Dualistic nature of the 4IR: Investigating the economy-wide impacts of the 4IR with a focus on Korean economy using a CGE analysis

Yeongjun Yeo, Won-Sik Hwang, Kiyoon Shin, Chanyoung Hong, Inha Oh, Sungmoon Jung, 이정동 (2025) · Telecommunications Policy 49:102928 · DOI ↗

4차 산업혁명 (4IR) 의 경제 시스템 전반 충격을 한국 경제 대상 동적 연산일반균형 분석 으로 시뮬레이션한 논문. TEMIP (Technology and Economy Modeling for Innovation Policy Assessment) 모형 위에 루틴 편향적 기술 변화 (RBTC) 와 capital-biased technological change 를 multi-level nested CES 함수 으로 내생화하고, 7 개 정책 시나리오 (BAU, DTDIFF, DTDIFFL, DTDIFF10/20, DTDIFF10L/20L) 로 4IR 의 이중성 을 정량 평가. 결론은 4IR 이 GDP 와 생산성을 증대시키지만 동시에 노동시장 양극화 과 소득 불평등 를 심화시키며, 평생 학습 기반 직무 전환이 이 이중성을 완화하는 핵심 정책 레버라는 것.

RQ: 4IR 의 경제 전반 충격은 무엇이고, 이 충격은 어떤 조건 에서 포용적 성장으로 전환되는가?
방법론: 연산일반균형 분석, CES 함수 (multi-level nested), 패널 분석 (탄력성 추정), 31 부문 산업분류, SAM (Social Accounting Matrix)
데이터: World KLEMS database + 통계청 지역별 고용조사 (2008~~2020) + 한국 산업연관표, σ_RLD = 1.23~~2.18, σ_LC = 0.74, σ_KC = 1.00
주요 발견: 4IR 가속 시 GDP · 산업생산 증가, 그러나 routine-biased 자동화로 routinized 노동 실업률 상승 · task premium 확대 · 소득분배 악화. 학습 기반 endogenous 직무 전환 (L-시나리오) 도입 시 모든 효과가 방향 전환 — GDP 추가 상승, routinized 실업률 BAU 이하, task premium 축소, 소득분배 BAU 보다 개선.
시사점: 4IR 정책은 기술 확산 공급정책 + 노동시장 적응성 정책 (vocational training · lifelong learning) 의 패키지로 설계돼야 한다. 정책의 영역이 과학기술·혁신을 넘어 교육·노동·복지로 확장돼야 한다는 통합 진단.

4IR 의 거시경제 충격 채널 (Figure 1). 생산성 향상 (productivity improvements), routine-biased 기술 변화 (RBTC), 소비 변화 (consumption-side changes) 의 세 채널이 산업 · 노동시장 · 가계 부문을 통해 GDP · 분배 · 고용으로 전파되는 경로를 도식화. CGE 가 잡아내야 할 복합 인과 가 한 장에 정리된 frame.

요약

4차 산업혁명 (4IR) 은 AI · IoT · big data 의 융합으로 정의되는 general-purpose technology 의 paradigm shift 이며, 그 충격은 단일 산업이 아닌 경제 시스템 전체 로 spillover 한다. 기존 연구는 4IR 의 생산성 효과나 노동 대체 효과를 부분적으로 다뤘지만, 산업 간 연계 · 가계 · 노동시장 · 정부의 상호작용 을 통합적으로 정량화한 작업은 부족했다. 본 논문은 이정동 그룹의 CGE * CES 함수 전통 (Hwang et al. 2021, 2022, Yeongjun Yeo · Lee · Jung 2023) 의 TEMIP 모형을 4IR 맥락에서 확장 적용한다.

핵심 방법론은 multi-level nested CES 함수 안에 4IR 의 두 핵심 특성을 내생화하는 것이다. 첫째, 루틴 편향적 기술 변화 (RBTC) 는 routinized labor (RL) 와 intangible digital transformation capital (DT_IC, SW · AI) 의 대체 (σ_RLD = 1.232.18, 산업별), 이렇게 만들어진 RLD composite 과 non-routinized labor (NRL) 의 보완 (σ_LC = 0.74) 으로 captured. 둘째, capital-biased change 는 tangible digital transformation capital (DT_TC, IT · CT) 와 physical capital (K) 의 대체 (σ_KC = 1.00) 로 처리. World KLEMS 와 통계청 지역별 고용조사 (20082020) 로 산업별 탄력성을 econometrically 추정. 또 endogenous 직무 전환 (routine → non-routine) 을 학습 통한 skill upgrade 함수로 내생화. 가계 부문은 소득 5분위로 heterogeneous 처리.

