무슨 이야기냐면요
요즘 AI 뉴스에는 거의 매일 '역대급 투자' 이야기가 나오잖아요. 빅테크들이 데이터센터와 GPU에 쓰는 돈이 해마다 수천억 달러 단위로 불어나고 있고요. 그런데 대형 자산운용사 아폴로(Apollo)의 수석 이코노미스트 토르스텐 슬뢰크(Torsten Sløk)가 꽤 찬물을 끼얹는 차트를 하나 냈어요. 그가 정기적으로 내는 짧은 리포트 'Daily Spark'에 실린 건데, 제목 그대로 “기술 섹터 밖에서는 AI의 성과(payoff)가 보이지 않는다”는 내용이에요.
요지는 단순해요. 지금까지 AI로 돈을 벌고 있는 건 칩, 클라우드, 모델을 파는 '기술 기업' 쪽이라는 거예요. 반대로 AI를 '사서 쓰는' 쪽, 그러니까 제조·유통·금융·헬스케어 같은 일반 산업에서는 AI 덕분이라고 할 만한 이익률이나 실적 변화가 아직 데이터로 뚜렷하게 잡히지 않는다는 거죠.
이게 왜 중요한 신호냐면
AI 투자가 정당화되려면 결국 누군가는 AI를 써서 돈을 더 벌거나 비용을 줄여야 해요. 엔비디아가 GPU를 팔고 클라우드 회사가 컴퓨팅을 파는 건 '곡괭이와 삽 장사'에 가까워요. 골드러시 때 금을 캔 사람보다 청바지와 곡괭이를 판 사람이 돈을 더 벌었다는 이야기, 들어보셨죠? 지금 AI 경제가 딱 그 모양처럼 보인다는 게 이 차트가 하는 말이에요.
문제는 곡괭이 장사도 금광에서 금이 계속 나와야 오래 간다는 거예요. 최종 고객인 일반 기업들이 AI로 측정 가능한 이익을 못 내면, 언젠가는 “이거 계속 돈 내고 써야 해?”라는 질문이 나오거든요. 그 질문은 결국 테크 기업의 매출과 투자 계획으로 다시 돌아오고요.
처음 있는 일은 아니에요: 솔로우의 역설
경제학에 유명한 말이 하나 있어요. 1987년 노벨 경제학상을 받은 로버트 솔로우가 같은 해에 남긴 말인데요, “컴퓨터 시대는 어디서나 보이는데, 생산성 통계에서만 안 보인다”는 거예요. 이걸 '생산성 역설(productivity paradox)'이라고 불러요.
실제로 PC와 IT 투자가 미국 생산성 통계에 제대로 나타난 건 1990년대 후반이었어요. 기업이 컴퓨터를 '사는 것'과 그걸로 '일하는 방식을 바꾸는 것' 사이에 10년 가까운 시차가 있었던 거죠. 스탠퍼드의 에릭 브린욜프슨 같은 연구자들은 이걸 '생산성 J커브'로 설명해요. 이게 뭐냐면, 새 기술을 들이면 처음엔 교육, 프로세스 재설계, 데이터 정리 같은 눈에 안 보이는 비용 때문에 생산성이 오히려 떨어져 보이다가, 어느 시점부터 확 올라간다는 거예요. 알파벳 J 모양처럼요.
그러니까 아폴로의 차트를 'AI는 거품'으로 읽을 수도 있지만, 'J커브의 바닥 구간'으로 읽을 수도 있어요. 둘 중 어느 쪽인지는 아직 아무도 모르고요.
현장에서도 비슷한 이야기가 나와요
이 차트만 그런 것도 아니에요. 2025년 MIT 쪽 연구팀이 낸 보고서는 기업 생성형 AI 파일럿 대다수가 손익에 측정 가능한 영향을 주지 못했다고 해서 꽤 시끄러웠죠. PoC(개념 검증)는 잔뜩 하는데, 실제 운영으로 넘어가서 매출이나 비용에 숫자로 찍히는 경우는 드물다는 거예요.
이유도 대체로 비슷해요. 챗봇 하나 붙이는 건 쉬운데, 그게 ERP, CRM, 사내 결재 같은 기존 업무 시스템과 연결되지 않으면 '신기한 장난감'에서 멈춰요. 게다가 생성형 AI는 가끔 그럴듯하게 틀리니까 결국 사람이 검수해야 하고, 그 검수 비용이 절감 효과를 깎아먹기도 해요.
한국 개발자에게 주는 시사점
우리한테 이 이야기가 중요한 이유는 꽤 현실적이에요.
첫째, 'AI 기능을 붙였다'보다 '얼마를 아꼈다'를 말할 수 있는 개발자가 귀해질 거예요. 사내 AI 프로젝트를 맡고 있다면 처리 시간, 오류율, 사람이 개입하는 비율 같은 지표를 처음부터 설계해 두세요. 나중에 예산 심사 때 이 숫자가 프로젝트를 살려요.
둘째, 진짜 가치는 모델보다 '연결'에서 나와요. 데이터 파이프라인, 권한 관리, 기존 시스템 API 연동, 평가(eval) 체계처럼 지루해 보이는 일들이 AI를 장난감에서 도구로 바꿔요. 한국 기업도 SI 형태로 AI를 많이 도입하는데, 결국 이 '마지막 1마일'을 잘하는 사람이 필요해져요.
셋째, 커리어 리스크를 나눠 두세요. 투자 사이클이 꺾이면 'AI만 하는 팀'이 먼저 흔들릴 수 있어요. AI를 잘 쓰면서 백엔드, 데이터, 인프라 기본기도 탄탄한 사람은 어떤 시나리오에서도 버틸 수 있어요.
마무리
한 줄로 정리하면, 지금 AI로 확실히 돈을 버는 건 AI를 파는 쪽이고, AI를 쓰는 쪽의 성과는 아직 숫자로 증명되지 않았다는 거예요. 거품의 신호일 수도, J커브의 바닥일 수도 있고요.
여러분 회사는 어떤가요? 도입한 AI 도구나 기능 중에 '이건 진짜 비용을 줄였다'고 숫자로 말할 수 있는 사례가 있나요, 아니면 아직 PoC 단계에 머물러 있나요?
🔗 출처: Hacker News