简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

드디어 AI를 도입한 기업들이, 대형 모델 회사들에게 사업을 빼앗기고 있다는 사실을 깨달았다.

이 글을 읽으려면 28 분

기업들은 토큰에 막대한 비용을 지불하면서도, 가장 핵심적인 운영 데이터를 모델 공급업체에 넘겨주고 있습니다. 그 대가로 얻는 비즈니스 가치는 거의 측정할 수 없을 정도입니다.

원문 제목: 《드디어 AI를 도입한 기업, 업무가 대형 모델 기업에 빼앗기다》
원문 저자: 위항위안, 징위, GeekPark

돈뿐만 아니라 업무까지 빼앗기고 있다. 7월 1일, Palantir CEO 알렉스 카프가 CNBC 스튜디오에 들어와 거의 통제 불능의 어조로 폭탄을 던졌다.

그는 AI 업계가 "effing insane"(미쳤다)고 말했고, 미국 기업 CEO들이 OpenAI와 Anthropic에 대해 "livid"(격노)했다고 말했으며, 기업들이 터무니없는 일을 하고 있다고 말했다. 즉, 열심히 token 비용을 지불하면서도 가장 핵심적인 운영 데이터를 모델 공급업체에 넘겨주고 있다는 것이다. 그리고 그 대가로 얻는 비즈니스 가치는 거의 측정할 수 없다.

진행자가 그에게 이것이 "책임 회피"가 아니냐고 묻자, 카프는 "아니요, 그냥 사실을 말하는 것뿐입니다."라고 답했다.

Palantir의 주가는 그날 9% 상승했다. 이 숫자 자체가 하나의 투표다. 시장은 그가 많은 사람들이 말하고 싶었지만 꺼내지 못했던 말을 했다고 판단한 것이다.

이것은 한 개인의 감정적 발언이 아니다. 시가총액이 1,000억 달러가 넘는 기업의 수장이 전국 생방송에서 대형 모델 업계 전체를 향해 포격을 가하고, 시장이 실제 돈으로 긍정적인 반응을 보인다는 것은 집단적 감정이 임계점에 도달했음을 의미한다.

지난 2년 동안, 모두가 대형 모델을 어떻게 받아들일지에 대해 이야기해왔다. 하지만 이제 새로운 문제가 떠오르고 있다. 기업이 대형 모델에 너무 가까이 다가가면, 오히려 산산조각날 수도 있지 않을까?

01 '열광'에서 '순진하지 않음'으로

2024년 초를 떠올려보면, 기업들의 대형 모델에 대한 태도는 네 글자로 요약할 수 있다. 바로 '일단 써보자'였다.

ROI가 어떻든, 데이터가 어디로 흘러가든, 중요한 것은 뒤처지지 않는 것이었다. 그 당시 주류 서사는 'AI 혁명이 왔다, 받아들이지 않으면 도태된다'였다. 각 업종의 CIO와 CTO들은 엄청난 압박 속에서 AI를 가능한 모든 업무 영역에 집어넣었다. 이것은 전형적인 기술 공포에 의한 의사 결정이었다.

2025년에 이르러 '전면 확대'가 핵심 키워드가 되었다. 기업들은 더 이상 단순히 데모를 만들거나 내부 해커톤을 진행하는 데 그치지 않고, 진지하게 대형 모델을 핵심 비즈니스 프로세스에 통합하기 시작했다. 고객 서비스부터 코드 생성, 시장 분석부터 제품 설계까지, AI의 침투 깊이와 범위는 기하급수적으로 확장되고 있다.

하지만 2026년에 접어들면서 미묘한 분위기 변화가 일어나고 있다.

Salesforce의 조사 데이터에 따르면, IT 리더 중 절반만이 자사 데이터 인프라가 AI의 성공적인 도입을 뒷받침할 수 있다고 확신한다. NTT DATA가 올해 5월 발표한 연구 보고서는 '벽에 부딪혔다'는 표현을 직접 사용했다. 기업 AI가 데이터 프라이버시와 주권 요구로 인한 구조적 병목 현상을 겪고 있다는 것이다. Gartner는 2027년까지 35%의 국가가 지역화된 AI 플랫폼에 의존할 것이며, 현재 이 수치는 5%에 불과하다고 예측한다.

Karp는 이러한 변화를 더 직설적으로 설명한다. 그는 기업들이 무분별하게 token을 소비하는 'tokenmaxxing'에서 진정한 투자 수익률을 추구하는 방향으로 전환하고 있다고 말한다. "기본적인 요점은, 더 이상 token에 시간을 낭비하지 말라는 것이다."

