AI가 시장·산업·경제를 재편하는 방식

URL: https://www.youtube.com/watch?v=lr3hNhA0IfQ
날짜: 2026-10-01
채널: a16z

---

📌 핵심 질문 / 이 대화가 다루는 핵심 논점

==AI 붐은 단순한 모델·소프트웨어 열풍이 아니라 컴퓨팅, 전력, 공장, 교통, 로봇, 바이오까지 이어지는 전 산업의 자본 사이클이며, 아직 기업과 가정에 침투한 정도는 초기 단계다.==

• 미국 자본투자의 약 55%가 하이테크 장비·소프트웨어·연구개발로 향하고, 기술 기업은 미국 주식시장 전체 가치의 약 40%를 차지한다.
• Alphabet·Amazon·Meta·Microsoft·Oracle의 자본지출은 2025년 4,160억 달러에서 2026년 약 7,800억 달러로 뛰고, 2027년부터 연 1조 달러를 넘길 전망이다.
• AI의 매출·비용 절감 효과는 나타나지만 조직 전체의 성과를 장기간 추적하는 수준의 도입은 2%에 불과하다.
• AI 인프라가 요구하는 2040년까지의 전 세계 투자 규모는 데이터센터만이 아니라 전력·물·도로·운송을 포함해 90조 달러로 추산된다.

David George, Sarah Wang, Alex Immerman, Santiago Rodriguez는 a16z 성장팀의 연례 시장 상황 발표에서 25개 핵심 슬라이드를 고르고, 거시적 자본지출과 인프라 수요부터 모델·애플리케이션·소비자·공개시장·비공개시장·차세대 산업까지 이어지는 변화를 설명한다. 시장의 상승이 단순한 밸류에이션 확장이 아니라 실제 매출과 수요에 기댄다는 점, 동시에 AI를 제대로 활용하는 조직과 그렇지 못한 조직 사이의 격차가 매우 크다는 점이 전체 논리를 관통한다.

1. 기술이 전체 자본 사이클을 차지하다

기술은 소프트웨어 부문만의 성장 동력이 아니라 전 경제의 투자 방향을 결정하는 핵심 산업이 됐다.

1.1. 주식시장과 자본투자에서 확인되는 기술의 지배력

1. 기술이 미국 투자 사이클을 이끈다

   1. 자본투자 비중: 미국 자본투자의 약 55%가 하이테크 장비, 소프트웨어, 연구개발에 쓰인다. 모델과 애플리케이션뿐 아니라 전력, 건설, 산업 설비까지 기술 수요가 끌어당긴 결과다.
   2. 주식시장 비중: 기술 기업은 미국 주식시장 전체 가치의 약 40%를 차지하며, 세계 시가총액 상위 10개 기업 가운데 8개가 미국 기술 기업이다.
   3. 모델 개발 자금: 모델 기업과 모델 개발에 지금까지 3,500억 달러 이상이 모였다는 추정이 제시된다.

2. 새로운 철도 건설 사이클과 비슷한 규모

   1. GDP 대비 건설 규모: 데이터센터와 AI 인프라 건설은 GDP에서 차지하는 비중이 철도 건설을 넘어선 과거의 대형 인프라 사이클과 비교될 정도다.
   2. 장기 누적 효과: 지금부터 5~7년, 길게는 10년 뒤 관련 수치가 누적으로 20배 커질 가능성이 거론된다.
   3. 소프트웨어가 물리적 설비를 부른다: Marc Andreessen의 ‘소프트웨어가 세계를 먹는다’는 흐름이 이제 더 많은 사람이 소프트웨어를 직접 만들고 매일 밤 자동화를 실행하는 단계로 넘어갔다. 사용자가 늘면 컴퓨팅, 칩, 전력, 건설 수요도 함께 증가한다.

1.2. 이번 상승장은 닷컴 버블과 어떻게 다른가

1. 수익이 밸류에이션을 따라잡고 있다

   1. 시장 상승: ChatGPT 출시 이후 약 4년 동안 시장은 90%, 연환산 약 17% 상승했다.
   2. 주가와 P/E의 분리: 주가가 약 20% 오른 동안 가격수익비율(P/E)은 오히려 약 20% 하락했다. 상승의 기반이 단순한 배수 확장이 아니라 매출과 이익이라는 뜻이다.
   3. 현재 배수: S&P 500의 P/E는 20배 아래다. 일부 경기순환적 메모리 기업은 예상 이익의 6~7배에 거래된다.

2. 닷컴 버블과의 차이

   1. 2000년의 구조: 닷컴 버블 당시 일부 최고가 기업은 P/E가 100배까지 치솟으며 실적보다 배수가 먼저 확장됐다.
   2. 현재의 구조: 시장이 고점이라는 사실만으로 2000년이나 2021년과 같다고 보기 어렵다. 15% 안팎의 성장과 20배 미만의 P/E가 함께 나타나는 구간은 과거 버블과 다른 모습을 보인다.
   3. 남은 위험: 높은 성장률이 영원히 유지된다는 보장은 없다. 다만 현재까지의 상승은 기업의 실제 수요와 수익에 의해 설명되는 비중이 크다.

2. 컴퓨팅 수요가 공급을 앞서가다

모델 고도화와 에이전트의 장시간·병렬 작업은 기존의 사용자당 컴퓨팅 가정을 무너뜨리고 있다.

2.1. 하이퍼스케일러의 자본지출이 앞당겨지다

1. 지출 전망의 급격한 상향

   1. 2026년 지출: Alphabet, Amazon, Meta, Microsoft, Oracle의 자본지출은 2026년 약 7,800억 달러로, 2025년 4,160억 달러에서 크게 늘어난다.
   2. 2027년 이후: 이들 플랫폼의 연간 투자는 2027년부터 1조 달러를 넘길 것으로 예상된다.
   3. 예측의 반복된 실패: 지난 4년 동안 시장은 경제 전반에서 컴퓨팅 수요가 얼마나 강할지 지속적으로 과소평가했다. 설치된 용량을 모델이 더 많이 활용할수록 현재 전망도 다시 상향될 수 있다.

