AI 버블을 해체한다. 2부 - 현재편
닷컴 프레임을 넘어 B2C·인프라·개인 AGI로 재정의하기
AI 버블론을 해체한다. 2부 - 닷컴 프레임을 넘어 B2C·인프라·개인 AGI로 재정의하기5. 올인원이 2차 시장을 먹을 수 있나: '리소스 트레이드오프’로 보는 공존 구조
5-1. 올인원의 구조적 한계: 범용성-퀄리티-속도의 삼각관계
“ChatGPT 하나로 다 되는 거 아니야?”
이런 질문을 종종 받는다.
코드도 짜고, 글도 쓰고, 이미지도 만들고.
그러면 굳이 다른 서비스가 왜 필요하냐고.
이 질문에 대한 답은 직접 써본 사람은 안다.
얼마 전 GPT에서 지브리 스타일 이미지 생성 기능이
풀렸을 때 무슨 일이 있었는가? 사
람들이 몰려들었고, GPT 전체가 느려졌다.
텍스트 대화도 버벅거렸다.
왜?
이미지 생성은 연산량이 엄청나기 때문이다.
고해상도 이미지를 만들려면 GPU와 메모리를 많이 잡아먹는다.
그걸 수백만 명이 동시에 요청하면, 서버가 버티질 못한다.
나는 지금도 GPT에서 이미지 생성은 안 맡긴다.
프롬프트 설계는 GPT로 하고, 실제 생성은 다른 툴에서 한다.
시간 차이가 크다. 이건 취향이 아니라 리소스 최적화다.
올인원 서비스가 모든 걸 직접 하려면,
지금 리소스의 "몇 배"가 아니라 비즈니스 모델 자체를 바꿔야 한다.
GPU 비용, 전기료, 서버 유지비가 폭증한다.
그런데 B2C 구독료는 월 20~30달러가 한계다.
(파워유저 고가 플랜은 별개 세그먼트)
가격을 올리면 사용자가 이탈한다. 수지가 안 맞는다.
그래서 올인원은 필연적으로 트레이드오프에 직면한다.
범용성을 높이면 → 개별 기능의 퀄리티나 속도가 떨어질 수 있다
퀄리티를 올리려면 → 비용이 올라가거나 속도가 느려진다
속도를 유지하려면 → 기능을 제한하거나 퀄리티를 80점에서 멈춰야 한다
이건 피할 수 없는 삼각관계다. 모든 걸 다 잘할 수는 없다.
5-2. 사용자의 실제 최적 행동 패턴
실제로 AI를 잘 쓰는 사람들의 패턴을 보면 이렇다.
• 올인원(GPT, Claude 등): 프롬프트 설계, 기획, 구조화, 방향 설정. 쉽게 말해 “두뇌” 역할.
• 특화 서비스: 실제 생성, 렌더링, 전문 워크플로우. “손과 근육” 역할.
PPT를 만든다고 하면,
GPT에서 목차와 핵심 메시지를 잡고,
PPT 전문 도구에서 실제 슬라이드를 생성한다.
이미지도 마찬가지다.
어떤 이미지가 필요한지,
프롬프트를 어떻게 짤지는 GPT로 정리하고,
실제 생성은 구글AI스튜디오나 다른 도구에서 한다.
이게 "올인원이 다 먹지 못하는 이유"이자,
"2차 시장이 살아남는 이유"다.
올인원은 "80점 기본 기능"을 제공한다.
그리고 최고 품질은 특화 툴이 가져간다.
이 구조가 자연스럽게 형성되고 있다.
5-3. 2차 시장이 살아남는 조건
그럼 2차 시장의 특화 서비스들이 살아남으려면 뭐가 필요한가?
• 워크플로우/도메인 고정: "PPT를 잘 만든다"가 아니라, "세일즈 제안서 워크플로우를 끝까지 책임진다"는 포지션. 시작부터 제출까지 하나의 목표 달성 패키지로 묶는 것이다.
• 템플릿/브랜드/데이터 자산: 회사 디자인 시스템, 톤, 브랜드 가이드라인을 반영한 템플릿. 매번 처음부터 만드는 게 아니라, 일관된 퀄리티를 보장하는 자산을 제공하는 것이다.
