AI 수익성: 최종 고객/사용자가 AI로 돈을 버느냐 or 아끼느냐가 궁극적인 질문이다. 지금까지 개인 고객 침투율은 아주 훌륭하지만, 소비자의 98%는 무료버전이므로 AI capex 회수 측면에서는 의미가 없다. 기업 고객은 AI 도입 위해 수년째 시도중이고, 성공적인 일화적 사례들은 있으나 종합적으로 보면 기업은 아직 AI 갖고 매출 올리거나 비용 줄이지 못하고 있다. 골드만삭스가 기업 대상으로 돌린 설문조사에서도 그런 사례가 없었다. 하이퍼스케일러, 반도체 등 AI 밸류체인에 대해 제기되는 의구심을 파고 들어가면 결국 최종 사용자 수익성 문제로 귀결된다.
AI의 기업 워크플로우 통합: 모델은 이미 너무나도 훌륭하다. 모델의 성능 문제가 아니라, 기업이 갖고 있는 데이터가 에이전트가 먹을수 있도록 설계되지 않은 것이 문제다. 이건 기업 규모가 커질수록 풀기 어려워지는 문제다. 동시에 워크플로우에 제대로 통합되려면 작업 복잡도를 자동으로 판정해서 모델에 라우팅하는 레이어가 필요하다. 어렵고 경제적 가치가 높은 작업은 프론티어 모델로 보내고, 쉽고 경제적 가치가 낮은 작업은 범용 모델로 보내야 한다. 모델 라우팅 작업은 기업 워크플로우 통합에서 가장 중요하다고 볼수 있는데, 아직 제대로된 라우팅 서비스가 나왔다고 보기 힘들며 이걸 구현하는 기업이 AI 시대의 새로운 승자가 될수 있다.
저렴한 오픈소스 모델: 상기 이유 때문에 싼 가격에 공급되는 오픈소스 모델이 AI 워크플로우 통합에 필수적이다. 쉬운 작업은 싼 모델이 처리하게 만들어야만 기업의 AI 도입이 수익성 있는 작업이 될수 있기 때문이다. 즉 오픈소스 모델은 최종 사용자에게 이로우며, 이 최종 사용자의 현금흐름 일부가 하이퍼스케일러에게 흘러가기 때문에, 오픈소스 모델은 하이퍼스케일러에도 이롭다. 다만 오픈소스 모델 사용 확대는 컴퓨트 파워 수요를 줄일수 있기에 반도체 섹터엔 나쁠 것이다.
August 19, 2026 120 1
