AI 현실 점검: 내러티브에서 수치로 이동하는 시장

내러티브 단계가 유용했던 이유는 2023년 초 ChatGPT가 처음 출시되었을 당시 기술의 잠재력에 관한 과거 데이터가 없었기에 잠재력에 기반해 가격이 책정되어야 했기 때문입니다. 하지만 2024년 말에는 중국에서만 200개 이상의 거대언어모델이 출시되었으며, AI 발표 이후 주가 급등이 지속되는 기간은 수주에서 수일로 단축되었습니다.

투자자들이 던지는 질문은 "수익은 얼마나 내고 있는가?", "고객 이탈은 얼마나 되는가?", "GPU 비용을 지불한 후 남는 금액(매출총이익)은 얼마인가?"와 같이 매우 구체적으로 변했습니다.

이러한 전환은 네 가지 차원에서 측정됩니다.

효과적인 실행을 위해서는 AI 기여 매출을 명확히 식별하고 확인할 수 있어야 한다. 현재 공개 투자 분석가들은 기업들이 분기 보고서에서 AI 매출을 별도로 구분해 공시할 것을 요구하고 있다. 일례로 마이크로소프트(MSFT)의 2024년 4분기 실적에서 Azure AI는 클라우드 매출 성장률에 10%포인트 이상 기여하며 업계의 벤치마크가 되었다. 반면 기존의 시스템 통합 프로젝트를 'AI 관련 계약'으로 분류하려 시도했던 일부 기업들은 곧바로 그 실체가 드러났다.

실행이 실질적인 성과로 인정받으려면 모델 API 호출, AI SaaS 구독, 프라이빗 배포를 통해 발생하는 매출이 각각의 전월 대비 성장률과 함께 투명하게 보고되어야 한다.

모든 생성형 AI 호출은 고가의 GPU에 의존하기 때문에 추론에는 비용이 발생하며, AI 규모를 지속적으로 확장할 경우 수익성이 훼손될 수 있습니다. 이제 시장이 더 이상 '어떠한 대가를 치르더라도 성장을 추구하는 방식'에 보상을 주지 않는다는 점은 분명합니다. 대신 모델 증류(distillation), 양자화(quantization), 전문가 혼합(MoE) 라우팅, 배칭(batching) 등의 방법을 통해 추론 관련 비용을 공격적으로 절감할 수 있는 팀이 보상을 받게 될 것입니다.

계획 실행에 가장 성공적인 팀들은 6개월 이내에 호출당 비용을 80% 절감한다는 목표를 달성했습니다. 이것이 바로 실행력이 정의되는 방식입니다.

과거에는 고객사와 체결한 양해각서(MOU)만으로도 후속 자금 조달이 가능했습니다.

하지만 더 이상은 그렇지 않습니다. 현재 투자자들은 파일럿에서 본계약으로의 전환율, 대형 고객사로부터 발생하는 연간 반복 매출(ARR), 순매출 유지율(NDR) 등 다양한 지표에 주목하고 있습니다. 만약 귀사의 AI SaaS 제품의 순매출 유지율이 120%를 상회한다면 선전하고 있는 것이지만, 100% 미만이라면 고객들이 이탈하고 있다는 의미입니다.

성공적인 기업들은 3년 단위의 장기 계약을 체결한 전통 산업의 대기업들을 고객사로 확보하고 있습니다.

내러티브 단계에서는 고객 획득 비용을 무시하며 시장이 무한하다는 점을 시사했다. 그러나 실행은 수치를 제공한다. 만약 고객 생애 가치(LTV) 대비 고객 획득 비용(CAC)의 비율이 1 미만이 된다면, 이는 회사가 ‘돈 먹는 하마’가 되었음을 의미한다.

효과적인 실행은 획득 비용을 낮추기 위한 제품 주도 성장과 고착도를 높이기 위한 심층적인 워크플로우 통합을 통해 3 이상의 LTV/CAC를 달성한다.

