AI BUBBLE.
말 그대로 현재 AI라는 키워드는 모든 기업들이 뛰어들고 있는 만큼 거품이 많이 끼어있다.
여기서 말하는 '거품'은 AI가 마치 팬데믹 시절의 메타버스처럼 헛되었다는 것이 아니라, 뛰어난 기술임에도 불구하고 결국에는 거품처럼 꺼질 수밖에 없는 '지속 불가능성' 때문이라는 이야기들이 서서히 등장하기 시작한다.
AI가 지속 불가능한 기술인 가장 큰 이유는 바로 '비용 문제'이다. 물론 이것은 어디까지나 국가나 기업의 리스크인 것이고, 이것이 개인에게는 당장 앞으로 우리 자녀들이 살아갈 세상의 '교육','환경', 그리고'세금' 등의 문제로 다가올 수 있다.
[목차여기]
문제 01: 저소득층 아이들이 늘어나고 있다.
교육 인프라가 절대적으로 부족한 국가들은 출산율 유지가 원활하며, 특히 저소득층일수록 아이를 많이 갖는 경향을 보인다.
피임에 대한 접근성이 부족하고, 다자녀는 곧 노동력 증대라는 인식이 여전히 강하기 때문이다.
반면, 선진국들은 대체적으로 출산율이 감소하고 있다.
여기에는 도시화, 공교육, 여성 경제 참여, 소득 격차 심화 등 여러 복합적인 이유가 있다.
우리나라 또한 저출산 국가이며, 가장 큰 특징은 저소득층일수록 아이 낳기를 꺼린.. 아니 꺼렸었다는 것이다.
소득계층별 출산율 분석과 정책적 함의 | DBpia
유진성 | 한국사회과학연구 | 2022.12
www.dbpia.co.kr
2022년 사회과학연구 논문에 따르면 소득이 적은 가구일수록 출산율의 하락이 크게 나타난다고 한다.
그러나.. 이것은 "통계의 오류"에 가깝다고 본다.
실제로 우리는 적지 않게 아래와 같은 글을 볼 수 있다.
왜 이러한 인식이 생겨난 것일까?
| 소득 수준 | 2010년 출산 비중 (100가구당 출산아 수 비율) | 2019년 출산 비중 (100가구당 출산아 수 비율) | 출산율 감소율 (2010~2019) | 신혼부부 유자녀 비율 (2022년, 혼인 후 5년 이내) | 자녀 2명 이상 비율 (2022년 신혼부부) |
| 저소득층 | 11.2% (3.21가구) | 8.5% (2.88가구) | 51.0% | 60.1% (연소득 1,000만원 미만) | 15.1% |
| 중산층 | 42.5% (5.31가구) | 37.0% (4.58가구) | 45.3% | 55.3% (연소득 3,000~7,000만원) | 12.4% |
| 고소득층 | 46.3% (8.22가구) | 54.5% (7.65가구) | 24.2% | 48.4% (연소득 1억원 이상) | 7.9% |
이는 분명 전체적인 저소득층의 출산율은 낮아졌지만, 신혼부부를 대상으로 조사한 결과 저소득층이 유자녀 비율, 그리고 다자녀인 경우가 더 높기 때문에 생겨난 인식이라고 볼 수 있다.
국가 정책이 당장 눈앞에 놓인 저출산 문제만을 해결하기 위해 저소득층, 특히 다자녀 지원에 집중되고 있어 이런 현상이 최근 들어 발생하는 듯하다.
그러니 요즘 태어나는 다자녀 아이들은 저소득층 비중이 점점 더 높아지고 있다고 보는 것이 타당하다.
그렇다면 이것이 AI 시대에 어떠한 문제를 가져오게 될까?
문제 02: AI 접목으로 교육 격차 심화가 예상된다.
Inside the $40,000 a year school where AI shapes every lesson, without teachers
At Alpha Schools, students spend two hours in the morning on academics, working at their own speed using AI-driven software.
www.cbsnews.com
실제로 개인 학습에 특화된 AI 소프트웨어를 교육에 직접 접목시킨 미국 학교의 사례가 있는데, 이에 대해서는 비판과 우려의 목소리가 대부분이다.
아래 가장 반응이 좋았던 의견 2개를 가져와보았다.
