AI 확산, 국가·기업 간 성과 격차 확대
경쟁력의 핵심, 기술 보유보다 활용 역량
교육·정책 대응이 국가 성과 좌우

본 기사는 스위스 인공지능연구소(SIAI)의 SIAI Research Memo 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술·경제·정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적 의견이며, SIAI 또는 그 소속 기관의 공식 입장과 일치하지 않을 수 있습니다.

인공지능(AI)은 생산성과 경쟁 구조를 동시에 바꾸는 기술로 확산되고 있다. 그러나 그 효과가 국가와 산업 전반에 균등하게 나타나고 있다고 보기는 어렵다. 기술을 먼저 확보하고 활용한 국가와 기업을 중심으로 경제적 격차가 확대되는 흐름이 형성되고 있기 때문이다. 이러한 양상은 과거의 기술 전환기와도 겹친다. 18세기 산업혁명 당시 농업 중심 경제에서 산업 체제로 전환한 국가는 제한적이었고, 이들이 확보한 생산성과 시장 지위는 장기간 유지됐다. 20세기 후반 역시 컴퓨터와 모바일 기술을 조기에 도입한 국가들이 서로 다른 성장 경로를 밟았다. 현재 AI를 둘러싼 변화도 이러한 역사적 흐름 위에서 전개되고 있다.

AI 모델과 연산 인프라, 투자 자본, 숙련 인력이 특정 국가와 기업에 집중되면서 생산 방식과 비용 구조가 함께 바뀌고 있다. 자동화 범위가 확대되자 인력 투입은 줄고, 단위당 비용은 낮아진다. 이로 인해 생산과 서비스 확장이 상대적으로 수월한 구조가 형성되고 있다. 이러한 변화는 교육과 정책이 어떤 방향으로 조정돼야 하는지를 자연스럽게 드러낸다.

AI 격차의 가속 구조

AI를 둘러싼 격차는 돌발적인 현상이 아니다. 과거에도 기술 전환기마다 비슷한 흐름이 반복됐다. 기계화된 방직 산업, 석탄과 철강, 반도체와 인터넷 모두 기술을 먼저 확보한 국가와 기업이 생산 방식을 바꾸며 우위를 축적했다. AI 역시 같은 경로 위에 놓여 있다. 다만 이번 전환의 차이는 속도와 구조에 있다. AI 경쟁력은 연산 인프라, 데이터, 전문 인력처럼 단기간에 확충하기 어려운 자원에 의해 좌우된다. 이러한 자원은 이미 일부 국가와 기업에 집중돼 있다. 2024~2025년 기준으로 민간 AI 투자는 특정 국가에 많이 몰렸고, 최신 모델과 고급 연산 자원도 소수 플랫폼을 중심으로 축적됐다.

이 구조에서는 격차가 자연스럽게 확대된다. 대규모 투자를 통해 모델 성능이 개선되면 활용 범위가 넓어지고, 사용이 늘수록 데이터와 경험이 쌓인다. 축적된 경험은 다시 기술 고도화로 이어지며, 추가 투자와 인력을 끌어들이는 순환이 형성된다. 시간이 지날수록 AI 역량은 제한된 시스템 안에 집중되는 양상을 보인다.

활용 단계에서도 차이는 분명하다. 생성형 AI 사용은 증가하고 있지만, 이를 정기적으로 업무에 적용하는 비중은 여전히 제한적이다. 반복적으로 활용하며 작업 흐름에 통합한 경험은 일부 국가와 산업에 더 많이 축적되고 있다. 이러한 환경에서는 생산성 향상이 누적되는 반면, 활용이 단절된 곳에서는 AI가 보조적 도구 수준에 머문다. 활용 경험의 축적 여부가 성과 격차로 이어지고 있다.

비용 구조와 시장 질서

AI 확산의 직접적인 효과는 업무 처리 비용의 하락이다. 반복적인 사무 작업과 분석 업무가 자동화되면서, 기업은 동일한 서비스를 훨씬 낮은 비용으로 제공할 수 있게 됐다. AI를 조직 전반에 적용할수록 인력 투입은 줄고, 처리 속도와 처리량은 늘어난다. 이 변화는 사무·전문직 전반으로 확산되고 있다. 보고서 작성, 계약 문안 정리, 기술 검토 등 다양한 업무가 자동화 범위에 포함되면서 비용 구조가 빠르게 재편되고 있다. 비용이 적어진 기업은 가격을 조정하거나 공급을 확대할 여력이 생기고, 이는 시장 점유율 확대로 이어진다. 과거 공장제 생산이 가격 경쟁을 통해 시장 질서를 재편했던 흐름과 닮아 있다.

