저자: 박종훈 · 한국인
요약 보기
AI 혁명의 승자는 아직 미정이며 하드웨어 업체가 돈을 쓸어담는 현재 구조는 버블 논란을 키운다. 빅테크 성공의 4대 원칙(네트워크 효과, 데이터 독점, 무형자본, 한계비용 제로)을 제시하고, AI는 이 4가지가 아직 미약해 초과이윤 구조가 형성되지 않았다고 주장. 향후 가치사슬이 소프트웨어·네트워크 기업으로 이동하며 그 과정에서 주가 변동성이 클 것이라는 취지. 구체적 종목 언급 없음.
다듬은 글
AI 혁명을 둘러싼 버블 논란이 끊이지 않는 이유 가운데 가장 큰 것은 아직 승자가 가려지지 않았기 때문입니다. 승자가 정해지고 시장이 완전히 공고해지면 "아, 이것이 진짜 AI 혁명이 계속되고 있구나"라고 생각하겠지만, 지금은 업치락뒤치락하면서 누가 승자가 될지 분명하게 드러나지 않고 있습니다. 여기서 아주 중요한 사실이 있습니다. 하드웨어 업체가 돈을 쓸어 담는 상황에서는 AI 혁명이 완성될 수 없습니다. 결국 가치 사슬은 언젠가 소프트웨어 업체, 그리고 네트워크를 장악한 업체로 옮겨갈 수밖에 없고, 그 과정이 마무리되어야 비로소 AI 혁명이 우리 인류를 계속 이끌어 간다고 말할 수 있습니다.
그렇다면 AI 시대의 승자는 누구일까요? 지금 서로 마주 오는 자동차처럼 극단적인 대결 구도가 펼쳐지고 있습니다. 누가 먼저 피할지 치킨 게임을 벌이는 모양새입니다. 구글의 모회사 알파벳을 시작으로 메타, 아마존, 마이크로소프트가 목숨을 걸듯 치열하게 싸우고 있습니다. AI 혁명에서 승자가 될 조건은 이미 정해져 있으므로, 그 조건을 누가 먼저 달성하느냐에 따라 승자가 결정될 것입니다. 그 전에 먼저 빅테크 기업들이 어떤 방식으로 성공했는지 살펴보겠습니다.
빅테크 성공의 원칙에는 네 가지가 있습니다. 첫 번째는 무엇보다 네트워크 효과입니다. 기존 가입자가 더 많은 가입자를 끌어들이고, 일단 이 네트워크에 가입하면 웬만해서는 탈퇴하지 못합니다. 이것이 바로 네트워크 효과입니다. 이 힘이 얼마나 막강한지 보여 주는 것이 구글, 메타, 아마존입니다. 생각해 보세요. 구글과 메타의 업종은 광고업이고, 전통적인 레가시 산업입니다. 아마존은 흔하디흔한 유통업입니다. 그럼에도 이들이 지금처럼 빅테크가 되어 거대한 제국을 이룬 것은 바로 네트워크 효과 덕분입니다.
한 번 가입하면 웬만해서는 탈퇴하지 못하기 때문에 기업은 가격과 품질로 경쟁할 필요가 없고, 고객에게 다소 소홀히 대해도 됩니다. 그러니 돈을 벌 수밖에 없습니다.
이 네트워크 효과가 얼마나 막강한지 보여 주는 대표적인 사례가 최근 우리나라에서 일어났습니다. 쿠팡에서 3,300만 명이 넘는 소중한 개인정보가 유출되어 중국인 손에 넘어갔습니다. 당연히 "쿠팡 너무하다, 개인정보 관리도 안 된다"며 줄탈퇴가 이루어져야 할 상황입니다. 그런데 이에 대해 미국 회사 JP모건은 보고서에서 이렇게 말했습니다. "한국 소비자들은 개인정보 유출 이슈에 덜 민감해서 쿠팡은 별 타격이 없을 겁니다. 얼마든지 쿠팡 주식을 사셔도 됩니다." 우리나라 사람들을 무시하는 듯한 리포트였습니다.
