효율성이 일자리를 앗아갈 때: '제번스 역설'로 본 AI 코드 폭발과 노동의 미래

기술이 발전하여 생산 효율성이 높아지고 비용이 크게 줄어들면, 관련 자원의 소비량과 사용량도 함께 줄어들까요? 일반적인 직관은 "그렇다"고 답하지만, 경제학의 역사는 완전히 다른 사실을 보여줍니다.

1865년 영국 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons)는 증기기관의 효율성이 극대화되었음에도 석탄 소비량이 오히려 8배(1700년경 약 300만 톤에서 1913년 2억 9,000만 톤으로 증가)나 폭증한 현상을 목격했습니다. 효율화가 단가를 낮추고, 낮아진 단가가 새로운 수요와 산업을 창출하여 결과적으로 자원 소비를 폭발시키는 '제번스 역설(Jevons Paradox)'입니다.

오늘날, 코딩(Code)은 과거의 '석탄'과 같은 위치에 서 있습니다. 인공지능(AI) 기술의 발전으로 코드 생산 비용이 폭락함에 따라, 코드의 공급과 소비가 기하급수적으로 늘어나는 '코드 플라이휠'이 돌기 시작했습니다. 이 전대미문의 기술적 변혁 속에서 우리의 일자리와 노동 시장은 과연 어떠한 변화를 맞이하고 있을까요? AI와 노동 시장을 관통하는 5가지 핵심 통찰을 정리했습니다.

1. 코드가 '석탄'이 되었다: AI 효율성이 부른 유례없는 코드 폭발

AI의 추론 비용은 경이로운 속도로 하락하고 있습니다. 2022년 11월부터 2024년 10월 사이, GPT-3.5 수준의 AI 추론 가격은 100만 토큰당 20달러에서 단 7센트로 280배나 폭락했습니다.

비용이 낮아지자 기업의 생성형 AI 지출은 줄어들기는커녕 폭발했습니다. 기업들의 생성형 AI 지출은 2025년 한 해에만 115억 달러에서 약 370억 달러로 3배 이상 증가했습니다.

"가장 효율적인 생산 방식이 자원 수요를 줄이기는커녕 오히려 폭발시킨 것처럼, 오늘날 코드 생산비용의 폭락은 시스템과 전력, 컴퓨팅 수요를 무한히 자극하며 피드백 루프를 형성하고 있다."

이러한 효율성 혁신은 소프트웨어 개발의 단계를 넘어 자율형 에이전트 AI(Agentic AI)와 AI 기반 하드웨어 재설계라는 기술적 촉매를 통해 가속화되고 있습니다. Anthropic에 따르면 AI가 인간의 개입 없이 자율적으로 수행하는 작업 시간은 2024년 초 몇 분 단위에서 2026년 중반 12시간 연속 작업이 가능한 수준으로 대대 확장되었습니다. 하드웨어 측면에서도 Google의 강화학습 시스템 'AlphaChip'은 신규 TPU 가속기 3세대의 회로 배치를 단 수 시간 만에 완료했으며, Nvidia의 Hopper GPU 내 1만 3,000개 이상의 회로가 AI에 의해 설계되어 기존 정밀 소프트웨어 대비 면적을 최대 25% 줄였습니다.

이 같은 기술 연동은 빅테크 기업 내부의 코드 생산 구조를 빠르게 재편하고 있습니다.

Google: 2024년 10월 신규 코드의 25% 이상을 AI가 작성한다고 발표한 데 이어, 불과 반년 뒤인 2025년 4월에는 그 비중이 30% 이상으로 가속화되었습니다.

Anthropic: 자사 AI 모델인 Claude가 회사 자체 시스템 코드의 80% 이상을 작성하고 있다고 밝혔습니다.

코딩 및 하드웨어 제작 비용이 절감될수록 더 많은 AI 시스템이 도입되고, 이는 다시 컴퓨팅 파워와 전력 수요를 거세게 자극하며 기술과 자원이 서로를 폭발시키는 거대한 '코드 플라이휠'을 작동시키고 있습니다.

2. '코드 광산의 카나리아': 청년층 및 신입 진입 장벽의 가시화

현재 전체 미국 실업률은 4%대의 안정적인 수준을 유지하고 있습니다. 하지만 거시적 통계 착시 뒤에는 세대 간 확연한 양극화 현상이 숨어 있습니다.

