역자 일러두기. 이 글은 드와케시 패텔(Dwarkesh Patel)이 알렉스 이마스(Alex Imas, 구글 딥마인드 AGI 경제학 디렉터·시카고대 경제학 교수)와 필 트래멜(Phil Trammell, Epoch 경제학 책임·스탠퍼드 연구원)을 초대해 나눈 1시간 16분짜리 대담의 핵심을 원문 논지에 충실하게 옮긴 것입니다. 대담의 흐름은 유지하되, 한국 독자가 자연스럽게 읽도록 주제별로 정리하고 광고 구간은 덜어냈습니다. 원문에 없는 한국 관점의 해석은 글 말미 「인사이트」에 따로 두었습니다.
한줄 요약
자동화가 거의 모든 것을 싸게 만들면, 정작 희소해지는 것은 "인간이 끼어 있다는 사실 자체가 가치인 재화"입니다. 그런데 바로 그 인간 경제가 전체에서 차지하는 몫은 오히려 점점 작아질 수 있습니다. 이 역설이 이 대담의 출발점입니다.
무엇이 희소해지는가 — '관계재'라는 개념
대담의 첫 질문은 단순합니다. AI가 충분히 발전한 세계에서 무엇이 희소해질까요? 무엇이 희소한지를 알면, 가치가 어디로 흘러가는지를 알 수 있기 때문입니다.
알렉스 이마스가 제시한 후보는 관계재 부문(relational sector) 입니다. 관계재란, "인간이 그 과정에 끼어 있었다는 사실 자체가 제품 가치의 일부인" 재화와 서비스를 말합니다. 인간은 본질적으로 희소합니다. 다른 모든 것이 자동화로 더 이상 희소하지 않게 되어도, 인간이 직접 관여하는 영역의 희소성은 남습니다.
직관을 돕는 비유는 이렇습니다. AI가 물리적으로 인간이 하는 모든 것을 할 수 있는 세계에서는, 기계들이 공장을 짓고 연구를 하고 새 아이디어를 내는 기계만의 경제가 돌아갑니다. 로보틱스까지 풀린다면 인간은 그 생산 과정에 굳이 끼어 있을 이유가 없습니다.
그런데 우리가 정말로 사람이길 바라는 영역이 따로 있습니다. 발레리나의 공연, 카페의 바리스타 같은 것입니다. 사람이 한다는 사실이 그 경험의 가치를 이룹니다. 그래서 인간이 서로를 위해 서비스를 제공하는 인간 경제가 존재하고, 부의 일부가 인간들 사이를 순환합니다.
문제는 이것이 닫힌 고리가 아니라는 점입니다. 인간은 기계 경제가 만들어내는 자동화된 재화도 원하므로, 부의 일부는 인간 경제 바깥으로 빠져나갑니다. 반면 기계 경제는 인간 바리스타에게 커피를 주문할 이유가 없으니 대체로 닫힌 고리입니다. 그렇다면 인간만의 경제는 점점 더 작은 몫이 되는 게 구조적으로 정해진 것 아닐까요?
200년 묵은 논쟁 — 경제학자의 예측은 왜 자주 틀렸나
이마스는 이 질문에 곧장 답하는 대신, 질문 자체를 다시 짜자고 제안합니다. 그의 핵심 메시지는 "개별 경제학자의 예측은 그다지 쓸모가 없다" 는 것입니다.
이 논쟁은 사실 200년 전으로 거슬러 올라갑니다. 고전파 경제학자 데이비드 리카도(David Ricardo)는 산업혁명 초기에 두 가지 상반된 글을 남겼습니다. 처음엔 "모두에게 좋을 것이다, 가격이 내려갈 것이다"라고 했고, 곧이어 "가치를 만들던 일자리가 기계에 자동화되면 모두 실업자가 되고 정치 불안이 올 것"이라고 우려했습니다.
