AI 시대, 투자자들이 모든 것을 다시 설계하는 이유

URL: https://www.youtube.com/watch?v=bsdJd2VeLvg
날짜: 2026-09-13
채널: a16z
원문 발행일: 2026-09-10
출연: Erik Torenberg(진행), Jen Kha(a16z), David George(a16z), Aram Verdiyan(Accolade Partners)

---

📌 핵심 질문 / 핵심 논점

==AI는 소프트웨어의 다음 버전이 아니라 노동·자본·물리적 인프라까지 다시 묶는 경제적 패러다임이며, 이 변화가 벤처투자의 파워 로(power law), LP의 자산배분, 사모펀드의 기존 포트폴리오를 어떻게 바꾸는가?==

• AI 기업은 사람을 대규모로 채용하는 대신 컴퓨트(compute)에 자본을 투입해 제품과 매출을 더 좋게 만들 수 있으므로, 자본 자체가 경쟁우위를 복리로 키운다.
• 3,000개 미국 VC 중 지난 20년 동안 일관된 3배 순수익을 만든 곳은 20개뿐이며, 최상위 기업에 접근하고 충분히 크게 보유했는지가 평균 수익과 극단적으로 벌어진다.
• AI의 경제적 TAM은 소프트웨어 지출이 아니라 대체·증강되는 작업의 경제적 가치로 측정해야 하며, 노동·의료·교통·자본·조정으로 확장될수록 전통적인 SaaS TAM보다 훨씬 커진다.
• 공급 측면에서는 수요가 아니라 전력망, 인허가, 송전, 데이터센터, 칩과 메모리가 병목이다. 다음 세대의 거대 기업은 아직 본격적으로 열리지 않은 로보틱스·자율성·의료·물리적 인프라에서 나올 수 있다.

벤처와 성장투자를 단순히 초기 단계와 후기 단계 중 하나로 고르는 문제로 볼 수 없다. 초기부터 창업자와 관계를 쌓고 카테고리의 승자를 식별한 뒤 후기 라운드에서 충분한 지분을 확보하는 통합 역량이 파워 로를 수익으로 바꾼다. 동시에 모든 기존 소프트웨어가 사라지는 것도 아니며, AI 확산을 실제 고객 사용량과 성장 가속으로 증명하는 기업은 살아남을 수 있다.

1. AI가 파워 로를 경제 전체의 구조로 바꾸다

AI는 특정 애플리케이션 시장 하나가 아니라 GDP의 여러 입력과 작업을 동시에 재편하며, 그 결과 승자에게 자본이 더 강하게 모이는 구조를 만든다.

1.1. 자본이 기업의 우위를 직접 복리로 키우는 이유

1. 기존 파워 로의 원천

   1. 네트워크 효과와 규모의 수익: 지난 10~20년 기술투자에서 네트워크 효과를 가진 소비자 기업은 사용자가 늘수록 더 강해졌고, 브랜드 평판과 시장 내 신뢰, 축적된 자원도 소프트웨어 기업의 경쟁우위를 누적시켰다.
   2. 자본 투입의 한계: 전통적인 스타트업에 돈을 과도하게 넣으면 1,000명 채용, 조정 문제, 간접비, 서로 충돌하는 우선순위가 생겨 오히려 조직이 망가질 수 있었다.

2. 컴퓨트가 만드는 새로운 복리

   1. 돈을 컴퓨트에 투입하는 구조: 프런티어 랩(frontier lab)은 추가 자본으로 GPU와 추론(inference) 컴퓨트를 확보하고, 그 컴퓨트가 곧 더 나은 제품과 사업 성과로 이어진다.
   2. 규모의 경제의 현실화: 사람이 늘어날 때 생기는 조정 비용과 달리 컴퓨트는 제품 능력과 사용량을 직접 확장하므로 AI 시장에서는 규모의 경제가 실제 수익 구조가 된다.

1.2. AI의 공격 범위와 경제적 TAM

1. GDP 전반으로 퍼지는 수요

   1. 동시다발적 침투: AI는 교통(transportation), 노동(labor), 서비스(services), 자본(capital), 조정(coordination)을 동시에 건드리며, 한 산업의 소프트웨어 예산만을 잠식하는 기술이 아니다.
   2. 전례 없는 범위: 하나의 기술 패러다임이 약 30조 달러 규모의 GDP 여러 부분을 동시에 겨냥한 사례는 없었기 때문에, 기존 소프트웨어 시장의 배수만으로 AI의 상한을 계산할 수 없다.

2. 작업의 가치로 다시 계산하는 TAM

   1. 의료 IT와 의료 노동의 차이: 의료 IT 지출은 연간 약 600억~1,000억 달러지만, 보험 청구·빌링·행정 같은 실제 의료 작업과 노동의 경제적 가치는 약 1조 달러 규모다.
   2. 포착률을 적용하는 방식: AI 회사의 TAM은 소프트웨어 라이선스 지출이 아니라 자동화·증강되는 작업의 전체 경제적 가치에 AI 기업이 가져가는 포착률(capture rate)을 곱해 생각해야 한다.

3. 전통적인 SaaS 비유가 놓치는 것

   1. AI를 SaaS의 다음 버전으로만 부르는 오류: 노동 지출은 소프트웨어 지출보다 미국 경제에서 대략 40배 크므로, AI를 단순한 차세대 소프트웨어로 규정하면 기회의 크기를 과소평가한다.
   2. 노동의 소멸이 아닌 재발명: 노동이 통째로 사라진다기보다 사람이 수행하는 작업의 조합과 방식이 다시 설계되고, AI가 인간의 역할을 재구성하는 방향으로 경제가 이동한다.

2. 투자 포트폴리오가 AI를 핵심으로 재편되다

AI의 빠른 매출 성장과 경제 전반의 확산은 AI를 작은 위성 포지션이 아니라 포트폴리오의 핵심 연결축으로 만든다.

