AI 붐은 왜 다른 거품과 다른가

Washington Post는 2026년 9월 7일 Google News를 통해 AI 거품에 관한 보다 날카로운 주장을 제기하며, 투자자들이 철도와 전기에 흔히 빗대는 안도감 섞인 유사성을 반박했다. 금융 칼럼니스트 Matthew Lynn은 오늘날의 인프라 확충이 세 가지 핵심 측면, 즉 지리적 집중도, 이례적인 속도, 숙련 일자리에 미칠 잠재적 영향에서 다르다고 주장한다.

이러한 관점이 중요한 이유는 익숙한 역사적 비유가 대체로 낙관적인 결말을 전제하기 때문이다. 철도, 전력망, 인터넷은 과도한 투자를 끌어들여 자본을 파괴했지만, 결국 사회에 가치 있는 인프라를 남겼다. Lynn의 칼럼은 한 국가와 소수 기업이 위험 노출의 상당 부분을 떠안는 상황에서도 그 순서가 실질적인 안도감을 줄 수 있는지 의문을 제기한다.

우려는 더 이상 고평가된 기술주에만 국한되지 않는다. 현재의 인프라 확충은 데이터 센터, 전력 시스템, 반도체 공급망, 회사채, 사모 신용, 장기 용량 계약을 포괄한다. 따라서 조정이 일어난다면 AI 연구소나 Nvidia 주주를 넘어 광범위한 영향을 미치게 된다.

가장 강한 결론은 AI 붕괴가 불가피해졌다는 것이 아니다. 역사적 비교가 붕괴의 양상을 결정할 구체적 메커니즘을 가릴 수 있다는 점이다. 현재의 붐은 유용한 인프라와 불확실한 수익, 집중된 자금 조달, 빠른 하드웨어 감가상각, 미해결 상태의 노동 전환을 결합하고 있다.

Google News의 AI 거품 주장이 실제로 바꾼 것

Washington Post 칼럼은 투자 붐의 존재가 아니라 역사적 비유에서 안심을 주는 부분을 겨냥함으로써 논쟁의 구도를 바꾼다.

9월 7일에 게재된 AI 거품 주장은 철도, 전기화, 초기 인터넷이 여전히 유의미한 비교 대상임을 인정한다. 이들 모두는 결국 경제적으로 중요해진 기술을 중심으로 투기 자본을 끌어들였다. 또한 투자 규모가 단기 수요를 넘어섰을 때 손실을 낳기도 했다.

견해 차이는 독자가 이러한 선례에서 무엇을 추론해야 하는지에 있다. 흔한 해석은 투자자가 돈을 잃더라도 사회는 여전히 이득을 볼 수 있다는 것이다. 실패한 철도 회사들은 선로를 남겼고, 실패한 인터넷 기업들은 훗날 가치 있는 서비스를 뒷받침한 광섬유 네트워크를 남겼다.

Lynn은 세 가지 차이 때문에 이러한 결말이 AI에는 덜 신뢰할 만하다고 주장한다. 첫째, 중국 역시 중요한 경쟁자로 남아 있지만 금융 위험의 상당 부분이 미국에 집중돼 있다. 이전의 인프라 물결은 더 많은 국가에 걸쳐 건설과 자금 조달이 분산됐다.

둘째, AI 인프라 확충은 5년이 채 안 되는 기간에 가속됐다. 철도와 전력망은 수십 년에 걸쳐 발전했기에 운영자, 은행, 정부가 취약한 사업 모델을 파악할 시간이 더 많았다. 오늘날의 구매자들은 수요가 가시화되기 전부터 칩, 전력, 임대, 건설에 투자하기로 결정하는 경우가 많다.

셋째, 생성형 AI는 부분적으로 인지 노동을 대체하는 수단으로 판매된다. 이전의 인프라 물결도 일부 직업을 대체했지만, 물리적 네트워크를 구축하고 운영하는 데 대규모 노동력이 필요했다. 반면 AI 공급업체들은 글쓰기, 프로그래밍, 분석, 고객 지원, 행정의 일부를 수행할 수 있는 소프트웨어를 약속한다.

