제2차 AI 혁명, 어디까지 왔고 누가 진짜 승자가 될까

핵심 요약

AI 혁명은 아직 '진짜 승자'가 등장하지 않아 하드웨어 기업만 돈을 버는 불완전한 단계에 머물러 있다. 과거 빅테크를 키운 네트워크 효과, 데이터 독점, 무형 자본, 한계비용 제로라는 4가지 조건을 AI 시대에 먼저 완성하는 소프트웨어 기업이 최종 승자가 될 가능성이 크다.

AI 혁명은 왜 아직 '버블 논란'에서 벗어나지 못했나

현재 AI 붐은 거대 투자와 눈부신 기술 성과에도 불구하고 지속적인 버블 논란에 시달리고 있다. 핵심 이유는 시장을 장악한 '명확한 승자'가 없고, 그 승자가 만들어내는 안정적인 이윤 구조가 아직 자리 잡지 못했기 때문이다.

지금 돈을 가장 많이 버는 쪽은 AI를 직접 활용해 서비스를 파는 회사가 아니라, AI 학습과 추론에 필요한 GPU와 인프라를 공급하는 하드웨어 기업들이다. 금광에서 금을 캐는 광부가 아니라 곡괭이 파는 상인이 더 큰 돈을 버는 기형적인 구도라는 비유가 여기에 해당한다.

역사적으로 혁명적인 기술이 완전히 자리 잡을 때는 결국 '서비스·소프트웨어' 쪽에서 막대한 이윤이 난다. AI도 하드웨어 중심에서 소프트웨어·서비스 중심으로 가치가 이동하는 순간이 와야 비로소 "AI 혁명이 완성됐다"고 말할 수 있다.

과거 빅테크를 만든 4가지 힘: 전체 그림

구글, 메타, 아마존, 마이크로소프트 같은 빅테크는 기술 그 자체보다도 특정한 경제 구조를 먼저 장악하면서 성장했다. 이 구조를 이루는 네 가지 핵심 요소는 다음과 같다: 네트워크 효과, 데이터 독점, 무형 자본 중심 구조, 한계비용 제로다.

이 네 가지가 동시에 작동하면 가입자는 쉽게 떠나지 못하고, 데이터는 한곳에 쌓이며, 추가 고객을 받아도 비용은 거의 늘지 않는다. 그 결과 한 번 판이 굳어지면 후발 주자가 들어올 틈이 거의 없어지고, 선도 기업은 꾸준히 초과 이윤을 누리며 '제국'이 된다.

현재 AI 산업은 이 네 가지를 충분히 갖추지 못했기에, 수익 구조가 불안정하고 경쟁도 과도하게 치열한 상태다. 따라서 이 네 가지를 AI 버전에 맞게 다시 완성하는 회사가 차세대 빅테크가 될 가능성이 높다.

네트워크 효과: 한 번 들어오면 못 나가는 구조의 힘

네트워크 효과란, 사용자가 많아질수록 서비스 가치가 커지고, 기존 사용자가 새로운 사용자를 더 끌어들이는 구조를 말한다. 카카오톡, 페이스북, 인스타그램처럼 "주변 사람 거의 다 쓰는 플랫폼"이 되면, 사실상 탈퇴가 불가능해지는 현상이 대표적이다.

한 번 이 네트워크에 들어가면 메시지, 친구 관계, 게시물, 기록 등이 모두 얽혀 있기 때문에, 불만이 있어도 쉽게 떠나기 어렵다. 쿠팡의 개인정보 이슈처럼 큰 사건이 나와도 실제 탈퇴가 생각보다 적은 이유도 "이미 익숙해진 생태계에서 벗어나기 너무 불편하기 때문"이다.

이런 네트워크 효과가 자리 잡으면 기업은 가격·품질에 큰 압박을 받지 않고도 높은 이윤을 유지할 수 있다. 소비자 입장에서는 점점 선택지가 줄어들고, 기업은 '사실상 독점'에 가까운 지위를 획득한다.

데이터 독점: 더 많이 알고, 더 잘 맞추는 기업이 이긴다

네트워크 효과로 이용자가 몰리면 자연스럽게 데이터가 한곳에 쌓인다. 이 데이터는 사용자의 검색, 클릭, 구매, 위치, 취향 같은 행동의 흔적이며, 빅테크의 핵심 자산이 된다.

데이터가 많을수록 알고리즘은 더 정교해지고, 추천·검색·광고 품질이 올라가고, 다시 더 많은 이용자가 유입되는 선순환이 만들어진다. "데이터는 21세기의 석유"라는 말이 나온 이유도 이 데이터-알고리즘-서비스-사용자의 순환 구조 때문이다.

쿠팡이 내 구매·검색 이력을 활용해 내가 살 만한 물건을 높은 확률로 맞춰서 보여주는 것처럼, 데이터 독점은 사용자 경험과 매출을 동시에 끌어올린다. 이 구조가 굳어지면, 후발 주자가 비슷한 서비스를 만들어도 데이터 격차를 따라잡기가 매우 어렵다.

