[세종=뉴스핌] 정성훈 경제부장 = #직장인 A씨는 매달 여러 개의 인공지능(AI) 서비스를 구독한다. 자료 정리는 챗GPT에 맡기고, 긴 보고서 분석은 클로드를 활용한다. 해외 자료 검색에는 퍼플렉시티를 쓴다. 회의록 정리, 문서 요약, 이미지 제작, 아이디어 발굴까지 각각의 AI 서비스를 조합한다. 한 달에 나가는 돈은 적지 않지만 A씨는 이를 비용이 아니라 '업무 장비'로 본다.

# 다른 직장인 B씨는 무료 AI만 쓴다. 간단한 검색과 문장 수정, 요약에는 큰 불편이 없다. 그러나 긴 문서를 여러 개 올려 비교하거나, 복잡한 표를 해석하거나, 반복 업무를 자동화하려 하면 한계에 부딪힌다. 답변 횟수, 파일 처리, 모델 성능, 속도, 고급 기능에서 차이가 난다.

두 사람은 모두 AI를 쓴다. 그러나 같은 AI 시대를 살고 있다고 해서 같은 생산성을 얻는 것은 아니다.

AI 시대의 디지털 양극화는 여기서 시작된다. 과거 디지털 격차가 인터넷 접속, 스마트폰 보유, 키오스크 사용 능력의 차이였다면 이제 격차의 기준은 달라졌다. 핵심은 AI에 접속할 수 있느냐가 아니다. 더 좋은 AI를 쓸 비용을 감당할 수 있느냐, AI가 내놓은 답을 검증할 수 있느냐, 여러 AI 도구를 업무 흐름에 맞게 조합할 수 있느냐이다.

문제는 AI를 쓰느냐가 아니라, AI를 생산성으로 바꿀 수 있느냐다.

생성형 AI는 겉으로 보면 가장 평등한 기술처럼 보인다. 누구나 계정을 만들 수 있고, 누구나 질문을 던질 수 있다. 스마트폰만 있으면 보고서 초안, 이메일 문안, 번역, 요약, 아이디어 정리까지 가능하다.

하지만 실제 업무 현장에서는 무료 AI와 유료 AI의 차이가 빠르게 드러난다. 무료 서비스는 입문에는 충분하지만, 고강도 업무에는 제약이 많다. 더 긴 문서, 더 많은 파일, 더 높은 추론 성능, 더 빠른 처리 속도, 더 안정적인 접속, 더 깊은 리서치, 코드 작성, 이미지 생성, 데이터 분석 기능은 대부분 유료 플랜에서 강화된다.

오픈AI(OpenAI)의 ChatGPT 가격 체계만 봐도 무료, 고(Go), 플러스(Plus), 프로(Pro), 비즈니스(Business), 엔터프라이즈(Enterprise)로 층위가 나뉜다. 공식 가격 페이지는 무료 플랜이 제한된 메시지와 업로드, 제한된 메모리와 컨텍스트를 제공하는 반면, Plus는 고급 추론과 확장된 리서치·에이전트 기능을, Pro는 더 많은 사용량과 고급 연구·코딩 기능을 제공한다고 설명한다. 기업용 Business는 사용자당 월 단위 과금 구조이며, 회사 지식과 업무도구 연결, 중앙 관리, 보안 기능을 포함한다.

앤트로픽(Anthropic)의 클로드(Claude)도 개인·팀·엔터프라이즈 플랜으로 나뉘고, API는 모델별 입력·출력 토큰 가격이 다르다. Claude 가격 페이지는 오퍼스(Opus), 소넷(Sonnet), 하이쿠(Haiku) 등 모델별로 토큰 단가가 다르고, 웹검색·코드 실행 등 부가 기능도 별도 비용 구조를 갖는다고 밝히고 있다.

퍼플렉시티(Perplexity) 역시 개인용 Pro, Enterprise Pro, Enterprise Max 등으로 플랜을 구분한다. 공식 가격 페이지에 따르면 Enterprise Pro는 팀 파일과 업무 앱 검색, 보안, 사용자 관리 기능을 제공하고, Enterprise Max는 더 고급 추론 모델, 대규모 딥리서치, 큰 데이터셋 처리, 응답 비교 기능 등을 포함한다.

이 차이는 단순한 편의 차이가 아니다. 지식노동자에게는 생산수단의 차이다.

