연방준비제도, AI 인프라 구축 속 증가하는 부채 부담; 부도 급증 시 구제 시나리오 대두

인공지능(AI) 논의에서 자주 혼동되는 두 가지 상당히 다른 주장이 있다. 첫 번째 주장은 AI가 놀라운 기술이며, 인간의 업무 방식, 소통, 연구, 소프트웨어 작성, 기업 조직 방식을 근본적으로 변화시킬 가능성이 높다는 것이다. 두 번째 주장은 현재 AI 인프라를 구축하고 있는 기업들이 금융 시장에서 부여하는 거대한 가치에 걸맞은 가치를 지니고 있다는 것이다. 첫 번째 주장이 참일 수 있지만, 두 번째 주장은 전혀 사실이 아닐 수도 있다.

이 구별은 2026년 8월 14일 Myrmikan Research가 발표한 "AI 부채 실패는 연준의 또 다른 구제금융 파동을 촉발할 것이다(AI Debt Failure Will Prompt Another Wave of Fed Bailouts)"라는 제목의 주목할 만한 논문에서 핵심을 이룬다. 그 논리는 AI 주식 버블론이라는 익숙한 주장보다 훨씬 더 정교하다. 사실 그 중심 우려는 주로 주식에 관한 것이 아니다. Myrmikan은 AI 연구소, 반도체 제조사, 클라우드 컴퓨팅 회사 및 데이터 센터의 눈부신 평가액 아래에 점점 더 정교한 부채 구조가 형성되어 왔다고 주장한다. 만약 AI로 인한 예상 생산성 향상이 그 부채 상환을 감당하기에 너무 느리게 나타난다면, 그 결과는 기술 부문 전체를 벗어나 보험사, 연금 기금, 나아가 미국 국가의 대차대조표에까지 영향을 미칠 수 있다.

이 논문은 unmistakably 오스트리아 학파(Austrian-school) 관점에서 서술되어 있다. 그 출발점은 통화 역사이다. 법정 화폐(fiat currencies) 이전에는 금의 예입과 인출이 신용의 적정 가격에 대한 정보를 전달했다고 주장한다. 중앙은행은 이러한 분산된 가격 발견 메커니즘을 행정적 판단으로 대체했다. 그 순간부터 중앙은행 정책 결정자들은 돈이 너무 비싼지 저렴한지를 결정해야 했으며, 정치적·제도적 유인은 반복적으로 저금리 쪽으로 실수하도록 부추겼다. 대공황, 아서 번스(Arthur Burns) 시대의 1970년대 인플레이션, 컨티넨탈 일리노이(Continental Illinois) 구제, 그리고 앨런 그린스팬(Alan Greenspan)의 1987년 폭락 대응은 본질적으로 동일한 현상의 반복으로 제시된다. 충분히 큰 금융 구조들이 저비용 차입에 의존하게 되면, 통화 당국은 금융 시스템을 위협하지 않는 한 그러한 구조들의 청산을 허용할 수 없게 된다.

이러한 역사적 논리는 이후 모든 것의 골격을 제공한다. Myrmikan의 주장은 연방준비제도(Federal Reserve)가 반복적으로 래처(ratchet) 효과를 만들어냈다는 것이다. 신용 확장은 투자를 생성하고 자산 가격을 상승시키며, 상승하는 자산 가격은 정책이 성공적으로 보인다는 인상을 준다. 레버리지가 축적되고, 결국 인플레이션을 억제하기 위해 금리를 인상하면 저비용 자금을 의존하게 된 기관들을 위협하게 된다. 그러면 중앙은행은 후퇴한다. 유명한 '그린스팬 풋(Greenspan put)'은 단지 이러한 arrangement의 가장 명시적인 형태일 뿐이었다.