이러한 차이가 AI 인프라에 지속적인 가치가 없다는 것을 입증하는 것은 아니다. 다만 이 비유가 더는 증거를 제공하지 못하는 지점을 보여준다. 유용한 기술도 부실한 투자가 될 수 있으며, 지속되는 네트워크가 초기 투자자에게 적절한 수익을 보장하지는 않는다.

이 칼럼은 주가에서 인프라 확충의 구조로도 시선을 옮긴다. 주식시장 거품은 기반 기술을 마비시키지 않고 꺼질 수 있다. 반면 부채에 의존한 인프라 축소는 건설사, 유틸리티, 민간 대출기관, 장비 공급업체, 지역 경제에 영향을 줄 수 있다.

따라서 이 의견을 접하는 Google News 이용자는 “AI 주식이 비싸 보인다”보다 넓은 주장을 마주하게 된다. 이는 집중된 자본, 짧은 투자 주기, 잠재적 노동 대체가 결합된 상황에 대해 경제가 경험한 바가 제한적이라는 주장이다.

이는 유용한 보정이다. “거품”이라는 표현은 흔히 여러 개별 질문을 하나의 단어로 압축한다. 도입이 늘어나는 동안에도 밸류에이션은 과도할 수 있다. 인프라는 필요할 수 있지만 용량은 과잉 공급될 수 있다. 생산성은 개선될 수 있지만 개별 기업은 그 이익을 확보하지 못할 수 있다.

더 나은 검증은 수익이 어디에서 발생하는지, 누가 자산을 조달하는지, 전망이 빗나갈 때 누가 손실을 떠안는지를 묻는 것이다. 이 질문들은 곧 기반 용량을 구축하는 hyperscaler들로 이어진다.

다섯 hyperscaler가 AI를 거시경제적 베팅으로 만들었다

Amazon, Alphabet, Microsoft, Meta, Oracle이 국가 성장률에 영향을 줄 만큼 대규모 기업 인프라 지출을 단행하면서 이 붐은 다르게 느껴진다.

Federal Reserve 연구진은 이들 5개 기업의 총 자본 지출이 2025년 4분기에 1,310억 달러에 달했다고 계산했다. 2025년 연간 총액은 4,120억 달러로, 연율 기준 미국 국내총생산의 약 1.31%에 해당한다.

Federal Reserve 데이터는 임대 계약을 제외하므로 인프라 확충과 연계된 모든 약정을 포착하지는 못한다. 기업은 전체 의무를 즉각적인 자본 지출로 기록하지 않고도 장기 계약을 통해 데이터 센터 용량을 확보할 수 있기 때문에 이 한계는 중요하다.

같은 연구는 AI 인프라를 공급하는 기업들에 금융 기대가 어떻게 집중됐는지도 보여준다. ChatGPT 출시부터 2025년 말까지 Nvidia의 시가총액은 975% 상승했다. Broadcom은 636% 증가했고 AMD는 179% 올랐다.

세 반도체 기업은 2025년 말 S&P 500의 11.2%를 차지했다. 이들의 합산 비중은 10월에 12.4%까지 도달했다. 이 수치는 집중도를 보여주지만, 그 자체로 과대평가를 입증하지는 않는다.

컴퓨팅 용량 수요를 만드는 모델 개발사에도 투자가 흘러들고 있다. Federal Reserve는 OpenAI와 Anthropic이 각각 2023년부터 2025년 사이 580억 달러와 440억 달러를 조달했다고 보고했다. 2025년 말 기준 두 기업의 밸류에이션은 각각 5,000억 달러와 3,500억 달러였다.

이는 긴밀히 연결된 시장을 만든다. 클라우드 공급업체는 AI 연구소에 투자하고, 연구소는 클라우드 용량을 구매하며, 반도체 기업은 클라우드 공급업체에 제품을 공급하고, 예상되는 모델 수요는 추가 데이터 센터 건설을 뒷받침한다. 각 거래는 실질적인 상업 활동을 반영할 수 있지만, 이 네트워크는 여전히 낙관적 가정을 증폭시킬 수 있다.