흥미롭게도 리카도의 예측은 부분적으로 맞았습니다. 그의 시대에 돈을 벌던 일자리는 실제로 거의 다 자동화되었습니다. 그런데 만약 리카도가 깨어나 "그 일자리들이 다 자동화됐다"는 말을 듣고 2026년 핵심 노동연령(prime-age) 고용률을 추측한다면, 그 수치가 2000년을 제외하고 역대 최고 수준이라는 사실에 놀랄 것입니다.
리카도가 놓친 것은 구조 변화의 경제학입니다. 자동화된 것은 싸졌고, 사람들은 여윳돈이 생기자 그 돈을 서비스에 쓰기 시작했습니다. 사라진 일자리만큼 새 일자리가 생긴다는 점을 그는 고려하지 못했습니다. 이것이 이른바 노동 총량의 오류(lump-of-labor fallacy) 입니다.
다만 이마스는 이 일화를 "그러니 이번에도 완전고용이 될 것"이라는 뜻으로 쓰지 않습니다. 그가 강조하는 건 정반대입니다. 예측은 정말 어렵다는 것, 그리고 우리에게 데이터가 없다는 것입니다.
"이 대화에서 저한테 딱 하나만 가져간다면 이것입니다. 우리에겐 데이터가 없습니다. 저는 데이터를 위한 맨해튼 프로젝트가 필요하다고 말해 왔습니다."
소비 수요 탄력성 데이터도 없고, 어떤 일자리가 새로 생기고 사라지는지도 제대로 추적하지 못하고 있으며, 직업별 과업을 담은 O*NET 데이터베이스마저 업데이트가 드물고 품질이 낮다는 것입니다. 그래서 그가 제안하는 방법론은 시나리오에서 거꾸로 출발하기입니다. "노동소득분배율이 0이 된다면? 그대로 유지된다면?" 각 결말을 가정한 뒤, 어떤 차원의 희소성이 그 시나리오를 만들어내는지 역산하면, 우리가 어떤 데이터를 모아야 하는지가 보인다는 것입니다.
60% 미스터리 — 노동소득분배율은 왜 무너지지 않았나
여기서 잠깐 용어 정리가 필요합니다. 경제 전체에서 팔린 재화와 서비스의 총합은 임금(노동) 또는 자본(건물 임대료·주주 배당 등) 으로 나뉘어 지급됩니다. 수백 년 동안 경제의 약 60%가 임금으로, 나머지 30~40%가 자본으로 지급되어 왔습니다. 질문은 이것입니다. AI가 똑똑해지면 이 60%가 줄어들까요?
이 60%의 안정성은 칼도어의 정형화된 사실(Kaldor fact) 로 불립니다. 산업혁명과 그동안의 모든 자동화에도 불구하고 노동 몫이 여전히 60%를 넘는다는 것은 대단히 놀라운 일입니다. 일부에서는 지난 20~30년간 노동 몫이 떨어졌다고 보지만, 같은 기간 회계 방식 변경도 많았습니다. 앳킨슨(Atkinson)의 한 논문은 회계를 일정하게 맞추면 노동 몫은 아예 떨어진 적이 없다고 보입니다.
영상 캡처: Dwarkesh Patel 유튜브
사실 60%가 유지되는 건 그렇게 이상한 일이 아닐 수도 있습니다. 노동과 자본이 보완재(complements) 라면, 무언가를 만들기 위해 둘 다 필요하고, 둘 다에게 대가를 지급해야 하기 때문입니다. 트래멜은 "아직 완전히 자동화된 것은 아무것도 없다" 고 지적합니다. 최종 단계만 볼 게 아니라 공급망 전체로 내려가 그 단계를 자동화한 기계에 무엇이 들어갔는지까지 따지면(네트워크 보정 요소 몫), 노동이 공급망 아래쪽에서 여전히 많은 가치를 더하고 있습니다. 미국 컴퓨터·전자제품의 네트워크 보정 자본 몫도 100%가 아니라 약 50%로 안정적입니다.
