Largest single day drawdowns for $IBM Oct 19th, 1987 -23.5% Oct 18th, 2000 -15.5% Oct 21st 1999 -15% Today -12.9% 몇개의 모델이 생태계 교란/파괴 >> 이렇게 변화하고 진화 2028년 시나리오 https://m.blog.naver.com/kk_kontemp/224192678884
2028년 시나리오 : 네이버 블로그 현재 X(구 트위터)에서 화제가 되고 있는 포스트의 링크와, 이를 LLM으로 요약한 핵심 내용을 공유 특...
2028년 시나리오 2026. 2. 23. 14:29 현재 X(구 트위터)에서 화제가 되고 있는 포스트의 링크와, 이를 LLM으로 요약한 핵심 내용을 공유 특정 시점에 대한 확정적 예언이라기보다, 다가올 미래 사회의 모습을 다각도로 상상해보고 고민해볼 만한 시나리오로 참고하면 좋을듯 하여 공유 편향된 시각에 매몰되지 않도록, 낙관론과 신중론을 모두 아우르는 반대 급부의 시나리오도 함께 덧붙임 2028 Global Intelligence Crisis (https://www.citriniresearch.com/p/2028gic) 2028 Global Intelligence Boom (https://x.com/michaelxbloch/status/2025712344123236418?s=20) 1. Global Intelligence Crisis 한 줄 요약: AI가 인간 노동을 빠르게 대체하면서 ‘생산(=GDP)·이익’은 늘지만 ‘소비·소득’이 말라서, 실물→금융으로 번지는 디플레/신용 위기가 온다는 시나리오. 1) 위기의 큰 구조: “풍요로운 지능”이 만든 역설 기업들은 AI로 인건비를 줄여 마진↑, 이익↑ → 그 이익이 다시 AI 컴퓨트 투자로 들어감. 하지만 노동(특히 화이트칼라)의 소득이 무너지면 소비가 줄고(미국 GDP의 큰 비중) 경제가 약해짐. 그래서 국민계정엔 생산이 잡히는데(‘Ghost GDP’), 가계로 돈이 안 돌아 실물 체감은 악화. 결국 글이 말하는 핵심 고리는 이거: AI 성능↑ → 해고↑ → 소비↓ → 매출/마진 압박 → AI 투자↑ → AI 성능↑ → 자연 브레이크가 없는 음의 피드백 루프(인간 대체 스파이럴). 2) 시작점: 2025~26 “에이전트 코딩” 점프 → SaaS 붕괴 2025년 말, agentic coding 도구가 “계단식”으로 좋아져서, 개발자+AI로 중급 SaaS 기능을 몇 주 만에 복제 가능해짐. 2026년 기업 구매 담당자들이 “그럼 우리 그냥 직접 만들면?”을 진지하게 묻기 시작. 갱신 협상에서 가격 인하 압박이 커지고, 차별화가 무너져 가격 경쟁(레이스 투 더 바텀). ServiceNow 사례처럼, 고객사가 인력 15% 줄이면 좌석 기반 매출도 기계적으로 15% 줄어드는 식으로 SaaS의 연결고리가 드러남. 결론: AI에 위협받는 기업일수록 살아남으려고 AI를 가장 공격적으로 도입 → 집단적으로는 재앙. 3) 2027: “마찰(friction) = 0” → 중개/수수료 산업 붕괴 오픈소스/온디바이스 모델로 소비자 에이전트가 상시 백그라운드에서 최적화를 돌림. 사람의 “귀찮음/관성/브랜드 습관” 위에 세워진 산업(구독, 보험 갱신, 여행 예약, 세무/법무, 금융자문, 부동산 중개 등)이 타격. DoorDash 같은 플랫폼은 경쟁 앱이 쉽게 생기고(개발비용↓), 에이전트가 매번 최저 수수료를 찾아 습관적 앱 충성도가 사라져 마진이 붕괴. 