과거 사무직의 생산성은 주로 경력, 집중력, 야근, 자료 접근성, 인맥에서 갈렸다. 이제는 여기에 AI 구독료가 붙는다. 고성능 AI를 여러 개 조합해 쓰는 사람은 하루에 처리할 수 있는 정보량, 초안 작성 속도, 비교 분석 깊이, 그래픽 기획 능력에서 앞서간다. 무료 도구만 쓰는 사람은 AI 시대에 들어왔지만, 고속도로가 아니라 일반도로를 달리는 셈이다.

이 흐름을 '지능 구독세'라고 부를 수 있다. 법적 세금은 아니지만, AI 시대에 일정 수준 이상의 지적 생산성을 유지하기 위해 사실상 매달 부담해야 하는 비용이라는 의미다.

직장인이 업무용 AI 환경을 제대로 갖추려면 하나의 서비스만으로는 부족하다. 범용 생성형 AI, 검색형 AI, 회의록 정리 도구, 문서관리 도구, 이미지·영상 제작 도구, 자동화 도구, 클라우드 저장공간이 결합된다. 각 서비스는 월 구독료를 요구한다. 개인이 부담하면 자기계발비가 되고, 회사가 부담하면 새로운 IT 비용이 된다.

여기서 격차가 생긴다.

첫째, 개인 간 격차다. 경제적 여력이 있는 사람은 여러 AI 서비스를 동시에 구독하고 자신의 업무 스타일에 맞는 조합을 만든다. 반면 비용 부담이 큰 사람은 무료 서비스나 낮은 요금제에 머문다.

둘째, 조직 내 격차다. 회사가 AI 구독료를 지원하는 부서와 그렇지 않은 부서의 생산성이 달라질 수 있다. 같은 회사 안에서도 기획, 개발, 마케팅, 연구, 영업, 관리 부서별 AI 접근권이 다르면 산출물 격차가 생긴다.

셋째, 기업 간 격차다. 대기업은 사내 보안형 AI, 업무도구 연동, 전사 교육, 데이터 인프라를 갖출 수 있다. 중소기업은 개별 직원의 유료 계정이나 무료 AI 활용에 의존할 가능성이 크다.

지능 구독세가 무서운 이유는 한 번의 비용으로 끝나지 않는다는 데 있다. 노트북은 한 번 사면 몇 년을 쓴다. AI는 매달 새로 결제해야 한다. 더 좋은 모델이 나오면 더 높은 요금제로 이동해야 하고, 업무가 복잡해질수록 더 많은 도구가 필요해진다.

AI는 지식을 싸게 만든 것처럼 보이지만, 고급 지능에 대한 접근은 다시 가격표를 달고 있다.

한국의 디지털 격차 통계는 이미 중요한 경고를 보내고 있다. 과학기술정보통신부와 한국지능정보사회진흥원이 발표한 '2025 디지털정보격차 실태조사'에 따르면 디지털 취약계층의 디지털정보화 수준은 일반 국민 대비 77.9%로 나타났다. 전년보다 0.4%포인트(p) 상승하며 개선세를 이어갔다.

하지만 세부 지표를 보면 양상이 다르다. 접근 수준은 96.6%까지 올라왔지만, 역량 수준은 65.9%, 활용 수준은 80.5%에 그쳤다. 통계청 국가지표체계도 디지털정보화 수준을 접근, 역량, 활용의 종합 점수로 설명한다. 여기서 접근은 PC·모바일기기·인터넷 접근 가능 정도, 역량은 기본적 이용 능력, 활용은 양적·질적 이용 정도를 뜻한다.

의미는 분명하다. 한국 사회는 디지털 기기를 보급하는 단계에서는 상당히 진전했다. 그러나 그 기기를 제대로 활용해 생활과 업무의 생산성을 높이는 단계에서는 여전히 격차가 남아 있다.

AI 시대에는 이 격차가 더 커질 수 있다. 스마트폰을 갖고 있는 것과 AI를 제대로 쓰는 것은 다르다. AI 앱을 설치하는 것과 AI 답변을 검증하는 것도 다르다. AI에게 질문하는 것과 AI를 업무 프로세스에 넣어 반복 업무를 줄이는 것은 더 다르다.

기존 디지털 격차가 '접근의 문제'였다면, AI 시대의 격차는 활용의 질과 생산성 전환 능력의 문제다.

