Hedge Fund Manager’s Note - Decoding the Agentic Economy
2026년 인공지능 투자 논점은 수요의 존재 여부가 아니라 토큰 단가 하락이 언제 이익률 개선으로 넘어가느냐에 있다. 2026년은 여전히 연산능력 제약 구간이지만, 주요 대규모 언어모형의 토큰 가격은 연간 약 40%씩 하락하던 구간을 지나 안정화 단계로 들어왔고, 반도체와 가속기 효율 개선에 힘입어 토큰당 연산 원가는 엔비디아, AMD, 구글 TPU, 트레이니엄 전반에서 연율 60~70% 더 빠르게 하락하는 구조다. 가격보다 원가가 더 빨리 내려가면 토큰 소비 증가는 비용 부담이 아니라 마진 확장으로 연결된다. 초대형 클라우드 사업자와 모델 사업자의 총이익률이 향후 3~12개월 안에 상방으로 꺾일 수 있다는 판단이 여기서 나온다.
소비자 측에서는 사용량의 질이 바뀌고 있다. 2025년 하루 약 50억건이던 인공지능 질의는 2030년 230억건까지 늘고, 이 가운데 최대 30%가 검색, 쇼핑, 여행, 전자우편, 개인 생산성 기능을 수행하는 에이전트로 이동하는 경로가 제시된다. 이 경우 소비자 에이전트만으로도 2030년 월 6경 토큰이 추가되며, 2026년 현재 전 세계 토큰 소비 대비 12배 확대에 해당한다. 핵심은 사용자가 필요할 때만 호출하는 대화형 사용에서, 배경에서 계속 맥락을 모니터링하고 행동하는 상시형 사용으로 넘어간다는 점이다. 소비자 인공지능의 다음 단계는 대화가 아니라 자동 실행으로 본다.
기업 쪽은 더 크지만 더 느리다. 소비자와 기업 에이전트를 합치면 2030년 월 토큰 처리량은 현재 추정 글로벌 용량 대비 24배까지 커질 수 있고, 기업 에이전트만 놓고 보면 장기적으로 2040년 55배 확대 가능성이 제시된다. 그러나 보급 곡선은 급등이 아니라 완만한 S자형에 가깝다. 현재 기업의 70~90%가 에이전트를 실험하고 있지만 실제로 확장 단계에 들어간 비중은 4분의 1 미만이다. 실제 배치는 고객지원 분류, 정보기술 운영, 영업 지원, 내부 지식업무처럼 범위가 좁고 수익률이 명확한 업무에 집중돼 있다. 기술보다 조직이 제약이다. 데이터 거버넌스, 보안 경계, 감사 가능성, 책임소재, 예산 귀속이 풀려야 다음 단계로 넘어간다.
업무별 수익성은 토큰 양보다 업무 형태가 결정한다. 코딩 에이전트는 하루 약 700만 토큰을 쓰지만 비용은 13달러 수준에 그쳐 비교 가능한 인간 노동비용 300달러 대비 이미 경제성이 나온다. 데이터 입력 에이전트는 하루 2,500만 토큰으로 더 많은 토큰을 쓰지만 비용은 59달러 수준으로 인간 비용 80달러보다 낮다. 반면 콜센터 에이전트는 하루 200만 토큰으로 토큰 수는 적어도 실시간 음성 처리와 지연시간 요구 때문에 비용이 92달러까지 올라 인간 비용 90달러를 웃돈다. 따라서 초기 보급은 텍스트 중심, 도구가 성숙한 업무부터 진행되고, 음성 중심이나 깊게 통합된 후선 업무는 더 늦게 확산되는 구조로 본다.
에이전트는 단일 질의가 아니라 워크플로우 시스템이다. 문맥을 읽고, 해야 할 일을 결정하고, 정보를 찾고, 실행하고, 자기 결과를 검증하고, 오류를 수정하고, 시스템을 업데이트하는 과정이 여러 번의 모델 호출과 도구 호출, 검증 단계, 재시도로 쪼개진다. 그래서 기업 에이전트의 토큰 강도는 최소치 기준으로도 높다. 장기 상단도 단순한 인간 대체율이 아니라 “처리할 지식노동의 총량”으로 봐야 한다. 정점 보급률은 전체 워크플로우의 35~40%, 노동시간 1.4조시간, 월 28경 토큰, 연간 인공지능 인프라 지출 2,200억달러, 소프트웨어 총 시장 5.4조달러 규모로 제시된다. 지식노동은 대체만이 아니라 총량 확대로 이어질 가능성이 크다.
이 구조에서 가장 먼저 이익을 받는 쪽은 초대형 클라우드 사업자와 모델 사업자, 그리고 반도체다. 인텐트와 사용량의 배분 및 유통을 쥐는 사업자는 에이전트 확산이 곧바로 연산 수요와 수익화 기회로 연결된다. 알파벳과 메타는 2026년 설비투자 전망을 올렸고, 아마존은 1분기 실적 이후에도 높은 설비투자 강도를 유지하겠다는 입장을 반복했다. 아마존 웹서비스는 1분기 28% 성장했고 수주잔고는 3,640억달러에 달하며, 알파벳 클라우드는 63% 성장과 약 4,600억달러 수주잔고를 보유한다. 메타는 광고 본업을 웃도는 참여도와 수익화 개선을 이어가고 있다. 반도체 쪽 선호는 브로드컴, 엔비디아, AMD로 정리된다. 토큰 단가 하락이 토큰 집약적 사용처를 경제성 안으로 끌어들이기 때문이다.
소프트웨어와 정보기술 서비스는 더 완만하지만 방향은 같다. 토큰 비용이 내려가면 소프트웨어 업체는 기존 제품 안에 에이전트를 넣어도 총이익률 훼손 없이 제공할 수 있고, 가격도 좌석 수가 아니라 결과물, 생산성, 작업 단위 기준으로 옮겨갈 수 있다. 자동화된 워크플로우의 제공 비용은 낮아지는데, 고객이 지불하는 가치는 여전히 인간 노동 대체와 생산성 향상에 연동되기 때문에 그 차액이 소프트웨어 총 시장을 넓힌다. 정보기술 서비스는 더 직접적이다. 에이전트 사용이 독립형 도구에서 전사적 워크플로우 재설계로 넘어가면 통합, 거버넌스, 오케스트레이션, 변화관리 수요가 커진다. 선호 종목이 마이크로소프트, 클라우드플레어, 액센추어로 제시되는 이유다. 이번 사이클의 핵심은 인공지능 사용량 증가가 비용 부담으로 끝나는지, 아니면 비용 하락과 함께 수익 풀 자체를 넓히는지에 있다. 현재 숫자는 후자 쪽으로 기울고 있다고 본다.
- Goldman Sachs, Macro Trader.
2026년 인공지능 투자 논점은 수요의 존재 여부가 아니라 토큰 단가 하락이 언제 이익률 개선으로 넘어가느냐에 있다. 2026년은 여전히 연산능력 제약 구간이지만, 주요 대규모 언어모형의 토큰 가격은 연간 약 40%씩 하락하던 구간을 지나 안정화 단계로 들어왔고, 반도체와 가속기 효율 개선에 힘입어 토큰당 연산 원가는 엔비디아, AMD, 구글 TPU, 트레이니엄 전반에서 연율 60~70% 더 빠르게 하락하는 구조다. 가격보다 원가가 더 빨리 내려가면 토큰 소비 증가는 비용 부담이 아니라 마진 확장으로 연결된다. 초대형 클라우드 사업자와 모델 사업자의 총이익률이 향후 3~12개월 안에 상방으로 꺾일 수 있다는 판단이 여기서 나온다.
소비자 측에서는 사용량의 질이 바뀌고 있다. 2025년 하루 약 50억건이던 인공지능 질의는 2030년 230억건까지 늘고, 이 가운데 최대 30%가 검색, 쇼핑, 여행, 전자우편, 개인 생산성 기능을 수행하는 에이전트로 이동하는 경로가 제시된다. 이 경우 소비자 에이전트만으로도 2030년 월 6경 토큰이 추가되며, 2026년 현재 전 세계 토큰 소비 대비 12배 확대에 해당한다. 핵심은 사용자가 필요할 때만 호출하는 대화형 사용에서, 배경에서 계속 맥락을 모니터링하고 행동하는 상시형 사용으로 넘어간다는 점이다. 소비자 인공지능의 다음 단계는 대화가 아니라 자동 실행으로 본다.
기업 쪽은 더 크지만 더 느리다. 소비자와 기업 에이전트를 합치면 2030년 월 토큰 처리량은 현재 추정 글로벌 용량 대비 24배까지 커질 수 있고, 기업 에이전트만 놓고 보면 장기적으로 2040년 55배 확대 가능성이 제시된다. 그러나 보급 곡선은 급등이 아니라 완만한 S자형에 가깝다. 현재 기업의 70~90%가 에이전트를 실험하고 있지만 실제로 확장 단계에 들어간 비중은 4분의 1 미만이다. 실제 배치는 고객지원 분류, 정보기술 운영, 영업 지원, 내부 지식업무처럼 범위가 좁고 수익률이 명확한 업무에 집중돼 있다. 기술보다 조직이 제약이다. 데이터 거버넌스, 보안 경계, 감사 가능성, 책임소재, 예산 귀속이 풀려야 다음 단계로 넘어간다.
업무별 수익성은 토큰 양보다 업무 형태가 결정한다. 코딩 에이전트는 하루 약 700만 토큰을 쓰지만 비용은 13달러 수준에 그쳐 비교 가능한 인간 노동비용 300달러 대비 이미 경제성이 나온다. 데이터 입력 에이전트는 하루 2,500만 토큰으로 더 많은 토큰을 쓰지만 비용은 59달러 수준으로 인간 비용 80달러보다 낮다. 반면 콜센터 에이전트는 하루 200만 토큰으로 토큰 수는 적어도 실시간 음성 처리와 지연시간 요구 때문에 비용이 92달러까지 올라 인간 비용 90달러를 웃돈다. 따라서 초기 보급은 텍스트 중심, 도구가 성숙한 업무부터 진행되고, 음성 중심이나 깊게 통합된 후선 업무는 더 늦게 확산되는 구조로 본다.
에이전트는 단일 질의가 아니라 워크플로우 시스템이다. 문맥을 읽고, 해야 할 일을 결정하고, 정보를 찾고, 실행하고, 자기 결과를 검증하고, 오류를 수정하고, 시스템을 업데이트하는 과정이 여러 번의 모델 호출과 도구 호출, 검증 단계, 재시도로 쪼개진다. 그래서 기업 에이전트의 토큰 강도는 최소치 기준으로도 높다. 장기 상단도 단순한 인간 대체율이 아니라 “처리할 지식노동의 총량”으로 봐야 한다. 정점 보급률은 전체 워크플로우의 35~40%, 노동시간 1.4조시간, 월 28경 토큰, 연간 인공지능 인프라 지출 2,200억달러, 소프트웨어 총 시장 5.4조달러 규모로 제시된다. 지식노동은 대체만이 아니라 총량 확대로 이어질 가능성이 크다.
