AI가 일을 다 하게 되면, 경제는 작아질까?
40년을 시뮬레이션으로 돌려보고 알게 된 것들
이 글을 읽기 전에 알아두면 좋은 말 3개
① 경제 규모(GDP) — 한 해 동안 나라 안에서 만들어진 모든 물건과 서비스의 가치를 합친 것. "나라 전체가 번 돈"이라고 생각하면 됩니다.
② 노동소득분배율 — 나라가 번 돈 중에서 월급으로 가는 몫의 비율. 지금 한국은 대략 0.6~0.65 수준입니다. 나머지는 기업 이익, 배당, 임대료처럼 자본으로 갑니다. 이 글에서 가장 중요한 숫자입니다.
③ 돈이 돌아오는 비율 (이 글에서 계속 나옵니다) — 기업이나 부자에게 몰린 돈이 다시 소비·투자로 풀려 나오는 정도. 돈이 통장에 잠기면 낮고, 물건을 사거나 투자되면 높습니다. 원래 용어는 '잉여 재순환율'인데, 이 글에서는 그냥 "돈이 돌아오는 비율"로 쓰겠습니다.
https://www.youtube.com/watch?v=TTS3m7yTSsI
1. 시작은 잘못된 시뮬레이션이었습니다
"AI가 대부분의 일을 대신하게 되면, 경제 규모는 줄어들까?"
이 질문이 궁금해서 AI 에이전트에게 시뮬레이션을 시켜봤습니다. 결과가 그럴듯하게 나왔습니다. "새 산업이 사람을 흡수하는 속도가 느리면 경제가 49% 쪼그라들고, 흡수 속도를 최대로 올려도 원래 규모를 회복하지 못한다." 숫자와 표까지 붙어 있었습니다.
그런데 코드를 열어보니 이야기가 달랐습니다.
문제 1. 생산과 소비가 같은 숫자였습니다
모델 안에서 "생산량"과 "소비 여력"이 사실 똑같은 변수였습니다. 나눗셈 두 개가 서로 상쇄되면서, 모델 전체가 결국 이 한 줄로 줄어듭니다.
생산 = 0.9 × 일자리 수 + 0.2 × 자본이러면 일자리가 하나 사라질 때마다 생산은 반드시 줄어듭니다. 계산 결과가 그렇게 나오도록 처음부터 못 박혀 있었던 겁니다. AI가 생산성을 올려주는 효과가 들어갈 자리 자체가 없었습니다.
문제 2. AI를 똑똑하게 만들면 경제가 더 망했습니다
AI 생산성을 3배로 올리니 경제가 0.52배, 10배로 올리니 0.37배가 됐습니다. AI가 유능해질수록 경제가 망하는 모델이었습니다. 부호가 뒤집혀 있었던 거죠.
문제 3. 핵심이라던 변수가 코드에서 아예 안 쓰였습니다
원래 결론의 근거는 이거였습니다. *"AI가 일자리를 없애는 속도는 소프트웨어처럼 빠른데, 새 산업이 사람을 흡수하는 속도는 건물 짓듯 느리다."* 그럴듯합니다. 그런데 그 '느린 속도'를 나타내는 변수를 1로 두든 999로 두든 결과가 소수점 셋째 자리까지 똑같았습니다. 코드에 한 번도 등장하지 않았던 겁니다. 말은 있는데 계산은 없었습니다.
문제 4. 결론이 자기 모델 안에서도 틀렸습니다
"흡수 속도를 최대로 올려도 회복 못 한다"고 했는데, 그 변수는 0~1 사이 값입니다. 그런데 0.2에서 실험을 멈추고 "최댓값 근처"라고 썼습니다. 0.3만 넣어봐도 회복됩니다.
주식 백테스트로 치면, 결론이 나오게 미리 세팅된 조건으로 돌려놓고 "전략이 검증됐다"고 말하는 것과 같습니다. 그래서 직접 다시 짰습니다.
2. 다시 짠 모델은 어떻게 생겼나
세 덩어리입니다. 어렵지 않게 설명해보겠습니다.
덩어리 ① — 만들 수 있는 능력 (공급)
경제를 "해야 할 일들의 묶음"으로 봅니다. 여기서 일 하나하나를 과업이라고 부릅니다. 예를 들어 '고객 문의 응대', '세금계산서 발행', '용접', '코드 리뷰' 같은 낱개 작업들입니다.
이 과업 중 일부가 AI로 넘어갑니다. AI가 맡은 과업은 사람보다 3배 빠르게 처리한다고 가정했습니다. 그러면 같은 물건을 만드는 데 필요한 사람 수가 줄어듭니다. 동시에 기술이 허용하는 최대 생산량은 폭발적으로 늘어납니다.
덩어리 ② — 자동화를 할지 말지 결정하는 방식 (여기가 핵심 개선)
앞의 잘못된 모델은 "매년 일자리의 4%가 사라진다"처럼 자동화 속도를 그냥 정해놓았습니다. 현실은 그렇지 않습니다. 기업은 계산을 합니다.
사람 쓰는 비용 vs AI 쓰는 비용 → 싼 쪽을 씁니다.
그래서 이렇게 바꿨습니다. AI 비용은 매년 떨어지고, 임금은 실업률에 따라 오르내립니다. 이러면 자연스럽게 임금이 폭락하면 자동화를 할 이유도 줄어듭니다. 사람이 너무 싸지면 굳이 AI로 안 바꾸는 거죠. 이게 실제로 존재하는 브레이크입니다.
덩어리 ③ — 사겠다는 사람이 있는가 (수요)
물건을 만들 수 있어도 사줄 사람이 없으면 안 팔립니다. 그래서 소비 + 정부지출 + 복지지출 + 기업투자를 다 더해서 "실제로 팔리는 양"을 구했습니다.
여기서 앞의 모델이 빠뜨린 걸 넣었습니다. 기업이 AI 설비를 사는 돈도 누군가의 소득입니다. 설비를 만들어 파는 회사 직원의 월급이 되죠. 앞 모델은 자본이 공짜로 늘어나는 구조였습니다.
검증부터 했습니다
전략 백테스트할 때 쓰는 절차를 그대로 걸었습니다.
| 검사 항목 | 쉽게 말하면 | 결과 |
|---|---|---|
| 회계 항등식 검사 | 번 돈과 쓴 돈의 합이 맞나 | 오차 0.000000000000028 |
| 초기 상태 검사 | 출발점이 현실적인가 (실업률 0.4%, 월급 몫 0.64) | 통과 |
| 부호 검사 | AI가 좋아지면 생산 능력도 늘어나나 | 통과 |
| 죽은 변수 검사 | 코드에 있는데 결과에 영향 없는 변수가 있나 | 없음 |
앞의 모델은 이 중 세 개가 실패했습니다.
3. 첫 번째 결과: 완전고용의 조건은 무섭게 단순합니다
먼저 아주 단순한 산수 하나.
모두가 일자리를 지키려면, 경제가 생산성만큼 빨리 커져야 합니다.
한 사람이 두 배로 일을 잘하게 됐다면, 경제도 두 배로 커져야 사람 수가 그대로 유지됩니다. 안 커지면 남는 사람이 생기죠. 여기서 남는 만큼이 그대로 실업이 됩니다.
모델에서 뽑은 숫자는 이렇습니다.
| AI가 대체하는 일의 비율 | 모두가 일자리를 지키려면 필요한 성장률 |
|---|---|
| 30% | 연 3.4% |
| 60% | 연 5.8% |
| 75% | 연 8.7% |
| 90% | 연 12.5% |
캡션: 선진국이 실제로 해낸 성장률은 연 2%대입니다. AI가 일의 60%를 대체하면 연 5.8%가 필요합니다.
한국의 최근 성장률은 2%대입니다. 일본은 1% 안팎이죠. 연 5.8%를 40년간 유지한 나라는 역사에 거의 없습니다.
"새 산업이 생기면 되지 않나?"라는 답이 자연스럽게 나옵니다. 맞습니다. 필요합니다. 그런데 필요한 크기가 문제입니다. 계산해보면 AI가 일의 60%를 대체할 때 새로운 일거리가 40년간 매년 2.3%씩 계속 생겨나야 합니다. 90%면 매년 5.8%씩입니다. 지금까지 인류가 해온 속도를 크게 넘어섭니다.