2.1. 성장 속도와 확산률이 요구하는 자산배분

1. 매출 성장의 속도

   1. AI와 SaaS의 비교: AI 산업은 매출 1,000억 달러에 도달하는 데 약 4년이 걸렸고, SaaS가 같은 지점에 도달하는 데는 15년이 걸렸다.
   2. 아직 남은 수요: 추론 수요가 사실상 무제한에 가깝고 경제적 침투가 초기 단계이므로, 컴퓨트를 더 투입해도 흡수할 수 있는 수요가 남아 있다는 점이 자본 복리의 배경이다.

2. AI를 코어로 보는 논리

   1. 핵심 배분의 필요성: 가장 빠르게 성장하는 기술이 GDP의 여러 요소에 동시에 연결되어 있어 AI는 일부 위험자산에 붙이는 satellite position이 아니라 core 또는 super-core가 되어야 한다.
   2. 사모·공모를 관통하는 연결 조직: 공모시장에서는 AI 모니터링·보안·에이전트 배포 기업이 성장 가속을 보이고, 사모펀드는 AI-native 경영진과 가속하는 시스템 오브 레코드(system of record)를 찾으므로 AI의 연결 조직은 모든 자산군에 존재한다.

3. 장기 비공개 기업의 효과

   1. 자산군의 성장: 사모시장과 성장주식의 자산군 가치는 약 5조~6조 달러로 커졌고, 기업이 비공개 상태로 오래 머무는 구조는 되돌아가기 어렵다.
   2. 후기 단계의 벤처형 수익: 과거에는 매출 1억 달러 정도에서 IPO를 했지만, 이제 후기 단계에서도 벤처와 같은 결과가 가능하다. 상위 10개 매각 기업의 규모는 과거 약 100억 달러에서 약 400억 달러로 커졌고, Anthropic과 OpenAI가 상장할 무렵에는 1,000억 달러 수준도 가능하다는 전망이 나왔다.

2.2. 파워 로의 강도가 요구하는 선택과 집중

1. 최상위 기업에 접근하지 못한 비용

   1. 극단적인 수익 분산: 최근 5~10년 동안 상위 5~10개 기업에 접근하지 못한 LP는 수익률 측면에서 크게 뒤처졌을 가능성이 높다.
   2. 평균의 불충분함: Cambridge 데이터상 최근 10년 평균 벤처 순수익은 1~2배에 불과하다. 10년 자금이 묶이는 벤처의 위험을 감수하고도 이 정도라면 사모펀드나 공모시장이 더 매력적일 수 있다.

2. 자산배분의 세 가지 일

   1. Access와 selection: LP는 성과를 낸 과거 운용사를 알아보는 데서 끝나지 않고, 다음 세대 운용사를 찾으면서 카테고리 정의 기업에 계속 접근해야 한다.
   2. Portfolio construction과 sizing: 잘하는 운용사가 3,000곳 중 20곳뿐이라면 50~70개 VC에 얇게 분산하기보다 상위 15~20개에 일관되게 집중해야 평균을 넘어설 가능성이 생긴다.

3. 작은 지분의 착시

   1. 1% 배분의 무력함: LP가 좋은 펀드를 골라 전체 포트폴리오의 1%를 투자하고 그 펀드가 10배가 되어도 전체 자산에는 10%만 더해질 뿐이라 결과를 움직이기 어렵다.
   2. 후기 단계의 펀드 반환 수학: 후기 펀드의 최선 기업이 펀드의 5~10% 이상을 차지하면 한 기업만으로 펀드를 반환할 수 있다. 이 fund-returning math는 예전 후기 단계에는 거의 없었지만 이제 가능해졌다.

3. 승자독식이 아니라 카테고리 내부의 파워 로

AI 시대는 모든 시장에서 단 하나의 회사만 남는다는 뜻이 아니라, 카테고리 수가 폭발하고 각 카테고리 안에서는 승자가 대부분의 가치를 가져가는 구조에 가깝다.

3.1. 새로운 카테고리의 확대와 제로섬 사고의 한계

1. 모든 층이 성장할 수 있는 시장

   1. 앱과 프런티어 랩의 동시 성장: 프런티어 랩이 애플리케이션을 잠식할 것이라는 가설과 달리, 기반 모델·도구·애플리케이션이 모두 성장할 여지가 있다.
   2. 제로섬 탈피: 오픈소스 모델이 잘되면 랩이 망하고 랩이 잘되면 오픈소스가 망한다는 식의 이분법은 전체 시장의 확장을 놓친다. 대다수 영역에서는 "everything is going to work"에 가까운 그림이 가능하지만, 개별 회사와 일부 카테고리는 실패한다.

2. 카테고리 내부의 승자독식

   1. 시장 점유율의 집중: 기술 기업 전체로 보면 성공한 기업은 많지만, 하나의 카테고리 안에서는 1위가 시장점유율과 시가총액의 대부분을 가져가고 2위 이하는 남은 몫을 놓고 경쟁한다.
   2. 카테고리 자체의 증식: 20년 전 CRM은 Siebel Systems 정도의 작은 분야였지만 지금은 거대한 카테고리다. AI도 기존 시장을 하나씩 나누는 동시에 새로운 카테고리를 대량으로 만들어 낸다.

3.2. VC의 손실과 선택적 집중

1. 손실을 감수하는 포트폴리오

   1. 초기 단계의 손실률: 최상위 벤처 펀드도 초기 투자의 약 60%가 손실로 끝날 수 있다. 손실이 전혀 없다면 충분한 위험을 감수하지 않았을 가능성이 높다.
   2. 성장 단계의 다른 수학: 성장 단계 손실률은 낮아져도 약 10~20%가 될 수 있으며, 그 대신 10배 이상 수익을 내는 기업을 포함해야 적절한 위험·수익 구조가 된다.

