AI 산업에 막대한 자금이 몰리고 있어요. 빅테크 기업들은 데이터센터를 짓고, AI 기업들은 천문학적인 투자금을 유치하며, 반도체 기업들은 늘어나는 AI 수요에 대응하기 위해 생산 능력을 확대하고 있어요.
그런데 여기서 한 가지 궁금증이 생겨요. 기업들은 이렇게 많은 돈을 투자해서 과연 무엇을 기대하고 있을까요?
AI 기술이 발전하고 있다는 사실은 분명해요. 하지만 기술이 발전하는 것과 AI 기업들이 실제로 돈을 벌 수 있다는 것은 다른 문제예요. 결국 중요한 것은 AI가 실제 기업의 업무에 얼마나 깊이 들어가고, 얼마나 많은 경제적 가치를 만들어낼 수 있느냐는 점이에요.
최근 FDE(Forward Deployed Engineer)라는 직무의 연봉이 급격히 높아지고 있다는 소식도 이런 변화를 보여주는 흥미로운 단서예요.
이번 글에서는 FDE의 연봉 상승을 출발점으로 삼아 반도체부터 데이터센터, 클라우드, AI 모델까지 이어지는 산업의 연결 구조를 살펴볼게요. 그리고 기업들의 AI 도입이 본격적인 AX(인공지능 중심 대전환)로 발전한다면 AI 산업에는 어떤 변화가 생길 수 있을지도 함께 생각해 볼게요.
1. FDE의 연봉은 왜 이렇게 높아졌을까?
먼저 FDE가 어떤 일을 하는 직무인지부터 살펴볼게요.
FDE는 ‘Forward Deployed Engineer’의 약자로, 우리말로는 ‘전방(현장) 배치 엔지니어’라고 해요. 이름만 보면 조금 생소하지만 역할은 비교적 명확해요. FDE는 AI 기술을 개발하는 데 그치지 않고, 고객사의 문제와 업무 환경을 파악해 AI가 실제 업무에서 작동하도록 시스템을 구축하는 엔지니어예요. 고객과 긴밀하게 협력하며 문제를 해결하고, 이 과정에서 얻은 경험을 제품과 기술 개선에도 반영해요.
예를 들어 한 금융회사가 AI를 도입한다고 생각해 볼게요.
단순히 AI 서비스를 구독한다고 해서 모든 업무가 자동으로 바뀌는 것은 아니에요. 기존 데이터베이스와 연결해야 하고, 사내 보안 규정을 지켜야 하며, 직원들이 사용하는 업무 시스템과도 연동해야 해요. AI가 금융회사의 내부 문서를 정확하게 이해하고, 고객 상담이나 보고서 작성 같은 업무에 실제로 활용될 수 있도록 설계하는 과정도 필요해요. FDE는 바로 이런 문제를 해결하는 역할을 맡아요.
그렇다면 기업들은 왜 FDE에게 높은 보상을 지급하는 걸까요?
가장 큰 이유는 AI 기술을 실제 경제적 가치로 연결하는 일이 생각보다 어렵기 때문이에요. AI 모델의 성능이 아무리 뛰어나도 기업의 업무 환경에 제대로 적용하지 못하면 투자한 비용만큼의 성과를 얻기 어려워요.
반대로 FDE가 AI를 실제 업무에 성공적으로 적용한다면 고객사는 인건비를 절감하거나 업무 시간을 단축하고, 새로운 서비스를 만들 수도 있어요. 이 과정에서 만들어지는 경제적 가치가 크다면 우수한 FDE에게 높은 보상을 지급할 유인도 커져요.
실제로 OpenAI의 샌프란시스코 AI 인프라 분야 FDE 채용공고에는 연간 기본급 18만 5,000~30만 달러와 주식 보상이 제시되어 있어요. 이는 특정 직무의 채용공고에 기재된 보상 범위이며, 성과급 등 다른 보상도 추가될 수 있어요.
