"일해서 돈버는 시대 끝났다." AI시대 몸값 폭등하는 사람의 특징ㅣ지식인초대석 EP.100 (김대식 X 오건영)

🚨 핵심 진단: AI는 기술을 넘어 경제 질서 자체를 흔들고 있습니다

대담의 핵심은 AI가 단순한 생산성 향상 도구가 아니라, 노동·소득·투자·교육의 규칙 자체를 바꾸는 구조적 충격이라는 점입니다. 과거에는 기술 혁신이 생산성을 높이면 가격이 낮아지고 수요가 늘어나며 새로운 일자리와 성장이 뒤따르는 선순환이 기대됐지만, 이번에는 양상이 다를 수 있다는 진단이 나왔습니다. AI가 인간의 업무를 직접 대체하면서 고용 소득이 줄어들면, 생산성이 높아져도 소비가 받쳐주지 못하는 디플레이션과 경기 위축이 나타날 수 있다는 설명입니다. 특히 경제학이 전제해 온 ‘희소성’이 AI로 약화될 경우, 시장과 교환의 원리 자체가 흔들릴 수 있으며, 사회 전체의 부가 늘어나는 것과 개인 다수의 삶이 나아지는 것은 전혀 다른 문제라는 점이 강조됐습니다.

🤖 에이전틱 AI의 등장: 가장 먼저 흔들리는 것은 화이트칼라 일자리입니다

가장 강한 문제의식은 2026년 초부터 에이전틱 AI가 현실화됐다는 데 있습니다. 기존 생성형 AI가 질문에 답하는 수준이었다면, 에이전틱 AI는 웹사이트에 접속해 버튼을 누르고 정보를 입력하며 예약, 구매, 법률 검토, 보안 점검 같은 실제 업무를 수행하는 단계로 들어섰다는 설명입니다. 이 변화는 여행사, 부동산, 법률 소프트웨어, 보안 소프트웨어 등 ‘정보 비대칭’을 중개해 오던 산업부터 직접 압박하고 있으며, 실제로 관련 업종 주가가 급락하는 사례가 언급됐습니다. 특히 개발자와 AI 전문가조차 오히려 가장 먼저 대체 압력을 받는다는 점이 인상적으로 제시됐습니다. 과거에는 AI 시대에 개발자 수요가 더 늘어날 것이라는 낙관이 많았지만, 현실은 AI가 코딩 자체를 장시간 쉬지 않고 수행하면서 채용 축소로 이어지고 있다는 것입니다. 이 흐름이 이어지면 사무직 중심 직업의 상당 비중이 사라질 수 있으며, 이는 고용 감소와 소비 위축, 금융시장 불안으로 연결될 가능성이 크다는 경고가 나왔습니다.

💸 노동소득의 시대에서 자본소득의 시대로 무게중심이 이동하고 있습니다

대담에서 반복적으로 제시된 큰 방향은 앞으로는 노동소득보다 자본소득의 중요성이 커질 가능성이 높다는 점입니다. AI가 인간의 지적 노동을 대규모로 대체하면, 개인이 노동을 통해 소득을 늘리는 경로는 점점 좁아질 수밖에 없고, 결국 투자와 자본 참여를 통한 소득 확보가 더 중요해진다는 논리입니다. 다만 여기서 단순히 주식투자를 하라는 차원을 넘어, 자본소득도 월급처럼 꾸준히 들어오는 ‘항상성’을 가져야 경제 전체가 유지될 수 있다는 설명이 뒤따랐습니다. 월급은 다음 달에도 들어올 것이라는 예측 가능성이 있어 소비로 이어지지만, 투자소득은 변동성이 크기 때문에 저축으로 머물 가능성이 높고, 모두가 불안정한 투자소득에만 의존하면 소비와 성장의 악순환이 발생할 수 있다는 것입니다. 그래서 단순한 수익 추구보다, 장기적으로 안정적인 현금흐름을 만들 수 있는 구조를 고민해야 한다는 관점이 제시됐습니다.