하지만 두 사람 모두 질적 전환이 다가오고 있다는 데 동의합니다. 적어도 일부 재화는 네트워크 보정 자본 몫이 1로 가는, 즉 공급 망 전체가 자동화되고 어느 단계에서도 인간을 본질적으로 필요로 하지 않는 재화가 등장할 것입니다.
흥미롭게도 그 전환이 전체 자본 몫에 미치는 영향은 모호합니다. 발레리나 같은 인간 본질 부문과 그 외 부문으로 나눠 봅시다. 그 외 부문을 전부 자동화하고 그 안에서 빠르게 만족(satiation)에 도달하면, 발레리나가 아닌 것들의 수량은 무한대로 가지만 한계효용은 그보다 빠르게 0으로 떨어집니다. 결국 지출의 대부분이 인간 부문으로 가고, 자본 몫은 줄어들 수 있습니다.
발레리나는 틀린 비유다 — '과업'으로 다시 보기
이마스는 발레리나 비유에서 벗어나자고 합니다. 그것이 잘못된 준거 집단이라는 것입니다. 오늘날 대부분의 직업은 여러 과업의 묶음입니다(과업 기반 직업 모델).
의사를 봅시다. 의사의 일은 무엇일까요? 보험 서류를 작성하고, 제약사에 전화를 돌립니다. 환자를 보고 대화하는 것은 과업 중 하나일 뿐, 일의 주된 부분이 아닙니다. 그런데 나머지 과업을 전부 자동화하고 오직 의사가 진단을 전하고 환자를 지지하는 그 한 부분만 사람이 남겼을 때, 소비자가 그 서비스에 더 많은 돈을 낼 의향이 있다면 — 우리는 그 일을 관계재 부문이라고 부릅니다.
문제는 여기에도 데이터가 없다는 점입니다. 이마스가 필요하다고 보는 데이터는 구체적입니다. "모든 과업이 기계로 생산되는 경우"와 "이 한 과업만 사람이 하는 경우"를 두고 지불 의향(willingness to pay)을 컨조인트 분석으로 측정해야 한다는 것입니다. 인간이 빠졌을 때 가치가 얼마나 떨어지는가, 그 탄력성을 모르면 어떤 예측도 할 수 없습니다.
여기에 트래멜의 핵심 논점이 더해집니다. 아직 존재하지도 않는 완전 자동화 재화가 많다는 것입니다. 가령 AI가 완전히 만들어내는, 사람을 더 건강하게 하는 약을 사람들이 얼마나 더 사고 싶어 할지는 지금 측정할 수 없습니다. 만약 자본 쪽에서 다양성(variety)이 충분히 빠르게 증가한다면, 만족에 도달하지 않으므로 인간 부문으로 지출이 몰리는 일도 일어나지 않습니다. 원하는 관계재는 다 가지더라도 노동 몫은 0으로 갈 수 있습니다.
트래멜은 1400년 몽골의 경제학자 비유를 듭니다. 그가 가진 재화의 다양성을 고정한 채 "자동화가 많아지면 무엇이 희소해질까"를 물었다면, "말이 주는 운송, 요구르트, 게르(주거)에는 곧 만족할 테니, 결국 우리는 가수에게만 돈을 쓰게 될 것"이라 답했을 것입니다. 하지만 실제로는 그렇게 되지 않았습니다. 부와 기계가 늘면서 우리는 가수 말고 돈 쓸 대상의 범위를 넓혔고, 가수에게 쓰는 몫은 여전히 미미합니다. 트래멜은 이것이 자신의 중심 예측이라고 말합니다 — 다만 어느 쪽으로든 갈 수 있다는 단서를 붙입니다.
