핵심 요약

  • 출연진은 앤트로픽의 기업공개 시점이 10월에서 11월로 늦춰졌다는 이야기를 두고, 시장 균열의 신호인지 더 최근 실적을 반영하려는 선택인지 논쟁했다. 후자는 출연진의 추정이다.
  • 메타의 뮤즈는 질문에 답하고 작업을 수행하는 AI 에이전트로 호평받았다. 다만 개인용 도구로서의 성과를 조직 전체의 협업 도구로 일반화하기는 어렵다는 지적도 나왔다.
  • 에이전트를 통한 구매는 아마존의 광고·추가 구매 기회와 충돌하는 반면, 쇼피파이에는 판매자 유입 경로가 될 수 있다는 분석이 제시됐다.
  • 빠른 분류와 판단에 쓰는 개발자용 모델은 일부 언어모델 호출을 대체할 수 있지만, 적용할 작업을 가리고 검증하는 비용이 따른다.
  • 출연진은 AI 투자에서 수요 증가만큼 진입 가격, 매출총이익률, 데이터 처리 방식, 차입과 장기 계약을 따져야 한다고 봤다.

기업공개 일정과 막대한 자본 지출

진행자는 앤트로픽의 기업공개 일정이 10월에서 11월로 밀렸다는 이야기를 꺼냈다. 한 출연자는 이를 시장의 균열로 해석하기보다 최근 분기 수치를 투자자에게 명확히 제시하려는 결정으로 추정했다. 다른 출연자도 설명하기 어려운 10월 실적 자료보다 숫자가 정리된 11월 자료가 유리할 수 있다고 봤다. 반면 한 달을 기다리는 동안 시장 여건이 나빠질 위험도 인정했다. 출연진은 기업공개 자체나 그 일정의 이유를 확인된 사실로 제시하지 않았다.

오픈AI의 자금 수요를 두고는 출연진이 인용한 전망치가 논의됐다. 대화에서 제시된 순현금 소진 전망은 2,780억 달러, 보유 현금은 1,220억 달러, 목표 매출을 달성하는 데 필요한 직간접 설비투자는 약 7,000억 달러였다. 이는 실현된 지출이나 매출이 아니라 전망이다. 한 출연자는 설비투자의 일부를 다른 기업이 부담하고 임대하는 구조이므로 현금 소진액만으로 사업의 자본 집약도를 판단해서는 안 된다고 설명했다.

뮤즈의 가능성과 개인용 도구의 한계

출연진은 메타의 뮤즈를 단순한 질의응답 서비스 이상으로 평가했다. 질문에 답하는 언어모델과 사용자를 대신해 작업하는 에이전트가 한 제품에 들어 있다는 점 때문이다. 한 출연자는 자신의 후원사 약 150곳에 관한 이메일과 항목을 추적하는 개인용 고객관리 도구를 뮤즈로 만들었다고 말했다. 그는 사용 경험을 높이 평가하면서도 다른 사람과 함께 쓰는 영업 조직용 도구로는 제한적이라고 선을 그었다.

다른 출연자는 이런 사용량이 일반 사용자에게도 나타난다면 연산 비용이 커질 수 있다고 지적했다. 제품의 초기 반응과 개인 사례만으로 서비스의 경제성을 판단할 수 없다는 뜻이다. 출연진은 메타가 이미 가진 페이스북·인스타그램 유통망을 강점으로 꼽았지만, 뮤즈의 성과가 장기적인 수익으로 이어질지는 열어뒀다.

에이전트 구매를 둘러싼 아마존과 쇼피파이의 선택

대화에 따르면 아마존은 뮤즈의 접근을 막았고 쇼피파이는 협력하기로 했다. 한 출연자는 아마존에서 에이전트가 구매를 대신하면 사용자가 사이트 안에서 광고를 보거나 다른 상품을 장바구니에 담을 기회가 줄 수 있다고 분석했다. 아마존의 배송 인프라와 고객 접근성은 에이전트를 차단할 수 있는 협상력으로도 거론됐다.

쇼피파이에 대해서는 다수의 판매자가 새로운 구매 유입을 얻을 수 있고, 쇼피파이가 결제 경로를 유지하는 데 관심이 있다는 설명이 나왔다. 출연진의 전망은 갈렸다. 한쪽은 에이전트가 기존 예약·쇼핑 중개 서비스를 우회할 수 있다고 봤고, 다른 쪽은 그 압력이 의미 있더라도 기존 업체를 곧바로 무너뜨리지는 않을 것이라고 봤다. 에이전트가 실제로 얼마나 많은 거래를 옮길지는 아직 확인되지 않았다.