2026년 11월 4일 월스트리트저널이 보도한 임원급 채용 전문업체 Christian & Timbers의 조사에 따르면, 기업에 1,000만 달러 이상의 성과를 입증하고 팀을 이끌 수 있는 최상위 FDE의 연간 총보상은 58만 6,000~145만 달러에 이른다고 해요. 조사에 따르면 주식과 성과급이 총보상의 52~66%를 차지했어요. (* 이는 최상위 인재를 대상으로 한 조사 결과이며, 전체 FDE의 평균 연봉은 아니에요.)
그럼에도 이런 현상은 중요한 변화를 보여줘요. AI 산업의 경쟁이 더 뛰어난 기술을 개발하는 단계에서, 그 기술을 실제 기업의 성과로 연결하는 단계로 확장되고 있다는 점이에요.
이제 AI 산업 전체가 어떻게 연결되어 있는지 살펴볼게요.
2. AI 산업은 어떻게 연결되어 있을까?
AI 산업을 이해하려면 개별 기업이나 기술보다 전체 가치사슬(밸류체인)을 먼저 살펴볼 필요가 있어요. AI가 실제로 작동하려면 여러 산업의 기술과 서비스가 함께 필요하기 때문이에요.
반도체는 AI 연산에 필요한 핵심 부품을 제공하고, 데이터센터는 그 연산을 수행할 물리적 기반을 마련해요. 클라우드는 컴퓨팅 자원을 서비스 형태로 제공하고, AI 모델은 이를 활용해 지능적인 기능을 구현하죠. 마지막으로 기업들이 AI를 실제 업무에 적용하면서 생산성 향상이나 비용 절감 같은 경제적 가치가 만들어져요.
전체 흐름을 간단히 정리하면 다음과 같아요.
- 반도체: AI 연산에 필요한 핵심 부품을 공급
- 데이터센터: AI 연산을 수행할 물리적 기반을 제공
- 클라우드: 컴퓨팅 자원을 서비스 형태로 제공
- AI 모델: 컴퓨팅 자원을 활용해 지능적인 기능을 제공
- 기업 AX: AI를 실제 업무에 적용해 경제적 가치 창출
중요한 것은 각 단계가 독립적으로 움직이는 것이 아니라 서로 수요를 만들어내고 있다는 점이에요.
그럼 각 산업이 어떤 역할을 하는지 조금 더 살펴볼게요.
3. AI 혁명은 왜 반도체에서 시작될까?
AI 산업의 출발점에는 반도체가 있어요. AI 모델을 학습시키고 실제 사용자에게 응답을 제공하려면 엄청난 양의 계산을 수행해야 해요. 이 과정에서 핵심 역할을 하는 것이 GPU예요. GPU는 수많은 연산을 동시에 처리하는 데 강점이 있어 AI 연산에 널리 활용되고 있어요.
하지만 GPU만으로 모든 문제가 해결되는 것은 아니에요. AI 연산 과정에서는 데이터를 빠르게 전달하고 처리할 수 있는 메모리도 중요해요. 특히 HBM은 GPU와 가까운 곳에서 대량의 데이터를 빠르게 전달하는 고대역폭 메모리로, 고성능 AI 시스템의 핵심 부품 중 하나예요. 이 밖에도 일반 DRAM과 SSD에 사용되는 NAND, 네트워크 반도체 등 다양한 부품이 함께 필요해요.
AI 산업이 성장하면서 반도체 수요가 확대되는 이유도 여기에 있어요. 다만 AI 반도체 시장이 성장한다고 모든 반도체 기업의 수익성이 높아지는 것은 아니에요. 기술 경쟁력과 공급 능력, 시장 상황에 따라 기업별 성과는 달라질 수 있고, 공급이 수요를 앞지르면 가격과 수익성이 하락할 가능성도 있어요.
