저자: Kevin · 외국인
요약 보기
AI 수익화의 승자는 LLM이나 컴퓨팅이 아닌 소프트웨어(응용 계층)라는 주장. 오픈웨이트 모델이 소프트웨어 기업의 인프라 비용을 낮추고 고객 이탈을 줄여 수혜를 준다고 봄. Bloomberg Intelligence 분석을 인용하며 ServiceNow 등을 언급. 소프트웨어 ETF IGV에 순유입이 있다고 언급했으나 본인은 IGV를 직접 보유하지 않는다고 밝힘. 본인이 보유한 종목은 명시되지 않음.
다듬은 글
소프트웨어가 AI의 승자가 될 것이라는 논리
안녕하세요, 케빈입니다. 이제 시작입니다. 큰 기업들이 소프트웨어에 점점 더 많은 관심을 기울이기 시작했습니다. 며칠 전, 혹은 어제였는지 모르겠는데, All-In 팟캐스트에서 오픈 웨이트 모델이 응용 단계의 인공지능에 실제로 도움이 될 것이라는 이야기를 시작했다고 언급했었습니다.
AI 수익성의 세 가지 구성 요소, 맞죠? 컴퓨팅 파워, 대규모 언어 모델(LLM), 그리고 소프트웨어 또는 애플리케이션 계층입니다. 제가 이것들을 언급했을 때 댓글도 받았습니다. "All-In을 언급하시는 순간 저는 흥미를 잃었어요"라는 분도 있었고, "케빈, 왜 더 일찍 말씀하지 않으셨어요?"라는 분도 있었습니다. 저는 "제가 그렇다고 말씀드렸잖아요"라는 심정이었습니다. 석 달 전에 이미 이야기했습니다. 제 생각에 AI의 주된 승자는 소프트웨어이고, LLM과 컴퓨팅 파워는 결국 상품화될 것이라고요.
저는 그중 어느 것에도 크게 흥분하지 않습니다. 진짜 승자는 소프트웨어라고 생각합니다. 문제는 이제 점점 더 많은 사람이 같은 논지에 동조하기 시작했다는 것입니다. 저는 그 논지가 아직 과밀하지 않은 곳에 투자하는 걸 좋아합니다. 과밀 상태는 아직 한참 멀었습니다. 다만 공정하게 보자면, 소프트웨어 ETF인 IGV는 지난 5일 동안 순자본 유입을 보였습니다. 이는 단순한 숏 스퀴즈 이상의 무언가가 있을 수 있다는 뜻입니다.
저는 IGV에 투자하지 않습니다. 소프트웨어 업황을 가늠하는 일종의 지표로만 참고합니다. 저를 스폰서하는 곳도 없습니다. 사람들은 늘 냉소적으로 보는데, 솔직히 그 시선이 맞기도 합니다. 여기저기서 누군가를 속이려는 시도가 많은 것 같거든요. 어쨌든 제가 방금 들은 재계의 이야기를 솔직하게 해보겠습니다.
제가 "들었다"고 할 때는 Bloomberg Intelligence를 말합니다. 대형 플레이어와 헤지펀드에게만 전달되는 일종의 내부 분석 간행물입니다. 그들이 오픈 웨이트 모델이 인공지능의 게임 규칙을 실제로 바꾸고 있다는 보고서를 냈습니다. 이건 매우 중요합니다. 그리고 지금 저는 작은 라운지에 있습니다.
어제 로렌과 여기 앉아 있었는데 우리 팀이 이겼다는 말씀만 드리겠습니다. 퀴즈 같은 걸 할 때 "그만 세!"라고 몇 번 소리쳤을지도 모르겠네요. 아주 재미있었습니다. 이 배는 꽤 멋집니다. 크루즈는 원래 그래야 하죠. 다만 이건 광고가 아닙니다. 디즈니 주식이 지난 11년 동안 마이너스였던 게 정말 아쉽습니다.
저는 디즈니 주식을 보유하고 있지 않지만, 지난 11년간의 디즈니를 보면 이상합니다. 하락했거든요. 지난 5년으로 좁혀 봐도 실제로 많이 떨어졌습니다. 솔직히 상당 부분은 "스트리밍 전쟁"과 스트리밍 선두를 지키려고 쓴 막대한 돈 때문입니다. 영화 산업의 혁신이 큰 성과를 낸 것 같지도 않고요. 그래도 크루즈와 엔터테인먼트 부문의 수익성은 훌륭하다는 말은 해야겠네요. 가격 결정력이 엄청나니 당연한 일입니다.
Bloomberg Intelligence 기사로 돌아가면, 아주 흥미로운 점은 그들이 "해자(moat)"가 바뀌고 있다고 주장한다는 것입니다. 처음 인공지능이 등장했을 때 사람들은 "그래, 이제 끝이다"라고 했습니다. 모든 해자가 대규모 언어 모델에 있을 거라고요. Anthropic과 OpenAI가 실제로 여러분의 데이터를 훔쳐서 CRM 시스템이나 대시보드, 원하는 무엇이든 복제할 거라고 했죠. 그냥 Claude에게 코드를 짜달라고 하면 된다고요.