2. 에이전트가 사용자당 사용량을 바꾼다

   1. 백그라운드 작업: 에이전트는 코드를 작성하고 검색하며 여러 단계를 병렬로 실행한다. 사용자가 잠든 밤에도 작업을 계속할 수 있다.
   2. 기존 가정의 붕괴: 단순 질의응답보다 긴 추론, 도구 호출, 검증과 재시도가 반복되므로 한 사용자가 쓰는 컴퓨팅량이 과거보다 훨씬 커진다.
   3. 유통망의 선점: 인터넷, 클라우드, 모바일이라는 배포망이 이미 존재한다. 이전 기술 사이클보다 훨씬 빠르게 수십억 명에게 도달할 수 있어 수요가 공급을 앞설 가능성이 높다.

2.2. 부족한 공급과 하이퍼스케일러의 J-커브

1. 수요가 공급을 압도한다

   1. 공급망 병목: 데이터센터 공급망의 일부 자재와 제품은 2028년까지 확보하기 어렵다는 이야기가 반복된다.
   2. OpenAI 사례: Sam Altman과 Sarah Friar는 약 1년 전 대규모 컴퓨팅 약정으로 무모하다는 비판을 받았지만, 수요가 폭발하자 선견지명이 있었다는 평가를 받았다. 최근에는 2,000달러짜리 Pro 서비스의 신규 가입을 잠시 중단해야 할 정도로 수요가 몰렸다.
   3. 클라우드 백로그: Microsoft, Google, Amazon의 클라우드 고객 약정 잔고는 약 1.7조 달러이며, 고객 약정은 빠르게 늘고 있다.

2. 단기 현금흐름보다 장기 수익성이 앞선다

   1. 건설 기간: 데이터센터 외피를 짓고 칩을 들여오는 데 시간이 걸리므로 건설 기간에는 잉여현금흐름이 약해진다.
   2. 회복 시점: 컨센서스는 2028년 이후 현금흐름이 회복되고 성장이 크게 가속될 것으로 본다.
   3. GPU의 긴 수명: Amazon의 실적 설명처럼 GPU는 경제적으로 유용한 기간이 예상보다 길다. 초기 설비투자의 부담이 장기간에 걸쳐 수익으로 전환될 수 있다.

3. 공급망 전체에 주문서가 내려간다

   1. 투자의 양면성: 하이퍼스케일러의 부채와 자본지출 증가는 단기적으로 우려를 만들지만, 칩·전력·냉각·건설 기업에는 거대한 주문서다.
   2. GPU 현물시장: 온라인 현물시장의 GPU 가격이 높게 유지되는 것은 가동 가능한 GPU가 모두 매력적인 가격에 팔리고 있다는 신호이며, 하이퍼스케일러가 설비에서 좋은 수익을 거두고 있음을 보여준다.
   3. 소비자 잉여: 각 기술 파동은 사용자가 얻는 소비자 잉여를 크게 만들었다. 서비스 제공자는 높은 마진을 얻고, 사용자도 12·18·24개월 전보다 비싼 스택 비용을 지불하면서 그보다 더 큰 가치를 얻는다.

3. AI 인프라가 ‘원자의 시대’를 열다

AI 투자는 코드와 서버에 머물지 않고 전력망, 공장, 물류, 도로와 숙련 일자리를 포함하는 물리 경제의 재건으로 확장된다.

3.1. 데이터센터를 넘어선 90조 달러의 투자 기회

1. 공유 인프라의 확대

   1. 총투자 규모: 2040년까지 전 세계 인프라 투자 수요는 90조 달러로 추산된다.
   2. 포함 범위: AI 모델과 데이터센터뿐 아니라 전기, 물, 도로, 교통이 모두 포함된다.
   3. 산업 붐으로의 전환: 하이퍼스케일러의 주문이 칩, 전력, 건설로 내려가면서 기술 붐은 산업 붐으로 바뀐다.

2. 포트폴리오에서 확인되는 물리적 확장

   1. Anduril: 대형 제조시설의 면적이 축구장 87개에 해당한다.
   2. Waymo: 자율주행 차량을 운영할 디포를 적극적으로 늘리고 있다.
   3. SpaceX: 루이지애나에 1,000억 달러 규모의 투자를 진행했다는 사례가 제시된다.

3.2. 공장 실행력이 새로운 경쟁우위가 되다

1. 공장 자체가 제품이다

   1. 물리적 확장의 난이도: 소프트웨어처럼 한 번 만들어 무한히 판매하는 방식과 달리 공장·인프라 사업은 자금조달, 공급업체 관리, 생산능력 예측, 수요 예측을 모두 운영해야 한다.
   2. Tesla·SpaceX의 학습: Elon Musk가 말한 ‘공장이 제품’이라는 관점처럼, 생산 규모를 키우는 과정에서 공장 실행이 핵심 경쟁력이 된다.
   3. 인재의 이동: Tesla와 SpaceX의 확장 경험을 가진 창업자들이 물리적 산업에서 강점을 보이는 이유는 제조 실행을 제품 전략의 일부로 배웠기 때문이다.

