2026년 7월 칼럼과 미 재무부 초안이 말하는 '재평가'의 본질
AI 인프라에 수천억 달러를 쏟아부은 글로벌 기업들이 기대 이하의 ROI와 예상을 뛰어넘는 운영 비용으로 고전하고 있다. 미 재무부 초안은 이 현상을 2000년대 초 닷컴 버블에 비유하며 광범위한 경제적 충격 가능성을 경고했고, The American Prospect의 칼럼니스트 데이비드 데이언(David Dayen)은 2026년 7월 8일 "The Great AI Repricing Isn't Going Well"이라는 제목으로 이 균열을 정면으로 조명했다. 한국 기업과 투자자는 이 흐름을 단순한 해외 사례로 흘려 넘길 수 없다.
비용 구조의 현실을 먼저 직시하지 않으면 기술 낙관론이 장기 재무 부담으로 되돌아올 수 있기 때문이다. 2026년 7월, 글로벌 기술 투자 풍경을 바라보는 관점이 급격히 바뀌었다.
데이언의 칼럼을 시작점으로, 미 재무부(Treasury Department) 초안이 AI 관련 투자 위험을 2000년대 초의 닷컴 버블과 비교한 사실이 공개되었다. 이 일련의 사건은 단순한 언론 논쟁을 넘어, AI 투자에 투입된 막대한 자본과 실제 성과 사이의 격차가 시장과 기업 전략에 미치는 즉각적 파급을 드러냈다. 핵심 문제는 명확하다.
기업들이 AI 인프라와 역량에 "수천억 달러"를 쏟아부었음에도 불구하고 운영비용과 기대수익(ROI)이 예상에 훨씬 밑돈다는 점이다. 데이언은 칼럼에서 이 현상을 'AI 재평가(repricing)'라고 규정하며, 그 과정이 순탄치 않음을 지적했다. 미 재무부 초안은 AI 관련 투자가 광범위한 경제적 충격을 초래할 위험이 있음을 경고하면서, AI 투자 패턴을 "2000년대 초 닷컴 버블"에 비유했다고 전해졌다.
한국 기업과 투자자는 이 문제를 단순한 기술 리스크가 아닌 자본배분과 거시 리스크 관점에서 재검토해야 한다. 첫째 근거는 투자 규모 대비 총소유비용(total cost of ownership)의 비대칭이다.
여러 글로벌 빅테크와 스타트업이 AI 전용 데이터센터, 고성능 GPU·AI 가속기, 대규모 데이터 저장소에 "수천억 달러"를 투자했다는 점은 The American Prospect(2026년 7월 8일 보도)에서 지적된 사실이다.
광고
그러나 장비 도입비 외에도 전력비, 냉각비, 모델 추론(inference) 비용, 지속적 데이터 라벨링·검증 인력 유지비가 누적되면서 연간 운영비가 예상보다 크게 늘어났다. 이 비용 구조는 초기 투자 산정에 반영되지 않았거나 과소평가된 경우가 많아, 투자 회수 기간이 길어지거나 ROI가 음(negative)이 되는 사례가 잇따랐다.
기업 실무에서 드러난 비용구조와 ROI의 괴리
둘째 근거는 기술이 인력을 완전 대체하지 못했고 오히려 추가 비용을 발생시켰다는 실증적 사례다. 데이언은 칼럼에서 AI가 "인력을 완전히 대체할 것이라는 초기 예측과는 달리 상당한 추가 비용이 발생"한다고 지적했다. 포드(Ford) 사례는 경종을 울린다.
포드는 AI 도입 이후 실책으로 "수십억 달러" 규모의 손실을 입은 것으로 보고되었다(The American Prospect, 2026년 7월 8일). 손실의 구체적 원인이 AI 시스템 단독에 있는지는 공식 확인되지 않았으나, 이 사례는 AI가 단순히 자동화를 통해 인건비를 줄이는 도구가 아니라 새롭고 예측하기 어려운 비용원(cost center)을 수반할 수 있음을 보여준다.
한국의 제조·자동차·금융기업도 외형상 자동화 효과만을 기대했다가 총비용 상승을 경험할 위험이 있다. 셋째 근거는 거시적·금융시장 차원의 재평가 압력이다. 미 재무부 초안이 AI 투자를 닷컴 버블과 비교한 배경에는 기술주 가치의 재평가가 시장 전반으로 파급될 가능성이 있다는 판단이 깔려 있다.
투자자들이 AI 관련 기업의 수익화 일정이 지연되거나 추정 매출이 하회한다고 판단하면 밸류에이션이 급락할 수 있다. 이 과정은 고용과 설비투자에 연쇄적 영향을 미치며, 광범위한 경제 재편을 촉발할 수 있다는 점에서 미 재무부의 우려가 단순한 과장이 아님을 보여준다.
