2026 - 노동 - 한국은행, AI와 R* (중립 금리)

https://www.bok.or.kr/portal/bbs/B0000562/view.do?nttId=11063688&searchCnd=1&searchKwd=&depth2=201156&depth3=201754&date=&sdate=&edate=&sort=1&pageUnit=10&depth=201754&pageIndex=1&programType=newsData&menuNo=201754&oldMenuNo=200433

2026.8.11
[BOK 경제연구 INSIGHT [제2026-2호] AI와 R]

이 보고서는 인공지능(AI)의 급격한 발전이 거시경제의 핵심 지표인 중립금리(R-star)에 미치는 영향을 다각도로 분석하고 있습니다. 생산성 향상이 자본 수익률과 투자 수요를 높여 금리를 올리는 경로와, 소득 불평등이 심화되어 소비가 위축되고 저축이 늘어나 금리를 낮추는 경로가 상충하며 복합적으로 작용함을 설명합니다. 특히 기술의 혁신성 그 자체보다 인간과 AI의 상호작용 및 성과 배분 방식이 금리의 향방을 결정하는 결정적 요인임을 강조하고 있습니다. 결과적으로 중앙은행이 고용과 소득 분배의 변화를 주시하며 데이터 의존적 접근을 통해 신중하게 대응해야 한다는 정책적 시사점을 전달합니다.

 

중립금리(neutral rate of interest, R*)는 산출이 잠재산출과 일치하고 물가상승률이 일정하게 유지되는 상태에서의 실질금리이며, 자연이자율(natural interest rate)이라고도한다(Laubach and Williams, 2003).

 

저축·투자의 관점에서는 경제주체가 계획한 저축과 투자가 균형을 이루게 하는 금리로 이해할 수 있다(Laubach and Williams, 2003;Benigno et al., 2024). 실제 실질금리가 중립금리보다 낮으면 소비와 투자가 확대되어 통화정책이 완화적인 것으로, 중립금리보다 높으면 긴축적인 것으로 평가할 수 있다.

 

o 중립금리는 직접 관측할 수 없는 이론적 개념이므로 경제성장률, 물가상승률, 정책금리 등의 자료와 경제모형을 이용해 추정한다.

 

 

 

 

 

Overview (개요)

1. AI가 생산성·노동시장에 미치는 영향이 커지면서, AI 발전이 중립금리(R*)를 올릴지 내릴지에 대한 논의가 주요 중앙은행에서 활발해지고 있습니다. R*는 저축과 투자를 일치시키는 실질금리로, 생산성·소득분배·저축성향·불확실성 등 여러 요인에 동시에 영향받기 때문에 단일 경로로 판단하기 어렵습니다.
   
   
2. 생산성 경로: AI가 생산성을 높이면 자본수익률·투자수요가 확대되어 R*에 상승압력이 발생하지만, 실제 생산성 향상 폭에 대해서는 연구자 간 견해가 엇갈립니다.
   
   
3. 소득불평등 경로: AI가 노동을 대체해 노동소득분배율이 낮아지면, 생산성이 오르더라도 총소비·총수요가 약화되어 R*에 하방압력이 발생할 수 있습니다.
   
   
4. 결론적으로 AI 시대의 R*는 기술 성능 자체보다 "인간이 AI와 어떻게 상호작용하고 그 성과를 어떻게 배분하는가"에 좌우되므로, 중앙은행은 사전 단정 대신 데이터 의존적 접근(data-dependent approach)을 취해야 합니다.

 

논의 배경 — AI의 생산성·노동시장 영향 확대에 따라 R* 관련 논의가 주요 중앙은행 중심으로 확산되고 있으며, 보고서는 각주에서 ECB 수석이코노미스트 필립 레인의 2026년 7월 연설을 인용해, AI에 대한 낙관적 기대는 투자 확대·저축 감소를 통해 R*를 높일 수 있지만 AI 소득이 저축성향 높은 자본소유자에게 집중되면 이 상승압력이 약화되거나 반전될 수 있다고 언급합니다.

 

중립금리(R*)의 정의와 결정요인

• R*는 산출이 잠재산출과 일치하고 물가상승률이 안정된 상태의 실질금리(Laubach and Williams, 2003)이며, 직접 관측이 불가능해 모형으로 추정합니다.
  