• 검증/컴플라이언스: 출처 확인, 저작권 체크, 사실 검증, 표절 방지. 특히 공식 문서나 외부 제출물에서는 이게 결정적이다.
캡컷이 영상 편집을 대중화한 이유도 여기 있다.
기능이 많아서가 아니다.
워크플로우를 버튼으로 묶고,
좋아 보이는 기본값(템플릿)을 제공해서
초보도 결과물을 뽑게 만들었기 때문이다.
AI 2차 시장도 같은 논리다.
올인원이 두뇌 역할을 하면, 결과물 퀄리티를 끌어올리는
템플릿과 도메인 특화 워크플로우는 2차 시장이 가져간다.
공존의 구조다.
5-3-2. 컴플라이언스는 부가 옵션이 아니다
한 가지 덧붙일 게 있다. 저작권과 환각(hallucination) 문제다.
창작 영역에서 저작권 분쟁이 늘면,
플랫폼은 보수적으로 변할 수밖에 없다.
기능이 제한되거나 비용이 올라간다.
이미지 생성 서비스들이 특정 스타일이나
캐릭터를 제한하는 사례가 늘고 있다.
그리고 허위정보나 환각은 “재미” 문제가 아니다.
개인 생산성 도구에서는 결과물 품질 리스크로 직결된다.
잘못된 정보로 보고서를 썼다가 다시 작업해야 하면,
그게 곧 비용이다. 시간 낭비고, 신뢰 손상이다.
그래서 2차 시장에서 "검증 기능"은
부가 옵션이 아니라 핵심 경쟁력이 될 수 있다.
출처를 달아주고, 사실 확인을 해주고,
저작권 안전성을 보장해주는 서비스.
이게 B2B뿐 아니라 B2C에서도 점점 중요해진다.
여기까지가 "서비스/제품 레이어"의 경쟁이다.
이제부터는 그 경쟁이 서는 바닥,
즉 전력, 데이터센터, CAPEX 이야기로 내려간다.
“AI = 닷컴” 논쟁이 진짜로 갈리는 지점도 결국 여기다.
6. “AI는 닷컴과 다른 '산업 업그레이드 엔진’이다”
6-1. 닷컴 장비 수혜와 AI 인프라 수혜의 ‘차원’ 차이
닷컴 버블 때도 인프라 투자는 있었다.
서버, 라우터, 광케이블.
시스코 같은 네트워크 장비 회사들이 수혜를 봤다.
하지만 그 범위가 어디까지였는가?
네트워크 장비와 데이터 전송 인프라.
거기서 끝이었다.
전력망을 새로 깔아야 했나? 아니다.
발전소를 더 지어야 했나? 아니다.
구리 광산에서 구리를 더 파야 했나? 아니다.
인터넷은 기존 인프라 위에서 돌아갔다.
AI는 다르다.
LLM을 돌리려면 뭐가 필요한가?
GPU. GPU를 돌리려면? 전기. 엄청난 전기.
데이터센터 하나가 소도시만큼 전기를 먹는다.
그 전기를 공급하려면?
발전소, 송전망, 변전소.
데이터센터를 지으려면?
건물, 냉각 시스템, 구리 배선, 특수 소재.
이걸 확장하려면?
광산에서 구리와 리튬과 니켈을 더 파야 한다.
닷컴은 "인터넷을 연결하는 장비"의 수요였다.
AI는 "전기를 먹는 공장(연산)"을 전 세계에 새로 짓는 수요다.
전력 → 송배전 → 데이터센터 → 냉각 → 반도체 → 소재 → 광산.
이 전체가 연쇄적으로 움직인다.
1차 산업부터 제조업, 건설업, 에너지 산업까지.
1기가급 데이터센터 하나를 지으면 평균 구리가 2만7천톤에서~3만톤까지 들어간다.
우리나라 한국에서 1년에 사용되는 구리는 대략 68만톤이다.
대략 25기가급이면 제조업강국인 우리나라의 구리 1년 사용량과 맞먹는다.
더 놀라운건 이 사용량이 순수 데이터센터에만 국한된다는거다.