4. 두 번째 결과: 갈림길은 AI 쪽이 아니라 분배 쪽에 있습니다
이게 이 시뮬레이션의 가장 중요한 발견입니다.
가로축을 "돈이 돌아오는 비율", 세로축을 "AI가 대체하는 일의 비율"로 놓고 40년 뒤 경제 규모를 전부 계산했습니다.
| AI 대체율 ↓ / 돈이 돌아오는 비율 → | 0.00 | 0.10 | 0.20 | 0.25 | 0.30 | 0.40 |
|---|---|---|---|---|---|---|
| 30% | 0.26배 | 0.30배 | 0.36배 | 0.42배 | 0.45배 | 3.42배 |
| 60% | 0.26배 | 0.30배 | 0.37배 | 0.42배 | 3.28배 | 3.44배 |
| 90% | 0.27배 | 0.32배 | 0.38배 | 0.43배 | 3.44배 | 3.44배 |
캡션: 위아래로는 색이 거의 안 바뀌고, 좌우로 움직일 때 절벽이 생깁니다.
표를 위아래로 읽어보세요. AI가 대체하는 일을 30%에서 90%로 3배 늘렸는데, 결과는 0.26배에서 0.27배로 거의 안 움직입니다.
이번엔 좌우로 읽어보세요. "돈이 돌아오는 비율"이 0.25에서 0.30으로 조금 넘어가는 순간, 0.42배에서 3.28배로 8배 점프합니다.
문턱은 약 0.28입니다. 이 아래면 40년 뒤 경제가 쪼그라들고, 위면 3.4배로 커집니다. AI 기술은 똑같은데 결과가 갈립니다.
즉 "AI 때문에 경제가 줄어든다"는 말은 성립하지 않습니다. 쪼그라드는 미래와 3배 커지는 미래가 똑같은 AI 조건 아래에서 공존합니다. 갈림길은 기술이 아니라 돈이 어떻게 도느냐에 있습니다.
그리고 무너질 때는 완만하게가 아니라 절벽처럼 무너집니다
| 시나리오 | 가장 좋았을 때 | 가장 나빴을 때 | 정점 대비 낙폭 |
|---|---|---|---|
| 붕괴형 | 12년차, 1.47배 | 30년차, 0.28배 | −80.7% |
| 문턱 직전 | 20년차, 1.70배 | 33년차, 0.42배 | −75.3% |
| 성장형 | 계속 상승 | — | 0% |
| 정책 개입형 | 계속 상승 | — | 0% |
캡션: 위 왼쪽 그래프를 보세요. 붕괴형(빨강)은 12년차까지 잘 성장하다가 갑자기 떨어집니다.
붕괴형은 12년차까지 47% 성장한 다음 무너져서 대공황급(−80%)으로 떨어집니다. 문턱 직전 시나리오는 20년차까지 70% 성장하며 더 오래, 더 그럴듯하게 버티다가 무너집니다.
완만한 내리막이 아닙니다. 절벽입니다.
5. 세 번째 결과: 무너지기 직전이 제일 좋아 보입니다
절벽이 무서운 진짜 이유는 낙폭이 아닙니다. 경보가 울리지 않는다는 점입니다.
붕괴형 시나리오에서 GDP가 사상 최고를 찍은 그 해의 지표를 뜯어봤습니다.
| 시점 | 경제 규모 | 실업률 | 월급 몫 | 자본 몫 | 공장 가동률 |
|---|---|---|---|---|---|
| 정점 5년 전 | 1.29배 | 7.4% | 0.535 | 37.6% | 100% |
| 경제 규모 정점 | 1.47배 | 31.8% | 0.300 | 59.3% | 98% |
| 정점 3년 후 | 1.29배 | 51.1% | 0.186 | 70.0% | 79% |
| 최저점 | 0.28배 | 95.5% | 0.055 | 63.4% | 36% |
캡션: 파란 선(경제 규모)이 정점을 찍는 순간, 빨간 선(월급 몫)은 이미 반토막이고 주황 점선(실업률)은 30%를 넘었습니다.
경제 규모가 사상 최고를 찍는 그 해에 실업률은 이미 31.8%입니다. 월급으로 가는 몫은 0.64에서 0.30으로 반토막 났습니다. 공장은 98% 돌아가고 있습니다.
무슨 뜻일까요. 성장률, 공장 가동률, 기업 이익 같은 우리가 늘 보는 지표들은 정점에서 전부 좋아 보입니다. 뉴스에는 "사상 최대 실적"이 나옵니다. 그리고 그 다음이 절벽입니다.
그러면 무엇을 봐야 할까요. GDP도 주가도 아닙니다.
경보 신호: 경제는 계속 성장하는데, 월급으로 가는 몫만 계속 떨어지는 국면
이 조합이 위험 신호입니다. 그리고 이 두 지표는 지금도 통계청과 한국은행에서 발표합니다. 볼 수 있는 숫자입니다.
6. 네 번째 결과: 기본소득은 금액보다 "연동 방식"이 중요합니다
돈이 잘 안 도는 세상(0.10)에 정책을 넣어봤습니다. 자본에 세금 45%를 매기고 기본소득을 줬습니다. 그리고 기본소득을 무엇에 연동해서 올리느냐만 바꿔 비교했습니다.
| 기본소득 지급 수준 | 월급에 연동 | 나라 전체 소득에 연동 |
|---|---|---|
| 없음 | 0.36배 | 0.36배 |
| 낮게 (0.15) | 0.39배 | 1.02배 |
| 중간 (0.25) | 0.40배 | 1.26배 |
| 높게 (0.50) | 0.43배 | 2.09배 |
(숫자는 서민 1인당 소득. 1.0배 미만이면 지금보다 못 살게 된다는 뜻)
캡션: 빨간 선(월급 연동)은 금액을 올려도 회색 기준선을 못 넘습니다. 초록 선(나라 소득 연동)은 낮은 금액으로도 넘습니다.
월급에 연동하면 금액을 3배 넘게 올려도 서민 소득은 0.43배에 그칩니다. 왜냐하면 임금이 무너지는 세상에서 임금에 연동된 지원금은 같이 무너지기 때문입니다. 기준이 같이 내려가니까요.
반면 나라 전체 소득에 연동하면 3분의 1 금액으로 1.02배를 넘깁니다.
정책 논쟁은 보통 "얼마 줄 거냐"를 두고 벌어집니다. 그런데 결과를 결정하는 건 무엇에 연동할 거냐였습니다.
7. 다섯 번째 결과: 정책으로도 못 막는 것이 하나 있습니다
월급으로 가는 몫은 모든 시나리오에서 똑같이 무너졌습니다. 0.64에서 0.04로.
붕괴형이든 성장형이든 정책 개입형이든, 그래프에서 선이 겹칩니다. ('4. 두 번째 결과: 갈림길은 AI 쪽이 아니라 분배 쪽에 있습니다' 의 'AI 노동대체 40년 시뮬레이션' 왼쪽 아래 그래프)
정책은 복지로 서민 살림을 지켜냅니다. 경제 규모도 지켜냅니다. 그러나 "월급 받아서 먹고사는 구조" 자체는 지켜내지 못합니다.
정책이 성공한 시나리오에서도, 사람들 소득의 대부분은 월급이 아니라 복지 지원금과 자본 소득에서 나옵니다.
이게 시뮬레이션에서 가장 확신하게 된 부분입니다. 지금 논쟁은 "일자리를 지킬 수 있는가"에 머물러 있습니다. 그런데 모델이 말하는 건 다릅니다. 일자리 개수는 성장률에 따라 어느 정도 돌아옵니다. 돌아오지 않는 건 "월급이 소득의 주된 원천"이라는 전제입니다.
8. 여섯 번째 결과: 빠뜨린 것들은 안심할 거리가 아니었습니다
모델에서 빠진 걸 "그래서 실제는 다를 수 있다"로 넘기면 안 됩니다. 빠진 게 결과를 어느 방향으로 밀지 따져야 합니다. 그래서 가장 의심스러운 하나를 실제로 코드에 넣어봤습니다.
빚 문제 — 이게 판을 뒤집었습니다
먼저 왜 이게 문제인지부터.
