영상 속 2번째 파트(인공지능과 기술 혁신)의 전문 한국어 번역입니다:
**** AI 붐: 인공지능(AI)의 진보는 예견자들의 예상보다 훨씬 더 빠르게 진행되었습니다. AI 관련 인프라 전반에 걸쳐 막대한 자본이 유입되고 있으며, 일종의 '슈퍼 무어의 법칙(Super Moore's Law)'이 작용하는 듯한 모습을 보이고 있습니다. 스케일링 법칙(Scaling laws) 역시 혁신의 방법과 속도 모두를 변화시키고 있습니다. 자본과 노동력이 결합하여 AI의 핵심인 거대 언어 모델(LLM)을 만들어냈고, 사용자들은 이 모델에 접근하기 위해 토큰을 구매합니다.
**** 토큰 경제학: 보고에 따르면 선도적인 두 개 주요 연구소의 연환산 토큰 매출은 1,000억 달러를 넘어섰으며, 이는 불과 12개월 전과 비교해 500% 증가한 수치입니다.
**** 연방준비제도(Fed)의 주요 질의 과제: 저희 연준은 이 모든 현상을 주의 깊게 지켜보고 있으며, AI가 경제와 통화 정책 운용 모두에 결과를 가져올 새로운 변수이자 잠재적인 새로운 생산 요소임을 인식하고 있습니다. 이는 다음과 같은 몇 가지 주요 탐구 과제로 이어집니다.
AI의 적용이 경제 전반에 걸쳐 지속적이고 상당한 생산성 향상을 가져올 것인가? 그렇다면 그 시기는 언제인가?
토큰 사용량이 노동력을 보완하는(complementary) 성격을 가질 것인가, 아니면 대체하는(competitive) 성격을 가질 것인가?
차세대 AI 모델은 훨씬 더 큰 자본 집약도를 요구할 것인가, 아니면 모델 자체적으로 자본 집약도를 낮춘(capital-light) 해법을 찾아낼 것인가?
아직 밝혀지지 않은 미지의 요소들 중에는 그로 인한 시장 구조의 문제가 있습니다. 과연 누가 돈을 벌게 될 것인가? 자본에 대한 수익이 어디에, 어떤 시차를 두고 귀속될 것인가는 명확하지 않습니다. 초기에는 잉여 가치의 얼마나 많은 부분이 희소 자산 소유자, AI 연구소, 칩 제조사, 에너지 생산자, 클라우드 제공업체에게 돌아갈 것인가? 시간이 지남에 따라 그 가치의 얼마큼이 기업과 소비자에게 귀속될 것인가?
그리고 중요하게도, 노동자와 연준의 책무 중 '고용' 측면에 미치는 영향은 무엇인가?
**** 이와 유사하게, 우리는 이러한 모델에 접근할 수 있게 해주는 토큰의 균형 가격이 얼마가 될지 아직 알지 못합니다. 최첨단 모델에 접근하기 위해 점점 더 많은 비용을 지불하는 반면, 구형 모델의 토큰 가격은 한계 비용 수준으로 떨어지게 되는 토큰의 이질성(heterogeneity)이 나타날 수도 있습니다.
**** 저희는 '생산성 및 고용 태스크포스(Task Force on Productivity and Jobs)'의 도움을 받아 이러한 문제들을 깊이 고찰해 나갈 것입니다. 이 태스크포스 리더들 및 다른 관계자들과의 초기 점검은 매우 고무적이었습니다. 분명히 말씀드리건대, 이들의 권고안은 나중에 나올 것이며 현재의 정책 국면에서 우리가 내리는 결정과는 무관합니다. 하지만 미래의 정책적 난제들에 대비하여 오늘 이러한 지적 투자를 해두는 것이 내일을 훨씬 더 잘 준비할 수 있도록 만들어 줄 것이라고 믿습니다.
Forwarded fromRafiki research
August 29, 2026 2.3K 7