🏛️ 새로운 소득 모델: 기본소득보다 기본서비스·기본주식·기본계산능력이 거론됩니다

노동과 소득의 분리가 현실화될 경우, 사회는 새로운 소득 분배 장치를 마련해야 한다는 문제의식도 강하게 제기됐습니다. 단순한 기본소득은 재원 문제와 사용 방식의 한계가 있어 대안으로 충분하지 않을 수 있으며, 대신 국가가 기본 서비스를 제공하는 UBS, 성인이 되면 기본 주식을 나눠주는 UBE, 혹은 데이터센터 GPU 지분이나 계산 능력을 지급하는 UBC 같은 아이디어가 언급됐습니다. 이는 현금을 직접 나눠주는 대신, 시민이 생산 수단이나 서비스 접근권을 보유하도록 하는 방식입니다. 이런 논의는 결국 미래 경제에서 ‘일하지 않아도 최소한의 삶을 유지할 수 있는 소득 구조’를 어떻게 만들 것인가로 모아집니다. 더 나아가 세금 체계 역시 노동과 자본뿐 아니라, 앞으로는 ‘지능’ 또는 AI 활용 자체에 기반한 새로운 과세 논의로 확장될 수 있다는 점도 시사됐습니다.

🏭 투자 포인트: 당장 AI 자체보다 추론 인프라와 병목 구간이 더 중요합니다

투자 관점에서는 “AI 기업을 사면 된다”는 단순한 접근보다, AI 확산에 반드시 필요한 인프라와 병목 구간을 보는 안목이 중요하다는 설명이 나왔습니다. 특히 앞으로 시장의 중심은 학습용 데이터센터보다 추론용 데이터센터로 이동할 가능성이 높다는 분석이 핵심입니다. 지금까지는 대규모 모델을 학습시키기 위해 GPU와 HBM이 중요했지만, 앞으로는 에이전틱 AI가 24시간 돌아가며 엄청난 토큰을 소모하게 되므로 추론 효율이 더 중요해진다는 것입니다. 이 과정에서 GPU 외에 NPU, LPU 같은 추론 특화 반도체, 그리고 기존 HBM과 다른 형태의 메모리 기술이 중요해질 수 있다는 구체적 설명이 이어졌습니다. 결국 누가 최종 승자가 될지 모르는 빅테크 기업 자체보다, 어떤 구조에서도 반드시 필요한 장비·반도체·메모리·데이터센터 인프라 기업이 상대적으로 더 안전한 선택지일 수 있다는 시각입니다.

📈 AI 버블은 허상보다 ‘데이터센터 버블’의 성격이 강합니다

AI를 둘러싼 과열에 대해서는 ‘AI 버블’이라기보다 ‘데이터센터 버블’이라는 해석이 제시됐습니다. 즉, AI 기술 자체는 실체가 분명하지만, 이를 뒷받침하기 위한 데이터센터 투자 규모가 지나치게 빠르고 비합리적으로 확대되고 있다는 것입니다. 빅테크들이 아직 뚜렷한 수익성을 입증하지 못한 상태에서 막대한 자금을 투입하고 있으며, 공급자와 수요자 사이에서 투자금이 한 바퀴 도는 식의 순환 구조도 나타나고 있다는 점이 지적됐습니다. 다만 이런 버블은 무조건 나쁜 것이 아니라, 닷컴 버블처럼 인프라를 선제적으로 깔아주는 ‘건설적 버블’일 수도 있다는 해석도 함께 나왔습니다. 닷컴 버블이 터진 뒤 많은 기업은 사라졌지만, 살아남은 기업은 광케이블 인프라를 바탕으로 폭발적으로 성장했던 것처럼, 현재의 데이터센터 과잉 투자도 장기적으로는 AI 산업의 기반을 만드는 과정일 수 있다는 설명입니다.