정말 독특한 비즈니스 모델이야.
우수한 학생들과 그들의 부모들이 자발적으로 이런 학교를 선택하고, 학교는 지적·사회적·정서적·행동적 기준에 맞지 않는 학생은 받아주지 않아.
솔직히 말해, 가장 똑똑한 학생들과 그 부모들이 이런 길을 택하는 건 충분히 이해가 돼.
이런 방식으로 ‘어울리지 않는 사람들’을 걸러내고, 자녀의 성공에 관심과 재력을 가진 부모들을 끌어들일 수 있는 거야. 게다가 교사들은 연봉 10만 달러를 받아. 이건 일반 교사보다 거의 두 배 수준이지.
결국 이건 동기부여가 강하고 경제적으로 여유 있는 부모, 특권을 누리며 똑똑할 가능성이 높은 아이들, 그리고 충분히 대우받는 교사들에게 이상적인 조합이야. 이 모델은 대중적이거나 공교육 시장에는 도입될 수 없어. 의욕이 없는 청소년들, 부족한 자원, 자녀 교육에 관심이 없거나 여력이 없는 부모들, 그리고 수많은 행정 업무에 짓눌린 채 과중한 업무를 떠안은 교사들 속에서는 AI가 있든 없든 아무 소용이 없을 거야.
정리해 보자면 저소득층 신혼부부 다자녀 지원으로 가난한 아이들이 점차 늘어나며 저출산 현상을 간신히 메꾸고 있지만, AI 시대에 있어 이들의 부모는 아이들에게 선진 교육을 받을 수 있게 해 줄 여건이 못 되기 때문에 AI 교육은 중산층 중에서도 일부 아이들만 누릴 수 있는 고소득층만의 특권이 될 확률이 높다는 것이다.
그렇다면 "AI를 전 국민에게 무료로 풀면 되는 것 아니냐"라고 생각할 수도 있겠다.
근데 당연히 무료가 진짜 무료가 아닐뿐더러, 뒤에 이어질 '비용과 환경 문제'를 고려한다면 이건 "말도 안 되는 이야기"이다.
AI가 지속 불가능한 이유
01. 천문학적인 비용 문제
Big Tech is burning $10 billion per company on AI and it's about to get way worse
byu/reddit20305 inArtificialInteligence
마이크로소프트가 지난 분기동안 AI 인프라에 140억 달러를 썼다고 공개했어. 작년보다 79% 증가야. 구글은 같은 분기에 120억 달러, 무려 91% 증가. 메타는 아예 투자자들한테 “올해 최대 400억 달러까지 쓸 거다”라고 말했고, 그 얘기를 듣고 주가가 폭락했어.
Anthropic(Claude 만든 회사) CEO가 말하길, 현재 AI 모델 하나 훈련시키는 데 약 1억 달러가 든대. 올해 말쯤 나올 모델들은 10억 달러, 2026년쯤엔 모델 하나당 50~100억 달러까지 갈 거라고.
AI 모델 학습에 필요한 Nvidia H100 칩 한 개가 3만 달러야. 리셀러들은 그보다 훨씬 비싸게 팔고 있고. 메타는 이걸 35만 개 산다고 했어. 계산해 봐 — 칩값만 100억 달러야. 그것도 할인받았다는 가정 하에서.
그 칩들을 넣을 데이터센터가 필요하잖아. 지금 데이터센터 평균 규모가 약 38,000㎡인데, 이건 2010년보다 5배 이상 커진 규모야. 전 세계 데이터센터 수도 2015년엔 3,600개였는데 지금은 7,000개가 넘었어.
직접 사지 않고 그냥 빌리려 해도 장난 아니야. 아마존에서 H100 클러스터 대여하려면 시간당 100달러야. 일반 CPU는 6달러인데 말이지.
근데 모두가 숨기는 게 하나 있어. 지금 이 기업들은 빠져나올 수 없는 AI 군비 경쟁 속에 있다는 거야. 누가 더 큰 모델을 만들면, 다른 회사들도 뒤처지지 않으려고 똑같이 투자해야 해. OpenAI는 뉴스 기사 라이선스 받는 데 수천만 달러를 쓰고 있고, 구글은 레딧 데이터에 6천만 달러를 냈어. 넷플릭스는 AI 제품 매니저 연봉으로 90만 달러를 제시했지.
