[논문 리뷰] Abundant Intelligence and Deficient Demand: A Macro-Financial Stress Test of Rapid AI Adoption

Xupeng Chen|arXiv (Cornell University)|2026. 03. 10.

Complex Systems and Time Series Analysis인용 수 0

한 줄 요약

본 논문은 빠른 AI 도입이 분배-계약 불일치, 배치 해체 및 재구성의 동태, 속도 효과, 중개 축소를 통해 거시경제 수축을 동시 또는 촉발할 수 있음을 보이는 거시금융 스트레스 테스트를 형식화한다.

ABSTRACT

We formalize a macro-financial stress test for rapid AI adoption. Rather than a productivity bust or existential risk, we identify a distribution-and-contract mismatch: AI-generated abundance coexists with demand deficiency because economic institutions are anchored to human cognitive scarcity. Three mechanisms formalize this channel. First, a displacement spiral with competing reinstatement effects: each firm's rational decision to substitute AI for labor reduces aggregate labor income, which reduces aggregate demand, accelerating further AI adoption. We derive conditions on the AI capability growth rate, diffusion speed, and reinstatement rate under which the net feedback is self-limiting versus explosive. Second, Ghost GDP: when AI-generated output substitutes for labor-generated output, monetary velocity declines monotonically in the labor share absent compensating transfers, creating a wedge between measured output and consumption-relevant income. Third, intermediation collapse: AI agents that reduce information frictions compress intermediary margins toward pure logistics costs, triggering repricing across SaaS, payments, consulting, insurance, and financial advisory. Because top-quintile earners drive 47--65\% of U.S.\ consumption and face the highest AI exposure, the transmission into private credit (\$2.5 trillion globally) and mortgage markets (\$13 trillion) is disproportionate. We derive eleven testable predictions with explicit falsification conditions. Calibrated simulations disciplined by FRED time series and BLS occupation-level data quantify conditions under which stable adjustment transitions to explosive crisis.

연구 동기 및 목표

• 빠른 AI 도입이 총수요와 금융시장에 분배-계약 불일치를 통해 어떻게 상호작용하는지 형식화한다.
• 배치-재구성의 불꽃( displacement spiral with task reinstatement ), Ghost GDP/velocity 붕괴, 그리고 중개 축소의 세 가지 메커니즘을 개발하여 취약성을 평가한다.
• 실증 가능성, 경험적 근거, 그리고 시뮬레이션을 통해 안정성과 폭발적 위기 체계를 구분하는 검증 가능한 예측을 제공한다.
• 미시적 AI 생산성 효과를 formal framework와 검토 가능한 명제로 연결하여 거시-금융 취약성을 보여준다

제안 방법

• AI가 측정 가능한 작업 세트를 자동화하고 작업 간 CES 집적을 사용하는 작업 기반 생산 프레임워크를 채택한다.
• 도입 역학을 위해 로지스틱 확산 함수로 AI 능력 성장, 확산 속도, 대체 비용을 정의한다.
• 배치 재구성 효과를 가진 배치 스파이럴, Ghost GDP(속도 주도 수요 오측정), 그리고 정보 마찰 축소로 인한 중개 마진 축소의 세 가지 핵심 메커니즘을 제시한다.
• 노동 점유율과 수요의 안정성, 재강화, 또는 폭발적 하락 조건을 식별하는 명제를 도출한다.
• 모형을 FRED 시계열 및 BLS 직업 데이터를 사용해 교정하고 시나리오를 시뮬레이션하여 검증 가능한 예측을 생성한다

Figure 1 : Macro preconditions for the displacement spiral. (a) Labor share (BLS, FRED series PRS85006173) has declined $\sim$ 19% from its 1960 peak. (b) M2 velocity (FRED series M2V) has declined 36% from its 1997 peak, consistent with Proposition 2 . (c) Ghost GDP proxy: divergence between real G

실험 결과

연구 질문

• RQ1 AI 주도 배치 및 재구성이 자가 제한적 동학(self-limiting) 혹은 폭발적 노동 점유율 동학으로 이어지는 조건은 무엇인가?
• RQ2 AI로 인한 산출 대체가 화폐 속도와 측정된 GDP과 소비 관련 소득( Ghost GDP ) 사이의 격차에 어떤 영향을 미치는가?
• RQ3 섹터 전반에서의 중개 마진 축소가 얼마나 발생하며 이것이 거시-금융 전달에 어떻게 상호작용하는가?
• RQ4 소득 1위 계층의 소비 집중이 거시적 충격을 얼마나 증폭시키며 이는 신용 및 주택 시장으로의 전달에 어떠한 영향을 미치는가?
• RQ5 위기를 안정적 조정으로 전환시키는 정책 또는 제도적 대응은 무엇인가?

주요 결과

• 세 가지 메커니즘이 거시적 고통을 생성한다: 재구성 가능성이 있는 배치 스파이럴, Ghost GDP 속도 붕괴, 서비스 부문 전반에 걸친 중개 마진 축소.
• 재구성으로 배치를 상쇄하는 재구성 조건, 안정적 배치 경로, 또는 AI 능력 성장과 재구성 속도에 따라 폭발적 배치를 초래하는 경로를 포괄하는 체제 내 수렴.
• Ghost GDP는 노동 소득 점유율 하락으로 화폐 속도가 감소함을 시사하며, 빠른 AI 전환 시 전통적인 수요 지표를 오도한다.
• 정보 마찰을 줄이는 AI로 인해 중개 마진이 고정 바닥으로 수축되며, SaaS, 결제, 컨설팅과 같은 마찰 주도 부문에서 노출이 더 큼.
• 소비 집중은 최상위 소득 계층의 소비 비중이 크고 AI 노출이 더 커서 신용 및 모기지 시장으로의 전달을 강화하므로 거시적 충격을 증폭시킨다.
• 빠른 AI 도입이 정책 대응 및 적응 속도에 따라 안정적 조정에서 폭발적 위기로 전환될 수 있는 조건을 시뮬레이션으로 제시한다.
• 이 프레임워크는 FRED 및 BLS 데이터의 실증 지표를 바탕으로 11개의 검증 가능한 예측과 조건을 제공한다.

Figure 2 : Occupation-level evidence: AI exposure and wage outcomes. (a) Nominal wage growth (2019–2023) vs. AI exposure ( $\beta=-6.53$ , $p<0.01$ ). (b) Real wage growth after adjusting for 18% CPI inflation. (c) Pre-trend placebo (2015–2019): the significant negative slope ( $\beta=-3.86$ , $p<0.