이는 대형 모델을 부정하는 것이 아니라, 업계 전체가 '과열'에서 '순진하지 않음'으로 나아가고 있는 것이다. 광란의 시기가 지나고, 기업들은 더 냉정한 시선으로 근본적인 질문을 던지기 시작했다. '내가 내놓은 것과 내가 얻는 것, 이 계산이 맞는가?'

02 파트너가 경쟁자로 변할 때

Karp의 비판은 여전히 비즈니스 모델 차원에 머물러 있다. 하지만 진정으로 소름 끼치는 것은 더 직접적인 위협이다. 당신의 AI 서비스 제공업체가 당신이 기여한 데이터와 시장 이해를 활용해 당신을 대체할 제품을 만들고 있을 수도 있다는 점이다.

2026년 4월에 발생한 사건은 이러한 우려를 이론에서 현실로 바꿔놓았다.

올해 2월, Figma와 Anthropic은 'Code to Canvas'라는 기능을 공동 개발 중이었다. 이는 Claude가 생성한 코드를 Figma의 디자인 워크플로우에 원활하게 통합하는 기능이었다. 두 회사는 친밀한 파트너처럼 보였다.

4월 14일, Anthropic의 최고 제품 책임자 Mike Krieger가 조용히 Figma 이사회에서 사임했다.

3일 후, Anthropic은 자연어로 직접 인터랙티브 프로토타입, PPT 및 마케팅 자료를 생성할 수 있는 AI 디자인 도구인 Claude Design을 출시했다. 이는 Figma의 핵심 비즈니스를 정확히 겨냥한 것이다.

Figma의 주가는 당일 거의 8% 하락했다.

패스트 컴퍼니의 후속 보도에는 흥미로운 세부 내용이 하나 있다. 피그마, 어도비, 캔바 등은 모두 앤트로픽과 수년간 협력 관계를 유지해 왔지만, 클로드 디자인 출시 전에는 아무도 통보받지 못했다. 모두가 당황 속에서 깨달았다. 자신의 AI 파트너가 눈앞에서 경쟁자로 변했다는 사실을.

이 이야기가 곱씹을 가치가 있는 이유는, 대규모 언어 모델 시대에 그 어느 때보다 위험한 구조적 문제를 드러내기 때문이다. AI 기업과 깊이 협력할 때, 당신은 시장 진입로를 넘겨줄 뿐만 아니라 핵심 시나리오에 대한 이해와 사용자 요구 데이터까지 넘겨주게 된다.

앤트로픽이 클로드 디자인을 만들 수 있었던 것은, 디자인 툴 기업들과의 협력을 통해 디자이너의 작업 흐름과 고충을 깊이 이해했기 때문이다.

하지만 시야를 넓혀 보면, 이는 기술 역사에서 새로운 시나리오가 아니다.

아마존은 전자상거래 플랫폼에서 자체 브랜드를 만들어 플랫폼 데이터로 가장 수익성 높은 카테고리를 정확히 식별한 후, 자사 제품을 출시해 서드파티 판매자를 잠식했다. 마이크로소프트는 운영체제에서 출발해 브라우저, 오피스 소프트웨어, 커뮤니케이션 툴을 하나씩 흡수했다. 넷스케이프는 사라졌고, 슬랙은 매각을 강요받았다. 구글은 검색 엔진에서 확장해 검색 결과 페이지로 사용자 질문에 직접 답변하며, 옐프와 수많은 수직 정보 서비스 제공업체를 주변부로 밀어냈다.

기술 업계의 철칙은 결코 변하지 않았다. 플랫폼이 충분한 데이터와 사용자 이해를 확보하면, 상류로 잠식해 들어간다.

대규모 언어 모델 시대에는 이 철칙이 더욱 맹렬해졌다. 전통적인 플랫폼 잠식은 이해를 축적하는 데 시간이 필요했지만, 대규모 언어 모델은 본질적으로 '이해 가속기'이기 때문이다. 당신의 모든 API 호출, 모든 비즈니스 데이터 입력은 모델 제공업체가 당신의 영역을 더 빠르고 깊이 이해하도록 돕는다.

03 AI 시대의 '로슈 한계'

천문학에는 '로슈 한계'라는 개념이 있다. 어떤 천체가 거대한 질량의 별에 너무 가까이 접근하면, 조석력이 자체 중력을 초과해 천체가 산산조각난다.

이 비유는 오늘날 기업과 대규모 언어 모델의 관계를 묘사하는 데 불안할 정도로 정확하다.

