🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

골드만삭스는 AI 인프라 투자 붐이 아직 명확한 수익으로 입증되지 않았고, 기업들의 지출을 움직이는 핵심 동력이 합리적 ROI보다 경쟁에서 뒤처질지 모른다는 불안과 FOMO에 가깝다고 분석했다.

📌 핵심 요약

• 골드만삭스의 두 보고서는 AI 인프라 구축 비용과 실제 투자 성과를 서로 다른 관점에서 점검하면서, 현재의 AI 붐이 몇 가지 불확실한 가정에 크게 의존하고 있다고 지적한다.
• 골드만삭스 글로벌 인스티튜트는 2026년부터 2031년까지 AI 관련 누적 자본지출이 약 7조6000억 달러에 이를 수 있다고 추정했지만, 칩 교체 주기와 데이터센터 건설비 같은 변수에 따라 수천억 달러 단위로 흔들릴 수 있다고 설명한다.
• 제임스 코벨로는 생성형 AI에 대한 막대한 기업 투자가 아직 뚜렷한 생산성 향상이나 비용 절감으로 이어지지 않았고, 여러 조사에서 파일럿 프로젝트의 무수익, AI 리스크로 인한 손실, 현장 노동자와 경영진 인식의 괴리가 확인됐다고 본다.
• 현재 AI 생태계의 수익은 주로 엔비디아에 집중되고 있으며, 하이퍼스케일러와 기업 고객, 모델 기업들은 더 많은 비용을 부담하면서도 그에 상응하는 수익을 충분히 확보하지 못하는 구조적 불균형에 놓여 있다.
• 그럼에도 마이크로소프트, 아마존, 구글, 메타 등은 주가 부진에도 AI 인프라 투자를 늘리고 있으며, 코벨로는 이를 주주 수익보다 AI 군비 경쟁에서 빠지지 않으려는 FOMO가 더 강하게 작동한 결과로 해석한다.

🧩 주요 포인트

1. 골드만삭스의 두 보고서는 AI 인프라 구축 비용과 실제 투자 성과를 서로 다른 관점에서 점검하면서, 현재의 AI 붐이 몇 가지 불확실한 가정에 크게 의존하고 있다고 지적한다.
2. 골드만삭스 글로벌 인스티튜트는 2026년부터 2031년까지 AI 관련 누적 자본지출이 약 7조6000억 달러에 이를 수 있다고 추정했지만, 칩 교체 주기와 데이터센터 건설비 같은 변수에 따라 수천억 달러 단위로 흔들릴 수 있다고 설명한다.
3. 제임스 코벨로는 생성형 AI에 대한 막대한 기업 투자가 아직 뚜렷한 생산성 향상이나 비용 절감으로 이어지지 않았고, 여러 조사에서 파일럿 프로젝트의 무수익, AI 리스크로 인한 손실, 현장 노동자와 경영진 인식의 괴리가 확인됐다고 본다.
4. 현재 AI 생태계의 수익은 주로 엔비디아에 집중되고 있으며, 하이퍼스케일러와 기업 고객, 모델 기업들은 더 많은 비용을 부담하면서도 그에 상응하는 수익을 충분히 확보하지 못하는 구조적 불균형에 놓여 있다.
5. 그럼에도 마이크로소프트, 아마존, 구글, 메타 등은 주가 부진에도 AI 인프라 투자를 늘리고 있으며, 코벨로는 이를 주주 수익보다 AI 군비 경쟁에서 빠지지 않으려는 FOMO가 더 강하게 작동한 결과로 해석한다.

🧠 상세 정리

1. 골드만삭스가 제기한 AI 붐의 핵심 질문

기사의 출발점은 월가의 영향력 있는 리서치 조직이 실리콘밸리가 듣기 불편한 이야기를 하고 있다는 점이다. 골드만삭스는 4월에 나온 두 개의 보고서를 통해 AI 인프라 구축을 서로 반대편에서 살폈다. 한쪽은 이 거대한 시스템을 짓는 데 얼마나 많은 돈이 드는지를 추적했고, 다른 한쪽은 그 시스템이 실제로 기업에 성과를 내고 있는지를 따졌다. 두 보고서가 만나는 지점은 AI 투자 수익률이 여전히 불확실하며, 몇 가지 충분히 이해되지 않은 변수에 매우 민감하다는 문제의식이다.

