AI 혁명 4년 차의 흔들림, 진짜 거인은 ‘고속도로’가 깔린 뒤에 탄생한다

1. 우리는 AI 혁명의 어느 지점에 서 있을까

2022년 11월 30일 챗GPT가 등장한 지 약 3년 11개월. 그사이 질문이 달라졌다. 처음에는 AI가 무엇을 할 수 있는지 물었다. 다음에는 GPU를 얼마나 확보할 수 있는지 경쟁했다. 이제는 묻는다. “그렇게 많은 돈을 투자했는데, 도대체 얼마나 벌고 있는가?”

경제학자 칼로타 페레즈는 《Technological Revolutions and Financial Capital》에서 기술 혁명을 설치기와 확산기로 구분했다. 신기술에 자본이 먼저 몰려 인프라를 구축하고, 이후 사회와 기업이 그 기술을 활용하면서 경제적 가치가 확대된다는 설명이다.

도입 - 과열 - 전환 - 확산이라는 흐름은 유용한 분석 틀이다. 그러나 시기와 기간이 정해진 공식은 아니다. 2026년 AI는 인프라 설치와 상업적 확산이 동시에 진행되는 국면이다. 산업 전체가 이미 전환기를 통과했다고 확정할 근거는 부족하다.

2. 철도와 인터넷은 성공했다. 투자자도 모두 성공했을까

19세기 미국 철도는 물류 비용을 낮추고 전국 시장을 연결했다. 그러나 철도 회사들은 건설비와 부채를 감당해야 했고 여러 기업이 파산하거나 구조조정을 겪었다.

1990년대 통신사들도 인터넷의 미래를 예상하며 광케이블에 막대한 자금을 투입했다. 수요와 회수 속도를 과대평가한 기업들은 닷컴 버블 붕괴로 큰 손실을 입었다. 반면 그 통신망을 활용해 검색, 전자상거래, 동영상과 클라우드가 성장했다.

아이폰 이후 모바일에서도 통신망과 스마트폰 운영체제가 보급되자 우버, 인스타그램 등 새로운 서비스가 성장했다. 핵심은 같다. 기술의 성공과 개별 주식의 수익률은 다르다. 장기 투자란 모든 기업을 오래 보유하는 것이 아니라 경쟁력을 지킬 기업을 계속 선별하는 과정이다.

3. 생산성 J-커브, 비용과 효과가 엇갈리는 시간

에릭 브린욜프슨, 대니얼 록, 채드 사이버슨의 생산성 J-커브 연구는 범용 기술의 경제적 효과에 시간차가 생기는 이유를 설명한다. AI를 도입하려면 GPU 구매뿐 아니라 데이터 정리, 업무 재설계, 직원 교육과 제품 개발 같은 보완 투자가 필요하다. 초기 비용은 먼저 드러나지만 생산성 향상은 늦게 측정될 수 있다.

그러나 J-커브가 “3년 손실 뒤 4년 차 수익 폭발”을 보장하지는 않는다. AI 전체가 이미 저점을 지났다는 실증 결과도 아니다. 코딩과 고객지원처럼 빠르게 적용되는 분야와 의료, 금융, 로보틱스처럼 검증에 시간이 필요한 분야를 나누어 봐야 한다.

진짜 질문은 출시 후 몇 년이 지났는지가 아니라, AI 도입이 실제 고객 지출과 기업 이익으로 얼마나 전환되는가다.

4. AI 확산이 과거보다 빠를 수 있는 이유

인터넷은 통신망을, 모바일은 스마트폰과 무선망을 보급해야 했다. AI는 이미 존재하는 스마트폰, 브라우저, 클라우드, 업무용 소프트웨어를 통해 비교적 빠르게 유통될 수 있다. 스탠퍼드 AI Index 2026은 생성형 AI가 약 3년 만에 조사 기준 인구의 53%까지 확산됐다고 집계했다.

하지만 서비스 확산과 주주 이익은 별개다. 무료 이용자가 늘어도 추론 비용이 높으면 수익성이 낮을 수 있다. 반대로 유료 기업 고객이 장기 계약으로 비용을 지불하면 성장률이 상대적으로 낮아도 좋은 사업이 될 수 있다.

