"혹시 바닷가재 키워보셨어요?" 아마 요즘 웹3 커뮤니티에서 가장 흔하게 듣는 인사말일 겁니다.

2026년 초, 중국 설날 갈라쇼에서 로봇들이 거둔 엄청난 성공에 힘입어, 오픈클로(OpenClaw)로 대표되는 차세대 AI 에이전트들이 기술 애호가들 사이에서 새로운 장난감으로 떠올랐습니다. 어떤 이들은 AI를 고객 서비스에 활용했고, 어떤 이들은 코딩에 사용했으며, 심지어는 에이전트를 이용해 '디지털 직원' 전체를 시뮬레이션하는 실험을 시작한 이들도 있었습니다. 최근 여러 인터넷 플랫폼에서 자주 언급되는 '1인 기업'이라는 개념은, 이전에는 소규모 팀이 필요했던 작업을 한 사람이 AI 워크플로우를 통해 완료하는 것을 의미합니다.

물론 웹3 커뮤니티 역시 가만히 있지 않았습니다. 최근 업계 소식을 접했다면 많은 프로젝트들이 AI 에이전트에 집중하고 있다는 것을 알 수 있을 것입니다. 어떤 프로젝트는 에이전트가 온체인 자산이나 계약에 직접 접근하는 방법을 연구하고, 어떤 프로젝트는 에이전트를 위한 결제, 신원 확인 또는 금융 인프라를 개발하고 있습니다. 또 어떤 프로젝트는 AI가 사용자처럼 네트워크에 참여할 수 있도록 하는 "에이전트 경제 시스템"을 논의하고 있으며, 심지어 "웹4.0"이라는 새로운 슬로건을 내세우는 프로젝트도 있습니다.

이것을 보면 왠지 모르게 친숙한 느낌이 들 수도 있습니다.

패션계는 주기적이라고들 하지만, 기술계(특히 암호화폐 시장)까지 그럴 줄 누가 알았겠습니까? 2022년에 시작된 약세장을 기억하시나요? ChatGPT는 하룻밤 사이에 엄청난 인기를 얻었고, 인공지능(AI)은 순식간에 모두의 화젯거리가 되었습니다. 웹3 커뮤니티 역시 가만히 있지 않고 AI 에이전트, AI 트레이더, 자동화 전략 등 새로운 개념들을 쏟아냈습니다. AI와 조금이라도 관련된 것이라면 무엇이든 새로운 이야기를 만들어낼 수 있을 것처럼 보였습니다. 하지만 이러한 열풍은 오래가지 못했습니다. 암호화폐 시장이 반등하자, 모든 관심은 금세 암호화폐 자체로 돌아갔습니다.

하지만 2025년 하반기에 암호화폐 시장이 다시 약세장 조짐을 보이자, 웹3는 그 자리를 대체할 새로운 개념을 모색하기 시작했습니다.

하지만 포털 랩스는 바로 이 지점에 문제가 있다고 지적합니다. 많은 웹3 스타트업들이 특정 이야기가 인기를 끌면 기술적 또는 사업적 판단이 아닌, 그저 유행하는 콘셉트에 휩쓸려 뛰어든다는 것 입니다. 그리고 결국 실패하게 됩니다.

많은 팀은 실제로 프로젝트를 시작하고 나서야 아이디어는 빠르게 구현할 수 있지만 제품을 완성하는 것은 어렵다는 사실을 깨닫습니다. 사용자는 어디에 있는가? 구체적인 사용 시나리오는 무엇인가? 어떻게 수익을 창출할 것인가? 투자를 유치할 수 있는가? 이러한 질문들은 프로젝트가 어느 정도 진행된 후에야 비로소 떠오르기 시작합니다.

초기 열기가 식고 나면 시장에는 제대로 구현조차 되지 않은 프로젝트들만 남는 경우가 많습니다. 어떤 제품은 데모 단계에 머물러 있고, 어떤 제품은 간신히 출시되었지만 사용자를 확보하지 못하며, 또 어떤 제품은 그저 화제의 중심에 서서 사라져 버립니다. 단기적으로는 새로운 길이 열린 것처럼 보일 수 있지만, 시간이 흐른 후 돌아보면 실제로 살아남은 것은 거의 없습니다.

