머니포렌식

9월 28, 2026

비용이 반씩 떨어지는데 오히려 더 많이 쓰게 된다면, 뭔가 이상하게 느껴지시죠? 직관적으로는 "싸지면 덜 필요하겠지"라고 생각하게 되는데, 실제로는 정반대가 벌어지는 경우가 있거든요. 지금 AI 인프라 시장에서 딱 그 일이 일어나고 있어요.

AI 추론 비용이 급격히 내려가고 있는데, 메모리와 전력 수요는 오히려 폭증하고 있다는 이야기가 들려옵니다. 이 역설을 이해하는 열쇠가 바로 제본스 역설이라는 개념이에요. 150년 전 석탄 이야기에서 나온 이 아이디어가, 지금 AI 인프라를 읽는 가장 중요한 렌즈 중 하나가 됐습니다.

제본스 역설이란 무엇인가

1865년 영국의 경제학자 윌리엄 스탠리 제본스는 흥미로운 관찰을 기록했어요. 증기 기관의 효율이 높아지면 석탄 소비가 줄어들 것 같지만, 실제로는 반대였다는 거죠. 기관이 효율적으로 바뀌자 사람들이 증기 기관을 훨씬 더 많이, 더 다양한 곳에 갖다 쓰기 시작했고, 석탄 전체 소비량은 오히려 늘어났습니다.

핵심 논리는 이렇습니다.

효율이 오르면 단위 비용이 내려가고, 단위 비용이 내려가면 사용량이 폭발적으로 늘어나서 총소비가 증가한다.

이걸 경제학에서는 리바운드 효과라고도 부르는데요, 절약이 절약으로 끝나지 않고 새로운 수요를 만들어낸다는 점이 핵심이에요.

AI 추론 비용에서 같은 일이 벌어지고 있다

AI 추론 비용은 최근 수년간 연간 약 12.7배씩 내려왔다고 알려져 있어요. 놀라운 속도죠. 그렇다면 GPU 수요가 줄어야 할 것 같은데, 실제로는 그렇지 않습니다.

왜냐하면 비용이 싸질수록 AI를 쓰는 방식 자체가 달라지기 때문이에요.

초기에 AI는 단순 질문-답변 형태였어요. 그런데 비용이 낮아지자 '에이전트' 방식이 등장했습니다. 에이전트는 한 번 질문하고 끝내는 게 아니라, 스스로 계획을 세우고 여러 단계를 반복하면서 복잡한 작업을 처리해요. 작업 하나를 처리하는 데 소비하는 토큰 수와 KV캐시(이전 대화 맥락을 저장하는 메모리)가 기존 방식 대비 최대 10배까지 늘어난다고 해요.

KV캐시가 왜 중요한가

여기서 잠깐 KV캐시 개념을 짚고 넘어갈게요. AI가 긴 대화나 복잡한 작업을 처리할 때, 이전 맥락을 매번 다시 계산하면 엄청나게 비효율적이에요. 그래서 중간 계산 결과를 메모리에 저장해 두는데, 이걸 KV캐시(Key-Value Cache)라고 합니다.

에이전트가 복잡해질수록 이 캐시의 크기가 커지고, 더 오래 유지돼야 해요.

구분	단순 챗봇	에이전트형 AI
작업 방식	질문 1회 → 답변 1회	다단계 계획·실행·반복
토큰 소비	상대적으로 적음	작업당 최대 10배
KV캐시 필요량	소량, 단기	대량, 장기 유지
메모리 요구	낮음	높음
전력 소비	낮음	높음

단위 비용은 내려갔지만, 작업당 소비하는 자원의 규모가 커지니까 전체 인프라 수요는 오히려 올라가는 구조예요.

어디서 이 원리가 확인되는가

추상적인 논리처럼 들릴 수 있는데, 시장에서 이걸 뒷받침하는 신호들이 나오고 있어요.

에이전트 확산 — AI가 단순 답변을 넘어 복잡한 작업을 스스로 처리하는 방향으로 진화하고 있어요. 이 과정에서 소비되는 연산량이 급격히 늘어납니다.
인프라 계약 증가 — 대규모 AI 서비스 기업들이 엣지 네트워크·데이터센터 인프라 기업과 장기 공급 계약을 맺는 사례가 늘고 있어요. 수요가 단기적이 아닌 구조적이라는 신호로 읽히죠.
메모리 수요 — 고대역폭 메모리(HBM) 관련 기업들의 실적 가이던스에서 수요 급증이 언급되는 건, KV캐시와 에이전트 연산 수요가 현실로 나타나고 있다는 의미예요.

이 개념을 알면 뭘 다르게 볼 수 있을까

제본스 역설을 모르면 "AI 추론 비용이 내려가고 있으니 관련 인프라 수요도 꺾이겠구나"라고 생각하기 쉬워요. 하지만 실제로는 단위 비용 하락이 사용량 폭발을 만들어내는 구조거든요.

이 원리는 비단 AI에만 적용되는 게 아니에요. 전력망, 반도체, 냉각 시스템 같은 AI 인프라 전반에 걸쳐 반복해서 나타나는 패턴이에요. 어떤 기술의 효율이 올라가는 뉴스를 볼 때, "그래서 총수요는 늘어나는가, 줄어드는가?"를 한 번 더 물어보는 습관이 생기면 훨씬 다층적으로 읽을 수 있게 돼요.

기술이 싸질수록 더 많이 쓰게 되고, 더 많이 쓸수록 인프라 수요는 오히려 커진다 — 이것이 AI 시대에 되살아난 제본스의 역설이다.

참고

본 글은 BLSH IN 리서치 자료를 바탕으로 개념을 정리한 것입니다.

본 콘텐츠는 정보 제공을 목적으로 하며, 특정 자산의 매수 또는 매도를 권유하지 않습니다.
투자 판단과 그 결과에 대한 책임은 투자자 본인에게 있습니다.

이 블로그 검색