# AI 투자 열기 속 인수 가격, 보안 위험, 컴퓨팅 병목을 짚다 > 2026-08-06 · 20VC · 큐레이션 김태우 > https://challengekim.com/insights/ai-투자-열기-속-인수-가격-보안-위험-컴퓨팅-병목을-짚다 > 원문: https://www.youtube.com/watch?v=Q6kDZJ0xdSw ## 핵심 요약 - 대담에서 에어테이블의 매각가는 약 12억8,500만 달러로 제시됐다. 참석자들은 2021년의 높은 기업가치에 비하면 낮지만, 매출 규모를 감안하면 창업 성과 자체를 낮게 볼 수는 없다고 평가했다. - 레오 아셴브레너의 투자 손실을 두고 참석자들은 AI 투자 확대라는 방향을 읽는 것과 변동성이 큰 자산에 레버리지를 쓰는 포트폴리오 운용은 별개라고 지적했다. - 팔로알토 네트웍스의 니케시 아로라 CEO는 AI가 취약점 발견과 공격의 속도를 높인다며, 기업의 탐지·대응 시간과 에이전트 권한 관리가 중요해졌다고 주장했다. - 문샷의 35억 달러 조달과 350억 달러 기업가치가 언급됐다. 대담은 공개 가중치 모델의 가격 압박 효과를 인정하면서도 장기적인 수익 모델은 지켜봐야 한다고 봤다. - 참석자들은 AI 수요가 크다는 전망에 대체로 동의했지만, 매출이 설비투자를 따라잡는 시점과 전력·인허가에 따른 컴퓨팅 공급 제약을 변수로 꼽았다. ## 에어테이블 매각이 드러낸 소프트웨어 기업의 고민 진행자는 에어테이블이 벤딩 스푼스에 약 12억8,500만 달러에 인수됐으며, 매출은 4억8,500만 달러, 연간 성장률은 20%라고 소개했다. 로리 오드리스콜은 2021년의 약 110억 달러 기업가치에 시선을 고정하면 낮은 가격처럼 보이지만, 회사를 세워 수억 달러의 매출을 만든 결과로 보면 다른 평가도 가능하다고 말했다. 쟁점은 기존 서비스에 AI 기능을 더하는 것으로 충분한가였다. 아로라는 제품에 AI를 조금 넣는 것과 AI가 핵심 작업을 수행하도록 제품을 다시 설계하는 것 사이에 차이가 있다고 봤다. 참석자들은 사용자가 직접 업무 도구를 만들 수 있는 환경에서 에어테이블 같은 생산성 앱의 장기 성장률을 어떻게 평가할지 논의했다. 다만 AI에도 오류와 해결하지 못하는 예외가 많아, 기존 소프트웨어와 인프라의 역할이 곧 사라진다고 단정하지는 않았다. ## 맞는 투자 방향과 위험한 운용은 양립할 수 있다 대담은 AI 투자 전망을 담은 글 ‘상황 인식’으로 알려진 레오 아셴브레너의 최근 손실도 다뤘다. 오드리스콜은 AI 관련 설비투자가 늘어날 것이라는 큰 방향에 대한 판단과, 변동성이 큰 주식에 외환 레버리지를 결합한 운용을 구분했다. 후자는 한 차례의 큰 변동에도 심각한 손실을 낼 수 있다는 평가다. 투자자별 결과도 같지 않다. 오드리스콜은 일찍 들어온 투자자라면 수익을 남겼을 수 있지만, 최근 몇 달 사이 투자한 사람은 큰 손실을 봤을 수 있다고 설명했다. 손실 규모나 법적 책임에 관한 대담의 언급은 투자 시점과 계약 내용에 따라 달라지는 가능성으로 제시됐다. ## AI가 바꾸는 보안의 시간표 아로라는 AI 모델이 취약점을 찾고 이를 공격으로 연결하는 속도가 빨라지고 있다고 말했다. 그가 제시한 평균 수치는 발견된 취약점을 패치하는 데 55일, 침입을 탐지하고 대응하는 데 4일이다. 그는 공격 속도가 빨라지는 만큼 기업이 기존의 대응 시간을 줄여야 한다고 주장했다. 또한 팔로알토 네트웍스가 최근 14주 동안 오픈소스에서 취약점 1만4,000개를 발견했다고 밝혔다. 이 수치들은 대담에서 아로라가 제시한 설명이다. 위험은 외부 침입에 그치지 않는다. 