저자: a16z
편역: Felix, PANews
최근 a16z는 시장 투자, AI 애플리케이션, 스타트업 생태계, 리테일 산업 등 다양한 측면에서 현재 기술과 비즈니스 사이클의 핵심 트렌드를 분석했습니다. AI 물결의 추진 아래 자본 시장은 과거 자산 가벼운(라이트 애셋) 소비자 인터넷 선호에서 하드웨어, 로봇 등 실물 산업으로 점차 이동하고 있으며, 동시에 AI는 기업 조직 방식, 창업 장벽, 생산성 성장 논리를 재편하고 있다는 것이 이 글의 논지입니다. 다음은 상세 내용입니다.
사이클, 같으면서도 다르다
이번 사이클을 이전 사이클과 비교해 보면, 어떤 측면에서는 완전히 동일하지만, 다른 측면에서는 완전히 반대라는 점을 발견할 수 있습니다.
동일한 점은 포스트 금융위기 시대(2010-2020년)와 포스트 팬데믹 시대(2020년-현재) 모두에서 기술 업종이 사이클의 승자로 군림해 왔다는 점입니다. 그러나 다른 업종의 판도는 완전히 뒤바뀌었습니다. 이전 사이클의 승자가 지금은 패자가 되었고, 그 반대도 마찬가지입니다.
- 헬스케어, 소비재, 미디어 업종은 금융위기 이후 두 자릿수 수익률을 기록했지만, 지금은 3~6% 수준에 불과합니다.
- 반면 에너지, 원자재, 건설, 금융 업종의 수익률은 한 자릿수 저점에서 두 자릿수 중반 또는 고점으로 뛰어올랐습니다.
한때 뒤처졌던 업종이 선두주자로 부상했고, 한때 앞서가던 업종은 다시 뒤처지게 되었습니다.
기술 업종은 예외적으로 계속 승자의 자리를 지켰지만, 세부적으로는 미묘한 차이가 존재합니다. 하드웨어는 이번 사이클의 진정한 하이라이트이며(이전 사이클에서도 꽤 좋은 성과를 냈습니다), 소프트웨어는 전반적인 반전 추세를 따르고 있습니다.
한 걸음 물러서서 보면, 앞서 언급한 매우 분명한 패턴이 존재합니다. 시장의 관심이 가벼운 자산의 소비 중심 업종에서 중자산의 '실물' 경제로 이동했으며, 이는 주로 AI 인프라 구축이 주도하고 있습니다.
이것은 비트(가상)에서 아톰(실물)으로의 순환(로테이션)입니다.
'중자산' 기업들은 10년 넘게 '경자산' 기업에 밀려 있었으나, 이제 상황을 역전시켰습니다.
물론, 이번 사이클이 이전 사이클과 유사하다면, 이러한 모든 중자산 인프라는 결국 소프트웨어/애플리케이션 계층으로 확장될 것입니다. 금융위기 이후 시대 초반에는 칩 제조업체(및 클라우드 서비스 제공업체)가 지배적이었지만, 결국 휴대폰, PC, 서버로 구동되는 클라우드 플랫폼에서(칩이 구동하는) 애플리케이션, 마켓플레이스, 엔터프라이즈 소프트웨어가 번성하는 것으로 이어졌습니다. 다시 말해, 가상으로의 이동은 일시적이고 사이클적인 변화였지, 더 지속 가능한 구조적 전환은 아니었습니다.
이번에도 물론 같은 상황이 벌어질 수 있습니다. 실제로 AI 인프라 구축이 결국 경자산 계층까지 확장되지 않는다면 꽤 실망스러울 것입니다(둘은 궁극적으로 시너지를 내며 발전할 수도 있습니다). 하지만 그럼에도 불구하고 공개 시장 상류에서는 '가상 혁명'이 그 자체로 지속력을 가졌을 수 있다는 조짐이 나타나고 있습니다. 게다가 엄밀히 말해 이것은 단지 AI 인프라만의 문제도 아닙니다.
'현실 세계' 기술에 대한 프리미엄이 사모시장에서 나타나고 있으며, 이는 AI 인프라 분야뿐 아니라 로봇 분야에서도 확인됩니다.
카테고리별로 상위 100대 비공개 기업의 시가총액으로 측정하면, 로봇 기술(및 피지컬 AI)은 2016년에는 순위에 포함되지도 못했지만, 10년 후에는 핀테크와 결제를 제치고 두 번째로 큰 카테고리로 올라섰습니다.