AI는 금융, 의료, 법률, 고객지원, 제조, 자율주행과 로봇까지 활용될 가능성이 있다. 다만 세계 노동시장 전체를 곧바로 AI 매출 시장으로 계산해선 안 된다. 실제 자동화 가능 업무, 채택률, 고객 지불 의사, 규제와 비용을 따져야 한다.

5. 돈이 너무 많이 들어간다는 걱정은 틀렸을까

절대 규모의 문제를 축소해서는 안 된다. 2026년 주요 AI 인프라 투자 계획은 7,000억 달러를 넘는 것으로 보도된다. 그러나 기업 전체 자본지출에는 AI 이외 사업도 포함되므로 그 금액을 모두 AI 전용 지출로 표현해서는 안 된다.

또한 전 세계 기업의 총투자액을 미국 GDP로 나누거나, 19세기 철도 건설비와 현재 빅테크 CapEx를 서로 다른 범위로 비교하면 착시가 생긴다. 정확한 역사 비교에는 같은 국가, 같은 투자 범위, 같은 시점의 GDP와 실질가격 환산이 필요하다. 원문에 제시된 3~6%, 1.2~1.6%를 확정 비교치로 사용하지 않는 이유다.

마이크로소프트, 알파벳, 아마존, 메타처럼 영업현금흐름이 큰 기업은 과거 투기적 통신사보다 버틸 체력이 좋다. 그렇다고 산업 전체가 현금으로만 건설되는 것은 아니다. 코어위브 같은 차입 의존형 AI 인프라 기업은 금리와 자금조달 환경에 훨씬 민감하다. 실제로 코어위브의 대규모 부채가 2026년 10월 시장 불안의 중심에 섰다.

결국 투자 규모만큼 자금 조달 구조를 보아야 한다. CapEx가 매출보다 빠르게 커지고 감가상각이 누적되면, 훌륭한 기술을 보유한 기업도 현금흐름 압박을 받을 수 있다.

6. AI 고속도로가 열리면 누가 돈을 벌까

엔비디아와 AMD에는 AI 가속기 수요와 제품 경쟁력, 시스템당 총비용이 중요하다. CUDA 같은 생태계의 잠금 효과가 수익성 방어에 도움을 주지만, 고객의 자체 칩 확대와 발주 증가율 둔화가 위험 요소다.

마이크론, SK하이닉스, 삼성전자에는 HBM 출하량뿐 아니라 공급 증설 속도, 일반 DRAM 가격, 수율과 고객 집중도가 중요하다. AI 수요가 늘어도 공급이 더 빨리 늘면 제품 가격은 떨어질 수 있다.

TSMC는 여러 설계기업의 첨단 칩을 제조한다는 장점이 있지만 설비 투자, 첨단 패키징 병목, 가동률과 공정 전환 비용을 피할 수 없다.

마이크로소프트, 알파벳, 아마존은 클라우드 AI 매출 증가율이 CapEx와 감가상각 부담을 얼마나 빠르게 따라잡는지 확인해야 한다. 메타는 AI가 광고 효율과 이용자 참여를 개선해 투자비를 상쇄하는지가 관건이다.

소프트웨어 기업은 추론 단가 하락의 수혜를 누릴 수 있다. 다만 경쟁사에도 같은 비용 절감이 적용된다. 유료 고객 유지율, 순매출유지율과 영업이익률 개선이 없으면 기술 확산만으로 높은 주가를 정당화할 수 없다.

테슬라와 로봇 기업은 AI의 물리적 확산이라는 장기 선택지를 지닌다. 그러나 자율주행과 휴머노이드는 기술 시연, 규제 승인, 생산 확장, 단위당 경제성을 각각 분리해서 평가해야 한다.

맺음말

단기 조정이 AI 혁명의 끝을 뜻하는 것은 아니다. 동시에 혁명이 계속된다는 사실만으로 현재 가격에 모든 AI 주식을 사야 하는 것도 아니다. 철도, 인터넷, 모바일의 역사는 두 문장을 함께 증명한다.

고속도로는 앞으로도 길어질 것이다. 그러나 투자자가 끝까지 확인해야 할 것은 공사 진척률이 아니라 그 도로의 수요, 건설비, 자금 조달과 실제 통행료다. 장기 투자자의 강점은 흔들리지 않는 믿음 자체가 아니라, 시간이 흐를수록 사실을 더 잘 확인할 수 있다는 데 있다.