AI는 물가를 올릴까, 내릴까
지금은 데이터센터, 칩, 전력, 건설 수요를 폭발시키며 물가를 밀어 올린다. 그러나 AI가 실제 일하는 방식까지 바꾸는 순간 반대 힘이 작동한다. 같은 AI 투자가 단기에는 인플레이션이고, 장기에는 디스인플레이션이 될 수 있다.
20초 핵심
AI 경제를 이해하는 가장 쉬운 비유
지금 우리는 ‘공장을 짓는 시기’에 있고, 시장이 기대하는 미래는 ‘그 공장이 물건을 싸게 쏟아내는 시기’다.
고속도로를 건설할 때는 시멘트, 철근, 인력과 땅값이 오른다. 하지만 완성된 고속도로는 물류시간과 운송비를 낮춘다.
AI도 비슷하다. 지금은 데이터센터를 짓기 위해 GPU, 메모리, 변압기, 발전설비, 토지와 냉각시설이 필요하다. 돈이 한꺼번에 몰리니 가격이 오른다.
그러나 그 인프라가 실제 기업 업무에 들어가 한 사람이 두 사람 몫을 하게 만들면 이야기가 뒤집힌다. 같은 생산량을 더 적은 시간과 비용으로 만들 수 있기 때문이다.
그래서 AI에는 두 개의 얼굴이 있다
지금: 인플레이션 압력
GPU, CPU, 메모리, 데이터센터 부지, 전력, 냉각, 변압기, 건설인력처럼 당장 공급이 제한된 자원을 빅테크가 동시에 사들이고 있다. 수요가 공급보다 빨리 늘면 가격이 오른다.
나중: 디스인플레이션 압력
AI가 코딩, 고객응대, 회계, 법무, 광고제작, 물류, 제조 같은 업무의 시간을 줄이면 같은 비용으로 더 많은 산출물을 만들 수 있다. 이것이 생산성 상승이다.
중요한 점은 ‘AI가 물가를 내린다’고 단정하면 안 된다는 것이다. 더 정확한 표현은 AI가 성공적으로 확산될 경우 물가상승 압력을 낮추는 힘이 될 수 있다는 것이다.
생산성이 왜 물가와 연결될까
경제에서 가장 비싼 비용 중 하나는 사람의 시간이다.
직원이 시간당 5만원을 받고 1시간에 보고서 하나를 만든다고 생각해보자. AI를 사용해 같은 시간에 보고서 두 개를 만들 수 있다면 임금은 그대로여도 보고서 한 개당 인건비는 절반에 가까워진다.
이것이 생산성 혁명이 인플레이션을 낮출 수 있는 가장 중요한 경로다.
실제 연구에서도 이미 작은 규모의 증거는 나오고 있다. 스탠퍼드 연구진이 5,000명 이상의 고객지원 직원을 분석한 결과 생성형 AI를 사용한 직원의 시간당 처리 생산성이 평균 15% 높아졌다.
다만 이것을 미국 경제 전체에 그대로 확대해 “AI가 이미 물가를 낮추고 있다”고 말할 수는 없다. 연준 역시 2026년 보고서에서 최근 생산성 상승에 AI가 기여했을 가능성은 인정하면서도, 지금까지의 영향은 아직 제한적이라고 평가한다.
현재 숫자에서는 무엇이 보이나
미국의 비농업 기업 노동생산성은 2026년 2분기에 전년 대비 2.2% 증가했다. 2019년 4분기 이후 현재 경기 사이클의 연평균 생산성 증가율은 2.1%로, 직전 경기 사이클의 1.5%보다 높다.
재미있는 숫자는 단위노동비용이다. 2026년 2분기 제조업 생산성은 전분기 연율 기준 2.4% 늘었고 시간당 보상은 2.1% 올랐다. 그 결과 단위노동비용은 0.3% 감소했다.
임금이 올라도 생산성이 더 빨리 오르면 제품 하나를 만드는 데 들어가는 노동비용은 내려갈 수 있다는 뜻이다. AI 디스인플레이션의 핵심 메커니즘이 바로 이것이다.
그런데 왜 지금 물가는 여전히 높은가
생산성 혁명은 느리고, 원자재 가격은 빠르기 때문이다.
2026년 미국은 에너지와 공급 충격으로 다시 높은 물가를 경험하고 있다. 연준은 7월 보고서에서 5월 PCE 물가가 전년 대비 4.1% 상승했다고 밝혔다.
AI가 직원의 문서 작성 시간을 20% 줄여도 내일 아침 휘발유 가격이나 전기요금이 즉시 떨어지는 것은 아니다. 데이터센터가 전력수요를 늘리는 속도는 빠르지만, AI가 산업 전체의 일하는 방식을 바꾸는 데는 몇 년이 걸릴 수 있다.