2. 코벨로의 지속된 회의론과 기관 내부의 긴장

제임스 코벨로는 골드만삭스의 글로벌 주식 리서치 책임자로, 이미 2024년 ‘너무 많은 지출, 너무 적은 이익’이라는 취지의 보고서를 공동 작성하며 AI 투자에 대한 회의론을 제기한 인물이다. 당시 보고서가 큰 반향을 일으킨 이유는 골드만삭스가 AI 붐을 자금 조달과 자문 측면에서 깊이 지원하는 기관이기 때문이다. 골드만삭스는 하이퍼스케일러에 조언하고, 반도체 기업의 자금 조달을 돕고, 인프라 구축 기업들과도 밀접하게 연결돼 있다. 그런 기관 내부에서 AI 지출의 경제성을 묻는 목소리가 나왔다는 점이 이 논쟁의 무게를 키운다.

3. AI 인프라 비용은 거대하고 조건부이다

골드만삭스 글로벌 인스티튜트의 ‘Tracking Trillions’ 보고서는 2026년부터 2031년까지 칩, 데이터센터, 전력 인프라를 포함한 AI 관련 누적 자본지출을 약 7조6000억 달러로 추정한다. 연간 지출은 2026년 7650억 달러에서 2031년 1조6000억 달러로 두 배 이상 늘어날 것으로 제시된다. 그러나 보고서는 이 수치가 확정된 예측이 아니라 민감한 기준 추정치라고 강조한다. AI 칩이 얼마나 빨리 구식이 되는지, 데이터센터를 메가와트당 1500만 달러에 짓는지 1900만 달러에 짓는지 같은 가정 하나만 바뀌어도 총비용은 수천억 달러씩 움직인다.

4. 물리적 인프라의 복잡성이 비용을 밀어 올린다

AI 인프라 비용이 커지는 이유는 단순히 서버를 더 많이 사기 때문만이 아니다. 기사에 따르면 오늘날의 선도적인 AI 시스템은 하나의 랙에 72개의 프로세서를 넣고, 수십만 킬로미터에 이르는 케이블로 이를 연결한다. 이런 시설은 산업 규모의 액체 냉각, 전용 전력 공급, 과거 일반 데이터센터 설계에는 없던 이중화 시스템을 필요로 한다. 2010년대 표준 클라우드 데이터센터가 메가와트당 1000만 달러 수준이었다면, 차세대 AI 최적화 시설은 1500만~2000만 달러 수준이며, 불과 2년 전에 지어진 시설도 최신 칩에는 충분하지 않은 것으로 평가될 수 있다.

5. 기업 도입 현장의 수익률은 아직 불편한 수준이다

코벨로는 지난 2년 동안 막대한 AI 투자가 기업 현장에서 무엇을 만들어내는지를 추적했다고 설명한다. 그가 인용한 자료들은 기업 이사회가 듣기에 편안하지 않은 내용이다. 생성형 AI에 300억~400억 달러가 투입됐음에도, MIT 랩스 보고서는 조직의 95%가 AI 파일럿에서 수익을 얻지 못했다고 지적했다. EY의 2025년 조사에서는 표본 기업의 99%가 AI 관련 리스크로 재무적 손실을 보고했으며, 평균 손실은 기업당 440만 달러로 제시됐다. 경영진이 말하는 생산성 향상과 현장 노동자가 체감하는 효과 사이에도 큰 간극이 있다는 조사 결과가 함께 제시된다.

6. 비용 절감 대신 새 비용과 오류가 늘고 있다

기사에서 강조되는 또 하나의 문제는 AI가 약속했던 비용 절감이 아직 뚜렷하게 나타나지 않았다는 점이다. 경영진은 IT 예산 축소와 생산성 향상을 기대했지만, 가트너는 전 세계 IT 지출이 2024년 5조 달러에서 2026년 6조1500억 달러로 증가할 것으로 본다. 하버드비즈니스리뷰 연구를 인용한 대목에서는 AI가 만들어낸 오류, 즉 ‘workslop’이 1만 명 규모 조직에서 연간 900만 달러 이상의 생산성 손실을 초래할 수 있다고 설명한다. 이는 AI가 효율화 도구로만 작동하는 것이 아니라, 많은 경우 검토·수정·책임 소재와 관련한 새로운 부담을 만들고 있음을 보여준다.

7. 수익은 엔비디아에 집중되고 있다

두 보고서 사이에서 드러나는 구조적 문제는 AI 생태계로 흘러드는 돈의 상당 부분이 실제 AI를 배치하는 기업이 아니라 엔비디아로 집중된다는 점이다. ‘Tracking Trillions’는 기준 모델을 엔비디아의 향후 매출 추정치에 고정하고 있으며, 엔비디아가 전체 컴퓨트 지출의 약 75%를 차지한다고 설명한다. 동시에 엔비디아의 매출총이익률은 약 75%로 경쟁사보다 훨씬 높게 제시된다. 코벨로는 원래 반도체 기업은 고객이 번성할 때 함께 번성해야 하지만, 이번 사이클에서는 칩 기업이 가치사슬 상단의 기업들을 희생시키며 번성하는 양상이라고 해석한다.