이 구조에서 가장 먼저 이익을 받는 쪽은 초대형 클라우드 사업자와 모델 사업자, 그리고 반도체다. 인텐트와 사용량의 배분 및 유통을 쥐는 사업자는 에이전트 확산이 곧바로 연산 수요와 수익화 기회로 연결된다. 알파벳과 메타는 2026년 설비투자 전망을 올렸고, 아마존은 1분기 실적 이후에도 높은 설비투자 강도를 유지하겠다는 입장을 반복했다. 아마존 웹서비스는 1분기 28% 성장했고 수주잔고는 3,640억달러에 달하며, 알파벳 클라우드는 63% 성장과 약 4,600억달러 수주잔고를 보유한다. 메타는 광고 본업을 웃도는 참여도와 수익화 개선을 이어가고 있다. 반도체 쪽 선호는 브로드컴, 엔비디아, AMD로 정리된다. 토큰 단가 하락이 토큰 집약적 사용처를 경제성 안으로 끌어들이기 때문이다.
소프트웨어와 정보기술 서비스는 더 완만하지만 방향은 같다. 토큰 비용이 내려가면 소프트웨어 업체는 기존 제품 안에 에이전트를 넣어도 총이익률 훼손 없이 제공할 수 있고, 가격도 좌석 수가 아니라 결과물, 생산성, 작업 단위 기준으로 옮겨갈 수 있다. 자동화된 워크플로우의 제공 비용은 낮아지는데, 고객이 지불하는 가치는 여전히 인간 노동 대체와 생산성 향상에 연동되기 때문에 그 차액이 소프트웨어 총 시장을 넓힌다. 정보기술 서비스는 더 직접적이다. 에이전트 사용이 독립형 도구에서 전사적 워크플로우 재설계로 넘어가면 통합, 거버넌스, 오케스트레이션, 변화관리 수요가 커진다. 선호 종목이 마이크로소프트, 클라우드플레어, 액센추어로 제시되는 이유다. 이번 사이클의 핵심은 인공지능 사용량 증가가 비용 부담으로 끝나는지, 아니면 비용 하락과 함께 수익 풀 자체를 넓히는지에 있다. 현재 숫자는 후자 쪽으로 기울고 있다고 본다.
- Goldman Sachs, Macro Trader.
Policy: Korea Roils Markets by Floating ‘Citizen Dividend’ From AI Tax
김용범 청와대 정책실장이 AI 인프라 시대의 과실은 특정 기업만의 결과가 아니며 그 과실의 일부는 전 국민에게 구조적으로 환원되어야 한다며 이른바 ‘국민 배당금’을 제안했다.
반도체 호황기를 맞아 크게 늘어난 삼성전자와 SK하이닉스의 영업이익을 성과 보상, 재투자, 주주 환원 중 어디에 써야 하느냐를 두고 사회적 논의가 확산되는 가운데 김 실장은 페이스북 게시글에서 이러한 구상을 제시했다.
다만 김 실장은 블룸버그 뉴스 질의에 해당 게시글이 기업 이익에 대한 새로운 횡재세 도입 취지의 글이 아니었고 AI 호황발 초과세수를 사용하고 싶다는 의미라고 설명했다.
전 세계적으로 이코노미스트들과 정치권에서는 인공지능 기술의 확산이 부유층과 빈곤층 간 격차를 더욱 심화시킬 수 있다는 점에 점점 더 주목하고 있다. 한국에서도 이러한 목소리가 커지면서, SK하이닉스, 삼성전자 등 업계 주요 기업들이 글로벌 AI 인프라 붐으로 얻는 과실을 보다 폭넓게 공유해야 한다는 공개적인 요구로 이어지고 있다.
피보나치 자산운용 글로벌의 윤정인 최고경영자(CEO)는 김 실장의 글에 대해 한국 정부가 AI를 단순한 기술 트렌드가 아니라 국가 인프라로 점점 더 인식하고 있다는 점을 보여준다고 진단했다.
이런 가운데 삼성전자 노사는 오늘 정부의 중재 하에 성과급 갈등을 둘러싼 마지막 협상에 임하고 있어 총파업 직전 극적 타결이 이뤄질지 관심이 쏠리고 있다.
지난해 SK하이닉스가 매년 영업이익의 10%를 성과급으로 지급하기로 한 가운데 삼성전자 노조도 영업이익 15% 성과급 지급을 요구하며 오는 21일부터 18일간 총파업을 예고한 바 있다.
김용범 실장은 “AI 시대의 초과이윤은 속성상 집중된다”며 “메모리 기업 주주, 핵심 엔지니어, 수도권 자산 보유자처럼 이미 생산자산에 접근한 계층은 시장 메커니즘을 통해 매우 큰 수혜를 받을 가능성이 높은 반면 상당수 중간층은 원화 강세에 따른 구매력 개선, 제한적 재정 이전, 일부 자산 상승 정도의 간접효과만 누릴 수 있다”도 페이스북 게시글에서 밝혔다.
- Bloomberg.
김용범 청와대 정책실장이 AI 인프라 시대의 과실은 특정 기업만의 결과가 아니며 그 과실의 일부는 전 국민에게 구조적으로 환원되어야 한다며 이른바 ‘국민 배당금’을 제안했다.
반도체 호황기를 맞아 크게 늘어난 삼성전자와 SK하이닉스의 영업이익을 성과 보상, 재투자, 주주 환원 중 어디에 써야 하느냐를 두고 사회적 논의가 확산되는 가운데 김 실장은 페이스북 게시글에서 이러한 구상을 제시했다.
다만 김 실장은 블룸버그 뉴스 질의에 해당 게시글이 기업 이익에 대한 새로운 횡재세 도입 취지의 글이 아니었고 AI 호황발 초과세수를 사용하고 싶다는 의미라고 설명했다.
전 세계적으로 이코노미스트들과 정치권에서는 인공지능 기술의 확산이 부유층과 빈곤층 간 격차를 더욱 심화시킬 수 있다는 점에 점점 더 주목하고 있다. 한국에서도 이러한 목소리가 커지면서, SK하이닉스, 삼성전자 등 업계 주요 기업들이 글로벌 AI 인프라 붐으로 얻는 과실을 보다 폭넓게 공유해야 한다는 공개적인 요구로 이어지고 있다.
피보나치 자산운용 글로벌의 윤정인 최고경영자(CEO)는 김 실장의 글에 대해 한국 정부가 AI를 단순한 기술 트렌드가 아니라 국가 인프라로 점점 더 인식하고 있다는 점을 보여준다고 진단했다.
이런 가운데 삼성전자 노사는 오늘 정부의 중재 하에 성과급 갈등을 둘러싼 마지막 협상에 임하고 있어 총파업 직전 극적 타결이 이뤄질지 관심이 쏠리고 있다.
지난해 SK하이닉스가 매년 영업이익의 10%를 성과급으로 지급하기로 한 가운데 삼성전자 노조도 영업이익 15% 성과급 지급을 요구하며 오는 21일부터 18일간 총파업을 예고한 바 있다.
김용범 실장은 “AI 시대의 초과이윤은 속성상 집중된다”며 “메모리 기업 주주, 핵심 엔지니어, 수도권 자산 보유자처럼 이미 생산자산에 접근한 계층은 시장 메커니즘을 통해 매우 큰 수혜를 받을 가능성이 높은 반면 상당수 중간층은 원화 강세에 따른 구매력 개선, 제한적 재정 이전, 일부 자산 상승 정도의 간접효과만 누릴 수 있다”도 페이스북 게시글에서 밝혔다.
- Bloomberg.
Threefold Forge: 'AI Wealth Meets Social Fracture'
AI는 한국 증시를 끌어올렸지만, 시장은 이제 처음으로 ‘누가 그 부를 가져가는가’를 가격에 반영하기 시작했다
지금 한국 시장에서 가장 중요한 변화는 반도체 실적이 아니라 분배 논쟁이다. 대통령실 정책실장이 AI 수익 일부를 국민 전체에 구조적으로 환원해야 한다고 공개적으로 언급한 것은 단순한 정치 발언이 아니다. 이는 AI가 더 이상 산업정책이 아니라 사회계약의 문제로 이동하고 있음을 의미한다. 실제로 삼성전자와 SK하이닉스는 AI 메모리 수요 폭증으로 사상급 이익을 기록하고 있지만, 동시에 노동조합과 정치권은 그 이익이 지나치게 특정 기업, 엔지니어, 자산 보유자에게 집중된다고 보기 시작했다. 시장은 그동안 AI를 성장 테마로만 해석했지만, 이제는 그 부의 배분 구조까지 가격에 넣기 시작했다. 삼성과 SK하이닉스 주가가 발언 직후 급락한 것은 바로 이 전환의 첫 반응이다.
핵심은 임금 협상이 아니라 ‘AI 초과이익의 사회화 압력’이며, 이는 반도체 밸류체인의 새로운 비용 구조가 된다
현재 삼성 노조는 반도체 부문 영업이익의 15%를 성과급으로 요구하고 있고, SK하이닉스의 이익 공유 구조는 이미 비교 기준으로 작동하고 있다. 이는 단순한 임금 인상 요구가 아니다. AI 시대 초과이익을 누가 가져갈 것인가에 대한 구조적 갈등이다. 특히 한국은 반도체 산업이 국가 경제와 자본시장 내 비중이 절대적이기 때문에, 이 논쟁은 특정 기업을 넘어 시장 전체 할인율에 영향을 줄 수 있다. 지금까지 시장은 AI 수요 증가를 거의 순수한 이익 레버리지로 계산해왔지만, 실제로는 인건비, 정책 개입, 사회적 환원 압력이 동시에 상승하고 있다. 즉, AI는 매출을 폭발시키고 있지만, 동시에 비용 구조와 정치 리스크 역시 함께 키우고 있다.
결국 AI는 성장 테마에서 ‘사회 시스템 변수’로 이동하고 있으며, 이는 한국 시장 프리미엄을 다시 정의할 가능성이 높다
지금까지 한국 반도체는 AI 공급 부족의 최대 수혜 자산이었다. 그러나 앞으로는 단순한 공급 우위만으로는 설명되지 않는다. AI가 만든 초과이익이 사회적으로 재분배돼야 한다는 압력이 강화될 경우, 이는 세금, 노동정책, 기업 지배구조까지 연결될 수 있다. 특히 한국처럼 개인 투자자 비중이 높고, 대기업 의존도가 높은 시장에서는 이런 논쟁이 빠르게 정치화된다. 이는 장기적으로 한국 시장의 밸류에이션 프레임 자체를 바꿀 수 있다. 즉, 앞으로 시장은 “얼마나 성장하는가”뿐 아니라 “그 성장의 과실이 얼마나 유지되는가”를 함께 보기 시작할 가능성이 높다.
