https://www.aieconlab.com/categories/ai_%EB%B6%84%EC%84%9D/Recent content in AI_분석 on AIEconLabHugo -- gohugo.ioko-KRSat, 01 Aug 2026 23:30:00 +0900https://www.aieconlab.com/post/trend17_super_week_receipts/Sat, 01 Aug 2026 23:30:00 +0900https://www.aieconlab.com/post/trend17_super_week_receipts/2026년 7월 29일과 30일 이틀 사이에 다섯 개의 발표가 있었습니다. 그런데 그 발표들이 내놓은 숫자는 같은 규모를 재지 않습니다. 기업이 공시하는 설비투자, 공급자의 평균판매가격, 국민계정의 실질투자는 서로 다른 질문에 답합니다. 2026년 2분기 미국 정보처리장비 투자는 전 분기 대비 연율로 명목 22.https://www.aieconlab.com/post/ai-diagnosis/Tue, 28 Jul 2026 08:00:00 +0900https://www.aieconlab.com/post/ai-diagnosis/개발자들은 19% 느려졌는데 20% 빨라졌다고 믿었고, 기업 AI 파일럿의 실패율은 80%에 이릅니다. 그런데 범인은 대개 모델이 아닙니다. 입력·맥락·검색·추론·실행 다섯 구역으로 고장 지점을 나누고, 증상에서 출발해 원인을 짚어가는 진단 지도 — 그리고 그 뒤에 있는 2025~2026년의 연구들.https://www.aieconlab.com/post/trend16_intelligence_price/Tue, 28 Jul 2026 07:00:00 +0900https://www.aieconlab.com/post/trend16_intelligence_price/2026년 7월 28일 기준, 이 글이 비교한 주요 모델 15종의 출력 100만 토큰당 공식 단가는 0.28달러부터 50달러까지 약 180배로 갈라져 있고, 이 글이 추적한 7월 출시 목록에서 직전 동급과 견줄 수 있는 8개를 같은 무게로 세면 동결 2개·인상 5개·인하 1개였습니다.https://www.aieconlab.com/post/analysis_entry_seniorization/Thu, 23 Jul 2026 14:00:00 +0900https://www.aieconlab.com/post/analysis_entry_seniorization/“AI가 신입 일자리를 없앤다”는 문장과 “AI의 노동시장 효과는 아직 미미하다”는 문장이 요즘 같은 주에 나란히 보도됩니다. 둘 다 근거가 있는 문장입니다. 이번 글은 이 두 문장 사이에서 제3의 질문을 다룹니다. 일자리가 사라지는 것이 아니라, 첫 계단의 높이가 달라지고 있는가. 채용공고 데이터가 포착한 ‘시니어화(seniorisation)’ 현상을 정의하고, 뉴욕 연은이 공개한 미국 실업률 시계열로 역전의 지속 기간을 직접 계산하고, 한국은행이 국민연금 자료로 수행한 분석을 비판적으로 읽은 뒤, 신입 채용 축소가 몇 년 뒤 무엇을 남기는지 간단한 산수로 확인합니다.https://www.aieconlab.com/post/column4_central_banks_ai/Tue, 21 Jul 2026 09:00:00 +0900https://www.aieconlab.com/post/column4_central_banks_ai/6월 29일부터 7월 1일까지 포르투갈 신트라에서 열린 ECB 중앙은행 포럼(ECB Forum on Central Banking)의 프로그램에는 AI와 금융안정에 관한 패널, 그리고 OpenAI 수석이코노미스트와 ECB 수석이코노미스트의 대담이 나란히 올랐습니다(ECB 2026). 마지막 날 정책 패널에서 취임 약 6주 차의 케빈 워시(Kevin Warsh) 연준 의장은 물가 안정이 중앙은행들 공통의 책무라는 말로 운을 뗀 뒤 이렇게 말했습니다.https://www.aieconlab.com/post/analysis_productivity_paradox/Sun, 19 Jul 2026 09:00:00 +0900https://www.aieconlab.com/post/analysis_productivity_paradox/지난 6월 8일 한국은행 조사국 고용연구팀이 BOK 이슈노트 제2026-12호 ‘AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석’을 발표했습니다(서동현·오삼일·윤종원). 