2. 데이터센터의 전력·물 논쟁을 다시 보다

   1. 통념: 데이터센터가 미국의 물을 모두 소모하고, 부유층이 주변에 살기를 원하지 않으며, 전기요금을 폭등시킨다는 비판이 있다.
   2. 공유 고정비: 전력망은 전봇대, 송전선, 변전소 같은 고정비를 여러 전력 단위에 나눠 부담하는 구조다. 안정적으로 큰 전력을 쓰는 데이터센터가 들어오면 고정비를 더 많은 사용량에 분산할 수 있다.
   3. 주거요금 효과: 미국의 한 연구는 데이터센터 용량이 10% 늘 때 주거용 전기요금이 40베이시스포인트 하락하는 관계를 제시했다.
   4. 지역 사례: Dina Powell은 Meta의 팟캐스트에서 루이지애나 지역사회와 협력해 전기요금을 낮춘 사례를 설명했다. 공유 인프라 투자가 가정과 기업의 경제 조건을 개선할 수 있다는 뜻이다.

4. 모델·애플리케이션·에이전트의 경제성이 변하다

모델 성능 향상보다 더 중요한 변화는 비용, 지연시간, 신뢰성이 동시에 개선되어 실제 업무를 끝내는 가격이 내려가는 것이다.

4.1. 비용 하락이 사용 사례를 폭발시키다

1. Jevons 역설의 AI 버전

   1. 현재의 양면성: AI는 이미 매출과 비용 절감을 만들지만 조직 도입은 아직 초기다.
   2. 두 자릿수 비용 하락: 새로운 연구소와 TypeSafe 같은 팀의 혁신은 에이전트 비용을 계속 낮추고 있다. 비용 차이가 두 자릿수 배가 되면 이전에는 비경제적이던 작업이 사용 가능해진다.
   3. 수요의 반등: 단가가 내려가면 사용량이 줄어드는 대신 더 많은 작업이 실행되어 총 컴퓨팅 수요가 커지는 Jevons 역설이 나타난다.

2. 에이전트가 신뢰성을 확보하는 방식

   1. 반복 가능성: 낮은 비용은 에이전트가 시도하고, 결과를 확인하고, 다시 시도하는 루프를 가능하게 한다.
   2. 도구 사용: 추론과 여러 도구 호출 때문에 비싸던 작업도 예산 안에서 실행할 수 있게 된다.
   3. 캐시 활용: 배경 정보를 매번 처음부터 처리하지 않고 재사용하면 다단계 작업의 비용이 줄어든다.

4.2. 애플리케이션 기업의 단위경제학

1. 고객의 일을 끝내는 비용이 핵심 단위다

   1. 작업 단위: 애플리케이션 기업은 토큰 하나의 가격보다 고객의 일을 완료하는 총비용을 봐야 한다.
   2. 모델 라우팅: 모든 단계에 최고가 모델을 쓸 필요가 없다. 작업별로 알맞은 모델을 고르면 같은 품질을 더 낮은 비용에 제공할 수 있다.
   3. 마진 확대: 고객의 일이 완료되고 청구가 이뤄지는 단위가 명확해지면 애플리케이션 기업의 총마진이 커진다.

2. 실제 최적화 사례

   1. Databricks 스마트 라우터: 작업마다 적합한 모델을 선택해 가장 강력한 단일 모델을 계속 쓰는 방식보다 35% 낮은 비용으로 더 많은 문제를 해결했다.
   2. 소형 모델 미세조정: Harvey와 EleutherAI의 사례처럼 작은 모델을 미세조정하면 비용이 약 60% 줄고 지연시간도 크게 낮아진다.
   3. 오디오의 실시간화: 비용과 지연시간이 함께 낮아져 음성 기반 실시간 사용 사례가 실제 제품으로 가능해졌다.

3. 에이전트 사용량의 가파른 증가

   1. ServiceNow: 에이전트가 여러 단계를 수행하며 다수의 모델을 호출한다.
   2. OpenRouter: 에이전트 토큰 사용량이 14배 증가했다.
   3. 금융 업무: Hebbia로 보이는 금융 워크로드 사례에서는 캐싱과 실행 최적화를 통해 처리비용이 10분의 1로 줄었다.

4.3. 모델의 지식과 회사의 맥락 사이를 잇다

1. 애플리케이션 레이어의 존재 이유

   1. Ali Ghodsi의 관찰: AI는 세상에 대해서는 많은 일을 할 수 있지만, 각 회사의 내부 맥락은 거의 모른다.
   2. 업무 연결: 애플리케이션 기업은 회사의 데이터, 권한, 정책, 반복 업무를 모델에 연결해 일반 능력을 신뢰할 수 있는 서비스로 바꾼다.
   3. 기회: 모델 성능 자체보다 고객 계정·워크플로·보안에 안전하게 연결되는 서비스가 실제 도입을 결정한다.

2. Revolut과 ElevenLabs

   1. 파트너십: 뛰어난 엔지니어링 팀을 가진 Revolut도 ElevenLabs의 음성 모델을 활용하기 위해 협력했다.
   2. 안전한 연결: 고객 계정과 은행 업무 흐름을 안전하게 연결해 음성 통화 중 문제를 매끄럽고 효율적으로 처리한다.
   3. 시사점: 최고의 모델을 보유하는 것보다 고객이 실제로 신뢰할 수 있는 서비스 경계를 만드는 일이 중요하다.

5. 기업 도입은 초기지만, 성과와 지불 의사는 이미 보이다

AI를 실제로 깊게 사용하는 소수의 파워 유저와 기업이 먼저 지출을 확대하고 있으며, 공개된 운영 지표도 효과를 보여주기 시작했다.

5.1. 도입률과 사용 강도의 거대한 격차

1. 세 가지 도입 지표

   1. 실제 운영 도입: S&P 500 기업의 약 69%가 AI를 실제 운영에 투입한다.
   2. 측정 가능한 영향: 정량화 가능한 성과를 보고하는 비중은 약 30%다.
   3. 장기 추적 성과: 시간에 따른 결과를 추적하는 궁극적 지표는 겨우 2%다. AI가 효과를 낸다는 믿음과 조직 전체의 반복적 업무흐름으로 정착했다는 사실 사이에 큰 간극이 있다.