그래서 지금의 인플레이션과 장기적인 AI 생산성 전망은 서로 모순이 아니다. 시간축이 다를 뿐이다.
빅테크 투자자에게 더 중요한 것은 ‘가격 결정력’이다
인플레이션이 오면 모든 기업이 똑같이 피해를 입는 것도 아니다.
원가가 10% 올랐는데 제품 가격을 3%밖에 못 올리는 기업은 마진이 줄어든다. 반대로 고객이 쉽게 떠날 수 없는 서비스, 강력한 플랫폼, 희소한 컴퓨팅 자원을 가진 기업은 가격을 올리거나 높은 수익성을 더 오래 유지할 수 있다.
이것이 가격 결정력, Pricing Power다.
다만 ‘빅테크니까 무조건 가격 결정력이 있다’고 보면 안 된다. NVIDIA는 AI 가속기 설계와 플랫폼에서 강한 지위를 갖고 있지만 파운드리 기업은 아니다. 첨단 반도체 생산은 TSMC 같은 파운드리에 크게 의존한다. 클라우드 역시 Microsoft, Amazon, Google 간 경쟁이 존재한다.
결국 가격 결정력은 회사 이름이 아니라 고객이 가격 인상에도 떠나지 않는지, 경쟁자가 공급을 쉽게 늘릴 수 없는지, 그리고 그 결과가 실제 마진으로 나타나는지로 확인해야 한다.
AI CapEx의 진짜 시험은 지금부터다
현재 시장은 AI가 생산성을 높일 것이라는 미래를 먼저 믿고 막대한 돈을 투자하고 있다.
Meta는 2026년 CapEx 전망을 1,250억~1,450억달러로 높였다. Microsoft는 2026년 캘린더 기준 CapEx 기대치를 약 1,750억달러로 제시했고, 2026회계연도 4분기에만 410억달러를 집행했다.
여기서 투자자에게 가장 중요한 질문은 “AI가 대단한가?”가 아니다.
이 수천억 달러가 고객의 비용을 얼마나 줄이고, 그 절감액 가운데 얼마를 빅테크가 매출과 이익으로 가져올 수 있는가.
AI가 고객에게 100달러의 비용 절감을 만들어주는데 플랫폼 기업이 20달러를 받을 수 있다면 강력한 사업이다. 반대로 고객이 얻는 경제적 가치보다 데이터센터 감가상각, 전력, GPU 비용이 더 빠르게 늘면 AI는 훌륭한 기술이어도 좋은 투자사업이 아닐 수 있다.
월스트리트가 CPI 0.1%포인트에 흔들리는 이유는 금리 경로가 당장 주가의 할인율을 바꾸기 때문이다. 단기 투자자에게 CPI는 중요하다.
하지만 5년을 보는 빅테크 투자자에게 더 큰 질문은 따로 있다.
AI가 미국 경제의 생산성 증가율을 정말 한 단계 높일 수 있는가.
그렇다면 경제는 임금이 오르면서도 물가를 덜 올리고 성장할 수 있는 공간을 얻는다. 기업 입장에서는 비용을 줄이고, 경제 전체에서는 공급능력을 늘리는 효과가 생긴다.
다만 아직 결론은 나오지 않았다. 연준이 2026년 7월 따로 AI 경제효과를 추적하는 지표 체계를 만들기 시작한 이유도 바로 여기에 있다. AI의 성능 향상과 비용 하락은 빠르지만, 기업 도입과 거시 생산성으로 이어지는 과정에는 시차가 있다.
지금의 AI는 전기를 많이 먹는 거대한 비용이다. 투자자들이 사고 있는 것은 그 비용 자체가 아니라, 언젠가 그보다 더 큰 비용을 없애줄 것이라는 미래다.
- 반드시 그렇지는 않다. 가격 수준 자체가 내려가는 ‘디플레이션’보다 물가가 오르는 속도를 낮추는 ‘디스인플레이션’ 가능성이 더 현실적인 표현이다.
- 아직 그렇게 말하기 이르다. AI 생산성이 충분히 커져 임금과 수요 증가를 상쇄할 정도로 공급능력을 높이는지 확인돼야 한다.
- 일부 직무는 압박받을 수 있다. 하지만 생산성 상승은 새로운 수요와 직무도 만든다. 현재 연구는 직무별 영향이 매우 다르며 거시적 고용효과는 아직 확정하기 어렵다고 본다.
- 아니다. CapEx보다 중요한 것은 투자수익률이다. AI가 만든 고객가치가 감가상각·전력·칩 비용보다 충분히 커야 한다.
체크 포인트
인사이트 타임스 편집부
