케빈 워시와 그린스펀식 통화정책의 귀환

경제 전문가와 투자자들 사이에서 제롬 파월(Jerome Powell) 연방준비제도(이하 연준) 의장 후임으로 지명된 케빈 워시(Kevin Warsh)에게 무엇을 기대해야 할지에 대한 논의가 활발하게 이루어지고 있다. 과연 그가 이끄는 연준 통화정책은 미국 경제에 어떤 의미를 가질까?

무엇보다 관심이 집중되는 대목은 연준의 대차대조표(balance sheet)와 수익률곡선, 그리고 이것이 신용과 인플레이션에 미치는 영향이다. 이러한 요소들이 최근 기술 발전에 의해 어떠한 변화를 보일지가 중요한데, 그 핵심은 ‘인공지능(AI)이 생산성에 미치는 영향’이다.^[1] 

워시 지명자의 경력과 정책적 입장

워시의 가장 중요한 경력은 2006년부터 2011년까지 5년간 연준 이사로 재직한 것이다. 그 기간 동안 글로벌 금융 위기가 발생했다. 당시 연준의 가장 주목할 만한 대응책은 ‘양적 완화’(quantitative easing; QE)였다.

QE는 중앙은행이 국채와 기타 자산을 대규모로 매입하는 정책으로, 신용시장 경색으로 은행들이 대출을 꺼리는 상황에서 금융 시스템에 유동성을 공급하기 위한 것이었다. 이러한 정책은 앞서 통화주의자 밀턴 프리드먼(Milton Friedman)과 케인스주의자 폴 크루그먼(Paul Krugman)처럼 서로 다른 성향의 경제학자들도 제안한 적이 있지만, 커다란 논란을 불러일으켰다.

일부 분석가들은 QE가 통화 공급을 너무 빠르게 늘려 인플레이션이 크게 악화할 것을 우려했다. 연준 이사로 재직할 당시 워시 지명자 역시 이와 같은 입장이었다. 그러나 QE는 통화 공급의 급격한 증가로 이어지지 않았다. 오히려 대공황 때와 같이 통화 공급이 급격히 감소하는 사태를 예방했으며, 그 결과 인플레이션은 안정적으로 유지됐다.

지금도 워시 지명자는 팬데믹 기간 동안 다시 확대된 연준의 대차대조표 규모에 대해 우려하고 있는 입장이다. 팬데믹 당시 연준의 적극적인 정책 대응으로 통화 공급이 급격히 증가했고, 이는 인플레이션 급등에 기여했다. 연준은 최근에 대차대조표 규모를 축소했지만, GDP 대비 비율은 여전히 역사적으로 높은 수준이다.

그림 1. 연준의 대차대조표 규모와 GDP 대비 비율

출처: FRED via Federal Reserve, FRB of St. Louis. 딜로이트 인사이트

워시 지명자는 연준이 자산 매각을 통해 대차대조표 규모를 추가로 축소해야 한다고 주장했다. 이렇게 하면 통화 공급 증가율이 둔화되어 디플레이션 효과를 가져올 것이라는 설명이다. 연준이 보유한 국채를 매각할 경우 채권 수익률 상승으로 이어질 가능성이 높다.

하지만 워시의 연준 대차대조표에 대한 견해는 반드시 인플레이션 우려와 관련된 것은 아니다. 오히려 그는 연준이 국채 시장에 크게 개입해서는 안 된다고 생각하는데, 이는 통화 정책이 정부 차입을 조달하는 결과를 초래할 수 있기 때문이다. 그는 통화 정책이 재정 정책에 관여해서는 안 된다고 믿는다. 

AI 시대에 대한 1990년대 비유

대신 워시 지명자는 기준금리를 더 인하해야 한다고 주장하는데, 이는 인플레이션이 많은 투자자들이 생각하는 것보다 심각한 문제가 아니라고 보기 때문이다. 무엇보다 AI가 노동 생산성 향상을 가속화할 것으로 예상한다.