상위 송배전망 증설, 발전설비, 변압기·스위치기어 등 그리드 업그레이드 제외된 수치다.
[AI 데이터센터는 1MW당 구리 약 27톤이 필요하다는 사례 기반 분석이 있다(BHP, 2025)]
[ICSG의 ‘구리 사용/GDP’ 원단위 × IMF 명목 GDP 역산]
전력 인프라까지 포함하면 더 많다.
GPU 칩 자체에도 구리와 은이 들어간다.
전력선, 변압기, 스위치기어 전부 금속이 필요하다.
"AI 시대의 석유는 구리다"라는 말이 괜히 나오는 게 아니다.
이건 "소프트웨어 붐"이 아니다.
산업 전체의 강제 업그레이드다.
한 문장으로 정리해보자. 소름이 돋지 않는가?
예전 인터넷은 '도로(통신망)'를 깔았다.
지금 AI는 '발전소 + 공장(연산 능력)'을 깐다.
그래서 산업 전체가 같이 움직일 수밖에 없다.
6-1-1. 전력시장은 '스토리’가 아니라 '안정성’으로 검증되는 시장이다
여기서 중요한 포인트가 있다.
닷컴 버블의 핵심 문제 중 하나는
"스토리가 검증을 대체했다"는 것이었다.
실제로 돈을 버는지 확인하기 전에,
"인터넷이 세상을 바꾼다"는 말만으로 가격이 올랐다.
하지만 전력과 데이터센터 인프라는 그게 안 된다.
사고가 한 번만 나도 사회적, 정치적 반발이 즉시 붙는다.
얼마 전 우리나라에서 정부 전산시스템의
배터리 화재로 행정망이 멈춘 일을 기억하는가.
ESS(에너지 저장 시스템-UPS포함개념)에서 화재가 나서 데이터센터가 멈추고, 행정 업무가 마비됐다.
이런 일이 터지면 규제가 강화되고,
설치 기준이 까다로워지고, 정치적 이슈가 된다.
그래서 AI 수요가 전력으로 내려오는 순간,
논쟁은 "멋진 앱이냐"가 아니라
"발전, 송배전, 백업, 안전 규격"으로 바뀐다.
실물 업그레이드 없이는 서비스가 안 돌아간다.
스토리만으로는 안 된다.
이 지점에서 AI는 구조적으로 닷컴과 다르다.
마나월드 코멘트:
배터리 기반 저장·백업 설비를 포괄해 ‘ESS’라고 부르며,
데이터센터의 UPS(무정전전원장치) 배터리 시스템도
넓은 의미의 저장·백업 범주로 함께 묶어 논한다.
6-1-2. 인프라가 '깔린다’는 것과 '빨리 깔린다’는 것은 다르다
AI가 전력과 데이터센터 CAPEX를 "강제"한다는 건 맞다.
하지만 현실에서는 속도를 늦추는 병목이 있다.
주민 반대(NIMBY), 송전망 인허가 지연, 냉각수 확보 문제, 부지 확보, 지역 정치.
이런 변수들이 실제 건설 속도를 잡아먹는다.
데이터센터 하나 짓는 데 부지 선정부터 가동까지 몇 년이 걸리기도 한다.
미국 텍사스(ERCOT)만 봐도 그렇다.
AI와 데이터센터 때문에 전력 수요 요청이 폭발하고 있다.
2025년 기준, 신규 대용량 수요 요청이 226GW 수준까지 치솟았다.
그중 상당수가 AI 데이터센터다.
(ERCOT, 2025)
그런데 이 수요를 다 받아줄 발전소와 송전망이 그 속도로 지어지는가?
아니다. 병목이 생긴다.
그래서 버블 논쟁의 실제 탄약은
"인프라가 실체냐 아니냐"보다
“얼마나 빨리 깔리느냐”에서 생긴다.
시장이 가정한 속도보다 현실이 느리면,
그 갭이 조정으로 나타날 수 있다.
이건 인정해야 한다.
다만 이건 "버블"이라기보다 "기대와 현실의 시간차"에 가깝다.
6-2. 전후방 연관효과: 낙수가 아니라 연쇄다
AI가 만드는 연쇄 수요를 정리하면 이렇다.