우리를 충격에 빠뜨렸던 것은 블라인드 글이었습니다. 블라인드는 익명성이 보장되지만 최소한 그 사람이 어느 회사 소속인지는 알 수 있습니다. 이 글은 검증되어 쿠팡 직원이 올린 것이 분명했습니다. 그 글의 내용은 이랬습니다. "현재 쿠팡 IT는 인력의 반 이상이 중국인입니다." 고객은 한국인이고 한국에서 장사하는 기업인데 인력의 절반을 중국인으로 구성했다는 것입니다. 심지어 매니저는 90% 이상이 중국인이라는 글까지 전국적으로 화제가 되었습니다. 그런데도 쿠팡에서 아직 탈퇴하지 못하는 것, 이것이 바로 대표적인 네트워크 효과입니다. 이렇게 네트워크 효과가 생기면 고객을 무시해도 되고, 경쟁이 실종되니 쿠팡 회원 가입비를 끝없이 올릴 수 있습니다. 이처럼 네트워크를 일단 장악하면 어마어마한 초과이윤을 누리며 빅테크가 될 수 있습니다.
빅테크가 지금까지 어마어마한 이윤을 누려 온 두 번째 비밀은 데이터 독점입니다. 네트워크 효과가 일어나면 더 많은 사용자가 유입되고, 이 사용자들의 데이터로 더 많은 데이터가 축적됩니다. 그러면 알고리즘을 고도화해 더 좋은 서비스를 내놓을 수 있습니다. 이 과정에서 좋은 서비스가 다시 더 많은 사용자를 불러들이며 선순환 구조가 만들어지고, 빅테크는 데이터를 독점해 엄청난 초과이윤을 누리게 됩니다. 쿠팡은 우리의 데이터를 다 알고 있습니다. 쿠팡에 접속해 보세요. 제가 살 만한 물건을 계속 추천하는 알고리즘이 작동합니다. 이것이 바로 빅테크의 강력한 힘이 된 것입니다.
빅테크의 막대한 이윤의 세 번째 비밀은 감가상각 없는 무형 자본이 중심이 되었다는 점입니다. 우리나라 기업들은 왜 지금까지 힘들었을까요? 장치 산업이 많기 때문입니다. 첨단 산업인 반도체도 팹 하나를 지을 때마다 몇 조 원의 돈이 들어갑니다. 여기에 자본이 들어가고 감가상각이 일어나니, 이것 때문에 마진율을 높이는 데 한계가 있습니다. 장치가 노후화되면 계속 바꿔 줘야 하므로 막대한 투자가 필요하고, 그래서 막대한 이윤을 누리기가 정말 쉽지 않습니다.
반면 빅테크는 유형 자산이 거의 없습니다. 지금까지 무형 자산 중심이었기 때문에 감가상각이라는 것이 거의 없습니다. 그래서 빅테크 기업들이 돈을 벌면 설비 투자가 필요 없으니 주로 주식 소각에 돈을 사용했고, 주가는 늘 폭등해 왔습니다. 한국 기업이 주식 소각을 마음대로 하지 못한 이유도 있습니다. 주주이익 환원이 부족한 측면도 있지만, 중후장대 산업이라 막대한 자본을 재투자해야 하므로 돈을 계속 모아 두어야 하기 때문에 산업 구조적으로 주식 소각이 어려운 측면도 있었습니다. 빅테크는 이런 자본 투자에서 자유로웠기 때문에 천문학적인 수익을 거둘 수 있었습니다.
빅테크의 네 번째 비밀은 한계비용 제로입니다. 빅테크가 초기 개발을 할 때는 당연히 비용이 많이 듭니다. 아마존이 쇼핑 시스템과 홈페이지를 구축하고 물류센터를 처음 만드는 데도 돈이 많이 듭니다. 구글이 검색 엔진을 개발하거나 마이크로소프트가 소프트웨어를 개발할 때도 초기에는 정말 돈이 많이 듭니다. 하지만 한 번 개발하고 나면 한계비용은 거의 0에 수렴합니다. 마이크로소프트 오피스를 만드는 데는 큰돈이 들지만, 이것을 한 카피, 두 카피, 100만 카피, 1,000만 카피 만든다고 해서 추가로 드는 비용은 거의 없습니다. 1,000만 카피든 1억 카피든 한계비용이 0에 수렴하기 때문에 빅테크는 큰돈을 벌 수 있었습니다.
또한 높은 초기 비용이 있어 진입장벽이 높습니다. 마이크로소프트와 경쟁하려고 오피스 같은 제품을 새로 만들려면 초기 개발 비용이 너무 높아 진입장벽이 굉장히 높습니다. 그래서 마이크로소프트는 강력하고 높은 성벽을 쌓아 진입장벽을 만들어 왔습니다. 모든 빅테크 기업이 이 덕분에 엄청난 이윤을 누렸습니다.
