강력한 AI 시스템의 등장이 경제 구조를 어떻게 바꿀 것인가? Anthropic은 이 질문에 대해 확신하지 못하며, 외부 전문가들도 마찬가지라고 말한다. 그러나 AI 시스템이 계속 개선되고 더 큰 규모로 채택될수록, 그 영향의 성격이 무엇이든 간에 정책 입안자들이 AI의 경제적 영향에 대응하기 위해 활용할 수 있는 수단을 더 폭넓게 논의하는 일은 중요해진다. 이를 돕기 위해 Anthropic은 추가 연구가 필요하다고 보는 몇 가지 경제 정책 아이디어를 공개했다.
Anthropic Economic Index를 시작한 이후 Anthropic은 AI 사용 방식에서 중요한 변화를 관찰했다고 설명한다. 사용자는 Claude와 함께 "협업"하는 경우가 줄고, Claude에게 완결된 과업 전체를 맡길 가능성이 점점 커지고 있다. AI 모델이 더 오랜 시간 독립적으로 일하고, 더 많은 고용주가 생산성 향상을 위해 AI를 도입할수록 이 추세는 가속될 것으로 Anthropic은 본다. 노동시장에 어떤 함의가 나타날지는 아직 불확실하다.
정책 입안자는 여기에 어떻게 대응해야 할까? 이는 쉬운 질문이 아니며, 어느 한 행위자만으로 답할 수 있는 문제도 아니다. 앞으로 닥칠 전환의 규모에는 큰 불확실성이 있고, 이를 관리하는 방식에 대해서도 다양한 견해가 존재한다. 그럼에도 Anthropic은 지금부터라도 가능한 경제 시나리오별로 아이디어를 구상하기 시작해야 한다고 본다.
지난 1년 동안 Anthropic은 전 세계의 경제학자와 정책 전문가들과 함께 이 논의를 진전시켜 왔다. 여기에는 Economic Advisory Council 구성원과 첫 Economic Futures Symposium 참가자들이 포함된다. 가능한 한 폭넓은 아이디어를 끌어내기 위해, 초당파적 성향의 연구자들뿐 아니라 정치적 스펙트럼 전반의 사상가들과도 논의를 진행했다고 Anthropic은 설명한다.
아래에서는 인력 개발, 인허가 개혁, 재정 정책, 사회서비스를 포괄하는 아홉 가지 정책 범주를 간략히 살펴본다.
Anthropic은 어떤 정책이 최적해가 될지는 아직 알 수 없다고 전제한다. 다만 고도화된 AI가 경제에 미치는 영향을 공개적으로 논의하고, 그 효과를 투명하게 공유하겠다는 입장은 분명히 밝힌다.
시나리오에 맞춰 정책을 배치하기
AI의 경제적 효과가 어떤 속도와 규모, 어떤 형태로 전개되느냐에 따라 전 세계에서 필요한 정책 대응은 달라질 것이다. 이에 따라 Anthropic은 초기 아이디어를 세 가지 큰 범주로 정리한다.
- 거의 모든 시나리오에 해당하는 정책 아이디어: 노동시장에 대한 부정적 영향이 비교적 제한적인 경우까지 포함해, AI로 인한 교란의 크기와 무관하게 검토할 가치가 있다고 지지자들이 주장하는 정책들이다. 새롭게 등장하는 일자리에 맞춘 노동자와 학생의 재교육, 생산성 향상을 위한 에너지 및 컴퓨팅 인프라 건설을 가능하게 하는 인허가 절차 개혁 등이 여기에 포함된다.
- 중간 수준의 가속 시나리오를 위한 정책 아이디어: AI로 인해 노동자 상당수에게 측정 가능한 임금 하락과 일자리 감소가 발생하는 경우를 상정한다. 이때는 일자리를 잃은 노동자를 위한 보다 실질적인 재정 지원이 필요할 수 있으며, 급속한 자동화가 전가하는 부정적 외부효과를 상쇄하기 위해 자동화 과세도 검토 대상이 될 수 있다.
