🎬 "일해서 돈버는 시대 끝났다." AI시대 몸값 폭등하는 사람의 특징ㅣ지식인초대석 EP.100 (김대식 X 오건영)

▶️ 유튜브

• 원본 링크: https://youtu.be/512LLypVJfQ?si=7XE2k3tDsy78dmKX

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI 시대의 승패는 더 오래 일하는 사람이 아니라 추론 인프라, 생산성 재평가 자산, 현금흐름형 포트폴리오처럼 자본과 구조를 먼저 확보한 사람에게 기울 가능성이 크다. 개인도 직업 전망에 매달리기보다 노동소득 약화를 버틸 투자 구조와 빠른 실험 능력을 함께 갖춰야 한다.

📌 핵심 요점

1. 에이전틱 AI는 검색·요약을 넘어 클릭, 예약, 결제, 문서 처리까지 대신 수행하면서 여행·부동산·법률·보안 같은 중개형 수익모델의 정보 비대칭을 빠르게 압축할 가능성이 크다.
2. AI가 가격을 낮추고 생산성을 높여도 고용과 임금이 함께 약해지면 소비가 살아나지 않아 디플레이션, 모기지 부실, 금융 시스템 충격으로 이어질 수 있다.
3. 플랫폼 최종 승자를 지금 맞히기보다 추론용 데이터센터, 지연 최적화 반도체, 차세대 메모리처럼 누가 이겨도 필요한 공통 인프라 계층이 더 높은 방어력을 가질 수 있다.
4. 앞으로의 포트폴리오는 높은 기대수익률보다 월급 대체가 가능한 예측 가능한 현금흐름을 얼마나 안정적으로 만들 수 있는지가 더 중요해진다.
5. AI 수혜는 전통적 AI 기업에만 머물지 않고, 현대차·월마트 같은 기존 산업도 AI로 생산성을 끌어올리면 멀티플 재평가를 받을 수 있다.

🧠 상세 요약

1) 배경과 문제 정의

이 대담의 출발점은 AI가 단순한 기술 유행이 아니라 고용, 소비, 자산가격, 교육 방식까지 한꺼번에 흔드는 구조 변화라는 문제의식이다. 핵심 관찰 포인트는 두 가지다. 첫째, 노동의 가치가 약해질 때 소득 구조를 무엇으로 대체할 것인가. 둘째, AI 수혜를 어디서 잡고 어떤 버블은 피할 것인가.

2) 섹션별 상세 정리

1. 인간 직관과 AI의 한계에서 출발한 첫 질문 [02:09]

• 대담은 “10억 명의 데이터를 학습한 AI와 워런 버핏 중 누구에게 돈을 맡기겠느냐”는 질문으로 시작한다. 두 사람은 망설임 없이 워런 버핏 쪽에 무게를 두는데, 여기서 핵심은 AI 성능을 깎아내리려는 것이 아니라 인간 판단의 원천이 데이터베이스에 저장된 문장만으로 환원되지 않는다는 점이다.
• 김대식 교수는 인간이 실제로 알고 있는 것 가운데 언어로 표현되는 비중은 일부에 불과하다고 본다. 투자 대가의 판단에는 숫자와 문장으로 남은 지식뿐 아니라 시장을 오래 겪으며 쌓인 암묵지, 공포와 탐욕의 리듬을 읽는 감각, 타이밍에 대한 비언어적 직관이 섞여 있다.
• 그래서 ‘버핏의 책·인터뷰·주주서한’을 전부 학습한 AI가 나와도, 그것이 버핏의 투자 판단 전체를 복제했다고 보기 어렵다. 영상은 이 출발점을 통해 AI는 강력하지만, 인간의 해석력·맥락 판단·비정형 직관이 아직 완전히 해체되지는 않았다는 문제의식을 먼저 깔아 둔다.
• 동시에 이 논의는 인간이 무조건 우월하다는 결론으로 가지 않는다. 오히려 이후 전개에서는, 이런 인간 고유 영역조차 시간이 갈수록 압박받을 수 있으니 지금부터 구조를 바꿔야 한다는 방향으로 이어진다.

