제이미 다이먼이 말한 AI의 현실: JP모건의 도입, 일자리 변화, 인프라 병목

다보스 발언에서도 같은 흐름이 보인다. 다이먼은 재무, 인사, 운영 등 각 기능에서 팀들이 기술과 AI로 무엇을 개선하고 있는지 묻는다고 설명했다. JP모건의 회사 업데이트 역시 기술 플랫폼이 회사 전반의 혁신과 효율성을 계속 이끌고 있다고 밝혔다.

기대 효과: 생산성, 비용 절감, 더 빠른 운영 판단

가장 분명한 단기 효과는 효율성과 생산성이다. 다이먼은 JP모건의 AI 지출이 이미 비슷한 수준의 연간 절감 효과와 맞물려 있다고 말했고, 더 큰 비용 절감 기회는 아직 “빙산의 일각”이라고 표현했다.

최근 주주서한 관련 보도에 따르면 다이먼은 AI가 은행 운영의 거의 모든 부분에 영향을 미치고 생산성을 높이지만, 일부 일자리는 없앨 수 있다고 봤다. 또 다른 요약 보도는 AI가 고객 서비스와 내부 직원 시스템 모두에 영향을 줄 것이라고 전했다.

즉 다이먼의 관점은 단순한 홍보가 아니다. AI가 은행 업무의 경제성과 속도를 바꿀 수 있지만, 그 이익은 실제 업무 절차, 팀 구성, 역할 변화가 동반될 때 나타난다는 쪽에 가깝다.

일자리 변화: 보조 도구만은 아니다

다이먼은 AI가 모든 직원을 그저 편하게 도와주는 도구라고만 말하지 않는다. 2026년 2월 한 보도는 JP모건이 자동화로 역할이 대체되는 직원들을 위해 대규모 재배치 계획을 시작했으며, 전체 인원은 약 31만8,500명 수준으로 유지하면서 운영 부문 역할은 4%, 지원 기능은 2% 줄였다고 전했다.

다보스에서 다이먼은 AI가 사회가 감당하기엔 너무 빠르게 움직일 수 있다고 경고했고, 정부와 기업이 함께 사람들을 재교육할 방법을 마련해야 한다고 말했다.

따라서 현재 자료로 확인되는 결론은 이렇다. 다이먼은 AI가 업무를 바꾸고, 일부 과업이나 직무를 없애며, 대규모 재교육과 역할 이동을 필요로 한다고 본다. 다만 제공된 자료만으로는 AI 때문에 JP모건에서 정확히 몇 명이 감원될지 검증할 수 없다.

AI 붐의 다음 병목: 코드가 아니라 물리 인프라

AI 경쟁은 더 좋은 모델과 더 빠른 반도체만의 문제가 아니다. 골드만삭스는 AI 인프라 지출이 2026년 약 7,650억 달러, 2031년 1조6,000억 달러에 이를 수 있으며, 2026~2031년 컴퓨팅·데이터센터·에너지 분야 누적 투자액이 약 7조6,000억 달러에 달할 수 있다고 추정했다.

이 숫자가 말하는 것은 분명하다. AI는 이제 화면 속 소프트웨어 경쟁이 아니라 전력, 냉각, 서버랙, 네트워크, 장비 납기까지 포함한 산업 인프라 경쟁이 됐다.

1. 전력과 전력망 접속

가장 눈에 띄는 병목은 전력이다. 골드만삭스 보고서는 약 47GW의 추가 발전 용량이 필요할 것으로 추정했고, 새 프로젝트를 전력망에 연결하는 과정에서 긴 접속 대기열이 여전히 문제라고 지적했다.

딜로이트도 미국 AI 데이터센터 전력 수요가 2024년 4GW에서 2035년 123GW로 늘어날 수 있다고 추정했다. 또 미국 전력회사와 데이터센터 임원 대상 조사에서 전력망 스트레스가 데이터센터 인프라 개발의 가장 큰 과제로 꼽혔다고 밝혔다.

2. 데이터센터는 서버실이 아니라 전기·열 시스템

AI 데이터센터는 서버를 많이 꽂아둔 방이 아니다. 골드만삭스는 AI 데이터센터를 초고밀도 서버를 중심으로 한 통합 전기·열 시스템으로 봐야 한다고 설명했다. 맥킨지도 AI가 데이터센터를 고밀도 워크로드를 지원하는 전력·열 통합 시스템으로 바꾸고 있다고 분석했다.

맥킨지는 또 데이터센터 가치사슬에서 납기가 긴 핵심 부품을 산업 장비 공급업체들이 얼마나 생산할 수 있는지가 중요한 성장 제약으로 떠오르고 있다고 봤다.

3. 냉각: 공기만으로는 버티기 어렵다

냉각은 더 이상 부수 장치가 아니다. WEF는 과거 수백 개 GPU로 운영되던 AI 클러스터가 이제 수만 개 GPU를 요구하며, 병목이 실리콘뿐 아니라 열, 전력, 연결성, 메모리로 옮겨가고 있다고 지적했다.

특히 GPU가 최대 부하로 작동할 때 발생하는 열 밀도는 기존 공랭 방식으로 감당하기 어려워지고 있다. WEF는 액체 냉각, 침지 냉각, 새로운 열 설계가 실험 단계가 아니라 필수 기본 요건으로 이동했다고 설명했다.

4. 네트워킹과 광섬유

대형 AI 클러스터는 수많은 가속기와 시스템을 빠르고 안정적으로 연결해야 한다. 제공된 자료에서 가장 강하게 확인되는 것은 개별 광섬유 부족이라기보다 더 넓은 네트워킹·연결성 병목이다. WEF는 AI 클러스터 확장을 늦추는 제약 중 하나로 연결성을 꼽았고, 다른 보도는 병목이 실리콘에서 고속 연결성과 에너지 공급 자체로 이동하고 있다고 설명했다.

따라서 광섬유는 AI 인프라의 중요한 연결망 구성 요소로 볼 수 있지만, 이 자료들만으로 광섬유만의 독립적인 부족 규모를 수치로 확인하기는 어렵다.

5. 원자재와 장비 공급망

원자재 이슈도 결국 장비와 부품 공급망을 통해 나타난다. 맥킨지는 데이터센터 가치사슬에서 납기가 긴 핵심 부품이 성장 제약이 될 수 있다고 봤고, WEF는 데이터센터 투자 상당 부분이 냉각, 발전, 인접 하드웨어에 들어간다고 설명했다.

다만 제공된 자료는 특정 원자재를 병목 1순위로 지목하거나, 어떤 금속·부품이 가장 부족한지 정량적으로 순위를 매기지는 않는다. 안전한 결론은 원자재가 하드웨어 공급망을 통해 중요해질 수 있지만, 현재 확인되는 핵심 병목은 전력, 냉각, 연결성, 장기 납기 장비라는 것이다.

결론: AI의 속도는 데이터센터 밖에서 결정될 수 있다

다이먼의 AI 메시지는 미래의 돌파구를 기다리자는 말이 아니다. JP모건은 이미 AI를 핵심 은행 기능에 적용하고 있고, 막대한 기술 예산을 배정하며, 자동화가 직무를 바꾸는 영역에서는 인력 재배치를 준비하고 있다.

하지만 AI 붐의 반대쪽에는 훨씬 느리게 늘어나는 물리적 제약이 있다. 전기, 전력망 접속, 고밀도 데이터센터, 냉각, 네트워킹, 납기가 긴 장비가 그것이다. 소프트웨어가 계속 빨라져도 실제 도입 속도는 결국 전력과 인프라가 얼마나 따라오느냐에 달릴 수 있다.