모닝 인사이트 다이제스트

경제학자 Hanno Lustig가 쓴 논문을 소개하는 글이다. 핵심은 AI가 생산성을 연 0.1%포인트만 높여도 미국 국채 가치가 1.3조 달러 올라가고, 0.5%포인트 높이면 6.5조 달러 상승한다는 것. CBO 기준선에서는 미국 부채비율이 현재 GDP 대비 100%에서 2055년 172%로 폭발하는데, AI 덕분에 연성장률이 0.5%포인트만 올라가면 124%에서 안정된다는 계산이다. 더 흥미로운 건 수학적 비대칭성이다. 세수는 GDP^1.07에 비례해 증가하기 때문에, 성장률 불확실성이 커져도 국채 가치는 오히려 올라간다. 채권 보유자들은 불확실성 자체에서 이익을 본다는 뜻이다.

"미국 국채는 AI에 대한 콜옵션을 내장하고 있다"는 표현. 불확실성이 커져도 채권 가치가 오르는 볼록성(convexity) 때문에, AI 성장이 확실하지 않아도 국채 가격엔 긍정적이라는 역설.

미국 재정 위기 논쟁이 뜨거운 지금, AI가 단순히 기업 생산성 문제가 아니라 국가 재정 지속가능성의 변수가 될 수 있다는 관점을 제시한다. GPT-5.5, DeepSeek v4 같은 모델이 연달아 나오는 상황에서, AI 생산성 효과의 매크로 임팩트를 정량화한 첫 연구 중 하나다.

-> 2026-04-25 Which workers are using AI the most and best? | RSS/Marginal Revolution -> 2026-04-25 Growth is getting harder to find, not ideas | RSS/Marginal Revolution

ChatGPT 출시를 기점으로 Gen AI 작업 노출도가 높았던 스타트업들의 변화를 추적한 논문을 소개한다. 이들 기업은 출시 후 2분기 내에 고용을 줄였는데, 주로 주니어와 실행 중심 역할이 타겟이었다. 해고된 직원들은 실업 기간이 길어졌고, 임금은 낮지만 AI 노출도가 적은 직종으로 이동했다. 반면 이들 스타트업은 생산성을 높이고 빠르게 성장했으며, 펀딩 라운드도 가속화했다. VC들은 투자 방식을 바꿔 소액 투자를 자주 집행하며 신규 창업을 부추겼다. 결과적으로 기존 기업의 고용 축소는 신생 기업 증가로 상쇄돼, 전체 고용은 변하지 않았지만 구성은 시니어 중심으로 이동했다.

전체 일자리 숫자는 안 줄었다는 게 핵심. AI가 일자리를 없앤 게 아니라 "어떤 일자리냐"를 바꿨다. 주니어는 줄고 시니어는 늘어나는 구조.

AI가 노동시장에 미치는 영향에 대한 실증 데이터가 나오기 시작했다. "일자리 대체 vs 생산성 향상" 논쟁에서 답은 "둘 다"였고, 핵심은 역할 재편성이다. VC 투자 패턴까지 바뀌고 있다는 건 스타트업 생태계 전체가 AI 네이티브 구조로 전환 중이라는 신호다.

-> 2026-04-25 Which workers are using AI the most and best? -> 2026-04-24 The Pulse: AI token spending out of control – what's next?

