AI 뉴스레터 - 2025-12-25 (목)
오늘의 요약
2025-12-25 딥다이브: Will Guaranteed Income Save Us From AI?
상세 내용
🌙 새벽 1시의 AI - 2025-12-25 (목)
이번 주 딥다이브 | 📖 읽기 약 8분
📺 이번 주 영상
기본소득이 인공지능으로부터 우리를 구할 수 있을까?
기본소득이 인공지능으로부터 우리를 구할 수 있을까?
- 📺 채널: Michael Smerconish
- 👀 조회수: 99,536
- 🔗 영상 보기
🎬 이번 주 딥다이브
📺 영상 정보
- 제목: Will Guaranteed Income Save Us From AI?
- 채널: Michael Smerconish
- 길이: 알 수 없음
📖 영상 내용 (Case Study 구조 적용)
🎯 Hook: 왜 이 영상인가?
놀랍게도 MIT는 AI가 이미 미국 노동시장의 11.7%를 대체할 수 있다고 봅니다. 무려 금융·의료·전문서비스에서만 임금 기준 1.22조 달러 영향이 가능하다는 분석이 뒤따릅니다. 단 몇 년 만에 아마존이 창고 운영의 75% 자동화를 노리며 60만 개 일자리가 로봇으로 대체될 수 있다는 보도까지 겹치자, “보장소득(UBI)이 해법이 될 수 있나?”라는 질문이 급부상합니다.
📍 배경
어떻게 가능했을까요? 배경을 살펴보면, AI로 인한 감원이 이미 광범위하게 진행 중입니다. Salesforce, Walmart, Paramount, UPS, YouTube, Meta 등에서 AI를 명시한 감원이 발생했고, 올해만 전국적으로 거의 100만 건의 감축이 보도됐습니다. 골드만삭스는 6~7% 대체 가능성을, 맥킨지는 2030년까지 최대 40% 자동화 가능성을 제시합니다. 동시에 가치 창출이 ‘매그니피센트 7’로 집중되고, Anthropic CEO는 AI/컴퓨트 과세로 재원을 마련하자고 제안합니다.
🔄 핵심 내용
구체적인 과정은, 영상이 ‘능력 vs. 배치’를 분리해 보는 데서 시작됩니다. 로만 얌폴스키는 현재 인지노동 자동화 능력이 10–40% 수준이며 5년 내 거의 모든 인지직 자동화 능력이 생길 수 있지만, 실제 배치는 제도·관행에 좌우된다고 설명합니다. 실행 방법은 정책·재정 설계로 이어집니다. 앤드루 양은 월 1,000달러 ‘자유배당’을 제시하며, 1인당 GDP 약 8.5만 달러면 연 1.2만 달러 UBI는 감당 가능하고 행정조건을 없애야 노동·소득 페널티를 줄일 수 있다고 주장합니다. 시카고가 포함된 쿡카운티의 파일럿(3,200가구·월 500달러·2년)에서는 94%가 긴급상황 해결에 사용, 75% 재정 안정감 상승, 70% 정신건강 개선을 보고했습니다. 다만 상업용 부동산 가치 하락 탓 재산세 급등으로 재원을 메운 점과, “노동 경험·소득을 떨어뜨린다”는 비판도 존재합니다. 직업 측면에선 트럭 운전사 백만 명(94% 남성, 학력 고졸~대학 1년), 소매·콜센터·패스트푸드·보험·회계가 우선 타격권이며, 미국 일자리의 44%가 반복적(수동·인지) 업무로 자동화 대상입니다. 관리직은 이미 상장사 기준 6% 줄었습니다. 한편 AGI에 근접하면 새 일자리도 즉시 AI가 대체해 “면역되는 직업이 없다”는 경고가 나오고, 휴머노이드가 5년 내 합리적 가격으로 등장할 수 있다는 전망도 소개됩니다. 그래서 로봇·AI 과세, 컴퓨트세 등으로 ‘소비 유지 장치’로서의 UBI를 마련하되, 일의 목적·공동체 상실에 대한 보완책이 필요하다는 결론으로 귀결됩니다.