무형 자본: 건물·공장보다 알고리즘·브랜드를 키운 기업들

전통 제조업은 공장·설비·기계처럼 눈에 보이는 자산에 엄청난 돈이 들어간다. 반도체 공장 하나만 지어도 수조 원이 들어가고, 시간이 지나면 설비를 교체해야 하며, 이는 곧 막대한 감가상각과 재투자를 의미한다.

반면 빅테크 기업의 핵심은 소프트웨어, 알고리즘, 브랜드, 플랫폼 같은 무형 자산이다. 이 자산들은 한 번 만들어 놓으면 물리적으로 닳아 없어지는 일이 없고, 감가상각 부담도 상대적으로 작다.

그래서 이들은 돈을 벌면 공장 짓기보다 주식 소각, 자사주 매입, R&D 등으로 자본을 활용하며 주주가치를 높이는 전략을 쓸 수 있었다. 한국의 중후장대 산업 중심 기업들과 달리, 빅테크가 훨씬 더 높은 수익성과 주가 상승을 누린 이유가 여기에 있다.

한계비용 제로: '한 번 만들고 무한 복제'의 경제학

소프트웨어·디지털 서비스의 가장 강력한 특징은 "처음 만들 때만 비싸고, 그다음부터는 복제 비용이 거의 0"이라는 점이다. MS 오피스를 예로 들면, 개발할 때는 막대한 인력과 시간이 들어가지만, 100만 명이 쓰든 1억 명이 쓰든 추가 비용은 거의 없다.

초기 개발 비용이 높기 때문에 진입장벽은 크고, 한 번 시장을 장악하면 새로운 경쟁자가 들어오기 어렵다. 동시에 고객 수가 늘어날수록 매출은 늘지만 비용은 거의 늘지 않기 때문에, 이익률은 점점 더 높아지는 구조가 된다.

이 '한계비용 제로' 구조가 네트워크 효과, 데이터 독점과 결합하면, 기존 빅테크가 보여준 압도적인 수익성과 시장지배력이 완성된다.

현재 AI 산업: 네트워크 효과가 약하고 락인이 안 된다

AI 서비스는 아직 네트워크 효과가 매우 약한 편이다. 이용자들이 특정 AI 서비스에 묶여 있지 않고, 가격과 성능을 비교해가며 이 서비스 저 서비스로 옮겨 다니는 '메뚜기형 이용 패턴'이 일반적이다.

락인 효과를 만들려면 "쌓여온 나만의 기록과 맥락"이 서비스 깊숙이 통합되어야 한다. 예를 들어 AI 에이전트가 회사의 업무 맥락, 과거 프로젝트, 선호 스타일을 계속 기억하고, 시간이 갈수록 더 나를 잘 알아야 락인이 생긴다.

하지만 지금의 AI는 질문을 바꿀 때마다 맥락이 끊기거나, 기업 수준에서의 업무 연속성을 제대로 이해하지 못하는 경우가 많다. 기업 입장에서는 "매번 처음 보는 AI에게 다시 설명하는 느낌"이기에, 특정 업체에 깊게 묶여 들어갈 동기가 약하다.

향후 "진짜로 나를 오래 기억하고, 누적 학습을 통해 더 유능해지는 AI"를 먼저 구현하는 회사가 네트워크 효과를 확보하며 판을 가져갈 가능성이 크다.

현재 AI 산업: 데이터 독점 대신 '서로 베끼기'와 오염 문제

기존 빅테크는 사용자 데이터 접근을 독점하며 경쟁우위를 유지했지만, AI 모델 학습에서는 양상이 조금 다르다. 새로운 AI 모델을 빠르게 키우는 가장 간단한 방법이 다른 AI가 이미 만들어낸 답변을 가져와 학습시키는 '모델 베끼기' 전략이기 때문이다.

이 방식은 단기적으로 개발 속도를 높이지만, 장기적으로는 데이터의 질을 떨어뜨리는 부작용을 낳는다. AI가 만든 결과물을 다시 AI가 학습하는 '순환 구조'가 생기면, 잘못된 정보가 점점 증폭되는 현상이 나타난다.

이를 일종의 "유전적 근친 교배"에 비유하기도 하는데, 한 번 생긴 오류가 계속 복제되면서 오염이 누적될 수 있다는 의미다. 따라서 앞으로는 단순히 데이터 양이 아니라, 인간이 생산한 원천 데이터나 검증된 양질 데이터의 확보와 관리가 결정적 경쟁력이 될 가능성이 크다.

현재 AI 산업: 무형 자본에서 다시 '장치 산업'으로

과거 빅테크는 무형 자본 중심이었지만, AI 시대에 들어서면서 상황이 크게 변하고 있다. 초대형 모델을 학습·운영하기 위해서는 막대한 규모의 데이터 센터, GPU 서버, 네트워크 설비가 필요하기 때문이다.

이 인프라는 전형적인 유형 자산이며, 투자 규모가 크고 감가상각 기간도 존재한다. 즉, 한때 '공장 없는 기업'이던 빅테크가 이제는 반대로 공장·발전소 수준의 물리 인프라와 투자 부담을 떠안기 시작한 셈이다.