우크라이나 전쟁이 터지자 미국은 스팅어 미사일을 긴급히 생산해야 했는데, 생산 라인은 20년간 멈춰 있었고 제조법을 아는 사람들은 이미 은퇴한 상태였다. 2022년 주문은 2026년에야 도착했다. 유럽도 비슷했다. 우크라이나에 100만 발 포탄 약속을 했지만 실제 생산 능력은 약속의 3분의 1 수준이었다. 핵무기 소재 Fogbank는 제조법을 잃어버려 재현하는 데 수년이 걸렸고, 결국 발견한 건 원래 제품에 '우연히 섞인 불순물'이 핵심 기능이었다는 사실이었다. 우크라이나에서 엔지니어링 팀을 운영하는 저자는 지금 소프트웨어 산업이 똑같은 길을 걷고 있다고 경고한다. AI 도입으로 주니어 개발자 채용이 줄고, 대학 전공자도 62% 감소했다. 5년에서 10년 후 시니어 엔지니어가 필요할 때, 그들은 존재하지 않을 것이다. AI는 코드를 빠르게 생성하지만, 경험 많은 개발자조차 AI 도구를 쓰면 오히려 19% 더 느려진다는 실험 결과도 있다. 방산 산업이 평화 배당금을 믿고 생산 능력을 포기했듯, 소프트웨어 산업은 AI를 믿고 인재 파이프라인을 포기하고 있다.

핵무기 소재 Fogbank를 재현하는 데 6900만 달러를 쓰고 나서야 알아낸 사실은, 원래 제품이 '의도하지 않은 불순물' 덕분에 작동했다는 것. 새로 만든 건 너무 순수해서 쓸 수 없었다. 그 지식은 어디에도 기록되지 않았고 오직 은퇴한 작업자들만 알고 있었다.

Salesforce는 2025년 소프트웨어 엔지니어 신규 채용 중단을 선언했고, 엔지니어링 리더 54%가 AI 코파일럿이 주니어 채용을 장기적으로 줄일 거라 믿는다. 하지만 시니어 엔지니어가 되려면 10년 이상 걸리고, 그 시간은 돈으로도 AI로도 압축할 수 없다. 방산 산업은 위기가 닥치고 나서야 깨달았지만 이미 늦었다. 소프트웨어 산업도 지금 같은 선택을 하고 있다.

-> 2026-04-24 The Pulse: AI token spending out of control – what's next? -> 2026-04-26 I cancelled Claude: Token issues, declining quality, and poor support

2026년 4월, OpenAI CEO 샘 올트먼의 집에 화염병이 투척되고, 데이터센터를 지지한 시의원 집에 총격이 가해졌다. 스탠퍼드 AI Index는 AI 전문가와 대중 사이의 극명한 인식 차이를 보여준다. 전문가 73%는 AI가 일자리에 긍정적 영향을 준다고 보지만, 일반 대중은 23%만 동의한다. Z세대의 AI에 대한 흥분은 36%에서 22%로 떨어지고, 분노는 22%에서 31%로 올랐다. 핵심은 AI 기업들이 "인류 멸망 아니면 당신 일자리 박탈" 같은 극단적 시나리오만 이야기하면서, 정작 실질적 생산성 향상은 보여주지 못한다는 점이다. 기업 80%가 AI 도입 후 생산성 변화 없음을 보고했고, 95%의 AI 파일럿 프로그램이 제로 수익을 냈다. 버지니아에선 데이터센터 건설로 전기요금이 2030년까지 25% 오를 전망이다.

화염병 테러범은 자신을 "버틀러리안 지하디스트"(듄 세계관의 반기계 전쟁 참조)라 칭했고, AI 산업은 이제 ICE나 트럼프보다도 인기가 없다는 여론조사 결과가 나왔다.

AI 산업이 수천억 달러 투자를 요구하고 인프라를 확장하는 동시에, 그 실질적 효용에 대한 대중의 의구심이 폭력으로까지 표출되는 전환점이다. OpenAI가 공공부 펀드를 제안하고 MS가 지역사회 우선 정책을 발표하지만, 실제론 주 단위 AI 규제에 수백만 달러를 쏟아붓고 책임 회피 법안을 지지하는 이중성이 신뢰를 더 깎아먹고 있다. 기술 낙관론과 현실 사이의 격차가 이제 사회적 갈등으로 번지는 중이다.

