기술 혁신은 정말 물가를 낮추는가

1. 문제 제기: 기술은 싸게 만드는가, 비싸게 만드는가

기술 혁신에 대한 가장 오래된 믿음 중 하나는 “좋은 기술은 세상을 더 싸게 만든다”는 것이다. 자동차가 마차보다 이동 비용을 낮췄고, 반도체는 계산 비용을 낮췄으며, 인터넷은 정보 유통 비용을 거의 0에 가깝게 만들었다. 스마트폰은 카메라, 지도, 음악 플레이어, 은행, 신문, 메신저를 하나의 기기 안에 통합했다. 소비자는 과거보다 훨씬 적은 비용으로 더 많은 기능을 누리게 되었다.

이 관점에서 보면 AI도 같은 길을 갈 것처럼 보인다. AI는 글쓰기, 코딩, 고객 응대, 번역, 디자인, 데이터 분석, 교육, 의료 보조 업무의 비용을 낮출 수 있다. 한 사람이 하던 일을 더 짧은 시간에 처리하게 만들고, 초보자의 생산성을 끌어올리며, 반복 업무를 자동화한다. 이것이 캐시 우드와 ARK Invest식 기술 디플레이션 논리의 핵심이다. 파괴적 혁신은 기존 비용 구조를 무너뜨리고, 더 저렴한 방식으로 같은 기능을 제공한다.

AI 모델은 디지털 소프트웨어처럼 보이지만, 실제 작동 기반은 매우 물리적이다. AI는 전기를 먹고, 칩을 사용하며, 데이터센터 안에서 열을 발생시킨다. 고성능 GPU는 HBM과 첨단 패키징을 필요로 하고, 데이터센터는 변압기와 냉각 장치와 전력망 접속을 필요로 한다. AI가 더 많이 쓰일수록 연산당 비용은 낮아질 수 있지만, 전체 연산량이 폭발적으로 늘어나면 전력·장비·부지·원자재 수요는 오히려 커질 수 있다.

AI는 비용을 낮추는 기술인 동시에, 병목 가격을 올리는 수요 충격이다.

2. 이론적 배경: 라이트의 법칙과 기술 비용 하락

기술 디플레이션 논리를 이해하기 위해 가장 먼저 봐야 할 개념은 라이트의 법칙이다. 라이트의 법칙은 1936년 항공기 생산 비용을 분석한 시어도어 폴 라이트의 연구에서 출발했다. 핵심은 간단하다. 누적 생산량이 두 배가 될 때마다 단위 생산 비용은 일정 비율로 하락한다는 것이다.

흔히 기술은 시간이 지나면 싸진다고 생각한다. 하지만 라이트의 법칙이 말하는 바는 조금 다르다.

이 차이는 중요하다. 단순히 시간이 흐른다고 비용이 낮아지는 것이 아니다. 생산 경험이 쌓이고, 공정이 개선되고, 공급망이 확대되고, 노동자가 숙련되고, 설비가 표준화되고, 불량률이 낮아질 때 비용이 내려간다. 기술의 가격 하락은 “시간의 효과”라기보다 “누적 학습의 효과”다.

이 법칙은 항공기에서 시작되었지만 이후 다양한 산업에 적용되었다. 반도체, 태양광, 배터리, 풍력, 디스플레이, 전기차, 로봇 산업이 대표적이다. 태양광 산업에서는 스완슨의 법칙이라는 형태로도 알려져 있다. 태양광 모듈 가격은 누적 출하량이 두 배가 될 때마다 약 20% 하락하는 경향을 보였고, 그 결과 태양광 발전 비용은 수십 년 동안 급격히 낮아졌다.

여기서 중요한 점은 기술 혁신이 단지 “새로운 발명”이 아니라는 것이다. 발명은 출발점일 뿐이다. 실제 비용 하락은 대량 생산, 표준화, 공급망 확장, 학습 효과를 통해 만들어진다.

이 선순환이 작동할 때 기술은 물가를 낮추는 힘이 된다.