4. AI를 움직이는 데이터센터에는 무엇이 필요할까?
반도체가 AI의 연산을 담당한다면 데이터센터는 그 연산이 실제로 이루어지는 공간이에요. AI 모델을 운영하려면 수많은 서버와 GPU를 설치해야 하고, 이 장비들을 안정적으로 작동시키기 위한 다양한 설비도 필요해요.
특히 중요한 요소가 전력과 냉각이에요. 고성능 GPU가 대량으로 설치되면 전력 소비가 커지고, 발생하는 열도 많아져요. 이를 제대로 관리하지 못하면 장비의 성능과 안정성에 문제가 생길 수 있어요. 그래서 데이터센터에는 안정적인 전력 공급 체계와 냉각 설비가 필수적이에요. 여기에 서버와 서버 사이에서 데이터를 빠르게 주고받을 수 있도록 네트워크 장비도 필요해요.
결국 데이터센터는 단순히 컴퓨터를 모아 놓은 건물이 아니라, AI 연산을 안정적으로 수행하기 위한 종합적인 인프라라고 볼 수 있어요. 빅테크 기업들이 데이터센터에 막대한 자금을 투자하는 이유도 여기에 있어요. AI 서비스를 제공하려면 충분한 컴퓨팅 자원을 확보해야 하고, 앞으로 사용량이 증가할 것으로 예상된다면 미리 인프라를 구축할 필요가 있어요.
하지만 데이터센터는 건설비와 서버 구입비뿐 아니라 전력 비용과 유지보수 비용도 지속적으로 발생하는 사업이에요. 따라서 투자 규모가 커진다는 사실만으로 수익성이 높아진다고 판단해서는 안 돼요.
중요한 것은 구축한 인프라를 얼마나 효율적으로 활용하고 투자비를 회수할 수 있느냐는 점이에요.
5. 클라우드는 AI 인프라를 어떻게 매출로 바꿀까?
데이터센터에 GPU와 서버를 설치했다고 해서 모든 기업이 직접 그 장비를 구입하고 운영해야 하는 것은 아니에요. 이런 컴퓨팅 자원을 서비스 형태로 제공하는 사업이 바로 클라우드예요. 대표적인 기업으로는 AWS, Microsoft Azure, Google Cloud가 있어요.
예를 들어 한 기업이 AI 서비스를 개발한다고 생각해 볼게요. 이 기업이 직접 데이터센터를 짓고 GPU를 구입하려면 막대한 초기 자금이 필요해요. 전력과 냉각 설비를 마련하고 전문 인력을 확보하는 일도 쉽지 않아요.
하지만 클라우드 서비스를 이용하면 필요한 만큼 컴퓨팅 자원을 빌려 사용할 수 있어요. 사용량이 늘어나면 더 많은 자원을 이용하고, 줄어들면 비용도 조절할 수 있어요. 클라우드 기업은 이렇게 확보한 컴퓨팅 자원을 고객에게 제공하고 사용량에 따라 비용을 받아요. 따라서 AI 사용량이 늘어나면 클라우드 기업의 매출도 증가할 수 있는 구조예요.
특히 AI 모델을 학습하거나 대량의 추론 작업을 수행하려면 상당한 컴퓨팅 자원이 필요하기 때문에 AI 산업의 성장은 클라우드 기업에도 새로운 사업 기회가 될 수 있어요.
하지만 클라우드 기업도 데이터센터와 GPU 확보에 막대한 투자를 해야 해요. 여기에 치열한 가격 경쟁까지 더해지기 때문에 사용량과 매출이 늘어도 수익성이 반드시 좋아지는 것은 아니에요. 결국 중요한 것은 컴퓨팅 자원을 얼마나 효율적으로 운영하고 수익으로 연결하느냐는 점이에요.