벤처캐피털의 자금 흐름을 살펴보면, 시장의 로봇 기술에 대한 관심이 급증했음을 알 수 있습니다.
Pitchbook 데이터에 따르면, 1분기 로봇 및 피지컬 AI 분야의 투자 금액과 거래 건수가 모두 사상 최고치를 기록했으며, 투자 금액은 약 160억 달러로 500건에 가까운 거래가 이루어졌습니다.
참고로, 로봇 분야 투자 붐은 건수 기준으로 2021~2025년 기간 대비 약 2배, 금액 기준으로 약 4.5배 높은 수준입니다.
핵심은 (최소한 사모시장에서) 실물 경제로의 전환이 단순히 칩과 추론만의 문제가 아니라는 점입니다. 하드웨어가 독자적인 제품으로 부상하고 있습니다.
이것은 이해하기 어렵지 않습니다. 더 뛰어난 소프트웨어는 엄청난 잠재력을 지니지만, 로봇은 소프트웨어 자체만으로는 도달할 수 없는 여러 현실 세계의 '과업(미션)'으로 기술을 확장합니다. AI는 하드웨어를 구동하는 소프트웨어를 일종의 방식으로 언락(unlock)해, 전례 없는 방식으로 수요의 범위를 넓히고 있습니다. 이는 전기가 궁극적으로 인간이 거의 상상하지 못하는 작업을 기계가 수행할 수 있게 한 것과 꽤 유사합니다.
현재 로봇 기술에서 가장 주목할 만한 신규 영역은 국방입니다. 물론 전 세계 국방비 예산 증가도 이를 뒷받침하고 있습니다. 만약 계획대로 진행된다면, 자산 집약적 산업으로의 전환은 그 어느 현대 기술 사이클보다 더 깊고 광범위하며 지속될 것입니다.
AI는 역량을 부여하는가, 아니면 ‘부여받는’ 존재인가?
대규모 언어 모델(LLM) 열풍의 초기 단계에서, 경영 컨설팅 회사들은 적어도 단기적으로 AI 분야의 잠재적 승자로 여겨졌습니다. 그 논리는 매우 간단했습니다. 기업들이 AI를 활용하고 싶어 하므로, 그 방법을 연구하기 위해 컨설팅 회사를 고용할 것이라는 것입니다. 특히 액센츄어(Accenture)는 조언과 로드맵뿐 아니라 이른바 '매니지드 서비스'라는 엔드투엔드 서비스까지 제공할 수 있어 매우 유리한 위치에 있다고 평가받았습니다.
구체적인 이유는 차치하고라도, 액센츄어에 대한 시장의 낙관론은 완전히 사라진 듯 보입니다.
액센츄어의 잉여현금흐름(FCF) 배수는 2025년 초 한때 30배에 달했으나, 지금은 약 6배로 하락해 장기 평균의 3분의 1 수준에 머물고 있습니다.
시장이 왜 그렇게 빨리 액센츄어에 대한 신뢰를 잃었는지는 여러분의 판단에 맡기겠습니다. 그러나 점점 분명해지고 있는 점은 'AI 도입'이라는 더 넓은 영역에서 그 의미가 단순히 AI를 도입하는 것에 그치지 않는다는 사실입니다. 모든 AI 도입이 동일한 방식으로 가치를 창출하는 것은 아니며, 진정으로 (혹은 더 효과적으로) AI를 도입하기 위해서는 적어도 일부 최신 연구에 따르면, 개발과 구상 단계에서 미묘한 전략이 필요합니다.
515개의 고성장 스타트업을 대상으로 한 연구에서, 연구진은 진정한 '네이티브 AI'가 무엇을 의미하는지 집중적으로 탐구했습니다. 더 구체적으로 말하면, 그들은 'AI가 과업을 개선하는 것'에서 'AI가 회사를 개선하는 것'으로 어떻게 전환할 수 있는지 알고 싶어 했으며, 연구 결과는 상당히 놀라웠습니다.
핵심은 연구진이 말하는 ‘매핑(mapping)’ 문제에 있다는 것이 밝혀졌습니다.
연구에 참여한 기업들이 다른 기업들이 어떻게 AI를 중심으로 생산을 재구성하는지에 대한 정보를 받았을 때('실험군 기업'), 그들은 전혀 다른 탐색 과정을 시작했습니다. 실험군 기업들은 기존 프로세스를 단순히 복제하지 않고, 더 상류에서부터 접근하여 AI를 비즈니스 성과에 녹여냄으로써 완전히 다른 프로세스를 형성했습니다.