Insight
지금 AI 시장의 다음 단계는 기술이 아니라 분배다. 성장 자체는 여전히 강하다. 문제는 그 성장의 과실이 독점될 수 있는가다. 지금까지 시장은 AI 초과이익을 거의 완전히 주주 몫으로 가격에 반영해왔다. 그러나 노동과 정치가 개입하기 시작하는 순간, 그 프리미엄은 재조정될 수 있다. 특히 한국처럼 반도체가 국가경제와 직접 연결된 구조에서는 이 변화가 더 빠르게 나타날 가능성이 높다. 결국 앞으로의 핵심 변수는 AI 수요가 아니라, AI 이익을 둘러싼 사회적 협상 구조다.
- Bloomberg, Macro Trader.
AI는 한국 증시를 끌어올렸지만, 시장은 이제 처음으로 ‘누가 그 부를 가져가는가’를 가격에 반영하기 시작했다
지금 한국 시장에서 가장 중요한 변화는 반도체 실적이 아니라 분배 논쟁이다. 대통령실 정책실장이 AI 수익 일부를 국민 전체에 구조적으로 환원해야 한다고 공개적으로 언급한 것은 단순한 정치 발언이 아니다. 이는 AI가 더 이상 산업정책이 아니라 사회계약의 문제로 이동하고 있음을 의미한다. 실제로 삼성전자와 SK하이닉스는 AI 메모리 수요 폭증으로 사상급 이익을 기록하고 있지만, 동시에 노동조합과 정치권은 그 이익이 지나치게 특정 기업, 엔지니어, 자산 보유자에게 집중된다고 보기 시작했다. 시장은 그동안 AI를 성장 테마로만 해석했지만, 이제는 그 부의 배분 구조까지 가격에 넣기 시작했다. 삼성과 SK하이닉스 주가가 발언 직후 급락한 것은 바로 이 전환의 첫 반응이다.
핵심은 임금 협상이 아니라 ‘AI 초과이익의 사회화 압력’이며, 이는 반도체 밸류체인의 새로운 비용 구조가 된다
현재 삼성 노조는 반도체 부문 영업이익의 15%를 성과급으로 요구하고 있고, SK하이닉스의 이익 공유 구조는 이미 비교 기준으로 작동하고 있다. 이는 단순한 임금 인상 요구가 아니다. AI 시대 초과이익을 누가 가져갈 것인가에 대한 구조적 갈등이다. 특히 한국은 반도체 산업이 국가 경제와 자본시장 내 비중이 절대적이기 때문에, 이 논쟁은 특정 기업을 넘어 시장 전체 할인율에 영향을 줄 수 있다. 지금까지 시장은 AI 수요 증가를 거의 순수한 이익 레버리지로 계산해왔지만, 실제로는 인건비, 정책 개입, 사회적 환원 압력이 동시에 상승하고 있다. 즉, AI는 매출을 폭발시키고 있지만, 동시에 비용 구조와 정치 리스크 역시 함께 키우고 있다.
결국 AI는 성장 테마에서 ‘사회 시스템 변수’로 이동하고 있으며, 이는 한국 시장 프리미엄을 다시 정의할 가능성이 높다
지금까지 한국 반도체는 AI 공급 부족의 최대 수혜 자산이었다. 그러나 앞으로는 단순한 공급 우위만으로는 설명되지 않는다. AI가 만든 초과이익이 사회적으로 재분배돼야 한다는 압력이 강화될 경우, 이는 세금, 노동정책, 기업 지배구조까지 연결될 수 있다. 특히 한국처럼 개인 투자자 비중이 높고, 대기업 의존도가 높은 시장에서는 이런 논쟁이 빠르게 정치화된다. 이는 장기적으로 한국 시장의 밸류에이션 프레임 자체를 바꿀 수 있다. 즉, 앞으로 시장은 “얼마나 성장하는가”뿐 아니라 “그 성장의 과실이 얼마나 유지되는가”를 함께 보기 시작할 가능성이 높다.
Insight
지금 AI 시장의 다음 단계는 기술이 아니라 분배다. 성장 자체는 여전히 강하다. 문제는 그 성장의 과실이 독점될 수 있는가다. 지금까지 시장은 AI 초과이익을 거의 완전히 주주 몫으로 가격에 반영해왔다. 그러나 노동과 정치가 개입하기 시작하는 순간, 그 프리미엄은 재조정될 수 있다. 특히 한국처럼 반도체가 국가경제와 직접 연결된 구조에서는 이 변화가 더 빠르게 나타날 가능성이 높다. 결국 앞으로의 핵심 변수는 AI 수요가 아니라, AI 이익을 둘러싼 사회적 협상 구조다.
- Bloomberg, Macro Trader.
Hedge Fund Manager’s Note - AI Agents, Intangible Capital, and the Next Superstars
인공지능 에이전트 도입의 본질은 생산성 개선 자체보다 그 생산성에 도달하기 위해 먼저 집행해야 하는 무형투자에 있다. 선진국 기준 완전 도입 시 노동생산성과 국내총생산 수준이 15% 높아질 수 있다는 전제가 깔려 있지만, 그 경로는 곧바로 실적으로 연결되지 않는다. 미국 국민계정상 인공지능 관련 설비투자는 이미 3,600억달러로 국내총생산의 1.1%까지 올라왔고, 전 세계 초대형 클라우드 사업자 설비투자는 2025년 4,000억 달러에서 2026년 7,000억 달러를 넘길 전망이다. 보고서는 이 하드웨어 사이클이 미국 국내총생산의 약 2% 수준에서 정점을 형성할 수 있다고 본다. 지금 시장이 보고 있는 것은 칩과 서버지만, 실제 기업가치를 가르는 것은 그 위에 쌓이는 데이터, 소프트웨어, 조직 재설계다.
비하드웨어 투자는 이미 숫자로 잡히기 시작했다. 인공지능 관련 정보기술 일자리 비중은 최근 2~3년 사이 약 25%까지 높아졌고, 기업 설문 기준 정보기술 예산의 20~40%가 인공지능 과제에 배정되고 있다. 이를 비기술 업종 정보기술 인건비에 적용하면 미국 기업의 자가계정 인공지능 투자 속도는 연간 1,530억달러다. 경영진 시간도 비용이다. 미국 경영진 임금총액 약 6,000억 달러 가운데 조직혁신 20%, 그중 인공지능 비중 35%를 적용하면 조직자본 투자만 연간 400억 달러를 넘는다. 인공지능 전환은 비용 절감 이전에 인건비와 경영시간을 대규모로 다시 배치하는 단계에 들어와 있다.
노동 재편 비용은 더 크다. 공개기업 사례를 집계한 평균 구조조정 비용은 영향받는 근로자 1인당 8만 4,000달러다. 현재 인공지능 관련 고용역풍이 월 1만명 수준이라는 추정을 적용하면 지금 당장의 구조조정 투자는 약 100억 달러에 불과하다. 그러나 기존 가정대로 인공지능이 전체 노동자의 6~7%를 대체한다면 미국 전체 재편 비용은 누적 9,000억 달러, 채택 사이클 10년 기준 연간 900억 달러에 이른다. 설비투자보다 느리지만 훨씬 긴 꼬리를 가진 비용이며, 기업이 인공지능을 도입한다고 해서 초기에 이익률이 바로 개선되기 어려운 이유다. 생산성의 전제조건으로서 조직 재편은 이미 독립된 투자 항목이 됐다.
하드웨어와 무형투자의 관계는 과거보다 더 선명하다. EU KLEMS와 미국 산업 패널을 이용한 추정에서는 정보통신 하드웨어 투자 1달러 증가가 전체 무형투자 2달러 증가를 유발했고, 그 구성은 데이터, 소프트웨어 1.3달러, 조직자본 0.5달러, 기타 무형자산 0.2달러였다. 최근 하드웨어 급증분에 이 계수를 적용하면 미국에서 약 7,000억 달러, 전 세계에서는 약 1조 달러의 보완적 비하드웨어 투자가 가능한 규모다. 별도 기업 설문도 2026년 인공지능 관련 소프트웨어, 구독, 하드웨어, 훈련, 정보기술 지원 지출이 2,800억 달러 수준임을 시사한다. 하드웨어 투자만으로는 설명되지 않는 대규모 무형자본 축적이 이미 진행 중이라는 뜻이다.
이 과정은 전형적인 생산성 J곡선을 만든다. 기업이 내부적으로 쌓는 소프트웨어, 데이터, 조직자본은 상당 부분 국민계정에 투자로 포착되지 않고 현재 비용으로 처리된다. 보고서는 경영진 시간 400억달러와 노동 재편 100억달러를 합친 조직투자 500억 달러만으로도 미국 국내총생산이 적어도 0.2% 과소계상되고 있다고 본다. 앞선 하드웨어-무형투자 관계가 그대로 작동하면 과소계상 폭은 국내총생산의 2%까지 올라갈 수 있다. 최근 미국 생산성 반등은 이미 숫자로 보이는 것보다 강할 가능성이 크고, 인공지능 자동화 효과가 공식 통계에 본격 반영되기 전까지 실물과 통계의 괴리는 더 커질 수 있다.
결국 승자는 더 많이 파는 기업이 아니라 무형자본을 더 잘 쌓는 기업이다. 무형자본 비중이 1%포인트 높아질 때 향후 2~4년 노동소득분배율은 0.2~0.3%포인트 낮아지는 것으로 추정되고, 특히 소프트웨어, 데이터와 조직자본의 효과가 크다. 지난 40년 동안 무형투자 확대와 초과점유기업의 매출 집중은 거의 같은 속도로 상승했고, 조직효율에 더 많이 투자한 산업일수록 산업 내 집중도가 더 빠르게 높아졌다. 인공지능 에이전트를 더 효과적으로 배치한 기업은 더 큰 매출 점유율, 더 낮은 노동비용, 더 높은 투자수익률을 가져갈 가능성이 크다. 가치 포착의 중심은 데이터 구조화와 오케스트레이션, 배치 계층으로 정리되며, 지금 필요한 지출을 먼저 집행하는 기업이 다음 세대의 초과점유기업으로 올라설 가능성이 크다.
• Goldman Sachs, Macro Trader.
