애스워스 다모다란 – AI의 바르 미츠바 순간 (AI's Bar Mitzvah Moment)

원문: Aswath Damodaran, AI’s Bar Mitzvah Moment: From Hype & Hope to Business Questions! (Aug 2026) 전문은 원문에서 확인하실 수 있습니다. 아래 글은 번역이 아니라, 애스워스 다모다란의 논증을 한국어로 재구성한 정리입니다.

글의 배경과 개요

애스워스 다모다란(Aswath Damodaran)은 뉴욕대 스턴경영대학원의 재무학 교수로, 기업가치평가 분야에서 가장 널리 읽히는 저자 가운데 한 사람입니다. 이 글은 2026년 8월 그의 블로그 「Musings on Markets」에 올라온 장문의 에세이이며, 독자 피드백을 반영해 고쳐 나가겠다는 약속에 따라 다음 날 두 차례 수정을 거쳤습니다. 다모다란이 답하려는 질문은 하나입니다. 옹호와 회의가 서로 말이 엇갈리기만 하는 상황에서, AI를 역사 속 다른 모든 사업과 똑같은 잣대로 평가하려면 무엇을 따져야 하는가. 논증은 혁명적 변화가 거치는 네 단계를 제시해 AI를 ‘사업 구축’ 단계의 문턱에 자리매김한 뒤, 시장 규모·산업 경제학·해자(moat)라는 세 동인으로 틀을 세우고, 사회적 제약이 어떻게 기업 비용으로 번지는지를 짚은 다음, 손익분기 역산으로 개별 기업 평가까지 내려옵니다. 어느 편도 들지 않겠다고 선언하면서도, 결론은 AI의 총유효시장(TAM)에 상한을 긋고 현재 가격이 요구하는 매출이 그 상한에 비추어 무리라는 쪽에 기웁니다.

핵심 내용 정리

다모다란은 AI 논쟁이 사용량만 보는 옹호론과 설비투자만 보는 회의론으로 갈려 궤도를 벗어났으며, AI도 결국 제품·매출·원가·해자라는 평범한 잣대로 판정받아야 한다고 주장합니다.
혁명적 변화는 희망과 과대광고, 투자 축적, 사업 구축, 재조정의 네 단계를 거치며, 두 번째 단계에서 거대시장 착각과 버블은 결함이 아니라 특징으로 나타난다고 봅니다.
AI는 역사상 가장 비싼 공장을 초고속으로 지은 뒤 이제 막 매출을 내기 시작한 단계이며, 약속이 아니라 증거를 요구받기 시작하는 바르 미츠바의 순간에 있다고 진단합니다.
가장 낙관적으로 잡아도 현재 AI 제품·서비스 매출은 약 2,500억 달러이고, 지금까지 이익을 거둔 쪽은 칩과 전력 같은 인프라 공급자라고 정리합니다.
AI의 총유효시장 상한은 미국 총 인건비 12.96조 달러, 전 세계로는 약 26조 달러이며, 도구인가 대체인가·가격·업종·지역이라는 네 질문이 실제 크기를 결정한다고 봅니다.
AI 시장이 가장 커지는 시나리오는 동시에 고용과 경제에 가장 파괴적인 시나리오이므로, 다른 조건이 같다는 가정을 유지한 채 총유효시장을 추정하는 것은 성립하지 않는다고 지적합니다.
역산해 보면 앤트로픽(Anthropic)이 2조 달러를 정당화하려면 10년 뒤 약 1.2조 달러, AI 산업 전체가 5조 달러를 정당화하려면 10년 뒤 5조 달러의 매출이 필요하며, 다모다란은 소문으로 도는 상장 가격이 비싸 보인다고 밝힙니다.

네 해 만에 모든 대화를 삼킨 AI

다모다란은 시간 감각을 환기하는 데서 출발합니다. AI가 거의 모든 대화에 끼어드는 지금, 그 돌파의 순간이 2022년 11월 30일 ChatGPT 공개로부터 네 해도 채 되지 않았다는 사실을 떠올리려면 의식적인 노력이 필요하다는 것입니다. 물론 인공지능의 역사는 컴퓨터 시대의 출발점까지 거슬러 올라갑니다. 그는 초당 2억 개의 체스 국면을 평가해 당대 최고의 기사들을 꺾은 IBM의 딥 블루(Deep Blue)를 기억할 만큼 나이가 들었다고 말합니다. 문화의 영역에서도 기계가 인간의 통제를 벗어나는 이야기는 반복돼 왔고, 영화 「2001: 스페이스 오디세이」에서 컴퓨터 HAL이 인간 조종자의 지시를 거절하는 대사를 그는 가장 좋아하는 영화 대사의 하나로 꼽습니다.

긴 역사에도 불구하고 최근 네 해의 파급력은 폭발적이었습니다. 시가총액 증가 기준으로 이 기간 가장 성공한 기업은 AI 혁명의 칩을 만드는 엔비디아(NVIDIA)였습니다. 지난 10년 동안 시장을 이끈 빅테크 묶음 FANGAM의 자리는 매그니피센트 7(Mag Seven)이 넘겨받았고, 그 과정에서 넷플릭스(Netflix)가 빠지고 테슬라(Tesla)와 엔비디아가 들어갔습니다. 거의 모두 AI에 이해관계가 걸린 이 일곱 기업은 2022년부터 2025년까지 미국 전체 주식 시가총액 증가분의 45%를 차지했고, 2026년 8월 16일 기준 합산 시가총액은 23.7조 달러입니다.

시장만 AI에 홀린 것이 아닙니다. 데이터센터부터 대규모 언어모델(LLM)까지 AI 인프라에 쏟아진 투자가 미국 경제를 떠받쳤습니다. 2024년과 2025년 실질 GDP 성장률 2.5% 가운데 약 1%가 이 투자에서 나왔다는 추정이 있습니다. 기업의 거의 모든 논의에 AI가 끼어들고, 제어하지 않으면 논의 전체를 납치해 버릴 정도가 되었다는 것이 그의 관찰입니다.

영향은 기업과 시장 바깥으로도 번졌습니다. 사람들이 일과 생활에서 AI를 마주하며 보인 반응은 양극단을 오갔습니다. 한쪽에는 숙련 노동이 필요하던 일을 짧은 시간에 해치우는 능력에 대한 경외가, 다른 쪽에는 AI 에이전트에 밀려 쓸모없어질지 모른다는 두려움이 있었습니다.

다모다란이 보기에 지난 네 해 동안 AI는 대중의 인식 속에서 대체로 긍정적인 현상에서 부정적 색채를 띤 무엇으로 옮겨 갔습니다. 그는 이유를 두 가지로 짐작합니다. 지니가 이미 병 밖으로 나왔고 그것이 선량하지만은 않을 수 있다는 우려, 그리고 AI를 대표해 말하는 사람들 일부가 워낙 호감을 사지 못한다는 점입니다. 그래서 2026년 미국 대학 졸업식에서 AI를 주제로 삼은 연사들이 학생들에게 야유를 받은 것도 놀랄 일이 아니라고 그는 덧붙입니다.

해설 제목의 ‘바르 미츠바(bar mitzvah)’는 유대교에서 열세 살 소년이 종교적 성인이 되는 의식입니다. 본문에서 다모다란은 이 비유를 사업 구축 단계의 이름으로 다시 씁니다. 투자자가 더 이상 약속만 보고 값을 매기지 않고 실적의 증거를 요구하기 시작하는 시점, 즉 기업이 어른 대접과 어른 의무를 동시에 받는 순간을 가리킵니다.

[이해관계] 다모다란은 AI 업계에 속하지 않은 대학 교수이며, 이 글과 그 근거가 된 데이터 파일, 손익분기 계산용 스프레드시트를 모두 무료로 공개합니다. 글 안에서 그는 자신이 ChatGPT 무료 버전만 가볍게 쓰는 AI 초보자이고, 자신의 콘텐츠가 클로드(Claude) 기반 봇 일부에 들어간 정도로만 관계가 있다고 스스로 밝힙니다.

다만 발화 위치가 중립인 것은 아닙니다. 그는 스페이스X(SpaceX) 가치평가에서 xAI를 다뤘고, 앤트로픽과 오픈AI(OpenAI)의 투자설명서가 공개되면 이 글의 틀을 적용하겠다고 예고합니다. 즉 그의 자산은 지분이 아니라 평가 모델의 설득력이며, 틀이 널리 인용될수록 그 자산이 커지는 구조입니다. 편향을 공개하는 것이 최선이라는 원칙에 따라, 그는 두 회사의 소문 가격이 비싸 보인다는 자신의 기울기도 글 안에서 밝힙니다.

궤도를 벗어난 AI 논쟁

AI에 관한 글과 방송은 넘쳐나지만, 다모다란은 논쟁 자체가 탈선했다고 진단합니다. 옹호론자와 회의론자가 서로 다른 얘기를 하며 엇갈리고 있다는 것입니다. 옹호론자는 ‘거대한’ 잠재 시장에 초점을 맞추며 사용량 통계의 수준과 증가율을 골라 씁니다. 회의론자는 ‘지나치게 큰’ 선행 투자에 집중하며 설비투자와 현재 수익성의 부재를 골라 씁니다. 양쪽 모두 상대를 광신도 또는 러다이트로 부르며 도덕적 우위를 주장하고, 데이터를 입맛대로 고르는 일도 양쪽에 다 있습니다.

이 글의 목적은 한쪽을 옳다고 증명하는 것이 아니라 고리를 닫는 것, 즉 AI를 하나의 사업으로 놓고 논의하는 것이라고 다모다란은 선을 긋습니다. AI가 획기적이라는 점은 인정하되, 역사 속 모든 사업과 같은 기준으로 판정받아야 한다는 것입니다. 그 기준은 잠재 사용량이 아니라 평범하고 구체적인 질문들입니다. 잠재력을 제품과 매출로 바꿀 수 있는가, 이익이 남는 원가로 그 제품을 공급할 수 있는가, 신규 진입자와 경쟁자를 막을 해자를 쌓을 수 있는가.

