버블 사고의 한계: AI가 모든 역사적 비유를 깨뜨리는 방법

Source: VentureBeat

시장이 계속 초과 평가되는 이유

모든 주요 기술 변화는 동일한 외부 증상을 보여줍니다:

• 과도한 기대
• 고가시성 실패

닷컴, 모바일, 그리고 암호화폐 모두 세계가 비례 감각을 잃는 단계를 겪었습니다.

왜 이런 일이 계속될까요?
시장은 불연속적인 변화를 위한 프레임워크가 없기 때문입니다. 할인 현금 흐름 모델은 꾸준하고 안정적인 성장을 전제로 하고, 비교 기업 분석은 카테고리가 이미 존재한다고 가정합니다. 그래서 사람들은 가까운 미래가 최근 과거와 같을 것이라고 추정합니다—근본적인 카테고리 자체가 변하고 있을 때는 통하지 않죠.

대부분의 가치 평가 도구는 점진적인 진보를 위해 설계되었습니다. 따라서 분석가들은 분기별 예측과 점진적 개선에만 주목합니다. 급격한 단계 변화에 대해 어떻게 해야 할지 모르며, 비선형 채택을 모델링할 수 없습니다.

자본이 초과 평가되거나 결과의 분산이 극심해지는 것을 보면, 이는 시장이 수십 년에 걸친 베팅을 분기별 논리로 평가하려는 시도(결과적으로 실패)입니다. 그것이 바로 버블이 실제로 의미하는 바: 아직 누가 다가올 것을 어떻게 가격 책정해야 할지 모른다는 신호입니다. 불확실성은 무효화처럼 보이지만, 단순히 기존 프레임워크의 한계를 드러낼 뿐입니다.

우리가 계속 저지르는 범주 오류

새로운 것이 등장하면 우리는 비교에 의존한다:

• AI는 전기와 같다.
• AI는 컴퓨터와 같다.
• AI는 인터넷과 같다.
• AI는 모바일과 같다.

이러한 비교는 위안이 된다. 왜냐하면 각각의 기술이 거대한, 경제 전반에 걸친 변화를 일으키고 막대한 자본을 끌어들였기 때문이다. 그것들은 일하는 방식을 바꾸었다.

또한 더 깊은 공통점이 있다: 그 모든 기술은 인간 인지를 대체하지 않고 인간 능력을 확장했다.

모든 경우에 인간 지능이 모든 것을 고정시켰으며, 그것이 병목이었다.

AI는 인지 작업을 수행한다는 점에서 다르다. AI가 실제로 생각할 수 있다면, 우리가 경력을 쌓아온 많은 전문 지식과 힘들게 얻은 기술들이 우리가 생각했던 만큼 방어할 수 없게 될 수도 있다. 수년간 직관을 개발해 온 주니어 엔지니어는 이제 즉시 직관을 가진 도구와 함께 일한다. 변동 분석으로 유명한 금융 분석가도 그 작업을 알고리즘과 공유한다. 사람들은 이제 가치가 실제로 어디에 있는지 확신하지 못하고 있으며, 그것은 두렵다.

추상적인 질문에서 구체적인 질문으로

저는 매주 CFO들과 이야기를 나눕니다. 6개월 전만 해도 그들은 다음과 같은 추상적인 질문을 했습니다:

“AI란 무엇인가요?”
“AI 전략을 가져야 할까요?”

이제 질문은 구체적입니다:

“우리 팀 업무 중 어떤 부분은 더 이상 이렇게 할 필요가 없나요?”

그 변화는 너무 빨리 일어나서 이미 자원 배분 방식이 바뀌고 있습니다.

Example: 제가 아는 한 창업자는 Claude를 사용해 분석가가 며칠 걸리던 SQL 쿼리를 작성하기 시작했습니다. 그녀가 분석가를 대체했을까요? 물론 아닙니다. 하지만 병목 현상을 없애고 이제는 빠른 답변을 위해 그에게 의존하지 않게 되었습니다. 분석가의 역할이 완전히 바뀌었습니다:

• Before: 쿼리를 작성하는 데 전체 시간의 60 %를 사용하고, 3명의 이해관계자를 지원했습니다.
• After: 쿼리를 검토하는 데 10 %, 전략적 권고를 제공하는 데 90 %를 사용하며, 15명의 이해관계자를 지원합니다.

회사는 인원이나 비용을 줄이지 않았지만, 분석가의 영향력은 배가되었습니다.