인공지능 에이전트 도입의 본질은 생산성 개선 자체보다 그 생산성에 도달하기 위해 먼저 집행해야 하는 무형투자에 있다. 선진국 기준 완전 도입 시 노동생산성과 국내총생산 수준이 15% 높아질 수 있다는 전제가 깔려 있지만, 그 경로는 곧바로 실적으로 연결되지 않는다. 미국 국민계정상 인공지능 관련 설비투자는 이미 3,600억달러로 국내총생산의 1.1%까지 올라왔고, 전 세계 초대형 클라우드 사업자 설비투자는 2025년 4,000억 달러에서 2026년 7,000억 달러를 넘길 전망이다. 보고서는 이 하드웨어 사이클이 미국 국내총생산의 약 2% 수준에서 정점을 형성할 수 있다고 본다. 지금 시장이 보고 있는 것은 칩과 서버지만, 실제 기업가치를 가르는 것은 그 위에 쌓이는 데이터, 소프트웨어, 조직 재설계다.
비하드웨어 투자는 이미 숫자로 잡히기 시작했다. 인공지능 관련 정보기술 일자리 비중은 최근 2~3년 사이 약 25%까지 높아졌고, 기업 설문 기준 정보기술 예산의 20~40%가 인공지능 과제에 배정되고 있다. 이를 비기술 업종 정보기술 인건비에 적용하면 미국 기업의 자가계정 인공지능 투자 속도는 연간 1,530억달러다. 경영진 시간도 비용이다. 미국 경영진 임금총액 약 6,000억 달러 가운데 조직혁신 20%, 그중 인공지능 비중 35%를 적용하면 조직자본 투자만 연간 400억 달러를 넘는다. 인공지능 전환은 비용 절감 이전에 인건비와 경영시간을 대규모로 다시 배치하는 단계에 들어와 있다.
노동 재편 비용은 더 크다. 공개기업 사례를 집계한 평균 구조조정 비용은 영향받는 근로자 1인당 8만 4,000달러다. 현재 인공지능 관련 고용역풍이 월 1만명 수준이라는 추정을 적용하면 지금 당장의 구조조정 투자는 약 100억 달러에 불과하다. 그러나 기존 가정대로 인공지능이 전체 노동자의 6~7%를 대체한다면 미국 전체 재편 비용은 누적 9,000억 달러, 채택 사이클 10년 기준 연간 900억 달러에 이른다. 설비투자보다 느리지만 훨씬 긴 꼬리를 가진 비용이며, 기업이 인공지능을 도입한다고 해서 초기에 이익률이 바로 개선되기 어려운 이유다. 생산성의 전제조건으로서 조직 재편은 이미 독립된 투자 항목이 됐다.
하드웨어와 무형투자의 관계는 과거보다 더 선명하다. EU KLEMS와 미국 산업 패널을 이용한 추정에서는 정보통신 하드웨어 투자 1달러 증가가 전체 무형투자 2달러 증가를 유발했고, 그 구성은 데이터, 소프트웨어 1.3달러, 조직자본 0.5달러, 기타 무형자산 0.2달러였다. 최근 하드웨어 급증분에 이 계수를 적용하면 미국에서 약 7,000억 달러, 전 세계에서는 약 1조 달러의 보완적 비하드웨어 투자가 가능한 규모다. 별도 기업 설문도 2026년 인공지능 관련 소프트웨어, 구독, 하드웨어, 훈련, 정보기술 지원 지출이 2,800억 달러 수준임을 시사한다. 하드웨어 투자만으로는 설명되지 않는 대규모 무형자본 축적이 이미 진행 중이라는 뜻이다.
이 과정은 전형적인 생산성 J곡선을 만든다. 기업이 내부적으로 쌓는 소프트웨어, 데이터, 조직자본은 상당 부분 국민계정에 투자로 포착되지 않고 현재 비용으로 처리된다. 보고서는 경영진 시간 400억달러와 노동 재편 100억달러를 합친 조직투자 500억 달러만으로도 미국 국내총생산이 적어도 0.2% 과소계상되고 있다고 본다. 앞선 하드웨어-무형투자 관계가 그대로 작동하면 과소계상 폭은 국내총생산의 2%까지 올라갈 수 있다. 최근 미국 생산성 반등은 이미 숫자로 보이는 것보다 강할 가능성이 크고, 인공지능 자동화 효과가 공식 통계에 본격 반영되기 전까지 실물과 통계의 괴리는 더 커질 수 있다.
결국 승자는 더 많이 파는 기업이 아니라 무형자본을 더 잘 쌓는 기업이다. 무형자본 비중이 1%포인트 높아질 때 향후 2~4년 노동소득분배율은 0.2~0.3%포인트 낮아지는 것으로 추정되고, 특히 소프트웨어, 데이터와 조직자본의 효과가 크다. 지난 40년 동안 무형투자 확대와 초과점유기업의 매출 집중은 거의 같은 속도로 상승했고, 조직효율에 더 많이 투자한 산업일수록 산업 내 집중도가 더 빠르게 높아졌다. 인공지능 에이전트를 더 효과적으로 배치한 기업은 더 큰 매출 점유율, 더 낮은 노동비용, 더 높은 투자수익률을 가져갈 가능성이 크다. 가치 포착의 중심은 데이터 구조화와 오케스트레이션, 배치 계층으로 정리되며, 지금 필요한 지출을 먼저 집행하는 기업이 다음 세대의 초과점유기업으로 올라설 가능성이 크다.
• Goldman Sachs, Macro Trader.
Threefold Forge: ‘Independent Until Proven Otherwise’
워시의 취임은 금리보다 ‘연준 독립성 프리미엄’ 자체를 시장 변수로 바꿔놓았다
케빈 워시의 연준 의장 인준은 단순한 인사 교체가 아니다. 54대 45라는 역사상 가장 박빙의 인준 결과는 시장이 이제 금리 경로뿐 아니라 중앙은행의 정치적 독립성 자체를 가격에 넣기 시작했음을 의미한다. 과거 연준 의장 인준은 초당적 합의의 상징에 가까웠지만, 지금은 완전히 다른 환경이다. 민주당은 워시가 트럼프의 금리 인하 압력에 굴복할 가능성을 우려하고 있고, 공화당은 성장과 선거를 위해 더 빠른 완화를 기대하고 있다. 즉, 이번 인준은 경제 이벤트가 아니라 정치 이벤트에 가깝다. 중요한 점은 시장이 아직 이를 완전히 반영하지 못하고 있다는 것이다. 지금까지 연준은 독립성을 전제로 움직였지만, 이제 시장은 그 전제를 다시 검증하기 시작했다.
핵심은 워시의 성향이 아니라 ‘연준 내부 저항 구조’이며, 이는 즉각적인 정책 전환 가능성을 제한한다
시장은 워시를 잠재적 비둘기로 보지만, 실제 구조는 훨씬 복잡하다. 현재 연준 내부에서는 금리 인하뿐 아니라 추가 인상 가능성까지 열어둬야 한다는 의견이 확산되고 있다. 특히 에너지 가격 상승과 생산자물가 급등은 인플레이션이 다시 확산되고 있음을 보여준다. 이런 환경에서 워시가 정치적 요구에 따라 즉각적인 인하로 이동할 경우, 내부 위원들의 저항은 상당할 가능성이 높다. 즉, 현재 연준은 의장 한 명이 방향을 바꾸기 어려운 구조다. 시장은 인준 자체를 완화 신호로 해석하려 하지만, 실제로는 연준 내부 컨센서스가 훨씬 더 중요한 변수로 남아 있다. 이는 정책 전환 속도를 제한하는 핵심 요인이다.
결국 시장은 금리보다 ‘신뢰 비용’을 다시 계산하기 시작했고, 이것이 향후 변동성의 핵심이 된다
연준의 가장 중요한 자산은 금리가 아니라 신뢰다. 지금 시장은 단순히 금리 인하 여부를 보는 것이 아니라, 연준이 정치 압력으로부터 얼마나 자유로운지를 보기 시작했다. 특히 파월에 대한 수사 압박과 정치적 공격은 시장에 새로운 리스크를 만들었다. 만약 시장이 연준의 독립성이 훼손됐다고 판단하는 순간, 장기 금리와 달러, 인플레이션 기대는 모두 영향을 받을 수 있다. 이는 단순한 정책 변화보다 훨씬 큰 문제다. 중앙은행 신뢰 프리미엄이 약해지는 순간, 금융 자산의 할인율 자체가 바뀌기 때문이다. 즉, 지금 시장은 금리 사이클이 아니라 ‘중앙은행 체제 리스크’를 처음으로 시험하는 단계에 들어섰다.
Insight
이번 인준의 핵심은 워시가 매파냐 비둘기냐가 아니다. 핵심은 시장이 연준을 더 이상 완전히 독립적인 기관으로 보지 않기 시작했다는 점이다. 이는 장기적으로 매우 중요한 변화다. 금리는 결국 경제가 결정하지만, 신뢰는 정치가 무너뜨릴 수 있다. 특히 인플레이션이 다시 상승하는 환경에서는 중앙은행 신뢰 프리미엄이 더욱 중요해진다. 지금 시장은 여전히 완화 기대에 기울어 있지만, 실제 리스크는 금리 수준보다 ‘정책 신뢰도’에 있다. 결국 앞으로의 변동성은 연준이 무엇을 하느냐보다, 시장이 어떤 의도를 더 믿느냐에서 발생할 가능성이 높다.
- Macro Trader.
워시의 취임은 금리보다 ‘연준 독립성 프리미엄’ 자체를 시장 변수로 바꿔놓았다
케빈 워시의 연준 의장 인준은 단순한 인사 교체가 아니다. 54대 45라는 역사상 가장 박빙의 인준 결과는 시장이 이제 금리 경로뿐 아니라 중앙은행의 정치적 독립성 자체를 가격에 넣기 시작했음을 의미한다. 과거 연준 의장 인준은 초당적 합의의 상징에 가까웠지만, 지금은 완전히 다른 환경이다. 민주당은 워시가 트럼프의 금리 인하 압력에 굴복할 가능성을 우려하고 있고, 공화당은 성장과 선거를 위해 더 빠른 완화를 기대하고 있다. 즉, 이번 인준은 경제 이벤트가 아니라 정치 이벤트에 가깝다. 중요한 점은 시장이 아직 이를 완전히 반영하지 못하고 있다는 것이다. 지금까지 연준은 독립성을 전제로 움직였지만, 이제 시장은 그 전제를 다시 검증하기 시작했다.
핵심은 워시의 성향이 아니라 ‘연준 내부 저항 구조’이며, 이는 즉각적인 정책 전환 가능성을 제한한다
시장은 워시를 잠재적 비둘기로 보지만, 실제 구조는 훨씬 복잡하다. 현재 연준 내부에서는 금리 인하뿐 아니라 추가 인상 가능성까지 열어둬야 한다는 의견이 확산되고 있다. 특히 에너지 가격 상승과 생산자물가 급등은 인플레이션이 다시 확산되고 있음을 보여준다. 이런 환경에서 워시가 정치적 요구에 따라 즉각적인 인하로 이동할 경우, 내부 위원들의 저항은 상당할 가능성이 높다. 즉, 현재 연준은 의장 한 명이 방향을 바꾸기 어려운 구조다. 시장은 인준 자체를 완화 신호로 해석하려 하지만, 실제로는 연준 내부 컨센서스가 훨씬 더 중요한 변수로 남아 있다. 이는 정책 전환 속도를 제한하는 핵심 요인이다.