AI가 생산성을 올리면 물가가 떨어집니다. 물건이 싸지니까요.
그런데 빚은 그대로입니다. 3억 원 대출은 물가가 떨어져도 3억 원입니다.
즉 물가가 떨어질수록 빚의 실질 무게는 무거워집니다.
이자 갚느라 소비를 줄이면, 그만큼 경제가 더 위축됩니다.
경제학자 어빙 피셔가 1933년 대공황을 설명하며 지적한 구조입니다. 부채 디플레이션이라고 부릅니다.
이걸 코드에 넣고, 원래 3.28배 성장하던 조건(0.30)에서 돌렸습니다.
| 가계가 내는 이자 / 나라 전체 소득 | 40년 뒤 경제 규모 | 정점 대비 낙폭 |
|---|---|---|
| 0% | 3.28배 | 0% |
| 2% | 2.52배 | 9.8% |
| 4% | 0.35배 | 80.5% |
| 6% | 0.17배 | 86.3% |
| 8% | 0.07배 | 94.9% |
캡션: 3%와 4% 사이에서 선이 회색 기준선 아래로 떨어집니다. 성장이 붕괴로 뒤집히는 지점입니다.
3%에서 4%로 넘어가는 사이에 3.28배 성장이 0.35배 붕괴로 뒤집힙니다. 이자 부담이 8%가 되면, 돈이 돌아오는 비율을 아무리 올려도 성장 시나리오가 아예 사라집니다.
한국 가계부채는 나라 전체 소득의 90~100% 수준입니다. 금리를 4~5%로 보면 이자 부담이 나라 소득의 4%대입니다. 하필 뒤집히는 구간입니다. 여기에 부동산 담보 비중이 높다는 점 — 집값이 떨어지면 담보 가치와 소비가 동시에 맞는다는 점 — 을 더하면, 완충재가 아니라 증폭기입니다.
나머지 빠진 것들 — 나쁜 쪽과 좋은 쪽을 나눠야 합니다
더 나쁘게 만드는 것들
- 수출. 한 나라는 수요가 부족하면 수출로 메울 수 있습니다. 그런데 AI 대체가 전 세계에서 동시에 진행되면, 모든 나라가 수출로 남길 수는 없습니다. 누군가는 사줘야 하니까요. 개별 국가 계획에서는 출구인데 세계 전체로는 출구가 아닙니다. 한국처럼 수출 의존도가 높으면 이 출구를 전제로 계획을 세우기 쉬워서 더 위험합니다.
- 금리 인하가 안 통함. 수요 부족이 분배 구조에서 나오면 금리를 내려도 해결되지 않습니다. 일본이 30년간 보여준 그림입니다.
- 자산 거품. 자본에 몰린 돈은 실물 투자할 곳이 없으면 주식·부동산으로 갑니다. 그러면 정점 국면이 더 좋아 보입니다. 앞에서 "정점에 실업률 32%"라고 했는데, 여기에 주가·집값 사상 최고까지 겹치면 경보는 완전히 꺼집니다.
덜 나쁘게 만드는 것
- 자산이 오르면 가진 사람이 소비를 늘립니다. 이건 결과를 완화합니다. 사실 이 모델의 "돈이 돌아오는 비율"이 이 효과를 일부 담고 있습니다.
정리하면, "빠진 걸 넣으면 무조건 더 나쁘다"는 아닙니다. 다만 가장 크기가 큰 빠진 항목이 빚 문제이고, 그게 명확히 나쁜 방향입니다. 그래서 방향으로 보면 "안심할 거리가 아니다"가 맞습니다.
반대로, 제 예상이 틀린 것 — 재교육과 숙련 격차
"AI가 못하는 일로 옮겨가려면 배워야 하는데, 그게 어렵고 오래 걸리니 현실은 더 가혹할 것"이라고 예상했습니다. 넣어봤더니 거의 안 움직였습니다.
| 조건 | 정점 시점 | 낙폭 | 40년 뒤 |
|---|---|---|---|
| 기준 | 14년차 | 77.6% | 0.37배 |
| 새 산업 생성 절반으로 | 14년차 | 77.6% | 0.36배 |
| 재교육 지연 두 배로 | 14년차 | 77.6% | 0.37배 |
| 둘 다 심각하게 | 14년차 | 77.6% | 0.36배 |
왜 그럴까요. 이 모델에서 실업은 "기술을 못 배워서" 생기는 게 아니라 "물건이 안 팔려서" 생깁니다. 재교육 문제는 누가 실업자가 되는지를 바꾸지만, 몇 명이 실업자가 되는지는 바꾸지 않습니다. 총 인원은 "얼마나 팔리는가"로 정해지기 때문입니다.
재교육이 안 중요하다는 뜻이 아닙니다. 개인과 지역에게는 결정적입니다. 다만 나라 전체가 무너지는지 여부를 결정하는 변수는 아니라는 것이고, 그렇다면 재교육 정책은 "개인을 돕는 정책"으로 정당화해야 하고 "경제를 지키는 대책"으로 내세우면 안 된다는 뜻이 됩니다.
제 예상이 틀린 부분이라 그대로 적어둡니다.
9. 일곱 번째 결과: 그래서 투자자는 무엇을 해야 하나
여기가 가장 실질적인 부분입니다.
(1) 월급만 받는 가구는 어떤 시나리오에서도 집니다
경제가 40년간 3.44배로 커지는 성장 시나리오에서 소득 출처별로 갈라봤습니다.
| 연차 | 월급만 받는 가구 | 자본(주식·배당) 소득 | 격차 |
|---|---|---|---|
| 0년 | 1.00배 | 1.00배 | 1.0배 |
| 10년 | 0.95배 | 2.37배 | 2.5배 |
| 20년 | 0.38배 | 4.79배 | 12.5배 |
| 30년 | 0.33배 | 6.88배 | 21.1배 |
| 40년 | 0.33배 | 9.19배 | 28.1배 |
캡션: 검은 점선이 나라 전체 경제(3.4배 성장). 초록이 자본 소득(9.2배). 빨강이 월급만 받는 가구(0.33배)입니다.
경제가 3.44배 커지는데, 월급만 받는 가구의 소득은 0.33배가 됩니다.
붕괴형에서도 월급 0.20배 대 자본 0.80배로 4배 격차입니다. 정책 개입 시나리오에서도 월급 자체는 0.32배로 같습니다. 정책은 복지로 살림을 구제하지만 월급 경로를 되살리지는 못합니다.
결론은 단순합니다. 회사의 직원이면서 동시에 주주여야 합니다.
개별 종목을 잘 골라야 한다는 얘기가 아닙니다. 자동화의 이익이 흘러가는 자본 전체에 대한 지분 — 즉 광범위한 지수 — 을 갖고 있어야 한다는 얘기입니다.
이건 낙관도 비관도 아니고 산수입니다. 이 모델에서 유일하게 흔들리지 않은 결과가 "자동화 이익이 자본 몫으로 재분류된다" (월급 몫 0.64 → 0.04, 모든 시나리오 공통)입니다. 그 몫에 대한 지분이 없으면 이익에서 빠집니다.
주의할 점도 있습니다. 붕괴형에서는 자본 소득도 정점 2.37배에서 0.80배까지 떨어집니다. 자본 보유가 상대적으로 유리하다는 것이지 절대적 안전을 보장하지는 않습니다. 절벽에서는 모두 손해를 보고, 자본이 덜 볼 뿐입니다.
(2) 그리고 소유가 넓게 퍼지면 붕괴 문턱 자체가 내려갑니다
이게 예상 밖으로 강했습니다.
자본에서 나온 소득이 주식·연금을 통해 일반 국민에게 얼마나 흘러가는지를 바꿔가며, 붕괴를 면하는 문턱을 다시 구했습니다.
| 국민에게 흘러가는 자본소득 비중 | 붕괴를 면하려면 필요한 "돈이 돌아오는 비율" |
|---|---|
| 0.30 (소유가 소수에 집중) | 0.47 |
| 0.45 | 0.35 |
| 0.55 (현재 가정) | 0.28 |
| 0.70 | 0.18 |
| 0.85 | 0.10 |
| 0.95 (소유가 널리 퍼짐) | 0.07 |
캡션: 오른쪽으로 갈수록(소유가 넓어질수록) 초록 성장 영역이 커집니다.