이제 AI를 생각해 봅시다. AI는 아직 태동기여서, 이미 성숙기에 접어든 IT와 달리 이 네 가지 효과가 매우 미흡합니다. 네트워크 효과, 무형 자본, 데이터 독점, 한계비용 제로, 이 네 가지 효과를 기대하기가 정말 어렵습니다. 적어도 네트워크 효과라도 일어나야 더 많은 가입자를 불러들이고, 일단 가입하면 탈퇴하지 못할 텐데, 지금 AI 산업에서는 이 네트워크 효과조차 굉장히 약합니다. 그래서 AI 산업은 아직 초과이윤을 누리지 못하고 있습니다.
네트워크 효과가 일어나려면 락인 효과가 있어야 합니다. 한 번 가입하면 꼭 붙잡혀서 탈출하지 못하는 것입니다. 카카오에 가입하면 카카오를 탈퇴하기 어렵습니다. 페이스북도 친구와 계속 연락하고 소식을 주고받으면 탈퇴하기 어렵습니다. 이것이 바로 락인 효과입니다. 그런데 AI는 아직 고객들이 메뚜기처럼 가격과 성능을 찾아 뛰어다니고 있습니다. 그래서 AI는 네트워크 효과가 약하다고 단언할 수 있습니다. 물론 AI에서도 네트워크 효과를 만들어 낼 수 있는 분야가 있습니다.
예를 들어 AI 에이전트가 그렇습니다. AI 에이전트는 AI가 직원처럼 우리를 위해 업무에 큰 도움을 주는 서비스를 말합니다. 그런데 문제는 AI 에이전트를 도입한 기업들의 평가입니다. "기업의 업무 연속성에 대한 이해도가 낮아 락인 효과가 없다"는 보고서가 끊임없이 나옵니다. 무슨 뜻일까요? A라는 기업이 있다고 해 봅시다. 그런데 AI에게 물을 때마다 답변이 바뀝니다. 기억력이 너무 떨어지는 것입니다. 나를 완벽하게 기억하고, 그에 맞춰 계속 발전하는 것이 아니라 기억이 매번 제로로 초기화되어 이 기업에 대한 이해도가 낮은 상태에서 다시 시작하니 짜증이 나는 것입니다. 언젠가는 바뀌겠지만 아직은 이런 네트워크 효과를 만들어 내지 못하고 있습니다. 먼저 만드는 기업이 세상을 지배할 것입니다. 실리콘밸리의 천재들이 언젠가는 네트워크 효과가 있는 AI 서비스를 만들어 내겠지만, 아직은 굉장히 미흡합니다. 따라서 가격과 품질로 경쟁해야 하고, 막대한 초과이윤을 누릴 수 없습니다.
두 번째 문제는 데이터 독점입니다. 지금의 AI 기업들이 데이터를 독점하고 있을까요? 빅테크는 지금까지 고객 데이터를 완전히 독점하고 이를 이용해 막대한 이윤을 누려 왔습니다. 구글, 메타, 아마존, 애플 등 모든 빅테크 기업은 고객의 데이터를 활용해 정말 손쉽게 장사했습니다. 그래서 고객 데이터는 "21세기의 석유", "21세기에 가장 중요한 원자재"라는 별명까지 얻었습니다. 그런데 AI는 이와 정반대입니다. 최근 드러난 바에 따르면 AI가 이미 내놓은 답변을 이용해 다른 AI들이 베끼는 방식이 쓰이고 있습니다. 새로운 AI 모델을 만들었다고 해 봅시다. 그 모델을 가장 빠르게 학습시켜 시장에 내놓으려면 남의 AI가 내놓은 답을 학습시키는 것이 가장 빠른 방법입니다. 이는 이미 딥시크의 전략에서 드러났습니다. 데이터를 탈취하는 일이 AI에서는 얼마든지 가능하기 때문에, 데이터 독점은 아직 어렵습니다. 물론 실리콘밸리의 천재들이 언젠가 이것도 뚫어낼 것입니다. 하지만 지금은 데이터 독점이 이루어지지 않아 데이터가 공공재처럼 돌아다니고 있습니다.
