 그들은 자동완성(autocomplete)이나 맞춤법 검사(spell-check)처럼 생각했다. 즉, 이제는 단말기(phone)가 그냥 해주는 기능이었다.
Qwen의 오픈소스 에이전트 기반 쇼퍼(agentic shopper)가 소비자 의사결정에 AI가 개입하도록 촉발했다. 몇 주 안에, 주요 AI 어시스턴트는 모두 일부 에이전트 상거래(agentic commerce) 기능을 통합했다.
증류(distilled) 모델 덕분에, 이 에이전트들은 클라우드뿐 아니라 휴대폰과 노트북에서도 실행될 수 있었고, 추론(inference) 한계 비용이 크게 줄었다.
투자자들을 더 불안하게 만들었어야 했던 부분은, 이 에이전트들이 요청을 기다리지 않는다는 점이었다.
사용자 선호도에 따라 백그라운드에서 작동했다.
상거래는 이제 인간의 단일 결정 연속이 아니라, 연결된 모든 소비자를 위해 24시간 최적화되는 연속적 과정이 되었다.
2027년 3월까지, 미국 개인 평균 토큰 사용량은 하루 40만 토큰으로, 2026년 말 대비 10배 증가했다.
체인의 다음 고리가 이미 붕괴되고 있었다.
중개(intermediation)
지난 50년 동안 미국 경제는 인간의 한계를 기반으로 거대한 "렌트 추출층(rent-extraction layer)"을 구축했다.
시간이 걸리고, 인내심이 바닥나고, 브랜드 친숙도가 주의를 대신하며, 대부분 사람들은 더 많은 클릭을 피하기 위해 나쁜 가격을 받아들이는 데 기꺼이 동의한다.
수조 달러 규모의 기업 가치가 이러한 제약이 지속된다는 전제 위에 쌓여 있었다.
처음에는 꽤 단순하게 시작되었다.
에이전트가 마찰(friction)을 제거했다. 몇 달 동안 사용하지 않았음에도 자동 갱신되는 구독과 멤버십. 체험 기간이 끝난 후 몰래 두 배로 오르는 입문 가격.
각각은 인질 상황(hostage situation)처럼 재브랜딩되어 에이전트가 협상할 수 있는 대상으로 변했다. 전체 구독 경제가 구축된 기준인 평균 고객 생애 가치(Customer Lifetime Value)는 뚜렷하게 하락했다.
소비자 에이전트는 거의 모든 소비자 거래 방식에 변화를 가져오기 시작했다.
인간은 단백질 바 한 상자를 사기 전에 다섯 개 경쟁 플랫폼의 가격을 일일이 비교할 시간이 없다. 기계는 할 수 있다.
여행 예약 플랫폼은 초기 피해자였다. 가장 단순했기 때문이다.
2026년 4분기까지, 우리의 에이전트는 항공편, 호텔, 육상 교통, 로열티 최적화, 예산 제약, 환불까지 포함한 완전한 여행 일정을 어떤 플랫폼보다 빠르고 저렴하게 조립할 수 있었다.
보험 갱신, 전체 갱신 모델이 보험 가입자의 관성에 의존하던 곳도 개혁되었다. 연간 갱신 시 재비교(re-shop)하는 에이전트는 보험사가 수동 갱신에서 얻던 15~20%의 수익을 해체했다.
재무 자문. 세무 준비. 일상적인 법률 업무. 서비스 제공자의 가치 제안이 궁극적으로 "당신이 지루하게 느끼는 복잡함을 내가 해결해주겠다"였던 모든 영역이 붕괴되었다. 에이전트는 지루함을 느끼지 못했기 때문이다.
인간 관계의 가치 덕분에 안전하다고 생각했던 영역조차 취약함이 드러났다. 부동산의 경우, 수십 년 동안 구매자들은 에이전트와 소비자 간 정보 비대칭 때문에 5~6% 수수료를 감내했지만,
AI 에이전트가 MLS 접근권과 수십 년간 거래 데이터를 갖추고 지식 기반을 즉시 재현할 수 있게 되자 붕괴했다.
