AI and Economic Transition: consumer cohort effects 리서치 보고서 해설

개요

이 거시경제 보고서는 AI 도입이 노동소득, 금융자산 및 인플레이션을 통해 미국 소비자 집단에 어떻게 영향을 미칠 수 있는지 분석한다. Morgan Stanley의 핵심 결론은 대학 교육을 받고 고소득이며 도시에 거주하는 CHIC 가계가 백오피스 일자리 대체에 관한 통상적인 우려가 시사하는 것보다 더 안전할 수 있다는 것이며, 다만 젊은 전문직과 빠른 도입 시나리오는 여전히 취약하다는 것이다.

핵심 견해

Morgan Stanley는 AI가 소비자에게 미치는 영향을 노동시장, 자산시장 및 물가라는 상호연결된 세 경로로 설명한다. 이전 일반균형 연구에 따르면 결과는 주로 AI 도입 속도, 새 업무 창출의 속도와 규모, 그리고 자산시장의 피드백 효과에 달려 있다. 기본 시나리오는 AI가 약 10년에 걸쳐 확산되며 인터넷 시대보다 약 두 배 빠르다고 가정하고, 자산효과는 보수적으로 설정한다. 이 경우 일시적 노동 대체는 생산성 주도의 실질임금 상승, 신규 일자리, 이익 증가 및 디스인플레이션으로 상쇄되어 산출과 소득을 높인다. 기본 시나리오에서 실업률 정점은 약 0.2-0.5pp 상승한다. 반면 전면 도입이 6년 만에 이뤄지고 기술 불일치와 수요 부진이 일자리 창출을 압도하는 빠른 확산의 베어 시나리오에서는 실업률 정점 상승폭이 0.6pp-4.1pp에 이른다. 보고서는 화이트칼라 소비자가 반드시 AI의 주된 피해자가 된다는 견해에 이의를 제기한다. 업무 기반 직업 노출 분석에 따르면 고노출 직종은 대학 교육을 받고 고소득이며 대도시권에 거주하는 가계, 즉 CHIC 가계에 집중된다. 근로자의 약 26%가 고노출 직종, 56%가 중간 노출 직종, 18%가 저노출 직종에 속한다. 고노출 그룹의 소득 중앙값은 $97k, 저노출 그룹은 $46k이며, 고노출 근로자의 거의 70%가 최소 학사 학위를 보유하는 반면 저노출 그룹은 약 10%다. 그러나 노출은 자동화를 뜻할 수도, 보완적 증강을 뜻할 수도 있다. 고노출 직종의 실업률은 경기순환 추세가 시사하는 수준보다 약 0.5pp 높지만, 보고서는 지금까지의 영향은 비교적 작다고 본다. 젊은 근로자는 초급 업무 자동화에 더 노출되고, 경험 있는 근로자는 증강, 생산성 및 임금 상승의 혜택을 받을 수 있다. 새 일자리 창출은 기본 시나리오에서 중요한 상쇄 요인이다. AI 관련 구인 공고는 전문·기술 서비스, 정보 및 금융 부문에 집중되고 비AI 공고보다 높은 추정 급여를 보이는 경향이 있으며, 경험 있는 근로자에게 기울어져 있다. 수치형 경력 요건을 명시한 공고 중 AI 관련 공고에서 경력 0-2년을 대상으로 한 비중은 32%로, 전체 공고의 55%보다 낮다. AI 관련 일자리는 지난 1년간 전체 공고의 2.1%에서 4.7%로 증가했다. 따라서 보고서는 현재 직업에서 AI 노출이 높은 CHIC 가계, 특히 어느 정도 경력을 보유한 근로자가 AI가 창출하는 새 일자리에도 현재 더 잘 자리 잡고 있는 것으로 보인다고 결론짓는다. 반면 체화 AI와 로보틱스는 육체노동 직종에 더 직접적인 영향을 줄 수 있지만, Morgan Stanley는 하드웨어 비용, 안전 요건, 높은 자본집약도, 현실 세계 물리적 상호작용 데이터 부족으로 확산 속도가 더 느릴 것으로 예상한다. Global Robot Model은 미국 로봇 총수가 2026년 15 million에서 2030년 35 million으로 증가할 것으로 전망하지만, 휴머노이드 로봇은 2035년까지 1 million에 도달하지 않는다. 