이제 Bloomberg Intelligence는 오픈 웨이트가 두 가지 방식으로 판을 바꾸고 있다고 말합니다. 첫째, 소프트웨어 기업의 인프라 비용을 줄여 고객에게 더 나은 서비스를 제공할 수 있게 합니다. 이건 말 그대로 제가 몇 년째 말해 온 것입니다. 소프트웨어에 바로 이런 일이 일어날 거라고요.
어쨌든 이제 진지한 애널리스트들도 이 얘기를 하고 있습니다. 제 예측이 정확했다고 스스로 칭찬하고 싶은 마음이 들지만, 동시에 "아니, 아니, 아직 말하지 마"라는 생각도 듭니다. 저는 아직 더 사고 싶거든요. 여러분이 아직 그걸 깨닫는 건 원치 않습니다. 하지만 뭐, 이야기해도 괜찮겠죠. 우리는 같이 자랐잖아요. 여기서는 한 가족 같습니다.
자, 인프라 비용은 물론 오픈 스케일 덕분에 줄어듭니다. 말하자면, 같은 토큰 수를 5달러 대신 50센트에 쓸 수 있다는 거죠. 명백히 최종 소비자는 이용하는 기업의 가격 결정력 때문에 같은 청구서를 받으니 이 혜택을 보지 못합니다. 이 서비스를 제공하는 데 드는 비용이 낮아졌으니 애플리케이션 기업, 즉 소프트웨어 개발사가 이기는 것입니다.
그런데 참고로 ServiceNow 주식은 한 주도 갖고 있지 않습니다. 분명히 해두죠. 저는 다른 소프트웨어 기업을 골랐습니다. 물론 MEK 멤버십 안에서 이걸 보실 수 있습니다. 거기 와서 함께하셔도 됩니다. 뭐라고 부르더라, 휴가 레드 2 같은 이름이었나요, 아니면 크루즈 레드였나요. 쿠폰 이름이 그랬던 것 같아요. me.com에서 확인해 보세요. 어제 참여해 주신 모든 분께 감사드립니다. 우리가 어디를 사고 있는지 정확히 보실 수 있고, 더 살 때마다 오늘이나 내일쯤 구매 알림을 또 보낼 것 같습니다.
어쨌든 정말 흥미로운 건 ServiceNow입니다. 최근 실적 발표를 읽어 보면 그들이 끊임없이 불평하는 건 인프라 비용이 계속 올라간다는 것 하나뿐입니다. 그런데 맞춰 보세요, 레벨들이 뭔가, 음, 대략 그런 일을 하는 거죠? 바로 이 문제를 줄이거나 해결하는 데 도움을 줍니다.
꽤 멋지지 않나요? 우리가 이렇게 까다롭게 구니 무대에 올라가 보죠. 무대에 서 있는 동안 계속 말하겠습니다. 됐습니다. 아, 이제 조명이 들어오네요. 아, 이건 꽤 멋지네요. 그런데 세상에, 이건 너무 이른 감이 있어요. 아니, 괜찮습니다. 자, ServiceNow가 최근 며칠간 잘 움직인 이유 중 하나는, 그들의 마진을 짓누르던 바로 그 인프라 비용이 오픈소스 모델을 통해 실제로 해결되고 있기 때문입니다. 이렇게 말씀드려야겠네요.
이 두 개념 사이에는 큰 차이가 있습니다. 오픈 소스와 오픈 소스의 차이를 꼭 찾아서 이해해 주세요. 이건 아주 중요합니다. 왜냐하면 하나는 Moonshot 같은 기업에게 여전히 경쟁 우위를 유지해 주지만, 다른 하나는 그렇지 않기 때문입니다. 자, 이것이 첫 번째입니다. 하지만 두 번째로 이것이 주는 것은 경쟁 우위의 유지입니다. 애널리스트들이 말하고 있죠. 우위의 유지, 본질적으로는 우리가 이미 이 애플리케이션 계층을 갖고 있고 고객도 확보해 두었다면, 반복적인 매출을 얻게 된다는 뜻입니다. 고객들은 "이봐, 클라우드 코드로 대시보드 같은 걸 빨리 뚝딱 만들 수는 있지만, 우리가 전에 구축해 둔 통합 소프트웨어, 대시보드, 애플리케이션과 시스템만큼 좋지는 않잖아"라고 생각해서 계약을 정기적으로 갱신합니다.
그러면 실제로 Palantir든 Salesforce든 Service Now든 다른 기업이든, 소프트웨어 기업에 더 충성하는 고객으로 남게 됩니다. 그러니 두 가지를 동시에 하는 겁니다. 기업이 어떤 회사이고 어디에 귀속시키기로 하느냐에 따라 이 운영비용이나 매출원가를 줄이는 것, 그리고 동시에 그 기업들의 고객 유지율을 높이는 것입니다. 이제 개별 기업들이 "우리는 가중치를 이런 식으로 조정하고 싶어요. 그런데 OpenAI나 Anthropic이 그 미세 조정을 훔쳐 가지는 못할 거예요"라고 말할 수 있으니까요.