- 빠르게 전개되는 시나리오를 위한 정책 아이디어: 대규모 실직과 심화되는 불평등이 수반될 수 있는 경우를 다룬다. 이 제안들은 훨씬 더 야심차며, 매우 다른 경제 상황에 대응하기 위한 수단으로 설계된다. 시민에게 AI 수익에 대한 지분을 부여하는 국부펀드, 정부 수입을 창출하는 새로운 구조 등이 이에 해당한다.
Anthropic은 아래 제안들이 자사의 공식 정책 입장을 반드시 뜻하는 것은 아니라고 밝힌다. 다만 다양한 제안을 받았다는 사실 자체에 의미를 두며, 이것이 더 많은 연구와 토론을 촉진하기를 기대한다고 말한다.
거의 모든 시나리오를 위한 정책
1. 직업훈련 보조금을 통해 재교육에 투자하기
워싱턴 D.C. 심포지엄에서 American Compass의 Executive Director인 Abigail Ball은 동료 Oren Cass와 함께 개발한 Workforce Training Grant를 소개했다. 이 제안은 현장 중심 훈련(on-the-job training)에 공적 자원을 더 많이 투입하자는 구상이다.
이 모델에서 정부는 체계적인 훈련 프로그램을 갖춘 공식 수습직 또는 연수직을 만드는 고용주에게 상당한 규모의 연간 보조금을 직접 제공한다. Ball과 Cass는 미국 기준으로 연간 1만 달러를 예시로 제시한다. 훈련 방식은 개별 기업이 운영하는 프로그램일 수도 있고, 기업 컨소시엄이나 산업협회가 운영할 수도 있으며, 고용주와 조직 노동 간의 협력이나 기술학교, 커뮤니티 칼리지와 고용주 간 협업 형태일 수도 있다.
American Compass는 기존의 고등교육 보조금을 이 프로그램 재원으로 전환하는 방안을 제안한다. 다만 Anthropic은 그 외에도 다른 재원 조달 방식, 예를 들어 AI 소비에 대한 세금을 활용해 인력 개발 이니셔티브를 지원하는 방안 역시 검토할 가치가 있을 수 있다고 덧붙인다.
2. 근로자 유지와 재훈련을 위한 조세 유인을 개혁하기
조세 정책은 한계적으로나마 고용주가 인원 감축보다 재훈련과 고용 유지에 더 많은 유인을 갖도록 설계될 수 있다.
Mercatus Center의 Revana Sharfuddin은 미국 세제가 인적자본 투자보다 물적자본 투자를 선호하는 편향을 만들어 낸다고 주장한다. 기업은 bonus depreciation을 통해 AI 시스템 비용을 즉시 비용 처리할 수 있지만, 노동자 훈련 비용을 공제할 때는 다양한 제약을 받는다는 것이다.
그녀는 Internal Revenue Code 개혁 방안으로, 비과세 교육지원 한도 5,250달러를 폐지하고 직무 관련 훈련 전반에 대해 전액 즉시 비용 처리를 허용하는 방안을 제안한다. 이런 변화는 재훈련 비용을 해고 비용보다 상대적으로 낮춰, 인원 감축 결정의 경계선상에 놓인 노동자들을 더 오래 고용하도록 도울 수 있다는 논리다.
3. 법인세 허점을 막기
조세 정책 전문가 David Gamage는 AI 전환이 정부 재정을 압박하지 않도록 하기 위한 여러 개혁안을 제시해 왔다. 그의 제안 가운데 일부는 대기업이 entity-level tax를 회피할 수 있게 하는 "partnership gap"을 막는 데 초점을 맞추며, 또 다른 일부는 이익 이전(profit shifting)을 억제하고 디지털 및 무형자산 중심 비즈니스 모델에서 발생하는 가치를 더 잘 포착할 수 있도록 세원 배분 방식을 현대화하는 데 초점을 둔다.