2. 파워 유저가 지출을 이끈다

   1. 상위 1% 지출: Yipit 데이터에서 AI 공급업체의 상위 1%가 지출하는 중앙값은 상위 10%보다 약 8배 높다.
   2. 개인 사례: AI 네이티브 포트폴리오 기업의 상위 사용자는 월 7,500~9,000달러를 쓰고, 가장 AI 네이티브한 회사의 중앙값 사용자는 월 약 200달러를 지불한다. 두 개의 서비스가 겹치면 월 200~400달러가 된다.
   3. 기업 예산: 비교적 앞선 Fortune 500 기업은 직원 수 대비 AI 도구 지출이 약 1% 수준이고, a16z 포트폴리오의 가장 앞선 기업은 10%까지 올라간다.

3. 구매는 시작일 뿐이다

   1. Cursor·Cognition: 기업이 Cursor나 Cognition을 처음 구매하고 흥분하는 순간은 여정의 시작에 불과하다.
   2. 내부 확산: 도구를 시험하고 업무에 완전히 채택하며 반복적인 워크플로로 바꾸는 데 긴 시간이 걸린다.
   3. 다음 단계: 개인별 실험을 조직의 영향력 있는 반복 업무흐름으로 확장하는 일이 2%와 30% 사이의 격차를 줄인다.

5.2. 비용 절감과 매출 증가의 검증 사례

1. 비용 측면

   1. Chime: 서비스 제공 비용을 4년 동안 매년 10% 넘게 줄여 누적으로 거의 50% 낮췄다.
   2. Decagon: 고객지원 비용을 줄이는 AI 서비스가 이 변화를 뒷받침한다.
   3. 재투자 여력: 낮은 서비스 제공 비용은 더 좋은 가격, 더 넓은 서비스, 성장 투자를 가능하게 하며 고객과 마진에 동시에 이익을 준다.

2. 매출 측면

   1. Shopify AI Sidekick: 온보딩 후 15일 안에 5건의 주문을 만든 판매자 비율이 8% 높아졌다.
   2. 플랫폼 유지: 5건의 주문을 만든 판매자는 Shopify에 남을 가능성이 높으므로, 작은 전환율 개선이 플랫폼 유지와 매출에 큰 영향을 준다.
   3. ServiceNow: 연간 AI 계약이 10억 달러를 넘었고 대규모 배포가 9배 증가했다. AI 수익화는 스타트업만의 현상이 아니라 기존 기업에서도 진행된다.

3. 투자의 방향을 가르는 질문

   1. 매출 성장 투자: 새로운 고객 제품과 기능을 만들어 순증 매출을 얻는 투자는 상승 여지가 크다.
   2. 비용 최적화 투자: 콜센터와 내부 기록 시스템을 효율화하면 즉시 절감 효과를 얻지만, 절감액을 성장에 재투자해야 더 큰 사업이 된다.
   3. 경영진의 판단: Stripe 같은 기업과의 대화에서 AI 예산이 신규 수익과 비용 절감 중 어디로 향하는지가 창업자와 CEO가 진짜 기회를 어디에 둬야 하는지 보여주는 기준점이 된다.

6. 소비자 AI가 검색·광고·마켓플레이스를 다시 설계하다

유료 구독률은 낮지만 유지율은 이례적으로 높고, 백그라운드 에이전트는 기존의 스크린타임 지표로 측정하기 어려운 새로운 소비를 만든다.

6.1. 낮은 유료화와 높은 유지율의 조합

1. 아직 비어 있는 가정 시장

   1. 유료 구독률: 미국 가정 가운데 유료 AI 구독을 보유한 비율은 2%를 조금 넘는 수준이다.
   2. 비교 대상: Amazon Prime은 2억 가구 이상, Netflix는 약 7,000만 가구에 도달했다. AI 구독은 아직 이 규모에 훨씬 못 미친다.
   3. 무료 사용: Josh Elman의 관점처럼 소비자 AI는 일상에서 쓰이면 충분하며 반드시 돈을 내야 하는 것은 아니다. 따라서 AI를 쓰지만 돈을 내지 않는 가정이 97%라는 사실은 초기 단계의 신호일 수 있다.

2. AI 구독의 ‘미소 곡선’

   1. 일반적인 곡선: 제품이 좋아지면 유지율이 어느 수준에서 평평해지는 것이 보통이다.
   2. AI의 예외: AI 제품은 사용자가 다시 돌아올수록 유지율 곡선이 내려가지 않고 웃는 모양으로 올라가는 ‘smile curve’를 보인다.
   3. 지불 가치: 유료 사용자는 분명한 가치를 얻고 있어 높은 유지율이 나타난다. 낮은 침투율과 높은 만족도가 동시에 존재한다.

6.2. 에이전트가 사용시간과 발견 구조를 바꾸다

1. 스크린타임 밖의 참여

   1. 기존 플랫폼: Facebook, Instagram, TikTok, Snap은 활성 사용자의 하루 30~60분을 확보한다.
   2. 새로운 목표: AI 어시스턴트는 가장 좋아하는 애플리케이션이 되기 위해 항상 켜져 있고, 지속적이며, 선제적으로 행동하는 방향으로 발전한다.
   3. 측정의 한계: 백그라운드에서 에이전트가 작업하면 사용자가 화면을 보는 시간이 줄어도 실제 참여와 가치가 커질 수 있다. 조사, 장시간 업무, 이동 중 수행된 작업은 소셜 앱의 스크린타임으로 포착되지 않는다.