3. 역사적 사례: 태양광, 배터리, 반도체

기술 비용 하락의 대표 사례는 태양광이다. 1970년대 태양광은 매우 비싼 에너지원이었다. 우주선이나 특수 용도에나 쓰일 수 있는 기술에 가까웠다. 그러나 수십 년 동안 생산량이 증가하고 중국을 포함한 글로벌 공급망이 확대되면서 태양광 패널 가격은 급락했다. 같은 전기를 만드는 데 필요한 비용이 크게 낮아졌고, 태양광은 이제 많은 지역에서 가장 저렴한 발전원 중 하나가 되었다.

배터리도 비슷하다. 리튬이온 배터리는 초기에는 노트북과 휴대폰 중심의 고가 부품이었다. 그러나 전기차 시장이 커지면서 셀 생산량이 폭증했고, 공정 자동화와 소재 개선이 진행되었다. 그 결과 배터리 팩 가격은 장기적으로 하락했다. 물론 리튬, 니켈, 코발트, 흑연 같은 원자재 가격 급등기에 일시적인 비용 상승이 발생했지만, 장기 추세는 비용 하락이었다.

반도체 역시 기술 디플레이션의 상징이었다. 무어의 법칙은 같은 면적 안에 더 많은 트랜지스터를 집적하면서 연산 성능당 비용을 낮췄다. 소비자는 더 강력한 컴퓨팅 능력을 더 낮은 가격에 이용하게 되었다. 스마트폰, 클라우드, 인터넷 서비스, 인공지능 모두 이 반도체 비용 하락 위에서 성장했다.

즉 기술은 핵심 단위 비용을 낮추지만, 그 기술이 사회 전체로 확산될 때는 새로운 인프라 비용을 만든다. 이 점이 AI 시대에는 더욱 중요하다.

4. AI 생산성: 비용 하락의 가장 강력한 후보

AI가 물가를 낮출 수 있다는 주장의 중심에는 생산성 향상이 있다. 경제학적으로 생산성이란 같은 노동과 자본으로 더 많은 산출을 만들어내는 능력이다. 생산성이 높아지면 기업은 같은 인력으로 더 많은 일을 처리할 수 있고, 장기적으로 상품과 서비스의 단가는 낮아질 수 있다.

생성형 AI는 특히 지식노동 영역에서 이 가능성을 보여준다. 고객지원, 문서 작성, 코딩 보조, 번역, 마케팅 문안 작성, 리서치, 데이터 정리, 교육 콘텐츠 제작 등에서 AI는 이미 보조 도구로 사용되고 있다.

이 대목은 중요하다. AI의 진짜 경제적 효과는 천재 한 명을 더 천재로 만드는 데서만 나오지 않는다. 오히려 평균적인 노동자의 생산성을 끌어올리고, 숙련 격차를 줄이며, 반복 업무를 자동화할 때 훨씬 넓게 나타난다.

그러나 여기에는 조심해야 할 점도 있다. AI를 도입한다고 해서 자동으로 조직 전체의 생산성이 높아지는 것은 아니다. 기업은 데이터를 정비해야 하고, 업무 흐름을 다시 설계해야 하며, AI가 만든 결과물을 검증해야 한다. 오류 관리, 보안, 저작권, 규제 대응, 내부 교육 비용도 필요하다. AI가 개인 작업 시간을 줄여도, 그 시간이 회사 전체의 매출 증가나 비용 절감으로 연결되지 않을 수 있다.

“컴퓨터 시대는 어디에서나 보이지만, 생산성 통계에서는 보이지 않는다.”

— 로버트 솔로, 생산성 역설

이 말은 1980년대 컴퓨터 보급 당시의 현상을 설명하기 위해 나온 표현이다. 컴퓨터가 사무실 곳곳에 들어왔지만, 거시경제 생산성 통계는 즉각적으로 개선되지 않았다. 시간이 지나 기업들이 업무 방식과 조직 구조를 바꾸고 나서야 정보기술의 생산성 효과가 더 분명해졌다.

AI도 같은 경로를 걸을 가능성이 크다. AI 도구 자체는 빠르게 확산되지만, 생산성 효과는 조직 재설계 이후에야 본격화될 수 있다. 따라서 AI의 디플레이션 효과는 “즉시”가 아니라 “지연되어” 나타날 가능성이 높다.