소유가 넓어지면 필요한 문턱이 0.47에서 0.07로, 거의 7배 내려갑니다. AI 대체율을 3배 흔들어도 안 움직였던 것과 비교하면, 이 모델에서 가장 강력한 단 하나의 레버입니다.
이유는 명확합니다. 기업에 쌓인 돈이 사내에 잠기면 소비로 돌아오지 않습니다. 그 돈이 국민 포트폴리오로 흘러가면 일부가 소비됩니다. 소유가 퍼지는 것 자체가 돈을 돌게 하는 장치입니다.
그래서 이렇게 됩니다.
- 개인 입장: 자본 지분이 있어야 자동화 이익에서 빠지지 않습니다
- 나라 입장: 자본 지분이 널리 퍼져 있으면 붕괴 문턱이 내려갑니다
개인의 방어와 사회의 안정이 같은 방향을 가리킵니다. 이건 흔한 일이 아닙니다.
정책 함의도 여기서 나옵니다. 기본소득과 자본세만 논의 대상이 아닙니다. 국민연금의 주식 비중, 퇴직연금 제도, 우리사주, 자사주 소각 대 배당, 국부펀드형 국민배당 — 소유를 넓히는 모든 장치가 곧 경제 안정화 정책입니다.
앞의 기본소득 결과와 같은 방향입니다. 월급에 연동된 장치는 월급과 함께 무너지고, 나라 전체 소득에 연동된 장치만 살아남습니다.
10. "가정한 숫자니까 안 맞을 것"이라는 생각에 대하여
여기까지 읽고 이렇게 생각하는 분이 계실 겁니다.
"결국 몇몇 숫자는 저자가 가정한 거잖아요. AI가 사람보다 3배 생산적이라는 것도, AI 비용이 매년 12% 떨어진다는 것도. 그러면 결과도 안 맞는 거 아닌가요?"
맞는 지적입니다. 그리고 이건 이 모델만의 문제가 아닙니다. 미래를 다루는 모든 모델은 가정에서 출발합니다. 국민연금 고갈 시점 추계도, 기후 시나리오도, 증권사 목표주가도 전부 그렇습니다. 가정 없는 미래 예측은 존재하지 않습니다.
그래서 질문을 바꿔야 합니다. "이 숫자가 맞나?"가 아니라 "이 숫자를 바꿨을 때 무엇이 바뀌고 무엇이 안 바뀌나?" 입니다.
이게 왜 중요한지 예를 들어보겠습니다. 어떤 결론이 특정 숫자를 정확히 맞혀야만 성립한다면, 그 결론은 쓸 수 없습니다. 반대로 숫자를 넓게 흔들어도 방향이 유지된다면, 그 부분은 예측이 아니라 구조입니다. 구조는 미래를 몰라도 대비할 수 있습니다.
그래서 모든 변수를 현실적으로 가능한 범위 전체로 흔들어봤습니다. 결과는 이렇습니다.
캡션: 빨간색(돈·분배·빚)이 위쪽을 독차지하고, 파란색(AI 기술)은 전부 아래쪽에 몰려 있습니다. 오른쪽으로 길수록 결과를 크게 바꾸는 변수입니다.
| 흔든 변수 | 결과가 벌어지는 폭 | 종류 |
|---|---|---|
| 가계 이자 부담 | 32.4배 | 빚 |
| 자본에 매기는 세율 | 13.6배 | 분배 |
| 돈이 돌아오는 비율 | 12.3배 | 분배 |
| 부자의 소비 성향 | 9.4배 | 분배 |
| 소유가 퍼진 정도 | 8.8배 | 분배 |
| 설비 투자 비용 | 2.5배 | 기타 |
| 기초 생산성 증가율 | 1.8배 | 기술 |
| AI 스필오버 효과 | 1.6배 | 기술 |
| AI 비용 하락 속도 | 1.2배 | 기술 |
| AI 생산성 배수 | 1.2배 | 기술 |
| AI가 대체하는 일 비율 | 1.1배 | 기술 |
| 새 산업 생성 속도 | 1.0배 | 기술 |
| 재교육 지연 | 1.0배 | 기술 |
읽는 법은 간단합니다. 1.0배면 그 변수를 아무리 흔들어도 결과가 안 바뀐다는 뜻이고, 숫자가 클수록 결과를 크게 뒤집는다는 뜻입니다.
그래서 안 변하는 것
① AI 관련 숫자는 거의 아무것도 안 바꿉니다.
가장 의심받을 만한 두 개, "AI가 사람보다 몇 배 생산적인가"(1.5배~8배로 흔듦)와 "AI가 일의 몇 %를 대체하는가"(30%~92%로 흔듦)가 결과 진폭 1.2배, 1.1배입니다. 거의 안 움직입니다.
이건 이 글의 결론이 AI 성능 예측에 의존하지 않는다는 뜻입니다. AI가 얼마나 세질지 저도 모르고 아무도 모릅니다. 다행히 몰라도 됩니다.
② 월급으로 가는 몫은 어떤 설정에서도 무너집니다.
이게 가장 견고한 결과입니다. 0.64에서 0.04로. 세율을 올려도, 기본소득을 줘도, 새 산업이 빨리 생겨도, 재교육을 잘 해도, 모든 경우에 똑같이 무너집니다. 앞의 그래프(01번)에서 네 개 선이 하나처럼 붙어 있던 그 부분입니다.
③ 무너질 때는 항상 절벽 모양입니다.
정점 시점(12~20년차)과 낙폭(75~81%)이 조정 관련 변수를 어떻게 흔들어도 거의 그대로였습니다.
그리고 변하는 것
결과를 뒤집는 상위 다섯 개가 전부 돈·분배·빚 변수입니다. 기술 변수는 하나도 없습니다.
특히 가계 이자 부담이 1위(32.4배) 라는 게 중요합니다. AI가 얼마나 세질지보다, 우리가 빚을 얼마나 지고 그 국면에 들어가는지가 30배 더 중요합니다.
그리고 여기서 "현재와 비교했을 때 가능성이 있는지"를 따져야 합니다. 결과를 뒤집는 변수들이 현실에서 실제로 그 위험 구간에 있는지가 핵심이니까요.
| 결정적 변수 | 위험이 시작되는 값 | 한국의 현재 위치 | 판단 |
|---|---|---|---|
| 가계 이자 부담 / 나라 소득 | 4% 부근에서 반전 | 가계부채 90~100%, 금리 4~5% → 4%대 | 이미 그 구간 |
| 돈이 돌아오는 비율 | 0.28 아래면 붕괴 | 기업 사내유보 증가, 소비 정체 추세 | 방향이 나쁨 |
| 소유가 퍼진 정도 | 낮을수록 문턱이 올라감 | 가계 금융자산 중 주식 비중이 선진국 대비 낮음 | 방향이 나쁨 |
| 자본에 매기는 세율 | 낮으면 붕괴, 높이면 반전 | 정책 선택 영역 | 바꿀 수 있음 |
결정적인 변수들이 하필 전부 현실적으로 가능한 위험 구간에 있습니다. 이게 이 시뮬레이션에서 가장 불편한 부분입니다. "가능성 없는 극단값을 넣어야 붕괴가 나오는" 게 아니라, 한국의 현재 값 근처에서 붕괴가 나옵니다.
그러면 우리는 무엇을 봐야 하나
변하는 것과 안 변하는 것을 구분하면, 정부 정책과 개인 대응의 방향이 자연스럽게 나옵니다.
정부에게 효과가 없는 것 (진폭 1.0배 근처)
- AI 도입 속도를 규제로 늦추는 것 → 결과를 안 바꿈
- 재교육 프로그램을 경제 안정화 대책으로 내세우는 것 → 개인에게는 중요하지만 총량을 안 바꿈
- 새 산업 육성만으로 흡수하려는 것 → 필요하지만 크기가 부족
정부에게 효과가 있는 것 (진폭 8~32배)
- 가계부채 관리 — 진폭 1위. AI 이전에 빚을 줄여두는 것이 가장 강력한 대비책
- 소유를 넓히는 제도 — 연금 주식 비중, 퇴직연금, 우리사주, 국민배당형 기금
- 자본에 대한 과세와 그 재순환 — 단, 아래 시점 문제를 보세요
- 지원금을 월급이 아니라 나라 전체 소득에 연동 — 금액 3배보다 효과적
정책에는 시점 문제가 하나 더 있습니다. 자본세를 실험해보니 잘 돌아가는 국면에서는 효과가 0(3.44배 → 3.44배), 이미 위험한 국면에서는 효과가 13.6배(0.25배 → 3.44배) 였습니다. 즉 좋을 때는 "굳이 왜?"라고 하고, 나빠지면 "지금 그럴 여력이 없다"고 하게 되는 구조입니다. 정책 도입이 가장 어려운 타이밍에 정책 효과가 가장 큽니다.
