핵심 요약
첫째, Blumenfeld, Hazell, Lian과 Schaab(2026)은 AI가 소프트웨어 엔지니어링 생산성을 통해 거시경제에 미치는 영향을 금융시장 정보로 측정했다. 과거 실적이 아니라 시장이 내다보는 기대를 실시간으로 읽는 전망형 측정이라는 점이 특징이다.
둘째, 2022년 11월부터 2025년 12월까지 AI는 시장이 평가하는 소프트웨어 엔지니어링 생산성의 기대 현재가치를 영구적 32.6% 생산성 상승에 해당하는 만큼 높였다. 이에 대응하는 GDP 수준 효과는 기본 추정 3.6%, 소프트웨어 생산성이 연구개발 생산성까지 높이는 경우 6.5%다.
셋째, 코딩 에이전트가 빠르게 진전한 2026년 중반까지 이 효과는 2025년 말 대비 두 배 이상 커졌다.
이 논문은 NBER 워킹페이퍼(No. 35793)로 동료심사를 거치지 않았다.
배경 및 이론적 맥락
AI의 거시 효과를 둘러싼 추정은 크게 엇갈린다. 과업 기반 하향식 계산은 작은 수치를 내놓는 반면, 일부 전망은 매우 큰 성장을 예상한다. 쟁점은 측정 시점이다. 생산성 통계 같은 후향 지표는 도입 초기의 효과를 늦게 포착하고, 전망은 근거 없는 기대에 흔들릴 수 있다.
이 연구는 금융시장 가격을 전망형 정보원으로 사용한다. 주가는 미래 이익의 현재가치를 반영하므로, AI 지수에 대한 기업별 주가 민감도와 소프트웨어 인건비 비중의 관계에서 시장이 내재적으로 평가하는 생산성 효과를 읽어낸다.
소프트웨어 엔지니어링을 전달 경로로 주목하는 것은 이 부문이 생성형 AI 노출이 크고 실제 도입이 빠르게 관찰되는 부문이기 때문이다. 초기 경력 소프트웨어 업무 재정의 연구(Westby et al., 2026)가 노동 과업의 변화를 보였다면, 이 연구는 같은 부문을 거시 생산성 채널로 본다.
연구 방법론
저자들은 AI 주가 지수를 구성하고, 각 기업 주가수익률의 이 지수에 대한 민감도를 추정한다. 민감도가 기업의 소프트웨어 엔지니어링 인건비 비중에 따라 어떻게 달라지는지를 횡단면으로 추정한다.
이 횡단면 관계를 구조모형에 대응시켜 소프트웨어 엔지니어링 생산성 상승분으로 환산하고, 생산성 효과를 GDP 수준 효과로 연결한다. 기본 모형과 연구개발 생산성 파급을 포함한 확장 모형을 병기한다.
추정은 시장 데이터로 실시간 갱신이 가능해 2022년 11월부터 2026년 중반까지의 시계열 경로를 제시한다.
연구 결과
2022년 11월~2025년 12월, AI는 소프트웨어 엔지니어링 생산성의 시장 기대 현재가치를 영구적 32.6% 상승에 해당하는 규모로 높였다.
GDP 수준 효과는 기본 추정에서 3.6%, 소프트웨어 생산성 향상이 연구개발 생산성도 높이는 경우 6.5%로 추정된다.
2026년 중반까지 효과는 2025년 말 대비 두 배 이상 확대되었으며, 저자들은 코딩 에이전트의 빠른 진전을 배경으로 지목한다.
결론 및 의의
이 연구가 보고하는 것은 실현된 생산성이 아니라 시장이 가격에 반영한 기대 생산성이다. 이 구분이 이 논문 해석의 핵심이다. 시장 기대는 정보를 빠르게 집계하지만 틀릴 수 있으며, 기대가 실현으로 이어질지는 별개의 검증이 필요하다.
이론적으로 이 연구는 AI 효과가 특정 고노출 부문을 경로로 삼아 경제 전체로 전파되는 그림을 제시한다. 소프트웨어 생산성이 연구개발 생산성을 높이는 파급이 있다면 효과가 증폭된다는 결과는, 부문 간 상호작용이 총량 효과의 크기를 가른다는 점을 보여준다.
정책·교육 적용에서, 소프트웨어 인재 수요와 교육의 방향을 논할 근거가 될 수 있지만, 이 연구는 고용이나 임금이 아니라 생산성 기대를 측정한다. 소프트웨어 교육 확대나 축소의 처방은 이 자료에서 직접 나오지 않으며 검증되지 않은 적용이다. 투자 판단의 근거로 쓰는 것도 이 연구의 목적 밖이다.
한계는 첫째, 시장 기반 측정이 기대 오류와 거품 가능성을 내포한다는 점, 둘째, 횡단면 민감도의 인과적 해석에 식별 가정이 필요하다는 점, 셋째, 모형 의존적 환산이라는 점이다. 후속 연구는 기대와 실현의 괴리 추적, 다른 부문 경로의 동일 측정, 시장 지수 구성의 강건성 검증이 필요하다.
참고문헌
Blumenfeld, A., Hazell, J., Lian, C., & Schaab, A. (2026). The macroeconomic effect of AI: Sizing the software engineering channel (NBER Working Paper No. 35793). National Bureau of Economic Research. https://doi.org/10.3386/w35793
NBER 워킹페이퍼로 동료심사를 거치지 않았다. 추정치는 시장의 기대 현재가치이며 실현된 생산성이 아니다. 본문은 해당 논문의 연구와 그로부터 도출한 해석만을 다룬다.
AI 활용 내역
이 글은 AI(Instinct AI 어시스턴트)를 활용하여 논문의 핵심 내용을 분석·요약하고, 한국어 리뷰 원고를 작성하였습니다. 최종 검토 및 발행은 블로그 운영자가 수행합니다.