연구진은 제품 개발을 예로 들었습니다.
이 경우, AI는 프로세스 내 기존 단계를 복사하지 않고, 동일한 기본 비즈니스 성과를 달성하는 것이 목표임에도 불구하고, 자신의 역량을 중심으로 프로세스를 다시 설계했습니다.
물론 이것은 하나의 예시일 뿐이지만, 전반적으로 AI가 '실험군 기업'의 생산성에 미친 영향은 엄청났습니다. 실험군 기업은 다음과 같습니다:
- AI 유스케이스(적용 사례)가 약 44% 증가했습니다.
- 상위 5% 기업의 매출이 약 2배에 달했으며(상위 10% 기업은 매출 50% 증가),
- 자본 소비가 약 40% 감소했습니다(분포 양극단에서는 그 차이가 더욱 두드러졌습니다).
요컨대, 고성장 스타트업이 진정으로 'AI 도입'에 착수했을 때, 그들은 더 많은 적용 사례를 발굴하고, 더 많은 수익을 창출했으며, 도입하지 않은 기업보다 자본을 더 적게 소비했습니다.
이것은 상당히 놀라운 결과로, 'AI 투자수익률(ROI) 문제'에 대한 일부 우려를 불식시키는 동시에, AI의 투자수익률이 왜 아직 기업 차원에서 충분히 구현되지 않았는지, 적어도 일부 사람들이 기대하는 수준에는 미치지 못하는지 설명해 줍니다.
연구진은 이것이 의미하는 바는 다음과 같다고 판단합니다. (a) AI가 기업 수준에서 가져오는 생산성 향상은 실제로 혁신적이지만, (b) 진정한 돌파구는 탐색 단계에 있다는 것입니다. 즉, '어디에, 어떻게 AI를 배치할지 탐색하는 것이 수익 실현의 핵심 병목'이며, 이는 단순한 'AI 도입' 그 이상의 문제라는 뜻입니다.
이런 의미에서 '탐색 병목'이 존재한다는 것은 AI의 발전 경로가 과거 기술 주도의 생산성 비약과 크게 다르지 않다는 것을 의미합니다.
예를 들어, 전기화가 막 보급되기 시작했을 때, 많은 제조업체들은 단순히 대형 전동기로 증기 기관을 대체했을 뿐, 기존의 천장형 구동축과 벨트 구동 시스템은 그대로 유지했습니다. 공장은 기본적으로 바뀌지 않았고, 그저 “이번에는 전동기가 추가되었을” 뿐이었습니다. 그러나 제조업체들이 각 기계마다 소형 전동기를 설치할 수 있다는 사실을 깨닫고 나서야(그리고 구동축과 벨트 구동 시스템 전체를 거의 완전히 폐기하고 나서야) 진정한 이점이 드러나기 시작했습니다. 공장은 결국 내장형 전력 시스템을 중심으로 완전히 재설계된 것입니다(그 반대가 아니라). 물론, 그 이후의 발전은 역사상 생산성의 비약적인 도약을 이룬 하나의 큰 이정표입니다.
AI 스타트업, 운영 간소화
AI, 스타트업 및 학술 연구에 관해, 동일한 연구진은 또 하나의 발견을 했습니다: AI 스타트업이 실제로 운영을 간소화하고 있다는 것입니다. 적어도 지난 4년간의 YC 배치 데이터를 분석한 이번 연구에 따르면 말이죠.
연구진은 YC W20~F24 배치(2020년부터 2024년 사이에 첫 자금 조달을 완료)의 데이터를 분석하고, 이를 Revelio의 직원 수, 직무 및 경력 데이터와 연계했습니다. 이들은 AI 스타트업이 비(非)AI 스타트업과 채용 및/또는 조직 구조 측면에서 차이가 있는지 알아보고자 했습니다.
그들의 발견은 다음과 같습니다:
- AI 스타트업은 더 작은 규모로 시작하고, 더 작은 규모로 운영된다:
- 직원 수가 적은 스타트업 분포가 AI 스타트업 쪽으로 크게 치우쳐 있다:
- AI 스타트업은 계층 구조가 더 느슨한 경향이 있으며, 계층이 적거나 아예 없는 기업 중 AI 스타트업이 가장 큰 비중을 차지한다:
그 함의는 자명합니다. 세부 사항에 더 많은 변수가 있을 수 있지만, 핵심은 알 수 있을 것입니다. AI가 기업으로 하여금 더 적은 자원으로 더 많은 가치를 창출할 수 있게 할 것이라고 생각한다면, 이번 조사는 그 주장에 분명히 더 많은 증거를 제공합니다.