한 가지 덧붙이면, 기본소득은 진폭 1.0배로 표에서 맨 아래에 있습니다. 이건 기본소득이 무용하다는 뜻이 아닙니다. 기본소득은 경제 규모를 바꾸지 않고 분배를 바꿉니다.
| 기본소득 수준 | 경제 규모 | 서민 1인당 소득 |
|---|---|---|
| 없음 | 3.44배 | 0.36배 |
| 0.15 | 3.44배 | 1.04배 |
| 0.30 | 3.44배 | 1.46배 |
| 0.45 | 3.44배 | 1.90배 |
경제 규모는 미동도 없는데 서민 소득은 5배 이상 벌어집니다. "파이 크기"를 바꾸는 정책과 "누가 먹는지"를 바꾸는 정책은 다른 도구입니다. 표를 하나로 뭉쳐서 보면 이걸 놓칩니다.
개인에게
- 소득 출처를 월급 하나에 걸어두지 않는 것 (9장)
- 절벽 신호를 GDP나 주가가 아니라 월급 몫에서 찾는 것 (5장)
- 그리고 부채 관리 — 개인 차원에서도 진폭 1위 변수입니다. 물가가 떨어지는 국면에서 빚은 무거워집니다
이 글이 틀렸다면 어디서 틀릴까
정직하게 말하면, 이 결론이 무너지는 조건이 딱 하나 있습니다. AI가 생각보다 훨씬 약할 경우입니다.
전 범위를 탐색해봤더니, 월급으로 가는 몫이 유지되는(오히려 0.848로 오르는) 조합이 딱 하나 있었습니다. AI가 일의 20%만 대체하고, 사람보다 1.2배밖에 생산적이지 않고, AI 비용이 매년 2%씩만 떨어지는 세계입니다. 이 경우 실업률은 0%, 경제는 1.85배로 자랍니다. 그냥 평범한 기술 발전이고, 이 글의 걱정은 전부 무의미해집니다.
그러니 판별 기준은 이렇습니다.
AI가 실제로 유능한가? 이 하나만 확인하면 됩니다.
유능하다면 → 나머지는 위에 쓴 대로 흘러갑니다. AI가 얼마나 유능한지는 중요하지 않습니다.
유능하지 않다면 → 이 글 전체가 무효입니다.
거꾸로 말하면, AI가 정말 유능하다는 게 확인되는 순간부터는 "AI가 얼마나 발전할까"를 지켜보는 게 아니라 "빚과 분배를 어떻게 할까"를 결정해야 하는 국면으로 넘어갑니다. 시선을 옮겨야 하는 시점이 있다는 뜻입니다.
그 외 한계 (그대로 적어둡니다)
- "돈이 돌아오는 비율" 0.30 이상에서 결과가 똑같은 건 계산상의 천장 때문입니다. 소비 성향에 상한 0.95를 걸어놨습니다. 발견이 아니라 한계입니다.
- 최저임금 하한(현재의 55%)은 제가 임의로 정한 값이고 실제로 결과에 작용합니다.
- 빚 채널은 진폭이 가장 크지만 그만큼 캘리브레이션에 민감합니다. "4%가 뒤집히는 지점"이 아니라 "뒤집히는 지점이 현실적 범위 안에 있다" 로만 읽어주세요.
- 수출, 주가·집값, 금리 정책은 여전히 코드에 없습니다. 방향만 논의했습니다.
- "12년차에 절벽"을 연도로 읽으면 안 됩니다. 투자 관련 설정값에 따라 시점이 움직입니다. 구조가 절벽형이라는 것만 읽어야 합니다.
- 40번의 계산 주기를 40년이라 부른 것도 제 선택입니다.
- 일부 값 조합은 초기 상태 자체가 성립하지 않아 계산에서 제외했습니다(예: 정부지출 비중을 너무 높이면 출발점의 소비가 음수가 됩니다).
그래서 이 글은 "2065년에 GDP가 몇 배가 된다"는 예측이 아닙니다. 어떤 변수가 결과를 지배하는지에 대한 진단입니다. 그리고 진단은 예측보다 유용합니다. 예측은 맞거나 틀리지만, 진단은 무엇을 지켜보고 무엇을 준비할지를 알려주기 때문입니다.
11. 정리
처음 질문은 "AI가 일을 다 하면 경제가 줄어드느냐"였습니다. 답은 이렇습니다.
① AI 자체는 경제를 줄이지 않습니다. 만들 수 있는 능력은 어떤 경우에도 5~9배로 커집니다. 문제는 그걸 사줄 사람이 있느냐입니다.
② 갈림길은 AI 속도가 아니라 돈이 도는 방식입니다. 모든 변수를 흔들어보니 결과를 뒤집는 상위 다섯 개가 전부 돈·분배·빚 변수였고, AI 기술 변수는 하나도 없었습니다. "AI 생산성 배수"와 "AI가 대체하는 일 비율"은 전 범위를 흔들어도 진폭이 1.1~1.2배였습니다.
③ "새 산업이 흡수한다"는 답은 필요하지만 크기가 부족합니다. AI가 일의 60%를 대체하면 새 일거리가 매년 2.3%씩, 90%면 매년 5.8%씩 계속 생겨야 합니다.
④ 무너질 때는 절벽이고, 경제 규모는 뒷북 지표입니다. 정점에 실업률은 이미 32%, 월급 몫은 반토막, 공장은 만가동입니다. 성장률·기업이익·주가로는 안 보입니다. 봐야 할 신호는 "성장은 하는데 월급 몫만 계속 떨어지는 국면"입니다.
⑤ 정책은 통하는데 연동 방식이 결과를 뒤집습니다. 월급 연동 기본소득은 월급과 함께 무너집니다. 나라 소득 연동은 3분의 1 금액으로 더 효과적입니다.
⑥ 가장 큰 위험 증폭기는 빚입니다. 가계 이자 부담이 나라 소득의 3%에서 4%로 넘어가는 사이 3.28배 성장이 0.35배 붕괴로 뒤집힙니다. 8%면 성장 경로가 사라집니다. 한국의 현재 위치가 하필 그 구간입니다.
⑦ 재교육은 예상과 달리 나라 전체 결과를 거의 안 바꿉니다. 개인에게는 결정적이지만 붕괴 여부를 결정하는 변수는 아닙니다. 제 예상이 틀린 부분입니다.
⑧ 어떤 정책도 "월급으로 먹고사는 구조"는 못 지킵니다. 월급 몫은 0.64에서 0.04로, 모든 시나리오에서 똑같이 무너집니다.
⑨ 그래서 소유가 답이고, 두 겹으로 답입니다. 경제가 3.44배 커지는 세상에서도 월급만 받는 가구는 0.33배가 되고 격차는 28배로 벌어집니다. 개인에게는 광범위 지수를 통한 자본 지분이 방어책입니다. 동시에 사회 전체로는 소유가 퍼질수록 붕괴 문턱이 7배 낮아집니다.
처음 사고실험에서 세웠던 직관 — "자본에 돈이 몰리면 물건 사줄 사람이 없어지니 오래 못 간다" — 은 맞았습니다. 다만 부드럽게 재분배로 수렴하는 게 아니라, 절벽에서 떨어져서 낮은 수준에 머무는 쪽이었습니다. 그리고 절벽 직전이 가장 호황처럼 보인다는 게 가장 무서운 부분입니다.
미래가 불확실할 때 무엇을 해야 하냐는 질문에, 이 모델의 답은 예측이 아니라 구조적입니다.
소득 출처를 월급 하나에만 걸어두지 않는 것.