두 번째 개혁안은 고객 위치를 기준으로 기업세를 배분하는 market-based apportionment를 도입하고, 다국적 기업과 자회사를 단일 실체처럼 취급하는 worldwide combined reporting을 요구하는 방식이다. 이는 조세회피처로의 인위적 이익 이전을 제한하려는 접근이며, AI가 무형자산 기반 이윤의 경제적 중요성을 더 키울 수 있다는 점에서 그 필요성이 커질 수 있다.
Anthropic이 인용한 Gamage의 표현에 따르면, 먼저 행동하는 정부는 재정 과제를 해결하고 주민이 AI 경제에서 번영할 수 있도록 더 잘 대비할 수 있다. 반대로 기다리는 정부는 유연성이 가장 필요한 시점에 자원 제약에 직면할 수 있다.
4. AI 인프라를 위한 인허가와 승인 절차를 가속하기
Anthropic은 미국과 동맹국에서 인허가와 전력 조달 절차를 개혁해야 한다는 입장을 지속적으로 밝혀 왔다. 이러한 절차를 가속해야 frontier AI를 훈련하고 배치하는 데 필요한 대규모 데이터센터, 송전 인프라, 발전 설비를 제때 구축할 수 있기 때문이다. 또한 이런 개혁은 AI가 구축되는 지역에서 투자, 경제성장, 일자리 창출을 촉진할 것이라고 Anthropic은 본다.
반대로 AI 인프라 개발이 지체되면 생산성과 고용 증가가 둔화될 수 있고, 핵심 AI 인프라가 해외로 이전하면서 국가안보 위험이 생길 수도 있다.
Anthropic에 따르면 미국에는 대규모 AI 인프라 구축을 수년간 지연시키는 세 겹의 규제 절차가 존재한다. 첫째는 연방, 주, 지방 차원의 토지 이용 및 환경 승인 등 인허가 절차다. 둘째는 송전 프로젝트에 대한 주 규제 심사로, 신규 송전선 건설에 10년 이상이 걸릴 수 있다. 셋째는 설비를 전력망에 연계하는 승인 절차로, 발전 자원의 경우 통상 4년에서 6년이 필요하다.
이 문제를 해결하는 구체적 조치로는, 연방기관이 많은 프로젝트의 환경 영향을 검토하도록 하는 National Environmental Policy Act(NEPA) 개혁이 포함될 수 있다. 데이터센터 같은 특정 시설 유형에 대해 사전 분석을 마련해 두면, 향후 유사 프로젝트의 심사를 더 빠르게 할 수 있다. 그 밖에도 핵심 송전망 증설과 업그레이드를 신속화하기 위해 연방 권한을 적극 활용하거나, 전력회사와 협력해 빠른 계통 연계 기회를 찾는 방안이 가능하다.
Mercatus Center의 faculty director이자 Anthropic Economic Advisory Council 구성원인 Tyler Cowen은 이에 대해 자신은 인허가 개혁 전반에 찬성하며, 에너지 부문도 예외가 아니라고 말한다.
중간 수준 시나리오를 위한 정책 아이디어
5. AI 대체에 대응하는 무역조정지원형 제도를 마련하기
여러 경제학자는 강력한 AI 시대의 노동시장 교란에 맞춰 Trade Adjustment Assistance(TAA) 모델을 어떻게 응용할 수 있을지 검토하고 있다. TAA는 영향을 받은 노동자에게 새로운 기술을 익힐 기회나 기타 지원을 제공하는 제도다. 펜실베이니아대학교의 Ioana Marinescu는 이를 AI로 일자리를 잃은 사람을 지원하는 "AI 보험(AI insurance)" 메커니즘으로 볼 수 있다고 말한다.