2,500만 명의 급여 데이터를 분석한 스탠퍼드 대학교 연구에 따르면, ChatGPT가 출시된 2022년 이후 AI 노출도가 높은 직종에 종사하는 22~25세 청년층 노동자의 상대적 고용은 16% 감소했습니다. 특히 신입 소프트웨어 개발자의 상대적 고용은 20%나 감소한 것으로 나타났습니다.

댈러스 연방준비은행은 이러한 청년층의 고용 약세가 기존 인력의 대규모 해고 때문이 아니라, 노동 시장 진입을 위한 '신규 채용률 하락(falling job-finding rate)'(2023년 정점 대비 3%포인트 이상 하락)에서 비롯되었다고 분석합니다.

반면, 경력직 기술자들의 임금은 2022년 가을 이후 16.7% 상승하여 전국 평균(7.5%)의 두 배를 상회했습니다. 숙련된 경력자는 AI를 활용한 생산성 향상의 수혜와 임금 상승을 누리는 반면, 신입 노동자는 진입조차 어려워진 것입니다. 소프트웨어 분야의 청년층은 AI가 노동 시장 하부 구조에 미치는 충격을 가장 먼저 알리는 '코드 광산의 카나리아'가 되고 있습니다.

3. 공간의 역전: 기술 실직의 새로운 지형도

과거 로봇화와 자동화 파도가 미 중서부의 공장 지대(매뉴팩처링 타운)를 타격했다면, 생성형 AI가 가져온 충격의 공간적 지형도는 완전히 역전되었습니다.

AI 노출도가 가장 높은 지역은 산호세, 샌프란시스코, 시애틀, 뉴욕, 워싱턴 D.C.와 같이 전문직이 밀집한 고소득 메트로폴리스에 집중되어 있습니다. 그러나 이들 대도시의 고임금 기술직 노동자들은 축적된 자산, 이전 가능한 기술, 전문 네트워크를 갖추고 있어 충격을 자체적으로 흡수할 수 있는 강한 회복력을 지닙니다.

경제적 지형도에서 진정한 위험은 단순한 '노출(Exposure)'이 아닌 '취약성(Vulnerability)'* 차이에서 발생합니다.

취약계층: 사무 및 행정직에 종사하는 610만 명(전체 노동력의 약 4%)의 노동자로, 대부분 여성입니다. 이들은 이직에 필요한 자산이나 이전 가능한 전문 기술이 상대적으로 부족합니다.

취약지역: 이들은 주도(State Capitals)나 백오피스 중심 도시인 스프링필드(일리노이), 스틸워터(오클라호마), 카슨시티(네바다) 등에 밀집해 있습니다. 대도시 혁신 허브는 충격을 자력으로 흡수할 수 있지만, 백오피스 도시들은 구직 시장 축소의 직격탄을 맞을 위험이 높습니다.

4. 수용력의 문제(The Absorption Problem): 기술 속도를 못 따라가는 사회적 제도

이처럼 공간과 세대에 걸친 균열이 심화되는 근본적 이유는 기술 발전의 속도와 사회적 제도의 수용 능력 사이의 극심한 시간적 격차 때문입니다.

과거 랭커셔의 손베틀 방직공들이 동력 방직기에 의해 일자리를 잃기까지는 1810년대부터 1860년대까지 수십 년의 완충 기간이 존재했습니다. 그러나 현재의 AI 기술은 수개월 단위로 진화하며 재교육 시간 창을 급격히 압축하고 있습니다.

"이전의 기술 혁신이 수십 년에 걸쳐 노동자들에게 적응할 시간을 주었던 것과 달리, AI는 수개월 단위로 진화하며 사회적 제도가 이를 수용하고 재교육할 수 있는 시간 창을 극도로 축소시키고 있다."

그러나 노동자를 보호하고 재배치해야 할 사회적 제도는 여전히 지나간 시대에 머물러 있습니다.

법제도의 낙후: 미국의 노동혁신기회법(WIOA)은 2014년에 마지막으로 재인가되어, AI 시대의 현실과 맞지 않는 제조업 중심의 기준을 고수하고 있습니다.

교육 체계의 지연: 커뮤니티 칼리지 학생들이 졸업하는 데 최대 5년이 걸리고 커리큘럼 업데이트가 수년씩 지연되는 동안, 시장이 요구하는 기술은 이미 변해버립니다. 자격증이 증명하는 기술의 유효기간이 기술 진화 속도를 따라잡지 못하는 것입니다.

