AI 거버넌스 - Brookings, AI 세금 도입에 관한 논의

https://www.brookings.edu/articles/ai-tax-debate-misses-the-threat-thats-already-here/

2026.8.7
[AI tax debate misses the threat that’s already here]

이 보고서는 인공지능(AI) 특화세 도입에 관한 현재의 논의가 국가 부채 위기라는 더 시급한 현실을 간과하고 있다고 지적합니다. 저자들은 AI 모델이나 컴퓨팅 파워에 직접 세금을 매기는 방식은 성장을 저해하거나 세수 확보 효과가 미미할 것이라고 비판하며, 그 대신 자본 소득 과세 강화가 훨씬 더 근본적이고 효과적인 해결책임을 강조합니다. AI가 생산성을 높이더라도 정부의 재정 적자 경로를 되돌리기에는 역부족이므로, 기술 자체를 규제하기보다는 부의 집중이 일어나는 자본 소득을 보다 효율적으로 공략하여 사회적 안전망을 위한 재원을 마련해야 한다는 것이 이 글의 핵심적인 제언입니다.

 

Overview (개요)

 

상원의원 론 와이든(민주, 오리건)이 신규 데이터센터에 대한 세제 혜택을 제한하고, 데이터센터 건설로 가장 큰 영향을 받는 지역사회와 노동자를 돕기 위한 신규 소비세 도입을 제안한 것을 계기로, 저자들은 "AI에 세금을 매길 것인가, 매긴다면 어떤 세금인가"라는 논쟁 자체가 순서가 잘못됐다고 주장합니다. 핵심 질문은 두 가지, 즉 "입법자들이 무엇을 달성하려 하는가"와 "세금이 실제로 그것을 해결할 수 있는가"인데, 논쟁은 이 질문에 답하기도 전에 "어떤 세금이냐"로 건너뛰었다는 것입니다. 결론적으로 저자들은 노동자 보호가 목표든 재정 전망 개선이 목표든, AI 이익이 집중될 자본소득에 대한 과세를 강화하는 편이 AI만 따로 겨냥한 신설 세금보다 더 효과적일 것이라고 주장합니다.

 

Background (배경)

• 와이든 의원은 AI로 인한 일자리 감소, 환경 피해, 사회·안보 전반에 대한 부정적 영향을 세금으로 해결하려는 여러 입법자 중 한 명입니다. 
  
  
• 현재까지 제시된 제안들은 AI 모델을 학습시키거나 사용하는 데 드는 연산력, AI가 소비하는 에너지, AI 기업이 얻는 초과이윤(windfall profit) 등을 과세 대상으로 삼는 방식으로 다양합니다. 
  
  
• AI 과세를 원하는 이들 대다수의 첫 번째 목표는 AI로 밀려난 노동자를 돕기 위한 재원 마련이라는 점에서 이해하기 쉽지만, 두 번째 질문—세금이 실제로 무엇을 할 수 있는가—은 훨씬 어렵다는 것이 저자들의 진단입니다. 
  
  

특히 입법자들이 가장 우려하는 "광범위한 일자리 상실"이라는 위험은, 그들이 거의 언급하지 않는 "국가의 위태로운 재정 경로"라는 위험보다 오히려 불확실성이 크다고 지적합니다.

 

Methods (분석 근거 · 방법론)

원문 자체는 별도의 실증 모델을 제시하지 않고, 두 개의 축으로 논지를 전개합니다.

1. 재정 시나리오 분석: NBER 워킹페이퍼가 생산성, 일자리, 임금, 불평등, 자본 수익률에 대한 서로 다른 가정 하에서 AI가 미국 재정 경로에 미칠 영향을 검토했습니다. 이 논문(Working Paper 35437, 2026년 7월 발표)의 초록에 따르면, 더 빠른 생산성 성장, 더 큰 소득 불평등, 일자리 대체, 자본 소득 비중 확대라는 요소들을 조합한 장기 시나리오 집합을 분석하고, 각 시나리오별로 연방부채에 대한 함의와 성장·소득분배·해고 노동자 지원·자본 과세 및 소유 관련 정책 대응을 평가했습니다. 

 

2. 세목별 인센티브 분석: 각 AI 과세안(연산력세·사용량세·초과이윤세)이 "AI 채택 억제"와 "세수 확보"라는 두 목표 사이에서 어떤 상충관계(trade-off)를 갖는지 논리적으로 분석하는 방식입니다.

