AI 붐은 꺼질 수 있어도, AI 확산은 멈추지 않습니다

요즘 AI를 쓰면서 든 생각

최근 업무 환경을 정리하다가 문득 깨달은 게 하나 있습니다. 어느새 코드 작성, 문서 초안, 메일 회신, 회의록 요약까지 거의 모든 흐름에 AI가 끼어 있더라고요. 처음엔 "한번 써볼까" 하는 호기심이었는데, 지금은 AI 보조가 빠진 화면을 보면 묘하게 불편합니다. 손에 익은 단축키를 못 쓰는 느낌이랄까요.

그런데 같은 시기에 뉴스에서는 정반대 이야기가 흘러나옵니다. "AI 버블이 곧 터진다", "GPU 투자가 과열됐다", "AI 기업 밸류에이션이 실적을 한참 앞섰다" 같은 말들이요. 내 책상 위에서는 AI가 점점 깊숙이 들어오고 있는데, 시장에서는 거품 이야기가 나옵니다. 이 간극이 흥미로웠습니다.

곰곰이 생각해 보니 이 두 이야기는 충돌하는 게 아니었습니다. 서로 다른 두 개의 흐름을 같은 단어로 부르고 있었을 뿐이더라고요. 하나는 'AI 투자 붐'이고, 다른 하나는 'AI의 사회적 확산'입니다. 이걸 분리해서 보면 많은 게 정리됩니다.

오늘은 엔지니어의 시선으로 이 두 흐름을 갈라서 차분히 정리해 보려고 합니다. 결론을 한 줄로 먼저 말하면 이렇습니다. AI 붐은 꺼질 수 있습니다. 그러나 AI 확산은 멈추기 어렵습니다.

두 개의 AI: 투자 붐과 사회적 확산

지금 AI 시장에는 성격이 전혀 다른 두 흐름이 뒤섞여 있습니다.

첫째는 AI 투자 붐입니다. 'AI'라는 이름만 붙으면 밸류에이션이 올라가고, GPU·데이터센터·모델 기업에 과도한 기대가 실리는 구간입니다. 이 영역은 실적 검증이 안 되거나, 투자 회수가 늦어지거나, 공급 과잉이 생기거나, 금리 환경이 바뀌면 충분히 조정받을 수 있습니다. 심리와 기대가 가격을 끌어올린 부분이 많기 때문입니다.

둘째는 AI 기술의 사회적 확산입니다. 검색, 문서작성, 코딩, 고객응대, 교육, 제조, 금융, 보안, 운영, 개인 비서 영역에 AI가 조용히 내장되어 가는 흐름입니다. 이건 단기 주가 조정과 거의 무관하게 진행됩니다. 주가가 빠진다고 해서 제가 쓰던 코드 자동완성이 사라지지는 않으니까요.

그래서 AI 산업을 볼 때 정말 중요한 질문은 "붐이 언제까지 가느냐"가 아니라, **"어떤 영역이 장기적으로 사회 시스템에 녹아들 것인가"**입니다. 전자는 투자 심리의 문제고, 후자는 구조의 문제입니다. 둘을 같은 자로 재면 판단이 흐려집니다.

신기함에서 불편함으로 — 요구 수준이 바뀐다

AI가 어떻게 유행에서 인프라로 굳어지는지를 보려면, 사용자의 요구가 어떻게 바뀌는지를 따라가 보면 됩니다.

초기에 사람들은 AI를 신기한 장난감처럼 소비했습니다. "AI가 글을 쓴다", "AI가 그림을 만든다", "AI가 코드를 작성한다", "AI가 검색을 대신한다". 이때의 감정은 감탄입니다.

그런데 사용 경험이 쌓일수록 질문이 바뀝니다.

• "왜 내 이전 맥락을 기억하지 못하지?"
• "왜 내 회사 상황을 기준으로 판단하지 못하지?"
• "왜 매번 같은 내용을 다시 설명해야 하지?"
• "왜 문서, 메일, 일정, 업무 이력을 연결해서 처리하지 못하지?"
• "왜 최종 실행까지 자동화하지 못하지?"

이 불만들이 사실 굉장히 중요한 신호입니다. AI가 단순한 '기능'에서 '업무 운영 계층'으로 이동하고 있다는 뜻이거든요. 감탄이 불편함으로 바뀌는 순간, 기술은 유행을 지나 일상으로 들어옵니다.

예전에 인터넷뱅킹 시스템을 운영하던 시절을 떠올려 보면, 사용자 불만이 '신기하다'에서 '왜 안 되냐'로 넘어가는 순간이 곧 그 기능이 표준이 됐다는 신호였습니다. 불편함은 그 자체로 수요의 증거입니다.