5. 역사의 경고: 지원 지연이 불러오는 정치적 폭발

제도적 수용 능력의 한계로 인해 노동자 지원에 시차(Lag)가 발생할 때, 경제적 불만은 비단 노동 시장 내에만 머물지 않고 거대한 정치적 폭발로 이어졌음을 역사는 증명합니다.

영국의 스윙 폭동(Swing Riots, 1830년): 탈곡기 도입으로 일자리를 잃은 농가 노동자들의 폭동은 대체 일자리나 빈민 구제책(Poor Law)이 신속히 제공되지 못한 지역에서 가장 격렬하게 일어났습니다. 산업 생산량 증가(1780년~)와 실질 임금 회복(1840년~) 사이에 벌어진 60년의 격차 동안 사회적 파괴가 정점에 달했습니다.

독일 바이마르 공화국의 붕괴: 1차 세계대전 이후 긴축 정책과 경제적 충격 속에서 사회적 안전망이 제 기능을 다하지 못했을 때, 가장 큰 경제적 타격을 입은 지역(1930~1932년)에서 나치당(국민사회주의)의 지지율이 급상승하며 민주주의 제도가 무너졌습니다.

기술 충격 자체보다 이를 보완할 정부의 지원 지연과 사회적 신뢰 결여가 결합할 때, 경제 문제는 반드시 정치적 극단주의와 사회적 균열이라는 치명적인 위기로 비화되었습니다.

5. 결론 및 생각할 거리: 인간 존엄성을 위한 사회적 연대

AI 혁명이라는 도전 앞에서 우리는 구시대적 제도에 의존하는 거울 보기를 멈추고, 즉각적이고 실효성 있는 정책적 대안을 마련해야 합니다.

실시간 노동 시장 정보 시스템 구축: 설문조사에 의존하는 후행적 통계를 넘어, 실시간 채용 공고, 급여 데이터, 기술 수요 신호를 보텀업(Bottom-up)으로 수집·분석하는 정보 체계로 전환해야 합니다.

지방 및 주 정부에 대한 제도적 유연성 부여: 과거 1990년대 복지 개혁 모델처럼, 각 지역 노동 시장의 특성에 맞게 자율적으로 프로그램을 설계할 수 있도록 주 정부에 유연성을 허용해야 합니다.

노동자 직접 지원 방식 도입: 기존 복잡한 기관 중심 지원에서 벗어나 개인 훈련 계좌(Individual Training Accounts)를 통해 직접적인 재교육을 지원하고, 기술 변화로 인한 임금 격차를 메워주는 임금 보험(Wage Insurance) 제도를 도입해 전환기 가계의 생계를 실질적으로 보장해야 합니다.

교육 패러다임의 재편: AI에 의해 단기간 내 대체될 수 있는 단순 기술 교육에서 벗어나, 기술 변화에 유연하게 적응할 수 있는 추론 능력, 소통 능력, 협업 능력, 판단력(Prudence) 중심의 기초 역량 교육 체계로 개편해야 합니다.

그러나 정책적 대안보다 더 근본적인 바탕은 '인간 노동을 바라보는 도덕적 관점'의 확립입니다. 1891년 교황 레오 13세는 인권 칙서 Rerum Novarum(새로운 사태)을 통해 기계화 산업 사회에서 노동자를 단순한 경제적 도구가 아닌 존엄한 주체로 다룰 것을 촉구했습니다. 135년 뒤, 교황 레오 14세 역시 Magnifica Humanitas를 통해 급격한 자동화가 가져올 대규모 '강제적 불활성화(Forced inactivity)'의 위험을 경고하며 인간 존엄의 정신을 계승했습니다.

인간의 가치는 자본주의적 가성비나 단순한 경제적 생산성의 계산을 초월합니다. 급격한 AI 변혁의 소용돌이 속에서, 우리는 기술 발전의 속도에 발맞추어 인간의 존엄성을 지키고 사회적 신뢰를 회복할 제도적 안전망과 연대의 틀을 조속히 마련할 수 있을까요? 지금이 바로 우리 사회가 그 질문에 답해야 할 골든타임입니다.

Source: Brent Orrell, AI and American Workers, National Affairs 69, Fall 2026