대규모 언어 모델이 바로 그 거대한 질량의 별이다. 모든 기업은 그 중력을 이용해 가속하려 한다. 효율성 향상, 비용 절감, 혁신. 하지만 문제는, 충분히 가까이 접근하면 당신의 '물질'이 벗겨지기 시작한다는 점이다. 당신의 데이터, 노하우, 사용자 요구에 대한 이해가 협력 과정에서 중력 중심으로 흘러간다.

그렇다면 기업이 어떻게 'AI와 함께 춤출' 수 있을까, 그리고 결국 잡아먹히지 않기 위한 경계는 어디일까?

이 질문은 이미 미국에서 논의의 테이블에 올라와 있다. 하지만 이것이 중국 기업과는 거리가 멀다고 생각한다면, 그것은 착각일 수 있다.

중국과 미국 기업 간에는 AI 적용 속도에 차이가 있다. 미국 기업은 이미 대규모로, 업무에 깊숙이 AI를 도입하는 단계에 접어든 반면, 중국 기업은 전반적으로 파일럿 단계에서 확장 단계로 나아가는 과정에 있다. Lenovo가 IDC와 함께 올해 3월 발표한 조사에 따르면, 국내 기업의 72%가 이미 에이전트 시범 운영을 완료하고 정식 사용에 돌입했으며, 평균 3.5개 시나리오에 AI를 배포했다. 그러나 과제의 중심은 '연산력 부족, 데이터 부족'에서 '적용 효과가 기대에 미치지 못함'과 'ROI 불명확'으로 전환되었다.

다시 말해, 중국 기업은 미국 기업과 유사한 'AI 냉각기'에 진입하고 있다.

GeekPark가 최근 여러 창업자 및 전통 사업을 운영하는 기업과 교류하면서 흥미로운 현상을 발견했다. 이러한 문제에 대한 고민은 대부분 '모델 회사가 내 사업을 빼앗을까'라는 직접적인 위기감에서 비롯된 것이 아니라, AI를 실제 업무에 적용한 후 자연스럽게 'AI 시대에 나의 핵심 가치는 무엇인가'를 재정의하는 과정에서 나온다는 점이다.

이러한 재정의는 결국 두 가지 핵심 역량으로 귀결된다.

04 누가 'AI 기반'을 장악하는가?

첫 번째이자 가장 현실적인 것은 Karp의 주장과 완전히 일치한다. 당신의 데이터와 비즈니스 로직은 도대체 누구의 기반 위에서 실행되는가?

Karp가 CNBC에서 반복해서 강조한 핵심 논점이 바로 이것이다. 기업의 가장 민감한 운영 데이터는 제3자 모델 공급업체의 블랙박스로 흘러들어가서는 안 된다. 그는 Palantir를 '주권 AI'를 제공하는 애플리케이션 계층으로 포지셔닝했다. 모델은 타사의 것을 사용할 수 있지만, 데이터는 자체 담장 안에 남아 있어야 하며, 배포는 통제 가능한 인프라에서 이루어져야 한다는 것이다.

이는 편집증이 아니다. 중국 기업들의 체감도 완전히 일치한다. Kingsoft Office WPS 365의 제품 연구 책임자 Huang Weijie는 얼마 전 적절한 말을 남겼다. "오늘날 기업에 부족한 것은 하드웨어나 모델이 아니라, 안전한 AI 애플리케이션 계층이다."

IDC의 데이터도 이러한 추세를 뒷받침한다. 기업 AI 연산력 배포에서 퍼블릭 클라우드의 비중은 감소하는 반면, 프라이빗 클라우드와 온프레미스 배포의 총 비중은 54%에서 69%로 증가했다. '데이터가 도메인을 벗어나지 않음'은 단순한 규정 준수 슬로건에서 CTO들이 솔루션을 선택할 때 첫 번째 필터 조건으로 자리 잡고 있다.

Karp는 이를 '상품화된 인지(commodity cognition)'라고 부릅니다. 그의 판단은, 모델 자체의 품질이 점점 수렴되고 있으며, 진정한 차별화 가치는 모델 계층이 아니라 모델의 능력과 기업의 특정 시나리오를 연결하는 애플리케이션 계층에 있다는 것입니다. Palantir가 NVIDIA와 협력해 출시한 '주권 AI 엔진'은 이 논리를 제품화한 사례입니다. 오픈소스 모델에 Palantir 자체의 온톨로지 계층과 거버넌스 프레임워크를 결합해, 기업이 완전히 통제 가능한 환경에서 AI를 실행하고 데이터가 한 바이트도 외부로 유출되지 않도록 합니다. Palantir의 2026년 1분기 매출은 16억 3천만 달러로 전년 대비 85% 증가했으며, 이는 어느 정도 시장이 이 경로에 던진 표입니다.