이 논문에서 가장 흥미로운 주장은 생산성에 관한 것이다. 이는 현재의 AI 열광과 밀레니엄 전환기 앨런 그린스팬의 컴퓨터에 대한 열광 사이의 유사점을 끌어온다. 그린스팬은 기술 진보가 생산 능력을 충분히 빠르게 증가시켜 소비재 가격 인플레이션 없이도货币 확장(monetary expansion)을 수용할 수 있다고 믿었다. Myrmikan은 로버트 솔로(Robert Solow)의 유명한 관찰, 즉 컴퓨터 시대는 어디에나 보이지만 생산성 통계에서는 보이지 않았다는 점을 인용하며, 컴퓨팅과 관련된 최종적인 생산성 향상은 열광자들이 기대했던 것보다 더 느리고 덜 눈부셨다고 주장한다.

이 구별은 중요하다. 기술적 능력과 측정된 경제 생산성 사이에는 엄청난 차이가 있다. 기계는 놀라운 작업을 수행하면서도 경제를 비례적으로 더 부유하게 만들지 않을 수 있다. 구현 비용이 중요하다. 조직적 혼란이 중요하다. 교육이 중요하다. 오류가 중요하다. 규제가 중요하다. 무엇보다도 기술의 가격이 중요하다.

Myrmikan은 바로 이러한 어려움이 생성형 AI(generative AI)와 관련하여 나타나고 있다고 주장한다. 이는 예상치 못한 높은 기업의 AI 지출, 구현 실패, 그리고 많은 기업이 아직 생성형 AI 투자로부터 측정 가능한 수익을 얻지 못하고 있음을 시사하는 설문 조사 등을 지적한다. 에이전트 AI(agentic AI)는 문제를 더욱 첨예하게 만든다. 자율 시스템이 작업을 수행할 때 단순히 질문에 답하는 시스템보다 훨씬 더 많은 컴퓨팅 리소스를 소비할 수 있기 때문이다. 또한 에이전트의 실수는 잘못된 단락을 생성하는 것을 넘어 금융적 결과를 초래할 수 있다.

여기에는 진정한 통찰이 있다. 많은 공공 담론은 모델이 빠르게 개선되고 있으므로 생산성도 거의 같은 속도로 개선되어야 한다고 가정한다. 이를 요구하는 경제적 법칙은 존재하지 않는다. 능력(capability)에서 생산성(productivity)으로의 전환은 능력을 중심으로 제도를 재설계하는 과정을 포함한다. 전기는 제조업을 변화시켰지만, 이점이 압도적이 되기 위해서는 공장을 전기 모터 중심으로 재건해야 했다. 컴퓨터는 결국 사무실을 변화시켰지만, 기업들은 수십 년 동안 비싸고 통합이 잘 안 되며 때로는 역효과를 낳는 소프트웨어를 구매하는 데 시간을 보냈다. AI는 궁극적으로 여전히 더 중요할지도 모른다. 하지만 "궁극적으로"라는 단어는 내일 화요일에 갚아야 할 돈을 빌린 상황에서는 불편한 표현이다.

그럼에도 불구하고, Myrmikan 논문의 이 부분은 너무 쉽게 받아들여져서는 안 된다. 솔로의 역설(Solow's paradox)은 컴퓨팅이 결국 전통적인 생산성 통계가 포착하는 데 어려움을 겪었던 거대한 경제적 변화를 생성했기 때문에 역설이었다. AI도 마찬가지로 국민 계정 측정이 불완전하게 포착할 수 있는 소비자 잉여(consumer surplus)와 품질 개선을 창출할 수 있다. 20분 만에 3시간의 연구를 수행하는 변호사는 청구 관행, 조직적 관성 또는 GDP 통계가 그 중 일부를 가려놓더라도 실제 생산성 향상을 경험한 것이다.

따라서 올바른 결론은 Myrmikan의 수사학이 가끔 시사하는 것보다 더 좁다. AI가 약속된 생산성 혁명을 생성하지 않을 것이라는 설득력 있는 증거는 아직 없다. 다만, 현재 그 혁명을 예상하며 이루어지고 있는 모든 투자를 정당화하기에 충분한 속도로 그 혁명이 발생할 것인지에 대해서는 상당한 의구심이 든다.

