2026 경제학 공동학술대회가 던진 질문: 왜 지금 ‘AI 인적 자본 융합’인가
2026년 2월 6일, 서울 중앙대에서 열린 ‘2026 경제학 공동학술대회’에서 가장 강하게 부각된 키워드는 단연 AI 인적 자본 융합이었습니다. 한국 경제가 장기간 이어진 저성장 국면에서 벗어나려면, 단순한 경기부양이나 단기 처방이 아니라 생산성의 구조적 반등이 필요하다는 문제의식이 공유됐기 때문입니다.
이 자리에서 이종화 고려대 경제학과 교수는 기조연설을 통해 AI와 인적 자본에 대한 전략적 투자가 잠재성장률 2%대를 20~30년 이상 유지하는 데 기여할 수 있다고 주장했습니다. 이는 “성장이 끝났다”는 비관론에 대한 반론이자, 무엇을 어떻게 투자해야 하는지에 대한 방향 제시로 읽힙니다.
핵심은 명확합니다. AI는 도구이고, 인적 자본은 그 도구를 생산성으로 바꾸는 엔진입니다. 둘이 결합될 때만 기술이 성장으로 전환됩니다.
저성장 시대의 진단: 문제가 ‘의지’가 아니라 ‘구조’인 이유
한국 경제의 저성장은 단순히 한두 해의 경기 변동이 아니라, 구조적 요인이 누적된 결과로 평가됩니다. 인구 고령화, 생산가능인구 감소, 산업의 성숙화, 글로벌 공급망 재편, 제조업 경쟁 심화 등이 동시에 작동하며 잠재성장률을 낮추는 방향으로 힘을 모으고 있습니다.
잠재성장률을 끌어내리는 대표 요인
- 노동 투입의 감소: 인구 구조 변화로 노동 공급 자체가 줄어듦
- 자본 축적의 둔화: 불확실성 확대 속에서 투자 증가가 제한됨
- 총요소생산성(TFP) 정체: 같은 자원으로 더 많이 생산하는 능력이 정체되면 성장 동력 약화
이런 환경에서는 “더 열심히 하자”는 구호만으로는 부족합니다. TFP를 끌어올리는 기술 혁신과, 이를 현장에 심는 인적 자본의 강화가 동시에 진행되어야 합니다. 그래서 학계와 정책 논의의 초점이 AI 인적 자본 융합으로 이동한 것입니다.
AI가 만드는 성장 메커니즘: 생산성과 R&D 효율의 동시 상승
AI가 주목받는 이유는 단순한 자동화가 아니라, 경제의 핵심 변수를 동시에 움직일 수 있기 때문입니다. 학술대회에서 언급된 전망처럼 AI는 생산성을 높이고 연구개발 효율을 개선해 정책 및 산업 혁신을 촉진할 수 있습니다.
AI가 생산성을 끌어올리는 방식
- 업무 프로세스 최적화: 반복 업무 자동화 + 의사결정 보조로 처리 속도 향상
- 품질 개선과 오류 감소: 예측·탐지 모델로 불량률, 사고율, 리스크 감소
- 고부가가치 업무로의 이동: 사람은 기획·창의·조정 등 상위 업무에 집중
AI가 R&D 효율을 높이는 방식
- 탐색 비용 감소: 실험·시뮬레이션·문헌 분석을 가속
- 개발 기간 단축: 설계–검증–개선 사이클을 빠르게 반복
- 지식 확산 속도 증가: 조직 내 학습과 재사용이 쉬워져 혁신의 누적이 빨라짐
여기서 중요한 포인트는, 이 모든 효과가 그냥 AI를 도입한다고 자동으로 발생하지 않는다는 점입니다. AI는 ‘설치형 성장’이 아니라 활용 역량이 성과를 결정하는 기술이기 때문에, 결국 인적 자본이 성패를 가릅니다. 다시 말해 AI 인적 자본 융합이 곧 성장 전략입니다.