💎 핵심 인사이트
이 사례에서 배울 점은,
- 인사이트 1: AI 충격은 ‘능력→배치’의 시간차가 있으나, 관리·반복 업무부터 이미 구조적 축소가 시작됐다. 기업·도시는 5년 내 대규모 인지노동 대체 시나리오를 기본값으로 가져야 한다.
- 인사이트 2: UBI는 복지의 행정비용·페널티를 줄이는 자본주의적 수단일 수 있다. 지급은 간단하게, 평가는 정교하게 설계해야 효과·정당성을 확보한다.
- 인사이트 3: 재원은 가치가 집중된 AI·컴퓨트·로봇에서 포착할 수 있다. 과세는 측정·검증 인프라(MRV)가 관건이며, 지방정부 파일럿→성과 근거 축적→확대의 순서가 현실적이다.
🔧 실행 가이드
바로 적용할 수 있는 것들
- 업무 자동화 감수성 진단: O*NET 태스크와 내부 직무를 매핑해 44% 반복업무 노출도를 수치화.
- 전환 시나리오 설계: 6–7%·20%·40% 인력 대체 3가지 케이스로 P&L/조직도 임팩트 시뮬레이션.
- 지역 파일럿 참여/연계: 지자체 GI(보장소득) 파일럿에 협력해 고용·소비 데이터 공유 및 효과 평가.
필요한 도구/리소스
- 노동시장 데이터: O*NET, BLS, Lightcast(EMSI) — 직무·기술·임금 데이터
- 분석 스택: Python/SQL, dbt+BigQuery/Redshift, Metabase/Looker — 시뮬레이션·대시보드
⚠️ 주의할 점
- 자동화 추정치의 과대/과소평가 리스크: 직무 재설계 효과를 반영해 민감도 분석 필수
- UBI 효과 평가의 내구성: 자기보고식 설문 편향을 보완할 카드 사용내역·신용·의료이용 등 객관지표 병행
🧭 비즈니스 기회 (BAB 구조 적용)
💡 기회 1: AI 실직 리스크 브리프 & 대시보드(쉬움 - 1주 내 시작)
Before (현재 상황): 예전에는 경영진이 “우리 일자리는 안전하다”는 감에 의존했습니다. 부서별 자동화 노출도, 임금총액 리스크, 전환비용을 수치로 본 기업은 드물었습니다.
After (변화 후): 그런데 이 솔루션을 적용하면 각 직무의 자동화 확률, 6–7%/20%/40% 대체 시 임금·생산성 변화, 재배치·교육 비용까지 한눈에 보입니다.
Bridge (전환 방법): 어떻게 가능할까요? 비결은 공공 데이터와 내부 HRIS를 결합한 경량 분석입니다.
- O*NET 태스크-직무 매핑으로 반복·인지 업무 비중 산출
- 맥킨지/골드만·MIT 수치를 파라미터화한 시나리오 엔진
- 부서별 리스킬링 후보군·예산 추천 리포트 자동 생성
1주 시작 플랜:
- Day 1-2: 데이터 스키마 설계(HRIS·직무·임금), O*NET 매핑
- Day 3-4: 기본 시나리오(6/20/40%) 계산 로직·대시보드 초안
- Day 5-7: 경영진 브리프 10장 요약·파일럿 1개 부서 리뷰
필요 도구: Python/SQL, BigQuery/Redshift, Metabase/Looker, O*NET/BLS
수익 모델: 월 구독(회사 규모별 티어) + 맞춤 리포트 컨설팅
⭐ 쉬움 | 💰 시간만 투자 | 📈 의사결정 속도·품질 개선, 전환비용 10–20% 절감
🚀 기회 2: 지자체용 보장소득 파일럿 운영/평가 SaaS(중간 - 1-2달 개발)
Before: 불과 며칠 전만 해도 지자체는 파일럿을 수기로 운영하며, 대상자 식별·중복방지·지급·효과 측정이 제각각이라 정치적 반발에 취약했습니다.