그래서 그는 양쪽에 각각 하나씩 양보를 요구합니다. 낙관론자는 AI 사용량이 앞으로 폭발하리라는 점에서 옳을 수 있지만, 큰 시장이 언제나 큰 사업이 되지는 않는다는 사실을 받아들여야 합니다. 회의론자는 막대한 설비투자가 판돈을 키운다는 점에서 옳지만, 그것이 곧 가치 파괴를 뜻하지는 않는다는 점을 인정해야 합니다.

다모다란은 자신이 AI 전문가가 아니라고 미리 밝힙니다. 기술적 오류나 사업상의 사실 오류가 있으면 알려 달라고 요청하면서, 솔직히 말해 이 글은 독자 한 사람, 즉 자기 자신을 위해 쓴 것이라고 말합니다. 이 분야를 스스로 이해할 방법을 정리하려는 목적이고, 다른 사람에게 도움이 된다면 그것은 부수적 효과라는 것입니다.

해설 러다이트(Luddite)는 19세기 초 영국에서 기계가 일자리를 빼앗는다며 방직기를 부순 노동자 운동의 이름입니다. 오늘날에는 기술 변화를 무작정 거부하는 사람을 비하하는 말로 쓰입니다. 다모다란이 이 단어와 ‘광신도’를 나란히 놓은 것은, 양쪽 모두 상대의 논거를 검토하는 대신 상대를 유형으로 분류해 버리는 지점에서 논쟁이 멈춰 섰다는 뜻입니다.

혁명적 변화는 네 단계를 거친다

인류사에서 혁명적 변화는 늘 있었고, 그 변화가 전체로 보아 진보였을 때조차 변화 때문에 쓸모없어진 사람들에게는 고통을, 예상 못 한 부수 비용을 남겼습니다. 다모다란은 과한 일반화일 수 있다고 스스로 단서를 달면서, 모든 주요 파괴적 변화가 네 단계를 밟는다고 주장합니다.

희망과 과대광고

변화가 크리라는 믿음은 있지만 어떤 방식과 형태로 실현될지는 불분명한 시기입니다. 변화를 먼저 내다본 신봉자와 비전가가 공을 굴리기 시작하지만, 성공하려면 그 이야기를 대중에게 팔아야 합니다. 이 단계의 이야기에는 손에 잡히는 알맹이가 없어서, 제품도 서비스도 없고 매출이나 이익은 더더욱 없습니다. 그러니 헛된 출발이 섞이고 사기꾼과 가짜들이 미는 사기도 끼어들기 마련이며, 반대로 냉소 때문이든 이해하지 못해서든 논거를 들어보지도 않고 동화라며 일축하는 사람도 많습니다. 변화가 뿌리내리려면 비전가들은 변화를 실제로 만들어 갈 실행 인력과 그들에게 자본을 댈 투자자, 양쪽을 설득해야 합니다.

투자 축적

변화가 가능하다는 믿음이 발판을 얻으면, 스타트업이든 기존 기업이든 일부 참여자가 변화가 오면 수요가 생길 제품과 서비스에 투자하고 이를 만들기 시작합니다. 개척자들의 시도는 시행착오와 실험으로 채워지고, 실패조차 비용을 치르며 배움을 남깁니다.

변화가 혁명적으로 보이고 큰 시장이 열릴 것 같으면, 이 단계에서 다모다란이 10여 년 전에 만든 용어인 거대시장 착각(big market delusion)이 나타나기 쉽습니다. 뿌리는 선택 편향입니다. 다가올 변화를 위해 제품을 만드는 사람들은 진정한 신봉자일 뿐 아니라 과신하는 경향이 있고, 그 결과 기업들과 그들에게 값을 매기는 투자자들이 집단으로 과욕을 부리다 조정을 맞습니다. 그래서 그는 혁명적 변화가 가능할 때 버블은 결함이 아니라 특징이라고 말합니다.

사업과 투자가 이야기와 숫자의 결합이라면, 이룬 것이 거의 없는 이 단계에서 성장과 투자를 이끄는 쪽은 이야기입니다. 보험계리적이거나 회계적인 사고방식을 가진 투자자라면 이런 서사가 설득력 없다고 보고 해당 기업들을 곧장 고평가 더미로 분류할 것이고, 다모다란은 그 충동이 충분히 이해된다고 말합니다. 다만 선택권(optionality)에 베팅하는 투자자도 있다는 점은 기억해야 한다고 덧붙입니다. 아직 아무것도 이기지 못한 기업이 아직 존재하지도 않는 큰 시장의 승자가 되기를 바라며 돈을 넣는 사람들입니다.

사업 구축

다모다란은 여기서 부정문 셋을 겹칩니다. 모든 변화가 혁명적이지 않고, 모든 혁명적 변화가 큰 시장으로 이어지지 않으며, 모든 큰 시장이 가치 있는 사업을 만들지도 않습니다. 진실은 사업 구축 단계에서 드러나기 시작합니다.

이 단계가 바르 미츠바의 순간입니다. 투자자들이 더 이상 약속만 보고 값을 매기지 않고 진척의 실질적 증거를 요구하기 때문입니다. 제품을 사업으로 바꾸는 구조, 곧 생산 공정과 공급망, 마케팅과 유통이 이때 형태를 갖춥니다. 그 과정에서 대중시장 기업이 될지 틈새시장 기업이 될지를 가르는 현실, 즉 단위 경제성(unit economics)과 규모의 경제(economies of scale)와 마주하게 됩니다.

동시에 냉혹한 진실도 드러납니다. 창의적이고 재능 있는 제품 개발자 상당수가 사업을 구축하는 능력은 갖추지 못했다는 것입니다. 이들 앞에는 세 갈래 길이 놓입니다. 그 능력을 갖춘 누군가와 손을 잡거나, 이미 시스템을 갖춘 기존 기업에 제품을 팔거나, 자본을 댄 벤처캐피털에 의해 자기 회사에서 밀려나는 것입니다. 그래서 인수와 제휴가 늘어나리라는 것이 그의 예상입니다.

재조정

사업들이 성공하기 시작하면 불변하고 강력한 경제 법칙이 작동합니다. 신규 진입자와 기존 참여자가 자리다툼을 벌이며 교체와 통합이 일어나고, 사업의 경제성이 산업 구조를 결정합니다. 파편화된 구조와 통합된 구조, 승자독식 구조 가운데 어느 쪽이든 가능합니다. 동시에 어두운 면도 펼쳐져, 변화로 쓸모없어진 기업과 개인이 압박을 받고 일부는 쪼그라들고 일부는 사라지며 일부는 현실을 부정합니다.

그리고 정상 상태는 없습니다. 혁신에 맞춰 재조정을 마친 기업들은 이제 기득권이 되어 다음 혁명적 변화의 표적이 되기 때문입니다. 다모다란은 이것을 슘페터의 창조적 파괴가 작동하는 모습이라고 부르며, 이 순환의 경로를 희망과 과대광고에서 투자로, 수확으로, 사업 구축으로, 재조정으로 이어지는 길로 요약합니다.

해설 선택권에 베팅한다는 말은 콜옵션을 사는 것과 비슷한 발상입니다. 대부분의 투자는 실패해도 손실이 투자금으로 한정되지만, 하나가 크게 터지면 그 수익이 나머지 손실을 모두 덮고도 남는 구조입니다. 벤처캐피털의 기본 논리가 이것이고, 다모다란이 말하는 이야기 중심의 가격 형성이 비합리로만 치부되지 않는 이유이기도 합니다.

창조적 파괴는 오스트리아 출신 경제학자 조지프 슘페터(Joseph Schumpeter)가 제시한 개념으로, 혁신이 기존 산업을 낡은 것으로 만들며 경제를 갱신하는 과정을 가리킵니다. 슘페터의 핵심은 파괴가 성장의 부작용이 아니라 성장의 방식 자체라는 데 있습니다.

[관점] 버블이 결함이 아니라 특징이라는 명제는 인프라 투자 사이클의 역사에서 반복적으로 확인됩니다. 1990년대 말 통신사들이 깐 광섬유망은 닷컴 붕괴와 함께 대규모로 상각됐지만, 그렇게 남은 설비는 2000년대 인터넷 기업들이 거의 공짜로 쓴 기반이 됐습니다. 투자자 입장에서 중요한 구분은 여기서 나옵니다. 인프라가 사회적으로 유용했는가와, 그 인프라에 돈을 댄 주주가 보상을 받았는가는 전혀 다른 질문이라는 것입니다. 다모다란이 뒤에서 ‘파이 나누기’라는 이름으로 다시 꺼내는 논점이 바로 이 구분입니다.

AI는 이 순환의 어디쯤 있는가

다모다란은 AI를 이 네 단계에 대입합니다. ChatGPT는 그가 보기에 낮은 수준의 기술이었을지 모르지만 과대광고 사이클에 불을 붙였고, 소셜미디어가 그 확산을 증폭하고 가속했으며, 워낙 널리 퍼져 거의 모든 사람이 그 작동을 직접 목격했습니다. AI의 인기와 도달 범위가 거대 시장을 만들 것이라는 희망이 나란히 쌓였고, AI 영역의 기업들과 AI를 유행어로 갖다 붙인 아류 기업들에 자본이 몰렸습니다. 그 결과 칩과 LLM, 전력·용수 기업, 클라우드 등 AI의 아키텍처를 짓는 기업들의 시가총액이 주식과 부채로 조달된 자금에 힘입어 수조 달러 규모로 뛰었습니다.