그리고 그 국면에 들어가기 전에 빚을 줄여두는 것.
붕괴로 가든 성장으로 가든, 월급 경로는 두 경우 모두에서 무너집니다. 두 미래에서 공통으로 살아남는 것에 걸어야 합니다.
그리고 한 번 더 강조하고 싶은 게 있습니다.
우리가 알아야 하는 건 미래의 숫자가 아니라, 변하는 것과 변하지 않는 것의 목록입니다.
AI가 얼마나 세질지는 아무도 모릅니다. 그런데 이 시뮬레이션에서 AI 관련 숫자는 결과를 거의 바꾸지 못했습니다(진폭 1.1~1.2배). 반면 우리가 이미 알고 있고 이미 통계로 발표되는 숫자들 — 가계부채, 노동소득분배율, 가계의 주식 보유 비중, 자본 과세 수준 — 이 결과를 8배에서 32배까지 뒤집었습니다.
모르는 것이 결과를 지배하지 않고, 이미 아는 것이 결과를 지배합니다.
그래서 "AI가 어디까지 갈까"를 지켜보는 데 시간을 쓰는 것보다, 이미 아는 숫자들이 어느 방향으로 움직이는지 보는 게 훨씬 실용적입니다. 그리고 그 숫자들은 지금 대부분 나쁜 방향을 향하고 있습니다.
미래를 예측할 수는 없습니다. 그러나 어떤 변수가 결과를 지배하는지 알면, 예측하지 않고도 준비할 수 있습니다. 그게 이 시뮬레이션을 돌린 이유입니다.
마지막으로 방법론 이야기를 하나 남깁니다.
결론이 나오게 미리 세팅된 조건으로 돌린 시뮬레이션은 검증이 아닙니다. 백테스트에 쓰는 네 가지 — 계산이 맞는지, 부호가 맞는지, 죽은 변수가 없는지, 끝까지 흔들어봤는지 — 를 걸었더니 처음 모델의 결론은 전부 무너졌습니다.
그리고 같은 기준을 제 모델에도 적용했더니, 제가 미리 예상했던 것 중 하나(재교육 문제)가 틀린 것으로 나왔습니다. 검증은 남의 모델에만 쓰는 도구가 아닙니다.
부록1: 이 모델에 대한 전문가 분석
부록2: 다른 해외 연구 사례:
💡 해외 석학 및 글로벌 기관들이 증명하는 WeJump 시뮬레이션의 타당성
본 시뮬레이션에서 제시한 "AI 자체의 기술 혁신보다 돈의 분배와 가계부채 구조가 경제 성패를 가른다"는 결론은 결코 막연한 우려가 아닙니다. 최근 글로벌 금융공학과 거시경제학계의 최전선에서 발표되는 연구들 역시 WeJump 투자전략연구소의 모델과 완전히 동일한 인과관계의 강력한 경고를 보내고 있습니다.
1️⃣ "자신의 고객을 해고해 경제를 무너뜨리는" 절벽형 붕괴의 수학적 증명
와튼스쿨의 브렛 헤멘웨이 폴크(Brett Hemenway Falk)와 제리 추칼라스(Gerry Tsoukalas) 교수가 발표한 최신 논문 〈The AI Layoff Trap〉(2026)은 WeJump의 '절벽형 붕괴 모델'을 게임이론과 수리 모형으로 완벽히 뒷받침합니다. 이 연구는 개별 기업이 AI 도입을 통해 얻는 비용 절감은 독점하지만, 해고된 노동자들의 소비력 상실이라는 '수요 외부성(Demand Externality)'은 전체 시장이 나누어 감당한다는 점을 지적합니다. 결국 기업들이 눈앞의 이익을 위해 경쟁적으로 사람을 자르고 AI를 도입하는 "자기 파멸적 군비 경쟁"에 갇히게 되며, 이는 WeJump 모델이 발견한 '돈이 돌아오는 비율(0.28 이하)의 임계점 붕괴 국면'과 동일한 대공황급 거시적 수요 폭락을 야기합니다.
2️⃣ "월급으로 먹고사는 구조의 해체"와 분배 문턱
현대 노동경제학의 세계적 석학인 다론 아세모글루(Daron Acemoglu) MIT 교수의 대표 연구 〈The Simple Macroeconomics of AI〉(NBER, 2024)는 WeJump 모델이 도출한 '어떤 시나리오에서도 월급 위주의 소득 구조는 결국 지키지 못하며 노동소득분배율이 무너진다(0.64 → 0.04)'는 분석과 일치합니다. 아세모글루 교수는 과업 기반(Task-based) 모델을 통해 AI가 일부 미시적 생산성을 개선하더라도, 자본과 노동 간의 격차를 필연적으로 심화시키며 국민소득 중 자본의 몫을 비정상적으로 확장시킬 것을 규명했습니다. 이는 "단순한 직원이 아니라 반드시 자본 전체의 지분을 소유한 주주가 되어 방어해야 한다"는 WeJump의 실질적인 자산배분 제안에 강력한 당위성을 부여합니다.
3️⃣ 가계부채와 '부채 디플레이션'의 파멸적 증폭 메커니즘
WeJump 시뮬레이션에서 결과 진폭 32.4배로 압도적 영향력 1위를 차지한 '가계 이자 부담' 채널은 어빙 피셔(Irving Fisher)의 부채 디플레이션 이론을 코드로 엄밀히 검증해낸 성과입니다. 물가가 하락해도 명목 부채는 고정되어 있어 실질 채무 무게가 기하급수적으로 늘어나는 이 치명적인 루프는 국제통화기금(IMF)과 OECD(2024)의 경제 전망 보고서에서도 핵심 리스크로 지목됩니다. 특히 가계부채 비율이 소득 대비 임계값(한국의 현재 위치인 4%대 이자 부담 영역)을 타격하는 순간, 기술 발전의 혜택이 성장이 아닌 장기 불황의 방화쇠가 될 수 있다는 경고는 두 연구가 가리키는 방향이 완벽히 같음을 보여줍니다.
결국 "우리가 모르는 AI의 미래 기술력보다, 이미 알고 있는 빚과 분배 구조가 거시경제의 운명을 결정한다"는 WeJump의 통찰은 글로벌 학계의 정교한 거시 모형들과 궤를 같이하는 지극히 타당하고 실용적인 진단입니다.
📚 소스 및 해외 학술 연구 출처 (References)
- Falk, B. H., & Tsoukalas, G. (2026). "The AI Layoff Trap." Wharton School, University of Pennsylvania & Boston University.
- Acemoglu, D. (2024). "The Simple Macroeconomics of AI." National Bureau of Economic Research (NBER) Working Paper No. 32487.
- International Monetary Fund (IMF) (2024). "Gen-AI: Artificial Intelligence and the Future of Work." IMF Staff Discussion Note.
- OECD (2024). "Miracle or Myth? Assessing the Macroeconomic Productivity Gains from Artificial Intelligence." OECD AI Papers No. 29.
https://egloos.com/wejump/22193
AI 발 경제 붕괴 시나리오: 60% 쪼그라드는 '12년 차 절벽'의 경고 - 이글루스
AI가 기업 생산성을 10배 끌어올려도 수요와 공급의 기형적 분리로 인해 경제가 60% 축소되는 '12년 차 절벽형 붕괴'가 발생할 수 있습니다. 경제의 성패를 가르는 본질적 변수는 AI의 성능이 아니
egloos.com
모델 코드를 함께 올립니다. 직접 값을 흔들어보시길 권합니다. 흔들어봐야 어디가 결론이고 어디가 가정인지 보입니다. 특히 세 개를 흔들어보세요 — zeta(돈이 돌아오는 비율), omega(소유 분산도), debt0(가계 이자 부담).
"""
AI 노동대체 거시 시뮬레이션 v6 (WeJump 투자전략연구소)
==============================================================================
구조
[공급] Acemoglu-Restrepo 과업기반. 과업공간 M, 자동화된 과업 a.
자동화 과업은 pi배 생산. 단위노동투입 lamL 이 자동화로 하락.
완전고용 잠재산출 Y_fe = LF / lamL
[자동화 결정] ★비용 비교★ — 노동 단위비용 vs AI 단위비용.
R = w*ell*pi / p_ai. R이 클수록 자동화가 이득.