여기서 주목할 만한 신호가 있습니다——앞으로 기업이 '자체 기반 위에서' AI를 실행하도록 돕는 기업과 솔루션이 더 각광받을 것이라는 점입니다. 국내에서는 'AI 프라이빗화 두뇌'가 실제 트랙이 되었으며, 많은 스타트업이 이 방향으로 제품을 개발하고 있습니다. 이는 기술적 완벽주의가 아니라, 기업이 충분히 고민한 후 내린 합리적 선택입니다.

05 조직을 '복사기'로 만들지 마라

두 번째 능력은 정량화하기 더 어렵지만, GeekPark이 기업과의 교류에서 점점 더 강하게 느끼는 점입니다——AI가 점점 더 많은 실행 단계를 대체할 수 있을 때, 조직에는 어떤 '사람'이 필요한가?

이미 빠르게 움직이는 일부 기업들이 이 함정을 경험했습니다.

AI가 특정 단계에서 인간보다 효율이 확연히 높을 때, 자연스러운 생각은 '사람을 줄이자'는 것입니다. 하지만 조직이 얇아지면서 숨겨진 문제가 드러나기 시작합니다——AI가 실행하는 그 시스템은 본질적으로 과거 이 사람들이 기존 환경에서 응축한 '최적의 사례'입니다. 환경이 변하고, 시장이 변하고, 사용자가 변해도 AI는 여전히 그 옛날 논리를 충실히 실행하며, 조직에는 이러한 변화를 감지하고 비즈니스를 진화시킬 충분한 인력이 없게 됩니다.

쉽게 말해, AI로 가득 차 있지만 사람이 비워진 조직은 단지 과거를 효율적으로 반복하고 있을 뿐입니다.

이는 AI로 실행을 대체해서는 안 된다는 뜻이 아닙니다. 오히려 AI가 점점 더 많은 실행 계층을 장악할수록, 기업은 다른 유형의 사람을 더 필요로 합니다——전통적인 의미에서 구체적인 작업을 실행하는 사람이 아니라, AI를 '지휘'할 수 있는 사람입니다. 이러한 역할은 비즈니스의 전체를 이해하고, AI가 생성한 결과가 변화하는 현실에 여전히 적합한지 판단할 수 있으며, AI가 제시한 '최적의 해결책' 너머에서 새로운 가능성을 볼 수 있어야 합니다.

일부 선도 기업들은 이미 이 문제를 진지하게 고민하기 시작했습니다. 이들은 AI 도입 이후 진정한 경쟁력은 'AI로 얼마나 많은 인력을 대체했는가'가 아니라 '사람이 AI를 활용해 이전에는 불가능했던 일을 해낼 수 있는가'에 달려 있다는 사실을 깨달았습니다. 단순히 AI가 과거 데이터를 기반으로 지속적으로 자동화되고 순환된다면, 본질적으로 과거의 특정 스냅샷에 갇혀 있는 것과 다름없습니다.

이러한 인식의 전환은 데이터 주권에 버금가는 중요성을 지닙니다. AI가 기술 장벽을 평탄화할수록, '사람의 판단력'과 '조직의 진화 능력'이 오히려 가장 모방하기 어려운 요소가 됩니다. 일부 기업은 이를 이미 인지했지만, 아직 깨닫지 못한 곳도 있습니다. 그러나 이러한 분기점은 향후 1~2년 안에 매우 명확해질 가능성이 높습니다.

06 업계에는 '신규 AI 기업'이 필요하다

지난 2년간, 업계를 지배한 암묵적인 가정이 있었습니다. 바로 AI 시대의 가치는 궁극적으로 모델 기업에 집중될 것이라는 점입니다. 모델에 가까울수록 더 높은 가치를 창출한다는 논리였죠.

그러나 이 가정은 현재 흔들리고 있습니다.

Karp는 CNBC에서 한 가지 사실을 명확히 지적했습니다. 바로 모델 자체가 상품화된 인식으로 변하고 있다는 점입니다. 각 대형 모델 간의 성능 차이가 점점 줄어들면서, 진정한 차별화는 모델 레이어에서 발생하지 않습니다. 모델 기업만이 독점하는 산업 구조는 기업 건강에 해로울 뿐만 아니라, 전체 AI 산업의 발전 속도를 저해하는 요소입니다.