이는 투자자들에게 훨씬 더 위험한 주장이다.

Myrmikan은 결론 부분에서 이 구별을 특히 효과적으로 보여준다. AI는 혁신적일 수 있으며, 그럼에도 불구하고 AI 투자는 재앙이 될 수 있다. 이 논문은 현재의 호황을 운하, 철도, 인터넷과 비교한다. 철도 주주들이 파산한 후에도 철도는 유용 remained했다. 광섬유 케이블은 통신 회사들이 파산한 후에도 유용 remained했다. 웹 브라우저는 직접적으로 수익화하기가 거의 불가능해지면서 필수불가결해졌다. 희소성의 파괴는 투자자들이 의존해 온 경제적 임대(economic rents)를 파괴하면서 사회적 효용을 증가시킬 수 있다.

아마 이것이 논문에서 가장 강력한 개념적 점일 것이다.

기술 투자자들은 종종 잘못된 질문을 한다: 사람들이 이 기술을 사용할 것인가? 경제적으로 관련 있는 질문은: 그 사용으로 생성된 잉여를 누가 포착할 것인가?

AI는 의심할 여지 없이 유용성을 지닌다. 그러나 모델 간 경쟁은 치열하다. 중국 개발자와 오픈소스 모델은 추론(inference) 가격에 하방 압력을 가한다. 알고리즘은 더 효율적이 되고 있다. 하드웨어가 개선되고 있다. 지식은 연구소 간에 확산되고 있다. 개발에 수억 달러가 드는 모델 능력이 놀라울 정도로 빠르게 상품화될 수 있다.

그것은 불편한 가능성을 만들어낸다. AI 자체가 저렴해짐으로써 AI가 만연해질 수 있다는 것이다.

만약 그렇다면, 승자는 궁극적으로 그것을 제조하기 위해 막대한 자금을 차입한 회사가 아니라 풍부한 지능을 활용하는 기업들과 소비자들일 것이다.

논문은 이제 기술에서 기업 재무로 넘어가며 훨씬 더 경고적인 어조를 띤다. 그것은 현대 AI 산업을 conventional 공급망이 아닌, 공급자, 고객, 자금 조달자 및 투자자들이 서로를 점차적으로 자금 지원하는 네트워크로 묘사한다.

AI 연구소는 컴퓨팅 파워가 필요하다. 하이퍼스케일러(hyperscalers)는 고객을 위해 AI 연구소가 필요하다. 전문적인 '뉴클라우드(neocloud)' 데이터센터 사업은 하이퍼스케일러와 연구소가 장기 구매 약정을 체결하기를 필요로 한다. 엔비디아(Nvidia)는 모두에게 GPU를 계속 구매하기를 필요로 한다. 따라서 자본은 시스템 내에서 순환한다.

논문은 엔비디아가 AI 연구소와 뉴클라우드에 투자하고, 해당 기업들이 엔비디아 하드웨어를 구매하기 위해 자금 조달을 사용하는 예를 든다. 엔비디아는 또한 미사용 컴퓨팅 용량과 관련된 약정도 이행했다. Myrmikan의 objection은 이러한 arrangement이 허구적이라는 점이 아니다(칩과 데이터 센터는 분명히 존재한다). 그러나 사슬의 한 지점에서의 겉보기 수요가 사슬의 다른 곳에서 공급되는 자금에 부분적으로 의존할 수 있다는 것이다. 따라서 수익성은 회계 명세서가 보여주는 것보다 경제적으로 덜 독립적일 수 있다.

그것은 심각한 문제이다. 벤더 파이낸싱(vendor financing)이나 전략적 투자 자체에는 본질적으로 부적절함이 없다. 항공기 제조사, 부동산 개발자 및 통신사 [*원본 텍스트 여기서 끊김*]