AI는 질문에 답하는 도구처럼 보이지만, 실제로는 사용자의 역량을 증폭하는 도구에 가깝다. 기초 자료가 부족한 사람에게는 그럴듯한 일반론을 내놓고, 명확한 맥락과 자료를 제공하는 사람에게는 더 정교한 결과물을 준다.

예를 들어 정부 정책 보고서를 작성한다고 해보자.

초보 사용자는 "AI 디지털 양극화에 대해 정리해줘"라고 묻는다. AI는 일반적인 설명을 내놓는다. 반면 숙련 사용자는 정부 통계, 예산자료, 해외 사례, 산업별 도입률, 현장 인터뷰 메모를 입력한 뒤 "접근 격차와 생산성 격차를 구분하고, 비용 전이 경로와 이해관계자별 영향을 표로 정리한 뒤, 정책 대안을 단기·중기·장기로 나눠달라"고 지시한다.

두 결과물은 다를 수밖에 없다. 차이는 AI가 아니라 사용자가 만든다.

AI는 문장력 격차도 벌린다. 과거에는 글을 잘 쓰는 사람이 유리했다. 이제는 글을 못 쓰는 사람도 AI의 도움을 받아 일정 수준까지 올라올 수 있다. 그러나 상위권에서는 다른 경쟁이 시작된다. 자료를 많이 모으고, 구조를 잘 짜고, 검증을 잘하고, AI에게 단계별로 일을 맡기는 사람이 더 앞서간다. AI가 하위권을 끌어올리는 동시에 상위권의 속도도 더 빠르게 만드는 것이다.

이것이 생산성 격차의 핵심이다. AI는 모두에게 평균을 높여줄 수 있지만, 모두의 순위를 같게 만들지는 않는다. 오히려 AI를 잘 지휘하는 사람과 그렇지 못한 사람 사이의 산출물 격차는 더 커질 수 있다.

지능 구독세는 개인의 지갑에서 끝나지 않는다. 기업 안에서는 성과평가와 임금 격차로 이어질 수 있다.

AI를 적극적으로 활용하는 직원은 보고서 작성 속도를 줄이고, 더 많은 대안을 만들고, 고객 대응 시간을 단축할 수 있다. 회사 입장에서는 같은 임금을 주고 더 많은 산출물을 얻는다. 반대로 AI를 제대로 쓰지 못하는 직원은 이전과 같은 방식으로 일하면서도 상대적으로 느려 보일 수 있다.

문제는 이 평가가 항상 공정하지 않을 수 있다는 점이다. 어떤 직원은 회사가 유료 AI를 지원해준다. 어떤 직원은 개인 돈으로 구독한다. 어떤 직원은 업무상 AI를 쓰기 쉬운 부서에 있다. 어떤 직원은 보안 문제로 AI 사용이 제한된 부서에 있다. 같은 노력의 차이가 아니라, 접근권과 조직 환경의 차이가 성과 차이로 포장될 수 있다.

기업도 마찬가지다. AI 도입에 투자할 수 있는 기업은 업무 속도를 높이고 원가를 낮출 수 있다. 반면 비용 부담 때문에 무료 AI나 범용 서비스에 머무르는 기업은 혁신 속도에서 뒤처진다. AI가 생산성을 높이는 기술이라면, AI 접근권의 차이는 곧 기업 경쟁력의 차이가 된다.

결국 AI의 비용은 개인 구독료, 기업 IT비용, 교육비, 클라우드 비용, 보안 비용, 데이터 정비 비용으로 쪼개져 사회 전체에 전이된다. 이 비용을 감당하는 쪽은 생산성을 얻고, 감당하지 못하는 쪽은 상대적 저생산성의 부담을 안는다.

세계 주요국도 AI를 단순 기술 경쟁으로만 보지 않는다. AI 활용 역량, 인재 재교육, 공공서비스 접근성, 중소기업 도입 지원을 함께 다루고 있다. 한국도 같은 전환점에 있다.

이재명 정부의 123대 국정과제에는 AI 3대 강국 도약, 세계에서 AI를 가장 잘 쓰는 나라 구현, AI 기본사회 실현, 세계 최고 AI 민주정부 실현 등이 포함돼 있다. 이는 AI를 연구개발이나 산업 육성 과제로만 보지 않고, 국가 운영과 국민 생활 전반의 기반으로 삼겠다는 의미다.