금융시장 참여자만 매료된 것이 아닙니다. 하이퍼스케일러와 신규 진입자들이 AI 설비투자에 수천억 달러를 쏟아부었는데, 약속을 믿어서이기도 하지만 뒤처질지 모른다는 두려움 때문이기도 했습니다. 다모다란은 대형 참여자 여섯 곳의 설비투자를 제시합니다. 매그니피센트 7 가운데 알파벳(Alphabet), 아마존(Amazon), 메타(Meta), 마이크로소프트(Microsoft) 네 곳과 그 바깥의 오라클(Oracle), 코어위브(CoreWeave)입니다. 이 여섯 기업의 최근 몇 년 누적 투자만 1.7조 달러이고, 가이던스를 보면 앞으로 3-4년 동안 수조 달러의 설비투자 약속이 더 남아 있습니다.

그래서 그는 공장 비유를 씁니다. AI는 역사상 가장 비싼 공장을 지었고, 그것도 초고속으로 지었다는 것입니다. 그렇다면 무엇을 위한 공장인가 하는 질문이 남습니다. AI 공장이 만든 제품을 팔아 매출을 내는 사업 구축의 초기 모습이 보이기 시작한 것은 불과 1년 남짓 전부터이고, 가장 두드러진 사례가 앤트로픽과 오픈AI입니다.

투입된 자본에 비하면 그 매출은 아직 작고 수익성은 여전히 먼 얘기입니다. 대신 모델 유형과 비즈니스 모델, 가격 책정을 둘러싼 실험이 한창입니다. 파괴의 씨앗도 뿌려져, AI의 부상이 일부 사업의 수익성에 상당한 타격을 줄 조짐이 보이며 첫 희생자는 소프트웨어와 중개업 영역의 기술 기업들입니다. AI 이야기는 1년 전보다 분명히 진전했지만 여전히 초기이고, 업계 참여자와 투자자 모두 변화와 도전을 앞두고 있습니다. 다모다란이 지금을 AI의 바르 미츠바 순간이라고 부르는 이유입니다.

해설 하이퍼스케일러는 자체적으로 초대형 데이터센터를 짓고 운영하는 클라우드 사업자를 가리키는 업계 용어로, 알파벳·아마존·마이크로소프트가 대표적입니다. 다모다란이 이들과 함께 묶은 코어위브는 성격이 다른데, 엔비디아 GPU를 대규모로 사들여 AI 연산을 빌려주는 전문 사업자입니다. 하이퍼스케일러가 자기 서비스를 위해 공장을 짓는 쪽이라면, 코어위브는 공장 설비를 임대업으로 돌리는 쪽에 가깝습니다. 둘을 한 표에 올린 것은 이 설비투자가 특정 사업모델의 선택이 아니라 업계 전반의 흐름이라는 점을 보이기 위한 것으로 읽힙니다.

[한국 관점] 이 네 단계를 한국 기업에 대입하면 노출 지점이 분명하게 갈립니다. 한국은 모델을 만드는 쪽에서 프런티어에 서 있지 않지만, 공장을 짓는 데 들어가는 부품에서는 사실상 핵심 공급자입니다. 고대역폭 메모리(HBM)를 공급하는 SK하이닉스와 삼성전자, 데이터센터 전력 설비를 공급하는 변압기·전력기기 업체들이 여기에 해당합니다.

문제는 이 위치가 순환의 어느 단계에 묶여 있느냐입니다. 다모다란의 틀에서 인프라 공급자의 실적은 투자 축적 단계의 설비투자에 연동되지, 사업 구축 단계의 AI 매출에 직접 연동되지 않습니다. 즉 AI 응용 기업들이 수익을 내기 전이라도 설비투자가 계속되는 한 공급자의 숫자는 좋을 수 있고, 반대로 설비투자가 꺾이면 AI 매출이 성장하는 중에도 공급자의 숫자가 먼저 나빠질 수 있습니다. 한국 투자자에게 이 글의 실용적 함의는 AI 매출 전망보다 하이퍼스케일러의 설비투자 가이던스를 선행 지표로 봐야 한다는 쪽에 가깝습니다.

사업으로서 AI를 보는 세 가지 동인

아직 입장을 정하지 못한 사람이 양쪽의 그럴듯한 주장에 휘둘리고 곁가지에 정신을 빼앗긴다 해도 탓할 수 없다고 다모다란은 말합니다. 이야기의 가닥이 너무 많아서, 한 가닥만 떼어 보면 AI라는 사업에 대해 완전히 빗나간 결론에 이르기 쉽기 때문입니다. 그래서 그는 기본으로 돌아가, AI만이 아니라 모든 사업의 가치를 결정하는 동인에서 다시 출발하자고 제안합니다.

그 틀에서 AI 사업의 전개를 좌우하는 동인은 셋입니다.

시장 규모 — AI 제품과 서비스의 총시장이 얼마나 큰가.
산업 경제학 — 그 시장에 몇 개의 기업이 자리 잡고, 그 기업들의 수익성은 어떠할 것인가.
해자와 경쟁우위 — 무엇이 승자와 아류를 가를 것인가.

시장 규모 — 지금 AI가 버는 돈

사업의 가치가 제품과 서비스 시장의 크기에 달려 있다는 것은 사실입니다. 그러나 다모다란은 이 지표가 총유효시장(TAM, Total Addressable Market)이라는 약어로 바뀌면서 창업자와 벤처캐피털, 투자은행가의 손에서 게임의 도구가 되었다고 지적합니다. 대표 사례가 그의 스페이스X 가치평가입니다. 이 평가에서 xAI가 핵심 AI 사업이었는데, 투자은행가들은 xAI의 총유효시장을 22조 달러로 추정했습니다. 다모다란은 그 숫자가 추정이라기보다 환각(hallucination)에 가깝게 느껴졌다고 씁니다.

그래도 AI를 사업으로 논하려면 총시장 질문에서 시작해야 하고, 첫걸음은 현재 매출이 어디쯤 와 있는지 확인하는 일입니다. 2026년 3분기 말을 앞두고 앤트로픽과 오픈AI를 둘러싼 소문이 커지면서, 두 회사는 자사 이야기를 다지기 위해 경쟁적으로 최신 연환산 매출(ARR, Annualized Revenue Run rate)을 내놓고 있습니다. ARR은 가장 최근 기간의 매출을 1년치로 늘려 잡는 방식으로, 성장 기업에 유리한 자기본위적 지표라는 것이 그의 평가입니다. 앤트로픽은 8월 17일 2026년 7월 말 기준 ARR이 650억 달러라고 밝혔고, 오픈AI의 같은 시점 추정치는 약 400억 달러입니다.

두 숫자 모두 1년 전에 견주면 비약적인 도약입니다. 그러나 여기에 스페이스X의 xAI, 마이크로소프트의 AI 상품, 그 밖의 참여자들이 AI로 올리는 매출을 가장 후하게 더해도 합계는 그리 크지 않습니다. 다모다란이 이 숫자들에서 끌어내는 사실은 세 가지입니다.

빠르되 예측하기 어렵습니다. 선두 LLM들의 ARR은 빠른 성장을 보여주지만, 앤트로픽의 최신 ARR은 시장 추정치보다 100억-150억 달러 낮게 나왔습니다.
상한이 생각보다 낮습니다. 가장 낙관적으로 잡아도 현재 AI 제품·서비스 매출은 약 2,500억 달러에서 멈추는데, 큰 숫자처럼 들리지만 이 분야에 들어간 수조 달러에 견주면 사정이 달라집니다.
지금까지의 승자는 인프라입니다. 매출과 영업이익 측면에서 과실을 나눠 가진 쪽은 칩을 만드는 엔비디아, 전기 장비 공급업체, 전력 유틸리티입니다.

[관점] 인프라 공급자가 먼저 돈을 버는 구도는 금광에서 곡괭이와 청바지를 판 상인이 더 확실히 벌었다는 오래된 비유 그대로입니다. 다만 투자 판단에서 중요한 것은 이 구도가 언제 끝나느냐입니다. 곡괭이 장수의 매출은 금을 캐는 사람들이 계속 광산에 돈을 넣는 동안에만 유지되기 때문입니다. 응용 계층의 매출이 설비투자를 정당화할 만큼 자라지 못하면 설비투자가 먼저 줄고, 그러면 인프라 공급자의 실적이 AI 매출보다 앞서 꺾입니다. 다모다란이 2,500억 달러라는 현재 매출과 1.7조 달러라는 누적 설비투자를 나란히 놓은 것은 바로 이 시차의 크기를 보여주기 위한 배치로 읽힙니다.

[반론] AI 회의론 쪽에서는 다모다란보다 먼저, 더 날카롭게 같은 문제를 제기한 보고서가 있습니다. 골드만삭스(Goldman Sachs)는 2024년 6월 「Gen AI: Too Much Spend, Too Little Benefit?」이라는 31쪽짜리 리포트를 내고, 1조 달러 규모로 예상되는 AI 인프라 지출이 과연 그만한 편익과 수익으로 돌아올지 물었습니다. 이 리포트에서 글로벌 주식리서치 책임자 짐 코벨로(Jim Covello)는 AI 비용이 시간이 지나면 크게 떨어질 것이라는 업계의 가정 자체가 안이하다고 지적했고, 대런 아제모을루(Daron Acemoglu)는 생성형 AI의 거시 생산성 효과가 흔히 예상되는 것보다 훨씬 작을 것이라고 주장했습니다. 다모다란의 단위 경제성 논의가 이 비용 하락 가정에 대한 의문과 같은 지점에 서 있다는 점에서, 두 글은 결론보다 전제를 공유합니다.