 

Experiments (주요 결과)

 

 

• 모든 시나리오에서 AI는 예산 전망을 개선해, 30년 후 GDP 대비 연방부채를 39~49%포인트 낮추는 효과를 보입니다. 
  
  
• 그러나 그런 감소분을 반영해도 연방부채는 여전히 가파르게 증가하며, CBO는 현재 GDP의 101%인 연방부채가 2056년에는 175%까지 오를 것으로 전망합니다. [보완 내용 — CBO 원문 확인] CBO의 2026년 2월 「예산·경제전망 2026~2036」에 따르면 부채는 2026년 GDP의 101%에서 2036년 120%로 상승해 1946년 기록했던 종전 최고치 106%를 넘어서며, 이후 20년간 더 올라 2056년 175%에 이를 것으로 전망됩니다. 
  
  
• 논문이 제시한 가장 낙관적인 AI 시나리오에서도 부채는 GDP의 126%에 이르러, 2차대전 직후 정점을 포함해 미국 역사상 어느 시점보다도 높은 수준이 됩니다.
  
  
• 모든 시나리오에서 연방부채는 GDP 대비 계속해서 상당히 증가할 것이라는 것이 저자들의 결론입니다. 
  
  
• 왜 "이미 여기 와 있는 위협"인지를 뒷받침하는 CBO 수치: 순이자 지출은 2036년 GDP의 4.6%에서 2056년 6.9%까지 늘어나, 그 해에는 사회보장(6.0%)과 메디케어(5.5%) 지출을 각각 넘어설 것으로 전망됩니다. 이는 기사에서 언급한 "상승하는 이자비용이 연방예산에서 점점 더 큰 몫을 차지한다"는 주장의 구체적 근거입니다. 
  
  

Conclusion (결론 · 정책 제언)

• 자본소득 과세가 핵심: 부채 감소 잠재력이 가장 큰 경우는 AI 이익이 널리 분배될 때가 아니라, AI가 일자리를 대체하고 그 이득이 최상위층에 집중될 때인데, 이는 그 편이 더 빠른 성장을 이끌기 때문입니다. 다만 그 이익이 자본으로 흘러가면 자본소득이 가볍게 과세되고 세제가 그 일부만 포착하기 때문에 부채 감소 효과가 줄어들며, 만약 그 이익이 통상세율로 과세된다면 연방부채는 현재 GDP 비중보다 낮아질 것이라고 저자들은 주장합니다.
  

• 자본소득 과세를 강화하는 방안으로는 법인세·양도소득세율 인상, 상속 시 취득원가 재조정(step-up in basis) 폐지, 부유세 도입, 나아가 소비 시점에 자본소득을 포함한 모든 소득을 과세하는 광범위한 소비세까지 다양한 선택지가 있습니다. 
  
  
• AI 특정 세목의 한계: 연산력세는 모델 훈련을 억제하고 훈련 효율이 높아질수록 과세기반이 줄어들며, 사용량(토큰)세는 생산적/비생산적 사용을 가리지 않고 모든 사용자에게 부과되어 그 비용이 경제 전반으로 전가될 수 있고, 초과이윤세는 진짜 초과이윤에만 과세하면 투자 유인을 해치지 않지만 현행 세제로는 포착하기 어렵고 실제 세수 확보까지 수년이 걸릴 수 있다고 분석합니다. 설계대로 작동하더라도 이런 수단들만으로는 부채 경로를 의미 있게 바꿀 만큼 충분하고 확실한 세수를 걷기 어려우며, 오히려 좁은 AI세가 문제를 해결했다는 "재정적 착시"를 낳을 위험이 있습니다. 

 

최종 메시지: AI가 대규모로 노동자를 대체할 수 있다는 우려는 실재하지만, AI세만으로는 메울 수 없는 재정적 구멍인 국가부채 문제는 이미 눈앞에 와 있으며, 상승하는 이자비용이 다음 경기침체·팬데믹·AI로 인한 노동력 대체에 대응할 여력을 갉아먹고 있다는 것입니다. 입법자들은 두 위험 모두에 대비할 수 있으며, 노동보다 가볍게 과세되는 자본소득 과세의 격차를 좁히는 것이 좁은 범위의 AI세보다 재정 전망에 더 크게 기여하고 그 비용 대응 재원도 마련해줄 것이라고 저자들은 마무리합니다.