따라서 암호화폐에 계속 집중할 것인지, 아니면 AI로 전환할 것인지는 중요한 딜레마가 되었습니다. 전자를 선택하면 투자 수익이 불확실한 어려운 시장에 직면하게 되고, 후자를 선택하면 미래에 대한 불확실성이 남습니다. AI의 기술적 장벽, 인재 풀, 경쟁 환경은 웹3와는 상당히 다릅니다. 많은 팀들이 지난 몇 년간 암호화폐 생태계 내에서 기술 스택, 제품 경험, 커뮤니티 자원을 구축해 왔습니다. AI로 완전히 전환한다는 것은 완전히 낯선 영역으로 진입하는 것을 의미합니다. 모델 기능과 데이터 자원부터 엔지니어링 팀에 이르기까지 거의 모든 것을 재구축해야 할 것입니다.

보다 현실적인 관점은 AI 분야가 이미 극도로 포화 상태라는 것입니다. 대기업, 기존 인터넷 기업, 그리고 수많은 스타트업들이 모두 이 분야에 막대한 투자를 하고 있습니다. 원래 웹3에 집중했던 스타트업 팀이 단순히 트렌드 변화에 따라 이 시장에 뛰어들면 기술적 우위와 업계 자원 모두에서 뒤처질 가능성이 높습니다.

사실 많은 웹3 스타트업에게는 탐색할 수 있는 또 다른 길이 있습니다. 반드시 AI 기업으로 변모할 필요는 없으며, 기존의 웹3 사업을 지속하면서 암호화폐가 AI 생태계에 어떤 기능을 추가할 수 있을지 고려해 볼 수 있습니다.

현재 인공지능 개발의 흐름을 자세히 살펴보면, 아직 완전히 해결되지 않은 핵심적인 부분이 많다는 것을 알 수 있습니다.

가장 대표적인 예는 데이터 입니다. 모델은 점점 더 강력해지고 있지만, 학습 데이터의 출처, 신뢰성 및 규정 준수, 특히 AI 에이전트가 1:1 맞춤화를 달성하는 방법은 적절한 메커니즘이 마련되지 않으면 여전히 해결되지 않은 문제입니다. 이는 대규모 데이터 학습에 의존하는 AI에 있어 오랫동안 지속되어 온 근본적인 문제입니다.

예를 들어 , 신원 확인과 협업을 생각해 봅시다. AI 에이전트가 작업 실행, 자동화된 거래, 심지어 운영 의사 결정에 참여하기 시작하면, 에이전트 자체에도 신원 확인, 권한, 협업 규칙이 필요합니다. 누가 특정 에이전트를 호출할 수 있을까요? 에이전트 간에 작업은 어떻게 분담될까요? 작업 실행 후 정산은 어떻게 이루어질까요? 이러한 질문들은 본질적으로 개방형 네트워크에서 신원 확인과 가치 분배에 관한 것입니다.

또한 결제 문제 도 있습니다. AI 에이전트가 네트워크 내에서 자율적으로 서비스를 호출하고, 데이터를 검색하거나, 작업을 수행하기 시작하면 소액 결제를 자동으로 처리할 수 있는 결제 시스템이 필요합니다. 하지만 이러한 결제 구조를 기존 인터넷 생태계에 구현하는 것은 어렵습니다.

이 모든 것들은 인공지능(AI) 문제처럼 보이지만, 암호화폐 기술 프레임워크 내에는 이미 많은 해결책이 존재합니다. 데이터 기반 인센티브 네트워크, 온체인 신원 시스템, 개방형 결제 네트워크 등은 모두 웹3가 지난 몇 년간 탐구해 온 방향입니다.

만약 웹3 스타트업 팀이 이러한 방향을 실제로 시도하려 한다면, 먼저 고려해야 할 몇 가지 사항이 있습니다.

가장 먼저 고려해야 할 사항은 팀의 기술 역량 입니다. 웹3 프로젝트마다 기술 전문성 수준은 매우 다양합니다. 어떤 팀은 온체인 프로토콜에 강점을 가지고 있고, 어떤 팀은 오랫동안 데이터 네트워크에 집중해 왔으며, 또 다른 팀은 애플리케이션 레이어 제품에 더 특화되어 있습니다. 만약 팀이 지난 몇 년간 데이터 수집, 데이터 추출, 데이터 마켓플레이스와 같은 데이터 관련 인프라를 개발해 왔다면, AI를 둘러싼 데이터 레이어로 확장하는 것은 비교적 자연스러울 것입니다. 여기에는 데이터 기여 네트워크, 검증 가능한 데이터 소스, 모델에 대한 인센티브 기반 데이터 마켓플레이스 제공 등이 포함될 수 있습니다. 팀이 주로 온체인 프로토콜이나 인프라에 집중하고 있다면, 온체인 에이전트 ID, 권한 관리, 작업 실행 프로토콜, 에이전트에 자동 정산 및 결제 기능 제공과 같은 AI 에이전트 운영 환경을 구축하는 것을 고려할 수 있습니다. 거래 도구, 콘텐츠 플랫폼, 커뮤니티 제품, 소비자 애플리케이션과 같은 애플리케이션 레이어 제품을 이미 개발하고 있는 팀의 경우, AI는 기존 제품 시스템에 내장된 기능 레이어로 활용하는 것이 더 적합합니다. 예를 들어, AI는 데이터 분석 기능을 향상시키거나, 운영 프로세스를 자동화하거나, 이전에는 수동 처리가 필요했던 기능을 에이전트를 사용하여 완료하는 데 사용할 수 있습니다.