2. 검색에서 행동으로

   1. 신규 서비스: Muse와 Instincts 같은 신생 서비스는 빠르게 성장하며 ChatGPT와 함께 전통적인 검색으로 가던 질의를 가져온다.
   2. 소비자 에이전트: 오래 실행되는 에이전트는 사용자가 귀찮아서 포기하던 예약·구매·조사 업무를 대신 처리한다.
   3. 발견 플랫폼의 과제: 기존 소비자 검색·발견 플랫폼과 마켓플레이스는 에이전트로 인한 주문 증가량과 고객 관계·수익 풀을 누가 차지할지 지금 결정해야 한다.

6.3. Amazon·Instacart·광고 시장의 선택

1. 에이전트 파트너십의 서로 다른 가치

   1. Amazon과 Instacart: Amazon은 Muse에 ‘고맙지만 사양하겠다’는 태도를 보였고, Instacart는 협력 의사를 보였다.
   2. 주문 증가 여지: Amazon은 이미 큰 규모라 파트너십으로 얻을 신규 주문이 제한적이지만, 온라인 식료품 시장은 아직 침투율이 낮아 Instacart는 얻을 주문이 많다.
   3. 클릭의 소멸과 GMV 증가: 상품을 찾고 주문하는 여러 번의 클릭을 에이전트가 대신하면 포기됐던 여행과 저녁 주문이 실제 주문으로 바뀌어 총거래액(GMV)이 증가할 수 있다.

2. 광고 수익 풀의 재배분

   1. Amazon의 노출 의존성: Amazon의 광고 사업은 700억 달러를 넘고, 소비자가 사이트를 방문해 광고를 클릭하는 흐름에 의존한다.
   2. 사용자당 수익: Meta와 Google은 미국과 기타 선진국 사용자 한 명당 200달러가 넘는 수익을 올리는 최고의 인터넷 광고 플랫폼이다.
   3. Google의 방어력: 보험 가입이나 특정 도시의 호텔처럼 구매 의도가 분명한 키워드는 높은 수익을 내기 때문에 Google 검색은 AI 등장 후에도 회복력을 보였다. AI가 사용자 대신 행동하기 시작하면 이 방어선이 흔들릴 수 있다.

3. 제로섬이 아닌 거시경제 효과

   1. 광고의 이동: Amazon의 700억 달러 광고비 일부는 다른 채널이나 에이전트 자체로 흘러갈 수 있다.
   2. 소비의 마찰 감소: 클릭과 탐색의 마찰이 줄면 소비량이 늘어 광고 수익 풀의 감소를 거래량 증가가 상쇄할 수 있다.
   3. 두 주장의 동시 성립: 특정 마켓플레이스의 이익 풀은 줄어들면서 경제 전체의 소비와 활동은 좋아질 수 있다. 3년 뒤 거시경제 활동이 의미 있게 늘지 않았다면 오히려 AI의 핵심 약속이 실현되지 않은 셈이다.

7. 소프트웨어 시장의 승자, 비공개 기업, IPO

AI는 소프트웨어를 없애기보다 고객 요구와 가치 포착 방식을 바꾸며, 유통망과 보유 고객을 가진 기업의 성장 가속 여부가 승패를 가른다.

7.1. 공개 소프트웨어 시장의 재편

1. 저성장·고수익 기업으로의 이동

   1. 공개 기업 표본: 공개 소프트웨어 기업의 약 75%가 수익성을 확보했지만, 20% 이상의 성장률을 달성한 기업은 30%뿐이다.
   2. 사모시장과의 차이: 비공개 시장에서 만나는 AI 기업 대부분은 30%를 훨씬 넘는 성장률을 보인다.
   3. 예산의 이동: CIO와 IT 관리자는 성장하는 AI 수요를 충당하기 위해 새 SaaS 프로젝트에 돈을 넣기보다 기존 예산의 100%를 AI로 돌릴 수 있다.

2. SaaS의 두 경로

   1. 방어적 경로: 약 98%의 총매출유지율을 유지하며 고객을 지키고 비용 효율을 높이는 길이다.
   2. 공격적 경로: 강한 기존 유통망과 고객 락인을 이용해 AI 신제품으로 순증 매출을 만들고 성장률을 가속하는 길이다.
   3. 목표치: AI를 활용한 ‘마법 같은 제품’이 향후 12~18개월 안에 성장률을 10%포인트 이상 가속할 가능성이 거론된다. 모든 기업이 달성할 수는 없지만, 기업이 노려야 할 방향은 매출 성장이다.

3. 제품별로 다른 AI 영향

   1. 보안·관찰가능성: AI 에이전트가 더 많은 시스템에 접근하고 행동하면서 사이버보안과 모니터링 수요가 커진다. AI 보안 사고가 알려질수록 기존 보안 기업의 시장은 확대된다.
   2. 수직형 소프트웨어: 업종별 데이터와 워크플로를 갖춘 수직형 애플리케이션은 범용 수평형 애플리케이션보다 더 잘 버티는 경향이 있다.
   3. 트렁케이션 사고: AI가 고객 업무를 어떻게 바꾸는지, 제품에서 무엇이 먼저 잘려 나가고 무엇이 새롭게 필요해지는지 함께 봐야 한다.

7.2. AI 승자는 비용 절감 이상의 순증 매출을 만든다

1. 공개시장 회복과 양극화

   1. 지수 회복: 연초에 ‘SaaS의 종말’ 논쟁이 있었지만 소프트웨어 지수는 연초 수준으로 돌아왔다.
   2. 승자와 패자: 시장은 AI 승자와 패자를 나누고 있지만, 단순히 비용 구조를 개선한 기업이 아니라 실제로 새 순증 달러를 벌어들이는 기업이 진정한 승자다.
   3. Stripe의 르네상스: Stripe의 SaaS 고객 데이터는 젊은 기업과 성숙한 기업 모두 2026년에 성장 가속을 보인다는 점을 보여준다. Stripe는 이를 ‘르네상스’라고 부른다.