After: 하지만 이제는 신원확인(KYC), 월별 자동 지급, 지출 카테고리 분석, 설문+행정데이터 결합 평가까지 원스톱으로 운영합니다. 쿡카운티처럼 “재정 안정·정신건강 개선”을 수치로 증명합니다.
Bridge: 전환 방법은 표준화된 운영·평가 모듈입니다.
- 지급: 카드/계좌 송금, 중복·사기 방지, 지급 실패 리트라이
- 평가: 설문+거래내역(MCC)+의료·교육 행정데이터 링크
- 재원: 컴퓨트·로봇세·재산세 시나리오별 예산 시뮬레이터
시작 플랜:
- 주 1-2: 지급·KYC·거래 집계 MVP, 관리자 포털
- 주 3-4: 평가지표(재정 안정, 정신건강, 고용) 스키마·대시보드
- 주 5-6: 지자체 1곳 파일럿, IRB·개인정보·보안 점검
- 주 7-8: 보고서 자동생성, 대시민 투명성 포털 오픈
필요 도구: Stripe/Adyen, Plaid, Postgres, React, Airflow/dbt, Metabase, 프라이버시 보안(GCP/AWS KMS)
수익 모델: 지자체 구독(가구당 월 과금) + 성과 보고서/컨설팅
⭐⭐ 중간 | 💰 초기 개발비 1–2억 | 📈 정책 확장성과 예산 정당성 강화
🏆 기회 3: ‘컴퓨트세’ MRV 플랫폼(어려움 - 장기 프로젝트)
Before: 현재 AI 기업 과세는 불투명합니다. 모델 훈련·추론 사용량, 데이터 기여도, 온·오프프레미스 GPU 사용이 파편화되어 과세·배분 근거가 빈약합니다.
After: 그런데 이 플랫폼을 도입하면 클라우드·온프렘 연산량, 모델 호출, 조직·국가별 사용을 표준화해 측정·보고·검증(MRV)합니다. AI 배당(UBI 재원) 예측이 가능해집니다.
Bridge: 비결은 카본 MRV를 본뜬 ‘AI 연산 회계’입니다.
- 에이전트/SDK로 GPU·TPU 사용량·모델 호출 로그 수집
- CSP API 연동(AWS/Azure/GCP) + 온프렘 에이전트 집계
- 과세규칙 엔진(산업·국가·데이터 출처별 가중치)·감사 추적
시작 플랜:
- 0–6개월: 수집 SDK·클라우드 커넥터·데이터 모델 설계
- 6–12개월: 대형 AI 사용자 3곳 PoC(금융/리테일/공공)
- 12–24개월: 규제기관·지자체 협의, 표준 제정 컨소시엄
필요 도구: Go/Python SDK, Kafka, Lakehouse(Databricks), 정책 엔진, 보안/프라이버시 설계
수익 모델: 엔터프라이즈 라이선스 + 정부 구독 + 데이터 인덱스 판매
⭐⭐⭐ 어려움 | 💰 시드–시리즈A 필요 | 📈 AI 과세 인프라 표준 선점
✅ 이번 주 액션
오늘 당장 시작할 수 있는 3가지:
- 직무-태스크 매핑 시작 — O*NET 태스크를 기준으로 우리 조직 20개 직무의 반복·인지 비중을 산출해 자동화 우선순위를 정합니다 (⏱️ 90분).
- 3단계 인력전환 시나리오 — 6%/20%/40% 대체율로 인건비·생산성·교육비 임팩트를 스프레드시트로 모델링합니다 (⏱️ 60분).
- 지역 파트너 탐색 — 지자체·재단의 보장소득 파일럿을 2곳 리스트업하고 데이터 협력·평가 공동연구 제안을 보냅니다 (⏱️ 45분).
📬 피드백
이 뉴스레터가 도움이 되셨나요? 피드백을 보내주세요!
이 뉴스레터는 AI를 활용하여 생성되었습니다. © 2025 새벽 1시의 AI. All rights reserved.
매일 새벽 1시, AI 트렌드를 놓치지 마세요!
이런 유용한 AI 요약을 매일 이메일로 받아보세요