6. AI 모델 기업은 어떻게 돈을 벌고 있을까?
AI 산업의 중심에는 실제로 지능적인 기능을 제공하는 AI 모델이 있어요. 대표적인 기업으로는 OpenAI와 Anthropic이 있어요. 이들 기업은 대규모 데이터를 활용해 AI 모델을 학습시키고, 사용자가 질문하거나 업무를 요청하면 결과를 제공하는 서비스를 운영해요.
AI 모델 기업의 수익 구조는 크게 구독형과 사용량 기반으로 나눠 볼 수 있어요.
- 구독형 서비스: 사용자가 매월 또는 매년 일정한 요금을 내고 AI 서비스를 이용해요.
- API 서비스: 기업이나 개발자가 AI 모델을 자사 서비스에 연결하고, 사용한 연산량이나 토큰에 따라 비용을 지불해요.
- 기업용 서비스: 기업의 보안과 관리 요구에 맞춘 서비스나 계약을 제공하고 사용료를 받아요.
이 가운데 기업 고객을 대상으로 한 사용량 기반 매출은 AI 산업의 성장 가능성을 살펴볼 때 특히 중요해요. AI가 단순한 질문과 답변을 넘어 문서 작성, 자료 분석, 소프트웨어 개발, 고객 응대 등 다양한 업무에 활용되면 사용량이 증가할 수 있기 때문이에요.
Anthropic이 2026년 11월 2일 미국 증권거래위원회(SEC)에 제출한 S-1/A 공시에는 흥미로운 자료가 담겨 있어요. 2026년 9월 30일 기준으로 최근 12개월(TTM) 동안 Anthropic이 고객별로 10만 달러 이상의 매출을 기록한 고객은 1만 1,900곳을 넘어섰어요. 이 가운데 100만 달러 이상인 고객은 1,900곳 이상이고, 1,000만 달러 이상인 고객도 약 250곳에 달했어요.
기존 고객의 지출이 얼마나 빠르게 늘어나는지도 눈에 띄어요. Anthropic은 기존 고객의 매출 확대를 보여주는 순매출유지율(NRR)이 약 900%라고 공시했어요. 이는 기준 기간에 매출이 발생했던 기존 고객 집단의 최근 3개월 매출이 1년 전 같은 3개월의 약 9배에 이르렀다는 의미예요. (* 신규 고객과 개인용 고정 요금제 구독자는 산정 대상에서 제외)
(* NRR은 기존 고객의 지출 확대와 축소, 이탈 등을 반영하는 지표예요. 전체 고객의 매출 증가율이나 기업 전체의 시장 침투율과 같은 의미로 해석해서는 안 돼요. 또한 이 지표는 회사 내부 시스템을 통해 산출한 수치로, Anthropic 역시 독립적인 제3자의 검증을 받지 않았다는 점을 공시하고 있어요.)
이 자료는 기업들이 AI를 단순히 시험하는 수준을 넘어 실제 업무에 활용하면서 지출을 확대하는 사례가 늘고 있다는 점을 보여줘요.
그렇다고 AI 모델 기업의 수익성이 자동으로 좋아지는 것은 아니에요. AI 모델을 운영하려면 상당한 컴퓨팅 비용이 발생해요. 사용량이 늘어나면 매출도 증가할 수 있지만, 추론에 필요한 GPU와 전력, 클라우드 비용도 함께 늘어나요. 모델의 성능을 높이기 위한 연구개발 비용도 계속 투입해야 해요.
따라서 AI 모델 기업의 경쟁력은 더 많은 고객을 확보하는 것뿐 아니라 더 적은 비용으로 더 높은 가치를 제공할 수 있는 능력에도 달려 있어요.
7. 기업은 왜 AI를 도입하고도 충분한 성과를 내지 못할까?
지금까지 살펴본 AI 산업의 가치사슬은 결국 기업이 AI를 사용해 실제 경제적 가치를 만들어내는 일로 이어져요. 그런데 여기에는 생각보다 큰 간극이 존재해요. AI를 사용하고 있다는 것과 AI를 통해 기업의 업무 방식이 근본적으로 바뀌었다는 것은 전혀 다른 이야기이기 때문이에요.