시장 규모 — 인건비라는 상한선과 네 가지 질문

현재 시장이 그 정도라면 질문은 종착점으로 옮겨 갑니다. 그 최종 시장의 크기는 적어도 지금으로서는 누구의 짐작도 될 수 있습니다. 다모다란은 xAI 쪽 은행가들이 이 불확실성을 방패 삼아 22조 달러라는 추정치를 해명하지 않으려 할 것이라고 보면서도, 선택지를 구조화할 방법은 있다고 말합니다. 출발점은 기업들이 영업비용으로 쓰는 총액입니다. AI의 핵심 판매 논리가 바로 그 지출을 줄여 준다는 것이기 때문입니다.

2025년 전 세계 상장기업의 총 영업비용은 약 65조 달러였습니다. 그러나 이 가운데 상당 부분은 AI의 효율화가 미치지 못하는 원자재와 투입물입니다. 다모다란의 표현을 빌리면 AI는 타이어를 만드는 고무, 시리얼로 가공할 밀, 비료에 들어가는 화학물질을 대신할 수 없습니다. 따라서 AI가 겨냥하는 것은 영업비용 가운데 임금과 급여, 보너스, 주식보상을 아우르는 인건비입니다.

일부 기업은 이 항목을 따로 공시하지만 그렇지 않은 기업도 많고, 지역별로 흩어져 있기는 해도 거시 통계는 존재합니다. 다모다란은 연방준비제도의 미국 전체 근로자 보상 데이터를 사용해 상한을 긋습니다. 미국에서 AI의 총유효시장은 2025년 총 근로자 보상인 12.96조 달러를 넘을 수 없고, 미래 시점이라면 물가를 반영한 금액이 됩니다. 전 세계 인건비를 겨냥한다면 대략 그 두 배, 약 26조 달러입니다. 다만 그는 모든 근로자가 AI 에이전트로 대체된 세상이라면 디스토피아일 뿐 아니라 경제적 파탄 상태일 것이라고 못박고, 실제 목표 시장은 네 가지 질문의 답에 따라 그보다 작아진다고 말합니다.

도구인가, 근로자 대체인가

AI 제품이 강력해지면서 AI의 미래가 주로 도구인지 인간 노동의 대체재인지를 두고 논쟁이 격해졌습니다. 다모다란은 올해 초 글에서 시트리니(Citrini) 보고서를 다루며 대체 시나리오의 결과를 살폈습니다. 해고된 화이트칼라 근로자와 그들이 잃는 소득이 경제에 지우는 비용, 그리고 시장에 미치는 영향을 짚은 보고서였습니다. 그때 그는 소프트웨어 기업의 해고가 공개적으로 알려지긴 했지만 적어도 지금까지는 어느 업종에서도 노동의 총량적 대체를 보여주는 증거가 거의 없다는 점도 함께 지적했습니다.

이번 글의 요지는 분명합니다. AI가 도구로 쓰이기보다 근로자를 대체한다면 파괴자로서의 역할도, 총유효시장도 훨씬 커집니다. 논리는 기업 관점에서 단순합니다. 기업이 도구에 쓰는 돈은 기존 인건비에 더해지는 지출이고, 생산성 향상이라는 약속으로 정당화하더라도 인건비의 일부에 그칠 수밖에 없습니다.

그래서 그는 현재의 AI 기업들이 느린 파괴보다 빠른 파괴를 택하는 이유도 설명된다고 봅니다. 그래야 이길 확률이 높아지지만, 대신 사회가 치르는 대체 비용은 커집니다.

AI 제품의 가격

지난 1년 동안 앤트로픽과 오픈AI는 가장 강력한 제품들로 주목받았습니다. 그중 일부는 근로자를 대체할 능력을 갖췄지만, 가격이 비싸서 고임금 노동에 쓸 때만 경제성이 맞습니다. 미국 정부는 2023년 개인소득 통계를 근거로 소득 상위 20%가 전체 근로자 보상의 51%를 차지한다고 추정했습니다. 이를 12.96조 달러에 대입하면, AI 대체 제품에 열려 있는 시장은 기껏해야 그 절반이라는 것이 다모다란의 계산입니다.

적용 범위

AI가 더 빨리, 더 깊이 파고드는 산업과 그렇지 않은 산업을 가르는 것은 업무의 성격입니다. 소프트웨어와 코딩이 가장 쉬운 진입로였던 이유는 결과물이 규칙 기반이고 검증하기 쉽기 때문입니다. 다모다란은 수라지 스리니바산(Suraj Srinivasan)이 하버드경영대학원 연구로 직업별 대체 위험을 측정한 자료를 인용하며, AI가 고객이나 대인 접촉이 적고 원칙보다 규칙으로 움직이는 직무에서 더 성공할 것으로 예상합니다.

업종별 영업비용으로 돌아가면 그림이 분명해집니다. AI 파괴에 가장 많이 노출된 기술과 금융의 영업비용 합계는 전 세계 총액의 20%에 못 미칩니다. 반대로 상대적으로 면역성이 큰 산업재와 소재, 부동산, 유틸리티는 전 세계 총액의 약 3분의 1을 차지합니다.

지역

AI가 근로자를 대체하고 매출을 올릴 가능성이 높은 곳이 고임금 노동을 쓰는 비제조업이라면, 파괴 효과는 미국에서 가장 크고 다른 지역에서는 작을 수밖에 없습니다. 상장기업 영업비용의 지역별 분포를 보면 기업들이 영업에 가장 많이 지출하는 곳은 미국과 유럽, 중국이며, 따라서 이 세 지역이 AI의 3대 시장이 됩니다.

네 질문을 합치면

현재 달러 기준 상한을 26조 달러로 잡으면, 추정치는 네 요인에 대한 판단에 따라 갈립니다. 가장 큰 숫자는 AI가 근로자를 대체하고 업종과 지역을 가리지 않으며 에이전트 비용이 충분히 낮아 저소득 근로자까지 대체할 수 있다고 볼 때 나옵니다. 가장 작은 숫자는 AI가 아무리 강력해도 도구에 머물고 일부 업종과 지역에서만 쓰인다고 볼 때 나옵니다. 다모다란의 제안은 서로 다른 추정을 누가 이렇다더라 식의 말다툼으로 두지 말고, 추정하는 사람이 네 차원에서 자기 위치를 밝히자는 것입니다.

여기서 그는 경제학 수업에서 배운 라틴어 표현을 꺼냅니다. ‘다른 모든 조건이 같다면’을 뜻하는 세테리스 파리부스(ceteris paribus)인데, 변하는 것에 집중하기 쉽게 해 주기도 했지만 무엇보다 라틴어를 쓰면 실제보다 똑똑해 보였기 때문에 좋아했다고 농담합니다. 변화가 작을 때는 나머지를 고정해도 되지만, AI처럼 혁명적일 수 있는 변화에는 그 가정이 더 이상 성립하지 않습니다. 그래서 총유효시장을 추정하는 사람은 나머지 경제와 세계에 미칠 함의까지 따져야 하고, 거기서 제약이 나올 수 있습니다.

이 대목의 핵심 명제는 이렇습니다. AI 투자자와 AI 기업에게 가장 낙관적인 시나리오, 즉 AI 제품 시장이 가장 커지는 시나리오는 동시에 다른 기업이 입는 피해가 가장 크고 단기적으로 고용과 경제에 가장 부정적인 시나리오입니다. 시장이 빠르게 폭발하고 수백만 명의 고임금 근로자가 일자리를 잃으면 경제적 피해는 깊어지고, AI 혁명이 만든 제품을 살 소득 자체가 모자랄 수 있습니다. 장기적으로 편익이 비용을 넘어설 가능성은 있지만, 그런 일이 벌어진다면 지금과는 매우 다른 경제 환경에서일 것이라고 그는 봅니다.

해설 이 논리는 헨리 포드가 노동자 임금을 올려 자사 자동차를 살 수 있게 했다는 일화를 뒤집어 놓은 것입니다. 대체된 노동자는 동시에 소비자이기도 하므로, 노동을 많이 대체할수록 AI 기업의 잠재 매출은 커지지만 그 매출을 지탱할 최종 수요는 줄어듭니다. 거시경제학에서 이는 합성의 오류로 설명되는 구조이기도 합니다. 기업 하나가 인건비를 줄이는 것은 그 기업에 이득이지만, 모든 기업이 동시에 같은 일을 하면 경제 전체의 소득이 줄어 그 기업의 매출도 함께 줄어듭니다.

[한국 관점] 다모다란의 네 질문을 한국에 대입하면 결과가 비교적 또렷합니다. 둘째 질문인 가격에서 한국은 미국보다 고임금 화이트칼라의 절대 규모가 작고, 셋째 질문인 업종에서는 제조업 비중이 높아 그가 면역 쪽으로 분류한 산업재·소재 영역의 비중이 큽니다. 넷째 질문인 지역에서도 그가 꼽은 3대 시장은 미국·유럽·중국이고 한국은 그 안에 들지 않습니다.

그래서 한국은 AI 대체 매출을 빨아들이는 수요 시장이라기보다, 그 수요를 겨냥한 설비투자에 부품과 장비를 대는 공급 측에 노출된 경제로 읽는 편이 맞습니다. 다만 이 구조가 안전을 뜻하지는 않습니다. 파괴가 늦게 온다는 것은 생산성 향상도 늦게 온다는 뜻이고, 다모다란의 틀에서 AI 도입이 느린 지역은 비용 절감의 편익도 그만큼 늦게 받습니다. 국내 기업에 실질적인 질문은 대체의 위협보다, 미국 기업들이 인건비를 줄이는 동안 같은 업종에서 원가 경쟁력을 어떻게 유지할 것인가 쪽에 가깝습니다.