2027년 3월에 나온 한 매체는 이를 "에이전트 간 폭력(agent on agent violence)"이라고 표현했다. 대도시의 중간 거래에서 매수측 수수료 중앙값은 2.5~3%에서 1% 이하로 압축되었고, 점점 더 많은 거래가 매수측에 인간 에이전트 없이 성사되었다.
우리는 "인간 관계"의 가치를 과대평가했다. 알고 보니 사람들이 관계라고 부른 것의 상당 부분은 단순히 친근한 얼굴과의 마찰에 불과했다.
이것은 단지 중개층(intermediation layer) 붕괴의 시작에 불과했다. 성공한 기업들은 소비자 행동과 인간 심리의 특이성을 수십억 달러를 들여 활용했지만, 이제 그것은 아무 의미가 없었다.
가격과 적합성을 최적화하는 기계는 당신이 지난 4년간 습관적으로 열어온 앱이나 웹사이트, 잘 설계된 결제 경험의 매력에는 신경 쓰지 않는다. 피곤해져서 가장 쉬운 옵션을 선택하거나 "늘 여기서 주문한다"라는 기본값에 의존하지 않는다.
이는 특정 종류의 방어벽(moat)을 무너뜨렸다. 바로 습관적 중개(habitual intermediation)였다.
DoorDash(DASH US)가 대표 사례였다. 코딩 에이전트는 배달 앱 출시 진입 장벽을 무너뜨렸다. 능숙한 개발자는 몇 주 만에 기능적 경쟁사를 배포할 수 있었고, 수십 개가 실제로 그렇게 했다. 배송료의 90~95%를 기사에게 전달하면서 DoorDash와 Uber Eats에서 드라이버를 유인했다.
멀티 앱 대시보드를 통해 기가워커는 한 번에 20~30개의 플랫폼에서 들어오는 주문을 추적할 수 있었고, 기존 기업들이 의존했던 락인(lock-in)을 제거했다. 시장은 하루아침에 분열했고, 마진은 거의 사라졌다.
에이전트는 붕괴의 양측을 가속화했다. 그들은 경쟁사를 가능하게 했고, 그다음 그들을 이용했다. DoorDash의 방어벽은 문자 그대로 "배고프고, 게으르고, 이 앱이 홈 화면에 있다"였다. 에이전트에는 홈 화면이 없다.
DoorDash, Uber Eats, 음식점 자체 사이트, 20개의 새로운 분위기 기반 대안을 확인해 가장 낮은 수수료와 가장 빠른 배달을 매번 선택한다.
습관적 앱 충성도, 즉 비즈니스 모델의 전체 기반은 기계에게는 존재하지 않았다.
이것은 다소 시적이었다.
이 전체 사가에서, 에이전트가 곧 일자리를 잃을 화이트칼라 노동자들에게 호의를 베푼 거의 유일한 사례였기 때문이다.
그들이 배달 기사로 전환될 때, 수입의 적어도 절반은 Uber와 DoorDash로 가지 않았다.
물론, 기술의 이 호의도 자율주행차가 확산되면서 오래가지 않았다.
에이전트가 거래를 장악하면, 더 큰 이익을 찾아 나섰다.
가격 비교와 집계에는 한계가 있었다. 사용자에게 반복적으로 돈을 절약시킬 수 있는 가장 큰 방법(특히 에이전트가 서로 거래를 시작했을 때)은 수수료를 제거하는 것이었다. 기계 간 거래(machine-to-machine commerce)에서는 2~3% 카드 결제 수수료가 명백한 타깃이 되었다.
에이전트는 카드보다 더 빠르고 저렴한 옵션을 찾았다. 대부분은 Solana나 Ethereum L2를 통한 스테이블코인을 사용하기로 결정했다. 거래는 거의 즉시 완료되고, 비용은 1센트 미만이었다.