생산성이 빠르게 높아지면 생산량 증가가 임금 인상 부담을 상쇄할 수 있다. 그러면 고용주는 임금 비용을 소비자에게 가격 인상 형태로 전가할 필요가 없다. 따라서 생산성 향상은 일반적으로 디플레이션 효과를 가져온다.^[2]

워시 지명자와 스콧 베센트(Scott Bessent) 재무장관은 현재 상황이 1990년대와 유사하다고 보고 있다. 생산성 향상이 인플레이션을 억제하는 동시에 경제를 빠르게 성장시키는데 도움이 된다는 것이다.

당시 연준 의장 앨런 그린스펀(Alan Greenspan)은 경기 호황에도 불구하고 금리를 낮게 유지하기로 결정했다. 이는 정보화 기술(IT)에 대한 투자가 생산성 향상을 촉진하여 인플레이션 압력을 완화할 것이라는 믿음에 따른 것이었다.

베센트 장관은 최근 CNBC와 인터뷰에서 "우리는 1990년대와 마찬가지로 생산성 호황의 초기 단계에 있는 것이 분명하다"고 말했다. 이는 단순히 트럼프 행정부만의 견해는 아니다. 리사 쿡(Risa Cook) 연준 이사도 "AI가 생산성을 크게 향상시킬 수 있는 잠재력을 가지고 있음을 보여주는 지표들이 늘어나고 있다"고 언급했다.

그린스펀식 정책 사례는 1996년 9월에 이루어진 것인데, 당시 연준 의장이었던 그린스펀은 연준 동료들을 설득해 금리 인상을 연기하도록 이끌었다. 생산성 증가 속도가 공식 지표보다 빠르다는 것이 핵심 논지였다.

나중에 연준 의장이 된 재닛 옐런(Janet Yellen) 당시 샌프란시스코 연방준비은행 총재는 그린스펀 의장이 생산성에 대해 여러가지 측면을 설명했지만 매우 어려운 방식이었고 다수의 사람들이 전혀 납득하지 못했다고 회고했다. 하지만 옐런은 그린스펀이 완전히 옳았으며, 당시 자신을 포함한 연방공개시장위원회(FOMC) 위원들은 한 명을 제외하고 모두 그린스펀의 전략을 지지하여 금리 동결에 찬성했다고 밝혔다.

다만 다수 경제학자들은 이 같은 워시 지명자의 주장에 동의하지 않고 있다. 최근 파이낸셜 타임스(FT)가 실시한 경제학자 대상 설문조사에 따르면, 학자들 다수는 AI로 인한 생산성 급증이 금리 인하 여지를 만들 것이라는 주장을 일축했다.

시카고대학교 클라크 글로벌마켓센터가 실시한 설문조사에 참여한 경제학자 45명 중 거의 60%가 향후 2년간 물가와 대출 비용에 미치는 영향은 미미할 것으로 예상하며, 이로 인해 향후 2년간 개인소비지출(PCE) 인플레이션과 중립 금리가 0.2% 미만으로 하락할 것이라고 보았다.^[3] 

1994년과 1996년 그린스펀의 정책 행보

앞서 그린스펀의 연준은 1994년에 ‘예방적’(preemptive) 긴축 정책을 구사해 기준금리를 3%에서 6%까지 공격적으로 인상한 바 있다. 이는 경기 침체를 유발하지 않고 인플레이션을 억제한 성공적인 통화정책 사례로 평가받는다.

하지만 이러한 연준의 긴축 정책은 이른바 ‘채권시장 대학살’(bond market massacre)로 불릴 정도로 금융시장에 큰 충격을 주었으며, 1996년 금리 인상을 자제했음에도 불구하고 1997년 신흥시장 위기를 촉발했다는 비판도 받는다. 

