인공지능을 둘러싼 막대한 투자와 열기에도 불구하고, 기술 기업을 제외한 미국 기업들에게 AI가 안겨준 재무적 성과는 사실상 '0'에 가깝다. 사모펀드 운용사 아폴로(Apollo)의 수석 이코노미스트 토르스텐 슬록(Torsten Slok)이 내놓은 분석의 핵심 메시지다. 그는 기업 실적을 'Mag 7'(대형 기술주 7종)과 이를 제외한 나머지 'S&P 493'으로 나눠 비교하며, AI의 성과가 극히 일부 영역에만 집중되어 있다고 지적한다.
지표가 말하는 양극화
아폴로가 제시한 데이터를 보면 분할선은 뚜렷하다. 직원 1인당 매출은 Mag 7에서는 상승하고 있지만 S&P 493에서는 정체 상태다. 이익률 역시 Mag 7은 개선되는 반면 나머지 기업들은 제자리걸음이다. 거시 지표에서도 AI가 생산성 성장을 끌어올렸다는 신호는 아직 없다. 아폴로는 생산성 척도로 샌프란시스코 연준이 가동률을 조정해 산출한 총요소생산성(TFP, Fernald 2014 시리즈)을 인용했는데, 여기서도 뚜렷한 상승 반전은 관찰되지 않는다. 즉 AI가 손익계산서의 맨 아랫줄에 미친 영향은 기술 섹터 바깥에서 아직 확인되지 않는다는 것이다.
이런 상황에서 주류 기업들의 태도가 바뀌고 있다는 점이 흥미롭다. 성과가 보이지 않자, 이들은 토큰 지출을 성장의 원천이 아니라 마진을 갉아먹는 비용 센터로 바라보기 시작했다. 아폴로의 진단에 따르면 토큰 소비를 공격적으로 늘리는 쪽은 주로 벤처캐피털의 자금을 받은 스타트업들이다. 반면 일반 대기업들은 굳이 최신 모델이 필요하지 않다고 판단하며, 그 비용을 치를 의향도 크지 않다.
왜 확산이 더딘가
아폴로는 에이전트형 AI와 토큰 지출이 경제의 작은 일부에 머무는 한, AI가 거시경제에 미치는 효과도 매우 제한적일 수밖에 없다고 본다. 분석에는 램프(Ramp)의 AI 인덱스 데이터가 함께 인용됐는데, 이는 실제 기업 지출 흐름을 통해 AI 도입의 폭을 가늠하려는 시도로 읽힌다. 결국 소수의 선도 기업과 투자 유치 기업들이 AI 소비를 주도하는 구조에서는, 경제 전반의 생산성 도약으로 이어지기 어렵다는 논리다.
앞으로의 관건은 모델이 점점 범용화되고 '지능'이 저렴해지는 흐름 속에서, 주류 기업들이 그 값싼 지능을 더 높은 매출 성장과 이익률로 전환할 수 있느냐다. 슬록은 이것이 말처럼 쉽지 않을 것이라고 본다. 그가 드는 이유는 비즈니스의 본질에 닿아 있다. AI는 뛰어난 계산기일 수 있지만, 사업에서의 지능은 대부분 '판단'의 문제라는 것이다.
판단과 책임의 영역
판단은 맥락에 의존하며, 같은 질문이라도 어떤 사람에게 혹은 어떤 모델에게 묻느냐에 따라 답이 달라진다. 더 결정적으로, AI는 책임(accountability), 신뢰, 조직 문화, 명문화되지 않은 규칙, 윤리적 트레이드오프, 공정성을 이해하지 못한다. 아폴로는 바로 이런 요소들이 기업의 평판 리스크를 형성하고, 궁극적으로 매출 성장과 이익률을 좌우한다고 강조한다. 숫자를 빠르게 처리하는 능력만으로는 메우기 어려운 간극이 여기에 있다는 뜻이다.
한국의 실무자 입장에서 이 분석은 두 가지 시사점을 준다. 첫째, AI 도입의 성패는 모델 성능이나 토큰 소비량이 아니라 '실제 손익 개선'으로 측정되어야 한다는 점이다. 비용 센터로 전락하지 않으려면 특정 업무에서 매출이나 마진이 어떻게 바뀌는지를 처음부터 추적 가능한 지표로 설계할 필요가 있다. 둘째, 판단·책임·맥락이 핵심인 영역에서는 AI를 의사결정 보조로 두되 최종 책임 구조를 명확히 해야 한다는 점이다.
물론 이 분석에는 한계도 분명하다. 아폴로의 자료는 특정 시점의 거시·집계 데이터에 기반한 것으로, 개별 산업이나 기업의 성공 사례를 부정하지는 않는다. 생산성 통계에는 시차가 존재해 효과가 뒤늦게 드러날 가능성도 배제할 수 없다. 다만 슬록의 결론은 명료하다. AI 서사의 승부처는 Mag 7이 아니라 S&P 493이며, 적어도 지금까지 기술 섹터 바깥에서 매출 성장이나 마진이 개선되고 있다는 증거는 보이지 않는다는 것이다.