질문 하나, 인공지능은 정말 모든 산업의 게임체인저일까? 거대 언어모델이 등장하자 ‘혁신’이라는 구호가 하루에도 수백 번씩 쏟아졌다. 그러나 투자금이 폭증하는 속도에 비해 실제 비즈니스로 이어진 비율은 12%에 불과하다는 통계가 눈을 멈추게 한다. 정작 우리가 봐야 할 것은 화려한 데모 뒤에 숨어 있는 시장 적합성, 그리고 기술 확산 속도의 불균형이다.
투자금은 쏟아졌는데 지표는 왜 흔들리나 ― 인공지능 산업의 현주소
2023년 CB Insights 집계에 따르면 벤처투자의 48%가 생성형 AI 영역에 집중되며 425억 달러가 2,500건의 라운드로 흘러들어갔다. 해외에서는 오픈AI, 안트로픽, 미드저니 같은 선두 주자가 수조원대 후속 투자를 이끌어 냈다. 이 대목이 흥미롭다. 막대한 자본이 몰린 덕분에 모델 규모는 GPT-4처럼 1조 매개변수를 넘나들지만, 상위 10개 기업을 제외하면 연 매출이 1,000만 달러를 넘긴 곳이 손에 꼽힌다. 결국 ‘밸류에이션 거품’이라는 반론이 동시에 부상했고, 블룸버그 AI 지수는 8월 이후 세 차례나 급락을 경험했다.
AI타임스가 최근 보도한 ‘국내 생성형 AI 플랫폼 경쟁’ 기사(2024.04)는 이 냉혹한 현실을 국내 시장으로 끌어왔다. 기사에 따르면 한국 주요 대기업 네 곳이 각자 LLM을 공개했으나, 정작 기업 고객의 활성 사용률은 15%에 머물렀다. 배경에는 두 가지 변수가 존재한다. 첫째, 데이터 주권 우려로 산업용 검증이 지연되고 있다는 점, 둘째, GPU 병목으로 학습·추론 비용이 예상을 웃돌고 있다는 점이다. 결과적으로 ‘빠른 베타 출시’가 곧 ‘지속 고객 확보’로 이어지지 않는다는 교훈을 남겼다.
주목할 지점은 투자와 실제 생산성 지표의 괴리다. 맥킨지 분석에 따르면 전 세계 기업의 41%가 AI를 도입했지만, ‘명확한 비용 절감 또는 수익 증대’가 확인된 프로젝트는 24%에 그쳤다. 특히 광고사진·콘텐츠 분야처럼 창의적 자산이 핵심인 산업에서 모델이 만든 결과물의 저작권 이슈가 매출 전환의 최대 걸림돌로 기록됐다. 따라서 ‘마케팅 자동화’라는 즉각적인 효용보다, 법적·윤리적 리스크 관리가 투자 성공의 분수령이 되고 있다.
반론도 존재한다. 시장 형성이 늦어질 뿐, 기술 성숙 곡선(Hype Cycle)을 지나면 폭발적인 수익 창출 구간이 도래한다는 낙관론이다. 그러나 2000년대 초 닷컴 버블이 증명했듯, 자본은 참을성이 길지 않다. 지난 1분기 미국 상장 AI ETF 순유입액이 전 분기 대비 37% 감소하며, 성장 모멘텀에 대한 의문이 실제 자금 흐름으로 드러났다. 투자자 입장에서는 ‘성능 지표’보다 ‘현금흐름 창출 시점’이 훨씬 절실해진 셈이다.
해외에서 먼저 터진 기회와 경고 ― 실제 사례가 던지는 시그널
미국 경찰청이 2023년부터 도입한 예측 순찰 시스템은 AI 윤리 논쟁을 단숨에 현실로 끌어냈다. 체포율은 15% 향상됐지만, 흑인 주민 대상 검문 횟수가 23% 증가하며 ‘편향 알고리즘’ 논란이 터졌다. KAIST 연구진이 ICML 2023에서 발표한 편향 완화 기법이 주목받은 배경도 동일하다. 여기서 드러난 메시지는 단순하다. 성능만 고도화하는 AI는 오히려 사회적 저항 비용을 키울 수 있다는 것이다.
유럽 광고 업계도 생성형 AI의 이중성을 경험했다. 프랑스계 광고대행사 퍼블리시스가 2023년 11월 AI 기반 이미지 제작 툴을 전사 도입한 뒤, 시각 자료 제작 시간이 68% 줄었다. 반면 결과물이 기존 작가 포트폴리오와 유사하다는 이유로 5건의 저작권 분쟁에 휘말렸고, 결국 법적 합의금으로 초기 도입 비용의 1.4배를 지출했다. 효율성을 좇던 혁신이 예상 밖 비용으로 되돌아온 셈이다.