또한, Stripe Economics 는 AI로 무장한 ‘1인 창업자’ 단계에 대해 다시 한번 견해를 밝혔습니다.
(참고: 최근 Stripe Economics의 어니 테데스키(Ernie Tedeschi)는 Stripe 자체 데이터를 바탕으로, 모든 유형의 창업자가 1분기에 증가한 것으로 보이지만, ‘비(非)AI 1인 창업자’의 증가가 가장 두드러졌고, ‘AI 1인 창업자’의 증가가 그 뒤를 이었다고 제시했습니다. 아래 차트가 이를 보여줍니다:)
Stripe는 데이터 내 ‘1인 창업자’ 식별 방식에 많은 제한을 두고 있지만, 그럼에도 불구하고 AI가 더 많은 창업 활동과 기업 설립을 촉진하고 있으며, 1인 창업자들도 상당한 성공을 거두고 있다는 주장에 더 많은 증거를 제시했습니다.
수익 기준으로 구분한 1인 창업자 비율을 보시죠:
연간 수익 10만 달러 이상인 1인 창업자의 비율이 증가하고 있을 뿐만 아니라, 연간 수익 500만 달러 및 1000만 달러 이상인 1인 창업자의 비율도 2023년과 2024년에 눈에 띄게 증가하기 시작했습니다.
Stripe Economics는 다음과 같이 지적했습니다:
- 지수 상에서 연간 수익이 10만 달러를 초과하는 1인 창업자의 수가 크게 증가한 것을 발견했지만, 더 높은 수익 기준을 달성한 1인 창업자의 수 증가 폭은 더 컸으며, 2023년 이후 성장 속도가 눈에 띄게 빨라졌습니다. 2025년 연간 수익 100만 달러 이상인 1인 창업자 수는 2023년의 두 배 이상이며, 500만 달러 및 1000만 달러 이상인 1인 창업자 수는 2023년의 거의 세 배에 달합니다.
- 아마도 더 흥미로운 점은 지난 2년 동안 이러한 기준을 초과하는 1인 창업자의 비율 역시 두 배로 증가했다는 사실입니다. 이는 기업 설립의 급증이 소수의 운 좋은 사람들의 저품질 실험을 반영하는 것이 아니라, 신규 1인 창업자 집단의 질이 이전보다 더 높을 가능성을 시사합니다.
물론, 1인 창업자의 식별 방식(이 경우 Stripe의 1인 창업자 전용 도구를 통해)과 이들 기업의 직원 수가 시간이 지남에 따라 변할 수 있다는 점(Stripe이 모를 수도 있음) 등 많은 불확실성을 고려할 때, 데이터는 AI 주도 소기업 시대가 여전히 지속적으로 발전하고 있음을 시사합니다.
기술은 식료품점의 효율성을 높이지만 동시에 낮추기도 한다
식료품점의 흥미로운 점 중 하나는, 더 넓은 범주의 소매업과 달리 식료품점의 생산성이 지난 30년 동안 크게 향상되지 않았다는 것입니다:
아니면 더 정확히 말해, 1990년 이후 소매업의 생산성 증가는 대체로 안정적으로 유지된 반면, 식료품점의 생산성은 하락했다가 다소 회복되었고, 이후 정체되었으며, 최근에는 다시 소폭 하락했다가 반등하기 시작했지만, 여전히 소매업의 생산성 급증에는 훨씬 못 미치는 수준입니다.
이것은 한편으로 기술(그리고 생산성과의 관계)에 대한 이야기를 들려주고, 다른 한편으로는 생산성 측정 방식에 대한 이야기를 들려주기 때문에 매우 흥미롭습니다. 생산성 측정은 대략 산출량을 노동 시간으로 나눈 값입니다. (그리고 이는 기껏해야 불완전한 측정 기준일 뿐이죠.)
식료품점(그리고 소매업)에게 계산대 다음으로 위대한 발명품은 전자 스캐너입니다. 1970년대에 처음 등장했지만, 1990년대에는 거의 모든 곳에서 쓰이게 되었죠. 스캐너에는 크게 두 가지 주요한 역할이 있습니다: (1) 취급 품목(재고 범위)을 엄청나게 확장시켰고; (2) 소매업체와 식료품점들이 고객의 구매 의사와 필요한 재고량을 파악하기 위해 점점 더 정교한 데이터를 수집할 수 있게 해주었다는 점입니다.