7 개 시나리오 (BAU 기준점, DTDIFF/L = 4IR 확산 ± 학습, DTDIFF10/20 = 투자 10/20% 가속, +L = 학습 포함) 의 비교 결과는 이중성 을 명료하게 드러낸다. (i) GDP · 산업생산 · 부가가치 모두 4IR 가속에 따라 증가, 특히 디지털 전환 자본을 고활용 하는 제조업 (Sector B) 의 부가가치 증가가 가장 큼. (ii) 학습 없는 시나리오 (DTDIFF, DTDIFF10/20) 에서는 routinized 노동 실업률이 BAU 위로 상승하고, task premium (non-routine vs routine wage 비율) 이 확대되며, 하위 40% / 상위 20% 의 소득점유 비율 (percentile distribution index) 악화. (iii) 학습 기반 직무 전환 시나리오 (DTDIFFL, DTDIFF10L/20L) 에서는 모든 효과가 방향 전환 — GDP 추가 상승, routinized 실업 BAU 이하, task premium BAU 이하, 소득분배 BAU 보다 개선. 결론은 명료하다. 4IR 정책은 기술 공급 정책만으로는 위험 하며 노동시장 적응성 정책 (vocational training · 평생 학습) 패키지가 필수.

핵심 결과

7 개 시나리오 정의:

시나리오	4IR 기술 확산	노동시장 학습
BAU	N/A	N/A
DTDIFF	추정 투자계수	N/A
DTDIFFL	추정 투자계수	학습 통한 endogenous 직무 전환
DTDIFF10 / 10L	투자계수 +10%	N/A / 학습 포함
DTDIFF20 / 20L	투자계수 +20%	N/A / 학습 포함

산업 부가가치 (2030 년 BAU 대비) Sector B (제조업 · 디지털 고활용) 가 +10% 이상 증가, Sector D (디지털 자본 생산 서비스업) 가 가장 큰 생산 증가. Sector A (디지털 자본재 생산 제조업) 는 이미 디지털 자본 saturation 으로 marginal gain 작음.

노동시장 효과: routinized 노동 실업률 = DTDIFF 에서 BAU 위, DTDIFFL 에서 BAU 아래. Task premium = DTDIFF 가속 시 확대, DTDIFFL 시 BAU 이하로 압축. 소득분배 (percentile distribution index, 하위 40% / 상위 20%) = DTDIFF 시 BAU 보다 악화, DTDIFFL 시 BAU 보다 개선.

핵심 탄력성 (Table 1):

파라미터	값	산업별 변동	출처
σ_RLD (routine labor ↔ DT_IC)	1.23~2.18	산업별 다름	본 연구 추정
σ_LC (NRL ↔ RLD composite)	0.74	전체 산업	본 연구 추정
σ_KC (K ↔ DT_TC)	1.00	전체 산업	Yeo et al. 2023 · Berg et al. 2018

방법론 노트

연산일반균형 분석 의 강점은 외생 충격이 모든 시장의 균형 으로 어떻게 전파되는지 추적할 수 있다는 점이다. 본 모형은 multi-level nested CES 함수 을 사용해 서로 다른 substitution / complementarity 를 단계별로 잡는다. 핵심 식 (Eq. 1, 생산성 spillover):

SPOV_i = \exp(\Delta RND \cdot \text{rdelas}) \cdot \exp(\Delta DT_{TC} \cdot \text{tcelas}) \cdot \exp(\Delta DT_{IC} \cdot \text{icelas}) \cdot \exp(\Delta OTRRND \cdot \text{othelas})

여기서 $\Delta$ 는 각 자본 stock (R&D, digital tangible, digital intangible, 타산업 R&D) 의 상대비중 변화, elasticity 계수는 산업별 추정.