무어의 법칙의 비관적 해석 — 연산의 가치는 계속 떨어졌다
대담에서 가장 인상적인 지점 중 하나입니다. 세상의 트랜지스터 수는 말 그대로 조 배, 어쩌면 경 배로 늘었습니다. 시카고대 채드 존스(Chad Jones)의 연구는 경제에서 연산(트랜지스터)에 지불하는 몫이 줄어들어 왔다는 결과를 보여줍니다.
무어의 법칙을 비관적으로 뒤집으면 이렇게 됩니다. 18개월마다 연산의 가치는 절반이 된다. 우리가 연산의 쓸모를 너무 빨리 소진해서, 그 덕에 무어의 법칙이 유지되어 왔다는 것입니다.
그런데 AI 시대에는 처음으로 이 명제가 깨지고 있을 수 있습니다. 상징적인 사실 하나 — H100을 빌리는 비용은 3년 전보다 지금이 더 비쌉니다. 기술은 훨씬 우월해지고 세상의 연산량도 훨씬 많아졌는데도 말입니다. 모델이 똑똑해질수록 연산의 기회비용이 높아지기 때문입니다. 이것이 바로 트래멜이 말한 다양성 증가입니다. 자본으로 할 수 있는 새로운 용도가 생기면 가치는 다시 뛰어오릅니다.
그렇다면 궁극의 질문은 이것입니다. 우리는 연산에 대한 수요를 끝내 만족시키지 못할까요? 만족하지 못하는 한, 경제에서 연산이 차지하는 몫은 계속 커질 것입니다. 새로운 용도를 얼마나 빨리 찾아내느냐 — 이것이 핵심입니다.
인간은 '말(horse)'이 아니다 — 한 실험
경제학 모델 다수는 수요를 거의 외생 변수로 취급하며, 사람들이 실제로 무엇을 원하는지의 심리를 파고들지 않습니다. 이마스가 관계재를 떠올린 계기는 바로 이 지점, 인간 상호작용에 대한 내재적 선호에 관한 자신의 실험이었습니다.
실험은 미술 판화를 두고 진행됐습니다. 참가자에게 실제 돈을 내고 살 의향을 묻는 유인 양립적(incentive-compatible) 방식이었습니다.
- 판화가 단 한 점일 때: 사람이 만든 작품은 AI가 만든 작품보다 훨씬 높게 평가되었습니다.
- 판화가 500점 생산될 때: 사람이 만든 작품의 가격은 크게 떨어졌습니다. 한 명의 작가와 맺는 연결로 더 이상 보이지 않기 때문입니다. 반면 AI 작품은 차이가 없었습니다 — AI는 이미 상품(commodity)으로 인식되고 있었습니다.
이 것이 인간과 말(horse)의 결정적 차이라고 이마스는 봅니다. 말은 산출을 위한 투입물이고, 다른 것으로 대체할 수 있으며, 우리는 산출만 신경 씁니다. 이 관계재 이야기가 성립하려면, 인간을 대체했을 때 산출의 가치가 실제로 떨어져야 합니다. 만약 이 효과가 충분히 강하지 않거나 충분히 많은 부문·직업에서 성립하지 않는다면, 관계재 이야기는 무너집니다.
가장 위험한 시나리오는 '어중간한 중간(messy middle)'
대담의 무게중심이 옮겨가는 대목입니다. 패텔은 이런 가능성을 묻습니다. AI가 많은 일자리를 자동화해 사람들이 일자리를 잃지만, 자동화가 진행되는 동안 그 손실을 메워줄 만큼의 부는 창출되지 않는 상황이 가능할까요?
영상 캡처: Dwarkesh Patel 유튜브
자명한 의미에서는 늘 가능합니다. 기업이 사람 대신 AI를 써서 아낀 돈은 경제 어딘가에 남아 사람들에게 지급될 수 있으니까요. 하지만 배분의 비효율이 생깁니다. 정부는 누가 AI 때문에 해고됐는지 정확히 모릅니다. 정치적 문제도 있습니다. 연봉 20만 달러를 받던 메타 직원이 먼저 해고됐다고 해서, 그보다 훨씬 적게 버는 사람이 많은데 그에게 매년 20만 달러 수표를 주는 게 정치적으로 지속 가능할까요?