이건 도저히 지속 가능하지 않아. 하지만 아무도 먼저 멈추려 하지 않아. 마이크로소프트는 이제 “작고 저렴한 모델”을 밀고 있지만, 정작 자기들도 “큰 모델이 여전히 최고”라고 인정하고 있어. 모두가 이게 통제 불능 상태라는 걸 알면서도, 이미 너무 깊이 들어온 거야.
더 황당한 건, 이렇게 돈을 쏟아붓고 있는데 AI 제품 대부분은 아직 제대로 수익도 못 내고 있다는 거야. 물론 마이크로소프트나 구글이 클라우드 매출이 좀 늘긴 했지만, 그게 투자 규모에 비하면 새 발의 피야. 지금 우리가 보고 있는 건, 기술 역사상 가장 큰 도박이 실시간으로 벌어지고 있는 장면이야.
결론? 그래서 네 ChatGPT Plus 구독료가 한 달에 20달러인 거고, 그럼에도 불구하고 아직도 우리한테 손해 보고 있을 가능성이 크다는 거야.
위 게시글 내용을 검증해 보겠다.
참고로 댓글 중 가장 뜨거운 감자인 '회색수' 관련 이슈는 사실검증 관련하여 논란의 여지가 있기 때문에 가볍게 참고만 하는 게 좋아 보이고, 이러한 환경 부분에 대해서는 아래에서 아티클로 다뤄보겠다.
02. 환경 문제 — 진짜 문제는 "물 부족"
Thirsty for power and water, AI-crunching data centers sprout across the West
With promises of jobs and hopes for tax breaks, server farms are reshaping local grids, plumbing, and politics. Are they a boon for communities, or a burden?
andthewest.stanford.edu
위 스탠퍼드 대학 아티클에 따르면 APM 리서치 랩 조사 결과, 메타의 Goodyear(Arizona에 위치한 도시 이름) 센터만 하더라도 연 5,600만 갤런의 식수를 쓰며, 이는 가구 670세대(도시의 약 2%) 사용량과 같다고 한다.
캘리포니아대 리버사이드 연구팀에 따르면, 100 단어짜리 AI 프롬프트 하나를 처리할 때 약 물 한 병(519ml) 이 사용된다고 한다.
그리고 데이터센터 수가 늘어남에 따라 물 소비량도 천문학적으로 증가했으며, 재활용수만으로는 부족하여 사람들이 사용하는 상수도까지 손을 대고 있다고 한다. ('해수' 사용이 불가능하기 때문이다.)
특히 버지니아 북부는 세계 최대 데이터센터 밀집 지역으로, 2023년 한 해에만 약 20억 갤런의 물을 사용했다(2019년 대비 63% 증가). 라우던 카운티의 데이터센터만 해도 9억 갤런을 사용했으며, 이로 인해 재활용수 대신 식수를 냉각용으로 사용하는 사례가 늘고 있다.
AI에 물이 필요한 이유는 바로 연산과정에서 발생하는 발열을 제어, 즉 냉각시키기 위함이다.
데이터센터 냉각에는 크게 두 가지 방식이 있다.
- 증발식 공랭(evaporative air cooling): 개방 루프, 물 소모 많음 (Hot)
- 액체 냉각(liquid cooling): 폐쇄 루프, 물 소모 적음 (Sealed)
대기업에서 직접 운영하는 데이터센터들은 두 번째 폐쇄 루프 냉각기법을 사용해 물 소비량을 줄인다고는 하나, 원래 냉각 자체가 물이 많이 사용되기도 하고, 하청 업체들은 아직도 대부분 증발식 공랭으로 많은 양의 물을 폐기하고 있다고 하니 위 레딧 게시글 댓글에서 언급한 '회색수 이슈'는 아주 틀린 말은 아닐지도 모른다.
비용을 절감하려면 환경이 파괴되고, 환경을 위한다면 비용이 증가한다.
가장 큰 문제는 기업이 환경을 생각한다면 비용이 증가하고, 반대로 환경파괴가 되든 말든 무시한다면 비용이 절감된다는 것이다. 하지만 이게 자선사업도 아니고, 굳이 비용을 더 지출하면서까지 환경을 생각할 기업이 얼마나 될까?