투자 라운드 규모와 별개로, 일본 소프트뱅크의 최근 행보는 ‘전략적 선택과 집중’의 교본으로 인용된다. 소프트뱅크 비전펀드는 2023년 말부터 AI 의료 영상 스타트업 3곳에 8억 달러를 몰아주며 “범용이 아니라 수직특화”를 외쳤다. 범용 모델로는 수익 체계를 증명하기 어렵다고 판단한 것이다. 실제로 대상 기업 중 한 곳은 암 진단 정확도를 94%에서 98%로 끌어올리며, 일본 후생노동성의 임상 인증을 획득했다. 수치가 곧 레퍼런스가 되자 유료 계약서 서명 속도도 3배 빨라졌다.
이탈리아 자동차 부품사 마그네티마렐리는 AI 기반 예지 정비 시스템을 도입해 가동 중단 시간을 연간 2,100시간 줄였다. 단순 기술 도입이 아니라, 공정 데이터 라벨링 표준을 6개월간 구축한 뒤 단계적으로 적용했기에 가능했다. 다시 말해, ‘AI 실증’보다 ‘운영 프로세스 재설계’가 먼저였다는 역순 전략이 성과의 핵심 동력으로 작용했다.
한국 시장이 마주한 승부처 ― 데이터를 넘어 거버넌스로
국내 기업 41%가 이미 인공지능을 활용 중이라는 조사 결과는 분명 고무적이다. 하지만 한국정보화진흥원이 분석한 ‘실질적 내부 확산률’은 19%로, 도입과 정착 사이에 깊은 골이 존재한다. 원인은 뚜렷하다. 첫째, 데이터 프라이버시 규정이 유럽 GDPR보다 완화되어 있어 초기 도입은 빠르지만, 역설적으로 글로벌 고객사는 이를 ‘준거성 부족’으로 판단한다. 둘째, GPU 수급이 해외 클라우드 기업에 의존적이라 비용 구조가 불안정하다. 따라서 ‘독자 모델 개발’이 곧 ‘원가 절감’으로 이어진다는 통념은 사실과 다르다.
주목해야 할 반전은 지방정부에서 나왔다. 인천광역시는 올 3월 ‘AI 행정 혁신 플랫폼’을 공표하며, 민원 분류·예측 모델을 자체 구축했다. 놀라운 점은 모델 정확도(92%)가 아니라, 데이터 전처리 단계에서 시민이 직접 태그 작업에 참여한 ‘리빙랩’ 구조다. 덕분에 개인정보 이슈를 최소화했고, 서비스 출시 이후 6주 만에 재발견된 피드백 데이터가 12만 건을 돌파했다. 해외 사례와 달리 ‘데이터 참여 거버넌스’가 한국형 해법이 될 수도 있음을 시사한다.
또 하나의 변수는 회계·법률 전문 서비스다. 국내 4대 회계법인이 AI를 활용해 업무 시간을 30% 단축했으나, 한국공인회계사회는 ‘설명 가능성 없이는 감사 보고서에 인공지능 결과를 채택할 수 없다’고 못박았다. 기술 효율과 규제 리스크 사이에서 균형점을 찾으려면, 기술적 해석 계층(XAI)과 법적 책임 주체를 명문화한 표준 계약서가 선행되어야 한다. 결국 ‘모델 성능’보다 ‘거버넌스 모델’이 성공의 분기점이 될 가능성이 높다.
진단은 끝났다. 그러나 이제부터 질문이 시작된다. 투자와 기술이 충분하다면, 한국 기업은 언제 ‘AI로 번 돈’으로 ‘AI에 쓴 돈’을 완전히 상쇄할 수 있을까? 그리고 그 순간, 데이터 거버넌스와 사회적 신뢰는 어떤 모습으로 재편될까? 답이 나오기 전까지, 혁신이라는 단어는 여전히 미완성 문장으로 남아 있을 것이다.
참고 자료
- AI타임스, ‘국내 생성형 AI 플랫폼 경쟁’, 2024
- CB Insights, State of Venture Report, 2023
- McKinsey & Company, ‘The State of AI in 2023’, 2023
- KAIST, ICML 발표 논문 ‘Domain-robust Fairness in Neural Networks’, 2023
- Publicis Groupe, Annual Report, 2024
- 한국정보화진흥원, ‘AI 활용 실태 조사’, 2023
- 인천광역시 보도자료, ‘AI 행정 혁신 플랫폼 구축’, 2024
- 한국공인회계사회, ‘AI 감사 기준(초안)’, 2024