2. 보안과 수직형 AI의 결합

   1. 에이전트의 권한 확대: 에이전트가 시스템에 접속하고 더 많은 행동을 실행할수록 보안은 선택 사항이 아닌 핵심 제품이 된다.
   2. 시장 성장: Harvey와 Bridge·Ellis로 거론된 업종 특화 AI 기업들은 모델 자체보다 모델 오케스트레이션, 애플리케이션, 업종별 통제에 집중하며 빠르게 성장한다.
   3. 고객의 구매 기준: 고객은 최고의 모델 하나가 아니라 모델을 조합하고 특정 산업 업무흐름 안에서 통제할 수 있는 전체 시스템을 구매한다.

7.3. 비공개 거대 기업과 IPO의 선택

1. 비공개 시장의 규모

   1. 6개 기업: Anthropic, OpenAI, Databricks, Stripe, Waymo, Revolut의 최근 라운드 기준 합산 가치는 약 2.4조 달러다.
   2. 공개시장과의 비교: SpaceX를 제외한 지난 10년 IPO 기업들의 합산 시가총액 약 1.7조 달러보다 크며, Russell 2000과 비슷한 규모다.
   3. 성장 우선: 후기 단계 기업은 단기 이익 극대화보다 새로운 제품 영역에 계속 투자하며 성장할 수 있다.

2. 창업자가 비공개를 선호하는 이유

   1. 창업자라는 자산군: David George는 창업자 중심 기업을 오늘날의 중요한 자산군으로 본다.
   2. 위험과 시간: 비공개 시장에서는 더 큰 위험을 감수하고 더 긴 기간에 걸쳐 수익을 실현할 수 있다. 공개시장의 분기별 압박이 상대적으로 약하다.
   3. 공개기업의 압박: Meta의 AR/VR 투자 때 주가가 주당 100달러 아래로 내려갔던 사례처럼, 공개기업은 장기 투자를 설명하는 동안 시장의 강한 감시를 받는다.

3. IPO가 유리해지는 순간

   1. 자금 조달 행사: 창업자에게 IPO는 기업의 정체성을 바꾸는 의식보다 또 하나의 대규모 자금조달 행사로 볼 수 있다.
   2. 신뢰와 고객 확보: 공개 재무정보는 대기업 고객과 소비자에게 신뢰를 주며, Navan은 상장 후 이 신뢰를 바탕으로 성장이 다시 가속됐다.
   3. 자본 풀의 한계: 비공개 자본은 매우 크지만 장기적으로 필요한 자금이 더 커지는 순간 공개시장으로 넘어가야 한다.

7.4. 세컨더리 시장이 비공개 기업의 인재 경쟁력을 보완하다

1. 직원 유동성

   1. 텐더 오퍼: 비공개 기업은 직원에게 주식을 매각할 기회를 제공해 공개시장에 상장하지 않고도 유동성을 제공한다.
   2. Carta 지표: Carta의 텐더 오퍼 가운데 실제로 인수된 비율은 58%뿐이었다. 직원들이 현금화를 서두르지 않을 만큼 회사의 미래를 신뢰한다는 의미다.
   3. 채용 경쟁력: 공개기업의 세후 RSU 유동성과 경쟁할 수 있어 인재를 채용하고 유지하는 무기가 된다.

2. 밸류에이션과 M&A

   1. 정기적 리셋: 비공개 주식의 가치를 자주 갱신하면 직원과 후보자에게 현재 가격을 설명하기 쉽다.
   2. M&A 재원: 새 평가액은 인수합병 때 사용할 수 있는 신선한 주식과 자금을 제공한다.
   3. 세컨더리 할인 축소: 2021~2024년에는 최종 라운드 가격이 과도하거나 낡았다는 이유로 세컨더리 할인 폭이 컸지만, 현재 거래 가격은 최종 라운드 가격과 거의 같아졌다. 최신 밸류에이션이 여전히 유효하고 같은 가격을 지불할 신규 투자자가 있다는 뜻이다.

8. 다음 5~10년의 물리적·생명과학·국방 기회

AI의 가장 큰 경제적 파급은 화면 안의 소프트웨어뿐 아니라 에이전트가 구매를 실행하고 로봇이 움직이며 생명과학과 국방 생산체계가 재건되는 데서 나온다.

8.1. 벤처 자금이 AI 스택 전체로 확장되다

1. 투자 집중도
   1. VC 거래 비중: AI 관련 기업은 미국 벤처캐피털 거래의 86%를 차지하며, 2025년 65%에서 크게 늘었다.
   2. 넓어진 정의: AI 투자에는 모델 기업뿐 아니라 엔터프라이즈 애플리케이션, 소비자 애플리케이션, 서비스, 반도체, 전력, 국방이 포함된다.
   3. 기회의 깊이: OpenAI·Anthropic·SpaceX 같은 유명 기업에 관심이 몰려도 실제 기회는 스택의 더 깊고 넓은 부분에 있다.

8.2. 장시간 에이전트와 로봇

1. 소비자 에이전트의 새로운 수요

   1. 긴 실행시간: 장시간 실행 에이전트, 자율 에이전트, 헤비 유저용 에이전트는 사람이 하기 싫어 미뤄둔 일을 대신한다.
   2. 추가 소비: 에이전트가 예약·구매·조사를 처리하면 사용자는 이전에 시간과 돈을 쓰지 않았던 상품과 서비스를 이용하게 된다.
   3. 빠른 확산 가능성: 편의성이 명확해 adoption이 짧은 기간에 급증할 수 있다.