• 상류(Upstream): 에너지, 원자재, 부품, 설비. 발전소, 구리 광산, 변압기, 냉각 장비.
• 중류(Midstream): 데이터센터 건설과 운영, 전력 인프라, 냉각 시스템, 네트워크.
• 하류(Downstream): AI 서비스 자체. LLM, 에이전트, 2차 앱, 기업 도입, 소비자 구독.
AI 수요가 폭발하면,
하류에서 중류로, 중류에서 상류로 수요가 전이된다.
예를 들어,
가스 공급과 발전 설비 쪽을 보자.
AI 수요 증가 → 데이터센터 증가 → 전력 수요 증가(특히 24시간 상시 부하인 기저전력) → 발전설비 투자 필요 → 연료 조달과 공급망 필요.
그래서 가스, 발전, 전력 인프라 관련 기업들이 연계 수혜 구조에 들어간다.
AI가 직접 돈을 벌지 않더라도,
AI가 전력을 먹는 실체 수요를 만들기 때문에 수혜가 전이된다.
다만 여기서 균형 잡힌 시각이 필요하다.
연쇄 수요는 퍼지지만, 이익률이 균등하게 퍼지는 건 아니다.
병목이나 독점 구조가 있는 곳(GPU, 핵심 소재)은 초과이익을 가져가고,
설비 경쟁이 심한 곳은 저마진일 수 있다.
"AI 관련주"라고 다 같이 뜨는 게 아니다.
레이어별로 이익 구조가 다르다.
"낙수효과"라는 정치적 용어보다
"전후방 연관효과"라는 경제 메커니즘으로 보는 게 정확하다.
6-3. 기저전력과 배터리의 현실
AI 데이터센터는 24시간 365일 돌아간다.
잠깐 껐다 켜는 게 아니다. 상시 전력을 먹는 부하다.
그런데 태양광이나 풍력 같은 재생에너지는 간헐적이다.
밤에는 태양광이 안 나오고, 바람이 안 불면 풍력이 안 돈다.
AI 같은 상시 부하를 재생에너지만으로 안정적으로 받치기는 어렵다.
“그럼 배터리로 저장하면 되지 않나?”
이론적으로는 맞다. 하지만 현실은 다르다.
대규모 ESS(에너지 저장 시스템)는 아직 안전성 리스크가 크다.
현 세대 리튬이온 배터리는 열폭주(thermal runaway) 한 번 나면 진압이 어렵다.
유기용매 액체 전해질이라 불이 붙으면 재점화도 잘 된다.
소방관들이 가장 싫어하는 화재 유형 중 하나다.
한국에서도 ESS 화재로 행정망이 멈춘 사례가 있었다.
정부 데이터센터를 떠받치는 인프라에 ESS가 들어갔는데,
화재가 나서 전산망이 마비됐다.
이런 일이 터지면 규제가 강화되고,
"대규모 ESS는 아직 미션 크리티컬 인프라를 1차로 맡기기엔 위험하다"는 인식이 퍼진다.
그래서 현실적인 답은 하이브리드다.
기저전력(원전, 가스, 수력) + 소규모/중간급 저장(ESS)의 조합.
기저전력이 상시 부하를 받치고, 배터리는 피크 시간대나 단기 안정화에 쓰는 구조.
데이터센터들도 UPS(배터리)와 디젤/가스터빈 백업을 병행하는 경우가 많다.
효율보다 안정성이 우선이기 때문이다.
검증된 안정성 구조를 유지하는 것이다.
고체 전해질 배터리가 상용화되면 이야기가 달라질 수 있다.
열폭주 위험이 크게 줄어드니까.
하지만 그건 아직 미래다.
지금은 "재생에너지 + 배터리로 다 해결"이라는 그림은 과장이다.
기저전력이 여전히 중요하고, 이건 발전소, 송전망, 에너지 정책까지 연결되는 국가 단위의 문제다.
6-3-1. 한국의 승부처: 전력·그리드·백업이 만드는 인프라 연쇄
"가스면 다 같은 가스 아니야?"
아니다. 전쟁이 보여줬다.
2022년 우크라이나 전쟁 때 LNG 스팟 가격이 역사적 수준으로 튀었다.