그래서 AI의 장기 가치는 모델 그 자체보다, 다음과 같은 구조에서 발생합니다.

AI 모델
  ↓
AI 내장 서비스
  ↓
개인/조직 메모리
  ↓
업무 맥락 이해
  ↓
소프트웨어 로봇
  ↓
업무 자동화와 실행

맨 위의 모델에서 시작하지만, 진짜 돈과 가치는 아래로 내려갈수록 쌓입니다. '좋은 답변'을 넘어 '맥락을 이해하고 실제로 실행하는' 단계로요.

AI 붐과 AI 확산, 항목별로 갈라 보기

같은 'AI'라는 우산 아래에서도 항목마다 운명이 다릅니다. 조정받을 수 있는 영역과 구조적으로 확산될 영역을 나눠 보면 다음과 같습니다.

구분	성격	전망
AI 테마주 과열	투자 심리	조정 가능
단순 챗봇 서비스	기능 경쟁	경쟁 심화 가능
모델 기업 밸류에이션	기대 기반	수익성 검증 필요
GPU·데이터센터 과잉투자	설비 투자	일부 과잉 가능
기업 업무 자동화	비용 절감	장기 확산 가능
개인화 AI 비서	사용성 개선	장기 확산 가능
메모리 AI	맥락 이해	구조적 수요 증가
AI 에이전트	실행 자동화	차세대 응용
전력·저장·통신 인프라	물리 기반	장기 수요 지속

표를 보면 위쪽은 대체로 '심리와 기대'에, 아래쪽은 '실제 수요와 물리 기반'에 가깝습니다. 핵심은 이 한 문장으로 정리됩니다. AI 투자 과열은 꺼질 수 있지만, AI 사용 경험은 되돌아가기 어렵습니다.

인터넷 버블이 꺼졌다고 인터넷이 사라지지 않았던 것처럼, AI 테마가 조정받더라도 AI의 사회적 내재화는 계속될 가능성이 높습니다. 가격은 출렁여도 습관은 잘 사라지지 않거든요.

역사는 비슷한 길을 걸어왔다

사실 이 패턴은 새롭지 않습니다. 기술 혁명은 대체로 비슷한 경로를 그려 왔습니다.

인터넷. 1990년대 후반 닷컴 버블은 거하게 과열됐고, 수많은 기업이 사라졌습니다. 그러나 인터넷 자체는 사라지지 않았죠. 오히려 그 이후에 전자상거래, 검색, 광고, 클라우드, 모바일 플랫폼이 모두 인터넷 위에서 피어났습니다. 버블은 거품이었지만, 토대는 진짜였던 겁니다.

모바일. 스마트폰과 앱스토어 초기에도 앱 생태계 전반에 과열이 있었습니다. "앱만 만들면 된다"던 시절이요. 이후 가벼운 앱들은 대거 정리됐지만, 모바일 자체는 생활 인프라가 됐습니다. 인터넷뱅킹이 스마트뱅킹으로 넘어가던 시기를 가까이서 봤는데, 결국 살아남은 건 '신기한 앱'이 아니라 일상 업무에 박혀 버린 기능들이었습니다. 지금 우리는 "모바일을 사용한다"고 특별히 의식하지 않습니다. 그냥 모바일 환경 안에서 살아갈 뿐이죠.

그리고 AI. AI도 유사한 길을 갈 가능성이 높습니다. 초기에는 "AI가 세상을 바꾼다"는 과열로 시작합니다. 이후 약한 서비스와 과대평가된 기업은 정리될 겁니다. 그러나 살아남은 AI 기능은 검색, 오피스, 개발, 고객관리, 제조, 보안, 금융, 교육, 운영 시스템 안으로 스며듭니다. 그 순간부터 AI는 더 이상 유행이 아니라 기본 기능이 됩니다. 모바일을 의식하지 않듯, 우리도 곧 "AI를 쓴다"는 의식 없이 AI 안에서 일하게 될 거라고 봅니다.

확산을 막기 어려운 세 가지 이유

그렇다면 왜 확산은 멈추기 어려울까요. 저는 세 가지 힘이 작동한다고 봅니다.

1) 생산성 개선 압력. 기업은 늘 비용을 줄이고 생산성을 높여야 합니다. AI는 문서작성, 고객응대, 개발, 운영, 분석, 보고, 감사 대응 같은 반복 업무를 자동화할 수 있습니다. 특히 인건비가 높고, 문서·커뮤니케이션·반복 판단이 많은 산업일수록 도입 압력이 셉니다. 한 번 도입해서 효과를 본 조직이 그걸 다시 빼기는 어렵습니다. 운영 PM 자리에서 보면, 한 번 자동화된 절차를 사람이 다시 손으로 돌리자는 결정은 거의 나오지 않더라고요.

