핵심 요약

  • 차마스 팔리하피티야는 AI가 데이터센터 부지·전력부터 모델과 앱까지 소유한 거대기업 9~10곳을 만들 것으로 전망했다.
  • 기업의 가치를 소프트웨어·서비스 같은 업종 구분보다 매출총이익률과 잉여현금흐름으로 평가해야 한다는 의견이 나왔다. 인수합병도 당장의 이익보다 장기적인 경쟁력 확보가 중요하다고 봤다.
  • 제이슨 칼라카니스는 스타트업의 AI 활용이 대기업으로 확산하면서 사용량이 크게 늘 것으로 예상했다. 팔리하피티야는 사용량 증가에 동의하면서도 이를 주가 전망과 구분했다.
  • 오픈소스는 모델 공급자에 대한 의존과 비용을 줄일 대안으로 논의됐다. 그러나 최고 수준의 모델을 만들 자본과 인재를 어떻게 확보할지는 해결되지 않은 쟁점으로 남았다.

데이터센터부터 앱까지 소유하려는 기업들

실리콘밸리 투자자·창업자들의 방송인 올인 팟캐스트에서 Social Capital 창업자이자 전 페이스북 성장 담당 부사장인 차마스 팔리하피티야, 우버 초기 엔젤 투자자 제이슨 칼라카니스, Climate Corporation 창업자 데이비드 프리드버그는 AI 산업의 경쟁 구조를 논의했다. 대화를 관통한 쟁점은 AI의 가치가 소수 거대기업에 집중될지, 오픈소스가 경쟁할 여지를 남길지였다.

팔리하피티야는 앞으로 10년 동안 AI를 중심으로 거대기업 9~10곳이 만들어질 것으로 예상했다. 그가 그린 기업은 모델이나 앱 하나에 머물지 않는다. 데이터센터 부지와 전력, 연산 인프라, AI 모델, 최종 사용자용 앱을 한 기업 안에 묶는다. 여러 생산 단계를 직접 소유하는 수직 통합이다.

그는 AI 연산을 수행할 반도체와 방식이 다양해질수록 부지와 전력이 중요한 제약이 된다고 봤다. 모델과 앱만 잘 만드는 것으로는 충분하지 않고 이를 공급할 물리적 기반도 경쟁력에 포함된다고 봤다.

프리드버그도 AI가 개별 기업의 업무 방식뿐 아니라 산업의 역할 분담을 바꿀 수 있다고 봤다. 인터넷 시대에는 데이터를 디지털로 바꾸고 연결하는 일이 중요했다면 이제는 디지털 지능을 전제로 사업을 다시 설계해야 한다고 말했다. 기존 공급망에서 여러 회사가 나눠 맡던 일을 한 회사가 수행하거나 하나의 기업이 여러 산업에 걸쳐 사업을 운영할 수 있다고 예상했다.

소프트웨어라는 이름보다 현금흐름

이런 변화는 기업을 평가하는 기준에도 영향을 준다. 팔리하피티야는 소프트웨어 회사인지 서비스 회사인지보다 얼마나 높은 이익률로 현금을 남기는지가 중요하다고 강조했다.

그는 가상의 서비스 기업이 매출총이익률 99%, 잉여현금흐름률 70%를 기록한다면 기존 제품 기업보다 매력적일 수 있다고 예를 들었다. 잉여현금흐름은 사업과 투자에 필요한 지출을 하고 남는 현금이다. AI가 제품과 서비스를 만드는 방식을 바꾸는 상황에서 과거의 업종 분류만으로 기업을 판단하기 어렵다고 봤다.

남는 현금을 어디에 쓰느냐도 쟁점이었다. 팔리하피티야는 기술 변화가 빠를 때 자사주 매입에 집중하면 새 사업에 투자할 방향을 찾지 못했다는 신호로 읽힐 수 있다고 봤다. 반면 칼라카니스는 주가가 크게 저평가됐을 때는 자사주 매입이 적절할 수 있다며 인수 대상의 성장 가능성과 자사주 매입의 효과를 비교해야 한다고 말했다.

인수합병을 보는 시각에도 차이가 있었다. 팔리하피티야는 당장 이익이 얼마나 늘어나는지만 계산하면 새로운 사업에 진입하는 전략적 가치를 놓친다고 지적했다. 특히 다음 세대 AI 앱은 대기업이나 선도 AI 연구소에서 나온 소규모 팀이 더 잘 이해하고 만들 수 있으므로 대기업이 인수로 필요한 역량을 확보하는 방안을 긍정적으로 평가했다.

AI 사용량 증가와 투자 수익은 다른 문제

칼라카니스는 자신이 투자한 스타트업에서 직원들이 하루 여러 시간 AI와 함께 일하는 모습을 보고 있다고 말했다. 이런 활용 방식이 대기업에도 확산하고 한 사람이 여러 AI 에이전트를 조율하게 되면 사용량이 크게 늘 것이라고 예상했다.

그는 이를 근거로 토큰 소비가 최소 500배 늘 수 있다는 전망까지 내놨다. 토큰은 AI가 처리하는 텍스트 등의 단위다. 다만 칼라카니스 자신도 이 수치를 수학적으로 확정된 결과가 아니라 현장에서 본 변화에 근거한 믿음이라고 구분했다.

그는 직원 한 명이 만들어 내는 매출이 늘면 기업이 AI에 더 많은 비용을 지불할 수 있다는 경제적 논리를 제시했다. 월 200달러짜리 도구를 쓰던 직원의 업무 성과가 크게 좋아진다면 월 800달러짜리 도구를 승인할 이유가 생긴다는 예를 들었다. 그가 주로 염두에 둔 분야는 소프트웨어, 서비스, 지식노동이었다.