더 크게는 결제에서 에이전트가 카드 수수료(2~3%)를 회피하려고 스테이블코인/체인 결제로 라우팅 → 카드·카드발급사 모델이 흔들림. 4) “섹터 리스크”에서 “시스템 리스크”로 2026엔 시장이 “소프트웨어/컨설팅만 맞는 얘기”로 봤지만, 글의 주장: 미국은 화이트칼라 서비스 경제라서 화이트칼라가 고소득·고소비의 핵심이고, 이쪽이 무너지면 소비가 크게 꺼짐. 실직자들은 서비스/긱으로 내려오고, 거기서도 임금 압박 → 경제 전반의 임금 압축. 5) 인도(India) 파트: “AI가 만든 글로벌 서비스 쇼크” 글에서 인도는 “AI 인프라에 볼록(convex)”한 나라(대만·한국)와 반대로 가장 취약한 나라로 나온다. 인도 경제의 중요한 축은 IT 서비스 수출(미국·유럽 기업에 개발/운영/컨설팅 제공)인데, 기존 모델의 핵심 경쟁력은 “인도 개발자가 미국보다 싸다”였음. 그런데 AI 코딩 에이전트의 한계비용이 사실상 전기료 수준으로 떨어지면, “인도 인력의 저임금 우위” 자체가 무력화된다. 그 결과: TCS, Infosys, Wipro 같은 대형 IT 서비스 기업에 계약 취소가 가속 인도의 서비스수지 흑자(경상수지 방어막)가 약해짐 서비스 흑자가 사라지면, 인도가 원래 갖고 있던 상품무역 적자를 메우기 어려워져 외환시장이 흔들린다. 시나리오에선 루피가 급락하고, IMF가 “preliminary discussions”를 시작할 정도로 외부 균형이 악화된다. 정리하면: 인도는 “AI가 미국 일자리를 뺏는다” 수준이 아니라, 글로벌 오프쇼어링 서비스 산업 자체가 축소되면서 환율·대외건전성으로 전이되는 국가 리스크가 된다는 설정이야. 6) 금융으로 전이 1: 프라이빗 크레딧(특히 SaaS LBO) 디폴트 “ARR은 반복된다”는 가정으로 레버리지 걸어 산 PE 소프트웨어 딜들이, AI 자동화로 ARR이 흔들리며 2027 디폴트로 번짐(예: Zendesk 같은 상징적 사례). 더 위험한 포인트: 프라이빗 크레딧의 “영구자본(permanent capital)”이 사실상 대체운용사들이 인수한 생명보험/연금(annuity) 자금과 엮여 있음. 규제당국이 RBC(자본규제) 강화를 시사하면 보험사는 자본확충 or 자산매각 압박을 받는데, 시장이 안 좋은 상태에선 그 자체가 강제 디레버리징 트리거가 됨. 게다가 역외 재보험/스푸 구조로 누가 손실을 떠안는지 불투명 → 공포가 증폭. 7) 금융으로 전이 2: “프라임 모기지도 안전한가?” 질문 핵심 문제는 모기지 언더라이팅의 전제(30년 동안 소득 유지)가 흔들린다는 것. 이번엔 2008처럼 “처음부터 부실 대출”이 아니라, 대출은 좋았는데 세상이 바뀌어서 상환 능력이 구조적으로 나빠지는 그림. 고소득층은 초기엔 저축으로 버티지만, HELOC·401(k) 인출·카드 부채 증가 같은 “보이지 않는 스트레스”가 쌓이고, 특정 테크/금융 도시에서 연체가 먼저 튀기 시작. 8) 정책 딜레마: 정부도 “재원 기반”이 무너짐 정부 세수는 기본적으로 사람의 노동/임금에 과세하는 구조인데, 노동소득 비중이 급락하면 세수↓, 동시에 실업/이전지출 지출↑. 제안되는 해법(시나리오 속): 실직자 직접 지원(Transi
![[og_2028년_시나리오_네이버_블로그.jpg]]
출처: https://t.me/kkkontemp/2171