The State of AI: Models, Moats, and the Consumer Renaissance

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

The State of AI: Models, Moats, and the Consumer Renaissance를 중심으로, AI 모델 시장은 OpenAI·Anthropic 중심의 양강에서 xAI까지 포함한 다수 모델 경쟁으로 이동하고 있으며, 업무별 성를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. AI 모델 시장은 OpenAI·Anthropic 중심의 양강에서 xAI까지 포함한 다수 모델 경쟁으로 이동하고 있으며, 업무별 성향과 기대수익의 차이 때문에 하나의 범용 모델이 모든 수요를 장악하기 어렵다.
2. 연산 공급은 수요를 따라가지 못하고 있다. B200 GPU의 시간당 가격 상승은 AI 수요의 강도와 공급 제약을 보여주며, 투자 지속성을 판단할 때 모델 성능뿐 아니라 연산 가격도 함께 살펴야 한다.
3. 저비용 지능이 확산돼도 네트워크 효과·규모·유통·브랜드는 유지되지만, 이전과 연동의 복잡성으로 고객을 붙잡던 통합 해자는 코딩 에이전트로 약해질 수 있다.
4. 애플리케이션의 경쟁력은 원시 지능을 산업별 성과로 바꾸는 데서 나온다. 여러 모델을 계획·실행·검증 단계에 맞게 조합하고, 도구·메모리·반복 루프를 연결해야 자율 업무와 누적 우위를 만들 수 있다.
5. 비용 하락, 개인화된 기억, 쉬운 인터페이스는 소비자 AI의 르네상스를 열 수 있다. 개인 에이전트·AI 네이티브 엔터테인먼트·소규모 SaaS는 생산성 도구를 넘어 월 200달러 이상을 지불하는 고가 소비자 소프트웨어로 발전할 가능성이 있다.

🧩 배경과 문제 정의

• AI 시장은 단일 최종 승자보다 여러 모델이 서로 다른 영역에서 우위를 갖는 구조로 재편되고 있으며, 제한된 연산 자원과 폭발적인 수요가 성장을 뒷받침한다.
• 저비용 지능이 보편화돼도 네트워크·규모·유통·브랜드 같은 전통적 해자는 유지되지만, 복잡한 통합 자체에 의존한 경쟁력은 코딩 에이전트로 약해질 수 있다.
• 애플리케이션의 핵심 가치는 범용 지능을 산업별 경제적 성과와 자동화 루프로 전환하는 데 있으며, 비용 하락과 제품 설계 개선은 소비자 AI의 새로운 성장 가능성을 연다.

🕒 시간순 섹션별 상세정리

1. 자율 구매가 보여준 소비자 에이전트의 가능성

• Grokbot은 기존 청바지 사진, 500달러 이하라는 조건만으로 같은 핏의 다른 제품을 조사하고 신용카드로 결제했으며, 사용자가 잠든 사이 구매까지 마쳤다. [00:34]
• 모델 능력은 이미 충분한 수준에 도달했고, 소비자 확산의 관건은 모호한 요구를 스스로 해결하는 수완과 누구나 이해할 수 있는 제품 구조다. [00:56]

2. 단일 승자보다 다수 모델이 공존하는 시장

• xAI가 불과 2주 사이 유력 모델 사업자로 부상하면서 경쟁 구도는 OpenAI와 Anthropic 중심의 양강에서 3강 체제로 바뀌었다. [01:31]
• 개발자는 토큰 정책과 최신 성능에 민감하게 반응해 모델을 빠르게 전환하며, 최근 OpenAI의 모델·Codex·데스크톱 앱 개선은 사용 흐름을 다시 움직일 가능성이 크다. [02:16]

3. 무한한 수요와 제한된 연산 공급

• AI 거품론보다 낙관론이 충분하지 않을 위험이 더 중요하며, 최첨단이 아닌 B200 GPU의 시간당 가격마저 상승하는 현상은 공급 부족과 사실상 무한한 수요를 가리킨다. [03:34]
• 일반적으로 가격이 하락해야 할 컴퓨팅 자원의 가격이 오르는 만큼, AI 투자의 지속성을 판단할 때 2차 지표인 연산 가격과 공급 제약을 함께 봐야 한다. [03:54]