2) 사용자 경험의 비가역성. 이게 제일 강력합니다. 한 번 AI 보조를 경험한 사용자는 이전 방식으로 돌아가기 힘듭니다. 자동완성, 요약, 번역, 코드 보조, 메일 작성, 일정 정리, 문서 검색을 겪고 나면 기대 수준 자체가 바뀌거든요. 기술 확산의 진짜 핵심은 감탄이 아니라 불편함입니다. "AI가 신기하다"는 초기 시장의 감정이고, "AI가 없으면 불편하다"는 구조적 확산 단계의 감정입니다. AI는 이미 후자로 넘어가고 있습니다.

3) 데이터와 메모리의 누적 효과. 오래 쓸수록 사용자는 더 많은 맥락 이해를 요구합니다. 단순 질의응답이 아니라 과거 대화, 업무 이력, 고객 정보, 프로젝트 히스토리, 의사결정 기준까지 반영한 답을 기대하죠. 이걸 충족하려면 메모리, 저장장치, 검색 인덱스, 지식그래프, 권한 관리가 필요합니다. 결국 AI 확산은 자연스럽게 다음 산업으로 연결됩니다.

AI 사용 증가
  ↓
맥락 이해 요구 증가
  ↓
메모리·저장 수요 증가
  ↓
업무 자동화 요구 증가
  ↓
소프트웨어 로봇 확산

다음 성장 축은 모델 바깥에 있다

AI의 다음 성장은 모델 자체보다 그 주변과 아래 계층에서 일어날 가능성이 높습니다.

메모리 AI. 사용자와 조직의 장기 맥락을 기억하는 계층입니다. 개인 선호, 업무 이력, 고객 관계, 프로젝트 맥락, 문서 히스토리, 의사결정 기준, 반복 업무 패턴 같은 정보가 누적되어야 AI가 비로소 진짜 개인 비서나 조직 참모가 됩니다. 메모리 AI는 단순한 저장소가 아니라 맥락 운영 시스템입니다. 같은 모델을 쓰더라도, 누가 더 풍부한 맥락을 가졌느냐가 결과를 가릅니다.

AI 인프라. AI는 소프트웨어처럼 보이지만 실제로는 거대한 물리 인프라 위에서 돕니다. 확산될수록 HBM, DRAM, NAND, SSD, GPU, 전력망, 변압기, UPS, ESS, 냉각, 광통신, 데이터센터에 대한 수요가 함께 커집니다. 화면에 뜨는 건 채팅창이지만, 그 뒤에는 전기와 열과 저장장치가 깔려 있습니다. 쿠버네티스 클러스터 하나 운영해 봐도 체감하는데, 화면 위 추상화 한 겹 뒤에는 늘 물리 자원이 깔려 있고, 그 비용은 정직하게 청구됩니다.

소프트웨어 로봇. AI 응용의 최종 형태는 챗봇이 아니라 소프트웨어 로봇이라고 봅니다. 소프트웨어 로봇은 기억하고, 이해하고, 판단하고, 실행하고, 기록하고, 그 결과를 다음 작업에 반영합니다. 기업 입장에서 가장 큰 가치는 '좋은 답변'이 아니라 '업무 실행'에서 나오거든요. 답을 듣는 것과 일이 끝나 있는 것은 차원이 다른 이야기입니다.

어디서 기회가 보이나 — 유망 응용 영역

구체적으로 도메인 특화된 소프트웨어 로봇이 활약할 만한 영역을 정리해 보겠습니다.

1. 기업 운영 로봇 — 서버 운영, 장애 대응, 보안점검, CVE 조치, 작업공지, 재발방지 대책, 감사 대응을 자동화합니다. 기업 내부 운영 데이터와 결합되어야 하므로 도메인 이해가 핵심입니다. 새벽에 장애 알람을 받고 로그를 뒤지던 경험을 떠올려 보면, 이 영역의 가치는 굳이 설명할 필요도 없습니다.
2. 보안·감사 로봇 — 체크리스트, 증적, 접근 이력, 계정 검토, 예외 승인, 교육 전파 이력을 관리합니다. 규정과 책임 소재가 중요한 영역이라, 단순 답변보다 추적 가능한 실행 이력이 훨씬 중요합니다.
3. 제조·견적 로봇 — 도면, 자재, 납기, 거래처, 마진, 과거 견적, 변경 이력을 기억하고 견적 업무를 돕습니다. 중소 제조업은 암묵지가 많아서 메모리 기반 AI의 가치가 특히 큽니다.
4. 고객관리 로봇 — 예약, 노쇼, 재방문, 고객 취향, 메시지, 리뷰 요청, 매출 분석을 자동화합니다. 소상공인 시장에서는 AI 자체보다 매출과 재방문으로 연결되는 자동화가 의미 있습니다.