결국 시장은 금리보다 ‘신뢰 비용’을 다시 계산하기 시작했고, 이것이 향후 변동성의 핵심이 된다
연준의 가장 중요한 자산은 금리가 아니라 신뢰다. 지금 시장은 단순히 금리 인하 여부를 보는 것이 아니라, 연준이 정치 압력으로부터 얼마나 자유로운지를 보기 시작했다. 특히 파월에 대한 수사 압박과 정치적 공격은 시장에 새로운 리스크를 만들었다. 만약 시장이 연준의 독립성이 훼손됐다고 판단하는 순간, 장기 금리와 달러, 인플레이션 기대는 모두 영향을 받을 수 있다. 이는 단순한 정책 변화보다 훨씬 큰 문제다. 중앙은행 신뢰 프리미엄이 약해지는 순간, 금융 자산의 할인율 자체가 바뀌기 때문이다. 즉, 지금 시장은 금리 사이클이 아니라 ‘중앙은행 체제 리스크’를 처음으로 시험하는 단계에 들어섰다.
Insight
이번 인준의 핵심은 워시가 매파냐 비둘기냐가 아니다. 핵심은 시장이 연준을 더 이상 완전히 독립적인 기관으로 보지 않기 시작했다는 점이다. 이는 장기적으로 매우 중요한 변화다. 금리는 결국 경제가 결정하지만, 신뢰는 정치가 무너뜨릴 수 있다. 특히 인플레이션이 다시 상승하는 환경에서는 중앙은행 신뢰 프리미엄이 더욱 중요해진다. 지금 시장은 여전히 완화 기대에 기울어 있지만, 실제 리스크는 금리 수준보다 ‘정책 신뢰도’에 있다. 결국 앞으로의 변동성은 연준이 무엇을 하느냐보다, 시장이 어떤 의도를 더 믿느냐에서 발생할 가능성이 높다.
- Macro Trader.
Threefold Forge: 'Defective Chips, Perfect Pricing'
애플의 저가 전략은 할인 판매가 아니라 수율 관리에서 나오며, 시장은 이를 단순한 제품 라인업 확장보다 더 높게 평가해야 한다
애플이 599달러 맥북 네오와 저가형 아이폰을 통해 가격대를 낮추는 방식은 일반적인 원가 절감이 아니다. 핵심은 반도체 제조 과정에서 최상위 사양을 충족하지 못한 칩을 폐기하지 않고, 일부 기능을 비활성화한 뒤 다른 제품에 재배치하는 것이다. 아이폰 16 프로에 쓰였던 A18 프로 칩 중 그래픽 코어 하나가 정상 작동하지 않는 칩을 5코어 버전으로 만들어 맥북 네오에 탑재한 방식이 대표적이다. 이는 결함을 감추는 것이 아니라 제품 가격표 안에서 결함의 경제적 가치를 회수하는 구조다. 애플은 프리미엄 브랜드를 유지하면서도 저가 시장까지 침투할 수 있는 드문 비용 우위를 확보하고 있다.
핵심은 칩 재활용이 아니라 ‘제품 계층화 능력’이며, 애플은 같은 원재료에서 여러 가격대를 뽑아내는 구조를 완성했다
반도체 업계의 칩 선별 전략 자체는 오래된 방식이지만, 애플의 차별점은 이를 단순한 생산 효율이 아니라 제품 전략으로 통합했다는 데 있다. 연간 2억 대 이상의 아이폰을 판매하는 규모에서는 작은 비율의 비최상급 칩도 수백만 개의 저가 제품 공급원이 된다. 애플은 이를 아이폰 17e, 아이폰 에어, 아이패드 에어, 맥북 네오 같은 제품에 배치하며 ‘좋음, 더 좋음, 최고’의 가격 사다리를 정교하게 만든다. 경쟁사들은 메모리와 저장장치 가격 상승으로 저가 제품 수익성이 악화되는 반면, 애플은 이미 확보한 칩 풀과 자체 설계 능력으로 낮은 가격에서도 마진을 방어한다. 저가 제품은 독립 상품이 아니라 서비스 매출로 연결되는 고객 유입 통로다.
그러나 네오의 성공은 동시에 공급망 제약을 드러내며, 애플의 효율 전략도 TSMC와 AI 반도체 병목에서 자유롭지 않다
맥북 네오가 예상보다 잘 팔리면서 애플은 기존에 쌓아둔 저가형 선별 칩을 빠르게 소진하고 있다. 결국 A18 프로 실리콘을 새로 주문해야 하는 상황이 발생했는데, 이는 이 전략의 한계를 보여준다. 선별 칩은 원래 부산물일 때 가장 수익성이 높지만, 수요가 부산물 공급을 넘어서면 다시 정상 생산능력과 파운드리 병목의 문제가 된다. 애플은 가장 앞선 칩을 사실상 TSMC에 의존하고 있으며, TSMC는 동시에 AI 반도체 수요 폭증을 처리하고 있다. 즉, 애플의 저가 확장 전략은 내부적으로는 매우 정교하지만, 외부적으로는 글로벌 첨단 반도체 공급 병목에 묶여 있다. 이번 사례는 애플의 공급망 천재성이 여전히 강하지만, 더 이상 무제한적이지 않다는 점도 보여준다.
Insight
이 사례의 투자 포인트는 애플이 싸게 팔기 시작했다는 것이 아니라, 싸게 팔아도 비싸게 남길 수 있는 구조를 가지고 있다는 점이다. 애플은 칩 수율, 제품 계층, 브랜드, 서비스 매출을 하나의 경제 모델로 묶어 경쟁사와 다른 원가 곡선을 만든다. 다만 네오의 성공은 동시에 공급 제약이라는 새로운 변수도 드러냈다. 애플의 강점은 수요 창출이고, 리스크는 첨단 칩 공급능력이다. 결국 애플을 볼 때 중요한 것은 AI 모델 경쟁이 아니라, 기기 설치 기반을 얼마나 낮은 비용으로 확장하고 그 위에 서비스를 얼마나 붙일 수 있느냐다. 시장이 놓치기 쉬운 애플의 진짜 알파는 혁신의 번쩍임보다 재고의 잔돈까지 이익으로 바꾸는 냉정한 운영 능력이다.
- WSJ, Macro Trader.
애플의 저가 전략은 할인 판매가 아니라 수율 관리에서 나오며, 시장은 이를 단순한 제품 라인업 확장보다 더 높게 평가해야 한다
애플이 599달러 맥북 네오와 저가형 아이폰을 통해 가격대를 낮추는 방식은 일반적인 원가 절감이 아니다. 핵심은 반도체 제조 과정에서 최상위 사양을 충족하지 못한 칩을 폐기하지 않고, 일부 기능을 비활성화한 뒤 다른 제품에 재배치하는 것이다. 아이폰 16 프로에 쓰였던 A18 프로 칩 중 그래픽 코어 하나가 정상 작동하지 않는 칩을 5코어 버전으로 만들어 맥북 네오에 탑재한 방식이 대표적이다. 이는 결함을 감추는 것이 아니라 제품 가격표 안에서 결함의 경제적 가치를 회수하는 구조다. 애플은 프리미엄 브랜드를 유지하면서도 저가 시장까지 침투할 수 있는 드문 비용 우위를 확보하고 있다.
핵심은 칩 재활용이 아니라 ‘제품 계층화 능력’이며, 애플은 같은 원재료에서 여러 가격대를 뽑아내는 구조를 완성했다
반도체 업계의 칩 선별 전략 자체는 오래된 방식이지만, 애플의 차별점은 이를 단순한 생산 효율이 아니라 제품 전략으로 통합했다는 데 있다. 연간 2억 대 이상의 아이폰을 판매하는 규모에서는 작은 비율의 비최상급 칩도 수백만 개의 저가 제품 공급원이 된다. 애플은 이를 아이폰 17e, 아이폰 에어, 아이패드 에어, 맥북 네오 같은 제품에 배치하며 ‘좋음, 더 좋음, 최고’의 가격 사다리를 정교하게 만든다. 경쟁사들은 메모리와 저장장치 가격 상승으로 저가 제품 수익성이 악화되는 반면, 애플은 이미 확보한 칩 풀과 자체 설계 능력으로 낮은 가격에서도 마진을 방어한다. 저가 제품은 독립 상품이 아니라 서비스 매출로 연결되는 고객 유입 통로다.
그러나 네오의 성공은 동시에 공급망 제약을 드러내며, 애플의 효율 전략도 TSMC와 AI 반도체 병목에서 자유롭지 않다
맥북 네오가 예상보다 잘 팔리면서 애플은 기존에 쌓아둔 저가형 선별 칩을 빠르게 소진하고 있다. 결국 A18 프로 실리콘을 새로 주문해야 하는 상황이 발생했는데, 이는 이 전략의 한계를 보여준다. 선별 칩은 원래 부산물일 때 가장 수익성이 높지만, 수요가 부산물 공급을 넘어서면 다시 정상 생산능력과 파운드리 병목의 문제가 된다. 애플은 가장 앞선 칩을 사실상 TSMC에 의존하고 있으며, TSMC는 동시에 AI 반도체 수요 폭증을 처리하고 있다. 즉, 애플의 저가 확장 전략은 내부적으로는 매우 정교하지만, 외부적으로는 글로벌 첨단 반도체 공급 병목에 묶여 있다. 이번 사례는 애플의 공급망 천재성이 여전히 강하지만, 더 이상 무제한적이지 않다는 점도 보여준다.
Insight
이 사례의 투자 포인트는 애플이 싸게 팔기 시작했다는 것이 아니라, 싸게 팔아도 비싸게 남길 수 있는 구조를 가지고 있다는 점이다. 애플은 칩 수율, 제품 계층, 브랜드, 서비스 매출을 하나의 경제 모델로 묶어 경쟁사와 다른 원가 곡선을 만든다. 다만 네오의 성공은 동시에 공급 제약이라는 새로운 변수도 드러냈다. 애플의 강점은 수요 창출이고, 리스크는 첨단 칩 공급능력이다. 결국 애플을 볼 때 중요한 것은 AI 모델 경쟁이 아니라, 기기 설치 기반을 얼마나 낮은 비용으로 확장하고 그 위에 서비스를 얼마나 붙일 수 있느냐다. 시장이 놓치기 쉬운 애플의 진짜 알파는 혁신의 번쩍임보다 재고의 잔돈까지 이익으로 바꾸는 냉정한 운영 능력이다.