러시아가 유럽 가스 공급을 줄이고,
유럽은 대체 조달에 나서면서 전 세계 LNG 수요가 폭발했다.
(Reuters, 2022-03-04, “Asian LNG spot prices hit record high, S&P data shows.”
LNG 단일연료로 발전하던 곳들은 연료비가 폭등했고,
조달 자체가 불안해졌다.
이게 보여주는 건 뭔가.
"가스냐 재생이냐 원전이냐"의 이분법이 아니라,
연료 조달 리스크 자체를 흡수할 수 있는 시스템이 경쟁력이라는 것이다.
대표 사례가 SK가스 계열의 울산GPS다.
이 발전소는 LNG를 기본 연료로 쓰되,
LNG 가격이 급등하거나 수급이 흔들릴 때 LPG로 연료를
전환할 수 있는 듀얼퓨얼(겸용) 복합발전이다.
핵심은 "싸게 발전한다"가 아니다. "멈추지 않는 발전"이다.
전쟁이 터지든, 스팟 가격이 튀든,
연료를 전환해서 운영을 유지할 수 있는 구조.
지금 당장의 효율보다, 10년 뒤에도 굴러가는 시스템을 설계하는 것이다.
이게 AI 인프라 투자와 무슨 상관인가?
상관이 있다. 다시한번 이야기 하지만,
AI 데이터센터는 24시간 365일 전력을 먹는다.
"가장 싼 전원"이 아니라 "가장 안정적인 전원"이 붙어야 한다.
그런데 원전은 시간이 오래 걸리고,
재생은 간헐적이고, 가스는 조달 리스크가 있다.
그래서 현실적인 답은 겸용과 이중화다.
연료도 다변화하고, 그리드도 백업을 갖추고, 저장도 병행하는 구조.
한 가지에 올인하는 게 아니라, 리스크를 분산하는 포트폴리오.
SK가스의 듀얼퓨얼 발전은 그 방향성을 보여주는 사례다.
한국이 AI 시대에 해야 할 일이 여기 있다.
모델을 직접 만드는 경쟁에서 미국·중국과 붙기는 어렵다.
하지만 그 모델을 돌리는 데 필요한
인프라-전력, 발전, 그리드, 냉각-에서 기술력을 가져가면,
그게 산업 업그레이드의 연쇄 수혜가 된다.
6-4. 2부의 결론: 버블 논쟁의 프레임을 바꾸는 문장
닷컴은 "새로운 유통/광고 채널"의 약속이었다.
기존 광고 시장, 기존 유통 시장의 파이를 재분배하는 수준이었다.
AI는 "연산 공장과 전력망"이라는 실물 투자를 동반한 산업 업그레이드다.
1차 자원부터 제조, 건설, 에너지까지 끌어올린다.
새로운 파이를 만드는 수준이다.
GDP에 제조, 설치, 건설로 직접 기여한다. 강제 수요를 발생시킨다.
그래서 AI를 닷컴버블의 복사판으로 보는 건,
같은 "열풍"이라는 단어로 서로 다른 체급을 착각하는 것이다.
AI는 거품이 아니라, 산업을 강제로 업그레이드시키는 새로운 '기간 인프라’다.
산업 바닥이 이렇게 깔릴 때,
B2C에서 진짜 큰 돈이 되는 형태는 "챗봇"이 아니라
개인의 PC/업무를 대신 굴리는 AGI(개인 생산성 OS)로 진화한다.
이제 그 ‘형태’ 이야기를 한다.
-3부에 계속-
마나월드 코멘트:
임시로 수요일에도 연재를 하겠습니다.
토요일 한 번만 올리다 보니 글이 늦어지네요.
사실 얼마 전에 발표된 한국은행 정책을 보면서,
'와, 이걸 이렇게도 해석할 수 있구나' 하는 생각이 들었습니다.
그래서 관련 내용을 빨리 정리해서, AI버블론에 이어서 이야기하려 합니다.
2~3가지 주제가 생겨버렸네요. 갑자기 하고 싶은 말이 많아졌네요.