실제로 구글도 그러하다.
구글은 오리건주 댈러스시에서 사용하는 물 사용량 공개를 거부해, 시가 정보공개 소송 비용 10만 달러를 대납하기도 했다. 소송 취하 후 공개된 구글의 2021년 물 사용은 3억 5,510만 갤런으로, 도시 연간 사용량의 1/4이었다.
이러한 상황 때문에 캘리포니아 주의회의 경우, 데이터 센터 신규 허가 시 예상 물 사용량 제출, 기존 센터는 연간 물 사용 보고를 요구하는 법안을 검토 중이라고 한다.
AI 선도 기업들이 꿈꾸는 미래 = AI 세금 (a.k.a. 부의 재분배)
기업들은 현재 AI를 콘텐츠 생성(텍스트, 이미지, 비디오)에 특화시켜 사용자 행동 데이터를 대규모로 모으고, 이를 AI 훈련과 마케팅에 활용하고 있다.
그러나 이런 콘텐츠 생성은 어디까지나 데이터 취합을 위한 과정의 일부분일 뿐, AI의 본질과는 거리가 멀다.
McKinsey Technology Trends Outlook 2025
Which new technology will have the most impact in 2025 and beyond? Our annual analysis ranks the top tech trends that matter most for companies and executives.
www.mckinsey.com
McKinsey의 분석처럼 AI 학습은 디지털(소프트웨어)에서 피지컬(로보틱스)로의 전환을 위한 전략이라고 보는 것이 더 맞다.
그렇다면 피지컬 단계로 진입한 AI는 인류에게 어떤 도움을 줄 수 있을까?
예컨대, 위험한 사고 현장에 투입되어 인명 구조를 수행하거나, 의료 수술 분야에서 활용되거나, 거동이 불편한 사람의 신체 일부 기능을 보조하는 역할은 분명 긍정적일 것이다.
하지만 그 이상의 구체적 이점은 쉽게 떠오르지 않는다.
피지컬 AI 자동화는 특히 제조업에서 기존 인간의 일자리 대부분을 대체할 것이 분명해 보이나, 이를 보완할 어떠한 새로운 일자리가 등장할지는 여전히 미지수이다. 또한 피지컬 AI는 군사 목적으로 악용될 우려도 크다.
과연 대기업들이 ‘대의’만을 위해 막대한 자본을 투자하고 있을까?
나는 그렇지 않다고 본다. AI는 "승자독식 시장"이기 때문에 기업들은 "하이리스크 하이리턴"을 추구하는 것이다.
그리고 좀만 살펴보더라도, 자체 AI 개발 시기를 놓치거나 그럴 능력이 안 되는 기업들은 사내 서버에 외부 API를 끌어다가 쓰는 등, 선두 기업들의 흐름에 편승하고 있음을 알 수 있다.
과연 구글과 같은 대기업들이 꿈꾸는 미래는 무엇일까?
Gemini의 답변은 이러하다.
"AI로 돈을 버는 엘리트들이 내는 세금으로, AI로 일자리를 잃은 이들에게 기본 소득을 제공하는 사회"
'인류 대다수가 노동을 하지 않고, 정부와 소수 기업에 의존하면 되는 사회'를 유토피아라고 할 수 있을까?
내용 추가
Industries in the Intelligent Age White Paper Series
The Industries in the Intelligent Age White Paper Series examines AI’s transformative role across diverse sectors, offering insights into challenges, opportunities and strategies for responsible innovation.
www.weforum.org
썸네일 출처: https://www.paddle.com/studios/shows/presents/ai-hype-cycle
'자료 분석' 카테고리의 다른 글
| [week22] NeurIPS 2025 (Stanford AI Lab) (0) | 2025.12.07 |
|---|---|
| [week16] OpenAI DevDay 2025 내용 정리 (0) | 2025.10.17 |
| [week11] 다양한 프롬프팅 기법 그리고 고착 (0) | 2025.09.07 |
| [week10] AI 암묵지 학습에 대하여 (0) | 2025.08.31 |
| [week7-1] 2025 AI Index Report 분석하기 (0) | 2025.08.10 |