자산효과는 이러한 분배 결과를 특히 중요하게 만든다. 소득 상위 20% 계층은 가계의 직접 기업주식 및 뮤추얼펀드 보유액의 87%를 차지하며, 대학 교육을 받은 가계는 85%, 55세 이상 가계는 79%를 차지한다. 주식은 상위 20% 소득 계층 순자산의 약 30%를 차지하지만 하위 40%에서는 10%에 불과하다. 가계 자산은 1Q24부터 1Q26까지 약$21tn 증가했고, 직접 주식은 그 증가분의 절반을 차지했다. Morgan Stanley는 소비자가 영구적인 부의 증가 1달러당 보통 3-5센트를 지출한다고 추정한다. 상위 소득 계층의 주식자산은 연간 노동소득의 약 6배이므로, 노동소득 한계소비성향 90%와 금융자산 한계소비성향 4%를 가정하면 영구적 주식자산 4% 상승으로 노동소득 1% 감소의 지출 효과를 상쇄할 수 있다. 하위 40% 계층에는 24%의 자산 증가가 필요하다. 이는 노동소득이 일시적으로 약화되더라도 비교적 작은 폭의 지속적 자산 상승이 부유한 소비자의 지출을 지지할 수 있음을 뜻한다. 인플레이션은 단기와 장기에 서로 다른 분배 효과를 만든다. AI 인프라 수요는 전력, 소프트웨어 및 반도체 관련 상품 가격을 올릴 수 있지만, 이들 항목 다수는 CPI와 PCE에서 비중이 작다. 단기 핵심 우려는 전력으로, 저소득 계층 지출의 4%, 고소득 계층의 2%를 차지한다. 반면 차량 지출은 고소득 소비자에서 8%, 저소득 소비자에서 5%다. 보고서는 높은 데이터센터 집중 지역에서 전력가격이 더 상승했다는 점에서, 반도체 비용 상승의 차량 가격 전가보다 데이터센터 관련 전력가격 압력에 관한 증거가 더 많다고 본다. 이에 따라 저소득, 비대졸 및 남부 가계는 단기 가격 압력에 더 노출된다. 중장기적으로 Morgan Stanley는 생산성 향상이 디스인플레이션을 가져오고, 정보기술, 금융, 통신 등 도입률이 높은 산업에서 먼저 나타날 것으로 예상한다. 고소득 가계의 금융서비스·보험 지출 비중은 약 11%로 하위 20%의 4%보다 높고, 전문·통신 서비스를 포함한 기타 서비스는 11% 대 5%여서, 서비스 부문 디스인플레이션의 혜택을 더 빨리 받을 위치에 있다. 세 경로를 종합하면 기본 시나리오는 CHIC 가계 전체에 긍정적이다. 자산효과, 생산성 주도의 임금, 새 일자리 및 궁극적 디스인플레이션이 노동 대체를 상쇄한다. 다만 고학력 젊은 근로자는 단기적 약세를 경험할 수 있고 불평등은 확대된다. Morgan Stanley는 가구, 차량, 사치품, 레크리에이션 등 재량지출에서 부유한 가계가 차지하는 큰 비중이 이들 카테고리를 지지할 것으로 예상한다. 저소득 가계도 광범위한 임금 상승, 디스인플레이션 또는 잠재적 통화완화로 절대적으로는 혜택을 볼 수 있으나, 초기 상방 혜택은 작고 단기 인플레이션 압력에는 더 많이 노출된다. 베어 시나리오에서 빠른 도입으로 인한 초기 CHIC 고용 충격에 자산가격의 25-30% 이상 지속 하락이 동반되면, 부유한 소비자는 재량지출을 줄이고 이들의 큰 지출 비중이 충격을 모든 계층으로 확산되는 광범위한 수요 약화로 전환한다. 이 경우 통화·재정정책 대응이 결정적이다.