5. 반론: AI는 새로운 병목 인플레이션을 만든다

AI가 비용을 낮춘다는 주장만 보면 AI는 명백한 디플레이션 기술처럼 보인다. 그러나 AI의 물리적 기반을 보면 이야기가 달라진다.

AI는 무형의 소프트웨어가 아니다. AI는 전력 산업이고, 반도체 산업이며, 데이터센터 산업이다. 생성형 AI 모델을 학습하고 운영하려면 고성능 GPU가 필요하다. GPU에는 HBM이 필요하고, HBM에는 첨단 패키징과 테스트 장비가 필요하다. 서버는 데이터센터에 들어가야 하고, 데이터센터는 대규모 전력과 냉각 시스템을 필요로 한다. 전력망 접속이 지연되면 데이터센터 완공도 지연된다. 변압기, 전선, 스위치기어, 냉각 장비, 부지, 물, 천연가스 발전까지 모두 병목이 될 수 있다.

미국에서는 이미 데이터센터 전력 수요가 중요한 경제 이슈가 되고 있다. 전력 소비는 AI 데이터센터와 전기화 수요 때문에 2026년과 2027년에 사상 최고치를 경신할 것으로 전망된다. 일부 지역에서는 데이터센터 전력 수요가 지역 전력망 계획의 핵심 변수가 되었고, 전력 확보가 데이터센터 입지 경쟁의 가장 중요한 조건이 되고 있다.

AI 데이터센터의 문제는 단순히 총전력 사용량만이 아니다. 지역 집중도도 중요하다. 데이터센터가 특정 지역에 몰리면 전국 단위로는 감당 가능한 전력 수요라도 지역 전력망에는 큰 부담이 된다. 버지니아, 오리건, 아일랜드 같은 지역에서 데이터센터 전력 수요가 전력망 스트레스 요인으로 언급되는 이유다.

따라서 AI가 만드는 인플레이션은 일반 소비자가 마트에서 바로 체감하는 형태가 아닐 수 있다. 먼저 전력망, 변압기, 발전설비, 냉각장비, 구리, 데이터센터 부지, 전력 구매계약 가격에서 나타난다. 이후 이 비용이 클라우드 가격, AI 서비스 가격, 기업 IT 비용, 지역 전기요금으로 전가될 수 있다.

6. 전문가 관점 비교: 낙관론과 신중론

AI와 물가의 관계를 둘러싼 전문가 의견은 크게 두 갈래로 나뉜다.

결국 중요한 것은 “AI가 인플레이션인가 디플레이션인가”가 아니다.

AI는 시간축과 산업 위치에 따라 둘 다 될 수 있다.

7. 분석: AI 시대의 물가는 K자형으로 움직인다

AI 시대의 물가를 하나의 평균값으로만 보면 본질을 놓치기 쉽다. 전체 소비자물가지수만 보면 AI의 영향은 작아 보일 수 있다. 그러나 산업별로 보면 가격 변화는 매우 다르게 나타날 가능성이 크다.

따라서 AI 시대의 물가는 K자형으로 움직일 가능성이 있다. AI가 대체하거나 자동화하는 영역의 가격은 내려가고, AI 확산에 필요한 병목 자산의 가격은 올라간다.

이것은 투자자에게 매우 중요한 시사점을 준다. AI 시대의 승자는 단순히 AI 모델을 만드는 기업만이 아니다. AI를 활용해 비용을 낮추는 기업도 승자가 될 수 있고, AI 확산 과정에서 병목을 해결하는 기업도 승자가 될 수 있다.

8. 투자 관점: AI 수혜주는 두 종류다

AI 시대 투자 전략은 “AI 관련주”라는 넓은 표현으로는 부족하다. 더 정밀하게 나누어야 한다. 핵심은 두 가지다.

이 두 그룹은 성격이 다르다. 비용 하락의 수혜자는 AI를 이용해 마진을 개선한다. 병목 가격의 수혜자는 AI 때문에 가격 결정력이 강해진다.

이 질문이 AI 시대의 투자 지도를 만든다.

9. 결론: 기술은 물가를 낮춘다. 그러나 곧장 낮추지는 않는다