AI 버블론을 해체한다. 시리즈 - 전체 목차
0. 프롤로그
1. 버블론이 성립하려면 무엇을 ‘버블’이라 정의해야 하는가
• 1-1. 버블의 정의를 분해한다
• 1-2. “AI = 닷컴버블” 프레임이 놓치는 것
2. 닷컴과 AI의 구조적 차이 1: 수익의 실존과 매출 구조
• 2-1.닷컴의 문제: 돈을 벌기 전 비용이 앞섰다
• 2-2. AI의 현실: 이미 돈이 돈을 만든다
3. 구조적 차이 2: 유동성의 ‘질적 편중’이 이미 발생했다
• 3-1.닷컴: “.com이면 다 간다” → 쓰레기까지 동반 상승
• 3-2. AI: 자본이 처음부터 상위 레이어에 집중된다
4. B2C 핵심 전환: “편리함 시장”이 아니라 “경쟁력(결과물) 시장”
• 4-1. 인터넷 B2C와 AI B2C의 동기 차이
• 4-2. 시간 절약보다 결과물이 중요해지는 이유
• 4-3. 실시간 검증 시장의 탄생
• 4-3-1. 사례: ‘자막 노가다’를 버튼으로 바꾼 순간
5. 올인원이 2차 시장을 먹을 수 있나: '리소스 트레이드오프’로 보는 공존 구조
• 5-1. 올인원의 구조적 한계: 범용성-퀄리티-속도의 삼각관계
• 5-2. 사용자의 실제 최적 행동 패턴
• 5-3. 2차 시장이 살아남는 조건
• 5-3-2. 컴플라이언스는 부가 옵션이 아니다
6. “AI는 닷컴과 다른 '산업 업그레이드 엔진’이다”
• 6-1. 닷컴 장비 수혜와 AI 인프라 수혜의 ‘차원’ 차이
• 6-1-1. 전력시장은 '스토리’가 아니라 '안정성’으로 검증되는 시장이다
• 6-1-2. 인프라가 '깔린다’는 것과 '빨리 깔린다’는 것은 다르다
• 6-2. 전후방 연관효과: 낙수가 아니라 연쇄다
• 6-3. 기저전력과 배터리의 현실
• 6-3-1. 한국의 승부처: 전력·그리드·백업이 만드는 인프라 연쇄
• 6-4. 2부의 결론: 버블 논쟁의 프레임을 바꾸는 문장
7. 근미래형(좁은) AGI: “대화형 챗봇”에서 “개인 생산성 OS”로
• 7-1. SF급 AGI가 아니라 ‘현실적 AGI’의 정의
• 7-2. 하이브리드 구조의 필연성: 로컬+서버
8. 개인 PC AGI의 현실적 구현: “서버 RAG를 개인에게 내려보내기”
• 8-1. PC형 AGI의 핵심 유스케이스
• 8-2. 로컬 RAG의 역할
• 8-3. 라우팅(로컬 vs 클라우드)
• 8-4. 진짜 변화는 ‘설정 노동’의 소멸 - 자동 자막과 같은 계층
9. 왜 소수 대형 LLM이 계속 확장하는가: ‘기억’과 ‘품질’의 비용 구조
• 9-1. 컨텍스트/세션의 트레이드오프
• 9-2. 데이터가 쌓일수록 발생하는 계산 압력
• 9-3. 결론: 데이터센터/전력/공급망이 ‘AI 품질’의 직접 변수
• 9-4. ‘AI 버블론’이 반복 생산되는 트리거
• 9-4-1. 생산성 통계는 ‘즉시 반영’이 아니라 ‘지연 반영’되는 경향이 있다
10. ‘국산 vs 외산’ 수능/고난도 문제 실험이 던지는 시사점
• 10-1. 현상
• 10-1-1. 이 사례를 드는 이유
• 10-2. 왜 이런 격차가 나는가
• 10-3. B2C 연결
11. 결론: “AI는 닷컴과 다르다”를 넘어 “AI 버블론을 재정의”하기
• 11-1. 섹터 전체를 ‘버블’로 보는 프레임의 오류
• 11-2. 대신 이렇게 정리
• 11-2-1. 결론의 B2C 귀결
• 11-3. 독자에게 남기는 질문