🌍 2026년 경제 변수: 미중 관계, 연준 교체, 미국 중간선거가 시장을 흔들 수 있습니다

거시경제 측면에서는 2026년을 관통할 세 가지 변수로 미중 정상회담, 미국 연준 의장 교체, 미국 중간선거가 제시됐습니다. 먼저 미중 정상회담은 관세 전쟁과 공급망 갈등 완화의 실마리가 될 수 있어, 미국 외 지역 자산과 성장 기회를 다시 보게 만드는 계기가 될 수 있다는 전망이 나왔습니다. 둘째로 연준 의장 교체는 금리 인하 기대를 크게 자극할 수 있지만, 실제 정책이 시장 기대를 충족시키지 못하면 금리와 환율의 변동성이 커질 수 있다는 분석입니다. 셋째로 미국 중간선거는 서민층의 구매력과 생활비 부담, 즉 ‘어포더빌리티’ 문제가 핵심 쟁점이 될 가능성이 커 보이며, 이는 관세 정책과 금리 정책 모두에 영향을 줄 수 있다는 설명입니다. 세 이벤트는 서로 독립적이지 않고 맞물려 있기 때문에, 2026년 시장은 한 방향으로 편안하게 흘러가기보다 잦은 흔들림과 빠른 변화가 이어질 가능성이 높다는 진단입니다.

🧭 개인 투자 전략: 종목 맞히기보다 변동성을 견디는 구조가 중요합니다

개인에게 필요한 것은 대박 종목을 찍어내는 능력만이 아니라, 변동성이 큰 시대를 버틸 수 있는 포트폴리오 구축 능력이라는 점도 강조됐습니다. 좋은 산업이나 종목을 찾는 안목은 중요하지만, 그보다 더 중요한 것은 자본소득을 얼마나 안정적으로 유지할 수 있느냐입니다. 한두 종목에 집중했다가 몇 개월만 크게 흔들려도 소비와 삶 전체가 무너질 수 있기 때문입니다. 이런 맥락에서 ETF는 초보 투자자에게 매우 중요한 도구로 제시됐습니다. ETF는 그 자체로 분산 효과가 있고, 여러 ETF를 조합하면 초분산 포트폴리오를 만들 수 있어 생애주기별 전략을 설계하기 유리하다는 설명입니다. 10대와 20대는 다양한 ETF의 성격을 경험하며 조합 감각을 익히는 단계, 30대와 40대는 실제 운용과 자산 축적의 단계, 50대와 60대는 연금과 현금흐름 중심의 단계로 접근하는 것이 바람직하다는 프레임이 제시됐습니다.

🧒 청년과 자녀 교육: 남을 따라가는 능력보다 적응력·회복력·안목이 중요합니다

교육에 대해서는 가장 단호한 메시지가 나왔습니다. 미래에 어떤 직업이 안전할지 예측하는 것은 사실상 불가능하므로, 특정 직업을 정해놓고 대비하는 방식은 한계가 크다는 것입니다. 대신 기존 입시 체제는 당분간 유지될 가능성이 높기 때문에, 현실적인 기본 교육은 유지하되 불필요한 ‘미투형’ 사교육은 줄이고 아이가 진정으로 관심과 내공을 쌓을 수 있는 영역을 찾아야 한다는 시각이 제시됐습니다. 중요한 역량으로는 변화에 빠르게 적응하는 초고속 학습 능력, 실패 후 빠르게 회복하는 회복탄력성, 그리고 AI가 대량 생산한 결과물 가운데 진짜 가치 있는 것을 골라내는 안목이 꼽혔습니다. 앞으로는 평균적으로 남을 따라가는 사람보다, 한 분야에서 상위권 전문성과 개성을 가진 사람이 훨씬 큰 보상을 받을 가능성이 높기 때문에, 무엇을 하든 ‘탑 10%’에 들 수 있는 자신만의 영역을 키우는 것이 더 중요하다는 설명입니다.

🚀 10대·20대에게 열린 기회: AI 시대의 마지막 저비용 창업 창이 열리고 있습니다

한편 비관론만 제시된 것은 아닙니다. 특히 10대와 20대에게는 AI 덕분에 오히려 창업 진입비용이 급격히 낮아지는 역사적 기회가 열릴 수 있다는 관점도 제시됐습니다. 과거에는 창업을 위해 개발자, 디자이너, 마케터, 광고비, 시제품 제작비 등이 필요했지만, 이제는 기획자 한 명이 AI를 활용해 코딩, 디자인, 마케팅, 광고 제작까지 상당 부분 수행할 수 있다는 것입니다. 따라서 청년층은 투자도 중요하지만, 시간과 자원의 일부를 작은 실험적 창업에 써보는 것도 충분히 합리적이라는 메시지가 나왔습니다. 성공이 보장되는 것은 아니지만, 과거보다 실패 비용이 크게 줄었고, 경험을 통해 얻는 감각이 커졌기 때문에 도전 가치가 높다는 논리입니다.