-> 2026-04-24 | Palantir employees are starting to wonder if they're the bad guys -> 2026-04-26 | I cancelled Claude: Token issues, declining quality, and poor support

지식 노동의 품질은 원래 직접 검증하기 어렵다. 그래서 우리는 대리 지표(proxy measure)를 썼다. 오타 많은 보고서는 내용도 엉망일 확률이 높으니까. 그런데 LLM은 이 대리 지표만 완벽하게 통과시킨다. 컨설팅 펌 스타일의 보고서, 그럴듯한 코드 리뷰, 전문가처럼 보이는 문장. 형식은 완벽한데 실제 품질은 보장 못 한다. 문제는 이제 모두가 LLM 결과물을 훑어보고 "LGTM" 찍을 시간밖에 없다는 것. 우리는 수십억 달러를 들여 '일하는 시늉'을 자동화하는 시스템을 만들었고, 굿하트의 법칙에 스스로를 가뒀다.

LLM 훈련도 똑같은 함정에 빠져 있다. "답이 진실인가"가 아니라 "훈련 데이터에 나올 법한가" 또는 "RLHF 심사자가 좋아할 만한가"를 최적화한다. 우리는 고품질처럼 보이는 결과를 만들도록 시스템을 훈련시키고 있다.

GPT-5.5, DeepSeek v4 같은 모델이 쏟아지고 기업들이 토큰 소비 경쟁을 벌이는 지금, 이 문제는 더 심각해진다. AI가 생산성을 높인다는 믿음 아래 실제로는 검증 불가능한 결과물만 쌓이고 있을 수 있다. 지식 노동의 본질이 '진짜 문제 해결'에서 '그럴듯한 결과물 생산'으로 바뀌는 전환점일 수 있다.

-> 2026-04-25 Which workers are using AI the most and best? -> 2026-04-26 I cancelled Claude: Token issues, declining quality, and poor support

미국 지열 발전이 현재 2.7GW 수준에서 최대 150GW까지 확장 가능하다는 전망이 나왔다. 핵심은 EGS(Enhanced Geothermal Systems)라는 기술인데, 기존처럼 자연적으로 형성된 지하 열수 저장소를 찾는 게 아니라 프래킹 기술을 응용해 지하에 인공 저장소를 만드는 방식이다. 휴스턴 스타트업 Fervo Energy가 선두주자로, 유타주에 500MW급 Cape Station을 건설 중이고 올해 말 가동 예정이다. 회사는 42GW 이상의 잠재 용량을 확보했고 IPO도 준비 중이다. 트럼프 행정부가 다른 재생에너지는 홀대하면서도 지열에는 1억 7천만 달러를 지원하는 등 우호적 입장을 유지하고 있다는 점도 추진력을 더한다.

데이터센터가 지열 발전의 주요 고객으로 떠올랐다. AI 붐으로 안정적이고 깨끗한 전력 수요가 폭발하면서 24시간 가동 가능한 지열이 태양광·풍력보다 매력적인 선택지가 됐다.

재생에너지의 최대 약점인 '간헐성' 문제를 지열이 해결할 수 있다는 점에서 게임 체인저다. 태양광·풍력은 날씨에 의존하지만 지열은 24시간 일정하게 발전한다. AI 데이터센터처럼 안정적 전력을 대량으로 요구하는 수요가 늘면서, 지열이 그리드 안정성의 핵심 솔루션으로 부상하고 있다. 프래킹 인프라와 노하우를 가진 미국 에너지 업계가 화석연료에서 지열로 자연스럽게 전환할 수 있다는 점도 산업 재편의 실마리를 제공한다.