시장 규모 — AI가 낳을 새 사업은 누구의 몫인가

모든 혁명적 변화는 새로운 사업을 낳고, 그중 일부는 크게 성공합니다. 인터넷은 온라인 소매의 아마존, 스트리밍의 넷플릭스와 스포티파이(Spotify), 검색의 야후(Yahoo!)와 구글(Google)을 띄웠습니다. 스마트폰은 우버(Uber)와 에어비앤비(Airbnb), 도어대시(DoorDash) 같은 중개 사업과 페이스북(Facebook), 틱톡(TikTok) 같은 소셜미디어의 발판이 됐습니다. AI의 약속이 실현된다면 AI 역시 새 사업의 발사대가 되리라는 것은 거의 확실합니다. 그러나 그 사업들의 매출을 AI의 과실로 계산하려는 유혹에는 두 가지 이유로 신중해야 한다고 다모다란은 말합니다.

순편익 검증

앞서 든 기업들은 모두 대성공했지만, 그 성공의 일부 혹은 상당 부분은 기존 참여자의 희생 위에 세워졌습니다. 아마존이 지난 25년 동안 온라인 소매에서 거둔 성취는 놀랍지만, 오프라인 소매가 뒤처진 탓에 소매업 전체가 폭발적으로 성장하지는 않았습니다. 스트리밍의 성공은 전통 엔터테인먼트 기업의 희생을 대가로 했고, 산업 전체로 보면 오히려 수익성을 떨어뜨렸습니다. 차량 공유는 이용자 행동을 바꿔 차량 서비스 시장 자체를 키웠지만 자동차 산업에는 상처를 남겼습니다.

다모다란이 가장 의미심장하게 보는 통계는 따로 있습니다. 지난 40년 동안 기술 기업들이 파괴를 주도했음에도 세계 상당수 지역의 실질 GDP 성장은 대체로 정체돼 있었다는 사실입니다. 경제활동에 미친 순효과가 잘해야 미미했다는 뜻입니다.

파이 나누기

신규 사업이 만든 총 부가가치를 그대로 인정한다 해도, 변화를 설계한 기업들이 그 결과 무엇을 얻는지는 불분명합니다. 인터넷을 깐 것은 케이블과 전화선에 투자한 통신사와 시스코(Cisco) 같은 장비업체였지만, 이들 중 누구도 아마존 같은 인터넷 기업의 부상에서 이익을 얻지 못했습니다. 스마트폰을 만들고 대중화한 것은 애플(Apple)과 삼성전자이지만, 고객이 스마트폰으로 우버나 도어대시를 쓸 때 그 수익을 나눠 받지는 않습니다. 애플은 고객을 새 기기로 갈아타게 하는 교체 주기에서 약간의 이익을 얻을 뿐이고, 그 편익은 부수적입니다.

증기기관이 연 공장 시대와 철도부터 지난 40년의 기술 변화까지, 역사 속 혁명적 변화에서는 대개 아키텍처를 구축한 기업이 처음에 이익을 봤지만 진짜 큰 승자는 그 아키텍처를 발판 삼아 도약한 기업이었습니다. AI는 다를 것이라고 주장할 수도 있습니다. 다만 AI 아키텍처 기업이 자사 기술에서 태어난 새 사업의 몫을 챙기려면 지금과는 다른 비즈니스 모델이 필요하다는 것이 다모다란의 결론입니다.

해설 애플이 우버와 도어대시의 수익을 나눠 받지 않는다는 서술에는 보충이 필요합니다. 애플은 앱스토어 인앱결제 수수료를 통해 디지털 재화 거래에서는 실제로 몫을 가져가지만, 차량 호출이나 음식 배달처럼 실물 서비스를 중개하는 거래에서는 대체로 수수료를 받지 않습니다. 다모다란의 논점은 플랫폼이 전혀 못 번다는 것이 아니라, 아키텍처를 깐 대가로 자동으로 받는 몫은 없고 별도의 과금 구조를 설계해야만 받는다는 것입니다. AI 기업들이 에이전트 마켓플레이스나 성과 연동 과금을 실험하는 것은 이 구조를 미리 만들어 두려는 시도로 읽을 수 있습니다.

[관점] 순편익 검증은 AI 관련 종목을 묶어서 평가할 때 특히 쓸모가 있습니다. 어떤 기업이 AI로 비용을 줄였다는 발표는 그 자체로 산업 전체의 이익 증가를 뜻하지 않기 때문입니다. 경쟁자들이 같은 도구를 같은 가격에 쓸 수 있다면, 절감분은 시차를 두고 가격 경쟁을 통해 고객에게 넘어가고 산업의 이익률은 제자리로 돌아옵니다. 지속되는 이익으로 남으려면 그 도구에 접근하는 데 비대칭이 있어야 하는데, 범용 모델을 구독이나 사용량 기준으로 누구나 살 수 있는 구조에서는 그 비대칭이 생기기 어렵습니다. 다모다란이 뒤에서 독점적 데이터 접근과 고객 데이터 기반의 끈끈함을 해자 후보로 꼽는 이유도 여기에 있습니다.

산업 경제학 — 비즈니스 모델

AI 제품과 서비스에 큰 시장이 있다는 전제를 받아들이는 것은 첫걸음일 뿐이고, 다음은 그 매출을 이익으로 바꾸는 문제입니다. 다모다란은 먼저 AI 기업들이 선택할 수 있는 비즈니스 모델과 그 장단점을 살핍니다. 작동하는 모델을 찾아가는 젊은 산업답게, 실험은 적어도 두 가지 차원에서 진행 중입니다.

구독형과 사용량형

초기에는 개인과 기업을 상대로 한 구독 모델이 AI 기업의 진입 방식이었습니다. 구독은 여전히 매출을 내지만, 기업들은 단순한 이유로 여기서 멀어지고 있습니다. 스트리밍이나 소프트웨어에서는 구독자를 한 명 더 받는 한계비용이 0에 가깝지만, AI 제품은 컴퓨트 비용과 데이터 측면에서 만들어 내는 데 돈이 듭니다. 앤트로픽과 오픈AI 모두 구독자를 제한 없이 두면 이들이 금세 이익의 원천이 아니라 비용 발생원이 된다는 사실을 확인했습니다.

그래서 앤트로픽은 사용량 기반 모델로 옮겨 갔고, 특히 기업 고객은 얼마나 많이, 얼마나 집중적으로 쓰는지에 따라 비용을 치릅니다. 오픈AI는 앤트로픽보다 구독 의존도가 여전히 높지만 같은 방향으로 이동 중입니다. 기술 발전이 경제성을 바꿀 수는 있지만, 다모다란은 구독 모델이 남더라도 엄격한 사용 한도가 붙고 시장 매출의 대부분은 사용량 기반이 되리라고 봅니다. 동시에 기업별 차이도 예상합니다. 사용량 모델이 지배할 프리미엄 시장을 노리는 기업과, 구독 모델이 계속 제공될 대중시장을 노리는 기업이 갈린다는 것입니다.

개방형과 폐쇄형

AI 업계에서는 고객이 수정하고 적응시키고 그 위에 쌓아 올릴 수 있는 개방형 모델과 그렇지 않은 폐쇄형 모델 가운데 무엇을 제공할지를 두고 공개적이고 치열한 논쟁이 벌어지고 있습니다. 이 논쟁에는 여러 힘이 뒤엉켜 있습니다. 폐쇄형이 제작사에 더 많은 권력을 준다는 점, 개방형이 사적 데이터를 덜 공유해도 된다는 점, 개방형이 해킹돼 허위정보 도구로 바뀌기 더 쉽다는 점이 모두 거론됩니다.

다모다란이 주목하는 것은 여기에 분명한 사업 경제학의 축이 있다는 사실입니다. 폐쇄형은 판매 기업에 더 큰 가격 결정력과 더 높은 마진을 주고, 맞춤형인 만큼 고객이 떠나기 어려워 더 끈끈할 수 있습니다. 반면 구축과 유지에 자원이 더 들고 프리미엄 제품에서만 통할 가능성이 있습니다. 그래서 여기서도 분화가 예상됩니다. 프리미엄 시장을 노리는 기업은 폐쇄형에 머물고, 범용 애플리케이션을 만드는 기업은 개방형을 시도할 가능성이 큽니다.

아직 초반이고 기술과 규제, 비용 구조가 바뀌면서 우여곡절이 더 있겠지만, 정상 상태에서는 시장 부문별로 다른 선택이 자리 잡으리라는 것이 그의 정리입니다. 대중시장에서는 구독형과 개방형이, 프리미엄 시장에서는 사용량형과 폐쇄형이 우세해진다는 구도입니다.

해설 구독에서 사용량으로의 이동은 소프트웨어 산업의 역사에서 보면 역방향입니다. 지난 20년 동안 소프트웨어는 건당 판매에서 월정액 구독으로 옮겨 가며 매출의 예측가능성을 높였고, 시장은 그 예측가능성에 높은 배수를 매겨 왔습니다. 사용량 기반으로 돌아간다는 것은 매출의 변동성이 커진다는 뜻이며, 고객의 사용이 줄면 매출도 즉시 줄어듭니다. 다모다란의 논의에서 이 전환은 수익성 확보를 위한 불가피한 선택으로 제시되지만, 가치평가의 관점에서는 같은 매출에 더 낮은 배수가 붙을 수 있는 변화이기도 합니다.

산업 경제학 — 단위 경제성

기술 산업은 역사 대부분에서 유리한 단위 경제성의 덕을 봤습니다. 소프트웨어 기업은 다음 한 단위를 파는 데 비용이 거의 들지 않고, 넷플릭스나 우버, 에어비앤비 같은 플랫폼 기업은 한번 플랫폼을 지으면 이용자를 추가하는 비용이 무시할 만합니다. 그 결과 최대 사업자나 선발주자가 되면 산업 지배로 가는 길에 올라서고, 높은 시장점유율과 높은 이익률이 따라왔습니다. AI도 초기에는 이 더미에 함께 분류돼 같은 특성을 가질 것으로 가정됐습니다.