2. 로봇과 자율주행

   1. 시장 규모: 로보틱스는 LLM보다 더 큰 분야가 될 잠재력이 있으며, 향후 5년 동안 막대한 투자가 집중될 것으로 전망된다.
   2. 자율성의 현실화: 자율주행 기능은 이미 작동하고 있어 AI의 물리적 행동 가능성을 보여준다.
   3. 운송의 레버리지: Uber와 Lyft의 주행거리는 미국 전체 주행거리의 약 1%뿐이다. 사람보다 14배 안전한 완전 자율주행 네트워크가 구현되면 운송 시장의 사용량은 기하급수적으로 커질 수 있다.
   4. 신차 전환: 미국에서는 매년 1,700만 대의 신차가 판매되며, 향후 10년 안에 판매되는 신차가 모두 자율주행차가 될 가능성이 제시된다.

8.3. 바이오·개인 건강·기업 도입

1. AI와 바이오의 결합

   1. 신약 발견: 연구기관은 AI와 바이오의 결합으로 신약 발견 속도를 높이고 있다.
   2. 난치병 해결: 향후 10년 동안 인류를 괴롭혀 온 질병의 치료법을 찾는 데 큰 진전이 기대된다.
   3. 개인 건강: 지금까지 개인의 모든 건강 정보를 한곳에 넣고 고도로 개인화된 조언을 받는 좋은 인터페이스가 없었다. AI는 이 공백을 메울 수 있다.

2. 코딩을 넘어선 엔터프라이즈 도입

   1. 초기 단계: 기업의 실제 AI 도입은 코딩 도구를 넘어 조직 전체의 업무흐름으로 가는 과정에서 아직 초기에 있다.
   2. 생산성 잠재력: 운영 데이터가 축적되고 에이전트가 반복 업무를 안정적으로 수행하면 미국 생산성이 크게 향상될 수 있다.
   3. 측정 과제: 단순 사용량이 아니라 장기간 추적 가능한 매출, 비용, 고객 유지율, 업무 완료율로 성과를 측정해야 한다.

8.4. 미국 다이너미즘의 재건

1. 국방 산업의 재구축
   1. 작은 현재 비중: 새 국방 제조업체와 방산 기술 기업이 차지하는 비중은 전체 군사 지출의 5%에도 못 미친다.
   2. 성장 기업: Anduril, Saronic, Castelion 같은 신규 공급업체는 변화하는 수요를 바탕으로 이 부문이 크게 성장할 것으로 본다.
   3. 전체 스택: 미국 다이너미즘은 AI만이 아니라 공장, 공급망, 국방, 에너지, 숙련 노동을 포함하는 전체 산업 스택의 재건이다.

주요 발언 모음

“기술이 전체 사이클이다.” — David George

“지난 4년 동안 경제 전반의 추세 강도를 우리는 계속 과소평가했다.” — Sarah Wang

“AI는 세상에 대해 많은 일을 할 수 있지만, 당신의 회사에 대해서는 거의 모른다.” — Ali Ghodsi의 관찰을 전한 Alex Immerman

“작업을 완료하는 고객 단위의 비용을 낮추는 것이 애플리케이션 기업의 핵심 단위경제학이다.” — Alex Immerman

“비용 하락은 에이전트가 시도하고, 검증하고, 다시 시도하게 만든다.” — Alex Immerman

“유지율 곡선이 웃는 모양으로 바뀌는 순간을 보고 싶다.” — Santiago Rodriguez

“AI 승자는 비용 구조만 개선하는 기업이 아니라 새 순증 달러를 실제로 벌어들이는 기업이다.” — a16z 성장팀의 공개시장 관점

핵심 데이터 & 수치

• 90%: ChatGPT 출시 이후 약 4년간 시장 상승률, 연환산 약 17%.
• 55%: 미국 자본투자 중 하이테크 장비·소프트웨어·R&D 비중.
• 40%: 미국 주식시장 전체 가치 중 기술 기업 비중.
• 8/10: 세계 시가총액 상위 10개 기업 중 미국 기술 기업 수.
• 3,500억 달러 이상: 모델 기업·모델 개발에 모인 자금 추정치.
• 7,800억 달러: Alphabet·Amazon·Meta·Microsoft·Oracle의 2026년 자본지출 전망.
• 1조 달러 이상: 같은 하이퍼스케일러의 2027년 이후 연간 자본지출 전망.
• 1.7조 달러: Microsoft·Google·Amazon의 클라우드 고객 약정 잔고.
• 90조 달러: 2040년까지 전 세계 인프라 투자 수요 추정치.
• 69% / 30% / 2%: AI 실제 운영 도입, 정량화 가능한 영향, 장기 결과 추적의 단계별 비중.
• 14배: OpenRouter에서 에이전트 토큰 사용량 증가.
• 35%: Databricks 스마트 라우터가 최고가 단일 모델 대비 절감한 비용.
• 60%: 소형 모델 미세조정으로 낮아진 비용.
• 2% 초과: 유료 AI 구독을 가진 미국 가정 비율.
• 700억 달러 이상: Amazon 광고 사업 규모.
• 86%: 2026년 미국 VC 거래에서 AI 관련 기업이 차지하는 비중, 2025년은 65%.
• 2.4조 달러: Anthropic·OpenAI·Databricks·Stripe·Waymo·Revolut의 최근 라운드 합산 가치.
• 58%: Carta 텐더 오퍼에서 실제 인수된 비율.
• 1,700만 대: 미국의 연간 신차 판매량.