그러나 이 효과는 균등하게 나타나지 않는다. AI 시스템을 먼저 구축하고 대규모로 운영한 기업과 국가는 비용 절감 효과를 빠르게 축적하는 반면, 그렇지 못한 곳은 기존 구조에 머문다. 이러한 차이가 누적되면서 시장은 점차 일부 기업과 플랫폼을 중심으로 재편되고 있다. 이 과정에서 국가 간 차이도 확대된다. 자체 인프라를 바탕으로 산업과 공공 서비스를 운영하는 국가는 정책 운용의 여지를 유지할 수 있다. 반면 핵심 기능을 외부 플랫폼에 의존하는 국가는 데이터 제공이나 단순 서비스 역할에 머물 가능성이 커진다. AI 확산은 기술 경쟁을 넘어 시장 질서와 정책 선택의 폭까지 바꾸고 있다.

격차를 줄일 수 있는 정책 수단

AI 경쟁력은 인프라 확보 이후의 활용 단계에서 형성되고 있다. 기술에 접근할 수 있는지보다 이를 실제 업무에 어떻게 적용하느냐가 성과로 이어지고 있으며, 교육과 정책이 이 과정에 직접적인 영향을 미치고 있다. 이에 따라 교육의 기능도 변하고 있다. 특정 도구 사용법을 익히는 데 그치지 않고, AI가 만들어낸 결과를 해석하고 오류를 점검하며 사람의 판단이 개입해야 할 지점을 구분하는 능력이 기본 역량으로 요구되고 있다. 프롬프트 작성, 결과 검토, 기초적인 데이터 이해가 전공을 가리지 않고 중요해진 배경이다.

정책의 역할도 분리해 볼 수 없다. 외부 모델과 플랫폼을 활용하더라도 데이터와 성과가 국내에 축적될 수 있도록 제도적 장치를 마련하지 않으면, 교육을 통해 쌓은 역량은 외부로 이전될 가능성이 커진다. 교육 정책과 산업 정책을 함께 설계해야 하는 이유다. 노동시장 측면에서도 대응이 필요하다. 지역 산업과 연계된 직업훈련과 중·장년 재교육이 충분히 뒷받침되지 않을 경우, 기술 변화는 숙련 축적이 아닌 직무 이탈로 이어질 수 있다. 단기 과정 중심의 직업훈련이 강조되는 이유다.

교육 방식 역시 현장 중심으로 재편되고 있다. 학생이 AI를 사용하는 데 그치지 않고, 실제 과제를 놓고 결과를 검토하고 수정하는 경험을 쌓는 것이 중요해지고 있다. 이를 위해서는 기본적인 연산 자원과 관리 체계가 필요하며, 공공 투자가 부족할 경우 교육 격차는 그대로 활용 격차로 이어질 가능성이 크다. AI 확산 과정에서의 위험은 일자리 감소보다 숙련이 축적되지 않는 구조가 고착되는 데 있다.

반론과 정책 변수

AI가 국가 성과를 좌우한다는 주장에 대해선 다른 시각도 존재한다. 제도와 정치적 선택, 국가 여건이 여전히 중요하며 기술은 이를 드러내는 역할에 가깝다는 해석이다. 분산형 모델이나 현장 중심 연산 기술이 확산되면 접근 격차가 완화될 수 있다는 기대도 제기된다. 다만 현실적 제약은 분명하다. AI를 지속적으로 운영하려면 고성능 연산 자원과 이를 다룰 인력, 안정적인 운영 체계가 필요하다. 이러한 요소들은 여전히 일부 국가와 기업에 집중돼 있다. 후발국이 빠르게 따라잡을 수 있다는 주장도 가능하지만, 이를 위해서는 연산 자원 확보와 인력 양성, 데이터 활용에 대한 정부 차원의 지원이 선행돼야 한다.

정책 선택지는 비교적 명확하다. 정부가 연산 설비와 네트워크를 확충해 기업과 교육기관이 공동으로 활용할 수 있도록 하거나, 해외 기술을 도입하더라도 국내에서 운용하고 개선할 수 있는 인력을 함께 키우는 방식이다. 산업 현장에서 바로 활용할 수 있도록 교육 내용을 조정하고, 국내에서 만들어진 데이터와 서비스 성과가 해외 플랫폼으로 일방적으로 이전되지 않도록 기준을 마련하는 것도 포함된다. 이러한 선택이 이뤄지지 않을 경우, AI 활용은 제한된 영역에 머물고 경제 구조는 고부가가치 분야와 단순 서비스 분야로 나뉠 가능성이 커진다.

AI로 인한 격차는 인프라와 자본, 인적 역량이 축적된 결과로 단기간에 좁혀지기 어렵다. 과거의 기술 전환기처럼 이를 먼저 체계화한 주체가 장기적 성과를 확보해 왔다. 교육과 정책의 선택이 중요한 이유다. 활용 역량을 키우지 못할 경우 AI는 성장 동력이 아니라 격차를 확대하는 요인으로 작동할 가능성이 크다. 지금의 대응이 AI를 공동의 기회로 만들지, 불균형을 고착시킬지를 결정한다.

본 연구 기사의 원문은 Industrial Echoes: Why an AI-driven divergence will reshape who prospers — and what educators must do을 참고해 주시기 바랍니다. 본 기사의 저작권은 스위스 인공지능연구소(SIAI)에 있습니다.