예를 들어 직원들이 AI를 이용해 보고서를 작성하고 자료를 요약한다고 생각해 볼게요. 이런 활용만으로도 개인의 업무 효율은 높아질 수 있어요. 하지만 기업 전체의 업무 절차나 인력 배치, 비용 구조가 바뀌지 않는다면 회사 차원의 재무적 성과는 제한적일 수 있어요.
기업이 AI를 제대로 활용하려면 기존 업무 시스템과 데이터를 연결해야 하고, 보안과 권한 관리 체계도 마련해야 해요. AI가 수행한 결과를 검증하고 문제가 발생했을 때 책임을 질 수 있는 절차도 필요해요. 때로는 AI를 기존 업무에 추가하는 수준을 넘어 업무 흐름 자체를 다시 설계해야 해요.
이런 변화가 바로 AX(AI Transformation), 즉 인공지능 전환이에요. AI를 단순한 도구로 사용하는 것을 넘어 기업의 업무 방식과 운영 구조를 AI 중심으로 바꾸는 과정이라고 이해하면 쉬워요.
그렇다면 현재 기업들의 AI 도입은 어느 정도 진행됐을까요?
McKinsey가 2026년 8월 발표한 조사에 따르면 조사 응답자의 거의 90%가 자신이 속한 조직에서 최소 한 개 업무 기능에 AI를 정기적으로 사용하고 있다고 답했어요.
하지만 AI를 전사적으로 확장하고 있다고 답한 기업은 44%였어요. AI가 기업의 영업이익(EBIT)에 긍정적인 영향을 미쳤다고 답한 비율도 37%에 그쳤어요. AI가 EBIT의 5% 이상에 기여하고 그 영향이 상당하다고 평가한 고성과 기업은 전체 응답자의 약 6%였어요.
흥미로운 점은 개인의 생산성 향상과 기업의 재무적 성과 사이에 차이가 있다는 사실이에요. 응답자의 80%는 AI가 개인의 업무 생산성을 높였다고 답했지만, 기업 전체의 재무적 성과로 이어졌다고 답한 비율은 상대적으로 낮았어요.
이 결과는 AI가 이미 널리 사용되고 있지만, 기업의 업무와 수익 구조를 바꾸는 단계까지 도달한 곳은 아직 제한적이라는 점을 보여줘요.
바로 이 지점에서 FDE의 역할이 중요해져요. AI를 실제 업무에 정착시키고 기존 시스템과 연결하는 과정에서 전문적인 기술 인력이 필요하기 때문이에요.
실제로 McKinsey 조사에서도 AI를 통해 높은 성과를 거둔 기업의 약 4분의 3은 기존 업무 흐름을 근본적으로 재설계했다고 답했어요. 다른 기업에서는 이 비율이 약 4분의 1에 그쳤어요. AI를 기존 업무에 단순히 추가하는 것과 업무 방식 자체를 바꾸는 것 사이에 차이가 있다는 점을 보여주는 결과예요.
따라서 FDE의 연봉 상승은 단순한 개발자 인력난만이 아니라 기업들이 AI를 실제 업무에 적용하려는 수요가 커지고 있다는 신호로 해석할 수 있어요.
물론 FDE의 수요가 증가한다고 해서 모든 기업이 곧바로 전사적 AX에 성공한다는 뜻은 아니에요. AI를 도입하는 과정에서 예상보다 비용이 많이 발생하거나, 기존 업무 시스템과의 통합이 어려울 수도 있어요. AI의 결과를 신뢰하기 어렵거나 법적·보안상 제약 때문에 활용 범위를 넓히지 못할 수도 있어요.