결론 및 시사점

1. AI 시장의 상승은 P/E 배수만으로 만들어진 닷컴식 거품이라기보다 실제 매출, 고객 약정, 하이퍼스케일러 주문과 연결된 자본 사이클이다.
2. 향후 AI의 병목은 모델 데모가 아니라 전력, 냉각, 건설, 칩, 숙련 노동, 공장 실행으로 이동한다.
3. 하이퍼스케일러의 자본지출은 자체 비용이면서 동시에 반도체·전력·건설 산업 전체의 주문서다.
4. 물리 인프라 투자는 데이터센터 이용자뿐 아니라 전력망에 연결된 가정과 기업의 공유 고정비를 낮출 가능성이 있다.
5. 에이전트의 가격 하락은 사용량을 줄이기보다 시도·검증·재시도 가능한 업무의 범위를 넓혀 총수요를 키울 수 있다.
6. 애플리케이션 기업의 핵심 경쟁력은 최고 성능 모델이 아니라 고객의 일을 끝내는 총비용, 지연시간, 보안, 조직 맥락이다.
7. AI 도입은 개인 실험에서 조직의 반복적이고 측정 가능한 업무흐름으로 넘어가는 전환점에 있다.
8. 파워 유저의 지출과 Chime·Shopify·ServiceNow 사례는 AI가 비용 절감과 매출 증가를 모두 만들 수 있음을 보여준다.
9. 소비자 AI의 유료 침투율은 낮지만 높은 유지율과 백그라운드 에이전트의 편의성은 큰 잠재 수요를 남긴다.
10. 에이전트는 클릭을 없애고 주문을 늘릴 수 있어 광고·마켓플레이스의 기존 수익 풀을 재배분하면서 경제 전체의 소비를 키울 수 있다.
11. 소프트웨어의 AI 승자는 단순히 인력을 줄이는 기업이 아니라 기존 유통망으로 새 순증 매출을 만드는 기업이다.
12. 보안·관찰가능성·수직형 소프트웨어는 에이전트가 더 많은 시스템과 업무에 접근할수록 오히려 수요가 커질 수 있다.
13. 비공개 후기 기업의 규모가 Russell 2000에 맞먹으면서 성장 우선 전략과 IPO 시점 선택의 중요성이 커졌다.
14. 세컨더리 시장과 텐더 오퍼는 상장 전 기업이 직원에게 유동성을 주면서도 장기 비공개 전략을 유지하게 한다.
15. AI 벤처 기회는 모델 기업에 국한되지 않고 애플리케이션, 서비스, 반도체, 전력, 국방까지 확장된다.
16. 장시간 소비자 에이전트는 사람이 포기했던 예약·구매를 실행해 새로운 소비를 만들 수 있다.
17. 로봇과 자율주행은 AI가 화면 밖의 물리 세계를 장악하는 가장 큰 후속 시장이 될 수 있다.
18. AI와 바이오의 결합은 신약 발견, 난치병 치료, 개인 건강 조언의 구조를 바꿀 가능성이 있다.
19. 기업 도입 성과는 사용한 모델의 개수가 아니라 매출, 비용, 유지율, 완료된 업무를 장기간 추적할 때 검증된다.
20. 미국 다이너미즘의 재건은 AI 소프트웨어와 공장·공급망·에너지·국방을 묶어 생산성을 높이는 장기 프로젝트다.

핵심 요약 (20줄)

AI 붐은 모델 기업만의 현상이 아니라 전 경제의 자본투자와 산업 구조를 바꾸는 사이클이다. 미국 자본투자의 약 55%가 하이테크 장비·소프트웨어·연구개발로 향한다. 세계 시가총액 상위 10개 기업 가운데 8개가 미국 기술 기업이며 기술주는 미국 시장 가치의 약 40%를 차지한다. ChatGPT 출시 이후 시장은 약 90% 올랐지만 P/E는 오히려 낮아져 실적 기반 상승의 성격을 보인다. 하이퍼스케일러 다섯 곳의 자본지출은 2026년 약 7,800억 달러로 늘고 2027년부터 연 1조 달러를 넘길 전망이다. 에이전트의 장시간·병렬 작업은 사용자당 컴퓨팅 수요를 기존 예상보다 크게 높인다. Microsoft·Google·Amazon의 클라우드 고객 약정 잔고는 약 1.7조 달러로 수요의 가시성을 높인다. AI 인프라의 2040년 세계 투자 수요는 전력·물·도로·교통을 포함해 90조 달러로 추산된다. 데이터센터는 공유 전력망의 고정비를 분산해 지역 전기요금을 낮출 가능성이 있다. 비용이 두 자릿수 배 하락하면 에이전트가 시도·검증·재시도할 수 있는 업무 범위가 폭발한다. 애플리케이션 기업은 가장 비싼 모델보다 고객의 일을 끝내는 총비용을 최적화해야 한다. Databricks 라우팅은 최고가 단일 모델보다 35% 낮은 비용으로 더 많은 문제를 해결했다. AI의 실제 운영 도입은 69%지만 정량화된 영향은 30%, 장기 추적 성과는 2%에 불과하다. Chime·Shopify·ServiceNow 사례는 AI가 서비스 비용과 고객 전환 및 계약 매출을 개선함을 보여준다. 미국 가정의 유료 AI 구독률은 2%를 조금 넘지만 유료 사용자의 유지율은 이례적으로 높다. 에이전트는 클릭을 없애 주문과 GMV를 늘리면서 광고 수익의 위치를 재배분할 수 있다. 소프트웨어 시장의 AI 승자는 비용만 줄이는 기업이 아니라 순증 매출을 가속하는 기업이다. Anthropic·OpenAI·Databricks·Stripe·Waymo·Revolut의 합산 최근 밸류에이션은 약 2.4조 달러다. AI 관련 기업은 2026년 미국 VC 거래의 86%를 차지하며 전력·반도체·국방까지 투자 범위를 넓힌다. 로봇·자율주행·바이오·개인 건강·미국 제조업 재건은 AI 이후 가장 큰 물리적 성장 기회다.