MASTERCARD 2027년 1분기: 순매출 +6% Y/Y; 구매량 성장률 전분기 +5.9%에서 +3.4% Y/Y로 둔화; 경영진 언급: "에이전트 주도 가격 최적화" 및 "재량적 카테고리 압박" (블룸버그, 2027년 4월 29일)
마스터카드 2027년 1분기 보고서는 반환점(point of no return)이었다.
에이전트 상거래(agentic commerce)는 제품 스토리(product story)에서 플러밍(plumbing) 스토리로 변모했다.
MA 주가는 다음날 9% 하락했다.
비자도 하락했지만, 스테이블코인 인프라에서의 강력한 포지셔닝이 분석가들에게 지적되면서 손실을 줄였다.
에이전트 상거래가 결제 수수료(interchange)를 우회하는 것은,
그 2~3% 수수료의 대부분을 수집하고, 상인 보조금으로 자금을 조달한 보상 프로그램을 중심으로 사업 구조를 구축한 카드 중심 은행 및 단일 상품 발행사(monoline issuers)에 훨씬 더 큰 리스크를 제기했다.
아메리칸 익스프레스(AXP US)가 가장 큰 타격을 입었다. 화이트칼라 노동력 감소로 고객 기반이 줄어든 데다, 에이전트가 결제 수수료를 우회하면서 수익 모델이 붕괴했기 때문이다.
Synchrony(SYF US), Capital One(COF US), Discover(DFS US)도 이후 몇 주 동안 10% 이상 하락했다.
그들의 방어벽(moat)은 마찰(friction)으로 만들어졌다. 그리고 마찰은 0으로 수렴하고 있었다.
◆섹터 리스크에서 시스템 리스크로 (From Sector Risk to Systemic Risk)
2026년 내내 시장은 AI의 부정적 영향을 하나의 "섹터 이야기"로 취급했다. 소프트웨어와 컨설팅은 큰 타격을 입고 있었고, 결제 및 기타 통행료형 비즈니스들은 흔들리고 있었지만, 더 넓은 경제는 괜찮아 보였다.
노동시장은 약화되고는 있었지만 자유낙하 상태는 아니었다. 지배적인 견해는 창조적 파괴가 모든 기술 혁신 사이클의 일부라는 것이었다. 일부 영역에서는 고통스럽겠지만, AI가 가져올 전반적인 순효과는 어떤 부정적 영향보다 클 것이라는 판단이었다.
우리의 2027년 1월 매크로 메모는 이것이 잘못된 사고모형이라고 주장했다. 미국 경제는 화이트칼라 서비스 경제다.
화이트칼라 노동자는 고용의 50%를 차지했고, 재량적 소비 지출의 약 75%를 주도했다. AI가 잠식하고 있던 기업과 일자리는 미국 경제에 부수적인 존재가 아니라, 바로 미국 경제 그 자체였다.
"기술 혁신은 일자리를 파괴한 뒤 더 많은 일자리를 만든다." 이것은 당시 가장 대중적이고 설득력 있는 반론이었다.
그것이 대중적이고 설득력 있었던 이유는 지난 두 세기 동안 실제로 맞는 말이었기 때문이다. 우리가 미래의 일자리가 무엇일지 상상할 수 없더라도, 그것들은 분명 등장할 것이라는 믿음이었다.
ATM은 지점 운영 비용을 낮췄고, 그 결과 은행들은 더 많은 지점을 열었으며 창구 직원 고용은 이후 20년 동안 증가했다.
인터넷은 여행사, 옐로 페이지, 오프라인 소매를 붕괴시켰지만, 그 자리에 완전히 새로운 산업들을 만들어냈고 새로운 일자리를 창출했다.
그러나 모든 새로운 일자리는 여전히 그것을 수행할 인간을 필요로 했다. AI는 이제 인간이 재배치될 바로 그 업무들에서 스스로 개선되는 범용 지능이 되었다. 일자리를 잃은 개발자들이 단순히 "AI 관리"로 이동할 수는 없다. AI가 이미 그 일을 수행할 수 있기 때문이다.