두 경제학자는 이 시나리오가 가능하지만 창(window)이 매우 좁다고 봅니다. 자동화할 기술이 그만큼 발전했다면 파이도 빠르게 커질 가능성이 높기 때문입니다. 다만 패텔은 반례를 듭니다 — 모든 직종에서 AI가 인간보다 딱 머리카락 한 올만큼만 더 생산적이라면? 소프트웨어 엔지니어를 대체하는 자본 비용이 그들에게 주던 임금보다 아주 조금만 싸다면, 기업은 돈을 아끼지만 풍요 효과(abundance effect)는 생기지 않습니다.
여기서 앤디 홀(Andy Hall)의 정치경제 관찰이 등장합니다. 실업률이 2%만 올라도 정치 지형은 완전히 바뀝니다. 이마스가 가장 우려하는 건 오히려 천천히 새어 나오는(drip) 시나리오입니다. 대량 실업이 아니라, 사람들이 더 낮은 임금의 부문으로 이동하는 경우입니다.
역사적 선례가 있습니다. 전화 교환원은 1920~1940년 사이에 완전히 자동화됐지만, 기술이 이미 존재했는데도 20년이 걸렸습니다. 한 QJE 논문에 따르면 이들은 경제에 다시 흡수됐지만 더 낮은 급여로, 대부분 불완전고용 상태였습니다. 이것이 몰리 킨더(Molly Kinder)가 쓴 "어중간한 중간"입니다 — 재앙은 아니지만 모두가 조금씩 나빠지는 상태입니다.
반대로 COVID가 보여준 것도 있습니다. 비상 상황이면 재정 대응은 빠르게 움직일 수 있습니다. 실업률이 2~3%만 빠르게 오르면 그것이 국가 비상사태가 되어 신속한 재분배가 가능해진다는 것입니다.
결국 messy middle이 정말 나쁜 결말이 되려면 여러 조건이 동시에 참이어야 하는데, 각 조건이 모두 일어나기 어렵다는 것이 두 사람의 결론입니다. 특히 소프트웨어 엔지니어를 통째로 대체할 정도의 지능이라면, 그 지능은 회계사·분석가 등 온갖 화이트칼라 업무도 자동화할 만큼 충분히 범용적일 것입니다. 그렇다면 막대한 비용 절감과 인간보다 싼 AI 노동이 함께 오므로, "재분배할 부 자체가 없는" 시나리오는 일어나기 어렵습니다.
부를 어떻게 거두고 나눌 것인가 — 네 가지 방안
그렇다면 어떻게 과세하고 재분배할까요? 이마스는 각 방안의 구현 복잡성과 효과가 나타나는 시점이 다르다는 점을 강조하며, 결국 여러 층을 겹쳐 쓰게 될 것이라고 봅니다.
이마스가 UBI를 특히 경계하는 이유는 분명합니다. 지금 우리는 노동이라는, 소득으로 바뀔 수 있는 자산을 부여받은 상태입니다. 그것이 사라지고 기본적 필요마저 선출직 공직자의 손에 달리게 되면, 그것은 매우 위험한 권력 분점 구조라는 것입니다. 반면 UBC는 평범한 주주가 되는 것이므로 그 위험이 덜합니다 — 단, 인덱싱이 어려우면 UBC도 어렵습니다.