이 변화는 이익 구조에 직접적인 압박을 주며, 전통 제조업과 비슷한 자본 집약적 구조로 일부 회귀하게 만든다. 장기적으로는 이런 '장치 산업화'에서 벗어나 다시 무형 자본 비중을 높이는 방향이 AI 승자들의 핵심 전략이 될 것이다.

현재 AI 산업: 한계비용이 0이 아니라 계속 올라간다

AI 서비스는 사용자가 늘어날수록 서버 비용과 전력 비용이 함께 커지는 구조다. 특히 대형 모델은 추론(질문에 답하는 과정) 자체에도 상당한 연산과 전력이 필요하기 때문에, 이용자 증가가 곧 비용 증가로 이어진다.

데이터 센터를 더 지어야 하고, 전력 수요가 폭발적으로 늘면서 실제로 미국의 전기 요금이 최근 몇 년간 크게 상승했다. 또 모델이 더 정교해지고 파라미터가 커질수록, 요청당 필요한 연산량이 증가해 '고급 서비스를 많이 쓸수록 비용이 더 드는' 상황이 벌어진다.

즉, 과거의 빅테크가 누리던 "한 번 만들면 추가 이용자당 비용은 거의 0"이라는 구조와 정반대의 압력이 작동하고 있다. 앞으로 이 한계비용을 낮추는 기술·구조 혁신(더 효율적인 모델, 전력 효율 개선, 새로운 칩 등)을 먼저 성공시키는 기업이 큰 우위를 점할 것이다.

'곡괭이 파는 엔비디아' vs '금 캐는 미래의 승자'

지금 AI 붐에서 가장 큰 돈을 버는 대표 기업은 엔비디아 같은 칩·인프라 공급자들이다. 이들은 금광에 곡괭이와 삽을 파는 상인처럼, AI 열풍 그 자체에서 안정적으로 이윤을 취한다.

반면, 정작 금광에서 금을 캐야 할 소프트웨어·서비스 기업들은 아직 뚜렷한 수익 모델을 확립하지 못한 경우가 많다. 사용자는 기대에 비해 제한된 활용도와 높은 비용을 체감하고, 기업들은 투자 대비 뚜렷한 생산성 향상을 증명하는 데 애를 먹고 있다.

AI 혁명이 진짜로 완성되는 시점은, 곡괭이 회사의 이익 일부가 실제 금 캐는 회사들, 즉 AI 기반 서비스·솔루션 기업으로 이동하는 때가 될 것이다. 그때가 되면 "AI 덕분에 비즈니스·일상·산업이 구조적으로 바뀌었다"는 체감이 본격적으로 나타나게 된다.

앞으로의 승자 조건: 어떤 기업이 최종 빅테크가 될까

차세대 AI 승자는 결국 과거 빅테크의 4대 조건을 AI 시대에 맞게 다시 구현해내는 기업이 될 가능성이 크다. 먼저, 강력한 네트워크 효과를 만드는 AI 서비스를 구축하는 것이 중요하다.

사용자가 쌓아둔 기록, 개인·기업 맥락, 선호와 노하우가 AI에 깊이 스며들어 "이걸 떠나면 모든 걸 잃는다"는 느낌을 주는 락인 구조가 핵심이다. 최근 일부 AI가 "사용자를 다시 알아보고 인사하는" 기능을 강화하는 것도 이 방향의 초기 시도라고 볼 수 있다.

두 번째로, 양이 아니라 '질 좋은 원천 데이터'를 먼저 확보·관리하는 기업이 유리하다. 세 번째로, 현재의 장치 산업화 흐름에서 벗어나 다시 무형 자본 중심 구조로 수익성을 회복하는 전략이 필요하다.

마지막으로, 모델 구조 혁신·최적화·전용 칩·에너지 효율 기술 등을 통해 한계비용을 경쟁사보다 빠르게 낮추는 기업이 장기적으로 시장을 지배할 가능성이 크다.

인사이트

AI 혁명은 아직 '고속도로를 까는 단계'에 가깝고, 그 위에서 안정적으로 돈 버는 비즈니스 모델은 완전히 자리 잡지 않았다. 장기적으로는 네트워크 효과, 데이터 질, 무형 자본 중심 구조, 한계비용 절감이라는 네 축에서 우위를 점하는 소프트웨어·서비스 기업이 진짜 승자가 될 것이다.

실용적으로는, AI 관련 기회나 투자를 볼 때 "지금 곡괭이를 파는 기업인가, 앞으로 금을 캐는 구조를 만들 수 있는 기업인가"를 구분해서 생각하는 것이 도움이 된다. 또한 개인이나 조직 입장에서도, 단순히 AI 도구를 '하나 더 도입하는 것'보다, 우리의 데이터와 업무 맥락을 AI에 축적해 장기적인 락인과 생산성 향상을 노릴 수 있는 방향으로 전략을 짜는 것이 중요하다.

출처 및 참고 :