오늘날 AI 에이전트들은 몇 주가 걸리던 연구개발 업무를 처리한다. 지수적 발전은 무엇이 가능한지에 대한 우리의 개념을 압도해 버렸고, 매년 와튼 교수들이 데이터를 새로운 S자 곡선에 맞추려 애썼음에도 그 속도를 따라잡지 못했다.
AI는 사실상 모든 코드를 작성한다. 가장 성능이 뛰어난 시스템들은 거의 모든 인간보다 거의 모든 영역에서 훨씬 더 똑똑하다. 그리고 그것들은 계속 더 저렴해지고 있다. AI는 새로운 일자리를 만들어내긴 했다. 프롬프트 엔지니어. AI 안전 연구원. 인프라 기술자.
인간은 여전히 루프 안에 있으며, 최고 수준에서 조정하거나 미적 판단을 내리는 역할을 맡는다. 그러나 AI가 만들어낸 새로운 역할 하나마다, 수십 개의 기존 역할이 쓸모없어졌다. 새로운 역할의 임금은 과거 일자리의 임금의 일부에 불과했다.
미국 JOLTS: 구인 건수 550만 건 아래로 하락; 실업자 대비 구인 비율 약 1.7로 상승, 2020년 8월 이후 최고
채용률은 연중 내내 부진했지만, 2026년 10월 JOLTS 발표는 몇 가지 결정적인 데이터를 제공했다.
구인 건수는 550만 건 아래로 떨어졌고, 이는 전년 대비 15% 감소였다.
인디드: "생산성 이니셔티브" 확산 속 소프트웨어·금융·컨설팅 채용 공고 급감
화이트칼라 채용 공고는 붕괴하고 있었던 반면 블루칼라 채용 공고는 비교적 안정적이었다(건설, 헬스케어, 기술직).
이직과 구조조정은 메모를 작성하고(우리는 어찌된 일인지 여전히 일하고 있다), 예산을 승인하며, 경제의 중간 층을 윤활하는 역할을 하던 일자리들에서 발생했다.
그러나 두 집단 모두에서 실질 임금 상승률은 그해 대부분 기간 동안 마이너스였고 계속 하락했다.
주식시장은 여전히 JOLTS보다 GE 버노바의 터빈 생산 능력이 2040년까지 완판되었다는 뉴스에 더 관심을 가졌고,
부정적 거시 뉴스와 긍정적 AI 인프라 헤드라인 사이에서 줄다리기를 하며 횡보했다.
반면 채권시장은(항상 주식보다 더 영리하거나, 적어도 덜 낭만적이다) 소비 타격을 가격에 반영하기 시작했다.
10년물 금리는 이후 4개월 동안 4.3%에서 3.2%로 하락하기 시작했다. 그럼에도 헤드라인 실업률은 급등하지 않았고, 구성상의 미묘한 변화는 여전히 일부에게 간과되고 있었다.
일반적인 경기침체에서는 원인이 결국 스스로 교정된다. 과잉 건설은 건설 둔화를 낳고, 이는 금리 하락으로 이어지며, 다시 새로운 건설을 촉진한다. 재고 과잉은 디스톡킹으로 이어지고, 이는 다시 재고 확충으로 이어진다. 경기순환 메커니즘은 그 안에 자체적인 회복의 씨앗을 포함하고 있다.
그러나 이번 사이클의 원인은 경기순환적이지 않았다.
AI는 더 좋아지고 더 저렴해졌다. 기업들은 노동자를 해고했고, 절감된 비용으로 더 많은 AI 역량을 구매했으며, 그로 인해 더 많은 노동자를 해고할 수 있었다. 일자리를 잃은 노동자들은 소비를 줄였다. 소비자에게 물건을 파는 기업들은 판매가 감소했고, 약화됐으며, 마진 방어를 위해 더 많은 AI에 투자했다.