팔리하피티야는 AI 활용이 아직 잠재력에 미치지 못했다는 점에는 동의했다. 그러나 사용량이 늘어난다는 전망이 주가가 바닥에 도달했다는 근거는 아니다라고 반박했다. 금리와 인플레이션 같은 조건은 별도로 기업 가치에 영향을 미치며 시장은 실제 매출과 성과가 얼마나 늘었는지 확인하려 한다고 봤다.

비용 절감보다 새로운 문제를 푸는 기회

프리드버그는 AI의 가장 큰 기회를 기존 업무의 효율화보다 이전에 풀지 못한 문제에서 찾았다. 어려운 공학·과학 문제를 해결하거나 새로운 암 치료제와 소재를 만드는 일을 예로 들었다. 이미 같은 결과물을 만들 수 있는 업무의 비용을 낮추는 것과 지금까지 만들지 못한 결과물을 얻는 것은 투자 가치가 다르다고 설명했다.

그는 기존 산업의 일자리가 사라지는 측면만 보면 새 산업과 일자리에 생기는 수요를 놓칠 수 있다고 봤다. 사람들이 기존 사업을 재편하는 일보다 새로운 영역에 시간과 자본을 먼저 투입할 수 있다고 예상했다.

모두가 이 변화의 혜택을 누리는 것은 아니라고 덧붙였다. 새 기회에 참여하지 못하는 사람이 늘면 반발이 커지고 그 반발이 새로운 산업의 발전을 막을 수도 있다고 우려했다. 기술의 가능성과 그 혜택이 퍼지는 문제를 함께 봐야 한다고 말했다.

오픈소스의 쟁점은 비용과 통제권

오픈소스 논의는 칼라카니스가 소개한 보도에서 시작됐다. 중국에서 나온 오픈소스 AI 모델을 사용하는 기업에 웹사이트 공시를 요구하는 방안이 미국 정부 안에서 논의되고 있다는 내용이었다. 그는 결정된 사항은 아니며 실행 방식도 제시되지 않았다고 전했다.

팔리하피티야는 기업이 비용을 관리하고 자체 기술을 통제하려 한다면 저렴한 오픈소스 대안을 검토하는 것이 합리적이라고 봤다. 외부 모델에 작업 기록을 넘기는 과정에서 자사의 경쟁 우위에 관한 정보가 전달될 수 있다는 우려도 제기했다. 그가 강조한 기준은 모델 공급자의 약속을 그대로 믿는 것보다 기술적 영향을 이해하고 선택할 역량이었다.

프리드버그는 오픈웨이트, 즉 모델이 학습한 수치인 가중치를 공개한 모델을 내려받아 자체 환경에서 실행하는 방식에 주목했다. 외부 서비스에 접속하는 방식과 구분해 봐야 하며 이를 제품에 넣는 개발자는 직접 감사하고 시험하며 안전성과 보안을 판단할 책임이 있다고 말했다.

그는 소프트웨어를 사용해 발생시킨 결과에 책임을 묻는 것과 소프트웨어 자체의 이용을 제한하는 것을 구분했다. 후자는 폐쇄형 모델 공급자의 독점을 강화하고 소수 기업이 사람들이 접근할 정보와 도구를 통제하게 할 수 있다고 우려했다. 모델이 익명으로 공개될 수도 있는 만큼 출신 국가를 기준으로 분류하는 데도 어려움이 있다고 지적했다.

공개 모델을 지탱할 자본은 어디서 나오나

출연진은 오픈소스의 필요성에는 대체로 동의했지만 경쟁력 있는 공개 모델을 만드는 유인을 두고는 의견이 갈렸다.

프리드버그는 민간 기업이 최고 수준의 모델을 개발하려 할 때 공개 모델보다 폐쇄형 모델로 자금을 조달하기 쉬웠다고 봤다. 폐쇄형 사업은 수익 모델을 설명하기 쉽지만 공개 모델은 개발비를 어떻게 회수할지부터 답해야 하기 때문이다. 칼라카니스는 높은 보상을 제시하는 선도 AI 기업으로 인재가 이동하는 문제도 들었다.

팔리하피티야는 모델 자체에서 돈을 벌 필요가 없는 대기업에는 다른 전략이 가능하다고 반박했다. 앱이나 반도체 등 다른 사업에서 수익을 얻는 기업이라면 모델을 널리 저렴하게 쓸 수 있도록 만들어 선도 모델 기업의 우위를 약화할 이유가 있다고 봤다. 그는 미국 대기업들이 가진 자금 일부를 더 일찍 공개 모델에 투입하지 않은 점을 아쉬워했다.

그러면서도 자금만 투입하면 해결된다고 단정하지는 않았다. 실제로 모델을 만들어 보면 예상보다 훨씬 어렵다는 점을 인정했고 인재·연산 자원·사업 집중도 가운데 무엇이 부족했는지에 관한 논의는 결론에 이르지 못했다.

출연진은 AI 인프라와 모델, 앱을 함께 가진 기업의 영향력이 커질 것으로 전망하면서도 오픈소스가 그 집중을 견제할 수 있다고 기대했다. 공개 모델이 실질적인 대안이 되려면 이용을 허용하는 데서 그치지 않고 경쟁력 있는 모델을 계속 만들 자본과 인재를 확보해야 한다는 과제가 남았다.