2. 카테고리 승자를 보유하는 조건

   1. 로고만으로 부족함: 이름 있는 기업에 투자했다는 사실만으로는 충분하지 않다. 초기 단계 대형 펀드는 충분한 지분을 가져야 하고, 후기 단계 펀드는 핵심 기업의 규모가 펀드 성과를 움직일 정도여야 한다.
   2. 믿을 만한 카테고리의 1위: 성공 가능성이 있는 카테고리마다 선도 기업을 보유하면 카테고리가 성장할 때 큰 수익을 얻고, 카테고리 자체가 실패하면 그것을 감수하는 것이 VC의 본질적인 위험이다.

4. 운용사의 구조와 ‘중간의 죽음’

파워 로가 커질수록 창업자에게 선택받는 능력과 초기부터 후기까지 관계를 이어가는 능력이 합쳐져야 하며, 그 사이에 낀 정체성이 약한 운용사는 압박을 받는다.

4.1. 스페셜리스트와 대형 플랫폼의 공존

1. 작은 전문 펀드의 자리

   1. 초기·틈새의 선점: 2,000만~4,000만 달러 이하의 기업가치와 1억 달러 이하 펀드로 투자하는 전문 운용사는 대형 운용사보다 한두 라운드 먼저 들어가며 독자적인 자리를 만들 수 있다.
   2. 일관성의 조건: 틈새 펀드는 규모와 전략을 계속 유지해야 한다. 펀드를 키워 대형 운용사와 같은 영역에 들어가면 경쟁이 급격히 어려워진다.

2. 대형 플랫폼의 차별점

   1. 생애주기 투자: 대형 플랫폼은 시드부터 IPO 직전까지 이어지는 상품과 운영 자원을 갖추고 창업자가 필요로 하는 고객·인재 연결을 제공한다.
   2. 운영 자원의 재투자: a16z가 약 700명의 직원을 두고 운용보수를 운영 자원에 재투자하는 이유는 창업자의 결과를 개선하고 거래를 따내는 두 효과를 동시에 얻기 위해서다.

3. 중간이 압박받는 이유

   1. 창업자의 실질적 기준: 창업자는 단지 자본의 가격이 아니라 자신의 결과를 낮은 위험으로 만들어 줄 파트너를 찾는다. 뜨거운 거래일수록 여러 선택지가 있으므로, 실제로 어떤 자원을 제공하는지가 드러난다.
   2. ‘Death of the middle’의 유머: 전문 초기 펀드와 초기부터 후기까지 확장하는 대형 플랫폼 사이에 낀 운용사가 창업자에게 뚜렷한 위험 감소 효과를 제시하기 어렵다는 뜻이다. 출연자들은 이 표현을 반복하면 술을 마시기로 했다는 농담으로 긴장을 풀었다.

4.2. 초기 프랜차이즈가 후기 성공을 배가하는 플라이휠

1. 창업자 선택에서 LP 유입까지

   1. 딥 도메인과 관점: 운용사가 특정 분야를 깊이 이해하고 미래에 대한 올바른 관점을 보여 주면 창업자가 파트너로 선택할 가능성이 커진다.
   2. 성과가 다시 접근성을 만든다: 운용사가 결과를 개선하면 승자와 함께하고 싶어 하는 다음 창업자가 모이고, 기존 창업자의 추천이라는 강력한 레퍼런스가 생기며 LP 유입도 그 결과로 따라온다.

2. 초기·성장 사업의 상호 강화

   1. 초기 사업이 성장 사업을 만든다: 초기 단계에서 만든 창업자 관계·정보·기술 이해·접근성이 성장 라운드에서 우위를 준다. 신규 후기 운용사가 갑자기 5억 달러 수표를 써서 들어가기는 매우 어렵다.
   2. 성장 사업이 초기 사업을 돕는다: 성장 단계에서 파트너십을 확장할 수 있으면 초기 거래에서도 창업자에게 더 많은 생애주기 지원을 약속할 수 있어 초기 승률이 올라간다.

3. 초기 진입과 후기 집중의 결합

   1. Speedrun과 유연성: a16z의 Speedrun 프로그램처럼 대형 플랫폼도 프리시드·시드에 참여할 수 있고, 브랜드에 대한 창업자의 선호 덕분에 여러 단계에 맞춰 자본을 배치할 유연성을 갖는다.
   2. 먼저 이해하고 나중에 선택하기: 모든 초기 투자에 직접 참여하지 않더라도 시장 지형을 가장 먼저 파악해야 후기 라운드에서 정보에 근거한 선택과 집중을 할 수 있다. 강한 후기 프랜차이즈의 5~10% 지분은 초기 관계에서 시작된다.

5. AI 시대의 벤처 선별과 LP의 역할

라운드가 커지고 빨라진 만큼 표면적인 매출 지표보다 창업자의 판단, 고객의 실제 사용, 수요의 지속성을 확인하는 일이 중요해졌다.

5.1. 초기 ARR의 함정과 진짜 견인력

1. 빠른 숫자가 만드는 혼란

   1. 검증 전의 ARR: 액셀러레이터에서 나온 회사가 한 달 만에 0달러에서 500만 달러의 ARR이라고 발표해도 아직 갱신 주기가 없어 반복 매출인지 검증할 수 없다.
   2. 코호트와 배수의 착시: 같은 코호트의 회사들이 서로 제품을 사 주거나 월 매출에 12를 곱해 ARR처럼 보이게 할 수 있어, 그 숫자로 높은 배수의 투자를 유치하는 상황이 생긴다.

2. 진짜 승자의 희소성

   1. 아홉 개와 한 개: 그런 회사 아홉 곳마다 실제 ARR이 수백만 달러이고 다음 Cursor가 될 특별한 회사가 하나 있을 수 있다. 문제는 두 종류를 몇 달 만에 가려내야 한다는 점이다.
   2. 창업자 판단의 가치: 숫자가 불완전할수록 창업자를 오래 관찰하고 어떻게 생각하고 결정하는지 파악하는 판단력이 재무 분석을 보완한다.