AI는 더 좋아지고 더 저렴해졌다. 자연적 제동 장치가 없는 피드백 루프였다. 직관적인 예상은 총수요 하락이 AI 구축 속도를 늦출 것이라는 것이었다. 그러나 그렇지 않았다. 이것은 하이퍼스케일러식 자본지출(CapEx)이 아니라 운영비(OpEx) 대체였기 때문이다.
연간 1억 달러를 직원에게, 500만 달러를 AI에 쓰던 기업이 이제는 직원에 7000만 달러, AI에 2000만 달러를 쓰게 된 것이다. AI 투자는 몇 배로 증가했지만, 그것은 총 운영비 감소의 형태로 발생했다. 모든 기업의 AI 예산은 증가했지만 전체 지출은 축소됐다.
이 상황의 아이러니는, 경제를 교란시키고 있던 AI 인프라 복합체는 경제가 악화되는 와중에도 계속 좋은 성과를 냈다는 점이었다.
AI 반도체 기업은 여전히 기록적인 매출을 올리고 있었다. 파운드리는 여전히 95% 이상의 가동률을 유지했다.
하이퍼스케일러들은 여전히 분기마다 1500억~2000억 달러를 데이터센터 설비투자에 쓰고 있었다. 이 추세에 순수하게 볼록하게(convex) 노출된 경제들, 예컨대 대만과 한국은 압도적으로 초과 성과를 냈다.
인도는 그 반대였다. 인도의 IT 서비스 산업은 연간 2000억 달러 이상을 수출했고, 이는 인도 경상수지 흑자의 최대 기여원이자 만성적인 상품 무역 적자를 보전하는 장치였다. 전체 모델은 단 하나의 가치 제안 위에 세워져 있었다. 인도 개발자는 미국 개발자보다 훨씬 저렴하다는 점이었다.
그러나 AI 코딩 에이전트의 한계비용은 사실상 전기요금 수준으로 붕괴했다. TCS, 인포시스, 위프로는 2027년 내내 계약 취소가 가속되는 것을 경험했다. 루피화는 인도의 대외수지를 지탱하던 서비스 흑자가 증발하면서 4개월 만에 달러 대비 18% 하락했다. 2028년 1분기까지 IMF는 뉴델리와 "예비 협의"를 시작했다.
이 혼란을 일으킨 엔진은 매 분기 더 좋아졌고, 그것은 혼란이 매 분기 더 가속됐음을 의미했다. 노동시장에는 자연적인 바닥이 존재하지 않았다.
미국에서는 더 이상 AI 인프라 버블이 어떻게 붕괴할지를 묻지 않았다. 우리는 이제 소비자가 기계로 대체되고 있을 때,
소비자 신용 기반 경제에 어떤 일이 일어나는지를 묻고 있었다.
◆지능 대체의 나선
2027년은 거시경제 이야기가 더 이상 미묘하지 않게 된 해였습니다. 이전 12개월 동안 일어난 불연속적이지만 명백히 부정적인 사건들의 전달 메커니즘이 분명해졌습니다. 미국 노동통계국(BLS) 데이터를 들여다볼 필요도 없었습니다. 단지 친구들과 저녁 식사 자리에 참석해 보면 알 수 있었습니다.
대체된 화이트칼라 노동자들은 가만히 앉아 있지 않았습니다. 그들은 다운시프트(downshift)했습니다. 많은 사람들이 낮은 임금의 서비스업이나 긱 경제 직종으로 옮겨갔고, 이는 해당 분야의 노동 공급을 늘리고 임금 역시 압박했습니다.
2025년 Salesforce에서 시니어 프로덕트 매니저였던 친구가 있습니다. 직함, 건강보험, 401(k), 연봉 $180,000. 그녀는 세 번째 해고 라운드에서 직장을 잃었습니다. 6개월간의 구직 후, 그녀는 Uber 드라이버로 일하기 시작했습니다.