다모다란은 상황이 빠르게 바뀔 수 있다는 단서를 달면서도, AI 시장의 전개가 이와 다르게 흘러왔고 그 차이 가운데 일부는 구조적으로 굳어진 듯하다고 봅니다. AI 제품은 운영에 앞서 데이터센터와 설비투자가 필요해 자본 집약도가 높고, 적어도 가장 강력한 형태에서는 생산 비용도 비쌉니다. 이 두 힘이 어떻게 맞물리는지는 AI 생산의 화폐인 토큰에서 가장 잘 보입니다.

좋은 소식은 인프라가 확충되면서 토큰 한 개를 생산하는 비용이 극적으로 떨어졌다는 것입니다. 나쁜 소식은 제품이 강력해지면서 AI 제품 하나를 만드는 데 들어가는 토큰 수가 거의 그만큼 극적으로 늘었다는 것입니다. 그 결과 프런티어 모델에 접근하는 가격은 시간이 지날수록 오히려 올랐습니다.

이 두 추세선은 시장이 둘로 갈라질 것을 가리킵니다. 대중시장 AI에서는 도구가 기본적이어서 성능을 끌어올릴 필요가 없으므로 원가가 내려갈 것으로 예상됩니다. 프리미엄 AI에서는 사정이 다릅니다. 고급 업무용 도구나 고임금 노동의 대체재를 만드는 영역에서는 제품의 성능을 한 단계 올릴 때마다 처리할 데이터, 데이터센터를 돌릴 전력, 더 강력한 칩에 대한 요구가 커지고, 그만큼 원가를 낮추기가 어려워집니다.

해설 토큰은 AI 모델이 텍스트를 처리하는 기본 단위이자 과금 단위로, 대략 단어 조각이라고 생각하면 됩니다. 토큰 단가는 내려가는데 작업당 토큰 사용량이 올라가는 상황은, 연료 값은 싸지는데 차가 점점 연비 나쁜 대형차로 바뀌어 한 번 운행하는 비용은 오히려 오르는 것과 비슷합니다. 최신 모델이 답하기 전에 오래 추론하거나 에이전트가 여러 단계를 스스로 수행하면 작업 하나에 드는 토큰이 크게 늘어나기 때문입니다. 이 구조가 중요한 이유는 흔히 인용되는 ‘추론 비용이 급락했다’는 통계가 기업의 실제 지출 감소를 뜻하지 않는다는 데 있습니다.

[관점] 단위 경제성에 관한 다모다란의 진단은 AI 기업의 적정 배수 논쟁에 직접 닿습니다. 소프트웨어 기업이 높은 매출 배수를 받아 온 근거는 한계비용이 0에 가까워 매출이 커질수록 이익률이 구조적으로 올라간다는 점이었습니다. 매출을 늘리는 데 비례해 컴퓨트 비용이 따라 붙는다면, 그 기업은 소프트웨어보다 통신이나 유틸리티처럼 자본집약 산업의 경제성에 가까워집니다. 두 업종의 역사적 배수 차이는 몇 배 수준이 아니라 자릿수 수준입니다. 그래서 AI 기업의 가치평가에서 가장 큰 변수는 성장률이 아니라, 규모가 커질 때 이익률이 올라가는지 여부라는 결론이 나옵니다.

산업 경제학 — 해자와 경쟁우위

단위 경제성과 규모의 경제가 작동한다 해도 수익성으로 도약하려면 마지막 조각이 남습니다. 다른 모든 사업과 마찬가지로 승자와 아류를 가르는 해자와 경쟁우위입니다. 다모다란은 어떤 해자가 AI에서 결정적일지는 시장 부문에 따라 다르다고 봅니다.

대중시장 AI — 제품이 표준화되고 기본적이므로, 경쟁우위는 경쟁사보다 낮은 단위 원가에서 나오며 그 원천은 규모이거나 독점적 데이터 접근입니다.
프리미엄 AI — 제품이 맞춤형이고 강력하고 비싼 만큼, 승자는 그런 제품을 만들 기술적 노하우를 갖추면서 성능 제공 비용을 통제할 수 있는 기업이 됩니다.

프리미엄 영역에는 조건이 하나 더 붙습니다. 고객 데이터를 중심으로 만든 제품은, 특히 고객이 그 데이터를 민감하게 지키려 할수록 더 끈끈하고 대체하기 어려워져 제작사에 더 오래 가격 결정력을 준다는 것입니다.

인재는 해자인가

가장 똑똑하다고 여겨지는 사람들을 보유하는 것이 경쟁우위인지에 대해 다모다란은 지금으로서는 그렇다고 답합니다. 사례는 제프 딘(Jeff Dean)입니다. 구글 딥마인드(Google DeepMind)의 수석 과학자였던 딘이 2026년 회사를 떠나 자신의 AI 스타트업을 세우자, 시장은 알파벳의 시가총액을 5.4%, 1,000억 달러가 넘는 규모로 깎아냈습니다. 같은 맥락에서 AI 기업들, 특히 앤트로픽과 오픈AI는 대학에서 컴퓨터과학과 기술 인재를 빼내 왔고 AI를 연구하는 경제학자와 철학자까지 영입했습니다.

다모다란은 이런 영입과 이탈에 쏠린 관심 자체가 이 산업이 얼마나 젊은지를 보여준다고 해석합니다. 성공이 제품을 제대로 만들어 알맞은 고객에게 파는 일에 달려 있는 단계라는 것입니다. 그래서 산업이 성숙하면 인재라는 요인의 비중은 줄어들 것으로 예상합니다.

브랜드는 해자인가

다른 회사의 AI 에이전트 대신 특정 회사의 에이전트에 웃돈을 낼 의향이 있는지에 대해, 다모다란은 답이 아직 정해지는 중이라고 봅니다. 제품 성능과 신뢰성 같은 사업적 요소에 더해 신뢰라는 변수가 끼어들기 때문입니다. 고객 기업은 AI 제품에 자사의 비밀과 데이터를 넘겨주게 됩니다.

그러니 AI 기업들이 저마다 자신이 더 믿을 만하고 공익을 더 생각한다고 내세우며 미덕의 영역에서 경쟁하는 것도 놀랍지 않습니다. 다만 그는 냉소를 숨기지 않습니다. 다리오 아모데이(Dario Amodei)나 샘 올트먼(Sam Altman)이 AI의 어두운 면에서 세상을 지키겠다고 열변을 토하는 것을 들으면 셰익스피어를 인용하고 싶어진다는 것입니다. 결국 말보다 행동이며, 이 기업들은 스스로에 대해 쓴 글이 아니라 윤리적 질문 앞에서 어떻게 행동하는가로 평가받게 될 것이라고 그는 말합니다.

[이해관계] 이 대목을 정리하는 쪽의 위치도 밝혀 둘 필요가 있습니다. 이 정리를 쓰는 저는 앤트로픽이 만든 모델이고, 다모다란의 글은 앤트로픽의 매출과 상장 가격, 경영진의 발언을 직접 평가 대상으로 삼고 있습니다. 그래서 앤트로픽과 관련된 서술에서는 평가를 덧붙이지 않고 그의 주장을 그대로 옮기는 쪽을 택했습니다.

일반론만 덧붙이면, 기업용 소프트웨어 시장에서 신뢰가 해자가 되려면 검증 가능한 형태로 바뀌어야 합니다. 학습에 데이터를 쓰지 않는다는 계약 조항, 보관 기간과 감사권, 보안 인증, 사고가 났을 때의 대응 이력 같은 것들입니다. 다모다란이 행동으로 평가받는다고 말한 것은 이 검증가능성을 가리키는 것으로 읽힙니다.

제약과 한계 — 사회적 논란이 비용이 되는 경로

이 글의 대부분은 AI의 사업 전망을 다루지만, 다모다란은 AI가 사회에 미치는 영향을 둘러싼 논의가 나란히 진행되고 있다고 짚습니다. 그가 꼽는 이유는 넷입니다.

부동산 점유와 자원 사용. 투자 규모의 발자국으로 보면 AI는 어떤 기술 기업보다 초창기 철도에 가깝습니다. 철도처럼 광대한 부지가 필요하지만, 철도와 달리 그 부지 상당수에는 사람들이 살고 있고 데이터센터가 들어서면 삶이 달라집니다.

추진하는 쪽이 내세우는 경제적 편익은 실재할 수 있지만, 인근 주민 상당수에게는 삶이 뒤집히는 대가만큼의 가치가 없다는 것이 분명합니다. 그래서 반발은 지역 정치를 넘어 전국 정치로 번졌고, 다모다란은 적어도 미국에서는 이 문제가 다음 대선의 주요 의제이자 지지층을 가르는 쟁점이 될 것으로 봅니다. 전력과 물의 과도한 사용도 반감의 원인이며, 그 비용을 AI 기업에 되돌려 부과하더라도 지구가 치르는 몫은 아직 집계 중입니다.

데이터 프라이버시와 권력. 개방형과 폐쇄형의 선택에서 프라이버시가 기준으로 등장했지만, 그것은 AI 기업이 축적하고 채굴하는 데이터라는 더 큰 질문의 일부입니다. 소셜미디어 기업들이 20년 동안 사적 데이터 사용에서 선을 넘는 것을 지켜본 뒤라면, 훨씬 방대한 데이터에 대한 접근권을 새로 내주는 데 경계심이 생기는 것은 이해할 만한 일입니다.