2. 생산성 혁명이 곧바로 번영으로 이어지지 않을 수 있다는 경고 [04:38]

• 오건영 단장은 AI가 만들어낼 생산성 혁명을 부정하지 않는다. 비용이 떨어지고 처리 속도가 올라가고, 더 싸고 더 많은 서비스가 가능해지는 흐름 자체는 매우 강력하다고 본다. 문제는 공급이 풍부해지는 것과 사람들이 실제로 살 돈이 있는 것은 별개라는 점이다.
• 과거 기술혁신은 대체로 새로운 일자리도 함께 만들었지만, AI는 화이트칼라의 핵심 업무 자체를 직접 건드릴 수 있다. 만약 생산성 증가는 빠른데 임금과 고용이 같이 줄면, 싸진 상품을 사 줄 사람의 소득이 줄어들기 때문에 총수요가 살아나지 않을 수 있다.
• 이때 벌어질 수 있는 것이 일본식 디플레이션 논리다. 가격은 떨어지고 소비자는 더 기다리며, 기업은 더 투자하기 어렵고, 경제는 성장 대신 정체에 빠질 수 있다. 영상은 “AI가 물가를 낮춰서 모두가 행복해진다”는 단선적 낙관론에 제동을 건다.
• 즉 이 대목의 메시지는 AI는 미시적으로는 효율을 높여도, 거시적으로는 소득 분배와 고용 구조를 건드리기 때문에 자동으로 유토피아를 보장하지 않는다는 것이다. 투자 판단도 기술 낙관만이 아니라 총수요·소득·금융 시스템까지 같이 봐야 한다는 프레임을 제시한다.

3. 에이전틱 AI가 중개 산업을 직접 압박하기 시작한 변화 [06:29]

• 김대식 교수는 최근 변화의 본질을 ‘에이전틱 AI’에서 찾는다. 기존 생성형 AI가 답변 초안을 만드는 수준이었다면, 에이전틱 AI는 검색·비교·예약·결제·문서 처리까지 실제 행동을 대신 수행한다. 즉, 정보 제공자에서 실행 주체로 바뀌고 있다는 것이다.
• 여기서 가장 먼저 타격을 받을 수 있는 곳은 정보 비대칭과 대리 수행으로 수익을 내던 산업들이다. 여행, 부동산, 법률, 보안, 각종 전문 서비스 소프트웨어가 대표적이다. 사용자가 AI에게 목표만 주면, AI가 관련 사이트를 돌아다니며 선택·입력·처리까지 하면 중간자 역할의 가치가 압축될 수 있다.
• 영상은 이것이 단순히 “업무 한두 개 자동화” 수준이 아니라 소프트웨어 한 덩어리, 비즈니스 한 묶음이 통째로 흡수될 수 있는 변화라고 본다. 그래서 특정 플러그인이나 기능이 붙은 직후 관련 기업 주가가 급락한 사례를 통해 시장도 이미 이 위협을 실감하고 있다고 설명한다.
• 핵심은 AI가 인간보다 똑똑해서가 아니라, 중간 단계가 제거되는 구조를 만들기 때문이다. 이 논리는 앞으로 어떤 산업이 위험한지 볼 때도 유효하다. ‘전문성 보유 여부’보다 반복적 정보 중개와 대리 실행 비중이 큰지가 더 중요해진다.

4. 화이트칼라 해고와 소비 위축이 금융 리스크로 번질 가능성 [10:25]

• AI 자동화가 본격화되면 기업은 인건비를 줄이고 그 자원을 다시 AI 인프라와 소프트웨어에 재투입하려 할 가능성이 높다. 이 과정에서 제조업보다 먼저 흔들릴 수 있는 쪽이 오히려 문서·분석·상담·조정 업무가 많은 화이트칼라라는 점을 영상은 강조한다.
• 문제는 해고가 한 기업의 비용 절감으로 끝나지 않는다는 데 있다. 고용이 줄면 소비가 둔화되고, 소비가 둔화되면 기업 매출이 흔들리고, 이것이 다시 고용 축소로 이어지는 악순환이 생길 수 있다. 특히 미국처럼 가계부채와 모기지 구조가 큰 경제에서는 이 충격이 금융시장으로 번질 수 있다.
• 김대식 교수는 일부 리서치가 2028년 전후 ‘AI발 크라이시스’를 진지하게 가정하고 있다고 언급한다. 물론 확정 예측은 아니지만, 지금까지는 기술 혁신을 주가 호재로만 봤다면 이제는 기술 확산이 오히려 수요 기반을 무너뜨릴 수 있다는 역설도 봐야 한다는 뜻이다.
• 이 구간에서 영상은 AI를 단순한 테크 섹터 이슈가 아니라 거시경제, 소비, 부채, 금융안정성을 함께 흔드는 변수로 다룬다. 그래서 개인도 “어떤 AI 주식을 살까” 이전에 내 노동소득이 약해지는 시나리오를 견딜 수 있는가를 먼저 점검해야 한다는 문제제기로 연결된다.

