핵심 요약
첫째, Eisfeldt, Schubert, Zhang과 Taska(2026)는 생성형 AI가 기업 가치에 미치는 영향을 측정하기 위해 기업별 인력의 생성형 AI 노출도를 최초로 구축했다.
둘째, 노출도가 높은 기업을 사고 낮은 기업을 파는 ‘인공-인간(Artificial-Minus-Human)’ 포트폴리오는 ChatGPT 공개 후 2주간 약 5%의 수익을 냈다. 시장은 노동 절감 가능성이 큰 기업의 가치를 즉시 높게 평가했다.
셋째, 이 효과는 데이터 자산이 많은 기업에서 더 컸고, 기업의 제품이 AI와 연관된 정도(제품 노출)와는 구별되는 인력 노출의 효과였다.
넷째, 노출된 업무가 직무의 핵심인지 보조인지에 따라 대체와 보완을 구분한 결과, ChatGPT 이후 기업의 노동 수요와 수익성 변화는 노동-기술 대체 경로를 지지했다.
이 논문은 동료심사 학술지(Journal of Finance) 게재 논문이다.
배경 및 이론적 맥락
생성형 AI의 경제적 효과를 두고 생산성 기대와 고용 불안이 교차한다. 기업 단위의 실측 도입 조사가 막 쌓이기 시작한 시점에서, 금융시장은 이미 가격으로 기대를 표현해 왔다. 문제는 무엇을 가격에 담았는가다.
기술 충격의 기업 가치 효과 연구는 노동 절감(대체)과 생산성 향상(보완)을 구분하기 어렵다는 난제가 있다. 이 논문은 직무별 과업 구조, 즉 노출된 과업이 그 직무의 핵심인지 주변인지를 이용해 두 경로를 분리하려는 시도다.
연구 방법론
직무-과업 자료와 생성형 AI의 과업 수행 능력 평가를 결합해 기업별 인력 노출도를 구성한다. 노출도는 기업이 고용한 직무 구성과 각 직무에서 AI에 노출된 과업의 노동소득 비중을 반영한다.
사건 연구로 ChatGPT 공개 전후의 주가 반응을 노출도에 회귀해 ‘인공-인간’ 포트폴리오의 수익을 추정하고, 데이터 자산 보유와 제품 노출을 통제해 인력 노출의 별도 효과를 식별한다.
대체와 보완의 구분은 과업의 핵심성으로 한다. 핵심 과업이 노출된 직무는 대체 가능성이, 보조 과업만 노출된 직무는 보완 가능성이 크다고 보고, ChatGPT 이후 기업의 노동 수요와 수익성 변화로 검증한다.
연구 결과
ChatGPT 공개 후 2주간 인력 노출이 높은 기업을 사고 낮은 기업을 파는 포트폴리오는 약 5%의 수익을 기록했다.
이 수익은 데이터 자산이 많은 기업에서 더 컸고, AI 제품 노출을 통제해도 유지되어 인력 노출의 별도 효과임이 확인됐다.
ChatGPT 이후 기업의 노동 수요와 수익성 변화를 살핀 결과, 핵심 과업이 노출된 인력을 둔 기업에서 대체와 일치하는 패턴이 나타났다. 저자들은 이를 노동-기술 대체 경로의 증거로 해석한다.
결론 및 의의
이 연구의 발견은 세 가지다. 첫째, 금융시장은 생성형 AI의 노동 절감 잠재력을 신속하게 기업 가치에 반영했다. 둘째, 그 반영은 인력 구조라는 측정 가능한 경로를 통해 이루어졌다. 셋째, 사후 노동 수요와 수익성의 패턴은 대체 경로와 일치한다.
이론적으로 이 논문은 기술-노동 관계 논의에 기업 가치라는 대규모 시장 데이터를 연결한다. 노출 측정을 과업의 핵심성으로 세분해 대체와 보완의 논쟁을 식별 가능한 형태로 만든 점이 기여다. 시장의 기대 평가 연구들과 달리 사후의 노동 수요·수익성 자료로 경로를 교차 검증한 점도 강점이다.
적용에서, 투자자와 기업 전략 담당자가 AI 노출을 평가할 때 직무 구성의 관점을 제공한다. 반면 포트폴리오 수익을 AI 투자 전략의 근거로 쓰는 것은 검증되지 않은 적용이다. 사건 연구의 수익은 기대의 반영일 뿐 실현된 생산성이 아니다.
한계는 노출도가 과업 매핑에 의존해 실제 도입이 아니라 잠재 노출이라는 점, 사건 창이 짧아 기대 형성의 초기 반응만 포착한다는 점, 그리고 상장 대기업 표본이라는 점이다. 후속 연구는 도입 실측과 노출도의 연결, 대체의 장기 고용 효과, 그리고 비상장·중소기업으로의 확장이 필요하다.
참고문헌
Eisfeldt, A. L., Schubert, G., Zhang, M. B., & Taska, B. (2026). Generative AI and firm values. The Journal of Finance. https://doi.org/10.1111/jofi.70089
동료심사를 거친 학술지 논문(2026년 10월 8일 온라인 게재)이다. 노출도는 실제 도입이 아닌 잠재 노출 측정이다. 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.