그럼에도 AI 기술을 실제 경제적 가치로 연결하려는 기업들의 시도가 늘어나고 있다는 점은 주목할 만해요. 그렇다면 기업들이 AI를 실제 업무에 깊이 통합하기 시작한다면 어떤 변화가 생길까요? 그 가능성을 조금 더 구체적으로 살펴볼게요.
8. 기업의 AX가 본격화되면 AI 산업은 어떻게 달라질까?
이번 글에서 가장 중요하게 생각하는 부분이에요.
현재 AI 산업에 막대한 투자가 이루어지고 있지만, 투자 규모만으로 미래의 수요를 정확하게 판단하기는 어려워요. 중요한 것은 앞으로 기업들이 AI에 얼마나 많은 비용을 지출하고, 이를 통해 얼마나 큰 경제적 가치를 만들어낼 수 있느냐는 점이에요.
Anthropic의 SEC 공시에는 이와 관련해 흥미로운 수치가 있어요.
2026년 9월 30일 기준으로 Fortune 500 기업의 절반 이상이 직전 12개월 동안 Anthropic에 10만 달러 이상의 매출을 안겨준 고객사였어요.
Anthropic 공시에 따르면, 공개적으로 거래되는 Fortune 500 고객을 대상으로 계산했을 때 이들 기업에서 발생한 Anthropic의 매출은 2026년 3분기 해당 기업 전체 비용의 평균 0.1% 미만이었어요. 상위 10개 Fortune 500 고객도 Anthropic에 지출한 금액은 해당 기업 전체 비용의 평균 1% 미만이었어요.
(* 여기서 전체 비용은 각 기업이 공개한 재무제표를 기준으로 계산한 금액이에요. 물론 이 수치를 전체 AI 예산으로 해석해서는 안 돼요. 기업들은 다른 AI 공급자에게도 비용을 지출하고, 자체 AI 시스템을 구축하거나 클라우드와 데이터센터에 별도의 자금을 투입할 수 있어요.)
이처럼 특정 AI 공급자에 대한 지출이 아직 기업 전체 비용에서 작은 비중을 차지한다는 사실은, 기업의 AI 활용이 앞으로 더 깊어질 여지가 있음을 생각하게 해요.
지금까지는 직원들이 업무 일부에 AI를 활용하거나 특정 부서가 AI 서비스를 도입하는 방식이 많았어요. 하지만 전사적 AX가 진행되면 상황이 달라질 수 있어요.
예를 들어 기업의 고객 상담, 영업, 마케팅, 회계, 인사, 연구개발 등 여러 부서의 업무에 AI가 통합된다고 생각해 볼게요.
AI 에이전트가 단순히 질문에 답하는 수준을 넘어 여러 단계의 업무를 수행하고, 서로 다른 시스템을 연결하며, 직원의 승인 아래 반복적인 작업을 처리할 수도 있어요. 이렇게 되면 AI는 선택적으로 사용하는 생산성 도구가 아니라 기업 운영을 뒷받침하는 핵심 인프라에 가까워질 수 있어요.
AI에 지출하는 비용도 달라질 수 있어요. 일부 직원이 사용하는 구독료 수준에서 시작해 기업 전체의 업무 시스템과 연결된 지속적인 운영비로 확대될 가능성이 있어요.
그렇다면 이런 변화는 AI 산업 전체에 어떤 영향을 줄까요?
기업의 AI 활용이 확대되면 AI 산업의 다른 영역에도 연쇄적인 영향을 줄 수 있어요. 전체 흐름을 정리하면 다음과 같아요.
- 기업 AX 확대: 더 많은 업무에 AI가 적용돼요.
- AI 사용량 증가: 모델에 대한 추론 수요가 늘어나요.
- 클라우드 수요 확대: 더 많은 컴퓨팅 자원이 필요해져요.
- 데이터센터 투자 증가: 서버와 전력, 냉각, 네트워크 인프라가 확장돼요.
- 반도체 수요 증가: GPU와 메모리 등 관련 부품의 수요가 확대될 수 있어요.