둘째로, 실제 비즈니스 시나리오의 존재 여부를 살펴보는 것이 중요합니다. 많은 AI 프로젝트가 기술적 결함 때문이 아니라, 애초에 명확한 활용 사례가 부족하여 빠르게 사라지곤 합니다. 개념 자체는 엄청난 인기를 끌 수 있지만, "이 제품을 실제로 필요로 하는 사람은 어디에 있는가?", "왜 필요한가?", "왜 기꺼이 비용을 지불할 의향이 있는가?"와 같은 질문에 대한 답은 종종 찾기 어렵습니다. "AI + Web3", "에이전트 경제 시스템", "AI 트레이더"와 같이 업계에서 널리 논의되는 개념들은 거창하게 들리지만, 자세히 살펴보면 실제로 안정적인 사용자 기반은 매우 작습니다. 반대로, 데이터 처리, 자동화된 운영, 정보 필터링, 작업 실행과 같이 겉보기에는 덜 매력적으로 보이는 요구 사항들은 실제 비즈니스 운영에서 오랫동안 존재해 온 경우가 많습니다. 따라서 특정 AI 분야에 진출할지 여부를 결정할 때는 개념의 인기 여부에 집중하기보다는 시나리오 자체를 살펴보는 것이 더 중요합니다. 즉, 오랫동안 존재해 온 비즈니스 문제인가? 이미 사람들이 비용을 지불하고 있는가? 와 같은 질문들을 고려해야 합니다. 그렇다면 인공지능은 이 과정의 효율성을 진정으로 향상시킬 수 있을까요? 이러한 조건들이 충족된다면, 이 방향은 단순한 이야기에서 제품으로 발전할 가능성이 더 높아질 것입니다.

웹3 스타트업이 이러한 단계에 실제로 진입할 수 있는 자원을 보유하고 있는지 여부를 판단하기 위해서는 추가적인 조사가 필요합니다.

앞서 언급한 데이터, 신원, 결제 문제는 단순히 기술적인 문제가 아니라 네트워크 자원의 문제입니다.

예를 들어 데이터 네트워크에서, 팀이 안정적인 데이터 소스와 지속적으로 데이터를 제공할 수 있는 사용자 기반을 확보하지 못하면, 기술이 아무리 발전했더라도 진정한 네트워크 효과를 창출하기 어렵습니다. 마찬가지로, AI 에이전트를 위한 신원 확인 시스템이나 협업 네트워크를 구축하려면 실제 개발자, 애플리케이션 또는 에이전트의 참여가 필수적입니다. 그렇지 않으면 프로토콜 자체만으로는 생태계를 형성하기 어렵습니다. 결제 및 정산 시스템도 비슷한 논리를 따릅니다. AI 에이전트가 네트워크 내에서 서비스를 호출하거나, 데이터를 획득하거나, 작업을 수행하기 시작하면 소액 결제가 빈번해집니다. 그러나 이러한 결제 네트워크는 많은 수의 에이전트와 서비스가 동시에 존재할 때 비로소 의미를 가지며, 그렇지 않으면 단순한 기술적 모듈에 그칠 뿐입니다.

따라서 많은 웹3 팀에게 있어 진정으로 평가해야 할 질문은 "이 방향으로 기술적 잠재력이 있는가"가 아니라 "이 네트워크에 참여할 수 있는가"입니다. 팀이 이미 데이터 소스, 개발자 생태계 또는 애플리케이션 시나리오를 보유하고 있는지 여부가 프로젝트가 개념적 수준에 머무르지 않고 AI 인프라 계층으로 진입할 수 있는지를 결정하는 중요한 요소입니다.