-> 2026-04-24 | The Great Blue Frontier (에너지 인프라 확장과 장기 자본 배치 맥락)

Science지 기자 Charles Piller와 밴더빌트대 신경과학자 Matthew Schrag가 추적한 알츠하이머 연구 부정의 전모를 다룬 Freakonomics 팟캐스트. 미국에서만 700만 명이 앓고 있고, NIH가 연간 40억 달러를 쏟아붓는 알츠하이머 연구는 1990년대부터 "amyloid-cascade hypothesis(아밀로이드가 뇌에 쌓이는 게 모든 것의 시작)"라는 단일 이론에 집중해왔다. 문제는 이 이론을 뒷받침하는 핵심 논문들에서 조작된 이미지가 발견됐고, 수십 년간 이를 기반으로 개발된 약들은 "아무도 나아지지 않는다"는 것. Schrag는 텍사스 바이오텍 Cassava Sciences의 시뮤필람 임상 데이터 검증 의뢰를 받으면서 이 문제에 뛰어들었고, 결국 알츠하이머 연구 전체의 구조적 문제를 드러내게 됐다. "사기꾼은 계속 속인다"는 그의 말처럼, 한 논문의 문제는 연구자의 전체 커리어로 번진다.

알츠하이머는 고학력일수록, 경제적으로 여유로울수록 발병이 늦어지거나 증상이 덜하다. 교육 수준 자체가 뇌 건강의 버퍼 역할을 한다는 것. 그리고 Schrag는 아직 주니어 연구자였을 때 수십억 달러 기업을 상대로 내부고발을 시작했다.

AI 붐 속에서도 생명과학 R&D의 신뢰성 위기는 여전히 진행 중이다. 수십 년간 단일 이론에 몰빵한 결과가 "치료법 제로"라는 사실은, 과학계의 consensus가 어떻게 잘못된 방향으로 고착화될 수 있는지를 보여주는 케이스 스터디다. FDA가 최근 승인한 조기 진단 혈액검사가 나왔지만, 정작 치료법이 없다면 조기 발견의 의미도 제한적이다.

구글이 Anthropic에 일단 100억 달러를 투자하고(밸류에이션 3,500억 달러 기준), 성과 목표 달성 시 300억 달러를 추가로 넣기로 했다. Anthropic은 최근 사이버보안에 특화된 최신 모델 Mythos를 소수 파트너에게만 공개했는데, 악용 우려 때문에 광범위 배포를 제한 중이다. 하지만 이미 비공인 경로로 유출됐다는 보도도 나왔다. 핵심은 돈보다 컴퓨팅이다. 구글은 향후 5년간 5기가와트 규모의 TPU 기반 클라우드 용량을 제공하고, Anthropic은 이미 아마zon으로부터 50억 달러 추가 투자와 함께 100억 달러 규모 5기가와트 컴퓨팅 계약을 확보했다. CoreWeave와도 데이터센터 용량 계약을 맺었다. Anthropic의 밸류에이션은 2월 3,500억 달러에서 지금은 8,000억 달러 이상으로 뛰었고, 10월 IPO 가능성도 거론된다.

구글은 Anthropic의 직접 경쟁자이면서 동시에 핵심 인프라 공급자다. Claude를 만드는 회사에 투자하면서, 동시에 Gemini로 맞붙고 있는 셈이다.

AI 경쟁의 본질이 바뀌고 있다. OpenAI는 Cerebras와 수천억 달러 규모 칩 딜을 맺고, Anthropic은 구글·아마존·CoreWeave·Broadcom과 동시다발 인프라 계약을 체결한다. 결국 '좋은 모델'보다 '모델을 돌릴 수 있는 전력과 칩'이 승부처다. 그리고 그 인프라를 쥔 자가 AI 시대의 지배자가 된다.

-> 2026-04-24 | An Interview with Google Cloud CEO Thomas Kurian About the Agentic Moment -> 2026-04-24 | Our eighth generation TPUs: two chips for the agentic era -> 2026-04-25 | GPT-5.5 -> 2026-04-26 | I cancelled Claude: Token issues, declining quality, and poor support

