AI 요약
경제학자 노아 스미스는 AI 산업이 직면한 거품 논란을 분석하며, 기술의 유용성 여부를 넘어선 새로운 붕괴 시나리오를 제시합니다. 2025년 말 시점에서 그는 AI가 과거 메타버스(770억 달러 투자) 사례와 달리 실질적인 유용성을 입증하며 직장인 40%가 업무에 활용하는 등 급속히 확산 중이라고 진단합니다. 그러나 MIT의 8월 발표에 따르면 AI 투자 조직의 95%가 아직 리턴을 얻지 못하고 있으며, 하버드와 스탠퍼드 연구진은 내실 없는 'AI 가짜 업무(workslop)' 현상을 지적하고 있습니다. 구글 딥마인드의 데미스 허사비스와 알파벳의 순다르 피차이 역시 투자 과열에 따른 '비이성'과 거품의 위험을 인정하면서도 기술의 장기적 잠재력은 신뢰하는 복합적인 태도를 보입니다. 결국 AI가 유용한 도구로 자리를 잡더라도, 격심한 경쟁과 높은 인프라 비용으로 인해 기업들이 기대하는 막대한 이익 창출로 이어지지 못할 수 있다는 점이 이번 분석의 핵심입니다.
핵심 인사이트
- 빠른 채택 속도: 2024년 데이터(Bick et al.) 기준, 직장인의 40%가 이미 AI를 업무에 도입하여 역사상 어떤 기술보다 빠른 확산 속도를 기록함.
- 수익성 부재: 2025년 8월 MIT 연구 결과, AI 관련 계획에 투자한 조직의 95%가 현재까지 아무런 투자 수익(ROI)을 얻지 못함.
- 거품론의 대두: 구글 딥마인드 CEO 데미스 허사비스는 Axios AI+ 서밋에서 AI 시장의 일부가 거품일 가능성을 시인함.
- 자본 지출의 명암: 메타(Meta)가 메타버스에 770억 달러를 투입했으나 실패한 '가상현실 시나리오'와 비교하며 AI의 실질적 가치를 재평가함.
주요 디테일
- AI 워크슬롭(workslop): 하버드와 스탠퍼드 연구진이 명명한 용어로, AI가 생성한 겉보기에만 그럴듯하고 실질적인 업무 진척에는 도움이 되지 않는 무의미한 결과물을 의미함.
- 스케일링 법칙의 한계: OpenAI와 앤스로픽(Anthropic)이 수년 전부터 고수해온 '더 많은 데이터와 계산 자원 투입이 성능 향상을 보장한다'는 법칙이 수익 체감의 법칙에 직면함.
- 추론 규모 확장: 훈련 데이터 확장의 한계를 극복하기 위해, AI가 응답하기 전 '더 깊이 생각'하게 만드는 추론 단계의 알고리즘 개선과 강화 학습이 대안으로 부상함.
- 리더들의 경고: 알파벳 CEO 순다르 피차이는 BBC와의 인터뷰에서 현재 AI 투자에 '비이성적인 면'이 존재한다고 지적하며 시장의 회의론을 뒷받침함.
- 제3의 시나리오: AI가 기술적으로는 유용(VR 시나리오 탈피)하고 인프라가 남더라도(철도 시나리오), 지나친 경쟁으로 인해 기업들이 이익을 남기지 못할 가능성.
향후 전망
- 옥석 가리기: 브렛 테일러 OpenAI 의장의 발언처럼 거품 붕괴 후에도 '진정으로 생성적인 소수의 기업'과 기술은 살아남아 산업의 근간을 재편할 전망임.
- 에이전트 기술의 부상: 단순 챗봇을 넘어 스스로 업무를 수행하는 'AI 에이전트' 분야가 아직 요람기에 있어, 이 분야의 성숙도가 향후 비즈니스 가치 창출의 관건이 될 것임.
출처:hatena