과업 난이도 분포를 로지스틱으로 두어 '수익성 있는 자동화 비율' a_prof 도출.
=> 임금이 폭락하면 자동화가 멈춘다 (진짜 자기제한 메커니즘)
[임금] 필립스형: 실질임금 상승률 = 생산성 상승률 - phi*(실업률 - 목표실업률)
=> 대량실업은 실업으로 끝나지 않고 '임금 압착'으로 전이된다
[수요] 스라파 초승수. 자립소비(생산성 연동) + 정부지출(추세 연동) + 이전지출 + 유도투자
Y = min(수요, 완전고용 잠재산출)
[재정] 실업급여 + UBI, 적자한도 초과 시 이전지출 강제 삭감
==============================================================================
"""
import numpy as np
BASE = dict(
T=40, LF0=100.0, lf_growth=0.000,
# --- 기술 / 자동화 ---
a_max=0.60, # 기술적으로 자동화 가능한 과업 상한(과업공간 대비)
pi=3.0, # 자동화 과업의 생산성 배수
xi=0.12, # AI 단위비용 하락률/년
s_disp=0.45, # 과업 자동화난이도 분산(로지스틱 스케일)
rho=0.25, # 실제 도입이 수익성 목표를 따라가는 속도
nu=0.008, # 신과업 창출률(복원효과)
tau_lag=3, # 수요신호 -> 신산업 형성 지연
gamma0=0.010, # 기초 생산성 증가율
sigma=0.015, # AI 스필오버
# --- 임금 ---
phi_w=0.30, # 실업률 갭에 대한 실질임금 반응
ur_target=0.04,
w_floor=0.55, # 최저생계 실질임금 하한 (초기 임금 대비)
# --- 분배 ---
omega=0.55, c_w=0.85, c_k=0.55, c_tr=0.95,
zeta=0.40, # 잉여 재순환 탄력성: 자본소득 비중이 커지면 소비성향도 상승(투자기회 포화)
# --- 재정 ---
tax_w=0.20, tax_k=0.25, b=0.35, ubi=0.0, ubi_index='wage', g_share=0.20,
deficit_allow=0.03, # 통상 재정적자 여력 (GDP 대비)
deficit_cap=0.10, # 적자 한도. 초과 시 이전지출 강제 삭감
# --- 설비·투자 ---
debt0=0.0, # 초기 명목부채 이자부담 / GDP (피셔 부채디플레 채널)
k_cost=3.0, delta=0.06, adj=0.30, u_norm=0.82, exp_smooth=0.30,
k_auto=1.2,
)
def simulate(**kw):
p = {**BASE, **kw}
T = p['T']
LF0, un = p['LF0'], p['u_norm']
Y0 = un * 100.0
ell = LF0 / 1.0
lam0 = LF0 / Y0
sL0 = 0.65
w0 = sL0 / lam0
# 초기 자립소비 역산 (t=0 에서 가동률 = u_norm, 완전고용)
mps0 = p['c_w'] * (1 - p['tax_w']) * sL0 + p['c_k'] * (1 - p['tax_k']) * p['omega'] * (1 - sL0)
I0 = p['k_cost'] * p['delta'] * 100.0
G0 = p['g_share'] * Y0
c0 = (Y0 * (1 - mps0) - I0 - G0) / 100.0
# 초기 AI 비용: t=0 에서 수익성 자동화 비율이 2% 수준이 되도록
R0 = np.log(0.02 / (p['a_max'] - 0.02 + 1e-9)) if p['a_max'] > 0.03 else -4
p_ai0 = w0 * ell * p['pi'] / np.exp(R0 * p['s_disp'])
keys = ['M', 'a', 'aa', 'q', 'lamL', 'sL', 'w', 'Y', 'Y_fe', 'Z', 'u', 'L', 'LF',
'Ur', 'C', 'I', 'G', 'Tr', 'Tr_want', 'Rev', 'Def', 'y_pc', 'bottom_pc',
'top_share', 'ident', 'gap', 'p_ai', 'a_prof', 'capped', 'g_req', 'g_act']
o = {k: np.zeros(T) for k in keys}
M, a, q, Z, w = 1.0, 0.0, 1.0, 100.0, w0
u_hist = [un] * (p['tau_lag'] + 2)
Y_exp, L_prev, a_prev, Ur_prev = Y0, LF0, 0.0, 0.0
Ytrend = Y0
for t in range(T):
LF = LF0 * (1 + p['lf_growth']) ** t
p_ai = p_ai0 * (1 - p['xi']) ** t
u_prev = u_hist[-1]
if t > 0:
# 신과업 창출 (수요 의존, 지연)
M += p['nu'] * max(0.0, u_hist[-1 - p['tau_lag']] / un) * M
# 실질임금: 생산성 - 실업압력
g_prod = p['gamma0'] + p['sigma'] * (a_prev / M)
w *= (1 + g_prod - p['phi_w'] * (Ur_prev - p['ur_target']))
w = max(w, p['w_floor'] * w0)
q *= (1 + g_prod)
# ★ 자동화 결정: 비용 비교
R = w * ell * p['pi'] / p_ai
a_prof = p['a_max'] * M / (1 + np.exp(-np.log(max(R, 1e-9)) / p['s_disp']))
a += p['rho'] * (a_prof - a) * (0.5 + 0.5 * min(1.5, u_prev / un))
a = float(np.clip(a, 0.0, 0.98 * M))
lt = max(1e-9, M - a)
lamL = lam0 * (ell * lt) / (ell * q * (lt + p['pi'] * a)) * ell / ell
lamL = lam0 * lt / (q * (lt + p['pi'] * a))
Y_fe = LF / lamL
sL = min(0.95, w * lamL)
# ---- 수요 ----
U_prev = max(0.0, LF - L_prev)
if p['ubi_index'] == 'gdp':
base_pc = (o['Y'][t-1] / o['LF'][t-1]) if t > 0 else (Y0 / LF0)
ubi_pay = p['ubi'] * base_pc * LF
else:
ubi_pay = p['ubi'] * w * LF
Tr_want = p['b'] * w * U_prev + ubi_pay
Z_star = Y_exp / un
I_cap = p['k_cost'] * max(0.0, p['delta'] * Z + p['adj'] * (Z_star - Z))
I_auto = p['k_auto'] * max(0.0, a - a_prev) * Z / max(1e-9, M)
I = max(0.02 * Z, I_cap + I_auto)
C_auto = c0 * 100.0 * q
# 잉여 재순환: 자본소득 비중이 초기(0.35)보다 커진 만큼 소비성향/분배성향 상승
excess = max(0.0, (1 - sL) - 0.35)
c_k_eff = min(0.95, p['c_k'] + p['zeta'] * excess)
om_eff = min(0.95, p['omega'] + p['zeta'] * excess)