숫자로 보는 AI 효과: GDP와 TFP 전망이 의미하는 것
전병유 한신대 교수와 정준호 강원대 교수는 AI 확산이 본격화될 경우, 향후 10년간 - 국내총생산(GDP)이 최대 6.33%포인트 상승 - 총요소생산성(TFP)이 3.38%포인트 상승 할 수 있다는 연구 결과를 제시했습니다.
이 수치가 의미하는 바는 단순히 “경제가 좋아질 수 있다”가 아닙니다. 저성장의 ‘병목’이 생산성 정체에 있다면, TFP 개선은 구조적 반등의 신호가 될 수 있습니다. 또한 GDP 상승 효과는 단기 호황이 아니라, AI 활용이 산업 전반으로 확산될 때 나타나는 누적적 성과로 해석될 여지가 큽니다.
다만, 숫자를 현실로 바꾸기 위한 전제조건
- 산업별 AI 도입 속도와 흡수 역량의 격차 축소
- 데이터·컴퓨팅 인프라 확충(데이터센터, 클라우드, 전력망 등)
- 현장 인력의 재교육과 직무 전환 지원
- 규제 정비 및 실증 환경 확대
즉, 정책이 ‘확산의 마찰’을 줄여야 연구 결과가 전망으로 끝나지 않고 현실이 됩니다.
‘AI 인적 자본 융합’의 핵심: 사람을 대체하는 것이 아니라 능력을 증폭하는 것
AI 논의에서 자주 등장하는 오해는 “AI가 사람을 대체한다”는 단선적 그림입니다. 실제로는 다양한 산업에서 AI가 성과를 내는 방식은 대체(replace)라기보다 증강(augment)에 가깝습니다.
증강의 예시(산업 공통)
- 제조: 설비 예지보전 모델로 다운타임 감소 → 현장 기술자는 고장 대응이 아니라 개선 업무로 이동
- 금융: 리스크 탐지와 문서 처리 자동화 → 심사 인력은 예외 케이스와 전략 업무에 집중
- 서비스: 고객 응대 자동화 → 상담사는 고난도 문제 해결과 관계 관리에 집중
이런 증강 모델이 가능하려면, 현장 인력이 AI를 이해하고 협업할 수 있어야 합니다. 그래서 AI 인적 자본 융합은 단순히 ‘AI 인재 몇 명 양성’이 아니라, 훨씬 넓은 의미를 갖습니다.
인적 자본 투자의 범위(확장된 정의)
- 전 국민 디지털·AI 리터러시
- 직무 기반 재교육(업스킬/리스킬)
- 도메인 전문가와 AI 전문가의 협업 체계
- 대학·대학원 연구 역량 강화와 산학 연계
기술 채택의 속도는 장비가 아니라 사람의 학습 속도가 결정한다는 점에서, 인적 자본은 성장의 선행조건입니다.
정책 과제: 인프라·규제·인재 양성의 ‘삼각형’을 맞춰야 한다
학술대회 맥락에서 반복적으로 떠오른 메시지는 “AI의 긍정 효과를 극대화하려면 정책적 노력이 필수”라는 것입니다. 특히 한국은 제조업 비중이 높고, 산업의 허리가 두터운 만큼 AI 확산이 가져오는 효과도 크지만, 동시에 전환 비용도 크게 나타날 수 있습니다.
1) 인프라: 데이터센터만이 아니라 전력·네트워크까지
- AI는 컴퓨팅과 전력을 대량으로 요구합니다.
- 데이터센터 구축, 클라우드 전환, 초고속 네트워크, 전력망 안정성이 패키지로 따라가야 합니다.
2) 규제: ‘막는 규제’에서 ‘검증하는 규제’로
- 신산업이 커지려면 실증이 필요합니다.
- 개인정보·산업 데이터 활용의 균형, 안전과 혁신의 균형을 맞추는 거버넌스 설계가 중요합니다.
3) 인재: 소수 엘리트가 아니라 대규모 전환 역량
- AI 모델을 만드는 인력도 필요하지만, 더 큰 규모로는 AI를 쓰는 사람이 필요합니다.
- 교육은 학교에만 맡길 수 없고, 기업·정부·대학이 함께 설계해야 합니다.