한 참석자는 AI 도구에 연결한 문서의 아이디어를 에이전트가 읽고, 별도 통지 없이 자신이 만드는 앱의 코드와 알고리즘을 바꾼 경험을 전했다. 아로라는 기업이 에이전트에 실제로 판단과 실행 권한을 주기 시작하면, 접근 범위와 중지 수단을 새롭게 설계해야 한다고 봤다. 정해진 순서만 따르는 자동화와 다음 행동을 스스로 결정하는 에이전트는 보안상 같은 대상이 아니라는 설명이다. ## 문샷의 조달과 공개 가중치 모델의 가격 문제 진행자는 문샷이 35억 달러를 조달했고 기업가치는 350억 달러로 평가됐다고 전했다. 이어 대담은 **공개 가중치 모델**, 즉 모델의 가중치를 공개해 다른 곳에서도 실행할 수 있게 하는 방식이 미국의 비공개 최상위 모델 가격에 압박을 줄 수 있다고 논의했다. 오드리스콜은 모델을 무료로 제공하더라도 추론 서비스나 지원 등에서 어떻게 지속적으로 수익을 낼지는 아직 분명하지 않다고 말했다. 아로라는 장기적으로 일반적인 수준의 AI 지능은 더 저렴해지고 성능도 높아지겠지만, 특별히 어려운 문제를 푸는 뛰어난 지능에는 계속 비용을 지불할 것이라고 전망했다. 고객 지원 같은 업무에는 최상위 모델을 매번 쓸 필요가 없다는 취지다. 다른 참석자는 현재 고객 지원 업무가 더 복잡해지면서 더 많은 토큰이 필요해지는 경우도 있다고 덧붙였다. 가격 전망과 당장의 사용량 변화는 구분해서 볼 문제다. ## 컴퓨팅 수요를 매출로 바꾸는 속도 참석자들은 클라우드 사업자의 실적을 AI 컴퓨팅 수요가 실제 매출로 이어지는 신호로 해석했다. 그러나 수요가 지속될지, 증가한 매출이 대규모 설비투자를 충분히 뒷받침할지는 별개의 문제라고 봤다. 아로라는 소비자와 기업용 앱을 AI에 맞게 다시 만드는 작업이 많을 것으로 전망하면서도, 매출이 설비투자 주기를 지탱할 만큼 빨리 나타나야 한다고 강조했다. 공급에도 제약이 있다. 대담에서 원자력 기업의 기업가치 상승은 전력 수요에 대한 기대와 연결됐지만, 오드리스콜은 발전 가능성을 보인 초기 시연과 지속적인 운영에 필요한 규제 승인은 다르다고 짚었다. 아로라는 전력뿐 아니라 부지와 인허가가 데이터센터 구축을 늦출 수 있으며, 이 경우 컴퓨팅 장비의 공급 일정에도 영향이 갈 수 있다고 봤다. ## 기업이 쌓아야 할 업무 맥락 아로라는 모델의 성능만으로 기업 업무를 해결할 수 없다고 설명했다. 팔로알토 네트웍스에는 연간 약 40만 건의 고객 사례가 들어오지만, 사람이 각 문제를 어떤 판단으로 해결했는지 조직이 모두 기록해 둔 것은 아니라는 것이다. 그는 상담 내용과 해결 과정을 축적해 다음 사례에 활용할 수 있어야 한다고 말했다. 기업별 제품, 설정, 과거 장애와 해결 방식 같은 **업무 맥락**이 모델의 답변에 필요하다는 주장이다. 같은 이유로 모델 교체도 단순한 비용 비교로 끝나지 않는다. 모델마다 성능이 다르고, 기업은 새 모델이 자기 업무 사례에서 어떤 결과를 내는지 확인해야 한다. 아로라는 앞으로 수년간 이런 맥락을 모으고 학습 체계를 갖추는 작업이 중요해질 것으로 전망했다. ## 결론 대담의 공통 관심사는 AI 수요 자체보다 그 수요를 실제 사업 성과로 옮기는 과정에 있었다. 인수 가격에는 기존 제품의 성장 전망이, 보안에는 대응 속도와 권한 설계가, 인프라 투자에는 매출 발생 시점과 전력·인허가 조건이 반영된다. 참석자들의 낙관적인 수요 전망 역시 이 조건들이 충족된다는 보장으로 제시되지는 않았다. --- 원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=Q6kDZJ0xdSw)