Jeffrey Schmid 캔자스시티 연은 총재
(강경파, 투표권 없음)
• 물가가 연준의 통제 밖이라는 시각에 동의하지 않음. 연준은 물가에 대응할 수단과 물가안정을 달성할 책임이 있음(The Fed does have the tools to address inflation and has the responsibility to achieve price stability). Warsh 의장의 말처럼 할 일이 남아 있고(we have work to do), 8월 잭슨홀 이후 그 일은 더 어려워진 상황
• 인플레이션은 항상 수요와 공급의 불균형에서 비롯. 강한 수요 속에서 공급 차질이 물가를 끌어올리는 것. 유가·관세에 따른 생산비용 상승이 물가상승률에 일시적인 영향만 줄 것이라고 단정하는 데는 신중해야 함. 1995~2020년 무역 확대 속에 하락했던 내구재 가격 흐름이 뒤집히면 물가 수준뿐 아니라 상승률도 영구적으로 높아질 가능성
• AI 투자가 고금리에도 계속될 것이라는 주장은 적어도 한계적으로는 확신하기 어려움. 물가 목표 달성에 AI 관련 기술재 같은 특정 상품 가격의 반응이 필요한 것도 아님. 연준의 역할은 개별 상품 또는 서비스 가격이 아니라 달러의 전반적인 구매력을 유지하는 것
• 인플레이션이 지나치게 뜨거운 상황(Inflation has been running too hot). 최근 PCE 물가는 3.6%로 2% 목표를 불편할 정도로 웃돌고 잘못된 방향으로 움직이는 중. 최근 3개월 CPI는 연율 5.7% 상승해 지나치게 높은 수준(Far too high). 에너지를 빼면 3%로 여전히 높지만 상대적으로 목표에 근접
• 이란 분쟁 이후 유가 상승이 휘발유·디젤 가격을 더 크게 끌어올렸고, 금융시장은 유가 상승이 더 오래갈 가능성을 시사. 내구재 가격은 9월 2.9% 올라 판데믹 급등기를 빼면 1987년 이후 가장 빠른 상승세. 2% 목표를 달성하려면 내구재 가격이 매년 2% 안팎 하락해야 할 필요
• AI 인프라 구축의 파급으로 일부 상품·서비스 가격이 상승. PC 가격은 10% 상승했고 숙련 건설인력·철강 경쟁이 경제 전반의 건설비용을 높이는 중. 고용주 의료보험 비용도 1년간 6% 넘게 올라 20여 년 만에 가장 빠른 속도
• 노동시장이나 임금이 물가에 의미 있게 기여한다는 증거는 사실상 부재. 노동시장은 대체로 균형상태. 임금 상승률은 약 3%로 최근 범위 안이고 구인배율은 약 1.0
• 여러 지표로 판단한 경제 상황은 양호. 성장세가 견조하고 실업률은 낮아 완전고용에 가까운 수준
Michael Barr 연준 이사
(중립, 당연직)
• AI 투자 붐의 지속가능성에 대한 투자자들의 의문이 커진 상황. AI 투자 수익이 기대에 못 미쳐 대규모 재평가(a significant repricing)가 일어나면 투자 감소와 역자산효과로 성장률을 끌어내릴 가능성. 주식 위험프리미엄은 역사적 평균보다 낮지만 닷컴 버블 당시만큼은 아님
• AI 데이터센터 투자는 갈수록 부채에 의존. 7대 AI 기업의 재무상태표상 부채는 올해 크게 늘어 연말 전 8,000억달러를 넘을 것. 1990년대 말~2000년대 초 통신 투자 사이클을 연상시키는 흐름
• 장기계약·리스·잔존가치 보증 같은 부외 부채는 더 빠르게 늘어 최대 명목가치가 3조달러를 넘는 것으로 추정. 신용도 높은 대형 기업이 신용도 낮은 기업의 자금조달을 간접 지원하는 구조가 많아 위험의 소재를 파악하기 어려움. 투자심리가 바뀌면 이런 불투명성이 매도세를 키울 수 있어 면밀한 점검이 필요(warrants close monitoring)
• 하이퍼스케일러와 GPU 업체가 LLM 개발사·클라우드 스타트업에 1,000억달러 이상을 지분투자하고, 이 자금이 다시 GPU·컴퓨팅 구매로 돌아오는 순환 금융(circular financing)이 존재. AI 투자가 경제성을 갖추려면 결국 실제 고객 매출로 이 자금을 대체해야 함
• 현재 AI 호황을 뒷받침하는 부채는 아직 제한적이어서 직접 손실은 크게 우려하지 않음(less concerned about direct losses). 다만 헤지펀드 레버리지와 전반적인 위험선호가 꽤 높아 보여 급반전 시 급격한 디레버리징과 자기강화적 투매(self-reinforcing fire sales)가 나타날 가능성. 대형은행의 높은 자본이 방어막이지만 주식시장 변동성이 커지면 AI에 큰 포지션을 가진 거래상대방 익스포저도 늘 수 있어 점검이 중요
• 데이터센터 비용의 대부분인 GPU 등 특수 칩은 신기술에 밀려 빠르게 감가될 가능성. 구형 칩 임대료는 아직 유지되고 있지만 추세를 주시할 필요. 수요가 부진하면 변전설비·송전망 같은 설비의 쓰임새도 불확실
• 트레이더들이 비슷한 데이터로 학습한 소수의 유사한 AI 모델에 의존하면 매매 전략이 같아지는 쏠림(herding)이 나타날 가능성. 같은 결함을 가진 모델이 많으면 시스템적 실패로 번질 수 있음. 일부 강화학습 알고리즘은 의도 없이 담합하거나 시장을 조작하는 법을 스스로 학습할 수 있어 신중한 접근이 바람직(some caution is warranted)
• AI 모델이 보안 경계를 극복할 장애물로 다루는 등 AI발 사이버 위험이 커지는 중. 공격자는 한 번만 성공하면 되지만 방어자는 항상 성공해야 함. 사이버 위험 관리 역량이 금융안정 유지의 핵심
• AI 에이전트가 수익률 차이나 안정성 신호를 즉시 포착해 자금을 고속으로 옮기면 스트레스 시기에 예금 유출을 가속할 수 있음. 수분 만에 전개되는 뱅크런(runs that unfold in minutes)이 기존 유동성 관리와 규제 대응 속도를 압도할 가능성