이와 비슷한 맥락에서 Suchet Mittal과 Sam Manning은 Automation Adjustment Assistance(AAA) 프로그램의 가능성을 제시했다. 그들은 TAA와 비슷한 수준인 연간 약 7억 달러 규모로 AAA를 시작하는 방안을 초기 선택지로 제안하며, AI에 따른 대체 속도와 규모에 맞춰 프로그램 크기를 확대하거나 축소할 수 있는 장치를 함께 두어야 한다고 설명한다.
또한 이들은 향후 프로그램이 커져야 할 경우, 일정 수준 이상의 높은 시가총액을 가진 기업의 AI 유발 매출에 세금을 부과해 재원을 마련하는 방안도 가능하다고 본다. 그렇게 하면 AI 부문이 해당 기술로 인해 대체된 노동자 지원에 직접 기여하는 구조를 만들 수 있다.
6. 컴퓨트 또는 토큰 생성에 세금을 부과하기
버지니아대학교 경제학자 Lee Lockwood와 Anton Korinek은 "토큰 생성, 로봇, 로봇 서비스, 디지털 서비스"에 대한 다양한 세금 형태를 연구할 필요가 있다고 제안한다.
이 세금들은 경제 안에서 AI가 어느 단계까지 발전했는지에 따라 서로 다른 잠재적 이점과 왜곡 위험을 가진다. 예를 들어 인간이 여전히 경제의 주된 소비자인 단계에서는, 강력한 AI가 노동의 상대적 경제적 역할을 줄이더라도 최종 사용자에게 판매되는 AI 생성 토큰에 대한 세금, 즉 token tax가 바람직할 수 있다.
반면 Korinek과 Lockwood는 강력한 AI 시스템이 스스로 경제 자원의 주요 소비자가 되는 단계에 이르면, 인간 최종소비자 대상 token tax보다 컴퓨트와 기타 하드웨어에 대한 세금처럼 AI의 자원 축적 자체에 과세하는 편이 더 효과적일 수 있다고 주장한다.
이러한 계산 자원 과세는 AI로 재편된 경제의 경로를 따라 투자를 왜곡할 수 있다. 그럼에도 노동시장과 인간 소비의 경제적 역할이 모두 축소된다면, AI가 만들어 내는 초과 이익 일부를 포착할 수 있는 사실상 유일한 메커니즘이 될 가능성도 있다.
Anthropic은 이러한 범주의 세금이 자사의 매출과 수익성에 직접 영향을 미치더라도 진지하게 연구할 가치가 있다고 본다. 이 세금은 이 글에서 논의한 여러 다른 정책을 포함해 핵심 재정 프로그램의 중요한 재원이 될 수 있기 때문이다.
빠르게 전개되는 시나리오를 위한 정책 아이디어
7. AI 지분을 보유하는 국가 단위 국부펀드를 만들기
시민과 정부가 AI의 경제적 수익에 더 큰 지분을 갖게 하려는 제안들이 점점 늘고 있다. 국부펀드는 국가가 AI 관련 자산에 투자 포지션을 취할 수 있게 해 줄 수 있다. AI 부문이 경제적 부를 과도하게 많이 흡수하는 시나리오에서는, 정부 투자 자체가 부문의 행태에 영향을 미칠 수 있을 뿐 아니라 AI에서 파생된 부를 더 공정하게 분배하는 역할도 할 수 있다.
영국의 Centre for British Progress에 글을 쓴 Emma Casey, Emma Rockall, Helena Roy는 이와 관련된 영국형 개념으로 AI Bond를 제안했다. 이 AI Bond는 "AI stack" 전반에 충분한 투자가 이뤄지도록 해 AI의 편익을 확보하고, 동시에 런던 같은 소수 도시로 AI 연구 역할이 집중되는 상황에서도 그 수익을 영국 전역에 더 고르게 분배하는 것을 목표로 한다.