- 기술 발전과 비용 하락: 연산 효율이 높아지고 AI 서비스의 이용 부담이 낮아질 수 있어요.
- 추가적인 수요 확대: 비용이 낮아지면 더 많은 기업과 업무가 AI를 활용할 수 있어요.
기술이 발전하고 비용이 낮아지면 더 많은 기업이 AI를 활용할 수 있고, 늘어난 사용량은 다시 인프라와 기술에 대한 투자를 촉진할 수 있어요. 이것이 AI 산업에서 기대할 수 있는 선순환 구조예요.
다만 이것이 반드시 실현되는 것은 아니에요. AI 사용량이 증가해도 서비스 가격이 빠르게 하락하면 AI 기업의 매출 증가가 제한될 수 있어요. 추론 비용과 데이터센터 운영비가 매출보다 빠르게 증가하면 수익성은 오히려 악화될 수도 있어요. 기업들이 AI 도입으로 기대했던 생산성 향상을 얻지 못한다면 투자 확대가 둔화될 가능성도 있어요.
따라서 중요한 것은 AI 사용량이 얼마나 늘어나느냐뿐 아니라, 그 사용량이 기업과 공급자 모두에게 지속 가능한 경제적 가치를 만들어내느냐는 점이에요.
9. AI 산업이 성장하면 투자자도 돈을 벌 수 있을까?
여기서 투자자 입장에서 반드시 구분해야 할 것이 있어요. 산업이 성장하는 것과 그 산업에 속한 기업의 주주가 돈을 버는 것은 같은 일이 아니에요.
AI 산업의 시장 규모가 커지더라도 모든 기업이 같은 비율로 성장하거나 이익을 얻는 것은 아니에요. 반도체는 공급 경쟁과 가격 하락의 영향을 받을 수 있고, 데이터센터와 클라우드는 막대한 설비투자와 운영비용을 감당해야 해요. AI 모델 기업 역시 고객과 사용량이 늘어나더라도 컴퓨팅 비용이 지나치게 높다면 이익이 제한될 수 있어요.
실제로 Anthropic의 2026년 11월 SEC 공시를 보면 2026년 첫 9개월 동안 컴퓨팅 및 인프라 비용은 약 188억 달러로, 전년 같은 기간보다 329% 증가했어요.
그런데 흥미로운 점은 컴퓨팅 비용이 매출에서 차지하는 비중은 오히려 낮아졌다는 사실이에요. 2025년 첫 9개월에는 매출의 172%였지만, 2026년 같은 기간에는 57%로 감소했어요.
이는 컴퓨팅 비용이 크게 증가했음에도 매출이 더 빠르게 성장했다는 의미예요. AI 모델 기업의 수익성을 판단할 때는 비용의 증가율뿐 아니라 매출과 비교한 비용 구조의 변화도 함께 살펴봐야 해요.
2026년 3분기 Anthropic의 영업손실은 5억 6,700만 달러였고 영업이익률은 -3%였어요. 즉, 매출 대비 비용 효율이 개선되는 흐름이 나타났더라도 해당 분기에는 영업손실이 발생했다는 사실도 함께 보여줘요.
그렇다면 투자자는 무엇을 살펴봐야 할까요?
첫째, 각 기업이 가치사슬에서 얼마나 중요한 위치를 차지하고 있는지 살펴봐야 해요. 대체하기 어려운 기술을 보유하고 있거나 고객에게 높은 전환 비용을 만들어내는 기업은 경쟁에서 유리할 수 있어요.
둘째, 매출 증가가 이익과 현금흐름으로 연결되는지 확인해야 해요. 매출이 빠르게 성장하더라도 설비투자와 운영비용이 지나치게 크다면 주주에게 돌아가는 경제적 가치는 제한적일 수 있어요.
