AI는 정말 돈을 벌고 있을까? 수익성 대시보드가 던지는 질문

ChatGPT 열풍 3년, 그런데 돈은 누가 벌고 있을까요?

2022년 말 ChatGPT가 등장한 이후, AI는 모든 산업의 화두가 됐어요. 엔비디아 시가총액은 천정부지로 치솟았고, OpenAI는 수천억 달러 가치로 평가받고 있죠. 그런데 정작 한 발 떨어져서 보면 이런 질문이 떠오릅니다. "이 회사들, 진짜로 돈을 벌고 있나?" 매출은 폭발적으로 늘어나는 게 분명한데, 그 뒤에 깔린 GPU 구매 비용, 전기료, 데이터센터 임대료, 연구개발비를 다 빼고 나면 정말 흑자인지 의심스러운 거죠.

이런 의문에 정면으로 답하려는 사이트가 등장했어요. isaiprofitable.com이라는 도메인 그대로, "AI는 수익을 내고 있나?"라는 질문 하나만 던지고 답하는 대시보드예요. 주요 AI 기업들의 공개된 재무 데이터를 모아서, 매출과 비용을 비교해 보여주는 단순한 컨셉인데 이게 의외로 강력합니다. 왜냐하면 우리가 평소에 "AI 회사 잘나간다"라고 막연하게 생각하던 걸 숫자로 직시하게 만들거든요.

매출 곡선은 아름답지만, 그 뒤의 그림은 다릅니다

구체적으로 들여다보면 흥미로운 패턴이 보여요. OpenAI는 연간 매출이 수십억 달러 규모로 성장 중인데, 동시에 운영 손실도 그에 못지않게 커요. 모델 학습 한 번에 수천만 달러에서 억 단위가 들어가고, 사용자가 ChatGPT에 질문할 때마다 추론(inference) 비용이 발생하거든요. 추론이라는 게 뭐냐면, 이미 학습된 모델에 입력을 넣어서 답을 받아내는 과정이에요. 학습은 한 번 끝나면 그만이지만, 추론은 사용자가 많아질수록 비용이 비례해서 늘어납니다. 그래서 사용자가 늘수록 매출도 늘지만 GPU 비용도 같이 폭증하는 구조예요.

Anthropic도 비슷한 처지예요. Claude를 운영하는 회사인데, 매출 성장세는 가파르지만 컴퓨팅 비용이 매출을 거의 다 잡아먹습니다. 반면 엔비디아는 이 모든 회사에 GPU를 파는 입장이라 미친 듯이 돈을 벌고 있죠. "AI 골드러시에서 진짜 돈 버는 건 곡괭이 파는 사람"이라는 비유가 그래서 나온 거예요. 모델 회사들은 매출을 늘려도 그게 다 엔비디아로 흘러가고, 엔비디아는 그걸로 또 다음 세대 칩을 만들어 더 비싸게 팝니다.

클라우드 3사(AWS, Azure, GCP)는 그 중간에 있어요. AI 워크로드 때문에 클라우드 매출이 늘지만, 그러려면 데이터센터에 천문학적 자본 투자(CapEx)가 필요해요. 마이크로소프트와 구글, 메타가 2024~2025년에 각각 분기마다 200억 달러 넘는 인프라 투자를 발표한 게 그 맥락이에요. 이 돈이 언제 회수될지는 아직 아무도 정확히 모릅니다.

닷컴 버블과 다른 점, 비슷한 점

이 상황을 두고 "2000년 닷컴 버블과 똑같다"는 비판이 끊임없이 나와요. 하지만 결정적으로 다른 점이 있어요. 닷컴 시절 회사들은 매출 자체가 거의 없었거든요. 페츠닷컴 같은 회사가 광고에 수억 달러를 쓰면서도 실제 매출은 미미했죠. 반면 지금 AI 회사들은 매출이 진짜로 폭발적으로 늘고 있어요. OpenAI 연 매출이 100억 달러를 넘었다는 보도가 나올 정도니까요. 문제는 그 매출보다 비용이 더 빨리 늘고 있다는 거예요.

비슷한 점도 있어요. 미래 기대치에 기반한 어마어마한 인프라 투자, "지금 손해 보더라도 시장을 선점하면 나중에 이긴다"는 논리, 그리고 그 논리에 베팅하는 거대한 자본 흐름. 통신사들이 광케이블을 깔다가 무너졌던 2001년의 풍경이 지금 GPU 클러스터를 짓는 빅테크 모습과 겹쳐 보인다는 분석도 있어요.

한국 개발자에게는 어떤 의미일까요

첫째, AI API 가격이 언젠가는 정상화될 가능성을 염두에 둬야 해요. 지금 OpenAI나 Anthropic이 토큰당 가격을 계속 내리는 건 시장 점유율 경쟁 때문이에요. 하지만 수익성 압박이 커지면 가격을 다시 올리거나, 무료/저가 티어를 줄일 수 있습니다. AI를 핵심에 박아넣은 서비스를 만든다면, 벤더 비용이 두 배 됐을 때도 사업이 굴러갈지 시뮬레이션해 보는 게 좋아요.

둘째, 온디바이스나 오픈소스 모델로의 분산이 빨라질 거예요. Llama, Qwen, DeepSeek 같은 오픈 모델 품질이 빠르게 좋아지면서, 자체 추론 인프라를 갖추는 게 비용 면에서 합리적이 되고 있거든요. 특히 트래픽이 큰 한국 서비스라면 자체 호스팅 옵션을 진지하게 검토할 시점이에요.

셋째, AI 인프라 영역의 채용 기회가 계속 열려 있어요. 모델을 만드는 회사보다, 모델을 효율적으로 서빙하고 비용을 줄여주는 인프라 회사들이 오히려 안정적인 수익 구조를 갖고 있거든요. vLLM, 추론 최적화, GPU 스케줄링 같은 영역의 지식이 점점 귀해질 거예요.