세금을 거두는 방식, 무엇에 매기는지, 어떻게 나누는지는 분리해서 봐야 합니다. 정부가 광범위한 세금으로 재원을 모아 앤트로픽 주식을 사서 모두에게 나눠주는 것이 "아마 옳은 일"이라는 데 두 사람은 공감합니다. 다만 자본세에는 투자 왜곡 우려가 있습니다. "정부가 내 지분을 점점 더 가져가 희석할 텐데 왜 앤트로픽이나 인텔에 투자하겠는가"라는 반응이 나올 수 있고, 0.5% 부유세가 정치적으로 안정적인 균형으로 머무르지 못하고 (과거 소득세처럼) 계속 올라갈 수 있다는 것입니다.
AI는 전기인가, 소셜미디어인가 — 개도국과 보통 사람의 몫
영상 캡처: 알렉스 이마스의 에세이 「Can advanced AI lead to negative economic growth?」(부제 'Ghosts of Electricity')를 함께 살펴보는 장면 (Dwarkesh Patel 유튜브)
대담의 마지막 큰 축은 "AI 생산 사슬에 끼지 못한 나라들은 무엇을 해야 하는가"입니다. 한국(HBM)·대만(파운드리)·네덜란드(ASML)가 아닌 인도나 나이지리아라면, 모디 총리에게 무엇을 조언하겠느냐는 질문입니다.
이마스는 경제학계가 가장 자원을 적게 쏟은 주제가 바로 AI 시대의 중간소득 개발도상국이라고 자기비판합니다. AI 기술이 흘러내려가 운동장을 평평하게 만드는 세계도 있지만, 자원이 없어 모델도 못 만들고 하드웨어도 없어 완전히 뒤 처지는 세계도 있습니다. 자동화로 선진국이 상품을 자체 생산하면, 개도국은 소비 시장조차 잃습니다.
여기서 결정적 개념이 등장합니다. 인덱싱(indexing)의 어려움입니다. 록펠러의 후손들이 왜 지금 모든 것을 지배하지 못할까요? 한 가지 답은 경제를 인덱싱하기가 매우 어려웠기 때문입니다. 인덱스 펀드가 생기기 전에는 경제 전체에 베팅하는 것이 사실상 불가능했고, 100년 전 경제의 아주 작은 일부가 오늘날 창출된 가치의 대부분을 차지합니다. 그 특정 종목들을 놓쳤다면 부는 정체됐을 것입니다.
문제는 지금이 수익이 매우 집중된 세계, 특히 비상장 기업으로 수익이 몰리는 세계라는 점입니다. 보통 사람의 자본은 대부분 "어쩌다 갖게 된 집 한 채"인데, 부동산은 AI 생산을 보완하기에 유난히 부적합한 자본입니다. 나이지리아가 S&P 500만 보유해서는 부족합니다. SK하이닉스와 앤트로픽을 충분히 갖고 있느냐가 관건입니다.
그래서 두 사람이 던지는 핵심 질문은 이것입니다. AI는 전기가 될까요, 소셜미디어가 될까요?
- 전기 모델: 전력 회사(ConEd)는 독점이고 모두가 쓰지만, 막대한 정치·사회 권력을 쥐지 않습니다. 전기의 하방 이익이 생산자가 아니라 사용자에게 돌아갔기 때문입니다.
- 소셜미디어 모델: 모두가 쓰지만 지대(rent)는 플랫폼으로 갔습니다.
만약 AI가 전기처럼 경제 전체를 근본적으로 바꾸는 인프라가 된다면, 미래의 S&P 500 기업은 모두 AI를 레버리지했기에 그 자리에 있을 것이고 — 그러면 인덱싱으로 다시 그 이익에 올라탈 수 있습니다. 여기서 오픈 모델이 결정적입니다. 오픈 모델이 프런티어보다 6~9개월만 뒤처지는 세계라면, AGI에 도달하고 반년 뒤 모두가 그 자원에 접근하게 됩니다. 나이지리아는 그저 인덱스를 사면 됩니다.