셋째, 현재 주가에 미래 성장 가능성이 얼마나 반영되어 있는지 살펴봐야 해요. 좋은 산업에 속한 기업이라고 해서 언제나 좋은 투자 대상이 되는 것은 아니에요. 이미 미래의 높은 성장이 주가에 반영되어 있다면 실제 실적이 좋아도 기대에 미치지 못할 수 있어요.
넷째, 기업이 지속적인 경쟁력을 유지할 수 있는지 살펴봐야 해요. AI 산업은 기술 변화가 빠르고 경쟁도 치열해요. 현재 시장을 주도하는 기업이 앞으로도 계속 같은 지위를 유지할 것이라고 단정하기는 어려워요.
결국 AI 산업에 투자한다는 것은 단순히 AI가 성장할 것이라고 믿는 일이 아니에요. 그 성장 과정에서 어떤 기업이 실제 경제적 가치를 가져갈 수 있는지, 그리고 그 가치가 현재 주가보다 더 커질 여지가 있는지를 판단하는 일이에요.
10. AI의 발전보다 중요한 것은 경제적 가치의 창출 아닐까?
지금까지 FDE의 연봉 상승에서 출발해 AI 산업의 가치사슬과 기업 AX의 가능성까지 살펴봤어요. AI 산업은 반도체와 데이터센터, 클라우드, AI 모델, 그리고 이를 실제 업무에 적용하는 기업과 전문 인력이 서로 연결된 구조예요.
최근 FDE의 연봉 상승은 AI 기술을 실제 기업의 업무에 적용하려는 수요가 커지고 있다는 하나의 단서라고 볼 수 있어요. 물론 이것만으로 기업들의 전사적 AX가 본격화됐다고 단정할 수는 없어요. 하지만 기업들이 AI를 단순히 시험하는 단계를 넘어 업무에 통합하고, 실제 성과를 만들어내려는 방향으로 움직이고 있다는 점은 주목할 만해요.
앞으로 AI 산업을 바라볼 때는 단순히 모델의 성능이나 데이터센터 투자 규모만 살펴보는 것으로는 부족할 것 같아요. 기업들이 AI를 얼마나 깊이 활용하는지, AI 도입이 실제 생산성 향상과 비용 절감으로 이어지는지, 그리고 AI 기업들이 그 과정에서 지속 가능한 이익을 만들어내는지 함께 살펴봐야 해요.
AI의 발전이 곧바로 경제적 가치의 증가를 의미하지는 않아요.
하지만 AI가 기업의 업무 방식 자체를 바꾸고, 이전에는 불가능했던 생산성과 효율성을 만들어낼 수 있다면 지금의 막대한 투자는 새로운 성장의 기반이 될 수도 있어요. 결국 앞으로 AI 산업을 이해하는 데 중요한 질문은 이것이라고 생각해요.
AI는 얼마나 더 똑똑해질까가 아니라, AI가 실제 경제활동에 얼마나 깊이 침투하고 얼마나 큰 가치를 만들어낼 수 있을까?
FDE의 연봉 상승은 어쩌면 그 변화가 시작되는 지점을 보여주는 작은 신호일지도 몰라요.
한눈에 끝내는 이 글의 핵심 요약
- FDE 연봉 상승: AI 기술을 실제 기업의 성과로 연결하는 전문 인력의 가치가 높아지고 있어요.
- AI 산업의 가치사슬: 반도체와 데이터센터, 클라우드, AI 모델은 서로 연결되어 수요를 만들어내요.
- 기업 AI 도입: AI 사용은 널리 확산됐지만 전사적 업무 혁신과 재무적 성과는 아직 진행 중이에요.
- 기업 AX의 가능성: AI가 기업의 핵심 업무에 통합되면 AI 산업의 수요 구조가 크게 달라질 수 있어요.
- 투자자의 관점: 산업의 성장과 기업의 이익은 다르며, 실제로 누가 경제적 가치를 가져가는지 살펴봐야 해요.