- WSJ, Macro Trader.
Threefold Forge: 'Bond Panic, Loose Money'
국채 금리 급등은 긴축처럼 보이지만, 실제 금융 여건은 여전히 위험자산에 우호적이다
최근 시장의 가장 큰 착시는 장기금리 상승을 곧바로 금융 여건 긴축으로 해석하는 데 있다. 미국 30년물, 영국 국채, 일본 국채 금리가 다년래 고점으로 올라가면 겉으로는 전통적인 긴축 신호처럼 보인다. 그러나 이번 금리 상승은 단기 인플레이션 기대가 통제 불능이 됐거나 중앙은행이 공격적으로 긴축을 재개했기 때문이 아니다. 미국에서는 강한 명목 GDP 성장과 재정적자 확대에 따른 기간 프리미엄 상승이 더 큰 원인이다. 그래서 금리는 올랐지만 신용 스프레드, 주식 변동성, 달러 유동성 스트레스는 아직 동반 악화되지 않고 있다. 즉, 지금의 국채 매도는 금융 시스템 전체의 긴축이 아니라 채권시장 내부의 재가격화에 가깝다.
핵심은 금리 레벨이 아니라 전이 여부이며, 아직 크레딧과 주식은 스트레스를 가격에 넣지 않고 있다
진짜 긴축은 국채 금리 상승이 회사채 스프레드 확대, 주식 변동성 급등, 달러 조달 압박으로 번질 때 시작된다. 그러나 현재 미국 하이일드 OAS는 270bp 안팎의 낮은 수준에 머물러 있고, VIX도 10대에 머물며 위기 국면과 거리가 있다. 과거 시스템 스트레스에서는 VIX가 40~45까지 뛰었고, 2008년과 2020년에는 75~80까지 치솟았다. 지금은 그런 가격 행동이 없다. 기업들은 현금 버퍼가 있고, 단기 만기벽도 제한적이며, 금리 상승이 곧바로 부도 리스크로 연결되지 않고 있다. MOVE 같은 채권 변동성 지표가 불안해도 그 불안이 크레딧과 주식으로 확산되지 않는 한, 금융 여건은 여전히 완화적이다.
달러 강세도 아직 전면적 유동성 압박이 아니며, 시장은 ‘선택적 긴축’과 ‘전반적 완화’를 동시에 반영하고 있다
달러 지수가 98~99 수준으로 강하게 거래되고 금리차가 확대되면 전통적으로는 글로벌 유동성 축소를 의심해야 한다. 그러나 현재 달러 강세의 압박은 일부 취약 신흥국 통화와 고금리 아시아 통화에 국지적으로 나타나는 수준에 그치고 있다. 광범위한 신흥국 금융 스트레스 지표는 여전히 역사적 평균보다 낮고, 글로벌 금융 스트레스 지수도 완화 영역에 남아 있다. 이는 시장이 국채 금리 상승을 성장과 재정 프리미엄의 결과로 보고 있지, 신용 사이클 붕괴의 전조로 보지 않는다는 뜻이다. 결국 지금의 거시 환경은 금리만 보면 위험하지만, 금융 여건 전체를 보면 아직 위험자산을 밀어낼 정도로 조여지지 않았다.
Insight
지금 시장에서 가장 비싼 실수는 국채 금리만 보고 위험자산을 서둘러 줄이는 것이다. 진짜 경고등은 30년물 금리 레벨이 아니라 하이일드 스프레드, VIX, 달러 조달시장, 신흥국 금융 스트레스의 동시 악화다. 아직 그 조합은 나오지 않았다. 따라서 현재 구간은 단순한 리스크 오프보다, 듀레이션은 조심하되 크레딧과 주식의 구조적 강도를 인정해야 하는 시장이다. 다만 이 평온은 조건부다. 회사채 스프레드가 벌어지고 VIX가 20대 중후반으로 올라서며 달러 강세가 신흥국 전반으로 번지는 순간, 이야기는 바뀐다. 지금은 국채시장의 소음보다 금융 여건의 침묵이 더 중요한 신호다.
- Bloomberg, Macro Trader.
국채 금리 급등은 긴축처럼 보이지만, 실제 금융 여건은 여전히 위험자산에 우호적이다
최근 시장의 가장 큰 착시는 장기금리 상승을 곧바로 금융 여건 긴축으로 해석하는 데 있다. 미국 30년물, 영국 국채, 일본 국채 금리가 다년래 고점으로 올라가면 겉으로는 전통적인 긴축 신호처럼 보인다. 그러나 이번 금리 상승은 단기 인플레이션 기대가 통제 불능이 됐거나 중앙은행이 공격적으로 긴축을 재개했기 때문이 아니다. 미국에서는 강한 명목 GDP 성장과 재정적자 확대에 따른 기간 프리미엄 상승이 더 큰 원인이다. 그래서 금리는 올랐지만 신용 스프레드, 주식 변동성, 달러 유동성 스트레스는 아직 동반 악화되지 않고 있다. 즉, 지금의 국채 매도는 금융 시스템 전체의 긴축이 아니라 채권시장 내부의 재가격화에 가깝다.
핵심은 금리 레벨이 아니라 전이 여부이며, 아직 크레딧과 주식은 스트레스를 가격에 넣지 않고 있다
진짜 긴축은 국채 금리 상승이 회사채 스프레드 확대, 주식 변동성 급등, 달러 조달 압박으로 번질 때 시작된다. 그러나 현재 미국 하이일드 OAS는 270bp 안팎의 낮은 수준에 머물러 있고, VIX도 10대에 머물며 위기 국면과 거리가 있다. 과거 시스템 스트레스에서는 VIX가 40~45까지 뛰었고, 2008년과 2020년에는 75~80까지 치솟았다. 지금은 그런 가격 행동이 없다. 기업들은 현금 버퍼가 있고, 단기 만기벽도 제한적이며, 금리 상승이 곧바로 부도 리스크로 연결되지 않고 있다. MOVE 같은 채권 변동성 지표가 불안해도 그 불안이 크레딧과 주식으로 확산되지 않는 한, 금융 여건은 여전히 완화적이다.
달러 강세도 아직 전면적 유동성 압박이 아니며, 시장은 ‘선택적 긴축’과 ‘전반적 완화’를 동시에 반영하고 있다
달러 지수가 98~99 수준으로 강하게 거래되고 금리차가 확대되면 전통적으로는 글로벌 유동성 축소를 의심해야 한다. 그러나 현재 달러 강세의 압박은 일부 취약 신흥국 통화와 고금리 아시아 통화에 국지적으로 나타나는 수준에 그치고 있다. 광범위한 신흥국 금융 스트레스 지표는 여전히 역사적 평균보다 낮고, 글로벌 금융 스트레스 지수도 완화 영역에 남아 있다. 이는 시장이 국채 금리 상승을 성장과 재정 프리미엄의 결과로 보고 있지, 신용 사이클 붕괴의 전조로 보지 않는다는 뜻이다. 결국 지금의 거시 환경은 금리만 보면 위험하지만, 금융 여건 전체를 보면 아직 위험자산을 밀어낼 정도로 조여지지 않았다.
Insight
지금 시장에서 가장 비싼 실수는 국채 금리만 보고 위험자산을 서둘러 줄이는 것이다. 진짜 경고등은 30년물 금리 레벨이 아니라 하이일드 스프레드, VIX, 달러 조달시장, 신흥국 금융 스트레스의 동시 악화다. 아직 그 조합은 나오지 않았다. 따라서 현재 구간은 단순한 리스크 오프보다, 듀레이션은 조심하되 크레딧과 주식의 구조적 강도를 인정해야 하는 시장이다. 다만 이 평온은 조건부다. 회사채 스프레드가 벌어지고 VIX가 20대 중후반으로 올라서며 달러 강세가 신흥국 전반으로 번지는 순간, 이야기는 바뀐다. 지금은 국채시장의 소음보다 금융 여건의 침묵이 더 중요한 신호다.
- Bloomberg, Macro Trader.
Threefold Forge: 'Concentration Is Not Capitulation'
외국인의 매도는 한국 주식시장에 대한 비관이 아니라, AI 랠리가 너무 좁아진 데 따른 포트폴리오 재조정이다
한국 주식시장은 올해 71% 상승하며 세계 최고의 성과를 기록했지만, 외국인은 연초 이후 약 600억달러를 순매도했다. 표면적으로는 글로벌 기관이 한국 랠리를 떠나는 것처럼 보인다. 그러나 실제로는 방향성 비관보다 리밸런싱의 성격이 강하다. 외국인은 코스피의 약 39%를 보유하고 있고, 삼성전자와 SK하이닉스의 급등으로 단일 종목 및 단일 테마 비중이 과도하게 높아졌다. 특히 SK하이닉스는 올해 시가총액이 두 배 이상 불어나며 MSCI 신흥국 지수 내 비중이 텐센트와 알리바바를 합친 수준에 도달했다. 이 정도 집중도에서는 펀드매니저가 여전히 업사이드를 믿더라도 규정과 리스크 관리상 일부 차익 실현을 피하기 어렵다. 즉, 외국인 매도는 한국을 파는 것이 아니라, 너무 커진 한국 AI 익스포저를 줄이는 행위다.
핵심은 한국 시장의 과열이 아니라 신흥국 자산군 전체가 AI 인프라 프록시로 변했다는 점이다
삼성전자와 SK하이닉스, TSMC는 MSCI 신흥국 지수의 25% 이상을 차지하고, 올해 지수 상승분의 70% 이상을 설명한다. 이는 신흥국 주식이라는 자산군이 더 이상 국가, 소비, 금융, 원자재의 분산 바스켓이 아니라 AI 반도체 공급망에 대한 집중 베팅으로 변했다는 뜻이다. 한국 두 반도체 기업만 해도 MSCI 신흥국 지수의 약 13%를 차지한다. 전문 운용자 입장에서는 이 구조가 매우 불편하다. 벤치마크를 따라가려면 과도한 집중을 감수해야 하고, 분산 원칙을 지키려면 벤치마크 대비 언더퍼폼을 받아들여야 한다. 결국 문제는 밸류에이션이 싸냐 비싸냐가 아니라, 포트폴리오가 감당할 수 있는 집중도의 한계다. 한국 증시는 강하지만, 그 강함 자체가 글로벌 자금에는 리스크 관리의 대상이 되고 있다.
