효율성과 형평성 아우르며 인간 가치와 기본권 드높이는 새로운 사회계약 긴요
최첨단 인공지능(AI)이 치킨 수프 요리법을 알려주는 지금의 시대는 계속 이어질 것인가. 오픈AI가 2022년 11월 챗GPT를 출시한 이후 지난 3년 넘는 기간 동안 AI 생태계는 대체로 다음과 같은 스토리를 써왔다. 오픈AI, 앤트로픽 등 첨단 AI 모델 개발 기업들이 소비자용 챗봇 형태의 제품을 투입된 원가보다 훨씬 저렴하게 제공했다. AI 사용자들은 마치 보조금을 받는 듯한 생활을 누렸고 기업들은 기꺼이 그 비용을 부담했다. 매번 투자 유치 라운드가 진행될 때마다 유입되어 온 막대한 현금 흐름에 힘입어 기업들은 성장 드라이브를 걸 수 있었다.
AI 인프라 기업들에 많은 투자가 집중되었다. 다만 이들 기업이 대규모 자본 지출에 비해 아직 충분한 투자수익을 입증하지 못하고 있다는 시각도 있을 수 있다. 투자자들은 이와 같은 상황에 개의치 않는다. 기술이 대중화되면 모델 개발 기업들과 데이터 센터 구축 기업들이 막대한 이익을 얻고 쭉 번영을 구가할 것이라고 믿는다.
이러한 와중에 모델 개발 기업들은 애플리케이션이 창출하는 가치를 이제 어느 정도 회수해야 한다는 압박을 받는 형국이다. 최근 몇 달 동안 마이크로소프트의 플랫폼 깃허브(GitHub)를 필두로 점차 AI 서비스 제품들이 정액제(flat fee)에서 사용량 기반(usage-based) 요금제로 전환하고 있는 움직임이다. 이러한 지각변동은 지금까지 AI의 빠른 도입을 뒷받침해 온 보조금 시대의 종언을 의미하는 것일까. AI 비용 급증에 대응한 사용량 기반 요금제로의 전환은 AI에 치킨 수프 요리법을 묻고 있는 시대가 저물 수 있음을 말하는 것일까.
이에 더하여 AI가 상품화(commoditization)될 것이라는 전망이 나온다. AI 공급이 풍부해지고 모델들이 광범위하게 상호 교환 가능해짐에 따라 AI 기술이 소프트웨어보다는 전기와 같은 형태로 변모할 것으로 보는 것이다. AI 기업들이 점점 유선 통신 회사가 케이블을 구축하는 모습과 비슷해지고 있다는 것이다. 이러한 시나리오에서 진정한 경제적 가치는 AI 기술 생산자가 아닌 그 위에 가장 효율적인 시스템을 구축하는 기업에 돌아가게 된다. 만약 이 예측이 맞으면 모델 개발 기업에 대한 대규모 투자의 타당성은 의구심을 불러일으킬 수 있다.
그럼에도 비관은 아직 이른 것으로 여겨진다. 그 단초의 하나는 제본스 역설(Jevons Paradox)에서 찾을 수 있다. 제본스 역설이란 효율성(efficiency) 증가가 사용량 증가로 이어지는 현상을 일컫는다. 19세기 영국의 경제학자 윌리엄 제본스가 석탄 효율성이 개선되자 오히려 석탄 소비가 늘어난 현상을 관찰한 데서 나온 개념이다. 제본스는 증기기관이 석탄 사용의 효율성을 높여 작업을 수행하는 데 필요한 석탄의 양을 줄였음에도 실제 석탄 소비량은 오히려 폭발적으로 증가했다는 사실을 발견했다.