Bank for International Settlements는 5대 hyperscaler가 2025년과 2026년에 걸쳐 AI 관련 자본 지출에 1조 달러 이상을 쓸 것으로 추정한다. 또한 이러한 약정이 수익과 잉여현금흐름보다 빠르게 증가하고 있다고 분석했다.

이 불일치가 해당 기업들이 즉각적인 지급불능 위험에 처했다는 뜻은 아니다. 최대 hyperscaler들은 수익성 있는 광고, 커머스, 소프트웨어, 클라우드 사업을 보유하고 있다. 기존 현금흐름 덕분에 외부 자금 조달에 크게 의존했던 통신 스타트업이나 투기적 닷컴 기업보다 여유가 크다.

그러나 재무적 강점은 경쟁을 더 치열하게 만들 수 있다. 각 기업은 지출이 부족하면 클라우드 고객, 모델 리더십, 개발자 충성도, 소비자 유통망을 내줄 수 있다고 우려한다. 따라서 개별 기업의 합리적인 방어적 결정은 업계 전반의 과잉 용량으로 이어질 수 있다.

BIS 위험 평가는 이를 참여자들이 소수의 기술 선도 기업이 지배할 것으로 예상하는 시장을 둘러싼 경쟁으로 설명한다. 이러한 논리 아래에서는 투자를 거부하는 편이 과잉 구축보다 더 위험해 보일 수 있다.

압박의 대상은 분명하다. 최고재무책임자들은 누구도 수익을 명확히 측정하기 전에 인프라를 계속 승인해야 한다. 투자자들은 클라우드 성장과 광고 개선이 더 광범위한 사업 부문 안에 묶여 있는 지출을 정당화하는지 판단해야 한다.

공급업체들도 관련된 위험에 직면한다. 반도체 제조사, 전기 장비 생산업체, 냉각 전문 기업, 유틸리티, 건설 계약업체는 hyperscaler의 전망을 중심으로 확장하고 있다. 이들의 매출은 AI 서비스의 최종 이용자들이 지속적인 지불 의사를 입증하기 전에 증가할 수 있다.

여기서 Washington Post의 논지는 힘을 얻는다. 이전 인프라 붐도 공급망 의존을 낳았다. 그러나 오늘날의 형태는 공공시장, 사모 신용, 전력 계획, 측정된 경제성장에 영향을 미치는 몇몇 기업 예산에 유난히 집중돼 있다.

실제 AI 도입이 거품 논의를 더 어렵게 만든다

AI는 순전히 투기적인 이야기가 아니지만, 실제 도입만으로 현재의 투자가 충분한 수익을 낼지 답할 수는 없다.

단순한 거품 서사에 반대하는 가장 강력한 근거는 사람과 기업이 이미 이 기술을 사용하고 있다는 점이다. Federal Reserve 데이터는 설문 문항과 측정 방식이 변화함에 따라 보고된 기업 도입률이 상승했음을 보여준다. 수정된 시계열에서 기업 도입률은 2025년 말 약 18%였고, 도입 계획은 약 21%였다.

조사 대상 근로자의 업무 관련 생성형 AI 사용률은 2024년 8월 33%에서 2025년 11월 41%로 상승했다. 전문 서비스와 금융 분야는 특히 높은 사용률을 기록했으며, 제조업은 전년 대비 강한 성장세를 보였다.

이는 많은 닷컴 기업에서 나타났던 실체 없는 웹사이트 방문이 아니다. 근로자들은 모델을 활용해 문서를 작성하고, 회의를 요약하며, 코드를 검토하고, 지원 문의에 답하고, 정보를 검색하고, 대안을 비교한다. 기업들은 AI를 기존 제품과 내부 프로세스에 통합하고 있다.

지식 근로자는 모델을 자신의 자료와 연결할 방법도 더 많이 갖게 됐다. 개인 지식 베이스는 범용 모델에만 의존하지 않고 문서, 메모, 업무 이력에 기반해 어시스턴트를 작동하게 할 수 있다. 이는 AI를 단발성 프롬프트가 아니라 반복 가능한 워크플로에서 유용하게 만든다.