분석 프레임워크

보고서는 먼저 AI 도입에 대한 일반균형 기본 및 베어 시나리오를 설정한 뒤, 소득·교육·지역·연령별 직업, 가계 대차대조표 및 지출 패턴의 미시 데이터를 적용한다. 노동 대체, 생산성 주도의 임금 상승 및 일자리 창출을 평가하고, 한계소비성향 가정을 이용해 주식 보유를 소비 영향으로 변환하며, 계층별 지출 바스켓을 비교해 단기 인플레이션과 장기 디스인플레이션 노출을 평가한다.

방법론 메모

• 거시경제 프레임워크기타

  일반균형 AI 도입 시나리오

  Morgan Stanley는 이전 일반균형 모델을 사용해 업무 창출, 자산 피드백 및 노동시장 조정을 포함한 완만한 확산의 기본 시나리오와 빠른 확산의 베어 시나리오를 비교한다.

• 산업 분석 프레임워크물량·가격 분해

  소비자 영향의 세 경로 전달 분석

  보고서는 AI의 소비자 영향을 노동소득, 금융자산 및 인플레이션으로 분리하고, 각 경로가 인구 집단에 미치는 영향을 비교한다.

• 퀀트·팩터·포트폴리오 이론기타

  업무 기반 직업 AI 노출 지수

  Felten 등의 프레임워크를 사용해 각 직업의 업무와 능력이 현재 및 예상 AI 역량에 부합하는 정도를 기준으로 직업 점수를 산출하며, 노출과 필연적인 부정적 결과를 구분한다.

• 기업 펀더멘털 및 재무 프레임워크잉여현금흐름 분석

  노동소득 및 자산의 한계소비성향

  보고서는 영구적 주식자산 변화가 소비에서 노동소득 손실을 어떻게 상쇄할 수 있는지 추정하며, 결과는 계층의 자산 수준에 따라 크게 달라진다.

핵심 데이터

• 기본 시나리오의 AI 확산About 10 years; roughly 2x the internet’s pace생산성을 높이되 경기침체를 유발하지 않는다고 가정한다.
• 기본 시나리오의 실업률 정점 상승+0.2-0.5pp일시적 상승은 임금, 업무 창출, 디스인플레이션 및 자산효과로 상쇄된다.
• 베어 시나리오의 실업률 정점 상승+0.6pp to +4.1pp빠른 6년 도입 시나리오이며, 결과는 간접 자산 및 수요 효과에 좌우된다.
• AI 고노출 직종 근로자26%저노출은 18%, 중간 노출은 56%다.
• 노출 그룹별 소득 중앙값$97k high exposure; $46k low exposure2024년 기준 직업별 연간 급여 중앙값 데이터에 기반한다.
• AI 관련 구인 공고 비중4.7%, up from 2.1% over the past yearAI 관련 채용 확대의 증거다.
• 직접 주식·뮤추얼펀드 보유액에서 상위 20%가 차지하는 비중87%AI 관련 자산효과의 집중도를 보여준다.
• 가계 자산 변화About $21tn from 1Q24 to 1Q26직접 주식이 증가분의 절반을 차지했다.
• 노동소득 1% 감소를 상쇄하는 데 필요한 자산 증가4% for top 20%; 24% for bottom 40%노동소득 한계소비성향 90%와 금융자산 한계소비성향 4%를 가정한다.

영향과 시사점

Morgan Stanley는 AI의 소비자 영향이 직업 노출만으로 추론될 수 없다고 주장한다. 기본 시나리오에서는 부유하고 고학력인 도시 가계의 자산 보유와 생산성·신규 일자리 혜택에 대한 유리한 위치가 전체 재량소비를 지지하는 반면 분배상 불평등은 확대된다. 빠른 도입에 상당한 자산시장 하락이 수반되면 이 논리는 역전되고 수요 약화가 모든 소비자 계층으로 퍼진다.

위험

• AI의 빠른 확산으로 노동 대체가 업무 창출을 앞질러 경기침체와 유사한 결과가 발생할 수 있다.
• 25-30% 이상의 지속적인 자산시장 하락은 부유한 가계의 지출 축소를 유발하고 더 광범위한 수요 충격을 증폭시킬 수 있다.
• 기술 불일치로 대체된 근로자가 새로 생긴 AI 관련 일자리로 빠르게 이동하지 못할 수 있다.
• 소프트웨어 또는 기타 AI 관련 가격 압력이 예상보다 커져 소비자 구매력을 낮출 수 있다.
• 분배 결과는 도입 속도, 자산시장 성과 및 통화·재정정책 대응에 따라 달라진다.

주시할 점

• 계층별 월간·분기 고용, 실업, 임금 상승 및 노동소득 지표.
• Morgan Stanley의 AI labor tracker와 AI productivity tracker.
• 업종, 보상 및 경력 요건을 포함한 AI 관련 구인 공고.
• 소득, 연령 및 교육 계층별 순자산과 주식자산 변화.
• 계층별 인플레이션 지표, 특히 데이터센터 집중 지역의 전력가격.
• 재량소비 카테고리의 지출 및 소득, 연령, 지역, 교육별 지출 추세.