빠른 판단 모델이 줄이는 비용과 늘리는 검증 부담

출연진은 대화형 답변 대신 참·거짓, 순위, 점수처럼 짧은 판단을 돌려주는 새 개발자용 서비스를 논의했다. 한 출연자는 사람 두 명을 연결할지 판단하는 작업에 써봤다. 처음에는 프롬프트를 다시 설계해야 했지만, 적합한 작업에서는 기존 언어모델보다 빠르고 저렴했다고 말했다. 반면 복잡한 인사 판단에는 맞지 않았고, 자신의 응용 프로그램에서 대체 가능한 호출은 약 20%로 추정했다.

다른 출연자는 단순한 판단에 비싼 언어모델을 쓰는 지출 일부가 이런 서비스로 이동할 수 있다고 봤다. 그 지출이 그대로 새 업체의 매출이 되는 것은 아니라는 반론도 함께 제시했다. 단가가 크게 낮아지기 때문이다. 실제 사용자는 작업마다 모델을 고르고 결과를 시험해야 한다. 한 출연자는 자동으로 모델을 선택하는 방식에서 성능 저하를 경험했다며, 더 많은 선택지가 개발자의 검증 부담도 키운다고 설명했다.

투자 가격과 AI 응용 분야의 서로 다른 위험

출연진은 초기 투자 금액이 커진 이유를 두고 의견을 나눴다. 경제 규모와 비용 증가를 반영해야 한다는 설명이 있었지만, 성공 사례를 놓칠까 두려워 더 높은 가격을 지불하는 움직임도 있다는 지적이 나왔다. 한 출연자는 초기 투자에서 성공한 기업에 뒤늦게 훨씬 높은 기업 가치로 투자하면 같은 기업이라도 기대 수익과 손실 위험이 달라진다고 강조했다. 다른 출연자는 꾸준히 성장하는 기업의 투자 가치가 있어도 현재 투자자에게 매각 경로가 뚜렷하지 않을 수 있다고 반박했다.

구체적인 투자 판단도 분야마다 달랐다. 출연진은 기업용 코딩 에이전트 업체 팩토리에 관해 코딩 수요와 기업의 모델 선택권을 긍정적으로 봤다. 기업 고객이 코드와 데이터를 어떻게 보관·처리하는지 중시한다는 현장 경험도 제시됐다. 다만 팩토리가 실제로 어느 정도 격리된 환경을 제공하는지는 출연자 자신도 모른다고 밝혔다. AI 법률 서비스에서는 사용량 증가 가능성과 함께 매출총이익률에 관한 보도의 진위를 확인해야 한다고 했다.

데이터센터 업체 크루소에는 더 신중한 평가가 나왔다. 진행자는 계약된 총가치를 약 1,400억 달러로 소개했지만, 이는 실현 매출과 다르다. 한 출연자는 제시된 기업 가치가 자신의 수익 기준에는 다소 높다며 투자를 보류하겠다고 했다. 다른 출연자는 데이터센터 사업이 AI 사용량뿐 아니라 사용량 증가 속도에 민감하고 차입도 활용한다며, 장기 고객 계약과 향후 차입 여력을 함께 살펴야 한다고 말했다.

에어월렉스 논쟁에서 드러난 주장과 증거의 거리

후반부에는 에어월렉스를 겨냥한 중국 관련 의혹 제기가 논의됐다. 한 출연자는 공개적으로 제기된 주장들이 바뀌어 왔다며, 중국 측 지분이 20%를 넘는다는 주장도 사실이 아니라고 말했다. 다른 출연자는 그 수치를 입증하려 하지 않으면서, 자신이 관여한 거래에서 중국 관련 지식재산이 인수 협상의 쟁점이 된 경험을 들었다. 거래상의 민감성이 특정 기업에 대한 의혹을 입증하지는 않는다.

출연진은 경쟁 관계의 이해관계자가 온라인에서 의혹을 주고받는 상황도 비판했다. 기업 간 거래에서 어떤 위험을 허용할지는 명확한 규칙으로 다뤄야 한다는 의견이 나왔다. 이 대화가 확인해 주는 것은 의혹의 진실이 아니라, 주장과 거래 경험, 정책 판단을 구분해야 한다는 점이다.

결론

이번 대담은 AI 제품의 초기 사용 경험과 투자 기대를 폭넓게 다뤘다. 동시에 개인 사례와 전망치를 확정된 시장 성과로 받아들이지 말아야 하며, 비용 구조와 계약 조건, 검증되지 않은 주장까지 각각의 근거에 맞춰 판단해야 한다는 한계도 드러냈다.