그러나 도입과 수익성은 서로 다른 측정 지표다. 서비스는 공급업체가 사용을 보조하거나, 기존 구독에 묶어 제공하거나, 시장 점유율 경쟁 과정에서 낮은 마진을 감수하기 때문에 확산될 수 있다. 높은 활동량은 매출이 추론, 학습, 감가상각, 에너지, 고객 확보 비용을 충당하는지 보여주지 않는다.

추론은 학습된 모델을 실행해 답변을 생성하는 것을 뜻한다. 모든 요청은 컴퓨팅 자원을 소비하지만 비용은 모델, 응답 길이, 하드웨어, 활용률에 따라 달라진다. 추론 비용의 하락은 수요를 확대하는 동시에 컴퓨팅 단위당 수익을 낮출 수도 있다.

이러한 긴장은 비교적 안정적인 기술 표준을 지닌 물리적 인프라와 AI를 구분한다. 철도 노선은 여러 세대에 걸쳐 유용할 수 있다. AI 가속기는 새 칩이 더 나은 성능이나 에너지 효율을 제공하면 경제적 가치를 빠르게 잃을 수 있다.

Microsoft는 2026년 7월 실적 공시에서 이 문제를 보여줬다. 회사는 자본 지출의 약 3분의 2가 주로 프로세서인 단수명 자산에 관련된 것이라고 밝혔다. 이러한 자산은 건물, 전력 연결, 토지보다 더 자주 교체해야 한다.

빠른 개선은 사용자에게 도움이 되지만, 투자 경제성을 복잡하게 만든다. 오늘 완공된 데이터센터는 설치된 하드웨어의 경쟁력이 약화되더라도 여전히 가치가 있을 수 있다. 운영자는 구형 장비를 더 오래 가동할지, 운영비를 낮추기 위해 다시 투자할지 균형을 맞춰야 한다.

클라우드 재무제표는 일부 답만 제공한다. Amazon, Alphabet, Microsoft, Meta는 AI 인프라에서 발생한 수익을 별도로 공개하지 않는다. AI 매출은 클라우드 부문, 광고 사업, 생산성 소프트웨어, 기타 기존 사업에 포함돼 있다.

보고된 클라우드 마진은 여러 사례에서 여전히 견조하다. 이는 선도 기업들이 실질적인 매출 엔진을 보유하고 있다는 견해를 뒷받침한다. 다만 최신 AI 용량에 대한 추가 수익률을 분리해 보여주지는 못한다.

이 구분은 중요하다. 기존 클라우드 워크로드는 AI 비중이 높은 사업부를 수익성 있는 것처럼 보이게 할 수 있다. 반대로 새로 설치된 용량이 효율적인 가동률에 도달하기 전에는 현재의 감가상각비와 건설비가 마진을 낮출 수 있다. 공개 공시만으로 외부인이 이러한 효과를 완전히 분리하기는 어렵다.

8월 분석에 따르면 AWS 영업마진은 약 39%까지 상승했고, Google Cloud는 2분기에 35.6%를 기록했다. Microsoft의 Intelligent Cloud 마진은 약 41% 수준을 유지했다. 경영진은 여전히 이러한 실적을 AI에 직접 귀속시키는 데는 신중한 태도를 보였다.

클라우드 수익성 격차는 여전히 핵심 미해결 과제다. 분석가들은 자본지출, 클라우드 성장, 수주잔고를 관찰할 수 있다. 하지만 AI 전용 자산에 대한 신뢰할 만한 수익률은 아직 계산할 수 없다.

이 때문에 이번 붐을 명백히 합리적이거나 명백히 투기적이라고 규정하는 것은 작동 메커니즘을 놓치는 일이다. 도입 확산은 기술의 가치를 검증한다. 그러나 이를 토대로 구축된 모든 데이터센터, 밸류에이션, 금융 구조, 전망까지 검증하는 것은 아니다.

새로운 위험은 부채, 계약, 고객 집중도에 있다

회의론적 논거는 투명한 기업 지출이 차입, 부외 약정, 순환 수요로 바뀌는 지점에서 가장 강해진다.