왜 역사적 비교가 실패하는가

Tools like GitHub Copilot are compressing expertise. A junior engineer can now operate at a level that once required years of experience. And every time the tool is used, it learns. A hammer doesn’t improve just because you built a house with it, but AI tools do. When tools get better through use, the rate of improvement compounds. That dynamic doesn’t fit cleanly into any prior technological analogy, which is why the instinct to call this a “bubble” misses the actual point.

GitHub Copilot과 같은 도구들은 전문성을 압축하고 있습니다. 이제는 주니어 엔지니어도 과거에는 수년간의 경험이 필요했던 수준으로 작업할 수 있습니다. 그리고 도구가 사용될 때마다 스스로 학습합니다. 망치를 가지고 집을 지었다고 해서 망치가 스스로 개선되는 것은 아니지만, AI 도구는 그렇습니다. 사용을 통해 도구가 개선될수록 개선 속도는 복합적으로 증가합니다. 이러한 역학은 기존의 어떤 기술적 비유에도 깔끔히 들어맞지 않으며, 그래서 이를 “버블”이라고 부르려는 직관이 실제 요점을 놓치는 이유입니다.

Previous technologies assumed a fixed ceiling on human cognition. They made us faster and stronger, but the limiting factor was always the same: how many smart people could we put on a problem? AI stretches that ceiling far beyond what we’re used to.

이전 기술들은 인간 인지 능력에 고정된 한계가 있다고 가정했습니다. 그 기술들은 우리를 더 빠르고 강하게 만들었지만, 제한 요인은 언제나 동일했습니다: 문제에 얼마나 많은 똑똑한 사람들을 투입할 수 있느냐 AI는 그 한계를 우리가 익숙한 수준을 훨씬 넘어 확장합니다.

Before, understanding your business better usually meant one of three things:

1. More data.
2. More analysts.
3. More experienced leaders.

The constraint was how much human attention and judgment you could afford. With AI, that constraint shifts. When analysis that once took days appears in seconds, the new constraint is knowing what to look for. What questions matter? The limiting factor stops being talent and starts being judgment.

예전에는 비즈니스를 더 잘 이해한다는 것이 보통 다음 세 가지 중 하나를 의미했습니다:

1. 더 많은 데이터.
2. 더 많은 분석가.
3. 더 경험 많은 리더.

제한 요인은 인간의 주의와 판단을 얼마나 감당할 수 있느냐였습니다. AI와 함께라면 그 제한이 변합니다. 며칠이 걸리던 분석이 몇 초 만에 나타날 때, 새로운 제한은 무엇을 찾아야 할지 아는 것입니다. 어떤 질문이 중요한가? 제한 요인은 재능이 아니라 판단이 됩니다.

스케프틱들은 과대광고에 대해서는 옳지만, 그 의미에 대해서는 틀렸다

가장 강력한 버블 논증을 그대로 받아들여 보자:

• 어쩌면 AI가 실제로 과대평가되었고, 이 기업들 대부분이 실패할 수도 있다.
• 어쩌면 우리는 아직 초기 단계이며, 실질적인 영향은 또 5~10년 뒤에 나타날 수도 있다.

이 모든 것이 전적으로 사실일 수도 있지만, 핵심 요점은 변하지 않는다:

AI 스타트업 대부분이 실패하고, 채택이 예상보다 훨씬 느리더라도, 우리가 가치를 창출하고, 가격을 매기며, 배분하는 근본적인 변화는 이미 진행 중이다.

“버블”이라는 라벨은 연속적이지 않은 변화를 가격 책정하지 못하는 현재 우리의 무능함을 포착할 뿐, 붕괴가 불가피함을 의미하지는 않는다. 실제 이야기는 우리의 평가 프레임워크가 따라잡고 있는 중이며, AI는 계속해서 인지 경제학을 재구성하고 있다는 점이다.

# AI Is Still the First Technology That Can Perform Knowledge Work

That doesn’t disappear because markets overshoot or expectations reset.  
The skeptics are right that the hype is inflated, but they’re wrong that inflated hype makes the technology irrelevant.  

We’ve seen this before: the dot‑com bubble was real, and **Pets.com** crashed and burned, but the internet still changed everything. Both things were true at the same time.