그림 2. 미국 연방기금금리 추이

출처: Macrotrends via Federal Reserve, 딜로이트 인사이트

실제로 1990년대 후반에 생산성 증가율이 가속화되었다. 하지만 이러한 생산성 향상이 인플레이션을 억제하지는 못했다. 그린스펀은 인플레이션이 가속화되기 시작했을 때 금리를 인하하는 것이 아니라 인상했다. 인플레이션은 빠른 경제 성장의 결과였다.

하버드 경제학자이자 전 오바마 대통령의 경제 자문 출신인 제이슨 퍼먼은 베센트와 워시의 관점이 잘못되었다고 주장한다.^[4]

퍼먼은 생산성 향상이 물가 상승 없이 기업이 임금을 올릴 수 있게 해주기 때문에 인플레이션을 억제할 수 있는 것은 사실이라고 인정한다. 하지만 그는 생산성 향상은 더 빠른 경제 성장으로 이어지며, 이는 소비자 지출과 기업 투자 증가로 이어져 병목 현상과 물가 상승을 초래할 수 있다고 지적한다. 따라서 생산성 증가 속도가 빨라진다면 실질 금리가 더 높아질 수 있다. 이 경우 경제는 높은 금리 하에서도 빠르게 성장할 수 있다.

실제로 그린스펀 의장 시절인 1990년대 중반에 기준금리는 수년간 약 5% 수준에서 안정적으로 유지되었으며, 이는 당시 2~3% 범위에 머물던 인플레이션율보다 훨씬 높았다. 이는 그린스펀이 이끄는 연준이 실질 금리를 오늘날과 비교해서 상대적으로 높게 유지했다는 의미이다. 나아가 연준은 1999년부터 다시 기준금리를 인상하기 시작했으며, 2000년에 6.5%까지 올렸고 2001년 초에 경기 침체가 시작되었다.

파월이 이끄는 연준은 팬데믹 기간 양적완화 정책을 실시한 이후 인플레이션 사태에 직면하자 공격적인 금리인상을 단행했지만, 경기 침체를 유발하지 않고 미국 경제의 연착륙을 이끌어낸 것으로 평가받는다.^[5]

하지만 금리를 정상화하는 과정은 순탄치 않으며, 이제부터는 상당 기간 기준금리를 5%대로 높게 유지했던 1996년 이후 그린스펀의 전략이 또다시 통할지 여부가 최대 관심사로 부상한다.

파월 의장도 2025년 12월 FOMC 이후 기자회견에서 AI로 인한 생산성 향상을 언급했다. 그는 “과거를 돌아보면 끊임없는 변화 속에서도 결국 기술은 생산성을 향상시키고 이는 임금 상승의 근간이 되었다”며, “이번에는 어떻게 될지 지켜봐야 할 것”이라고 말했다.

많은 분석가들이 AI로 인한 생산성 향상을 기대하지만, 그 시기에 대해서는 상당한 의견 차이가 있다. 최근 분기의 생산성 향상은 오직 기술 부문에서만 나타났다. 대부분의 다른 분야는 아직 생산성 향상이나 AI의 광범위한 도입을 경험하지 못했다. 따라서 워시의 주장이 맞더라도 생산성 향상으로 인한 금리 인하를 논의하기에는 아직 이르다. 연준이 금리를 조기에 인하하면 인플레이션율은 더 높아질 수 있다. 

금융시장의 예상 반응

워시 지명자는 상원의 인준을 받을 가능성이 높아 보인다. 그렇지만 그가 나머지 11명의 연준 정책위원회의 위원들을 설득하여 기준금리를 인하하는 동시에 국채를 매각하는 데 성공할지 여부는 불확실하다. 국채를 매각할 경우 채권 수익률이 상승해 신용시장에 부담을 주고, 이것이 단기금리 인하 효과를 상쇄할 수 있기 때문이다.

수익률 곡선이 가파르게 상승하면 은행의 수익성이 향상되어 신용시장 활동에 도움이 될 수 있다. 하지만 일부 투자자들은 연준이 대차대조표를 급격하게 축소할 경우 금융시장의 변동성을 야기할 수 있다고 우려한다.