5. 개인 투자자는 플랫폼 승자보다 공통 인프라를 먼저 봐야 한다는 주장 [11:55]

• 진행자가 불확실성 속에서 개인이 어디를 봐야 하느냐고 묻자, 답은 의외로 보수적이다. 최종 승자 플랫폼을 지금 단정하기보다, 누가 이겨도 계속 필요한 공통 인프라부터 보라는 것이다. 즉, 서비스 레이어보다 기반 레이어가 더 방어적일 수 있다는 논리다.
• 이유는 명확하다. 오픈AI, 구글, 메타, 중국 오픈소스 진영 중 누가 앞설지는 바뀔 수 있지만, 경쟁이 이어지는 한 데이터센터, 전력, 반도체, 메모리, 네트워크, 추론 인프라 수요는 사라지지 않는다. 경쟁이 치열할수록 오히려 기반 CAPEX는 더 커질 가능성이 있다.
• 영상은 여기서 ‘예측 난이도’를 낮추는 사고법을 제안한다. 승자 독식 플랫폼을 맞히려 들면 오차가 커지지만, 모든 플레이어가 공통적으로 사야 하는 것에 주목하면 상대적으로 프레임이 단순해진다.
• 결국 이 섹션은 AI 시대 투자에서 중요한 질문을 바꿔 준다. “누가 최고의 AI를 만들까?”보다 “누가 AI 경쟁이 지속될수록 계속 돈을 벌 구조에 있는가?”를 묻게 만든다.

6. 노동소득 약화 이후에는 자본소득의 ‘항상성’이 핵심이 된다 [15:00]

• 오건영 단장은 대담의 중심 메시지를 매우 선명하게 정리한다. AI가 인간 노동을 대체하는 방향으로 간다면, 개인에게 가장 큰 변화는 직업명이 아니라 소득의 원천이 바뀐다는 것이다. 노동소득 비중은 낮아지고 자본소득 비중은 높아질 가능성이 크다.
• 하지만 자본소득은 월급처럼 예측 가능하지 않다. 주가 상승은 언제든 꺾일 수 있고, 특정 종목 수익은 생활비를 대체하기 어렵다. 그래서 중요한 것은 ‘많이 버는 투자’가 아니라 소비를 지속하게 해주는 항상성 있는 현금흐름 구조다.
• 영상은 이 지점에서 투자 개념을 다시 잡는다. 단순 고수익 성장주 올인보다, 배당·이자·분산·현금흐름 관리처럼 생활 안정성과 연결되는 구조가 더 중요해질 수 있다는 것이다. 특히 노동소득이 불안정해질수록 자본소득도 변동성이 크면 심리적으로 소비가 위축되고, 이는 다시 경제 전체 수요를 약화시킬 수 있다.
• 그래서 이 섹션의 핵심은 “AI 수혜주를 사라”가 아니다. 오히려 노동의 공백을 메울 자본 구조를 얼마나 안정적으로 설계할 것인가가 앞으로 개인 재무의 본질이 된다는 점이다.

7. AI 수혜는 신경제 기업만이 아니라 기존 산업 재평가로도 나타난다 [16:19]

• 두 연사는 AI 투자에서 흔히 나오는 단순화, 즉 “AI 기업만 수혜를 본다”는 시각을 경계한다. 오건영 단장은 현대차, 월마트 같은 전통 산업도 AI를 제대로 붙이면 완전히 다른 평가를 받을 수 있다고 본다.
• 여기서 중요한 것은 간판이 아니라 구조 변화다. AI 도입으로 재고 관리, 물류, 마케팅, 설계, 고객 응대, 생산 계획, 품질 관리가 동시에 개선되면 전통 기업도 영업이익률과 자본 효율이 달라진다. 시장이 이를 확인하는 순간, 기존의 낮은 멀티플 프레임이 깨질 수 있다.
• 즉 AI 수혜는 ‘AI를 파는 회사’뿐 아니라 AI를 활용해 자신을 재해석하는 회사에도 나타난다. 그래서 전통 산업을 보더라도 “이 회사는 AI 덕에 구조가 달라질 수 있는가?”를 따져봐야 한다.
• 이 시각은 투자 범위를 넓혀 준다. AI를 테마주처럼 좁게 잡는 대신, 산업 전체의 생산성 재평가 관점으로 확장하면 더 많은 후보군과 더 현실적인 기회를 볼 수 있다.