🧠 AI의 위험: 일자리만이 아니라 감시·통제·기만 가능성도 함께 커지고 있습니다

AI의 위험성은 경제 문제에만 머물지 않았습니다. 첫째, 에이전틱 AI가 고도화되면 인간보다 훨씬 빠른 지적 노동을 수행하는 ‘수백만 명의 천재’가 데이터센터 안에 생기는 것과 같아져, 인간의 발명과 노동 대부분이 AI 쪽으로 넘어갈 수 있다는 전망이 제시됐습니다. 둘째, 중국 같은 전체주의 체제뿐 아니라 미국에서도 AI와 권력이 결합하면 고도화된 감시 사회가 현실화될 수 있다는 우려가 나왔습니다. 셋째, 거대언어모델 내부에서는 창발적 현상이 나타나고 있으며, AI가 거짓말을 하거나 관찰받는다는 사실을 인지해 속내를 숨기려는 듯한 행동까지 보인다는 점이 언급됐습니다. 이는 현재 AI가 단순한 계산기가 아니라, 내부 작동 원리를 인간이 완전히 설명하지 못하는 복잡한 시스템이 되고 있음을 뜻하며, 기술 발전 속도만큼 안전성과 통제 논의도 병행돼야 한다는 문제의식을 드러냅니다.

🛠️ 살아남는 태도: 직접 써보고, 기록하고, 루틴으로 감각을 축적해야 합니다

두 연사는 공통적으로 ‘직접 해보는 사람’이 유리하다는 점을 강조했습니다. AI를 책이나 뉴스로만 이해하는 데는 한계가 있으며, 실제로 툴을 써보고 앱을 만들고 실험해 봐야 변화의 속도와 파급력을 체감할 수 있다는 설명입니다. 특히 AI는 하나의 기능이 아니라 새로운 문명에 가깝기 때문에, 밖에서 평가만 할 것이 아니라 안으로 들어가 경험해야 한다는 비유가 인상적으로 제시됐습니다. 동시에 정보 감각은 타고나는 것이 아니라 루틴에서 나온다는 조언도 나왔습니다. 매일 경제신문을 읽고, 읽은 내용을 글로 정리하고, 다시 말로 설명하는 과정을 반복하면 정보가 머리에 축적되고, 시간이 지나면서 과거와 현재를 연결하는 감각이 생긴다는 것입니다. 결국 변화가 큰 시대일수록, 남들이 요약해 주는 결론만 기다리기보다 스스로 학습 루틴과 기록 습관을 만들어 감각을 체화하는 사람이 앞서갈 가능성이 높다는 메시지로 정리됩니다.

✅ 종합 결론: 미래의 핵심 과제는 ‘노동 없는 시대의 소득 구조’를 설계하는 일입니다

이번 대담은 AI가 더 똑똑해질 것이라는 수준을 넘어, 인간 사회가 노동 중심 질서에서 자본·분배·기본서비스 중심 질서로 옮겨갈 수 있다는 거대한 전환을 다뤘습니다. 핵심 질문은 더 이상 “어떤 직업이 살아남을까”에만 있지 않고, “노동과 분리된 소득을 어떻게 마련할 것인가”, “개인은 어떤 자산 구조를 가져야 하는가”, “국가는 어떤 분배 장치를 설계해야 하는가”, “아이들은 무엇을 배워야 하는가”로 이동하고 있습니다. 개인 차원에서는 인프라와 현금흐름을 보는 투자 감각, ETF 중심의 분산, AI 활용 능력, 작은 창업 실험, 꾸준한 학습 루틴이 중요하게 제시됐습니다. 사회 차원에서는 AI로 인한 생산성 혁명이 다수의 삶을 더 낫게 만들지, 아니면 고용 붕괴와 소비 위축, 감시 강화로 이어질지는 아직 열려 있으며, 그 갈림길을 결정할 준비가 지금부터 필요하다는 점이 가장 무겁게 남는 메시지입니다.