공통점이 보이시나요. 전부 특정 산업의 업무 흐름과 데이터, 규정, 실행 프로세스를 깊이 이해해야 작동하는 영역입니다. 범용 챗봇으로는 닿기 어려운 자리입니다.

그래도 리스크는 분명히 있다

확산 흐름이 강하다고 해서 장밋빛만 칠하는 건 정직하지 않겠죠. 리스크도 짚어 둡니다.

• 투자 과열 리스크 — AI 관련 기업의 밸류에이션이 실적보다 앞서갈 수 있습니다. 특히 단순 AI 테마 기업은 조정 가능성이 큽니다.
• 수익화 지연 리스크 — AI 도입이 실제 비용 절감이나 매출 증가로 이어지지 않으면, 일부 서비스는 정리될 수 있습니다.
• 인프라 비용 리스크 — GPU, 전력, 데이터센터, 클라우드 비용이 높아 AI 서비스의 수익성을 압박할 수 있습니다.
• 신뢰성 리스크 — 환각, 잘못된 기억, 보안 사고, 개인정보 유출, 책임 소재 문제가 풀리지 않으면 완전 자율 실행은 제한됩니다.
• 규제 리스크 — 금융, 의료, 공공, 교육, 법률 영역에서는 개인정보, 저작권, 설명 가능성, 책임 소재에 대한 규제가 강화될 가능성이 높습니다.

특히 마지막 두 가지는 엔지니어 입장에서 늘 마음에 두는 부분입니다. 금융권 IT를 거치면서 배운 게 있다면, '실행하는 시스템'은 잘못 실행했을 때의 책임이 따라온다는 점입니다. AI도 '답하는 AI'에서 '실행하는 AI'로 갈수록 그 무게가 커집니다. 그래서 추적 가능성과 권한 관리가 결국 기술의 핵심 경쟁력이 됩니다.

관점을 어떻게 바꿔야 할까

이런 흐름을 받아들인다면, AI 시대를 바라보는 관점도 조금 바뀌어야 한다고 생각합니다. 다섯 가지로 정리해 봅니다.

1. 붐이 아니라 내재화에 베팅한다. 과열된 테마보다 장기적으로 필수가 될 영역을 봐야 합니다.
2. 모델보다 맥락을 본다. 모델 성능은 결국 상향 평준화됩니다. 차별화 자산은 사용자와 조직이 쌓아 온 맥락 데이터입니다.
3. 응용은 도메인 특화로 간다. 범용 챗봇은 빅테크가 가져갈 가능성이 높습니다. 기회는 특정 산업의 업무 흐름·데이터·규정·실행 프로세스를 이해하는 좁고 깊은 영역에 있습니다.
4. 소프트웨어 로봇이 SaaS를 재편한다. 기존 SaaS는 사람이 입력하고 관리하는 도구였습니다. 앞으로는 AI가 직접 조회·판단·실행·보고하는 구조로 바뀔 수 있습니다.
5. 인프라는 장기 수혜 축이다. AI가 확산될수록 메모리, 전력, 저장장치, 통신, 냉각, 데이터센터의 중요성은 계속 커집니다.

AI 산업의 핵심 변화는 이런 순서로 흘러갑니다.

AI 테마
  ↓
AI 기능
  ↓
AI 인프라
  ↓
AI 메모리
  ↓
AI 에이전트
  ↓
소프트웨어 로봇

마무리

저는 AI가 유행으로 시작했지만, 점점 업무와 사회 시스템의 기본 계층으로 굳어지고 있다고 봅니다. 단기적으로는 투자 과열, 밸류에이션 부담, 인프라 과잉, 수익화 지연으로 충분히 조정이 올 수 있습니다. 하지만 길게 보면 AI는 검색·문서·개발·운영·고객관리·제조·보안·교육·금융 시스템 안으로 들어가 기본 기능이 될 가능성이 높습니다.

그래서 장기 승자는 'AI'라는 이름을 파는 기업이 아니라, AI가 기억하고 실행할 수 있게 만드는 인프라와 도메인 특화 소프트웨어 기업일 거라고 생각합니다.

거품은 꺼질 수 있습니다. 그러나 한 번 손에 익은 도구를 다시 내려놓기란, 생각보다 훨씬 어려운 일이더라고요.