2023년 이후 AI의 기본 단위를 처리하는 비용은 크게 낮아졌지만 거대언어모델(Large Language Model, LLM)에 대한 지출은 지난해 말 이후 두 배로 늘어 기업들은 그 어느 때보다 AI에 많은 돈을 쓰고 있다. 이는 제본스 역설이 실제로 작동하고 있는 사례라고 설명된다. 제본스 역설에 따르면 자원 이용의 효율성이 높아지면 자원 소비량이 감소하는 것이 아니라 늘어난 접근성과 수요로 인해 총자원 소비량이 오히려 폭증한다. AI 시장에서도 단가가 내려갈수록 기업들의 AI 도입이 본격화되고 이에 따라 데이터 전송량이 기하급수적으로 늘어나게 된다. 효율적인 AI 모델일수록 더 많은 이용자를 끌어들이면서 컴퓨팅 자원 수요가 늘어난다는 분석이다. 가격이 떨어지면 수요가 늘어나는 일반적인 수요 법칙보다 제본스 역설은 한 걸음 더 나아간다. 효율성 향상이 새로운 활용 분야를 창출하며 AI 사용 확대를 불러와 네트워크 수요를 폭발적으로 증가시킬 수 있다. AI 산업에서 나타나는 제본스 역설 사례다.
막대한 AI 투자가 어떻게 수익은 물론 이익으로 전환될 수 있을지에 대한 일각의 의문 제기에 대해 다시 소환되는 제본스 역설이 답할 수 있다. 효율성 증가가 사용량 증가로 이어지는 현상이 AI에 적용된다는 것이다. 단위 비용 하락은 기업들이 AI를 사업 전반에 걸쳐 점점 더 많이 적용토록 함에 따라 AI에 대한 총지출을 늘릴 것이다. 바로 여기에 AI 기업의 수익성이 달려 있게 된다.
이처럼 제본스 역설은 AI에 새로운 돌파구를 만들어 줄 것인가. 그렇다면 제본스 역설과 함께 요구되는 사회계약(social contract)에 대해서도 성찰해야 할 당위가 있다. 19세기에 제본스가 관찰한 것은 단순히 석탄 소비 증가가 아니었다. 효율성의 향상이 생산과 소비의 규모 자체를 바꾸면서 경제의 질서를 재편한다는 점이었다. AI에서도 같은 현상이 나타난다면 사회가 직면하는 과제는 단순히 더 많은 GPU를 공급하는 것이 아니라 AI가 창출하는 생산성의 과실을 어떻게 배분할 것인가라는 문제로 귀결된다.
AI의 효율성이 높아질수록 AI는 더욱 저렴해지고 더 널리 사용될 것이다. 그러나 AI 활용의 확산이 반드시 소득과 기회의 균형 있는 확산으로 이어지는 것은 아니다. 오히려 데이터와 컴퓨팅 자원, 플랫폼을 선점한 소수 기업으로 부가가치가 집중될 가능성도 함께 커진다. 제본스 역설은 자원의 소비를 확대하지만 동시에 시장 집중과 승자독식(winner-takes-all) 현상을 초래할 수도 있다. 따라서 요구되는 사회계약은 효율성의 확대를 막는 계약이 아니라 효율성의 과실을 사회 공동체가 공유하도록 하는 계약이어야 한다. 즉 효율성과 함께 형평성(equity)을 조화시키는 새로운 사회계약이 모색되어야 할 필요가 있다. 어떤 방향으로 가야 할 것인가.
새로운 사회계약은 세 가지 축 위에서 설계될 수 있다. 첫째, 기회의 계약(opportunity contract)이다. AI가 인간을 대체하는 것이 아니며 인간의 가치와 기본권을 드높이는 방향으로 작동하도록 교육, 직업, 사회 체계 등을 근본적으로 재설계해야 한다. 둘째, 분배의 계약(distributive contract)이다. AI가 창출한 초과이윤이 일부 기업과 자본가에만 집중되지 않도록 조세와 사회보장 및 금융시장 참여 기회를 포함한 새로운 분배 메커니즘이 요구된다. 포용 사회안전망과 포용 금융 등 제도와 정책이 마련되고 작동되어야 한다. 셋째, 신뢰의 계약(trust contract)이다. AI 의사결정의 투명성과 설명 가능성, 개인정보 보호, 알고리즘 책임성 등을 제도화함으로써 신뢰할 수 있는 AI 거버넌스를 구축해야 한다.