1990년대에 식료품점과 소매업체들은 모두 기술 주도의 규모의 경제 덕분에 규모가 크게 확장되기 시작했습니다. 이는 소비자에게는 좋은 일이었지만, 가족 단위 자영업자들의 종말을 어느 정도 예고하는 것이기도 했습니다.
그러나 그때부터 소매업체와 식료품점의 운명은 갈리기 시작했습니다. 소매업체들은 재고를 대폭 확대했지만, 새로운 직원을 많이 늘리지 않고 사전 포장된 완제품 상품에 더 집중했습니다. 이러한 상품은 재고 관리 및 모니터링에 훨씬 더 적은 인력만 필요로 했죠. 반면, 식료품점들은 식료품을 넘어 꽃집, 제빵 코너, 델리 카운터 등 특별 서비스 분야로 사업을 확장하기로 결정했습니다.
물론, 특별 서비스 부문의 비중이 늘어남에 따라 전문 인력에 대한 수요도 함께 증가했습니다. 위 차트에서 볼 수 있듯이, 식료품점은 상품과 서비스의 종류를 대폭 확장하고 가격을 낮추는 등 성과를 냈지만, ‘산출량/노동 시간’ 측면에서 ‘생산성’은 향상되지 않았습니다. 이것이 소매업의 ‘생산성’이 식료품점의 ‘생산성’을 훨씬 앞서는 동안, 두 부문의 임금 상승률은 거의 같았던 이유이기도 합니다.
식료품점이 더 넓은 소매 및 백화점 업종의 성공 사례를 벤치마킹하기 전까지는 생산성이 다시 향상되기 시작하지 않았습니다:
2000년경, 비가정식 식품류 제품의 비중이 크게 증가하기 시작했습니다. 마진이 더 높은 사전 포장 식품, 스낵 및 생활 잡화가 10년 동안 거의 5배 가까이 성장했습니다. 동시에 슈퍼마켓들은 진열, 전시 등 더 많은 작업을 납품업체에 아웃소싱했는데, 이는 진열 공간에 대한 ‘수수료’를 청구하는 것과 유사한 방식이었습니다. 이는 노동 시간을 줄이지 않고 다른 사람에게 이전함으로써 ‘생산성을 향상시키는’ 기발한 전략이었습니다.
‘생산성 향상’이라는 관점에서 보면, 이러한 전환은 노동 시간을 늘리지 않고 산출량을 증가시켰고, 슈퍼마켓의 생산성은 부흥기를 맞이했습니다.
식료품 수익에서 노동이 차지하는 비중은 2002년경까지 꾸준히 상승했지만(소매 수익에서 노동이 차지하는 비중은 하락), 적어도 최근까지 두 비중 모두 꾸준히 감소해 왔습니다.
‘노동 소득 분배율’의 감소는 기본적으로 ‘생산성’의 이면입니다. 더 적은 근로자로 더 많은 생산량을 이끌어내면 노동 소득 분배율이 감소하게 됩니다. (여기서는 모든 이익에서 비롯되는 401k 퇴직 연금 계좌의 성장을 고려하지 않은 것입니다.)
그러나 흥미로운 점은(기술과 생산성이라는 주제로 돌아와서) 최신 쇼핑 혁신의 물결(이커머스와 배달 서비스)이 식료품 부문과 소매업 부문의 ‘생산성’ 추세가 다시 갈라지는 시점과 일치하는 것처럼 보인다는 것입니다. 이커머스는 매장 임대 없이도 영업할 수 있게 해주어 소매업체들에는 큰 축복이었지만, 배달 서비스는 식료품점에서 같은 시간 동안, 혹은 더 많은 사람들이 매장을 돌아다니며 상품을 고르도록 만들었을 뿐일 수 있습니다. 도로변 픽업(커브사이드 픽업)은 전통적인 쇼핑 방식보다 더 많은 인력을 요구할 수도 있습니다.
이것이 인과 관계인지 우연의 일치인지는 모르지만, 팬데믹 이후 식료품 부문의 생산성은 다시 하락했고(노동 소득 비중도 다시 증가하기 시작) 소매 부문은 더욱 날렵하고 효율적으로 변했습니다. 동일한 기술, 동일한 생산성 향상. 하지만 최종적으로 나타난 ‘생산성’은 완전히 달랐습니다.
그럼에도 불구하고 식료품점에게 좋은 소식은, 계산대에 배치하는 광고로 언제나 돈을 벌 수 있다는 것입니다(고마진).