재무 리더들이 집중하고 있는 것

제가 함께 일하고 있는 재무 리더들은 AI가 중요한지 여부를 논하는 단계는 이미 넘어섰습니다.
이제 그들은 어떤 워크플로우가 먼저 변할지와 얼마나 빨리 적응해야 하는지를 이해하려고 합니다. 그 대화는 모든 소음 아래 조용히 진행되고 있습니다.

먼저 사라지는 워크플로우가 공유하는 세 가지 특성

1. 전문 지식이 필요하지만 반복적이다.
2. 전략적 업무의 병목 현상이다.
3. 검증은 쉽지만 생성은 어렵다.

이러한 워크플로우는:

• 비용을 지불할 만큼 중요하고,
• 자동화가 경쟁 우위를 위협할 정도로 전략적이지 않다.

이들은 기술이 필요하지만, 그 기술은 반복에 따라 크게 누적되지 않아 경제적으로 취약합니다. 그래서 이미 자동화되고 있는 이유를 설명합니다.

인간이 아직도 중요한 이유 (당분간)

• AI는 트렌드를 인식하는 데는 뛰어나지만, 실제로 어떤 트렌드가 중요한지는 파악하지 못합니다.
• 변동 분석을 생성할 수는 있지만, 지출이 12 % 변동하는 것이 건강한 성장 신호인지 더 깊은 문제인지는 알려주지 못합니다.
• 전략을 초안으로 만들 수는 있지만, 이 시장과 이 팀에 정확히 맞는 전략이 무엇인지 알려주지는 못합니다.

불확실성 하에서의 판단과 하향 위험이 재앙적인 고위험 선택은 여전히 인간의 책임입니다—당분간.

제약이 더 이상 “우리에겐 충분히 똑똑한 사람이 있나요”가 아니라면, 문제는 우선순위가 됩니다:

• 무엇에 주목해야 할까요?
• 다음에 무엇을 만드는 것이 가치가 있을까요?

많은 창업자들이 여기서 막히게 됩니다. 그들은 이것이 거품인지, 아니면 너무 이른 단계인지 묻지만, 그것들은 가장 유용한 질문이 아닙니다. 올바른 질문은 다음과 같습니다:

“평가가 어떻게 변하든, 다음 1년 안에 실제 가치를 창출할 수 있는 것을 무엇을 만들 수 있을까요?”

지속되는 기업

실제 문제를 해결하는 워크플로에 AI를 조용히 반복 적용하고 내재화하는 기업은 오래 살아남을 것이다.

예시: CFO

• 이사회가 더 빠른 변동성 분석을 원해 AI를 도입한다.
• 6개월 만에 퇴사하는 분석가 채용에 지친다.

이는 기업이 해결해야 할 실제 문제이다.

투자자에게도 마찬가지다: 장기적인 승자는 실제로 효과가 있는지를 볼 수 있을 만큼 불확실성을 견디는 사람들이다.

이번은 실제로 다르다

• 단기: AI는 실망을 안겨줄 것이다. 많은 사용 사례가 약속한 것을 제공하지 못하고, 이번 물결에서 설립된 많은 기업들이 살아남지 못할 것이다.
• 장기: 이 기술은 지식 노동에 의존하는 모든 분야를 재구성할 것이다. 한 번에 모두가 바뀌는 것은 아니며, 고르게 변하는 것도 아니다. 그러나 10년 후에는 오늘과 같은 모습의 지식 기반 산업을 찾기 어려울 것이다.

AI가 다른 이유는 지능 자체—역사적으로 인간 혁신의 핵심 제약이었던 것이—이 이제 확장 가능해졌기 때문이다. 이것은 측정 가능한 결과를 동반한 관찰 가능한 사실이다.

버블에 대한 논의는 언제나 그렇듯 사라질 것이다. 남게 될 것은 다른 사람들이 가치 평가에 대해 논쟁하는 동안 조용히 적응한 시스템들이다.

회의론자들은 과잉에 대해서는 옳았지만 실제로 중요한 것에 대해서는 틀렸다. 5년 후 우리는 오늘의 공황을 소수의 기업이 실패했기 때문에 인터넷을 무시했던 사람들을 떠올리는 것과 같은 시각으로 바라볼 가능성이 크다. 승자는 다른 사람들이 가치 평가에 대해 논쟁하는 동안 구축하고 있던 사람들이다.

시간이 지나면, 그것들만이 사람들이 기억하는 이야기이다.

Siqi Chen은 Runway의 공동 창업자이자 CEO이다.