3. 고객에게 한 층 더 내려가기

   1. 수요를 묻는 포스트잇: 가장 중요한 질문은 "시장이 이 제품을 더 많이 요구하는가?"다. 이 질문은 항상 볼 수 있도록 컴퓨터 화면의 포스트잇에 적어 둔 기준이다.
   2. 고객 대화의 필요성: 영업 기간이 몇 달밖에 안 된 회사는 재무 분석만으로 수요를 판단할 수 없다. 고객에게 직접 사용 이유, 대안, 반복 사용과 구매 압력을 물어야 한다.

5.2. Harvey와 Cursor가 보여 준 사용량의 신호

1. Harvey의 초기와 전환

   1. 초기 상업적 추진력: Harvey는 연구자와 변호사의 역할을 결합한 팀처럼 움직였고, 똑똑한 상업 실행으로 유명 로펌을 초기에 고객으로 확보했다.
   2. 사용량의 약점: 높은 고객 이름과 달리 실제 배포·사용량은 다른 소프트웨어 기업에 비해 평범해 보였다. 이는 유지율이 아니라 제품이 실제 업무에 얼마나 쓰이는가의 문제였다.

2. 추론 모델 이후의 반전

   1. 효용의 도약: 추론 모델이 등장한 뒤 변호사가 얻는 제품 가치가 크게 올라갔고, 사용량과 참여도가 급격히 증가했다.
   2. 공포에서 요구로: 과거에는 환각(hallucination)을 걱정해 로펌이 도입을 주저했지만, 높은 효용과 사용량이 확인되자 고객이 오히려 모든 로펌이 제품을 쓰기를 요구하는 상황으로 뒤집혔다.

3. Cursor와 시장의 오판

   1. 지속된 의심: Cursor가 SpaceX에 약 6억 달러 규모로 인수된다는 발표 당일 아침까지도 사람들이 Cursor는 끝났다고 말할 정도로 외부 확신은 낮았다.
   2. 수치가 말한 규모: Cursor는 약 3억 달러 ARR과 약 4억 달러 규모의 라운드로 언급될 만큼 이미 큰 사업이었지만, 시장은 그 거래를 여전히 비싸다고 평가했다. 실제 고객 사용과 창업자 판단이 단순한 여론보다 중요하다는 사례다.

6. LP의 인센티브와 자산배분의 재설계

AI는 GP뿐 아니라 LP의 직무를 바꾸고 있다. 과거의 벤치마크 추적과 손실 회피만으로는 세대적 변화에 대응하기 어렵다.

6.1. ‘떨어지는 칼’과 LP의 비대칭 인센티브

1. LP가 느끼는 시장 불안

   1. 과열 추격의 공포: LP들은 지금이 AI 시장의 꼭대기인지, 떨어지는 칼을 잡는 것인지, 높은 밸류에이션에 진입하는 것인지 반복해서 묻는다.
   2. 평가 난이도의 상승: 라운드가 더 크고 빨라졌으며 초기 견인력의 진위를 파악하기 어려워져 펀드와 기회를 평가하는 LP의 일 자체가 어려워졌다.

2. GP와 LP의 반대되는 실패 비용

   1. GP의 누락 위험: GP는 다음 Facebook이나 Uber를 놓치는 오류, 즉 omission 때문에 해고될 수 있다.
   2. LP의 투자 위험: LP는 특정 운용사에 투자했다가 손실을 내는 오류 때문에 해고될 가능성이 크다. 아예 투자하지 않거나 프런티어 모델을 놓치고 벤치마크보다 조금 낮은 성과를 내도 자리를 지킬 수 있다.

3. 새로운 LP 역할

   1. 전체 포트폴리오의 침투: LP의 일은 벤처 배분 안에서 다음 초대형 기업을 찾는 데 그치지 않고, AI가 공모주·사모주·신용·실물자산 전체에 어떻게 스며드는지 재설계하는 것이다.
   2. 상방만으로 설득할 수 없는 이유: 많은 기관 담당자에게 "차세대 파워 로 기업을 놓칠 수 있다"는 말은 개인적 상방이 크지 않아 행동을 바꾸는 충분한 동기가 아니다. 세대적 변화를 포트폴리오 전체의 구조 변화로 설명해야 한다.

6.2. 공모·사모·벤처를 잇는 AI 배분

1. 공모시장 신호

   1. 고배수 기업의 희소성: 현재 공모 SaaS 시장에서 매출의 10배 이상으로 거래되는 기업은 많아야 15~20개이며, 몇 년 전에는 수십 개였던 것과 대조된다.
   2. 가속하는 AI 기업: 그 소수 기업 대부분은 AI로 성장률이 가속되고 있으며, 모니터링·보안·에이전트 배포처럼 AI와 직접 연결된 분야에 속한다.

2. 사모펀드의 새 매수 기준

   1. AI-native를 찾는 매수자: 사모펀드는 연 10% 성장에 머무는 전통적 워크플로 소프트웨어를 단순히 사려 하지 않고, AI-native 경영진과 성장 가속을 보여 주는 시스템 오브 레코드를 찾는다.
   2. 변화 능력의 가치: Silver Lake가 Workday 인수처럼 기존 회사를 미래로 밀어 넣을 역량을 가진 거래가 더 도발적으로 나타날 수 있으며, AI를 주입하고 사업을 재구성하는 능력이 가격의 핵심이 된다.

3. CalPERS의 방향 전환

   1. 배분 비중의 이동: CalPERS는 시장에 투자하지 않아 수십억 달러의 상승분을 놓친 뒤, 공모·기타 자산 비중을 91%에서 58%로 낮추고 벤처·성장 비중을 9%에서 43%로 높였다.
   2. 중간 지점의 필요성: 이 비중이 모든 기관의 정답은 아니지만, 과거 자산배분을 그대로 유지하기보다 AI 연결축을 중심으로 벤처·성장·공모·사모·신용을 함께 살피는 움직임을 상징한다.