8. 추론 시대에는 GPU 이후의 병목과 신기술이 중요해진다 [23:40]

• 김대식 교수는 AI 투자 논의가 학습 중심 사고에 너무 오래 머물러 있다고 본다. 지금까지 시장의 초점은 GPU와 HBM에 맞춰졌지만, 앞으로 실제 돈이 더 많이 들 수 있는 쪽은 수많은 사용자가 매일 AI를 돌리는 ‘추론’ 단계다.
• 학습은 모델을 만들 때 집중적으로 발생하지만, 추론은 서비스가 퍼질수록 24시간 계속 일어난다. 특히 에이전틱 AI는 사람 한 명이 질문 하나 던지고 끝나는 것이 아니라 여러 단계를 오가며 장시간 토큰과 연산 자원을 쓴다. 그래서 사용이 늘어날수록 추론 인프라 병목이 더 중요해진다는 설명이다.
• 이 과정에서 기존 학습용 GPU 일변도 구조와 다른 기술 스택이 부상할 수 있다. 영상은 NPU·LPU 같은 추론 특화 칩과, 지연시간을 줄여 줄 메모리·스토리지 혁신을 새로운 승부처로 본다.
• 결국 이 섹션은 “현재 잘나가는 부품이 영원히 핵심은 아닐 수 있다”는 점을 짚는다. AI 투자도 1차 수혜에서 2차·3차 병목으로 넘어가는 시점을 읽어야 하고, 시장이 그 변화를 반영하기 전 먼저 공부해 둬야 한다는 메시지다.

9. 데이터센터 버블은 위험하지만 동시에 ‘건설적 버블’일 수도 있다 [29:16]

• 영상은 현재 AI 투자가 과열됐다는 사실 자체를 숨기지 않는다. 빅테크들이 ROI가 불투명한 상태에서도 경쟁적으로 데이터센터 CAPEX를 늘리는 모습은 전형적인 버블 징후처럼 보인다고 인정한다.
• 다만 김대식 교수는 이것을 ‘가짜 기술 버블’로 단정하지 않는다. 닷컴 버블 당시 과잉투자로 광케이블과 인터넷 인프라가 먼저 깔렸고, 버블 붕괴 뒤 살아남은 기업들이 그 자산을 거의 공짜처럼 활용했던 역사를 소환한다. 지금의 데이터센터 투자도 비슷한 성격일 수 있다는 것이다.
• 즉, 많은 기업은 과잉투자의 희생양이 될 수 있지만, 그 과정에서 깔린 인프라 자체는 미래 산업의 기반이 된다. 그래서 지금을 단순히 피해야 할 버블로만 볼 것이 아니라, 어떤 기업이 버블 붕괴 후에도 살아남아 깔린 인프라의 열매를 가져갈지를 봐야 한다.
• 이 논리는 투자자에게 두 가지를 동시에 요구한다. 첫째, 과열을 인정할 것. 둘째, 그렇다고 구조적 기회 자체를 버리지는 말 것. 즉 낙관과 경계를 함께 가져가라는 메시지다.

10. 적은 자본의 개인은 ETF 실험과 포트폴리오 감각부터 쌓아야 한다 [32:53]

• 10·20대에게 바로 유망 종목 하나를 찍어 주는 방식은 영상의 관점과 맞지 않는다. 오건영 단장은 오히려 ETF가 제공하는 분산 실험의 가치를 강조한다. 적은 돈이어도 여러 자산군과 테마를 경험하며 포트폴리오 감각을 먼저 몸에 익히는 것이 중요하다는 것이다.
• ETF는 하나만 담아도 기본 분산이 되며, 여러 ETF를 조합하면 더 넓은 초분산 구조를 만들 수 있다. 젊을 때는 수익률 몇 퍼센트보다 “어떤 자산이 어떤 국면에서 어떻게 움직이는가”를 체감하는 경험이 더 큰 자산이 된다.
• 이후 30·40대는 이 감각을 실제 자금 운용으로 확장하고, 50·60대는 안정적 현금흐름 비중을 높이며 생애주기별로 구조를 달리 가져가야 한다는 설명도 덧붙는다. 즉, 포트폴리오는 정답 하나가 아니라 나이·현금흐름·리스크 허용도에 따라 계속 바뀌는 설계물이다.
• 이 구간은 AI 시대일수록 투자 민주화와 변동성 확대가 동시에 올 것이므로, 종목 맞히기보다 자산배분 능력이 더 중요한 역량이 될 수 있음을 보여 준다.