8. 부가가치세를 도입하거나 현대화하기
G7 국가 중 여섯 곳이 국가 단위 부가가치세(value-added tax, VAT)를 운용하고 있으며, OECD 38개국 가운데 37개국도 마찬가지다. 예외는 미국이다.
AI가 경제를 바꾸면서 가치 생산에서 노동이 차지하는 몫이 크게 줄어들 수 있다. 이 경우 핵심 정부 기능을 재정적으로 뒷받침하기 위해 VAT 같은 소비 과세로 이동할 필요가 있을 수 있다. VAT 징수는 경제 생산 네트워크에 대한 세밀한 정보를 정부에 제공한다는 점에서도 의미가 있는데, Anthropic은 이것이 급속한 기술 및 경제 변화 시기에 특히 유용할 수 있다고 본다.
MIT Sloan School of Management의 John Horton은 부가가치세가 왜곡을 덜 일으키며, 어느 정도는 자체 집행적 성격도 갖는다고 평가한다.
9. 경제에서 AI 비중 확대를 반영하는 새로운 세수 구조를 마련하기
AI가 경제 산출의 큰 비중을 담당해 노동 몫이 하락하는 경우, 정부는 소득세를 보완할 새로운 수입원이 필요할 수 있다. David Gamage의 다른 제안 가운데 하나는 소득세의 보완 장치로 "저율 기업 자산세(low-rate business wealth tax)"를 검토하자는 것이다.
그의 논리는 다음과 같다. 소득세는 회계상 조작의 대상이 되기 쉽고, 자산세는 자산 가치평가라는 과제를 안고 있다. 따라서 두 세금을 함께 사용하면 수익성이 높은 기업이 제도를 회피하기 더 어려워진다는 것이다.
Gamage는 이 구조를 일부 자산운용사가 고객에게 부과하는 수수료 체계에 비유한다. 자산세는 축적된 자본을 보호하는 법적 인프라를 제공하는 데 대한 관리 수수료처럼 기능하고, 소득세는 국가 시장에서 창출된 이윤에 대한 성과 수수료처럼 기능한다는 것이다. Anthropic은 이것이 인간 노동의 가치가 변할 때 정부가 적응할 수 있는 하나의 방식이라고 보지만, 이 영역에는 탐색할 아이디어가 훨씬 더 많다고 덧붙인다.
대화를 이어가기
Anthropic은 2025년 가을 초 Economic Futures Program을 확대하기 위해 1천만 달러를 투입하겠다고 발표했다. 이 투자는 AI의 경제적 영향과 정책 아이디어에 대한 엄밀한 실증 연구를 지원하고, 심포지엄 시리즈도 확장하는 데 쓰인다. 다음 행사는 2025년 11월 런던에서 열릴 예정이며, 9월 워싱턴 D.C. 행사에 이어지는 일정이다.
Anthropic은 여기 정리된 어떤 아이디어도 최종 권고안이 아니라고 분명히 말한다. 이것들은 더 깊은 연구, 정책 개발, 공개 토론을 위한 출발점이다. AI의 경제적 효과는 시기와 규모 모두에서 여전히 불확실하며, 서로 다른 시나리오마다 서로 다른 대응이 필요할 것이다.
다만 분명한 점도 있다. 연구자, 정책 입안자, AI 산업 간의 선제적 협력이 필수적이라는 점이다. Anthropic은 AI의 경제적 효과가 어떤 모양으로 나타날지 완전히 알기 전에 이러한 선택지를 먼저 검토함으로써, 더 다양한 미래에 대비하고 노동자와 지역사회가 AI의 잠재력을 충분히 누릴 수 있도록 준비할 수 있다고 본다.
마지막으로 Anthropic은 이 글에서 다룬 정책 아이디어 대부분이 Anthropic Economic Advisory Council 구성원, Economic Futures Symposia 참가자, 독립 연구자들의 제안 또는 대화에서 나왔다고 설명한다. 따라서 이 제안들이 모두 Anthropic 자체의 정책 입장을 대표하는 것은 아니다.