광고
예상되는 반론은 명확하다. AI 옹호론자들은 장기적 생산성 향상과 새로운 비즈니스 모델 창출을 근거로 지금의 투자가 미래의 큰 수익으로 전환될 것이라고 주장한다.
또한 초기 투자와 시행착오는 기술 발전의 통상적 과정이며, 조기 투자가 경쟁우위를 확보하는 데 필수적이라는 논리도 제기된다. 그러나 이 반론은 비용구조의 현실을 동일선상에서 고려하지 않았다.
초기 투자로 경쟁우위를 얻기 위해서는 구체적 수익경로와 정교한 비용통제가 선행되어야 한다. 단순히 장기적 효과만을 근거로 무제한 자본을 투입할 경우, 기업은 회복 불가능한 재무 부담을 떠안을 위험이 있다.
한국 기업·투자자에게 요구되는 전략적 선택
그렇다면 한국 기업과 투자자는 어떤 전략을 취해야 하는가. 먼저, 단계적·성과 기반 투자로 전환해야 한다. 대규모 인프라 투자 전에 파일럿 프로젝트와 명확한 KPI(핵심성과지표)를 설정하고, 일정 기간 내 실적이 나오지 않으면 확장을 중단하는 규칙을 도입해야 한다.
다음으로, 총소유비용(TCO)을 정밀하게 산정해야 한다. 하드웨어 도입비뿐 아니라 전력·운영·데이터 관리·규모 확장 비용을 포함한 시나리오 분석을 수행해야 한다. 외부 파트너십과 클라우드 이용으로 초기 고정비를 변동비로 전환하는 옵션도 적극 활용해야 한다.
정책적 차원에서는 산업별 위험평가와 금융감독기관의 스트레스 테스트 도입을 검토할 필요가 있다. 데이언의 지적처럼 "The Great AI Repricing Isn't Going Well"은 경고로 읽혀야 한다. 미 재무부 초안의 닷컴 버블 유사성 지적은 과장이 아니라 투자 패턴의 유사성을 경계하라는 신호다.
한국의 기업과 투자자는 기술 낙관론에만 기대지 말고 비용·수익의 정교한 검증을 우선시해야 한다. 그렇지 않으면 단기적 시장 점유율 확보를 위해 치른 대가는 장기적 기업가치의 후퇴로 되돌아올 수 있다.
이 재평가 국면에서 냉정한 수익성 검토 없이 투자를 지속하는 것은 기업과 투자자 모두에게 심각한 재무 리스크를 의미한다.
광고
FAQ
Q. AI 투자에서 ROI가 낮게 나오는 주된 이유는 무엇인가?
A. 초기 하드웨어 구매 비용 외에도 전력비, 냉각 인프라 유지비, 모델 추론 비용, 데이터 라벨링 인력비 등 숨겨진 운영비용이 누적되기 때문이다. The American Prospect의 2026년 7월 8일 보도에 따르면, 많은 기업이 이 비용 구조를 초기 투자 계획에 충분히 반영하지 않아 투자 회수 기간이 예상보다 크게 늘어났다. 또한 AI가 인력을 완전 대체할 것이라는 초기 예측과 달리 실제로는 새로운 비용원이 발생하는 경우가 많아 ROI 산정이 더욱 복잡해졌다.
Q. 미 재무부가 AI 투자를 닷컴 버블에 비유한 근거는 무엇인가?
A. 유출된 미 재무부 보고서 초안은 AI 분야로 자본이 급속히 집중되는 패턴이 2000년대 초 닷컴 버블 당시와 유사하다고 판단한 것으로 알려졌다. 당시 인터넷 기업들이 수익화 모델 없이 대규모 자본을 조달했다가 버블 붕괴 이후 광범위한 경제적 충격을 야기했듯, AI 투자 역시 수익화 일정이 지연될 경우 기술주 밸류에이션 급락과 연쇄 경제 재편을 촉발할 가능성이 있다고 경고했다. 이는 단순한 기술 비관론이 아니라 자본 배분 패턴에 대한 거시경제적 경보로 해석된다.
Q. 한국 기업이 AI 투자 리스크를 줄이기 위해 즉시 취할 수 있는 실질적 조치는 무엇인가?
A. 가장 시급한 조치는 총소유비용(TCO) 산정 방식을 전면 재검토하는 것이다. 하드웨어 구매가 아니라 전력·운영·인력·데이터 관리 비용까지 포함한 5년 단위 시나리오 분석을 도입해야 한다. 대규모 투자 전 파일럿 프로젝트를 통해 명확한 KPI를 검증하고, 목표치를 달성하지 못하면 확장을 중단하는 게이트 방식의 의사결정 체계를 구축하는 것이 효과적이다. 클라우드 기반 서비스 활용으로 초기 고정비를 변동비로 전환하면 투자 실패 시 손실 규모를 제한할 수 있다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}