따라서 시장 참가자들 다수는 워시가 이끌 차기 연준의 정책적 접근 방식이 보다 점진적이고 신중하게 시행될 것으로 예상한다. 

보론: AI가 생산성에 미치는 영향 추정

최근 연구 결과 AI가 이미 생산성에 상당히 큰 영향을 미치고 있을 것이란 ‘가설’에 힘을 싣는 분석 결과가 나오고 있다.

먼저 세인트루이스 연방준비은행의 분석가들은 생성형 AI가 노동 생산성 향상을 통해 이미 전반적인 경제 데이터에 영향을 미치고 있는지 여부에 대해 조사했다. 먼저 최근 생성형 AI 사용자를 대상으로 실시한 업무 관련 설문조사 결과, 생성형 AI로 인한 시간 절감 효과는 전체 업무 시간의 1.6%에 해당하는 것으로 나타났다.^[6]

‘2025년 생성형 AI 도입 현황’ 보고서에서 18세부터 64세 사이 미국 전체 노동자를 대상으로 보면 생성형 AI를 사용하는 업무 시간 비율이 2024년 11월 약 4.1%에서 2025년 8월에는 5.7%로 증가한 것으로 추정된다. 이러한 추정치를 표준 총생산 모델에 적용하면 챗지피티(ChatGPT) 도입 이후 생성형 AI는 노동 생산성을 최대 1.3% 향상시켰을 가능성이 있는데, 이는 최근 미국의 비농업부문 총 노동 생산성 추정치와 일치하는 것이다.^[7]

코로나19 팬데믹 이전인 2015년부터 2019년까지 생산성은 연평균 1.43% 증가했는데, 2022년 4분기부터 2025년 2분기까지 생산성은 연평균 2.16% 증가했다. 팬데믹 이전 추세와 비교하면, 챗지피티가 공개된 이후 누적 생산성 증가율이 1.89%포인트 초과했음을 의미한다.

AI로 인한 생산성 향상 가능성을 검증하는 또다른 방법은 AI 도입율이 높은 산업일수록 생산성 증가 속도가 빠른지 여부를 살펴보는 것이다. 팬데믹 이전 추세를 제거한 생산성 증가율과 산업별 노동시간 절약 값의 상관관계를 분석하면, AI 도입율이 높은 산업일수록 이전 추세보다 생산성이 빠르게 증가하는 경향이 관찰되었다.^[8] 

그림 3. 노동생산성 증가율 및 산업별 생성형 AI 활용 수준

*빨간색 점선은 회귀선으로, 기울기 계수가 2.7이다. 이는 시간절약율이 1% 높은 산업이 팬데믹 이전 추세 대비 생산성 증가율이 2.7%포인트 더 높다는 것을 보여준다.

-

출처: Federal Reserve Bank of St. Louis, 딜로이트 인사이트

이와 같은 분석 결과는 가설에 대한 검증이기는 하지만, 산업별 생산성 증가율의 강화는 상관관계로 드러난 것이지 인과관계를 설명해주지는 않는다. 생산성에는 기술 외에도 여러가지 요인들이 작용한다. 아직 기업들의 AI 도입율이 높지 않다는 점을 고려하면, 상관관계가 보여주는 의미에 대해 회의적인 시각을 갖는 것이 합리적일 수 있다.

최근 생산성 증가율이 매우 높게 나온 미국의 경우 기업들이 관세 불확실성 때문에 적극적으로 고용에 나서기를 주저했을 수 있다. 영국은 최저임금 인상으로 인해 저임금 일자리가 줄어들었을 수 있다.