7. 레거시 소프트웨어와 ‘AI 사모펀드’의 현실

AI가 과거에 높은 배수로 매입된 소프트웨어를 자동으로 구해 주지는 않는다. 기업의 생존 가능성은 유기적 성장 가속, 실제 제품 전환, 경영진의 결단으로 증명해야 한다.

7.1. 오래된 소프트웨어의 터미널 밸류 문제

1. 프리-ChatGPT 자산의 압박

   1. 밸류에이션의 붕괴: 2016~2021년에 투자된 소프트웨어 기업이 AI-native 기능 없이 연 30% 성장에 머물러도 벤처 장부에는 매출 10~20배로 남아 있을 수 있지만, 공모시장에서는 매출 2배로 거래될 수 있다.
   2. 구매자 부재: 문제는 단순히 가격이 낮아지는 데 그치지 않는다. AI에 견고한지 확인할 수 없으면 IPO 수요도, Silver Lake 같은 매수자도 사라져 터미널 밸류 자체를 계산하기 어려워진다.

2. 성장률의 가격 신호

   1. 유기적 가속: 소프트웨어의 AI 회복탄력성을 보여 주는 가장 좋은 증거는 AI 기능을 붙였다는 발표가 아니라 유기적 성장의 가속이다.
   2. 성장과 EBITDA의 교환비: 공모시장 데이터상 성장률 1%포인트는 EBITDA 3%포인트와 맞먹는 가치가 있다. 코로나 시기에는 수익성이 최우선이었지만, 지금은 위험과 성장 가속의 상관관계가 더 강해졌다.

3. 모든 기존 기업이 사라지는 것은 아님

   1. 두 가지 사실의 공존: AI는 가장 큰 세대적 변화이면서도, 변화에 적응하는 기존 소프트웨어 기업은 지속적인 가치를 가질 수 있다.
   2. 코딩은 예외적으로 빠른 영역: 코딩 작업은 문서화되어 있고, 결과를 검증할 수 있으며, 시뮬레이션할 수 있다. 다른 지식노동은 이 세 조건을 모두 갖추지 않아 확산 속도가 느릴 수 있고, 이 시간이 기존 기업의 전환 여지를 만든다.

7.2. AI를 덧붙이는 것과 회사를 다시 만드는 것의 차이

1. Intercom의 전환

   1. 창업자 복귀와 재설계: Intercom은 창업자를 다시 불러오고 사업 전체를 고쳐 AI-native 제품을 만들고 확장한 뒤 매각을 시도했다.
   2. 기존 사업을 ‘죽이는’ 결단: 기존 사업을 사실상 희생해 새 구조를 만드는 결정은 사모펀드에서 특히 어렵다. 그럼에도 AI 전환에는 그런 수준의 결단이 필요할 수 있다.

2. 얕은 AI 주입의 위험

   1. 고객센터 에이전트의 함정: 사모펀드 포트폴리오 회사가 가장 먼저 AI 고객센터 에이전트를 붙이는 것은 쉬운 저위험 과제처럼 보이지만, 고객이 인간 상담을 기대하는 워크플로에 설계 없이 끼워 넣으면 곧바로 이탈이 발생한다.
   2. NPS와 부채의 악순환: 순추천지수(NPS)가 1포인트 떨어질 때 매출 하락과 직접 연결될 수 있으며, 여기에 차입금이 얹혀 있으면 고객 이탈·매출 감소·상환 부담의 나선이 빨라진다.

3. 전환의 거버넌스

   1. 운영 파트너만으로 부족함: 회사에 운영 파트너를 보내 "AI를 붙여 보라"고 하는 것만으로는 변화가 일어나지 않는다.
   2. 정렬과 창업자 정신: 경영진이 창업자 정신을 갖고 있어도 이사회와 모든 투자자가 같은 방향으로 정렬되고, Intercom처럼 어려운 결정을 함께 내려야 한다. Sears의 웹사이트를 Amazon이라고 부를 수 없듯이 AI 로고만 붙인다고 회사가 AI-native가 되지 않는다.

7.3. 레거시 자산과 공존하는 포트폴리오

1. AI 포트폴리오의 구성

   1. 고성장 자산 중심: 한 성장 포트폴리오의 순자산가치(NAV) 약 95%는 빠르게 성장하고 가속하는 기업에 있고, 레거시 기업의 비중은 약 5% 수준으로 제시됐다.
   2. 사라지지 않는 선택지: Bendings라는 농담이 언급된 Airtable 사례처럼 기존 사업에서도 하이퍼 에이전트 사업을 분사해 새로운 가치를 만들 수 있으며, 여러 자산에 새로운 집이 생길 수 있다.

2. 제로섬 해석의 위험

   1. 가치의 재배치: 기존 기업의 모든 가치가 새 AI 기업으로 이전되는 것이 아니라, 전환 가능한 팀·제품·고객·데이터가 다른 형태의 성장으로 재배치될 수 있다.
   2. 균형 잡힌 판단: AI의 폭발적인 변화와 적응 가능한 기존 소프트웨어의 잔존 가치를 동시에 인정해야 과도한 낙관과 과도한 폐기 모두를 피할 수 있다.

8. 사모신용의 전염과 유동성의 시간표

AI에 취약한 소프트웨어는 주식가치뿐 아니라 레버리지와 사모신용에도 압박을 전달하며, 벤처의 높은 수익은 긴 유동성 대기와 맞바꿔야 한다.

8.1. 레버리지 소프트웨어와 사모신용의 경고

1. 2021~2022년 거래의 유산

   1. 거래 규모: 2021~2022년에 약 2,000억~3,000억 달러의 LBO 소프트웨어 거래가 있었고, 그중 2,000억 달러가 넘는 부채가 조달됐다.
   2. 높은 매입 배수: 당시 소프트웨어 거래의 평균 가격은 EBITDA 25~32배였지만, 현재 해당 기업들의 가치는 대략 절반으로 줄었을 가능성이 있다.