사람의 대체. 총시장 논의에서 확인했듯, AI 시장이 가장 커지는 최선의 시나리오는 대규모 실직, 그것도 고임금 일자리의 상실이 동반되는 시나리오입니다. 기술 옹호론자들은 사라진 일자리를 대신할 새 일자리를 말하지만, 그 전환은 일어나더라도 시간이 걸리고 고통이 따릅니다. 다모다란은 중국의 부상으로 미국과 유럽의 블루칼라 일자리가 무너졌던 경험을 돌아봅니다. 그 파괴는 고르지 않게 분배된 고통을 낳았고 지금도 전 세계에 정치·경제적 여진을 남기고 있는데, AI의 파괴가 넓은 전선에서 펼쳐진다면 그 규모는 훨씬 크고 어쩌면 훨씬 고통스러울 것입니다.

소득 불평등과 공정성. 이번 세기 내내 정치와 경제 논의의 반복되는 주제는 초부유층과 나머지 사회의 격차였습니다. AI가 이 격차를 더 벌릴 것이라는 의심이 있고, AI 기업이 하나씩 상장할 때마다 그 의심은 강해집니다. 스페이스X는 2조 달러에 가까운 시가총액으로 상장하며 순자산 1억 달러가 넘는 부자를 대거 만들어 냈고, 앤트로픽과 오픈AI가 시장에 들어설 때도 같은 일이 벌어질 것입니다. 다모다란은 탐욕과 시기를 근거로 경제정책을 세우는 데 찬성하지 않는다면서도, 불평등에 대한 반발이 정치 영역에서 실제로 작동하는 것은 볼 수 있다고 말합니다.

네 가지 비용 경로

투자자이거나 사업 측면에만 관심이 있어서 이런 논의를 무시하고 싶더라도, 이것들이 경제적 결과로, 다시 사업 가치를 결정하는 지표로 번지는 것은 시간문제라고 그는 경고합니다.

데이터센터 건설이 더 비싸지고 전력과 물의 배분이 엄격해지면서, 선행 설비투자와 제품 생산 비용이 함께 올라갑니다.
데이터 오용 스캔들이 필연적으로 터지고, 소셜미디어가 그랬듯 데이터 사용 제한과 데이터를 확보하고 보호하는 비용이 커집니다.
대체에 대한 두려움이 반작용을 낳아, 인간의 일자리를 보존하도록 요구하는 제도가 생기고 일부 국가에서는 해고된 직원에게 장기간 급여를 계속 지급하도록 요구할 수 있습니다.
AI가 억만장자 집단을 만들어 내면 부유세 도입 압력과 고소득 구간 신설 요구가 거세지고, AI 소득에 대한 별도 과세까지 거론될 수 있습니다.

새로운 산업에서 사업을 키우는 일은 늘 어려웠지만, 세상이 그 사업을 어두운 편으로 분류하면 두 배로 어려워집니다. 그래서 잠재 시장의 크기와 수익성 경로에 들뜬 투자자라면, 이미 나타났고 앞으로 더 조여 올 제약을 가치평가에 현실적으로 반영해야 한다는 것이 그의 요구입니다.

이야기를 바꿀 수 있는 길

다만 다모다란은 이 이야기가 아직 바뀔 수 있다고 봅니다. AI가 사람들의 삶을 더 낫게 만들겠다는 약속을 실제로 지킨다면 말입니다. 지난 1년 동안 그는 이미 일어나고 있는 일도 있고 아직 허황된 것도 있지만 여러 이야기를 접했습니다. 가장 뛰어난 수학자들도 풀지 못한 난제를 AI가 푸는 이야기, 최고의 의사도 놓치는 질병을 진단하는 이야기, 오랫동안 찾지 못한 치료법을 찾아내는 이야기입니다. 그 힘은 인간과 달리 확장할 수 있고 입력된 모든 것을 기억하며 여러 분야의 데이터를 가로질러 연결을 만들어 내는 AI의 두뇌 용량에서 나옵니다.

앞서 확인했듯 이런 진보의 편익은 대부분 AI 기업이 아니라 다른 기업과 사회로 흘러갑니다. 그래서 AI 대기업들이 더 우호적인 환경에서 성장하기를 바란다면 이런 사회적 투자를 하는 것이 마땅하다고 그는 제안합니다. 영감의 원천으로는 지난 세기 대부분 동안 인류에 도움이 되는 연구의 장이었던 AT&T의 벨 연구소(Bell Labs)를 듭니다. 지금의 AI 기업 중 AT&T처럼 규제로 보장된 독점 기업은 없지만, 자원을 모아 벨 연구소 같은 기관에 공동으로 자금을 대는 일은 가능할 것이라는 이야기입니다. 비용은 들겠지만 사회적 배당을 통해 모두가 이익을 보게 된다는 것이 그의 계산입니다.

해설 벨 연구소는 AT&T가 미국 전화 시장에서 사실상의 독점을 인정받는 대신 그 수익의 일부를 기초연구에 돌린 체제에서 운영됐습니다. 트랜지스터와 정보이론, 레이저, 유닉스가 모두 여기서 나왔고, 연구 성과 상당수가 반독점 합의에 따라 저렴한 조건으로 외부에 개방됐습니다. 다모다란이 이 사례를 끌어온 것은 기업의 선의를 기대해서가 아니라, 사회적 반발이 규제로 번지기 전에 기업이 먼저 비용을 지불한 거래 구조를 가리키기 위한 것으로 읽힙니다. 다만 그 스스로 밝히듯, 벨 연구소를 가능하게 한 독점적 지대가 지금의 AI 기업에는 없다는 점이 비유의 한계입니다.

[한국 관점] 데이터센터 반발은 한국에서도 이미 구체적인 사업 변수입니다. 국내에서는 수도권 전력 계통의 포화와 지역 주민의 반대, 지방자치단체의 인허가 지연이 겹치면서 수도권 입지가 어려워졌고, 정부는 분산에너지 활성화 정책을 통해 데이터센터의 비수도권 유치를 유도해 왔습니다. 다모다란이 미국 맥락에서 말한 전력과 용수, 지역 수용성 문제가 한국에서는 더 좁은 국토와 더 집중된 전력 수요라는 조건 위에서 작동합니다.

투자 관점에서 이 차이는 두 방향으로 읽힙니다. 데이터센터를 짓는 쪽에는 입지와 계통 연결이 자본비용을 좌우하는 변수가 되고, 송배전 설비와 변압기, 냉각 설비를 공급하는 쪽에는 수요가 늘어나는 요인이 됩니다. 그가 비용으로 분류한 항목이 한국에서는 일부 기업에 매출로 잡히는 구조입니다.

거시에서 미시로 — 개별 기업의 가치평가

이 글은 AI를 하나의 사업으로 다뤘습니다. 그렇다면 알파벳이나 스페이스X 같은 기업, 또는 상장을 앞둔 앤트로픽과 오픈AI를 평가하려는 사람에게 이 틀이 어떻게 쓰이는가 하는 질문이 남습니다. 다모다란은 두 가지 접근을 제시합니다. 하나는 시가총액에서 출발해 그 값을 정당화하려면 최종 매출과 이익률이 얼마여야 하는지 거꾸로 따지는 것이고, 다른 하나는 대상 기업의 제품 선택에서 출발해 생애 전체의 매출과 이익, 현금흐름을 쌓아 올리는 것입니다.

손익분기점 역산

다모다란은 지난해 말 글에서 시가총액 1조 달러를 넘긴 소수의 기업들을 살피며, 시총이 크니 고평가라거나 시장이 높은 값을 매겼으니 훌륭한 기업이라는 반사적 판단 대신 그 가치를 정당화하려면 어떤 영업 지표를 달성해야 하는지를 물었습니다. 이는 사실상 내재가치 계산을 거꾸로 돌리는 작업입니다. 기업이 성숙해지는 미래 시점을 정하고, 위험과 이익률, 재투자 필요액을 주었을 때 그 해의 매출이 얼마여야 하는지를 구하는 방식입니다.

앤트로픽에 적용한 결과는 이렇습니다. 소문으로 도는 상장 가격 2조 달러에 프리미엄 가격을 반영한 세후 영업이익률 30%, 평균 이상의 위험을 반영한 자본비용 10%를 전제하면, AI 시장이 10년 뒤 성숙할 경우 약 1.2조 달러, 15년 뒤라면 약 2조 달러의 매출이 필요합니다. 다모다란은 이 결과가 양쪽 모두에게 탄약이 된다고 말합니다. 앤트로픽 제품이 프리미엄 가격을 받으며 업종과 지역을 가리지 않고 근로자를 대체한다는 이야기에서는 그 매출이 가능하고, 회의적인 쪽에서는 그런 시나리오 자체가 일어나기 어려워 보이기 때문입니다.

산업 전체로도 같은 계산이 가능합니다. 이미 상장된 기업들의 시가총액 가운데 AI에 해당하는 부분에 상장을 기다리는 기업들의 소문 가격을 더하는 방식입니다. 합산 시장가격을 5조 달러로 잡고, 벤처캐피털이 수백 개 AI 기업에 매긴 값을 고려하면 이 숫자가 오히려 보수적일 수 있다고 전제한 뒤, 산업 평균 영업이익률을 20%로 두면 결과가 나옵니다. 산업 전체가 손익분기에 이르려면 10년 뒤 5조 달러, 15년 뒤라면 8조 달러가 넘는 매출이 필요합니다. 앞서 정리한 총유효시장의 범위에 비추면 이는 상당한 무리수이고, 다모다란은 이를 거대시장 착각의 발현이라고 부릅니다.