결론을 한 문장으로 줄이면 이렇습니다. 지난주 업무 목적으로 생성형 AI를 사용한 국내 근로자들은 업무시간이 평균 3.8%(주 40시간 기준 약 1.5시간으로 환산) 줄었다고 보고하지만, 시간을 아꼈다고 보고한 정도와 업무처리량이 늘었다고 보고한 정도 사이에서 평균적인 양(+)의 선형 관계는 관찰되지 않았습니다.https://www.aieconlab.com/post/analysis_ai_adoption_speed/Fri, 17 Jul 2026 09:30:00 +0900https://www.aieconlab.com/post/analysis_ai_adoption_speed/7월 13일 ‘지금 행동해야 한다(We Must Act Now)’라는 제목의 공동성명이 발표되었습니다. 노벨 경제학상 수상자 16인을 포함해 경제학자와 AI 연구자 200여 명이 서명했습니다. 대런 애스모글루, 조지프 스티글리츠, 마이클 스펜스, 폴 크루그먼, 벤 버냉키 같은 경제학자들과 요슈아 벤지오, 얀 르쿤 같은 AI 연구자들의 이름이 나란히 올랐고, 에릭 브린욜프슨, 아자이 아그라왈, 앤턴 코리넥, 톰 커닝햄이 조직을 맡았습니다.https://www.aieconlab.com/post/analysis_prediction_vs_causation/Tue, 14 Jul 2026 10:00:00 +0900https://www.aieconlab.com/post/analysis_prediction_vs_causation/3년 전 이 블로그는 AI의 정의와 머신러닝의 분류를 다루면서, 각 방법론을 경제학의 시각으로 해석하는 시리즈를 예고한 바 있습니다. 본 글은 그 시리즈의 세 번째 편으로, 머신러닝의 중심에 있는 지도학습(supervised learning)을 다룹니다. 논의의 출발점은 다음의 명제입니다. 지도학습은 예측의 도구이며, 경제학의 많은 질문은 예측이 아니라 인과의 질문입니다.https://www.aieconlab.com/post/analysis_forecast_errors/Mon, 13 Jul 2026 16:30:00 +0900https://www.aieconlab.com/post/analysis_forecast_errors/지난 글에서 한국의 2026년 1분기 성장률(연율 7.5%)이 IMF의 직전 전망(연 1.8%)을 큰 폭으로 상회했다는 사실을 소개했습니다. 본 글은 그 후속 질문을 다룹니다. 경제 전망의 오차는 어느 정도이며, 어떤 조건에서 커지는가. 논의는 세 부분으로 구성됩니다. 첫째, IMF가 공개하는 역대 전망치 데이터베이스를 이용해 1991년부터 2025년까지 한국 성장률 전망의 오차를 계산합니다.https://www.aieconlab.com/post/ml_category/Sat, 12 Aug 2023 01:00:00 +0900https://www.aieconlab.com/post/ml_category/기계학습 (머신러닝, Machine Learning; ML)의 분류와 경제학적 접근 지난 번의 글에서는 인공지능 (Artificial Intelligence; AI)에 대한 분류와 경제적 개념의 확장을 AI의 정의를 통해 살펴보았습니다. 이번 글에서는 AI 발전의 핵심 요소이며, 사회현상에 대한 경제분석을 가능케 한 기계학습 (Machine Learning; ML) 영역에 대해 논의하고자 합니다.https://www.aieconlab.com/post/econml_ai/Tue, 04 Jul 2023 01:00:00 +0900https://www.aieconlab.com/post/econml_ai/이 포스팅에서는 경제와 머신러닝, 그리고 인공지능 사이의 관계를 명확히 하고 우리가 AI의 시스템을 통해 경제에 대해 어떠한 시각을 가져야하는 지에 대해 이야기를 펼쳐보려고 합니다. ‘빅데이터’라는 한 단어로 정의되는 데이터 혁명은 우리에게 많은 변화를 가져왔습니다. 수많은 변화 중 우리 주위에서 심심치 않게 들리는 ‘인공지능 (AI)’ 혁신 또한 그 첫 시작을 생각해 보면 이 또한 데이터 혁명의 결과라고 할 수 있습니다.