2. 신용시장으로 번지는 충격

   1. 상환비율의 악화: 공모 소프트웨어 시장의 급격한 조정과 SPAC-alypse가 밸류에이션을 낮춰 레버리지 비율을 크게 올렸다.
   2. 주식과 부채의 동시 위험: AI에 회복탄력적이지 않은 소프트웨어 기업은 지분가치가 약해질 뿐 아니라, 담보와 현금흐름을 바라보는 사모신용도 동시에 어려워진다. 사모신용의 환매(redemption)는 이 부담을 반영한다.

8.2. 벤처의 유동성과 인내의 가치

1. 기본적인 반론

   1. 10년 이상의 비공개 기간: 평균 유니콘은 통상 10년 이상 비공개 상태로 있고, 같은 기업의 로고가 다섯·여섯 개 펀드에 반복해서 나타나므로 LP는 어떻게 빠져나올지 묻는다.
   2. IPO는 즉시 분배가 아님: IPO를 했다고 바로 현금이 생기는 것이 아니다. IPO에서 10~15%를 보유한 투자자는 특히 세대적 기업일수록 실제 유동화까지 12~24개월 이상 기다릴 수 있다.

2. 최상위 GP의 반론

   1. 복리를 너무 일찍 끊지 않기: 상위 1% 운용사가 카테고리 승자를 보유했다면 몇 년 일찍 팔아 복리를 중단할 이유가 약하다. Stripe를 3~4년 일찍 팔고 싶었겠느냐는 질문에는 누구도 그렇지 않다고 답할 것이다.
   2. 짧아질 수 있는 회수 기간: Anthropic은 2021년에 처음 자금을 받고 약 5년 뒤 상장을 앞두고 있으며, Cursor는 첫 자금조달부터 SpaceX 인수까지 더 짧은 시간에 회수됐다. 최상위 VC는 사모펀드보다 빠르게 펀드를 반환하기도 하지만 그런 운용사는 극소수다.

3. Stripe와 LP의 선택

   1. 16년 차의 선택권: Fund 1이 16년 된 시점에 초기 투자한 Stripe 지분의 유동화를 LP들에게 물었지만 모든 LP가 즉시 현금보다 추가 복리를 선택했다.
   2. 17년 차의 종료: 1년 뒤에는 펀드를 마무리하고 유동성을 반환해야 해서 매각을 진행했다. 기부금 성격의 기관은 계속 보유하기를 원할 수 있고, 패밀리 오피스는 세금을 내기 싫어 현금 반환을 원하지 않을 수 있어 LP 유형마다 최적의 출구가 다르다.

4. 유동성을 단계적으로 만드는 운용

   1. 2021년의 조기 회수 신호: 시장이 좋았던 2021년에 일부 현금을 회수한 GP는 좋은 첫 신호를 보냈다. 모든 지분을 끝까지 묶어 두는 것만이 최선은 아니다.
   2. 다음 사이클의 혼합 전략: 초기에는 M&A로 유동성을 만들고, 진짜 승자는 충분히 복리시켜 IPO로 보내는 방식이 후기 회수와 장기 보유를 함께 가능하게 한다.

9. 100조 달러 기업을 향한 다음 영역

다음 세대의 초거대 기업은 현재의 챗봇만으로 만들어지지 않는다. 아직 거의 건드리지 않은 소비자·로봇·자율성·의료·물리적 세계가 다음 가치 창출의 무대다.

9.1. 소비자·로보틱스·자율성·의료

1. 소비자 AI의 네이티브 형태

   1. 챗봇은 스큐어모픽 단계: 소비자 AI의 최종 사용 사례는 채팅창에 질문하는 현재 형태가 아니라, 사용자를 대신해 먼저 행동하고 일을 처리하는 능동적(proactive) 네이티브 인터페이스다.
   2. 아직 표면만 긁은 사용자 기반: ChatGPT 사용자가 약 10억 명에 이르더라도 소비자 가치 창출의 표면을 긁은 수준에 불과하다.

2. 로봇과 자율성의 미개척지

   1. 로보틱스의 잠재력: 로보틱스 시장은 언어 모델보다 더 커질 수 있고, 향후 10년 안에 본격적인 확장이 일어날 가능성이 있다.
   2. 자율주행의 초기 단계: 미국에서 운행 중인 Waymo는 1만 대보다 훨씬 적고 로보택시는 더 적다. 자율성(autonomy)에는 새로운 기업이 들어갈 넓은 공간이 남아 있다.

3. 의료의 거대한 공백

   1. GDP 비중: 의료는 GDP의 약 18%를 차지하지만, AI는 진료 제공(care delivery)과 신약 발견(drug discovery) 모두에서 아직 표면을 거의 건드리지 못했다.
   2. 10년의 가치 창출: 초기 진전을 보이는 기업은 있지만, 향후 10년의 의료 AI 발전은 지금까지의 성과보다 훨씬 큰 가치를 만들 수 있다.

9.2. 물리적 세계와 공급 병목

1. 다시 설계되는 물리적 영역

   1. 확장 대상: 국방, 제조, 데이터센터처럼 물리적 세계에 속한 영역도 AI로 다시 상상되고 있으며, 다음 SpaceX·OpenAI가 이런 분야에서 나올 수 있다.
   2. 100조 달러 질문의 시점: 100조 달러 시가총액 기업은 한 번의 기술 사이클이 아니라 두 번 정도의 기술 사이클 뒤에 가능할 수 있다. 10조 달러 이상의 가치 창출은 아직 손대지 않은 제품 영역에서 발생할 가능성이 크다.