게다가 AI에는 큰 약점이 하나 생겼습니다. AI가 만든 데이터를 다시 AI가 학습하면 데이터가 오염된다는 것입니다. 학자들은 이를 주로 합스부르크 가문에 비유합니다. 합스부르크 가문이 계속 근친혼을 했기 때문에 주걱턱 같은 유전병이 가문 대대로 내려오게 되었습니다. 이처럼 문제가 하나 생기면 그것이 진짜 데이터와 섞이면서 점점 양질의 데이터로 바뀌어야 하는데, 지금 AI는 잘못된 데이터가 한 번 입력되면 끝없이 잘못된 데이터를 재생산합니다. 그래서 오류가 작아지기는커녕 AI가 AI를 베끼면서 점점 더 커지는 부작용까지 생기고 있습니다.
세 번째 문제도 있습니다. 지금까지 빅테크 기업들은 데이터 센터를 갖고 있긴 했지만, 가장 중요한 자본은 전부 무형 자본이었습니다. 그래서 감가상각이라는 것이 거의 없었습니다. 그런데 이제 유형 자본이 차지하는 비중이 점점 늘고 있습니다. AI 인프라 투자가 엄청나게 확대되면서, 빅테크 기업 자산 가운데 유형 자본의 비중이 급속도로 커지고 있습니다. 이와 관련해 마이클 버리가 쓸데없는 지적을 했습니다. 감가상각 기간이 몇 년이냐를 자꾸 따지는데, 이는 정말 별로 중요하지 않습니다. 가장 중요한 것은 빅테크 기업들이 무형 자본 중심의 자본 구조에서 유형 자본 중심으로 바뀌었다는 사실입니다. 그래서 감가상각이 이제 빅테크의 굉장히 중요한 요소가 되었습니다. 이것 자체가 아주 중요한 변화입니다. 우리나라 기업들의 한계가 바로 중후장대형 장치 산업이어서, 때가 되면 계속 업그레이드하고 새로운 자본을 투자해야 한다는 것이 큰 약점이었는데, 이제는 빅테크도 여기에 동참하게 된 것입니다.
그러다 보니 지금 빅테크의 상황은 이렇습니다. 금광에서 금을 캐러 가는 사람, 즉 소프트웨어 기업보다 곡괭이를 파는 사람, 즉 엔비디아가 돈을 훨씬 더 많이 버는 구조입니다. 이래서는 AI 혁명이 가속화되기 힘듭니다. 돈을 버는 것이 소프트웨어 업체여야 AI 혁명이 진정으로 가속화되고 AI 시대로 넘어갈 수 있는데, 아직은 곡괭이 파는 사람이 더 많이 버는 기형적인 구조입니다.
그럼 앞으로 어떻게 될까요? 언젠가는 이윤이 금광의 광부에게로 이동하면서 진정한 AI 혁명이 일어날 것입니다. 다만 이 과정은 결코 평탄하지 않고 울퉁불퉁할 것입니다. 주가가 올랐다 떨어졌다를 반복할 것입니다. 왜 그럴까요? 엔비디아만 돈을 버는 구조에서는 AI 버블론이 끊임없이 나올 수밖에 없기 때문입니다. 결국 누군가가 진짜 금광에서 금을 캐내야 그다음부터 AI 혁명이 우리 생활을 진정으로 바꾸게 됩니다. 그때까지 울퉁불퉁한 과정을 지나가고, AI 혁명이 우리의 삶 속으로 진짜 들어올 것입니다.
네 번째 문제는 한계비용입니다. 지금까지 빅테크 기업들의 한계비용은 거의 0에 가까웠습니다. 구글 검색 엔진을 만들어 놓으면 새로운 검색자가 들어와도 에너지를 많이 쓰지 않기 때문에 비용이 크게 늘지 않았습니다. 초기 투자만 많을 뿐, 가입자가 늘어나도 한계비용은 거의 0이었습니다. 그런데 AI는 아직 한계비용 제로와는 거리가 아주 멉니다. 일단 데이터 센터 구축에만 엄청난 비용이 들어갑니다. 그런데 데이터 센터 구축 비용만 중요한 것이 아닙니다. 무엇이 문제일까요? 가입자가 늘어날수록 전력 사용량이 급속도로 늘어납니다. AI 모델이 고도화되어도 역시 전력 사용량이 급속도로 늘어납니다. 이 때문에 미국에서 문제가 생겼습니다. 미국의 전력 요금은 최근 5년 동안 35%가 올랐습니다. 앞으로 전력 사용량이 미국에서 끝없이 늘어나면 전력 요금은 더욱 오를 수밖에 없고, 한계비용 제로는 아주 멀어졌습니다. 사용자가 늘고 모델이 고도화될수록 오히려 한계비용이 늘어나는 상황은 지금까지 빅테크가 경험해 본 적이 없는 상황입니다.
