"억만장자만 100배 부자, 이건 안 된다" | 팔란티어 CEO 알렉스 카프가 부유세는 반대하는 이유 (8분 정리)

한 줄 핵심

팔란티어 CEO 알렉스 카프는 AI가 불평등과 감시를 키울 수 있다고 보면서도 부유세는 반대하고, 대신 상속세 강화와 정부 낭비 축소를 맞교환하는 방식의 해법을 제시한다.

시간별 요약

0:00
억만장자가 말한 100배와 5% 억만장자가 억만장자만 더 부자가 되는 구조는 문제라고 보면서도 부유세에는 반대하는 모순적인 입장이 핵심이다. 이 영상은 그가 왜 감시를 이유로 부유세를 거부하는지와 대안으로 무엇을 제시하는지 따라간다.
0:46
알렉스 카프는 누구인가 카프는 엔지니어가 아니라 사회이론 박사 출신 철학도로, Peter Thiel과의 인연을 계기로 Palantir를 함께 시작했다. CIA 투자 조직 In-Q-Tel의 자금이 초기 성장에 들어가며 지금의 회사 기반이 만들어졌다.
1:12
3년 동안 매출이 없었다 Palantir는 일반적인 소프트웨어 회사처럼 쉽게 팔리는 제품과 공격적 영업으로 성장하지 않았고, 테러 방지와 시민 자유 보호를 동시에 노리는 복잡한 제품을 오래 다듬었다. 그 결과 몇 년 동안 매출이 거의 없었지만, 카프는 그 버팀의 이유를 자신들의 문제 인식과 제품 철학에서 찾는다.
1:59
난독증과 아웃사이더 카프는 난독증 때문에 정형화된 언어 체계에 덜 묶여 있다고 보며, 그래서 남들이 당연하게 여기는 틀을 바깥에서 다시 본다고 말한다. 이런 아웃사이더 정체성이 Palantir의 방식과 이후 AI에 대한 시각에도 그대로 이어진다.
2:29
AI는 격차를 어떻게 키우나 AI는 일자리를 없애기보다 더 많은 고급 일자리를 만들 수 있지만, 기술 인력의 소득 상승 속도가 일반 노동자보다 훨씬 빨라 격차가 크게 벌어질 수 있다. 즉 AI는 성장 동력이면서 동시에 계급 격차를 더 키우는 요인이 될 수 있다.
3:01
부유세를 반대하는 네 가지 이유 부유세는 부자만 아프게 하고 가난한 사람을 돕지 못하며, 사회적 합의를 깨고, 창업가의 재산 구조를 해치고, 결국 모든 사람의 재산을 추정하기 위한 감시를 강화한다는 것이 반대 논리다. 특히 AI가 있으면 자산 추정이 쉬워져 감시 문제가 더 심각해진다고 본다.
3:44
카프의 대안: 상속세 50%와 맞교환 대안으로는 50% 상속세와 세금 인상만큼 정부 낭비를 줄이는 맞교환을 제안한다. 불평등 완화와 빈곤 개선은 같은 문제가 아니므로, 둘을 함께 다루되 미국 테크 산업을 해치지 않고 감시국가를 키우지 않으며 실제로 노동자와 중산층에 닿아야 한다는 조건을 단다.
4:25
실리콘밸리가 깬 계약 실리콘밸리는 부자가 되더라도 사회에 가치를 남기고 큰돈을 움켜쥐지 않겠다는 묵시적 계약을 깨뜨렸고, 그 결과 대다수의 삶은 나아지지 않은 채 일부만 100배, 200배 부자가 됐다는 문제의식이 나온다. AI는 이미 쌓인 불만에 기름을 붓는 요인이며, 이제는 내일 내 삶이 어떻게 좋아지는지를 증명해야 한다는 요구로 이어진다.
5:35
내 데이터로 학습한다? 주장과 약관 카프는 AI 기업들이 기업 고객의 데이터를 모델 학습에 사용한다고 비판하며, 특히 Anthropic을 겨냥해 윤리성을 내세우면서도 고객 데이터로 경쟁 제품을 만든다고 문제 삼는다. 다만 약관상으로는 기업용 제품과 API 입력·출력을 기본적으로 학습에 쓰지 않는다고 적혀 있어, 이 부분은 주장과 실제 문구가 다를 수 있음을 함께 봐야 한다.
6:37
감시의 선은 어디인가 국내 감시는 실제로 중요한 쟁점이며, 법적 근거가 있는 감시와 없는 감시를 구분해야 한다는 입장이다. 동시에 전장에서 쓰는 AI는 국내에선 제한해야 한다고 말하며, 기술이 무제한으로 국가 권력이 되는 상황을 경계한다.
7:37
기계가 더 똑똑해지면 사람에게 남는 것 기계가 인간의 지능을 추월해도 사람에게는 법으로 지켜야 할 어떤 가치가 남아 있으며, 그 답은 자유와 인간성의 보호에 가깝다. 결국 이 인터뷰는 불평등, 감시, AI의 속도 앞에서 사회가 어디에 선을 그을지 묻는 질문으로 끝난다.

실무 인사이트

AI 정책 논의는 단순한 기술 찬반이 아니라, 불평등 완화·감시 통제·산업 경쟁력 유지의 세 축을 동시에 설계해야 한다.
기업 데이터와 모델 학습의 경계는 약관 문구만으로 끝내지 말고, 실제 운영 정책과 고객 신뢰 관점에서 별도로 검증해야 한다.
부유세 같은 단일 처방보다, 세금·지출·규제의 조합으로 사회적 비용과 혁신 유인을 함께 조정하는 설계가 더 현실적이다.