2. 수요가 아닌 공급이 병목

   1. 공급 사슬의 순서: AI 공급은 에너지·전력망에서 데이터센터, 칩, 프런티어 모델, 애플리케이션으로 이어진다. 미국은 칩 이후의 오른쪽 영역에는 강하지만 앞쪽 공급을 충분히 빠르게 만들지 못하고 있다.
   2. 진짜 문제는 speed to power: 미국은 발전량 자체가 부족한 것이 아니라 전력을 AI 시설까지 연결하는 속도가 느리다. 인허가(permissioning), 송전(transmission), 규제가 병목이며 다른 나라들은 매년 미국보다 10배 많은 재생에너지 용량을 추가하고 있다.

3. 데이터센터와 인프라 투자의 기회

   1. AI 전용 밀도: AI 시설은 기존 데이터센터보다 전력·연산 밀도가 10배 이상 높을 수 있어 낡은 데이터센터를 그대로 재활용할 수 없다.
   2. 새로운 펀드의 역할: 차세대 칩·메모리·데이터센터·에너지 기업을 지원하는 인프라 펀드는 100억~500억 달러가 아니라 1,000억 달러 이상의 기회를 만들며 수요 병목이 아닌 공급 병목을 해결할 수 있다.

4. 닷컴·코로나와 다른 국면

   1. 실제 견인력: AI 매출과 사용량은 코로나 시기의 일시적 소비나 닷컴 시대의 허상과 달리 실제 고객 수요에 기반한다. "닷컴 버블"이나 "코로나"라는 비유만으로 지금을 설명할 수 없다.
   2. 에너지와 하드웨어의 투자 논리: 차세대 칩, 메모리, 전력과 인프라가 제대로 공급되면 이미 확인된 수요를 더 확장할 수 있으므로, 병목을 해결하는 기업이 소프트웨어 기업 못지않은 초대형 기회가 된다.

주요 발언 모음

“AI는 GDP의 모든 면을 공격한다. 교통, 노동, 서비스, 자본, 조정이다.”

“처음으로 자본을 회사에 던지면 그 회사의 우위를 복리로 키울 수 있다.”

“시장이 당신의 제품을 더 많이 요구하고 있는가? 그것이 언제나 질문이다.”

“창업자는 자신의 결과를 낮은 위험으로 만들어 줄 수 있다고 생각하는 파트너에게 자본을 맡긴다.”

“한 카테고리에서는 승자가 대부분의 시장점유율과 시가총액을 가져가지만, 앞으로 카테고리의 수 자체가 엄청나게 늘어날 것이다.”

“Sears의 웹사이트를 만든다고 Amazon이 되는 것은 아니다. Amazon을 만든 것은 물류부터 쌓아 올린 전체 시스템이다.”

“AI의 병목은 수요가 아니다. 공급 측면에 있다.”

“기계의 시대다. 기계를 불러오자.”

핵심 데이터 & 수치

• 3,000개와 20개: 미국 VC 3,000곳 중 지난 20년 동안 일관된 3배 순수익을 만든 운용사는 20곳뿐이며, 1% 미만이다.
• 3~4개 펀드: 20년 동안 7~8개 펀드가 아니라 3~4개 펀드에서 3배 순 TVPI를 달성했는지를 기준으로 해도 해당 운용사는 20곳뿐이다.
• 4년 대 15년: AI는 매출 1,000억 달러에 약 4년 만에 도달했지만 SaaS는 약 15년이 걸렸다.
• 30조 달러: AI는 교통·노동·서비스·자본·조정을 포함해 약 30조 달러 GDP의 여러 영역을 동시에 겨냥한다.
• 6,000억~1조 달러: 의료 IT 지출은 연간 600억~1,000억 달러지만 의료 작업의 경제적 가치는 약 1조 달러다.
• 40배: 미국 경제의 노동 지출은 소프트웨어 지출보다 대략 40배 크다.
• 5~10%: 후기 펀드의 카테고리 정의 기업 보유 비중이 펀드의 5~10% 이상이면 한 기업만으로 펀드를 반환할 수 있다.
• 60%와 10~20%: 초기 VC 손실률은 약 60%, 성장 단계 손실률은 약 10~20%가 적절한 범위로 언급됐다.
• 1~2배: 최근 10년 평균 벤처 순수익은 Cambridge 데이터 기준 1~2배다.
• 15~20개: 공모 SaaS 시장에서 매출 10배 이상으로 거래되는 기업은 현재 15~20개에 불과하다.
• 91%→58%, 9%→43%: CalPERS는 공모·기타 자산 비중을 91%에서 58%로 줄이고 벤처·성장 비중을 9%에서 43%로 늘렸다.
• 12달러와 7,000달러: 미국 기업의 중위 AI 지출은 직원 1인당 월 12달러인 반면, 관찰된 상위 1% 기업은 월 7,000달러를 쓴다.
• 1,000만~3,000만 명: AI 고성장 기업은 약 1,000만~3,000만 명의 사용자 기반으로도 대형 기술기업보다 매달 더 많은 매출을 추가하고 있다.
• 15억 명: 전 세계 지식노동자는 약 15억 명으로 제시됐으며, 현재 AI 사용자는 그 잠재 규모에 비해 초기 단계다.
• 2,000억~3,000억 달러: 2021~2022년 LBO 소프트웨어 거래 규모는 약 2,000억~3,000억 달러, 조달 부채는 2,000억 달러를 넘었다.
• 25~32배와 절반: 당시 소프트웨어 거래 평균 가격은 EBITDA 25~32배였고 현재 가치는 대략 절반으로 줄었을 수 있다.
• 1%↔3%: 공모시장에서 성장률 1%포인트는 EBITDA 3%포인트에 해당하는 가치 신호로 제시됐다.
• 10년 이상·12~24개월: 평균 유니콘의 비공개 기간은 10년 이상이고 IPO 후 실제 유동화에는 12~24개월 이상이 걸릴 수 있다.
• 2021→약 5년: Anthropic은 2021년 최초 자금조달 뒤 약 5년 만에 상장을 앞두고 있다.
• 1만 대 미만·18%: 미국의 Waymo 운행 대수는 1만 대보다 훨씬 적고, 의료는 GDP의 약 18%지만 AI 침투는 아직 초기다.
• 10배·1,000억 달러 이상: AI 데이터센터의 밀도는 기존 시설보다 10배 이상 높을 수 있으며, 전력·칩·메모리·인프라 기회는 1,000억 달러 이상으로 확장될 수 있다.