AI 구축의 첫 단계는 주로 하이퍼스케일러의 영업현금에 의존했다. 지출이 통상적인 투자 수준을 넘어서면서 부채의 역할은 커졌다. 국제결제은행은 하이퍼스케일러의 회사채 발행액이 2025년에 1,000억 달러를 넘어섰다고 보고했다.

이 차입의 상당 부분은 만기가 5년을 넘었다. 장기 만기는 즉각적인 차환 압박을 줄일 수 있지만, 경제적 수명이 불확실한 자산의 자금 조달을 장기간 고정한다는 의미이기도 하다.

금융 조달은 전통적인 채권을 넘어선다. 하이퍼스케일러는 특정 자산을 보유하거나 조달하기 위해 설립된 법적으로 분리된 특수목적법인 및 프라이빗 크레디트 기업과의 협업을 늘리고 있다. 이들 법인은 데이터센터를 개발하고, 해당 용량을 기술 기업에 다시 임대할 수 있다.

일반적인 구조에서 하이퍼스케일러는 소수 지분을 보유하는 한편, 전력과 컴퓨팅 용량을 장기 임차하거나 구매하기로 약정한다. 민간 투자자는 자기자본을 제공하고, 해당 법인은 추가 부채를 조달한다.

인프라 금융은 즉각적인 자본지출을 수년에 걸친 운영비로 대체할 수 있다. BIS는 이러한 의무 가운데 일부를 하이퍼스케일러의 주요 대차대조표 밖에 남아 있으면서도 경제적으로는 부채처럼 작동한다는 이유로 “그림자 차입”이라고 부른다.

이러한 약정이 본질적으로 부적절한 것은 아니다. 장기 자산을 조달하기에 적합한 당사자들 사이에 위험을 분산할 수 있다. 하지만 주주, 대출기관, 규제당국이 총 노출도를 측정하기 더 어렵게 만들 수도 있다.

은행은 특수목적법인에 신용한도를 제공할 수 있다. 보험사와 프라이빗 크레디트 펀드는 해당 부채를 보유할 수 있다. 하이퍼스케일러는 금융 조달을 뒷받침하는 보증이나 계약상 약정을 제공할 수 있다.

이 네트워크는 여러 잠재적 전이 경로를 만든다. 예상 AI 수요가 감소하면 데이터센터 가치가 떨어지고, 차환 여건이 악화되며, 프라이빗 크레디트 투자 수요가 줄고, 기업 보증이 실행될 수 있다. 최대 기술 기업들이 지급능력을 유지하더라도 문제가 전파될 수 있다.

고객 집중도는 또 다른 불확실성을 만든다. 클라우드 기업들은 모델 개발사를 가장 빠르게 성장하는 AI 고객군으로 꼽는다. 이들 개발사는 자신이 구매하는 용량을 제공하는 동일한 인프라 제공업체로부터 대규모 투자를 받기도 한다.

그렇다고 이 매출이 허구라는 뜻은 아니다. OpenAI와 Anthropic은 실제 사용자와 기업에 서비스를 제공한다. 다만 인프라 부문의 성장 일부가 상당한 외부 자본을 계속 필요로 하는 고객에 의존한다는 의미다.

BIS는 칩 제조사, 클라우드 제공업체, AI 연구소, 전문 클라우드 기업 사이의 순환 금융도 지적했다. 투자자는 이후 그 투자자의 컴퓨팅 서비스나 하드웨어 구매를 약정하는 고객에게 자금을 댈 수 있다.

각 계약은 전략적 목적을 가질 수 있다. 그러나 이를 종합하면 최종 고객이 조달한 수요와 AI 공급망 내부에서 자본이 순환하며 조달한 수요를 구분하기가 더 어려워진다.

장기 약정이 하락하는 컴퓨팅 가격과 맞물릴 때 위험은 커진다. 여러 운영자가 유사한 용량을 구축하면 경쟁으로 임대 가격이 낮아질 수 있다. 고객에게는 이익이지만, 자산 소유자는 금융 모델이 가정한 것보다 적은 수익을 올릴 수 있다.

전력 제약은 초기에는 이 위험을 가릴 수 있다. 제한된 전력망 연결, 변압기, 첨단 칩, 냉각 장비는 용량을 희소하게 유지한다. 기업들은 수년 전부터 자원을 예약하는 방식으로 대응하며, 이는 공시된 수주잔고를 강화한다.