소환되는 제본스 역설은 불평등과 양극화에 대한 치열한 성찰을 한층 더 요구하고 있다고 할 수 있다. 시험대의 요체는 AI가 초래할 수 있는 승자독식 현상을 막고 효율성과 형평성을 어떻게 조화시키며 지속가능한 번영을 도모하는 사회계약을 만들 수 있느냐이다. 애덤 스미스는 국부론에서 '보이지 않는 손'을 언급하며 시장의 효율성을 강조하면서도 도덕감정론에서 공정한 관찰자(impartial spectator)로서의 인간 본성이 공감할 수 있는 룰과 질서를 강조했다.
효율성과 형평성이라는 정치경제학적 성찰을 담은 애덤 스미스의 사상은 AI와 함께 추구해야 할 사회계약의 성격을 일깨워 준다. 정치와 정책이 두루 민생 경제를 살피고 양극화와 불평등을 해소하는 포용적 제도와 정책의 긴요함은 더욱 강조되어야 한다.
[Reading Finance & Economy with Cho, Hong Kyoon] The Jevons Paradox Reinvoked: Will It Open a New Breakthrough for AI?
Will the current era, where cutting-edge artificial intelligence (AI) teaches us how to make chicken soup, continue? For over three years since OpenAI launched ChatGPT in November 2022, the AI ecosystem has largely followed the following story. Leading AI model developers such as OpenAI and Anthropic have offered products in the form of consumer chatbots at prices far lower than the input costs. AI users enjoyed a lifestyle akin to receiving subsidies, and companies willingly bore the costs. Powered by the massive cash inflows that occurred with every fundraising round, companies were able to drive their growth.
Much investment has been concentrated on AI infrastructure companies. Meanwhile, there may be some view that these companies have not yet demonstrated sufficient returns on investment relative to their massive capital expenditures. Investors remain undeterred by such circumstances. They believe that once the technology becomes mainstream, model developers and data center builders will reap enormous profits and continue to prosper.
Amidst this, model development companies are now facing pressure to recoup some of the value generated by their applications. Over the past few months, led by Microsoft's platform GitHub, there has been a gradual shift in AI service products from flat fees to usage-based pricing. Does this tectonic shift signify the end of the subsidy era that has underpinned the rapid adoption of AI until now? Does the transition to usage-based pricing in response to skyrocketing AI costs suggest that the era of asking AI for a chicken soup recipe may be coming to an end?
Furthermore, there are predictions that AI will become commoditized. As the supply of AI becomes abundant and models become widely interchangeable, it is anticipated that AI technology will change into a form akin to electricity rather than software. This suggests that AI companies are increasingly resembling wired telecommunications companies laying cables. In this scenario, true economic value will accrue not to the AI technology producers, but to the companies that build the most efficient systems upon them. If this prediction proves correct, it could raise doubts about the feasibility of large-scale investments in model development companies.
Nevertheless, pessimism is considered premature. One clue can be found in the Jevons Paradox. The Jevons Paradox refers to the phenomenon where increased efficiency leads to increased usage. This concept originated from the observations of 19th-century British economist William Jevons, who noted that as coal efficiency improved, coal consumption actually increased. Jevons discovered that while steam engines increased the efficiency of coal usage and reduced the amount of coal required to perform tasks, actual coal consumption increased explosively.
Since 2023, the cost of processing the basic units of AI has significantly decreased, yet spending on Large Language Models (LLMs) has doubled since the end of last year, meaning companies are spending more money on AI than ever before. This is explained as a case where the Jevons Paradox is actually at work. According to the Jevons Paradox, increased efficiency in resource utilization does not lead to a decrease in resource consumption; instead, total resource consumption actually skyrockets due to increased accessibility and demand. In the AI market as well, as unit costs decrease, companies begin adopting AI in earnest, leading to a geometric increase in data transmission volume. The analysis suggests that more efficient AI models attract more users, thereby increasing the demand for computing resources. The Jevons Paradox goes a step further than the general law of demand, which states that demand increases when prices fall. Improved efficiency creates new application fields and drives the expansion of AI usage, potentially causing network demand to explode. This is an example of the Jevons Paradox appearing in the AI industry.