결론 및 시사점

1. AI를 비용 절감형 소프트웨어가 아닌 경제 인프라로 평가해야 한다: 노동과 작업의 경제적 가치, 추론 수요, 공급 병목까지 포함해야 TAM과 기업가치를 제대로 볼 수 있다.
2. LP는 접근성·선택·규모를 함께 설계해야 한다: 3,000곳 중 극소수만 일관된 초과수익을 내는 시장에서 수십 개 운용사에 1%씩 나누는 방식은 파워 로를 희석한다.
3. VC는 초기 관계와 후기 집중을 결합해야 한다: 초기 프랜차이즈가 창업자 신뢰와 정보를 만들고, 후기 단계의 큰 수표와 지분 규모가 수익을 실제 펀드 성과로 바꾼다.
4. 초기 ARR보다 고객의 반복 사용과 수요 압력을 확인해야 한다: 갱신 주기가 없는 매출, 코호트 내부 거래, 월 매출의 단순 연환산은 시장 신호가 아니며 고객 인터뷰와 사용량의 질이 더 중요하다.
5. 레거시 소프트웨어는 AI 기능의 존재가 아니라 성장 가속으로 평가해야 한다: Intercom 같은 전사적 재설계와 경영진·이사회의 정렬이 있어야 터미널 밸류를 회복할 수 있다.
6. 사모펀드의 AI 전환은 플러그인이 아니라 재건축이다: 인간 워크플로를 무시한 고객센터 에이전트 도입은 NPS와 매출을 떨어뜨리고 부채 부담을 악화시킨다.
7. 유동성은 장기 복리와 단계적 회수를 섞어야 한다: 최상위 기업은 오래 보유하되, M&A와 세컨더리·IPO를 통해 일부 현금을 조기에 제조하는 역량이 중요하다.
8. 가장 큰 미래 기회는 아직 실현되지 않은 영역에 있다: 능동적 소비자 AI, 로보틱스, 자율성, 의료, 국방·제조·데이터센터가 다음 초대형 기업의 후보군이다.
9. 수요가 확인된 만큼 공급 병목이 투자 대상이 된다: 전력 연결 속도, 인허가, 송전, 데이터센터, 칩과 메모리를 해결하는 기업은 AI 애플리케이션과 동일한 수준의 전략적 가치를 가질 수 있다.

핵심 요약 (20줄)

AI는 소프트웨어의 다음 버전이 아니라 노동·자본·서비스·교통·조정까지 동시에 재설계하는 경제적 패러다임이다.

컴퓨트에 투입된 자본은 제품과 추론 능력을 강화해 기업의 경쟁우위를 직접 복리로 키운다.

AI는 매출 1,000억 달러에 약 4년 만에 도달해 SaaS의 15년 기록보다 훨씬 빠른 성장을 보였다.

의료 IT 지출보다 의료 업무와 노동의 경제적 가치가 훨씬 크므로 AI의 TAM은 전통적인 SaaS 시장보다 커진다.

노동은 사라지기보다 인간이 수행하는 작업의 구성이 AI에 맞춰 다시 발명될 가능성이 높다.

AI 시장은 모든 기업이 승리한다는 뜻이 아니라 카테고리 수가 늘고 각 카테고리 안에서 승자에게 가치가 집중된다는 뜻이다.

미국 VC 3,000곳 중 지난 20년간 일관된 3배 순수익을 기록한 곳은 20곳뿐이다.

평균 벤처 순수익은 최근 10년간 1~2배여서 최상위 기업에 대한 접근성이 성과를 결정한다.

LP는 운용사 접근성·선택·포트폴리오 구성·투자 규모를 함께 관리해야 한다.

후기 단계에서 카테고리 승자를 펀드의 5~10% 이상 보유하면 한 기업만으로 펀드를 반환할 수 있다.

전문 초기 펀드와 초기부터 IPO까지 지원하는 대형 플랫폼은 공존할 수 있지만 정체성이 약한 중간 운용사는 압박을 받는다.

초기 프랜차이즈는 창업자 관계와 기술 정보를 만들고 후기 단계의 승률과 수표 규모를 키운다.

초기 ARR은 갱신·반복 사용이 검증되지 않으면 착시일 수 있으므로 고객이 실제로 제품을 더 요구하는지를 확인해야 한다.

Harvey는 추론 모델 이후 사용량과 효용이 급증하며 환각 우려가 고객의 도입 요구로 뒤집힌 사례다.

레거시 소프트웨어의 AI 회복탄력성은 AI 기능의 존재가 아니라 유기적 성장 가속으로 증명된다.

사모펀드 기업에 AI 에이전트를 겉으로만 붙이면 고객 이탈·NPS 하락·매출 감소·부채 악화가 이어질 수 있다.

AI에 취약한 소프트웨어는 지분가치뿐 아니라 2021~2022년의 높은 레버리지와 사모신용에도 위협이 된다.

최상위 벤처는 장기 복리를 유지하면서 M&A·IPO로 단계적 유동성을 만드는 능력을 갖는다.

로보틱스·자율성·의료·능동적 소비자 AI·물리적 인프라는 아직 표면을 거의 건드리지 않은 거대한 영역이다.

AI의 다음 병목은 수요가 아니라 전력 연결·인허가·송전·데이터센터·칩·메모리이며, 기계의 시대를 여는 공급 투자가 필요하다.