희소성이 지속적인 가격 결정력을 보장하지는 않는다. 병목 현상은 모든 참여자가 최종적으로 필요한 것보다 더 많은 용량을 확보하도록 부추길 수 있다. 공급이 도착하면 시장은 부족에서 과잉 공급으로 빠르게 전환될 수 있다.

여기서 Washington Post의 주장을 과장해서는 안 된다. 집중된 부채와 계약상 노출이 임박한 위기를 확인해 주는 것은 아니다. 공개 데이터는 여전히 불완전하며, 선도 기업들은 상당한 현금 창출 사업을 보유하고 있다.

더 방어 가능한 결론은 더 좁다. 금융 시스템은 주가 밸류에이션만으로는 드러나지 않는 경로를 통해 AI에 노출되고 있다. 진지한 버블 분석이라면 채권, 임대차, 프라이빗 크레디트, 보증, 그리고 기초 고객의 질을 포함해야 한다.

일자리는 이번 붐을 철도와 전력 보급 시대와 다르게 만든다

가장 중대한 차이는 AI 투자가 인프라 확장과 인지 업무에 필요한 노동력 감소를 동시에 겨냥한다는 점이다.

철도는 고용 패턴을 바꾸고 경쟁 운송 사업에 피해를 주었으며 새로운 지역적 승자를 만들었다. 동시에 선로 건설, 열차 운행, 장비 유지보수, 확장되는 네트워크 관리를 위해 많은 사람을 고용했다.

전력화도 유사한 혼합을 낳았다. 일부 기술과 직업을 대체하는 동시에 공장, 가전제품, 공공 유틸리티, 완전히 새로운 산업을 뒷받침했다. 이 인프라는 생산성 효과가 경제 전반으로 확산되기 전에 노동력을 필요로 했다.

AI 데이터센터도 건설 및 기술 일자리를 만든다. 전기기사, 엔지니어, 냉각 전문가, 보안 인력, 유지보수 인력, 에너지 프로젝트가 필요하다. 장비 수요는 소프트웨어를 훨씬 넘어 다양한 산업에 혜택을 준다.

차이는 제품의 표방된 목적에 있다. 생성형 AI는 작가, 프로그래머, 분석가, 디자이너, 연구원, 서비스 직원에게 이전에 맡겨졌던 업무 일부를 수행하기 위해 구매되는 경우가 많다. 이 인프라는 경제적 가치가 노동 수요를 낮추는 데 의존할 수 있는 시스템을 뒷받침한다.

그렇다고 모든 도입이 일자리를 없앤다는 뜻은 아니다. 많은 애플리케이션은 오히려 근로자를 보조한다. 개발자는 익숙하지 않은 코드를 더 빠르게 검토할 수 있고, 연구자는 모든 파일을 수작업으로 검토하지 않고도 방대한 문서 모음을 검색할 수 있다.

제품 관리자는 흩어진 메모를 정리하고 상태 업데이트를 준비하기 위해 주간 AI 워크플로를 활용할 수 있다. 즉각적인 결과는 팀 축소보다는 더 완성도 높은 업무일 수 있다.

하지만 기업이 이를 중심으로 프로세스를 재설계하면 보조는 대체가 될 수 있다. 한 직원이 더 많은 고객이나 프로젝트를 처리하게 되면, 현재 근로자가 해고 통지를 받지 않더라도 채용 수요는 줄어들 수 있다.

이 전환은 생산성 데이터를 해석하기 어렵게 만든다. 근로자 1인당 생산량 증가는 시간이 지나며 임금과 성장을 뒷받침할 수 있다. 동시에 자동화에 가장 많이 노출된 직종에서 고용 증가가 둔화되는 현상과 함께 나타날 수도 있다.

BIS는 AI 노출도가 더 높은 미국 산업이 다른 산업보다 더 강한 생산성 향상과 더 약한 고용 증가를 기록했다고 관찰했다. 이 관계가 AI가 모든 차이를 유발했다는 점을 입증하는 것은 아니다. 그러나 노동 결과가 투자 논쟁에 포함돼야 하는 이유를 보여준다.