개도국 조언으로 흔히 나오는 재교육·일자리 프로그램·데이터센터 유치보다, 두 사람은 "AGI의 인덱스를 사라" 가 더 깔끔하고 성공 가능성 높은 전략이라고 봅니다. AI가 세계를 얼마나 빨리 강타할지 모르므로 인덱싱을 우선하되, 타임라인이 길어지는 경우를 대비해 재교육도 병행하라는 것입니다. 다만 나이지리아의 모바일 뱅킹처럼 개구리 도약(leapfrogging) 으로 중간 단계를 건너뛸 가능성도 열어둡니다.
마지막으로 트래멜은 인덱싱이 이미 그렇게까지 어렵지는 않다고 균형을 잡습니다. 미국에서 규모 있는 기업 전체 시가총액 중 비상장은 여전히 20% 미만이고, 상장을 막던 마찰(공시 요건 등)도 AI가 상당히 줄여줄 수 있습니다. 그래서 그는 프런티어 랩들이 상품화되거나 최대한 빨리 상장하기를 바랍니다. AI의 이익을 붙잡기가 전기화의 이익을 붙잡기만큼 어려워질수록, AI는 더 인기 있고 더 폭넓은 번영으로 이어질 것이기 때문입니다.
다만 그는 솔직한 비용도 짚습니다. 프런티어 모델의 상품화는 기술 경쟁(race) 역학을 부추겨, 안전을 위해 속도를 늦출 완충 여지를 줄일 수 있습니다. 반대로 이마스는 최근 들어 상품화의 이익이 위험을 상회한다고 봅니다 — 소수의 집중된 랩은 surplus를 좁게 분배할 뿐 아니라, 정부에게 매우 분명한 정치적 표적이 되기 때문입니다(앤트로픽에 대한 국방물자생산법 위협 사례).
인사이트
이 대담에서 가장 한국적으로 무거운 대목은 발레리나도, 노동소득분배율도 아닌 인덱싱입니다. "AGI는 전기가 될까 소셜미디어가 될까"라는 질문을 한국에 대입하면, 한국은 이미 답의 생산자 쪽(HBM·파운드리 소재)에 서 있습니다. 두 경제학자가 "나이지리아는 SK하이닉스를 충분히 갖고 있지 않다"고 말할 때, 거꾸로 한국 개인 투자자는 본인 나라의 핵심 종목에 접근할 수 있는 드문 위치에 있습니다. 문제는 보통 사람의 자산이 대부분 AI 생산을 보완하기에 부적합한 부동산에 묶여 있다는, 원문 지적이 한국에서 유독 더 들어맞는다는 점입니다.
둘째, 마케터·콘텐츠 종사자에게 이 글의 실용적 함의는 관계재 실험에 있습니다. 판화가 한 점일 때는 사람 작품이 비싸지만 500점이 되면 가격이 무너지고, AI 작품은 처음부터 차이가 없었다는 결과는 곧 "인간이 만든 희소한 연결"이 가격을 지탱한다는 뜻입니다. AI로 콘텐츠를 대량 생산할수록, 역설적으로 "이건 사람이 직접, 소수에게"라는 신호가 붙은 콘텐츠의 프리미엄이 커집니다. AI를 양산 도구로만 쓰면 스스로 자기 가격을 무너뜨리는 셈입니다.
셋째, 가장 실천적인 교훈은 이마스의 방법론 그 자체입니다. 개별 예측은 못 믿겠으니, 결말을 먼저 가정하고 거꾸로 어떤 조건이 그 결말을 만드는지 따져보라는 것 — 이것은 거시경제뿐 아니라 어떤 사업·캠페인 기획에도 그대로 쓸 수 있는 사고법입니다. "이 캠페인이 실패한다면 무엇이 참이어야 하나"를 먼저 적어보면, 모아야 할 데이터가 보입니다. 두 사람이 끝내 합의한 건 정답이 아니라 "첫 갈림길이 어디인지" 였고, 불확실성 앞에서 그것을 아는 것만으로도 충분히 유용하다는 태도였습니다.