  
• 결정요인 5가지: ① 생산성(↑ → R*↑), ② 인구구조(효과 혼재), ③ 소득불평등 확대(→ R*↓), ④ 재정정책 확대(→ R*↑), ⑤ 장기 완화적 통화정책(→ R*↓, "거울의 방 효과" 포함).

Methods (분석 틀)

이 보고서는 자체 실증분석보다는 문헌 종합(literature synthesis) 방식을 취합니다. AI가 R*에 미치는 영향을 두 개의 경로로 나누어 각각 이론모형(DSGE 등)과 미시·거시 실증연구를 교차 검토하고, 보완적으로 ECB 레인 연설과 Warsh 연준의장을 둘러싼 논쟁을 대조해 실제 정책 지형까지 보여주는 구조입니다.

 

IV. Experiments (실증 근거 — 연구별 결과)

 

① 생산성 경로 관련 연구

연구	성격	핵심 결과
Noy & Zhang (2023), Brynjolfsson et al. (2025), Peng et al. (2023)	미시 실증	문서작성·고객상담·코딩 업무에서 생성형 AI의 생산성 향상 효과 확인
Acemoglu (2024)	거시 비관론	경제성 있게 자동화 가능한 업무 비중이 제한적 → 거시 생산성 효과는 작을 것
Jones & Tonetti (2026)	거시 비관론	과업 간 강한 보완관계 시 느리게 개선되는 인간 과업이 '약한 고리'로 남아 성장 가속을 제약
서동현·오삼일·윤종원 (2026), 남충현 (2026b)	국내 실증	업무시간은 평균 3.8% 단축됐지만 업무처리량 증가와 상관관계 없음 → 조직개편 없이는 생산성 증가로 이어지지 않음
Aghion & Bunel (2024)	거시 낙관론	향후 10년 연평균 TFP +0.68%p
Filippucci et al. (2025)	거시 낙관론	미국·영국 등에서 노동생산성 연평균 +0.4~1.3%p
남창우 (2026)	국내 낙관론	한국 TFP 성장률 연평균 +0.23%p
Aldasoro et al. (2024, 2026)	기대 반영 속도	AI 투자가 일부 국가 GDP의 약 1%에 달하며, 기대가 이미 투자·총수요를 선반영 중

 

② 소득불평등 경로 관련 연구

연구	성격	핵심 결과
Cho & Williams (2026)	실증(공적분)	미국 1970~2025년 자료에서 노동소득분배율과 R*가 장기 동행 — R* 1%p↑ ↔ 추세 노동소득분배율 약 2.5%p↑
Fornaro & Wolf (2026)	이론(DSGE)	자본가로의 소득 이전이 총수요를 약화시켜 'AI 슬럼프' 발생 가능, 제로하한 제약 시 산출갭·투자부진 심화
Falk & Tsoukalas (2026)	이론	경쟁 기업은 총수요 감소의 외부효과를 고려하지 않아 사회적 최적보다 과도하게 자동화
Korinek (2024), Chequer et al. (2026)	완화요인	도입 시차·암묵지·신뢰·규제·인간관계 진정성 등이 노동대체를 늦출 수 있음(표1 참고)
Lenzu (2026), Salman (2026), Hartley et al. (2026), Lee et al. (2025)	예비적 저축	실제 해고 이전부터 노동대체 불안이 예비적 저축을 늘려 전환기 R* 하락압력으로 작용(예: 미국 근로자의 향후 2년 내 AI발 실직 가능성 인식 평균 20%)

 

Conclusion (결론)

보고서는 개별 업무 단위의 효율 향상이 조직개편·인력재배치 없이는 거시 생산성 증가로 자동 전환되지 않는다는 점, 그리고 연구마다 전망 차이가 큰 이유는 자동화 범위·병목효과·도입속도에 대한 가정 차이 때문이라는 점을 지적합니다.

최종적으로 AI가 노동을 보완하는지 대체하는지, 생산성 이익이 임금·소비·투자로 얼마나 환류되는지가 R*의 방향을 좌우하므로, 한국은행을 포함한 중앙은행은 특정 시나리오를 미리 단정하기보다 입수되는 데이터에 기반한 대응(data-dependent approach) 이 바람직하다고 결론짓습니다.