반면 개인 투자자는 집중을 두려워하지 않고, 이 차이가 한국 랠리의 수급 구조를 완전히 바꾸고 있다
국내 개인 투자자는 외국인의 매도를 대부분 흡수하고 있다. 증권계좌 예탁금은 137조원까지 늘었고, 6개월 전보다 약 3분의 2 증가했다. 신용융자도 사상 최고 수준이다. 이는 단순한 유동성 유입이 아니라 AI 공급망에 대한 국내 투자자의 신념이 강해졌다는 뜻이다. 외국인은 집중도를 낮추고 있지만, 개인은 오히려 집중도를 선호한다. 미국에서 한국 메모리 반도체 비중이 절반에 가까운 ETF가 출시 직후 87억달러를 끌어모은 것도 같은 현상이다. 시장은 더 이상 전통적인 분산 논리만으로 움직이지 않는다. AI가 승자독식 구조를 만들수록 투자자들은 넓은 시장보다 좁은 승자를 사려 한다. 한국 시장의 현재 수급은 기관의 리밸런싱과 개인의 테마 집중이 정면으로 만나는 구간이다.
Insight
지금 한국 주식시장의 핵심은 외국인이 팔았다는 사실이 아니라, 왜 팔았는가다. 방향성 매도라면 위험 신호지만, 집중도 관리라면 오히려 랠리의 구조적 강도를 보여준다. 문제는 이 강도가 동시에 취약성이라는 점이다. AI 메모리 사이클이 유지되는 한 한국은 글로벌 자금의 필수 노출이고, 조정이 나오더라도 개인과 테마형 자금이 받아낼 가능성이 크다. 그러나 삼성전자와 SK하이닉스가 지수와 자산군 전체를 끌고 가는 구조에서는 작은 실적 실망이나 HBM 가격 변화도 시장 전체 조정으로 확대될 수 있다. 이 구간의 알파는 한국을 사느냐 파느냐가 아니라, 반도체 중심 집중을 어디까지 감수하고 어디서 체인 하단으로 분산할지를 정하는 데 있다.
- Bloomberg, Macro Trader.
외국인의 매도는 한국 주식시장에 대한 비관이 아니라, AI 랠리가 너무 좁아진 데 따른 포트폴리오 재조정이다
한국 주식시장은 올해 71% 상승하며 세계 최고의 성과를 기록했지만, 외국인은 연초 이후 약 600억달러를 순매도했다. 표면적으로는 글로벌 기관이 한국 랠리를 떠나는 것처럼 보인다. 그러나 실제로는 방향성 비관보다 리밸런싱의 성격이 강하다. 외국인은 코스피의 약 39%를 보유하고 있고, 삼성전자와 SK하이닉스의 급등으로 단일 종목 및 단일 테마 비중이 과도하게 높아졌다. 특히 SK하이닉스는 올해 시가총액이 두 배 이상 불어나며 MSCI 신흥국 지수 내 비중이 텐센트와 알리바바를 합친 수준에 도달했다. 이 정도 집중도에서는 펀드매니저가 여전히 업사이드를 믿더라도 규정과 리스크 관리상 일부 차익 실현을 피하기 어렵다. 즉, 외국인 매도는 한국을 파는 것이 아니라, 너무 커진 한국 AI 익스포저를 줄이는 행위다.
핵심은 한국 시장의 과열이 아니라 신흥국 자산군 전체가 AI 인프라 프록시로 변했다는 점이다
삼성전자와 SK하이닉스, TSMC는 MSCI 신흥국 지수의 25% 이상을 차지하고, 올해 지수 상승분의 70% 이상을 설명한다. 이는 신흥국 주식이라는 자산군이 더 이상 국가, 소비, 금융, 원자재의 분산 바스켓이 아니라 AI 반도체 공급망에 대한 집중 베팅으로 변했다는 뜻이다. 한국 두 반도체 기업만 해도 MSCI 신흥국 지수의 약 13%를 차지한다. 전문 운용자 입장에서는 이 구조가 매우 불편하다. 벤치마크를 따라가려면 과도한 집중을 감수해야 하고, 분산 원칙을 지키려면 벤치마크 대비 언더퍼폼을 받아들여야 한다. 결국 문제는 밸류에이션이 싸냐 비싸냐가 아니라, 포트폴리오가 감당할 수 있는 집중도의 한계다. 한국 증시는 강하지만, 그 강함 자체가 글로벌 자금에는 리스크 관리의 대상이 되고 있다.
반면 개인 투자자는 집중을 두려워하지 않고, 이 차이가 한국 랠리의 수급 구조를 완전히 바꾸고 있다
국내 개인 투자자는 외국인의 매도를 대부분 흡수하고 있다. 증권계좌 예탁금은 137조원까지 늘었고, 6개월 전보다 약 3분의 2 증가했다. 신용융자도 사상 최고 수준이다. 이는 단순한 유동성 유입이 아니라 AI 공급망에 대한 국내 투자자의 신념이 강해졌다는 뜻이다. 외국인은 집중도를 낮추고 있지만, 개인은 오히려 집중도를 선호한다. 미국에서 한국 메모리 반도체 비중이 절반에 가까운 ETF가 출시 직후 87억달러를 끌어모은 것도 같은 현상이다. 시장은 더 이상 전통적인 분산 논리만으로 움직이지 않는다. AI가 승자독식 구조를 만들수록 투자자들은 넓은 시장보다 좁은 승자를 사려 한다. 한국 시장의 현재 수급은 기관의 리밸런싱과 개인의 테마 집중이 정면으로 만나는 구간이다.
Insight
지금 한국 주식시장의 핵심은 외국인이 팔았다는 사실이 아니라, 왜 팔았는가다. 방향성 매도라면 위험 신호지만, 집중도 관리라면 오히려 랠리의 구조적 강도를 보여준다. 문제는 이 강도가 동시에 취약성이라는 점이다. AI 메모리 사이클이 유지되는 한 한국은 글로벌 자금의 필수 노출이고, 조정이 나오더라도 개인과 테마형 자금이 받아낼 가능성이 크다. 그러나 삼성전자와 SK하이닉스가 지수와 자산군 전체를 끌고 가는 구조에서는 작은 실적 실망이나 HBM 가격 변화도 시장 전체 조정으로 확대될 수 있다. 이 구간의 알파는 한국을 사느냐 파느냐가 아니라, 반도체 중심 집중을 어디까지 감수하고 어디서 체인 하단으로 분산할지를 정하는 데 있다.
- Bloomberg, Macro Trader.
Hedge Fund Manager’s Note - In the garden of good and evil
프런티어 인공지능은 생산성과 효율을 끌어올리는 기술이지만, 이번 자료가 말하는 핵심은 그 편익이 공짜가 아니라는 점이다. 2025년 전 세계 보안 소프트웨어 매출은 1,388억달러, 전문 보안 서비스는 619억달러로 합계 2,007억달러에 이르렀고, 보안 소프트웨어 시장은 2030년 2,700억달러까지 연평균 14.3% 성장할 것으로 제시된다. 공공 클라우드 보안은 연평균 16.1%로 더 빠르다. 그럼에도 기업의 63%는 현재의 사이버 복구와 회복탄력성 체계가 손실 방지와 완화에 충분하지 않다고 답했다. 인공지능의 생산성 서사가 이미 거대한 보안 비용 위에 서 있다는 뜻이다.
위협의 성격도 바뀌고 있다. Anthropic의 Mythos가 보여준 것은 생성형 인공지능이 문서를 쓰는 단계를 넘어, 취약점을 찾고 공격 경로를 구성하는 단계로 이동했다는 점이다. 보고서는 공격자가 프런티어 인공지능을 이용해 취약점을 더 빠르고 더 싸게 찾고, agentic AI는 도구 선택과 다단계 실행까지 자율적으로 수행한다고 본다. 2027년에는 기업의 80%가 합성 정체성을 이용한 피싱 공격을 겪을 것으로 제시되고, 같은 시점 agentic AI를 배치한 기업의 60%는 모델, 학습데이터, 코드, 인프라, 거버넌스 메타데이터를 구조화한 “AI bill of materials”를 요구받게 된다. 위협은 대량화가 아니라 자율화로 이동하는 구간이다.
이 비용 구조는 정보기술과 운영기술의 차이에서 더 분명해진다. 2025년 미국 정보기술 자산은 2.46조달러, 운영기술 자산은 약 1조달러로 추정된다. 규모는 정보기술이 더 크지만, 취약성과 교체 부담은 운영기술이 훨씬 무겁다. 정보기술은 약 20%만 사실상 패치 불가능한 반면, 운영기술은 40~55%가 패치 불가능한 영역으로 제시된다. 업그레이드 비용도 정보기술 7,200억달러, 운영기술 7,700억달러로 비슷하다. 운영기술은 자산 규모가 더 작아도 가동 중단, 안전, 규제 문제 때문에 패치보다 교체가 더 자주 필요하기 때문이다.
운영기술 내부에서도 위험은 고르게 분포하지 않는다. 설비형 운영기술은 약 7,100억달러, 인프라형 운영기술은 약 3,000억달러로 구분되는데, 에너지 시스템과 전력망, 철도 신호와 항공관제, 산업 공정망처럼 중앙 제어에 의존하는 영역일수록 사이버 충격이 시스템 전체로 번진다. 산업 설비는 운영기술 자산의 약 절반을 차지하고 자동화 강도는 9% 수준이며, 교통과 기타 설비는 자동화 강도 3% 수준으로 더 낮다. 그러나 패치 가능성은 반대로 교통이 낫고 산업과 기타 설비가 더 나쁘다. 산업과 기타 설비의 25~30%는 아예 패치가 없고, 교체 노출은 45~50%까지 올라간다. 정보기술 장애는 복구 문제에 가깝지만, 운영기술 장애는 공급망과 공공서비스의 중단으로 바로 이어질 가능성이 크다.
광범위한 공격이 현실화될 경우 직접 손실은 정보기술과 운영기술 각각 5,000억달러까지 제시된다. 그런데 운영기술은 교체비용이 자산가치의 1.7배, 정보기술은 1.5배로 추정돼 후속 비용이 더 크다. 운영기술 전체 교체 수요는 약 4,500억달러 규모의 하드웨어 중심 수요로 정리되며, 기계와 에너지 자산 비중이 높아 반도체 집약도는 낮아도 절대 수요는 크다. 여기서 문제가 반도체 공급과 연결된다. 초대형 클라우드 사업자가 가용 반도체를 먼저 흡수하면서 방화벽, 침입탐지, 보안 라우터 같은 보안 하드웨어 공급이 밀리고 있고, 운영기술의 현대화는 온프레미스 장비 의존도가 높아 병목이 더 심하다.
반도체 수요도 정보기술과 운영기술이 서로 다른 생태계를 건드린다. 정보기술 쪽 추가 수요는 로직, DRAM, NAND, 네트워킹 칩으로 분산되며, 로직은 세계 시장의 약 15.4%, DRAM 17.5%, NAND 16.9%에 해당하는 충격으로 계산된다. 반면 운영기술은 총 하드웨어 교체 수요 중 반도체 비중이 10~15%에 그치지만, 절대 수요는 약 500억달러로 적지 않다. 더 중요한 점은 그 수요가 MCU 약 150억달러, 아날로그, 전력 반도체 약 170억달러처럼 성숙 공정 중심에 몰린다는 점이다. 이는 MCU 시장에는 거의 50%, 아날로그, 전력에는 약 20% 수준의 충격에 해당한다. 정보기술은 첨단공정 병목, 운영기술은 성숙공정 병목을 통해 같은 사이버 리스크를 다른 방식으로 가격에 반영한다.