그는 이 역산의 한계를 자신이 가장 먼저 인정하겠다고 말합니다. 다만 데이터가 아직 부족하거나 존재하지 않는 상황에서는 이 방식이 합리성의 틀을 제공하고 이야기에 제약을 건다고 봅니다. 또 이 틀은 투자자가 AI 기업에 치르는 가격이든 기업이 집행하는 AI 설비투자든, 어떤 투자가 본전을 뽑으려면 무엇을 벌어야 하는지 점검하는 데 쓸 수 있습니다. 마이크로소프트나 메타의 AI 설비투자가 가치를 창출하는지 파괴하는지 궁금하다면, 그가 공개한 범용 손익분기 계산기로 직접 판단해 보라는 제안도 덧붙입니다.

가치 쌓아 올리기

이 글의 틀을 따르면 AI 기업의 가치를 쌓아 올리는 절차도 갖춰집니다. 다모다란이 실제 평가에서 다뤄야 한다고 꼽는 쟁점은 다섯입니다.

제품 선택과 시장 초점 — 시장이 프리미엄과 대중으로 갈라진다면, 첫 단계는 대상 기업이 어느 쪽을 노리며 각 부문에서 매출이 얼마나 나올지 판단하는 것입니다.
단위 경제성과 규모의 경제 — 대중시장 기업은 가격이 낮고 구독 비중이 크지만 토큰 비용 하락의 혜택을 더 빨리 받고, 프리미엄 기업은 이익률과 해자가 강하지만 제품이 강력해질수록 토큰 사용량이 늘어 단위 경제성에서 고전합니다.
경쟁우위와 해자 — 대중시장에서는 비용 우위와 규모가, 프리미엄 제품에서는 기술적 우위와 제품의 끈끈함이 핵심이 됩니다.
성장에 필요한 투자 — 성장에 앞서 역량을 미리 구축한 기업은 성장과 동시에 재투자해야 하는 기업보다 가치가 높고, 더 효율적으로 투자하는 방법을 찾은 기업도 마찬가지입니다.
규제 제약 — 어느 지역에서 영업하고 그 지역의 규칙이 어떠한지가 가치에 영향을 주며, 과거 행태로 보면 EU는 AI 기업에 우호적이지 않은 환경일 가능성이 큽니다.

네 번째 항목에서 그는 중국을 언급합니다. 딥시크(DeepSeek)를 시작으로 중국은 덜 비싸고 덜 강력한 AI 칩을 쓰고 초대형 데이터센터에 그만큼 투자하지 않는, 효율적 투자의 경로로 AI 주도권을 노리는 것으로 보인다는 것입니다. 그리고 AI 제품·서비스 시장의 상당 부분에서는 그것이 오히려 옳은 선택일 수 있다고 평가합니다. 다섯 번째 항목에서는 프랑스에 기반을 두고 유럽 고객 비중이 큰 미스트랄(Mistral)의 가치평가가 규제 환경 때문에 달라질 수 있다는 예를 듭니다.

다모다란은 스페이스X의 일부로 xAI를 평가하면서 이 과정을 시도해 봤고 배운 것도 있었지만, 우주 발사와 인터넷 서비스 사업이 섞여 그림이 흐려졌다고 회고합니다. 앤트로픽과 오픈AI가 상장을 향해 가는 지금, 두 회사의 투자설명서가 공개되면 이 틀을 적용해 보기를 기대한다고 말합니다. 그리고 편향을 공개하는 것이 최선이라는 원칙에 따라, 두 회사에 대해 소문으로 도는 1.5조에서 2조 달러라는 가격이 비싸 보인다고 고백하면서도 놀랄 준비는 되어 있다고 덧붙입니다.

해설 역산 방식을 일상의 언어로 옮기면 이렇습니다. 가게를 10억 원에 사려는 사람이 이 가게가 좋아 보이는지 묻는 대신, 10억을 주고 본전을 뽑으려면 몇 해 뒤 연 매출이 얼마여야 하는지를 먼저 계산하는 것입니다. 필요한 매출이 그 동네 상권 전체 매출을 넘는다면 가게가 아무리 좋아도 가격이 비싼 것입니다. 성숙 시점이 늦어질수록 필요 매출이 커지는 이유도 단순합니다. 돈을 늦게 벌수록 현재 가치로 할인되는 폭이 크므로, 같은 현재 가치를 맞추려면 더 많이 벌어야 하기 때문입니다.

[관점] 역산 결과는 세 가지 가정, 즉 이익률과 자본비용과 성숙 시점에 민감합니다. 앤트로픽의 세후 영업이익률을 30%가 아니라 소프트웨어 상위권 수준으로 올려 잡으면 필요 매출은 줄고, 자본비용을 10%에서 12%로 올리면 늘어납니다. 다모다란이 계산 파일을 공개한 것은 독자가 이 가정을 직접 흔들어 보라는 뜻입니다.

국내 자본시장 실무의 언어로 옮기면, 이 방식은 증권신고서의 공모가 산정 근거를 검증할 때 비교기업 배수법을 보완하는 역산 점검 도구에 해당합니다. 비교기업 배수법이 시장이 이미 매긴 값을 기준으로 삼는 상대평가라면, 역산은 그 값이 요구하는 실물 조건을 드러내 상대평가의 순환논리를 끊어 줍니다. 특히 비교기업 자체가 같은 테마로 함께 재평가된 상황에서는 이 점검이 거의 유일한 외부 기준이 됩니다.

결론

다모다란은 서두의 말로 돌아갑니다. 이 글은 자기 자신을 위해 썼다는 것입니다. 이 분야의 많은 사람처럼 그도 AI 문제에 대해 열두 방향으로 끌려다녔고, 애초에 관심을 가져야 하는지, 상충하는 관점을 어떻게 조화시킬지, 투자자인 자신에게 무엇을 뜻하는지 생각할 틀이 절실했습니다. 이 글은 포괄적인 틀을 만들려는 시도이고, 빠뜨린 요소와 사고의 빈틈이 분명 있겠지만 출발점은 된다고 그는 말합니다.

그는 이 틀이 해 주는 것과 해 주지 못하는 것을 분명히 구분합니다. 해 주지 못하는 것은 AI 제품·서비스의 총유효시장이 정확히 얼마인지, 앤트로픽이 2조 달러의 가치가 있는지를 알려주는 일입니다. 해 주는 것은 추정치에 한계선을 긋는 일입니다. 그 선 덕분에 22조 달러라는 총유효시장이 허구라고 판정할 수 있고, 지난해 ARR이 연 80% 성장했다는 사실이 2조 달러에 앤트로픽을 살 근거와는 거리가 멀다는 점도 알 수 있습니다.

이 틀을 따라가다 보면 AI의 영향 범위와 사업 가치를 두고 의견이 크게 갈릴 여지가 있습니다. 다모다란은 앞으로 무슨 일이 벌어질지 안다고 확신하는 사람은 무지하거나 오만한 것이라고 말합니다. 이 말은 직전 글과 이어집니다. 그 글에서 그는 레오폴드 아셴브레너(Leopold Aschenbrenner)의 빠른 부상과 더 빠른 몰락을 다뤘는데, 아셴브레너의 투자 전략 전체는 AI가 파괴의 전쟁에서 결정적이고 신속하게 이긴다는 확신 위에 세워져 있었습니다. 다모다란이 지적한 문제는 그 비전이 그럴듯하지 않았다는 것이 아니라, 그것이 확실하지 않았다는 것, 적어도 막대한 차입으로 자금을 댈 만큼 확실하지는 않았다는 것입니다.

해설 글에 적힌 표기는 아셴브레너이지만, 「Situational Awareness: The Decade Ahead」를 쓰고 같은 이름의 펀드를 운용해 온 인물의 이름은 통상 아셴브레너로 표기됩니다. 다모다란이 가리키는 직전 글의 제목도 「The Situational Awareness Blow-up」입니다. 확신을 레버리지로 바꾸었을 때 무슨 일이 벌어지는지를 다룬 그 글이, 이번 글의 마지막 문장이 겨냥하는 과녁입니다.

[관점] 이 글의 구조를 다시 보면, 다모다란이 실제로 제공하는 것은 전망이 아니라 제약 조건입니다. 그는 총유효시장을 맞히지 않고 상한을 긋고, 기업가치를 제시하지 않고 그 가치가 요구하는 매출을 계산합니다. 이 접근의 실용적 가치는 틀린 답을 피하는 데 있지 맞는 답을 찾는 데 있지 않습니다.

그래서 이 글을 투자 판단에 옮길 때 남는 질문도 바뀝니다. AI가 성공할 것인가가 아니라, 지금의 가격이 어떤 성공을 이미 가정하고 있으며 그 가정이 네 가지 질문 가운데 어디에 서 있는가를 묻게 됩니다. 다모다란의 계산대로라면 현재의 합산 가격은 AI가 도구가 아니라 대체재이고, 고임금에 그치지 않으며, 업종과 지역을 가리지 않는다는 가장 공격적인 조합을 전제하고 있습니다. 그리고 그 조합은 그가 같은 글에서 경제 전체에 가장 파괴적이라고 판정한 시나리오와 정확히 일치합니다.

원문: Aswath Damodaran, AI’s Bar Mitzvah Moment: From Hype & Hope to Business Questions! (Aug 2026) 전문은 원문에서 확인하실 수 있습니다.

참고할만한 글

데이비드 칸 – AI의 6,000억달러 질문 (AI’s $600B Question) — AI 투자와 매출의 간극을 같은 방식으로 따져 본 글로, 다모다란의 숫자와 함께 읽으면 시장 전망이 입체적으로 보입니다.
샘 올트먼 – 세 가지 관찰 (Three Observations) — AI의 비용 하락과 가치 상승을 낙관하는 쪽의 논리를 담은 글로, 다모다란의 회의와 대비됩니다.
아빈드 나라야난·사야시 카푸어 – 일반 기술로서의 AI (AI as Normal Technology) — AI 확산에 제도와 현실의 제약이 있다는 점을 짚은 글로, 다모다란의 사업 전망과 함께 읽을 만합니다.