사후 학습 단계에서 돈을 버는 것이 바로 그것입니다. 좀 복잡하니 조금 단순하게 설명하겠습니다. 사전 학습이 있는데, 이는 기본적으로, 다시 말해 지나치게 단순화하자면, 존재하는 모든 책을 가져다가 LLM이 그것들 사이에 신경망 연결을 만들어 패턴을 인식하도록 하는 것입니다. 그래서 챗봇에 질의나 프롬프트를 보내면 토큰 단위로 패턴을 인식할 수 있습니다. 자, 그 이야기를 하고 계시죠. 아마 그것에 관한 정보가 필요하실 겁니다. 여기 있습니다. 좋아요, 그건 모두 패턴 인식입니다. 지적인 것은 전혀 없습니다. 아, 세상에, 제가 그렇게 말하면 화를 내는 분들이 있죠. "무슨 소리예요? 우리는 AGI에 아주 가까워요"라고요. 어, 아니요. 사실은 매우 고도화된 패턴 매칭입니다. 어쨌든 이제 사전 학습이 있습니다. 좋아요, 그건 됐습니다. 그건 다 된 거예요. 이제 정말 중요한 것은 사후 학습입니다. 사후 학습은 이 백과사전들을 가져다가 "이봐, 우리는 …하고 싶어"라고 말하며 조정하는 것입니다. 사람들이 이렇게 생각하도록 돕기 위해 제가 비유를 지어내는 겁니다. "이봐, 이 모든 데이터를 도와줘서 고마워. 이게 정말 주방이라는 걸 판단하는 데 도와줘서 고마워. 이제 이 우편번호 지역의 수리비가 얼마쯤 들 것이라고 판단하도록 설정해 보자." 그래서 우리는 우리의 알고리즘으로 그걸 튜닝하는 겁니다, 맞죠?
어떤 회사든 마찬가지입니다. 부동산 회사든, 우리가 하우스 해크에서 하는 것처럼 말이죠. 우리는 스스로를 기본적으로 부동산 회사로 위장한 AI 회사라고 생각합니다. 꽤 멋진 일이죠. 투자한 사람들은 부동산 회사의 밸류에이션을 보고 투자했으니까요. 연말 전에 또 한 번 펀드레이징을 할지도 모르지만, 솔직히 저는 펀드레이징을 끝내고 싶습니다. 주로 사업이 자생적으로 굴러가고 있기 때문입니다. 그건 다른 영상에서 더 이야기하겠습니다. 그리고 예를 들어 부동산에서 벗어난 또 다른 비유를 들자면, 이건 좀 더 일반적인 얘긴데, 우리가 생물학 연구소라고 해봅시다. 단백질 접힘을 식별할 때 LLM이 우리를 특정 방향으로 이끌었으면 하는데, 이런 종류의 접힘에 대해 공격성을 튜닝하고 싶다고 합시다. 이 전략이나 이 접근법을 쓰는 거죠. 그러니까 본질적으로 여러분의 시스템을 특정 방식으로 뭔가를 하도록 조종하는 겁니다. 그리고 이런 해결책 하나가 아니라 어쩌면 200개의 해결책과 맞춤 설정을 결합하는 것, 바로 그것이 회사를 특별하게 만들고 가격 우위를 줍니다. 만약 이제 최종 결과물, 즉 200가지 맞춤 설정이 들어간 LLM을 고객을 위한 독특하고 사용자 친화적인 대시보드로 제공할 수 있다면, 고객은 그 모든 것을 복제하느라 노력을 들일 필요가 없습니다. 그러면 여러분은 본질적으로 방어 해자를 넓히는 셈입니다. Bloomberg Intelligence가 방금 말한 것처럼, 방어벽은 높아지고 소프트웨어 기업이 그에 드는 비용은 줄어듭니다. 즉 비용이 낮아지는 동시에 순고객 유지율은 올라가는 것이죠.
불과 지난 한 주 사이에, 우리는 2년 동안 소프트웨어 기업이 이렇다고 말해 왔던 것에서 "세상에, 소프트웨어 기업들이 대단해질 거래"로 옮겨 갔습니다. 시장에서는 보통 이런 일이 일어납니다. 한 섹터에 대해 지나치게 비관적이 되었다가 다른 방향으로 돌아서는 광기가 있어서, 큰 수익과 기회가 생기는 것이죠. 이게 제 의견입니다. 물론 우리는 확실히 알지 못합니다. 하지만 이제 제가 가야 할 시간입니다. 함께해 주셔서 감사하고, 다음 에피소드에서 뵙겠습니다. 안녕히 계시고, 여러분 모두 행운을 빕니다.
Comments 0