The Jevons Paradox, which is being invoked again regarding the questions raised by some about how massive AI investments can be converted into profits as well as returns, may provide an answer. It suggests that the phenomenon where increased efficiency leads to increased usage applies to AI. As unit costs fall, companies will increase total spending on AI by applying it more extensively across their entire business. This is precisely where the profitability of AI companies depends.
As such, will the Jevons Paradox provide a new breakthrough for AI? If so, there is an imperative to reflect on the social contract required alongside the Jevons Paradox. What Jevons observed in the 19th century was not merely an increase in coal consumption. It was that improvements in efficiency reshape the economic order by altering the very scale of production and consumption. If the same phenomenon occurs in AI, the challenge facing society boils down not to simply supplying more GPUs, but to the question of how to distribute the fruits of productivity generated by AI.
As AI efficiency increases, it will become cheaper and more widely used. However, the widespread adoption of AI does not necessarily lead to a balanced expansion of income and opportunities. On the contrary, there is a growing possibility that added value will be concentrated in the hands of a few companies that have secured data, computing resources, and platforms. While the Jevons Paradox expands resource consumption, it can simultaneously lead to market concentration and a winner-takes-all phenomenon. Therefore, the required social contract must not be one that hinders the expansion of efficiency, but one that ensures the social community shares the fruits of that efficiency. In other words, there is a need to seek a new social contract that harmonizes equity with efficiency. In what direction should we proceed?
The new social contract can be designed on three axes. First is the opportunity contract. Education, occupations, and social systems must be fundamentally redesigned to ensure that AI does not replace humans but operates in a way that elevates human values and fundamental rights. Second is the distributive contract. New distribution mechanisms, including taxation, social security, and opportunities for participation in financial markets, are required to prevent excess profits generated by AI from being concentrated solely among a few corporations and capitalists. Institutions and policies such as inclusive social safety nets and inclusive finance must be established and put into operation. Third is the trust contract. Trustworthy AI governance must be established by institutionalizing transparency and explainability in AI decision-making, privacy protection, and algorithmic accountability.
The Jevons Paradox being invoked can be said to demand even more intense reflection on inequality and polarization. The crux of the test lies in how to prevent the winner-takes-all phenomenon that AI may bring about, and how to construct a social contract that harmonizes efficiency and equity to promote sustainable prosperity. In The Wealth of Nations, Adam Smith emphasized market efficiency by mentioning the invisible hand, while in The Theory of Moral Sentiments, he stressed rules and order that human nature, acting as an impartial spectator, can sympathize with. Adam Smith's thought, imbued with political economic reflections of efficiency and equity, reminds us of the nature of the social contract that must be pursued alongside AI. The urgency of inclusive institutions and policies that comprehensively address the people's livelihoods and resolve polarization and inequality must be further emphasized.
 |
| ▲ 조홍균 객원논설위원 |
● 조홍균은
법·제도경제학자이자 35년 경력 중앙은행가. 경제, 금융, 기업 관련 정책과 제도를 주로 천착했다. 통화금융정책, 금융체제, 금융감독, 금융산업, 기업정책, 법경제 실무와 이론에서 전문성을 쌓았다. 중앙은행과 정부, 국제기구, 학계, 언론계 등에 걸쳐 폭넓게 이력을 쌓았다.
△ 미 워싱턴대 법학박사(J.D./J.S.D., 법경제학) △ 1989년 한국은행 입행 △ 1990년 조사제1부 조사역 △ 1999~2012년 정책기획국 과장 차장 팀장 △ 2016년 금융감독원 거시감독국 파견국장 △ 2017년 한국금융소비자학회 부회장 △ 2018년 한국금융연수원 교수 △ 2022년 경제연구원 부원장 △ 저서: 우리 시대의 금융경제 읽기(박영사, 2025년) △ 2025년~ 고려대 행정전문대학원·법무대학원 교수, 한국은행 경제연구원 객원연구위원
[저작권자ⓒ KPI뉴스. 무단전재-재배포 금지]