8. FOMO가 합리적 자본 배분보다 강하게 작동한다

기사가 가장 강하게 부각하는 대목은 AI 인프라 지출이 반드시 합리적인 투자수익률 계산에 의해 움직이는 것처럼 보이지 않는다는 점이다. 코벨로는 2024년 보고서에서 하이퍼스케일러 주식이 장기간 시장보다 부진하면 AI 자본지출을 줄일 것이라고 예상했지만, 실제로는 반대가 일어났다. 마이크로소프트, 아마존, 구글, 메타는 S&P 500보다 주가가 부진한 상황에서도 AI 인프라 지출을 크게 늘렸다. 이들은 영업활동에서 나온 잉여현금흐름을 소진하고, 데이터센터 구축을 위해 부채 발행까지 늘리고 있다. 코벨로는 이를 주가 부진보다 FOMO가 더 강한 유인으로 작동한 사례라고 표현한다.

9. 병목과 지연은 의심을 키울 수 있다

AI 인프라 구축에는 전력 연결 대기, 변압기 부족, 전문 인력 제약 같은 물리적 병목도 존재한다. 흥미로운 점은 이런 병목이 나타나도 기업들이 야심을 줄이기보다 우회로를 찾는다는 것이다. 보고서는 기업들이 자체 전력 생산을 마련하거나, 용량을 중복 구축하거나, 비효율을 감수하면서도 근본적인 베팅을 재검토하지 않는다고 본다. 이를 ‘연장’ 시나리오로 설명하는데, 구축 기간이 길어지고 비용은 증가하며 투입된 자본과 실제 가동 용량 사이의 간격이 벌어진다. 다만 병목이 심하거나 오래 지속되면 공급 측 마찰이 수요 측 의심으로 바뀌어 투자 연기나 축소로 이어질 수 있다는 위험도 함께 제시된다.

10. 일자리 영향은 과장된 공포와 다른 양상이다

골드만삭스가 기존의 비관론을 일부 수정한 영역은 일자리다. 보고서에 따르면 AI는 전화 교환원, 보험 청구 사무원, 청구 처리 담당자처럼 대체 가능성이 높은 직무의 채용을 줄였지만, 공학이나 운영관리처럼 보완 효과가 큰 분야에서는 고용을 다소 늘렸다. 순효과는 월 약 1만6000개 일자리 감소와 실업률 0.1%포인트 상승으로 제시된다. 골드만삭스의 기본 전망은 향후 10년 동안 AI 도입이 확산되면 전체 일자리의 6~7%가 대체될 수 있다는 것이지만, 이는 ‘AI가 일자리의 50%를 대체한다’는 식의 대중적 헤드라인보다는 훨씬 제한적인 규모다.

🧾 핵심 주장 / 시사점

• 이 기사의 핵심은 AI 붐이 ‘기술이 유용한가’만의 문제가 아니라, 인프라 비용·수익 포착 구조·경쟁 심리·공급 병목이 얽힌 자본 배분 문제라는 점이다.
• 엔비디아가 압도적으로 수익을 가져가는 동안 하이퍼스케일러와 기업 고객의 ROI가 불분명하다면, 현재의 투자 속도는 결국 지속 가능성 시험대에 오를 수밖에 없다.
• AI 지출을 멈추지 못하게 하는 동력이 확신보다 불안에 가깝다는 분석은, AI 붐이 장기 산업 전환일 수 있음과 동시에 버블적 심리를 포함할 수 있음을 함께 보여준다.

✅ 액션 아이템

• 골드만삭스 추정치의 전제 하에서 칩 교체 주기와 데이터센터 건설비를 변동요인으로 두고 7조6000억 달러 규모의 AI 인프라 CAPEX 민감도 범위를 정의한다.
• 생성형 AI 파일럿 성과에서 생산성·비용 절감 지표와 AI 리스크 손실을 분리해 무수익 사례의 실효 기여도를 정량화한다.
• 엔비디아 집중 수익 구조를 반영해 하이퍼스케일러·기업 고객·모델 기업의 비용 부담과 수익 회수 정도를 비교해 FOMO형 투자 비중을 점검한다.

❓ 열린 질문

• AI 인프라 붐이 불확실한 가정에 의존할 때, 2026~2031년 누적 CAPEX의 의사결정 임계치는 무엇인가?
• 생산성 향상과 비용 절감이 입증되지 않은 상태에서 투자 확대가 정당화되려면 어떤 성과 증거가 최소 조건인가?
• 현장 노동자와 경영진의 AI 인식 괴리가 있는 조직에서 파일럿 무수익·리스크 손실을 실제 운영 개선 판단에 어떻게 반영할 것인가?