OpenAI가 2024년 8월 공개한 SWE-bench Verified는 AI의 자율 코딩 능력을 측정하는 업계 표준 벤치마크였다. 실제 GitHub 이슈와 PR 500개로 구성된 이 테스트는 처음엔 유의미한 성능 차이를 보여줬지만, 최근 6개월간 점수가 74.9%에서 80.9%로 소폭 상승하는 데 그쳤다. OpenAI가 직접 감사한 결과, 문제의 59.4%가 결함 있는 테스트 케이스를 포함해 정답을 내도 오답 처리하는 것으로 드러났다. 35.5%는 지나치게 구체적인 구현을 요구하고, 18.8%는 문제 설명에 없는 기능까지 체크한다. 더 심각한 건 contamination(오염) 문제다. GPT-5.2, Claude Opus 4.5, Gemini 3 Flash 등 모든 프론티어 모델이 학습 과정에서 정답 패치를 이미 본 것으로 확인됐다. GPT-5.2는 짧은 힌트만으로 정확한 gold patch를 재현했고, 심지어 "Django 4.1 릴리즈 노트를 알고 있다"는 사고 과정까지 드러냈다. 결국 벤치마크 점수는 실제 코딩 능력이 아니라 "얼마나 많이 외웠는가"를 측정하게 된 셈이다.

OpenAI가 GPT-5를 프로브로 삼아 다른 모델(GPT-5.2, Claude, Gemini)을 15턴에 걸쳐 심문하는 자동화된 레드팀 테스트를 설계했다는 점. AI가 AI의 기억을 캐내는 메타적 구조다.

프론티어 모델 경쟁이 격화되면서 벤치마크 점수가 마케팅 무기가 됐지만, 정작 그 벤치마크가 무너지고 있다는 걸 선두 기업이 공개 인정한 사건이다. 오픈소스 데이터로 학습하는 구조상 contamination은 피할 수 없고, 결국 "오염 안 된 새 평가 기준"을 누가 먼저 만드느냐가 다음 경쟁 축이 될 것이다. AI 성능 측정 자체가 군비경쟁의 일부가 되고 있다.

-> 2026-04-25 GPT-5.5 -> 2026-04-25 DeepSeek v4

Liam Price라는 23살 청년이 ChatGPT Pro 구독권 하나로 에르되시(Erdős) 추측 중 하나를 해결했다. 그는 수학 고급 교육을 받은 적이 없고, 그냥 월요일 오후에 심심해서 문제를 GPT-5.4 Pro에 던졌다가 답을 얻었다. 문제는 "primitive set"의 에르되시 합(Erdős sum)이 무한대로 갈 때 최솟값이 정확히 1이 되는지 여부였는데, 스탠퍼드의 Jared Lichtman을 비롯한 전문가들이 수십 년간 막혔던 것이다. UCLA의 Terence Tao는 "인간들이 1수부터 집단적으로 잘못된 방향으로 갔다"고 평가했다. ChatGPT는 관련 분야에서 잘 알려진 공식을 끌어왔지만, 아무도 이 문제에 적용할 생각을 못 했던 것이다. 출력 자체는 조잡했지만, 전문가들이 정리하니 핵심 통찰이 명확히 드러났고, 이미 다른 응용 가능성도 보이고 있다.

Price는 원래 케임브리지 대학생 Kevin Barreto와 함께 작년 말부터 "vibe mathing"이라며 무료 ChatGPT로 에르되시 문제를 랜덤으로 던지는 놀이를 하다가, AI 연구자가 감동해서 둘에게 Pro 구독권을 선물했다. 그게 이번 돌파로 이어진 셈.

AI가 수학 문제를 푼다는 뉴스는 많았지만, 대부분 "덜 독창적"이거나 "난이도가 제각각"이라는 평가를 받았다. 이번 건은 다르다. 전문가들이 실제로 오래 붙잡고 있던 문제를 AI가 전혀 새로운 각도로 접근해서 풀었고, 그 방법론 자체가 다른 문제에도 쓸 수 있을 가능성이 보인다. 결국 AI가 단순 계산력을 넘어 "사고방식"을 확장시키는 도구로 진화하고 있다는 신호다.

-> 2026-04-25 | GPT-5.5 | HackerNews -> 2026-04-25 | Sign of the future: GPT-5.5 | RSS/One Useful Thing