따라서 AI가 진정으로 우리 생활을 바꾸려면 이 네 가지 문제를 해결하는 뛰어난 소프트웨어 기업이 등장해야 합니다. 다시 말해 금광에서 진짜 금을 캐는 기업이 등장해야 AI 혁명이 완성됩니다. 지금 AI 혁명의 진행 단계를 버블과 비교하자면 인터넷 고속도로를 건설하던 당시와 굉장히 비슷합니다. 철도가 깔리던 시기, 미국이 철도를 놓던 때와 비슷합니다. 그리고 여기서 진짜 서비스가 이루어지고, 그 과정에서 엄청난 이윤이 창출되면 그때 우리는 AI 시대로 본격적으로 진입할 것입니다.
그렇다면 궁금해집니다. 앞으로 누가 차세대 AI 혁명의 주역이 될 것인가? 이 네 가지를 극복한 기업이 당연히 주역이 될 것입니다.
첫째, 가장 중요한 것은 네트워크 효과입니다. 가입자가 새로운 가입자를 끊임없이 불러들이고, 일단 가입하면 락인 효과로 꾹 붙잡아 두어 탈퇴하지 못하게 만드는 네트워크 효과를 가장 먼저 강화해 시장을 독식할 기업이 주역이 될 것입니다. 이를 위해 빅테크 기업들이 지금 무엇을 하고 있을까요? 최근 거대 언어 모델은 사용자를 자꾸 인식하려고 합니다. 제미나이 같은 경우 최근 이렇게 바뀌었습니다. 제가 새로운 질문을 시작해도 금방 저를 알아채서 "종훈님, 돌아오셨네요"라고 말할 때가 있습니다. 저는 깜짝깜짝 놀랍니다. "이거 프라이버시가 다 넘어가는 것 아닌가?" 하는 우려까지 생길 정도입니다. 이렇게 네트워크 효과를 어떤 방식으로든 만들어 내는 기업이 앞으로 AI 혁명의 차세대 주역이 될 가능성이 굉장히 큽니다.
둘째, 데이터, 특히 순도 높은 양질의 데이터를 먼저 확보하는 기업입니다. 이것도 굉장히 중요합니다. 이 데이터 문제는 후속편에서 좀 더 집중적으로 다룰 생각입니다.
셋째, 감가상각이 큰 유형 자본의 족쇄에서 먼저 벗어나는 기업입니다. 소프트웨어 기업이 왜 갑자기 장치 산업을 하는지 지금은 이해가 안 갈 것입니다. 하지만 시간이 지나면 다시 빅테크 기업들의 무형 자본 비중이 늘어날 것입니다. 이것을 먼저 성공시키는 기업이 당연히 차세대 AI 혁명의 주역이 될 것입니다.
넷째, 한계비용을 먼저 낮추는 기업입니다. 다시 말해 엔비디아에 대한 의존과 에너지 제약이라는 지금의 제약을 넘어서는 빅테크 기업이 미래를 선도할 것입니다.
구체적인 AI 혁명 섹터와 혁명을 선도할 기업은 다음 편에서 설명드리겠습니다.
이제 구독자 100만 명을 앞두고 있습니다. 채널 성장을 빠르게 이끌어 주신 구독자 여러분께 정말 감사드립니다. 그리고 무료 전자책 나눔 이벤트를 준비했습니다. 제 오프라인 강연 내용을 담은 전자책으로, 이제 무료로 여러분께 배포하려고 합니다. 현시대를 진단하고 대응 방안을 모색한 내용입니다. 무료 전자책 나눔 이벤트 2탄도 계속 준비 중입니다. 신청 방법은 고정 댓글에 있습니다. 그리고 12월 16일에는 지식한방 채널에서 처음으로 온라인 구독자 세미나를 진행할 예정입니다. 많은 분들이 참여해 주시면 정말 감사하겠습니다. 연말까지 다양한 양질의 콘텐츠를 꼭 선물로 가져가셨으면 좋겠습니다.
이상으로 박종훈의 지식한방을 마치겠습니다. 다음 시간에 뵙겠습니다.
Comments 0