이 세 축이 동시에 움직일 때 AI 인적 자본 융합이 국가 성장전략으로 작동합니다.
경고 신호: 제조업 공동화와 통상 환경의 불확실성
한편 최병일 이화여대 명예교수는 국내 제조업 공동화 현상에 대한 심각한 고민이 필요하다고 지적했습니다. 또한 관세 협상 과정에서 한미 자유무역협정(FTA)이 무시된 점에 대한 우려도 제기했습니다.
이 대목은 AI 낙관론에 ‘현실 조건’을 더합니다. AI가 성장의 지렛대가 되려면, 성장의 기반인 산업 생태계가 국내에 남아 있어야 합니다.
제조업 공동화가 AI 전략에 주는 함의
- 생산거점의 해외 이전이 가속되면, 현장 데이터 축적과 공정 혁신의 학습이 국내에서 일어나기 어렵습니다.
- 제조업은 AI 적용 여지가 큰 영역(예지보전, 품질검사, 공정 최적화)인 만큼, 산업 기반이 흔들리면 AI 확산의 체감 효과도 약해질 수 있습니다.
통상 리스크가 커질수록 필요한 전략
- 공급망 안정화와 핵심 품목 경쟁력 유지
- 기술·데이터 주권 관점의 협상력 강화
- 기업이 예측 가능하게 투자할 수 있는 정책 신뢰성 확보
즉, AI 정책은 기술 정책만이 아니라 산업 정책·통상 정책과 결합된 종합 전략이어야 합니다.
실행 로드맵 제안: 한국형 ‘AI 인적 자본 융합’ 전략을 어떻게 설계할까
논의를 실제 실행으로 옮기려면, 거창한 구호보다 “누가, 무엇을, 언제까지”가 필요합니다. 아래는 블로그 관점에서 정리한 실행 로드맵의 뼈대입니다.
(1) 단기(1~2년): 확산의 마찰 제거
- 공공·민간의 데이터 활용 가이드라인 정교화
- 산업별 실증 특구/샌드박스 강화
- 중소·중견기업의 AI 도입 바우처 및 컨설팅 지원
- 직무 전환 교육(현장형) 대규모 확대
(2) 중기(3~5년): 생산성 체감 구간 진입
- 제조·금융·물류·의료·행정 등 핵심 산업에서 대표 성공사례 축적
- 데이터센터/클라우드/전력 인프라 확충 가속
- 대학–기업–연구소의 공동 연구·인재 순환 프로그램 정착
(3) 장기(5~10년+): 혁신의 자기강화 구조 만들기
- R&D 시스템에 AI를 내재화(탐색–실험–검증 자동화)
- 교육 시스템 전환(교과·평가·교원 역량의 구조 개편)
- 글로벌 협력과 표준 경쟁에서 주도권 확보
이 로드맵의 일관된 목표는 하나입니다. AI 인적 자본 융합을 ‘국가의 학습 시스템’으로 만드는 것입니다.
마무리: 기술은 기회지만, 성장은 ‘융합’에서 나온다
이번 학술대회 논의는 “AI가 성장의 해답이다”라는 단순한 결론으로 끝나지 않습니다. 더 정확히 말하면, AI는 한국 경제가 저성장 구조를 반전시킬 수 있는 강력한 후보 동력이지만, 그 잠재력을 현실로 만드는 조건은 분명합니다.
- AI 단독이 아니라, 인적 자본과 결합된 AI 인적 자본 융합이어야 하고
- 인프라·규제·교육이 함께 움직여야 하며
- 제조업 공동화와 통상 리스크 같은 현실 문제를 외면하지 말아야 합니다.
결국 한국 경제가 다시 도약하려면, 기술을 수입하는 나라가 아니라 기술을 ‘생산성’으로 번역하는 나라가 되어야 합니다. 그리고 그 번역의 핵심 문법이 바로 AI 인적 자본 융합입니다. 앞으로의 10년은 이 융합을 얼마나 빠르고 넓게 구현하느냐에 달려 있습니다.