# 재정규칙: 전기 세수 기준으로 이전지출 먼저, 잔여를 실물구매로. 적자여력 허용.
Ybase = o['Y'][t-1] if t > 0 else Y0
sL_base = o['sL'][t-1] if t > 0 else sL
Rev_lag = (p['tax_w'] * sL_base + p['tax_k'] * (1 - sL_base)) * Ybase
Tr = Tr_want
for _ in range(80):
budget = Rev_lag + p['deficit_allow'] * Ybase
G = max(0.30 * p['g_share'] * Ybase, budget - Tr)
deficit = (G + Tr) - Rev_lag
if deficit <= p['deficit_cap'] * Ybase or Tr <= 1e-9:
break
Tr = max(0.0, Tr - (deficit - p['deficit_cap'] * Ybase) * 0.5)
mps = (p['c_w'] * (1 - p['tax_w']) * sL
+ c_k_eff * (1 - p['tax_k']) * om_eff * (1 - sL))
debt_pre = p['debt0'] * Y0 * (1.0 + p['gamma0']) ** t
Yd = (C_auto + G + p['c_tr'] * Tr + I
- (p['c_w'] - 0.3 * c_k_eff * (1 - p['tax_k']) * om_eff) * debt_pre
) / max(1e-6, 1 - mps)
Y = min(Yd, Y_fe, Z)
Rev = (p['tax_w'] * sL + p['tax_k'] * (1 - sL)) * Y
capped = 1.0 if Yd > Y + 1e-9 else 0.0
u = Y / Z
L = min(LF, Y * lamL)
Ur = (LF - L) / LF
wage_bill, cap_inc = sL * Y, (1 - sL) * Y
# 피셔 채널: 이자부담은 명목 고정 -> Y가 줄면 실질부담이 커진다
debt_svc = p['debt0'] * Y0 * (1.0 + p['gamma0']) ** t
debt_svc = min(debt_svc, 0.6 * (wage_bill + Tr))
C = (C_auto + p['c_w'] * (1 - p['tax_w']) * (wage_bill - debt_svc)
+ c_k_eff * (1 - p['tax_k']) * om_eff * (cap_inc + debt_svc * 0.3)
+ p['c_tr'] * Tr)
hh_cap = om_eff * cap_inc
bottom = (1 - p['tax_w']) * wage_bill + Tr
for k, v in [('M', M), ('a', a), ('aa', a / M), ('q', q), ('lamL', lamL),
('sL', sL), ('w', w), ('Y', Y), ('Y_fe', Y_fe), ('Z', Z), ('u', u),
('L', L), ('LF', LF), ('Ur', Ur), ('C', C), ('I', I), ('G', G),
('Tr', Tr), ('Tr_want', Tr_want), ('Rev', Rev), ('Def', deficit),
('y_pc', Y / LF), ('bottom_pc', bottom / LF),
('top_share', hh_cap / max(1e-6, bottom + hh_cap)),
('ident', C + I + G - Y), ('gap', Y / Y_fe), ('p_ai', p_ai),
('a_prof', a_prof / M), ('capped', capped),
('g_req', 0.0), ('g_act', 0.0)]:
o[k][t] = v
Z = Z * (1 - p['delta']) + I_cap / p['k_cost']
Y_exp = (1 - p['exp_smooth']) * Y_exp + p['exp_smooth'] * Y
u_hist.append(u); L_prev, a_prev, Ur_prev = L, a, Ur
# 성장률 진단: 완전고용 유지에 필요한 성장률(=노동생산성 상승률) vs 실현 성장률
o['g_req'][1:] = o['Y_fe'][1:] / o['Y_fe'][:-1] - 1
o['g_act'][1:] = o['Y'][1:] / np.maximum(1e-9, o['Y'][:-1]) - 1
o['params'] = p
return o
def summ(name, r):
T = r['params']['T'] - 1
g = lambda k: r[k][T]
return dict(name=name, Y=g('Y') / r['Y'][0], minY=np.min(r['Y']) / r['Y'][0],
Yfe=g('Y_fe') / r['Y_fe'][0], gap=g('gap'), u=g('u'),
Ur=g('Ur') * 100, maxUr=np.max(r['Ur']) * 100, sL=g('sL'),
w=g('w') / r['w'][0], minw=np.min(r['w']) / r['w'][0],
bot=g('bottom_pc') / r['bottom_pc'][0],
minbot=np.min(r['bottom_pc']) / r['bottom_pc'][0],
top=g('top_share') * 100, dfc=g('Def') / g('Y') * 100,
auto=g('aa') * 100, cut=(1 - g('Tr') / max(1e-9, g('Tr_want'))) * 100)
def table(rows):
print(f"{'시나리오':<21}{'실질Y':>7}{'최저Y':>7}{'완전고용Y':>9}{'실업%':>7}{'최대실업':>8}"
f"{'노동분배':>8}{'실질임금':>8}{'최저임금':>8}{'하위1인':>8}{'최저하위':>8}{'자본%':>7}{'적자%':>7}{'자동화%':>8}")
print('-' * 121)
for s in rows:
print(f"{s['name']:<21}{s['Y']:>6.2f}x{s['minY']:>6.2f}x{s['Yfe']:>8.2f}x"
f"{s['Ur']:>7.1f}{s['maxUr']:>8.1f}{s['sL']:>8.2f}{s['w']:>7.2f}x"
f"{s['minw']:>7.2f}x{s['bot']:>7.2f}x{s['minbot']:>7.2f}x"
f"{s['top']:>7.1f}{s['dfc']:>7.1f}{s['auto']:>8.1f}")
SCEN = [
("① 역사반복", dict(a_max=0.55, nu=0.020, xi=0.08)),
("② 기준선", dict()),
("③ 분배실패+흡수부진", dict(a_max=0.75, nu=0.004, tax_k=0.15, b=0.20)),
("④ 신산업 흡수만", dict(a_max=0.75, nu=0.030, tau_lag=1, tax_k=0.15, b=0.20)),
("⑤ 재분배만", dict(a_max=0.75, nu=0.004, ubi=0.30, tax_k=0.45, b=0.50)),
("⑥ 흡수+재분배", dict(a_max=0.75, nu=0.030, tau_lag=1, ubi=0.30, tax_k=0.45, b=0.50)),
("⑦ 초강력AI+무대책", dict(a_max=0.92, pi=8.0, xi=0.20, nu=0.004, tax_k=0.15, b=0.20)),
("⑧ 초강력AI+재분배", dict(a_max=0.92, pi=8.0, xi=0.20, nu=0.020, ubi=0.45, tax_k=0.55, b=0.60)),
("⑨ 한국형(인구감소)", dict(a_max=0.75, nu=0.010, lf_growth=-0.009)),
]
if __name__ == '__main__':
print("=" * 121)
print("【모델 검증】")
r = simulate()
free = r['capped'] == 0
print(f" 1) 회계항등식 Y=C+I+G : max|오차| = {np.max(np.abs(r['ident'][free])):.2e} "
f"(수요가 공급상한에 걸린 기수 {int(r['capped'].sum())}개 제외)")
print(f" 2) 초기 정상상태: 가동률 {r['u'][0]:.3f} · 실업률 {r['Ur'][0]*100:.1f}% · "
f"노동분배율 {r['sL'][0]:.3f} · 투자율 {r['I'][0]/r['Y'][0]*100:.1f}% · "
f"소비율 {r['C'][0]/r['Y'][0]*100:.1f}% · 재정수지 {-r['Def'][0]/r['Y'][0]*100:+.1f}%")
print(f" 3) 가동률 경로: {r['u'].min():.2f} ~ {r['u'].max():.2f} (0.82 근방 유지되어야 정상)")
print(f" 실업률 경로: {r['Ur'].min()*100:.1f}% ~ {r['Ur'].max()*100:.1f}%")
print(" 4) 부호 테스트")
for pi in [1.5, 3.0, 6.0, 12.0]:
rr = simulate(pi=pi)
print(f" pi={pi:>5.1f} → 완전고용잠재Y {rr['Y_fe'][-1]/rr['Y_fe'][0]:>6.2f}x "
f"실질Y {rr['Y'][-1]/rr['Y'][0]:>5.2f}x 실업 {rr['Ur'][-1]*100:>5.1f}% "
f"실질임금 {rr['w'][-1]/rr['w'][0]:>5.2f}x")
print(" 5) 무의미 파라미터 테스트")
base = simulate()['Y'][-1]
dead = [k for k, v in BASE.items() if k not in ('T', 'LF0') and
abs(simulate(**{k: (v + 1 if k == 'tau_lag' else
(v * 1.15 if abs(v) > 1e-12 else 0.05))})['Y'][-1] - base) < 1e-9]
print(f" 결과 불변 파라미터: {dead if dead else '없음 — 전부 유효'}")
print("\n" + "=" * 121)
print("【해석적 결과】기술적 완전고용 유지 조건: nu ≥ -ln(1-a_max)/T")
for am in [0.3, 0.5, 0.6, 0.75, 0.9]:
print(f" 자동화상한 {am:>4.0%} → 40년간 필요한 과업공간 확장률 "
f"{-np.log(1-am)/40*100:>5.2f}%/년")
print("\n" + "=" * 121)
print("【시나리오】t=0 대비 t=39 (40년)")
print("=" * 121)
rows = [summ(nm, simulate(**kwv)) for nm, kwv in SCEN]
table(rows)
print("\n※ 하위1인 = 1인당 (세후임금+이전소득) 배수. 1.0x 미만 = 다수가 절대적으로 빈곤화")
for s in rows:
if s['cut'] > 1:
print(f"※ {s['name']}: 재정한도로 필요 이전지출의 {s['cut']:.0f}% 삭감 강제")