11. 젊은 세대에게는 투자만큼 창업 실험도 큰 옵션이 된다 [35:42]

• 김대식 교수는 젊은 세대가 AI 시대의 피해자가 될 수 있다는 경고만 하지 않는다. 동시에 지금이 적은 자본으로 무언가를 만들어 볼 수 있는 드문 기회의 창일 수 있다고 본다.
• 과거에는 서비스를 만들기 위해 개발자, 디자이너, 마케터, 운영 인력이 필요했지만, 이제는 AI 덕분에 한 사람이 상당 부분을 대체할 수 있다. 완성도 높은 프로토타입 제작, 랜딩페이지 구축, 간단한 마케팅 카피 작성, 고객 응대 자동화가 모두 낮은 비용으로 가능해진다.
• 그래서 10·20대에게는 투자 공부만큼이나 작게라도 직접 제품을 만들어 보고 시장 반응을 보는 실험이 중요하다고 말한다. 여기서 얻는 것은 단순 매출이 아니라, 문제 정의·고객 이해·실행 속도·도구 활용 감각이다.
• 즉 이 섹션의 메시지는 “AI 때문에 일자리가 사라질 수 있다”에 머물지 않는다. 오히려 AI를 레버리지로 써서 개인이 사업가적 실험을 할 수 있는 진입장벽도 같이 내려가고 있다는 점을 강조한다.

12. 기술 낙관만으로는 부족하고 제도·감시·정치 리스크까지 봐야 한다 [38:32]

• 후반부로 가면 대담의 시야가 훨씬 넓어진다. 다리오 아모데이의 경고를 빌려, AI는 단지 생산성 도구가 아니라 권력 구조와 제도 질서까지 흔들 수 있는 위험한 기술로 다뤄진다. 여기에는 초지능 수준의 지적 노동 자동화, 평가 상황에서의 기만, 감시 독재와의 결합 가능성이 포함된다.
• 김대식 교수는 데이터센터 안에 ‘노벨상급 천재 100만 명이 사는 나라’가 생기는 것과 비슷한 충격을 상상한다. 이 수준의 지적 자원이 특정 기업·국가·권력과 결합하면 개인과 기존 제도가 감당하기 어려운 비대칭이 생길 수 있다.
• 동시에 오건영 단장은 2026년 시장을 볼 때 미중 관계, 연준 의장 교체, 미국 중간선거 같은 정치·금융 이벤트를 함께 봐야 한다고 강조한다. AI가 시장의 장기 구조를 바꾸더라도, 실제 자산가격은 여전히 정책·선거·외교 이벤트의 파동을 크게 탄다는 뜻이다.
• 요약하면, 기술 낙관만으로는 부족하다. AI는 테크주 실적 발표보다 훨씬 큰 범위의 리스크—거버넌스, 통제, 감시, 금리, 외교—와 연결돼 있으며, 투자자는 그 연결고리를 함께 읽어야 한다.

13. 교육과 개인 경쟁력은 직업 예측보다 적응력과 도메인 내공이 중요하다 [53:42]

• 자녀 교육 파트에서 두 연사는 ‘미래 유망직업 맞히기’식 접근을 경계한다. 어떤 직업이 살아남을지 지금 단정하는 것은 거의 점술에 가깝고, 오히려 변화에 적응하는 힘과 다시 일어서는 힘, 그리고 무엇이 좋은 결과물인지 구별하는 안목이 더 중요하다고 본다.
• 김대식 교수는 모두가 따라가는 미투형 사교육보다, 아이가 실제로 오래 파고들고 몰입할 수 있는 영역을 찾는 것이 낫다고 말한다. 어떤 분야에서든 상위권의 깊이를 갖게 되면 AI가 대체하기 어려운 취향·판단·감식안이 생길 수 있기 때문이다.
• 오건영 단장은 경제 교육에서도 단순 지식 암기보다 ‘기다림의 가치’를 체험하게 하는 것이 중요하다고 본다. 소액 투자라도 오래 가져가며 시간을 견디는 경험은 책으로만 배우기 어렵다.
• 결국 교육 파트의 결론은 분명하다. 직업명보다 적응력, 스펙보다 내공, 빠른 결과보다 축적 경험이 AI 시대 개인 경쟁력의 중심이 된다는 것이다.