하지만 AI 기본사회가 성공하려면 '접속권'만으로는 부족하다. 모든 국민이 AI를 한 번씩 써보는 사회와, 모든 국민이 AI를 통해 삶과 일의 생산성을 높이는 사회는 다르다.

정책의 초점도 바뀌어야 한다. 과거 디지털 포용정책이 기기 보급, 인터넷 교육, 공공앱 사용법 중심이었다면 앞으로는 AI 문해력, AI 답변 검증법, 직무별 AI 활용 교육, 공공형 AI 도구, 중소기업 데이터 정비 지원으로 확장돼야 한다.

AI를 잘 쓰는 나라가 되려면 국민에게 AI 계정을 나눠주는 수준을 넘어야 한다. AI가 만든 답을 검증하고, 업무에 연결하고, 새로운 부가가치를 만드는 능력을 길러야 한다.

AI 양극화를 줄이기 위해 가장 쉬운 정책은 구독료 지원이다. 취약계층, 청년, 소상공인, 중소기업에 AI 이용권을 지원하는 방식이다. 단기적으로는 필요할 수 있다. 그러나 그것만으로는 충분하지 않다.

이유는 분명하다. AI 계정이 있어도 무엇을 물어야 할지 모르면 생산성은 오르지 않는다. 유료 AI를 써도 데이터가 정리돼 있지 않으면 기업 업무에 붙일 수 없다. AI 답변을 받아도 출처와 오류를 검증하지 못하면 오히려 위험이 커진다.

따라서 정책은 세 단계로 설계돼야 한다.

첫째, 기본 접근권이다. 저소득층, 청년 구직자, 소상공인, 중소기업이 일정 수준 이상의 AI 도구를 경험할 수 있도록 해야 한다.

둘째, 활용 역량이다. 단순 프롬프트 교육이 아니라 직무별 AI 워크플로우 교육이 필요하다. 행정, 제조, 유통, 농업, 복지, 금융, 언론, 교육 등 분야별로 반복 업무를 AI와 연결하는 법을 가르쳐야 한다.

셋째, 검증과 책임 체계다. AI 답변의 출처 확인, 개인정보 보호, 보안, 저작권, 오류 대응 원칙을 함께 교육해야 한다. AI가 틀릴 수 있다는 사실을 모르는 사회에서는 AI 활용이 생산성이 아니라 위험으로 바뀔 수 있다.

정부가 해야 할 일은 AI 구독료를 대신 내주는 데 그치지 않는다. 더 중요한 것은 국민과 기업이 AI를 안전하게, 깊게, 생산적으로 쓸 수 있는 기반을 만드는 일이다.

AI는 디지털 기술의 다음 단계다. 그러나 AI가 자동으로 평등을 가져오지는 않는다. 오히려 더 좋은 AI를 구독할 수 있는 사람, AI를 업무 시스템으로 설계할 수 있는 사람, 데이터를 정리해 AI와 연결할 수 있는 기업이 먼저 앞서간다.

디지털 양극화의 기준은 바뀌었다. 이제는 인터넷이 되느냐가 아니라, AI를 통해 얼마나 더 빠르고 깊게 일할 수 있느냐가 핵심이다.

문제는 AI가 유료라는 사실이 아니다. 문제는 고성능 지능이 새로운 생산수단이 됐고, 그 생산수단에 접근하는 비용과 역량이 불균등하게 배분되고 있다는 점이다.

한국이 AI 기본사회를 말하려면 이 격차를 정면으로 봐야 한다. AI를 많이 쓰는 나라가 아니라, AI의 생산성 혜택을 넓게 나누는 나라가 돼야 한다.

■ 한 줄 요약
AI 생산성 격차의 본질은 단순한 이용 여부가 아니라 고성능 지능을 지속적으로 구독할 수 있는 비용과 이를 업무 생산성으로 전환하는 역량의 차이에 있으며, 해법은 AI 접근권을 새로운 생산 인프라로 보고 직무별 활용 교육과 공공형 AI 기반을 함께 구축하는 데 있다.

* [AI로 읽는 경제]는 AI 어시스턴트가 분석한 내용을 바탕으로 기자가 정리한 내용입니다. ChatGPT, Google Gemini, Perplexity, Claude AI 모델이 적용됐습니다. 상단의 'AI MY 뉴스' 로그인을 통해 뉴스핌의 차세대 AI 콘텐츠 서비스를 활용해 보기 바랍니다.

jsh@newspim.com