지리적 집중은 이 문제를 심화한다. 미국은 선도적인 클라우드 기업과 칩 설계 기업에 관련된 시장가치의 상당 부분을 차지한다. 동시에 AI가 고임금 서비스 업무에 대한 수요를 줄일 경우 상당한 노출을 안고 있다.

다른 국가들은 반도체 제조, 조립, 에너지 수출, 데이터센터 건설을 통해 참여한다. 중국은 모델, 칩, 애플리케이션, 인프라 전반에서 경쟁하고 있다. 유럽은 용량을 유치하고 국내 대안을 개발하기 위해 산업 정책을 활용하고 있다.

그럼에도 미국 주식시장은 세계의 기대 가운데 유난히 큰 비중을 떠안고 있다. BIS는 미국 주식이 MSCI Global 지수의 약 64%를 차지한다고 보고했다. 따라서 재평가는 미국 투자자를 훨씬 넘어 자산 효과를 전이시킬 수 있다.

노동 대체는 주식 조정과 다른 경로를 따를 것이다. 시장은 며칠 안에 조정될 수 있지만, 조직이 새로운 워크플로를 도입하는 데는 수년이 걸린다. 기업은 오늘 AI 투자를 발표하고, 다음 분기에 도구를 시험한 뒤, 훨씬 나중에 채용 계획을 변경할 수 있다.

이 지연은 측정의 함정을 만든다. 지지자들은 현재의 해고가 제한적이라는 점을 우려가 과장됐다는 증거로 제시할 수 있다. 비판자들은 금리나 수요 약화가 더 단순한 설명을 제공하는 경우에도 모든 채용 둔화를 자동화의 결과로 해석할 수 있다.

독자들은 두 주장 모두에 저항해야 한다. 신뢰할 만한 분석을 위해서는 직종별 채용, 임금, 근로시간, 생산성, 업무 변화가 필요하다. 헤드라인을 장식하는 해고 건수만으로는 AI가 근로자를 보완하는지, 아니면 미래의 채용 기회를 조용히 줄이는지 알 수 없다.

일자리 문제는 정치적 대응도 바꾼다. 정부는 남아 있는 인프라가 폭넓은 미래 확장을 뒷받침한다는 이유로 이전의 투자 붕괴를 어느 정도 용인했다. 납세자가 집중된 고용 압박과 함께 금융 손실까지 마주한다면 대중의 수용도는 더 낮을 수 있다.

그렇다고 제한적 규제가 보장되는 것은 아니다. 다만 정책 입안자들이 근로자 전환, 에너지 비용, 지역 인프라, 데이터 권리, 시장 지배력을 함께 검토하게 된다는 뜻이다. AI 붐은 단지 새로운 네트워크가 구축되는지의 문제만은 아니다.

AI 버블 경고를 확인하거나 약화시킬 요인

세 가지 신호가 Google News 논쟁이 지속적인 경고로 발전할지, 아니면 AI 매출이 지출을 따라잡으며 사그라들지를 결정할 것이다.

첫 번째 신호는 최대 클라우드 제공업체의 AI 전용 매출 공시다. 투자자들은 현재 자본지출 가이던스, 클라우드 성장률, 수주잔고, 광범위한 영업마진을 제공받는다. 하지만 최근 설치된 AI 하드웨어의 수익률에 대한 직접적인 정보는 거의 받지 못한다.

매출, 가동률, 마진이 함께 상승한다면 더 나은 공시는 낙관론을 강화할 것이다. 반대로 AI 용량이 기대에 못 미치는 수준으로 가동되거나 가격이 비용보다 더 빠르게 하락하는 상황에서도 자본지출이 높게 유지된다면 낙관론은 약화될 것이다.

두 번째 신호는 자금 조달 구성이다. 기존 사업에서 공격적 투자를 충당할 만큼 충분한 현금을 창출하는 하이퍼스케일러는 이를 더 안전하게 지속할 수 있다. 채권 발행, 보증, 리스, 특수목적 금융이 증가한다면 위험 노출이 확산되고 있음을 뜻한다.