지리적 의존도도 무겁다. 첨단 로직은 TSMC와 삼성이 사실상 공급을 집중하고 있고, 메모리는 삼성과 SK하이닉스가 지배적이며, NAND는 한국, 일본, 미국에 걸쳐 있다. 운영기술이 필요로 하는 MCU와 아날로그, 전력 반도체는 성숙 공정 위에서 돌아가고, 이 구간은 증설 속도가 느리고 공급 탄력성이 낮다. 따라서 프런티어 인공지능이 보안 리스크를 높일수록, 초대형 클라우드의 인공지능 설비투자와 보안 하드웨어 수요가 같은 반도체 생태계를 놓고 경쟁하는 구조가 심화된다. 인공지능 확산이 사이버 방어 비용을 키우고, 그 방어 비용이 다시 반도체 공급 제약을 통해 올라가는 구조에 해당한다.
운영 해법은 결국 인공지능을 인공지능으로 막는 것이다. 보안 운영 자동화, 정체성 중심의 제로 트러스트, Detection Reliability Engineering, 생체 및 행동 인증, 정량화된 복구 체계, 암호 전환 준비가 모두 같은 방향을 가리킨다. 그러나 운영기술은 정보기술보다 느리고 비싸게 움직일 수밖에 없다. 온프레미스 장비, 안전 기준, 규제, 가동 중단 비용 때문에 업그레이드가 수년에 걸쳐 분산되기 때문이다. 그래서 운영기술 의존 업종은 단순한 보안 소프트웨어 지출만으로 충분하지 않고, 중복 인프라와 물리적 예비체계까지 요구받게 된다. 인공지능이 생산성을 높일수록 회복탄력성 자본지출도 함께 커지는 구조다.
결국 이 자료의 결론은 단순하다. 값싼 인공지능의 서사는 사이버 외부비용을 거의 반영하지 않는다. 규제는 의무 인증, 책임 확대, 사고 공시, 실사, 사이버 보험 의무화, 고위험 인공지능 부담금까지 이동하고 있고, 2027년에는 3개 정부 중 1개가 민감 분야에 sovereign AI를 요구하며, 2029년에는 대기업의 70%가 프라이빗 클라우드 컴퓨트를 채택할 것으로 제시된다. 그러나 규제가 강한 곳은 비용이 높아지고, 규제가 느슨한 곳은 역으로 비용을 외부화할 수 있어 국제 공조 없이는 무임승차가 발생한다. 프런티어 인공지능의 생산성 편익을 보려면, 먼저 보안과 회복탄력성 비용을 가격에 다시 넣어야 하는 구간으로 본다.
- J.P.Morgan, Macro Trader.
프런티어 인공지능은 생산성과 효율을 끌어올리는 기술이지만, 이번 자료가 말하는 핵심은 그 편익이 공짜가 아니라는 점이다. 2025년 전 세계 보안 소프트웨어 매출은 1,388억달러, 전문 보안 서비스는 619억달러로 합계 2,007억달러에 이르렀고, 보안 소프트웨어 시장은 2030년 2,700억달러까지 연평균 14.3% 성장할 것으로 제시된다. 공공 클라우드 보안은 연평균 16.1%로 더 빠르다. 그럼에도 기업의 63%는 현재의 사이버 복구와 회복탄력성 체계가 손실 방지와 완화에 충분하지 않다고 답했다. 인공지능의 생산성 서사가 이미 거대한 보안 비용 위에 서 있다는 뜻이다.
위협의 성격도 바뀌고 있다. Anthropic의 Mythos가 보여준 것은 생성형 인공지능이 문서를 쓰는 단계를 넘어, 취약점을 찾고 공격 경로를 구성하는 단계로 이동했다는 점이다. 보고서는 공격자가 프런티어 인공지능을 이용해 취약점을 더 빠르고 더 싸게 찾고, agentic AI는 도구 선택과 다단계 실행까지 자율적으로 수행한다고 본다. 2027년에는 기업의 80%가 합성 정체성을 이용한 피싱 공격을 겪을 것으로 제시되고, 같은 시점 agentic AI를 배치한 기업의 60%는 모델, 학습데이터, 코드, 인프라, 거버넌스 메타데이터를 구조화한 “AI bill of materials”를 요구받게 된다. 위협은 대량화가 아니라 자율화로 이동하는 구간이다.
이 비용 구조는 정보기술과 운영기술의 차이에서 더 분명해진다. 2025년 미국 정보기술 자산은 2.46조달러, 운영기술 자산은 약 1조달러로 추정된다. 규모는 정보기술이 더 크지만, 취약성과 교체 부담은 운영기술이 훨씬 무겁다. 정보기술은 약 20%만 사실상 패치 불가능한 반면, 운영기술은 40~55%가 패치 불가능한 영역으로 제시된다. 업그레이드 비용도 정보기술 7,200억달러, 운영기술 7,700억달러로 비슷하다. 운영기술은 자산 규모가 더 작아도 가동 중단, 안전, 규제 문제 때문에 패치보다 교체가 더 자주 필요하기 때문이다.
운영기술 내부에서도 위험은 고르게 분포하지 않는다. 설비형 운영기술은 약 7,100억달러, 인프라형 운영기술은 약 3,000억달러로 구분되는데, 에너지 시스템과 전력망, 철도 신호와 항공관제, 산업 공정망처럼 중앙 제어에 의존하는 영역일수록 사이버 충격이 시스템 전체로 번진다. 산업 설비는 운영기술 자산의 약 절반을 차지하고 자동화 강도는 9% 수준이며, 교통과 기타 설비는 자동화 강도 3% 수준으로 더 낮다. 그러나 패치 가능성은 반대로 교통이 낫고 산업과 기타 설비가 더 나쁘다. 산업과 기타 설비의 25~30%는 아예 패치가 없고, 교체 노출은 45~50%까지 올라간다. 정보기술 장애는 복구 문제에 가깝지만, 운영기술 장애는 공급망과 공공서비스의 중단으로 바로 이어질 가능성이 크다.
광범위한 공격이 현실화될 경우 직접 손실은 정보기술과 운영기술 각각 5,000억달러까지 제시된다. 그런데 운영기술은 교체비용이 자산가치의 1.7배, 정보기술은 1.5배로 추정돼 후속 비용이 더 크다. 운영기술 전체 교체 수요는 약 4,500억달러 규모의 하드웨어 중심 수요로 정리되며, 기계와 에너지 자산 비중이 높아 반도체 집약도는 낮아도 절대 수요는 크다. 여기서 문제가 반도체 공급과 연결된다. 초대형 클라우드 사업자가 가용 반도체를 먼저 흡수하면서 방화벽, 침입탐지, 보안 라우터 같은 보안 하드웨어 공급이 밀리고 있고, 운영기술의 현대화는 온프레미스 장비 의존도가 높아 병목이 더 심하다.
반도체 수요도 정보기술과 운영기술이 서로 다른 생태계를 건드린다. 정보기술 쪽 추가 수요는 로직, DRAM, NAND, 네트워킹 칩으로 분산되며, 로직은 세계 시장의 약 15.4%, DRAM 17.5%, NAND 16.9%에 해당하는 충격으로 계산된다. 반면 운영기술은 총 하드웨어 교체 수요 중 반도체 비중이 10~15%에 그치지만, 절대 수요는 약 500억달러로 적지 않다. 더 중요한 점은 그 수요가 MCU 약 150억달러, 아날로그, 전력 반도체 약 170억달러처럼 성숙 공정 중심에 몰린다는 점이다. 이는 MCU 시장에는 거의 50%, 아날로그, 전력에는 약 20% 수준의 충격에 해당한다. 정보기술은 첨단공정 병목, 운영기술은 성숙공정 병목을 통해 같은 사이버 리스크를 다른 방식으로 가격에 반영한다.
지리적 의존도도 무겁다. 첨단 로직은 TSMC와 삼성이 사실상 공급을 집중하고 있고, 메모리는 삼성과 SK하이닉스가 지배적이며, NAND는 한국, 일본, 미국에 걸쳐 있다. 운영기술이 필요로 하는 MCU와 아날로그, 전력 반도체는 성숙 공정 위에서 돌아가고, 이 구간은 증설 속도가 느리고 공급 탄력성이 낮다. 따라서 프런티어 인공지능이 보안 리스크를 높일수록, 초대형 클라우드의 인공지능 설비투자와 보안 하드웨어 수요가 같은 반도체 생태계를 놓고 경쟁하는 구조가 심화된다. 인공지능 확산이 사이버 방어 비용을 키우고, 그 방어 비용이 다시 반도체 공급 제약을 통해 올라가는 구조에 해당한다.
운영 해법은 결국 인공지능을 인공지능으로 막는 것이다. 보안 운영 자동화, 정체성 중심의 제로 트러스트, Detection Reliability Engineering, 생체 및 행동 인증, 정량화된 복구 체계, 암호 전환 준비가 모두 같은 방향을 가리킨다. 그러나 운영기술은 정보기술보다 느리고 비싸게 움직일 수밖에 없다. 온프레미스 장비, 안전 기준, 규제, 가동 중단 비용 때문에 업그레이드가 수년에 걸쳐 분산되기 때문이다. 그래서 운영기술 의존 업종은 단순한 보안 소프트웨어 지출만으로 충분하지 않고, 중복 인프라와 물리적 예비체계까지 요구받게 된다. 인공지능이 생산성을 높일수록 회복탄력성 자본지출도 함께 커지는 구조다.
결국 이 자료의 결론은 단순하다. 값싼 인공지능의 서사는 사이버 외부비용을 거의 반영하지 않는다. 규제는 의무 인증, 책임 확대, 사고 공시, 실사, 사이버 보험 의무화, 고위험 인공지능 부담금까지 이동하고 있고, 2027년에는 3개 정부 중 1개가 민감 분야에 sovereign AI를 요구하며, 2029년에는 대기업의 70%가 프라이빗 클라우드 컴퓨트를 채택할 것으로 제시된다. 그러나 규제가 강한 곳은 비용이 높아지고, 규제가 느슨한 곳은 역으로 비용을 외부화할 수 있어 국제 공조 없이는 무임승차가 발생한다. 프런티어 인공지능의 생산성 편익을 보려면, 먼저 보안과 회복탄력성 비용을 가격에 다시 넣어야 하는 구간으로 본다.
- J.P.Morgan, Macro Trader.