연봉은 $45,000으로 떨어졌습니다. 중요한 것은 개인의 이야기 자체가 아니라 2차 효과의 수학적 의미입니다. 이 역학을 주요 대도시의 수십만 명 노동자에게 곱해보세요. 과잉 자격을 가진 노동자들이 이미 고군분투하던 서비스·긱 경제 임금을 하락시키며, 산업 특화된 혼란이 경제 전반의 임금 압박으로 확산되었습니다.
남아 있는 인간 중심 노동력 풀(pool)에도 추가 조정이 남아 있었습니다. 이는 지금 이 글을 쓰는 동안에도 진행 중입니다. 자율 배송과 자율주행 차량이 첫 번째 물결의 대체 노동자를 흡수한 긱 경제에 스며들면서 일어나는 변화입니다.
2027년 2월이 되자, 여전히 고용된 전문직 근로자들이 "다음은 나일지도 모른다"라는 생각으로 지출을 조절하는 것이 분명해졌습니다. 승진이나 임금 인상에 대한 기대는 사라졌고, 사람들은 해고되지 않기 위해 (주로 AI의 도움으로) 두 배로 열심히 일했습니다. 저축률은 상승하고 소비는 둔화했습니다.
가장 위험한 부분은 시간 지연(lag)이었습니다. 고소득층은 평균보다 높은 저축액으로 2~3분기 동안 정상적인 소비 모습을 유지했습니다. 그러나 실제 경제에서는 이미 그 문제가 오래된 뉴스가 되었을 때, 공식 데이터가 이를 확인했습니다. 그리고 그 착각을 깨는 데이터가 나왔습니다.
미국 신규 실업수당 청구, 487,000건으로 급증 – 2020년 4월 이후 최고 | 노동부, 2027년 3분기
신규 청구 건수는 487,000건으로 급증했으며, 2020년 4월 이후 최고 수준이었습니다. ADP와 Equifax 자료는 새로운 청구 대부분이 화이트칼라 전문가임을 확인했습니다.
그 다음 주, S&P 지수는 6% 하락했습니다. 부정적 거시 지표가 우위를 점하기 시작했습니다.
일반적인 경기침체에서는, 실업은 넓게 분포합니다. 블루칼라와 화이트칼라 근로자가 각자의 고용 점유율에 비례해 고통을 나눕니다. 소비 충격도 넓게 분포하며, 저소득층은 한계 소비성향(marginal propensity to consume)이 높기 때문에 데이터에 빠르게 나타납니다.
하지만 이번 사이클에서는 실업이 소득 상위 계층에 집중되었습니다. 전체 고용에서 상대적으로 작은 비중이지만, 소비 지출에서는 불균형적으로 큰 비중을 차지합니다. 미국 소비 지출의 상위 10%가 50% 이상, 상위 20%가 약 65%를 차지합니다. 이들은 주택, 자동차, 휴가, 외식, 사립학교 수업료, 집 수리 등 모든 소비재 경제의 핵심 수요층입니다.
이들이 직장을 잃거나 가용한 직종으로 이동하면서 50% 임금 삭감을 겪었을 때, 소비 충격은 실제 실업 규모에 비해 엄청났습니다. 화이트칼라 실업률 2% 감소가 소비재 지출에는 3~4% 충격으로 이어졌습니다. 블루칼라 실업은 즉각적 영향을 주지만, 화이트칼라 실업은 저축 버퍼 덕분에 몇 달간 소비를 유지할 수 있어, 변화가 늦게 나타나지만 깊은 충격을 줍니다.
2027년 2분기에는 경제가 이미 침체에 진입했습니다. NBER가 공식적으로 경기침체 시작을 기록하는 데는 몇 달이 걸리지만(늘 그렇듯), 데이터는 명확했습니다. 2분기 연속 실질 GDP 성장률 마이너스. 그러나 아직 "금융 위기"는 아니었습니다.
kwonjiun@newspim.com