AI 기업이 통제된 데모 단계에서 실제 환경으로 전환하는 시점은 프로세스 중 가장 위험한 순간이다. 무대 위에서는 완벽한 데모(코드 및 요약 정확도 100% 달성)를 보여주더라도, 첫 고객이 테스트하며 약어를 입력하거나 특정 억양으로 말할 때 시스템에 할루시네이션(환각)이 발생하거나 지연 시간이 급증할 수 있다. 시스템은 12GB GPU를 요구하는 반면 서버는 4GB만 제공하는 상황도 벌어진다. 이러한 간극을 극복하기 위해 수행해야 할 네 가지 요소가 있다:

• 범용 모델에서 즉각적 인식을 위한 집중적인 미세 조정(fine-tuning)으로: 실제 환경에서 3~5개의 고부가가치 과업을 선정하고 실제 데이터로 모델을 미세 조정하라. 매우 좁은 범위의 과업에 대해 신뢰할 수 있는 심도를 제공함으로써 비즈니스 가치를 창출할 수 있다.
• API에서 엔드투엔드(end-to-end) 솔루션으로: 고객은 API가 아닌 결과물을 구매한다. 어플라이언스 혹은 소프트웨어 솔루션(SaaS) 형태로 턴키 방식의 SaaS, 통합 기능, 저코드 커넥터를 제공하라.
• 실험실 수준의 정확도에서 운영 환경의 견고함 및 비용 제어로: 실제 데이터 입력은 무질서하다. 실제 환경의 입력을 처리하기 위해서는 성능의 단계적 저하(graceful degradation)를 고려한 설계와 양자화, 배칭, 스마트 라우팅을 통한 비용 절감이 필요하다.
• 정적인 데모에서 데이터 플라이휠(data flywheel)로: 사용자가 모델에 수정 사항을 제시할 때마다 다음 미세 조정 주기를 위한 피드백 루프를 구축하라. 데이터 루프가 없다면 제품은 개선되지 않는다.

강세론자들은 현재의 실행력 조사가 건전하며, 시장 내 진정한 참여자와 재무적 자원 없이 주장만 내세우는 이들을 가려내는 데 도움이 될 것이라고 주장한다.

약세론자들은 2027년 예상 수익을 기반으로 한 기업 가치 평가 방식의 대대적인 재조정으로 인해 AI 분야가 실질적인 변화를 겪게 될 경우, 모든 AI 관련 기업이 상당한 가치 손실을 입을 수 있다고 경고한다.

절충안은 전통적인 인프라 비즈니스인 반도체(엔비디아, 어드밴스드 마이크로 디바이시즈(AMD)) 및 네트워킹 분야가 향후 12~18개월 동안 양호한 실적을 이어가는 상황이다. 반면 다수의 애플리케이션 단계 기업들은 재무 실적 측면에서 상당한 격차를 보일 것이며, 한두 개의 대형 업체와 수익 창출에 실패하는 훨씬 더 많은 수의 소규모 업체들로 나뉠 것으로 보고 있다.

첫째, 분기별 실적 증명을 반드시 요구해야 한다. 기업이 신뢰할 수 있는 수익 증빙을 제시하지 못하거나, 두 분기 내에 이전의 실수를 어떻게 보완할지 보여주지 않는다면 해당 기업과의 거래를 중단하라.

둘째, 매출 성장률보다 매출총이익률 추이를 주시해야 한다. 예를 들어, 기업의 매출이 50% 증가했음에도 매출총이익률이 70%에서 50%로 하락했다면, 이는 실행력에 문제가 있다는 의미다.

셋째, 순매출 유지율(Net Dollar Retention)이 120%를 상회하는 기업을 찾아야 한다. 이는 고객이 제공되는 제품이나 서비스에 의존하게 되었음을 보여주는 가장 확실한 신호 중 하나다.

넷째, 제품화 프로세스에 주목해야 한다. 제품화 과정을 예측 가능하게 관리하는 기업(예: 예측 가능한 통화당 비용, 예외 상황에서의 견고한 성능, 고속 데이터 플라이휠)은 그렇지 못한 기업(예: 벤치마크 데이터에 의존하는 경우)보다 장기적으로 생존할 가능성이 높다.

AI 산업은 이제 개발 데모 단계를 넘어 실제 비즈니스 환경으로 진입했으며, 기업들은 고객 중심의 접근 방식을 통해 비용 효율적인 실행에 집중하고 있다. AI에 관한 이야기는 더 이상 중요하지 않다. 이제 유일하게 중요한 것은 분기 말에 발표되는 기업의 재무 보고서뿐이다.

이 콘텐츠는 AI를 활용하여 번역되었으며, 명확성을 확보할 수 있도록 검토 과정을 거쳤습니다. 정보 제공 용도로만 제공됩니다.