기업이 필요로 하는 것은 결코 더 강력한 모델이 아닙니다. 그들이 원하는 것은 데이터 주권에 대한 우려를 해소하고, 경쟁 장벽이 '흡수'되는 것을 방지하며, AI를 업무에 진정으로 통합하면서도 통제력을 잃지 않게 해주는 완전한 생태계입니다. 이러한 수요는 단순히 '토큰 판매'보다 훨씬 복잡한 시장을 창출하고 있습니다.

몇 가지 방향에서 이미 명확한 신호가 포착되고 있습니다.

'주권 AI 인프라'는 실제로 대규모 자금을 유치하는 트랙으로 자리 잡고 있습니다. 이는 단순한 개념이 아닙니다. 2026년 상반기에만 유럽에서 주권 AI 인프라를 구축하는 세 곳의 기업(Nebius, nScale, AtlasEsge)이 총 118억 달러 이상의 자금을 조달했습니다. 불과 며칠 전, 런던의 Valarian은 5000만 달러 규모의 시리즈 A 투자를 유치했는데, 이 회사가 하는 일은 매우 구체적입니다. 바로 AI 시스템과 민감 데이터 사이에 '주권 통제 레이어'를 추가하여, 어떤 AI가 어떤 조건에서 어떤 데이터에 접근할 수 있는지를 결정하는 것입니다. 이러한 수요는 2년 전만 해도 존재하지 않았지만, 현재는 정부와 대기업들이 줄을 서서 기다리고 있습니다.

「AI 게이트웨이」와 오케스트레이션 미들웨어는 기업 AI 아키텍처에서 없어서는 안 될 요소가 되고 있다. 한 기업이 OpenAI, Anthropic, 오픈소스 모델, 그리고 자체 미세 조정한 전용 모델을 동시에 사용할 때, 누가 통합 라우팅, 비용 관리, 권한 거버넌스 및 감사를 담당할까? 이 역할은 전통적인 소프트웨어 시대에는 미들웨어라 불렸고, AI 시대에는 게이트웨이 또는 오케스트레이션 레이어라고 불린다. 화려하지는 않지만, 기업이 'AI를 사용하는 것'에서 'AI를 관리하는 것'으로 나아가는 핵심 인프라다. Palantir는 본질적으로 이 계층을 구현한 것이며, 가장 무거운 버전을 완성한 사례다. 더 가볍고 다양한 규모의 기업을 대상으로 한 솔루션에는 큰 시장이 열려 있다.

애플리케이션 계층에서는 수직 산업별 AI 솔루션이 '껍데기'에서 '심층'으로 진화하고 있다. 과거 많은 소위 AI 애플리케이션은 사실상 GPT의 껍데기를 씌운 것에 불과했다. 하지만 이제 진정으로 자리 잡을 수 있는 것은 특정 산업의 노하우를 깊이 이해하고, AI 역량을 업계 논리와 긴밀하게 결합한 제품이다. 이런 기업의 가치 기준은 모델이 아닌 산업 통찰력에 있다. 이는 대형 언어 모델 기업이 훈련을 통해 얻기 어려운 부분이다.

심지어 '인력' 측면에서도 새로운 서비스 시장이 등장하고 있다. 점점 더 많은 기업이 필요한 것이 더 많은 AI 도구가 아니라 'AI를 지휘할' 수 있는 인력과 이에 맞는 조직 방법론임을 깨닫고, AI 시대의 조직 변화 컨설팅, 인재 양성, 프로세스 재설계에 대한 수요가 빠르게 증가하고 있다.

결국, '모델 계층'만 있는 산업은 취약하다. AI 산업이 더 빠르고 건강하게 성장하려면 더 입체적인 생태계가 필요하다. 이 생태계에는 모델을 만드는 사람, 주권 인프라를 구축하는 사람, 게이트웨이와 거버넌스를 담당하는 사람, 수직 산업의 심층 애플리케이션을 개발하는 사람, 기업의 조직 역량을 재구축하는 사람이 있다. 각 계층은 기업이 '수용'에서 '통제'로 나아가는 과정에서 발생하는 실제 요구에 응답한다.

이러한 요구는 지난 1년 동안 모호함에서 점점 명확해졌다. 앞으로 이러한 요구를 충족시키기 위해 탄생한 차세대 솔루션, 서비스 제공업체 및 제품은 뚜렷한 폭발적 성장기를 맞이할 가능성이 높다.

로슈 한계(Roche Limit)의 은유로 돌아가 보자. 안전한 궤도를 찾는 것은 결코 기업 혼자만의 일이 아니다. 생태계 전체가 모델 외부의 힘을 키우기 시작할 때, 기업은 비로소 찢기지 않을 자신감을 얻는다.