기술적 혁신 발생 전후의 보다 장기적인 데이터를 분석한 결과도 있다. 2017년을 중심으로 앞서 5년 기간과 이후 2024년까지 7년 기간 사이의 미국 소프트웨어 투자가 경제에 미친 영향을 비교한 결과 기업의 소프트웨어 생산 능력 향상과 다른 산업 분야에서 소프트웨어를 사용하는 효과 두 가지가 해당 기간 생산성 증가분의 절반에 달하는 기여를 한 것으로 나타났다.^[9]

그림 4. 생산성 증가와 소프트웨어의 기여

출처: Filippo Bontadini et al.(2025 Oct), 딜로이트 인사이트

분석가들은 AI가 범용기술(General-Purpose Technology; GPT)이자 혁신 방법의 혁신(innovation in the method of innovation; IMI)이라는 가정 하에 미국 생산성 통계에 이미 AI의 영향이 확인되었다고 한다. 소프트웨어 및 소프트웨어 연구개발의 생산 및 사용 효과는 2017년부터 2024년까지 미국 비농업부문 노동생산성 평균 증가율 2%의 절반을, 또한 이 기간 증가율이 2012년부터 2017년 기간 대비로 1.2%포인트 가속화된 부분의 약 절반 이상을 각각 차지했다. 이들은 AI가 노동생산성 향상에 장기적으로 기여하는 바를 계산한 결과, 미국에서는 연간 노동생산성 증가율을 최대 1% 포인트, 유럽에서는 약 0.3%포인트 높일 것으로 추정했다.^[10]

그림 5. 범용기술(GPT)과 발명 방법의 발명(IMI) 

출처: Filippo Bontadini et al.(2025 Oct), 딜로이트 인사이트

참고로 AI는 2017년이 ‘기술적 전환점’으로 포착되는데, 당시 딥러닝 분야의 유명한 논문 “Attention Is All You Need”가 머신러닝에 트랜스포머 아키텍처를 도입하여 생성형 AI를 획기적으로 발전시킨 것으로 평가된다. 현대의 유명 생성형 AI모델은 거의 모두 트랜스포머 디코더 구조를 기반으로 제작된 언어 모델이다. 단백질 구조분석 AI 프로그램인 로제타폴드, AI 번역기와 같은 서비스의 성능이 비약적으로 향상된 것도 트랜스포머 모델의 등장이 기점이다. 

AI에 대한 과소평가 문제

이처럼 AI가 생산성 향상에 이미 상당히 큰 기여를 하고 있다는 분석이 나오는 와중에, 과소평가되고 있는 AI 투자와 데이터 활용을 국가 통계에 통합하자는 의견이 제기된다.^[11]

AI를 범용기술로 보고 무형자산 투자의 효과가 뒤늦게 반영된다는 이른바 ‘J커브’론을 제시했던 에릭 브린욜프슨 등은 무형자본을 고려하지 않으면 경기순환 거시경제모형에서 국내총생산(GDP)을 과소평가하게 된다면서, 생성형 AI의 등장으로 이러한 우려는 더욱 심각하다고 지적했다.^[12]

그림 6. 경제 측정 오차 J-커브(새로운 종류의 자본 축적)

출처: E. Brynjolfsson(2017), 딜로이트 인사이트

AI가 경제에 미치는 영향이 과소평가되는 것은 무엇보다 이것이 무형자본 형태로 국가 회계에서 투자가 아닌 일반 비용으로 기록되기 때문이다. 이것이 J커브 현상의 배경이 된다. 또한 투자 및 산출로 인식되는 AI 지출도 가격 및 수량 측면에서 제대로 측정되지 않는 경우가 많고, 디지털 서비스가 창출하는 가치의 상당 부분이 가격이 책정된 시장 거래를 거치지 않기 때문에 기존 회계 방식으로 포착되지 않는다.

이러한 문제점을 극복하기 위한 방안으로 브린욜프슨 등은 단기적으로는 공급자 데이터를 활용하여 경제 전반에 걸친 AI 사용 현황을 시의적절하게 파악할 수 있는 '생성형 AI 집중도 지수'를 개발하고, 중기적으로는 AI 투입 요소, AI 제공 서비스, 생산과정 및 노동시장의 변화, 가계 비시장 생산에 미치는 영향까지 포괄적인 AI 가치사슬 프레임워크에 맞춰 국가계정 시스템을 개혁하자고 제안했다.