요소 결합의 nested CES (Eq. 2, 3, 4):

KC_i = \gamma_i^{KC} \left( \theta_i^K K_{i,t}^{-\rho_i^{KC}} + (1-\theta_i^K) DT_{TC_{i,t}}^{-\rho_i^{KC}} \right)^{-1/\rho_i^{KC}}

RLD_i = \gamma_i^{RLD} \left( \theta_i^{RL} RL_{i,t}^{-\rho_i^{RLD}} + (1-\theta_i^{RL}) DT_{IC_{i,t}}^{-\rho_i^{RLD}} \right)^{-1/\rho_i^{RLD}}

LC_i = \gamma_i^{LC} \left( \theta_i^{RLD} RLD_{i,t}^{-\rho_i^{LC}} + (1-\theta_i^{RLD}) NRL_{i,t}^{-\rho_i^{LC}} \right)^{-1/\rho_i^{LC}}

여기서 $K$ = 물리자본, $DT_{TC}$ = 디지털 tangible 자본 (IT · CT 의 Cobb-Douglas 결합), $RL$ = routinized labor, $DT_{IC}$ = 디지털 intangible 자본 (SW 중심), $NRL$ = non-routinized labor. $\rho = (1-\sigma)/\sigma$ 의 ρ-σ 변환으로 substitution elasticity 가 정의된다. σ > 1 이면 substitution, σ < 1 이면 complementarity.

non-routinized labor 의 wage curve (Eq. 5):

\frac{w_{nrl}}{P_c} = (ur^{nrl})^{\beta}

여기서 $ur^{nrl}$ 은 non-routine 노동 실업률, $\beta$ 는 실질임금-실업률 탄력성. Routinized 노동은 최저임금 floor 가 binding 될 때 unemployment 발생. 식별은 (i) World KLEMS · 통계청 데이터의 산업별 panel 로 σ 추정 + (ii) BAU 와 정책 시나리오의 반사실 비교 로 충격 효과 식별. 31 개 산업 (디지털 자본재 생산 / 활용 / 비활용 분류) × 7 시나리오 × 2008~2030 dynamic 시뮬레이션.

연구 계보

직접적 방법론 조상은 이정동 그룹의 CGE-TEMIP 라인 — Hwang et al. (2021, 2022) 의 TEMIP 모형 원형, Yeongjun Yeo · Lee · Jung (2023, yeongjun-yeo-2023-evaluation-impacts 같은 sibling), Yeongjun Yeo and Lee (2020) 의 4IR · RBTC 모형. 명시적 인용. 개념적 조상은 Acemoglu and Restrepo (2019) 의 automation and new tasks 이론, Autor and Dorn (2013) 의 task polarization 가설, Frey and Osborne (2017) · Arntz et al. (2016) 의 직업별 자동화 위험 척도, Brynjolfsson and McAfee (2014) 의 Second Machine Age 일반정보론. 이정동 anchor page 의 실타래 5: 불평등에 대한 관심 (2017~2025) 분류에 따르면, 본 논문은 sibling jeongdonglee-2017-growth-equity (Growth versus equity, CGE 기반 분배 분석의 첫 작품), yeongjun-yeo-2023-winners-losers (Winners and losers in a knowledge-based economy), How dynamic have the returns to education been with technological change? A case study from 1998 to 2021 (RTE 동학), jeongdonglee-2023-shrinking-middle (THE SHRINKING MIDDLE) 와 함께 기술변화의 분배 효과 정량화 라인의 핵심 작업이다. Yeongjun Yeo · Won-Sik Hwang · Chanyoung Hong · Inha Oh 의 CGE 공저 라인 (10 년 이상 누적) 의 후기 종합 작품이기도 하다.

인접 그래프

1-hop 이웃 21개

인물 7
방법론 4
개념 2
주제 4
수록처 1
분류 2
논문 1

휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

Dualistic nature of the 4IR: Investigating the economy-wide impacts of the 4IR with a focus on Korean economy using a CGE analysis

요약

핵심 결과

방법론 노트

연구 계보

See also

인접 그래프

이 문서를 가리키는 페이지

논문 (1)

개념 (1)

방법론 (1)