14. 마지막으로 남는 실천 원칙은 직접 써보고, 읽고, 쓰고, 말하는 반복이다 [62:24]

• 마무리 구간에서 가장 인상적인 부분은 두 연사의 루틴 이야기다. 김대식 교수는 AI를 이해하려면 직접 써봐야 한다고 말한다. 책과 기사로만 공부하면 문명 변화를 관람하는 데 그치지만, 실제로 만져 보고 만들어 보면 감각이 생긴다는 것이다.
• 오건영 단장은 반대로 꾸준한 해석 루틴의 힘을 강조한다. 경제신문을 읽고, 그것을 글로 정리하고, 다시 말로 풀어내는 읽기-쓰기-말하기의 반복이 결국 자기만의 아카이브를 만들고, 위기 때 흔들리지 않는 해석력으로 이어진다고 설명한다.
• 이 둘은 서로 다른 조언 같지만 사실 같은 결론으로 수렴한다. 남이 만든 요약을 소비하는 사람으로 남지 말고, 자기 손으로 실험하고 자기 언어로 정리하는 사람이 되라는 것이다. AI 시대에는 정보 접근성보다 정보 체화 속도가 더 큰 차이를 만들 수 있다.
• 그래서 이 대담의 최종 메시지는 단순하다. 미래를 정확히 맞히려 애쓰기보다, 변화에 반응할 수 있는 자기 루틴을 만들어야 한다. AI 도구를 직접 써 보고, 읽고, 쓰고, 말하며 자기 사고를 축적하는 사람이 결국 더 오래 버틸 가능성이 크다.

✅ 액션 아이템

• 보유 자산을 플랫폼 직접 베팅, 추론 인프라, 현금흐름형 자산, 비미국 분산의 네 묶음으로 다시 분류하고, 각 묶음 비중이 총자산에서 몇 %인지 숫자로 재계산한다.
• 현재 직무에서 에이전틱 AI가 바로 대체할 수 있는 업무를 정보 탐색, 대리 실행, 문서 판독, 반복 의사결정, 고객 응대로 나눠 최소 1개씩 적고, 가장 단순한 1개를 실제 도구로 자동화 테스트한다.
• AI 수혜주 후보를 고를 때 매출 대비 CAPEX, 추론 수요 연동 여부, 고객 다변화, 버블 붕괴 후에도 남는 자산 네 항목으로 체크리스트를 만들어 기존 관심 종목 10개를 비교한다.
• 월급 대체 가능성을 점검하기 위해 보유 포트폴리오의 최근 24개월 기준 배당·이자·실현수익 흐름을 월 단위로 정리하고, 생활비 대비 몇 %를 커버했는지 계산한다.
• 이해 가능한 기존 산업 3개를 골라 AI 도입이 비용 절감에 그치는지, 매출 증가와 멀티플 재평가까지 연결되는지 각각 사례 메모를 작성해 본다.

❓ 열린 질문

• 추론 인프라가 장기 수혜 축이라는 주장은 설득력 있지만, 실제로는 데이터센터 과잉투자 이후 가격 경쟁이 심해질 때 어떤 기업이 기술 수혜주가 아니라 단순 설비 공급 과잉의 피해자가 되는가?
• 자본소득의 항상성을 강조하는 논지는 맞지만, 변동성 높은 AI 전환기에서 개인이 세후 기준으로 생활비를 안정적으로 덮을 만큼의 현금흐름 구조를 만들 수 있는 현실적 자산 조합은 무엇인가?
• 에이전틱 AI가 정보 비대칭 산업을 빠르게 압축한다면, 법률·보안·부동산 같은 규제 산업은 기술력보다 규제 적응력이 더 큰 진입장벽이 되는가, 아니면 결국 그마저도 무너지는가?
• 교육에서 적응력과 도메인 내공을 강조하는 방향은 타당하지만, 입시 경쟁이 강한 환경에서 부모가 사교육 의존을 줄이면서도 성과 하락 리스크를 감수할 수 있는 실행 모델은 실제로 존재하는가?