BIS는 지출이 통상적인 투자 수준을 넘어선 상황에서 차입이 이미 증가했다고 분석했다. 향후 보고서는 재무제표 외 프로젝트와 관련된 규모, 만기, 거래 상대방, 보증을 명확히 밝혀야 한다.

다양한 고객 기반을 뒷받침으로 한 투명한 장기 자금 조달은 단기적 우려를 낮출 수 있다. 반면 차환에 대한 의존도 확대, 임차 고객의 집중, 또는 불명확하게 공개된 보증은 Washington Post의 경고를 뒷받침할 것이다.

세 번째 신호는 측정 가능한 업무 현장 도입이다. 이제 중요한 질문은 직원들이 생성형 AI를 시험해 보는지 여부가 아니다. 조직이 사용을 지속적인 생산성, 매출, 서비스 개선 또는 비용 절감으로 전환하는지가 핵심이다.

글로벌 성장 시나리오는 2025년 3분기에 정보 처리 장비와 소프트웨어 투자가 전년 대비 16.5% 증가했다고 지적한다. 또한 기존 통계는 데이터, 알고리즘, 조직 변화에서 비롯되는 무형의 이점을 놓칠 수 있다고 주장한다.

이 측정 문제는 양방향으로 작용한다. GDP는 그에 따른 역량이 충분히 가치 있는 서비스를 만들어 내기 전에 서버와 소프트웨어를 투자로 기록할 수 있다. 반대로 더 빠른 연구, 더 나은 의사결정, 신제품을 통해 나타나는 이점은 과소평가할 수도 있다.

향후 몇 분기 동안 여러 산업 전반에서 신뢰할 수 있는 생산성 향상이 확인된다면, 지속 가능한 범용 기술이라는 논거는 강화될 것이다. 성과가 기술 공급업체와 일부 전문 분야에만 국한된다면 집중도에 대한 우려는 해소되지 않는다.

독자는 호황이 지속되는 것과 모든 참여자가 성공하는 것을 구분해야 한다. 철도, 전기, 인터넷은 파산과 심각한 시장 조정에도 불구하고 경제를 변화시켰다. AI 역시 이와 같은 광범위한 경로를 따르면서도, 승자와 손실, 노동에 미치는 영향은 매우 다르게 나타날 수 있다.

Washington Post 칼럼은 역사를 확신에 대한 경고로 다룰 때 설득력이 있다. 그러나 독자가 차이를 붕괴의 증거로 해석한다면 설득력은 떨어진다. 전례 없는 특성은 불확실성을 만들 뿐, 정해진 결말을 뜻하지는 않는다.

개발자에게 실질적인 문제는 보조금이 투입된 실험이 끝난 뒤에도 애플리케이션 수요가 이어지는지 여부다. 기업 구매자에게는 통합, 거버넌스, 교육, 검토 비용을 감안한 뒤에도 AI 시스템이 측정 가능한 가치를 제공하는지가 중요하다.

지식 노동자는 고용주가 도구를 몇 개 구매하는지만이 아니라 역할을 어떻게 재설계하는지도 지켜봐야 한다. 투자자는 광범위한 도입 주장에 의존하기보다 현금 흐름, 고객의 질, 감가상각, 자금 조달 약정을 검토해야 한다.

Google News는 일반적으로 “버블”이라는 단어에 담기는 것보다 더 정밀한 논의가 필요한 논쟁을 부각했다. 다음 시험대는 증거다. 더 명확한 AI 매출, 투명한 자금 조달, 그리고 인프라를 판매하는 기업을 넘어 확산되는 생산성이 필요하다.

또 다른 기록적 투자가 발표될 때마다 이 세 가지를 물어야 한다. 누가 궁극적으로 그 역량에 비용을 지불하는가, 그것은 어떤 측정 가능한 수익을 창출하는가, 그리고 수요 중 얼마가 지속적인 외부 자금에 의존하는가? 답은 이번 구축이 지속 가능한 네트워크에 가까운지, 비용이 큰 과잉 생산능력 사이클인지, 아니면 두 가지가 불편하게 결합된 형태인지를 보여줄 것이다.