1. 소프트웨어 자동화와 0.5% GDP의 역설

• 개발자 부재 시 GDP 증가의 한계: AI가 소프트웨어 개발을 100% 완전 자동화하더라도 장기적으로 미국 GDP 상승 효과는 매년 0.5%가 아닌, AI 전환이 완결된 후 다 합친 일회성 0.5%에 불과합니다.

• 단기 AI 투자와 장기 효율성의 차이: 2026년 1분기 미국 GDP 성장의 약 75%가 Big Tech의 AI 설비투자(CapEx)에서 나왔지만, 이는 단 지출(돈을 쓴 금액)일 뿐입니다. 실제 경제 전체의 장기 소득과 효율성을 결정하는 것은 총요소생산성(TFP) 개선이며, CapEx 투자가 실제 생산성 향상으로 연결되기까지는 시차가 발생합니다.

2. 150년 경제 성장의 역사와 '아이디어'의 역할

• 연 2% 성장의 예외성: 지난 150년간 미국의 1인당 GDP는 연평균 2%씩 성장해 17배 이상 증가했습니다. 그러나 서기 1년부터 1820년까지 인류의 1인당 소득이 겨우 2배 증가한 것과 비교하면, 최근 150년의 지속 성장은 인류 역사상 지극히 예외적인 현상입니다.

• 자본 축적이 아닌 TFP: 지난 65년간 미국 민간 부문의 시간당 산출 성장(연 2.5%)을 분석해 보면, 자본 축적의 기여도는 0.1%p, 노동 교육은 0.3%p에 불과하며 나머지 80%(2.0%p)는 모두 총요소생산성(TFP)에서 나왔습니다.

• 비경합적 아이디어의 힘: 자본과 노동은 수확체감의 법칙(투입을 늘릴수록 한계 생산성이 감소)을 받지만, 레시피나 기술 같은 '아이디어'는 한 번 만들면 추가 비용 없이 누구나 동시에 쓸 수 있는 비경합성을 가져 수확체감의 제약을 넘어서는 성장의 원동력이 됩니다.

3. 아이디어 생산성 하락과 AI가 풀어야 할 병목

• 아이디어 발굴 난이도 상승: 아이디어 자체는 마모되지 않지만, 새로운 아이디어를 발굴하는 연구 생산성은 지속적으로 하락하고 있습니다. 예컨대 반도체 집적도를 2년마다 2배 늘리는 '무어의 법칙'을 유지하기 위해 투입되는 연구 인력은 1970년대 대비 약 18배 증가했습니다.

• 인구 한계와 AI의 장기적 전환: 연구 생산성이 떨어짐에 따라 기술 성장을 유지하려면 연구 인력이 계속 늘어나야 하는데, 이는 결국 인구 증가율이라는 한계에 부딪힙니다.

• 2부 예고: AI가 단순한 자본 투자를 넘어 '아이디어를 생산하는 연구자' 역할을 대체할 수 있을 때 비로소 경제 성장의 폭발이 가능해지며, 이에 대한 구체적인 수치적 도출은 2부에서 다루어집니다.

간단 3줄 요약

• AI가 소프트웨어 개발을 100% 대체하더라도 경제 전체에 미치는 직접적인 GDP 성장 효과는 일회성 0.5% 수준에 그칩니다.

• 지난 150년간 인류가 이뤄낸 2% 성장의 핵심은 자본 축적이 아닌 '비경합적 아이디어(TFP)' 혁신이었습니다.

• 연구 생산성이 지속적으로 떨어지는 상황에서 AI가 진짜 성장 폭발을 일으키려면, 인구 한계에 갇힌 '아이디어 창출 병목'을 해결해야 합니다.