AI 버블 논쟁, 남는 것은 자본이다

버블과 성장 사이의 세 번째 길

MIT 리카르도 J. 카바예로의 2026년 7월 15일 논문은 AI 투자 논쟁을 흥미롭게 비튼다. 보통 시장은 AI 관련 기업의 높은 밸류에이션을 두 갈래로 읽는다. 실제 생산성 혁명의 현재가치이거나, 곧 꺼질 버블이라는 식이다. 카바예로는 여기에 세 번째 가능성을 놓는다. 정점의 가격은 지속되지 않을 수 있지만, 그 가격이 자금을 끌어와 설치한 데이터센터, 전력, 칩, 소프트웨어 자본은 경제에 영구적인 유산을 남길 수 있다는 주장이다.

이 관점은 투자자가 낙관을 틀렸는지 맞혔는지보다, 낙관이 얼마나 오래 지속되어 실물 투자를 완성했는지를 본다. 논문은 AI 자본이 노동 과업을 대체하고 생산능력을 키우며, 소득을 저축 성향이 높은 자본 소유자 쪽으로 이동시킨다고 설명한다. 그 결과 장기적으로는 더 큰 자본 스톡, 더 낮은 이자율, 더 높은 임금이 함께 가능한 고자본 균형이 생길 수 있다. 다만 그곳으로 가는 다리는 합리적 가격만으로는 놓이지 않고, 일시적 낙관이 필요하다는 점이 핵심이다.

Goldman Sachs Research는 미국 데이터센터 전력 수요가 2025년 31GW에서 2027년 66GW로 뛸 수 있다고 봤고, McKinsey는 2025~2030년 AI 관련 데이터센터 용량 확장에 수조 달러 규모의 자본 지출 시나리오를 제시했다. 숫자의 정확도보다 중요한 것은 자본의 물리성이다. GPU 서버는 감가상각되지만 전력 인입, 냉각, 네트워크, 운영 노하우는 한 번 설치되면 다음 세대 모델의 비용 구조를 낮춘다.

왜 가격 조정이 곧 실패는 아닌가

논문은 AI를 철도나 닷컴과 비슷한 역사적 질문 위에 올린다. 과열은 있었지만 철도망과 광섬유망은 남았다. AI도 마찬가지로 볼 수 있다. 현재의 고평가가 모두 정당하다는 말이 아니라, 고평가가 현실의 생산능력을 당겨온다면 사후적으로 일부 사회적 편익이 남는다는 말이다. 투자자 입장에서는 손실일 수 있지만, 경제 전체로는 비용이 모두 증발하지 않는다.

이 구분은 한국 기업에도 중요하다. AI 투자 검토가 단순히 모델 구독료나 GPU 임대료의 손익계산서로 끝나면 안 된다. 자사 데이터 파이프라인, 내부 평가셋, 보안 심사, 전력 계약, 추론 라우팅 같은 보완 자본은 시장 가격이 흔들려도 남는다. Apollo AI ROI 경고가 말한 것처럼 5개월 회수냐 5년 회수냐의 차이는 프로젝트 성패를 가른다. 그러나 회수기간을 계산할 때 남는 설비와 학습효과를 0으로 두는 것도 과도하게 보수적이다.

에이전트 경제에서는 설비가 곧 제품 원가다

AI 인프라 투자가 중요한 이유는 에이전트형 서비스가 단발 질의보다 훨씬 많은 추론 호출을 만들기 때문이다. 코딩 에이전트, 문서 에이전트, 고객지원 에이전트는 한 번 답하고 끝나지 않는다. 검색, 계획, 코드 실행, 검증, 재시도를 반복한다. GPT-5.6 에이전트 비용 곡선과 SWE-1.7 코딩 모델 비용 곡선이 보여주듯, 품질 경쟁은 곧 작업당 원가 경쟁이 된다.

여기서 데이터센터는 단순한 부동산이 아니라 제품 원가의 하부구조다. 높은 밸류에이션이 전력망과 추론 클러스터를 더 빨리 깔게 만들었다면, 나중에 일부 기업의 주가가 내려가도 산업 전체의 한계비용은 낮아질 수 있다. IEA의 에너지와 AI 전망이 지적하듯 데이터센터 전력은 이미 에너지 정책의 변수이며, 병목은 GPU 가격만이 아니라 전력, 냉각, 계통 접속, 지역 허가로 넓어진다.

한국에서는 이 논리가 반도체와 전력, 클라우드 정책을 한 화면에 놓게 만든다. 엔비디아 GPU를 더 사는 것만이 AI 투자가 아니다. 전력 계약, 국산 NPU 실험, 추론 캐시, 모델 라우터, 개인정보를 고려한 로컬 처리까지 모두 미래 에이전트 원가를 낮추는 자본이다. Anthropic·삼성 칩 논의에서 보았듯 AI 반도체는 주가 테마가 아니라 공급망 협상력의 문제이기도 하다.

한국 기업의 체크리스트

가장 위험한 대응은 버블 논쟁을 이유로 아무것도 하지 않거나, 반대로 모든 프로젝트를 전략 투자라는 이름으로 승인하는 것이다. 카바예로의 틀에서 중요한 질문은 네 가지다. 첫째, 이 지출이 나중에도 재사용 가능한 자본인가. 둘째, 가격 조정이 와도 운영비를 감당할 수 있는가. 셋째, 조직의 실제 워크플로에 들어가 반복 호출 비용을 낮추는가. 넷째, 실패했을 때 매각하거나 다른 용도로 돌릴 수 있는가.

NBER의 Daron Acemoglu AI 거시경제 연구는 AI 생산성 효과가 과장될 수 있다고 경고한다. 반면 Pástor와 Veronesi의 기술혁명과 주가 연구는 기술 불확실성과 학습이 거품처럼 보이는 가격 움직임을 만들 수 있음을 보여준다. 두 시각은 충돌만 하는 것이 아니다. 생산성은 제한적일 수 있고, 동시에 일부 과열 투자는 미래의 비용 기반을 낮출 수 있다. 그래서 CFO와 CTO는 같은 투자안을 다른 언어로 평가해야 한다.

자주 묻는 질문

Q1: 논문은 AI 버블이 없다고 말하나요?

A: 아니다. 정점의 밸류에이션이 지속되지 않을 수 있다고 본다. 다만 가격이 틀렸더라도 그 가격이 만든 실물 자본은 경제에 남을 수 있다고 구분한다.

Q2: 투자자가 손해를 봐도 사회는 이익일 수 있나요?

A: 가능하다. 투자자는 고평가된 가격에서 손실을 볼 수 있지만, 데이터센터와 전력 인프라가 생산성을 높이면 사회 전체에는 일부 편익이 남는다.

Q3: 한국 기업은 지금 AI 투자를 늘려야 하나요?

A: 무조건 늘리기보다 재사용 가능한 자본부터 봐야 한다. 데이터, 평가, 보안, 추론 최적화처럼 특정 모델 가격에 덜 종속된 투자가 우선이다.

Q4: 에이전트 서비스와 무슨 관련이 있나요?

A: 에이전트는 반복 호출을 많이 만든다. 인프라가 충분하지 않으면 제품 원가가 급격히 올라가므로, 설비와 라우팅 전략이 곧 경쟁력이 된다.

Q5: 버블이 빨리 꺼지면 어떻게 되나요?

A: 논문에서도 그것이 실패 조건이다. 충분한 자본이 설치되기 전에 기대가 꺼지면 고자본 균형으로 가지 못하고 기존 경로로 돌아갈 수 있다.