4. SaaS 조정과 엔터프라이즈 소프트웨어의 생존 조건

• 30~40% 하락했던 SaaS 종목 다수가 다시 40%가량 반등했으며, 기업 지출에서 소프트웨어가 차지하는 비중은 8~12%에 불과해 자체 개발로 얻는 절감 효과도 제한적이다. [04:24]
• 급여·CRM을 직접 코딩하면 절감 가능한 비용보다 정확성·규제 준수 실패의 손실이 훨씬 크지만, 주식보상과 왜곡된 경제성에 기대던 SaaS 기업은 성장 가속에 실패하면 생존하기 어렵다. [04:41]

5. 유지되는 전통적 해자와 약해지는 통합 해자

• 네트워크 효과, 규모와 유통, 브랜드는 저비용 지능의 영향을 거의 받지 않으며, 코딩 에이전트도 Nike의 브랜드나 Instagram의 사용자 네트워크를 복제하지 못한다. [05:30]
• SAP처럼 이전과 연동의 복잡성이 고객 이탈을 막던 통합 해자는 코딩 에이전트로 약해지며, 시스템 통합업체와 글로벌 SI 기업은 기존 역할의 가치를 다시 입증해야 한다. [06:12]

6. 업무의 기대수익에 따른 모델 배치

• 제품·영업·엔지니어링·연구처럼 성과의 상한이 없는 업무에서는 모델이 조금만 더 뛰어나도 막대한 가치가 생기므로 비싼 프런티어 토큰을 사용하는 편이 경제적이다. [06:43]
• 재무처럼 정확성 이상으로 성과를 높이기 어려운 업무는 기대수익이 제한되므로, 오픈웨이트 모델을 강화학습으로 특화해 비용 효율을 높이는 구성이 적합하다. [07:34]

7. 모델 기업의 수직 통합이 향하는 방향

• 법률 플러그인은 실질적으로 긴 프롬프트를 모은 스킬 파일 묶음이었지만, 시장은 이를 모델 기업의 애플리케이션 진출로 해석해 Thomson Reuters 같은 법률 기업의 주가를 크게 낮췄다. [10:07]
• 실제 수직 통합은 애플리케이션보다 추론·컴퓨팅 계층으로 향하고 있으며, 동질적인 추론 워크로드는 규모의 경제를 만들기 쉽지만 앱 시장은 가격·패키징·구매 방식이 고객별로 달라 운영 부담이 크다. [10:37]

8. 범용 상품이 아닌 도메인별 모델과 제품 하네스

• OpenAI의 GPT와 데스크톱 앱은 문서·스프레드시트·프레젠테이션 같은 지식 업무에 강하고, Claude Code는 터미널 인터페이스와 계획·테스트 기능을 소프트웨어 엔지니어링에 맞춘다. [11:17]
• 회계에는 엄격하고 보수적인 성향이, 디자인에는 개방적이고 창의적인 성향이 필요하므로 모델의 도메인 능력과 성격 차이는 단순한 가격 경쟁으로 사라지지 않는다. [12:29]

9. 여러 모델을 결합하는 애플리케이션의 우위

• 여행자가 항공사별 사이트 대신 Expedia에서 전체 재고를 비교하듯, 코딩 제품은 프런티어 모델로 계획하고 더 저렴한 모델로 실행해 단일 모델보다 나은 결과와 비용 구조를 만들 수 있다. [12:58]
• 음성·음악·영상 모델을 하나의 창작 도구로 결합하거나, 서로 다른 데이터로 학습한 모델들을 대립시킨 뒤 별도 모델로 결론을 수렴하면 정보 범위와 판단 품질이 함께 높아진다. [13:32]

10. 원시 지능을 경제적 성과로 바꾸는 앱 계층

• Salesforce가 AWS의 클라우드 자원을 CRM 성과로 전환하듯, AI 애플리케이션은 원시 지능을 Harvey의 법률 업무처럼 특정 산업이 구매할 수 있는 결과로 바꾼다. [14:20]
• 신용조합은 인력을 절반으로 줄이기보다 경제성을 유지하면서 조직을 두 배로 키우길 원하므로, 앱 계층은 산업별 목표·구매 방식·제품 형태에 맞춰 지능을 재구성해야 한다. [14:50]

11. 프롬프트에서 자율 업무 루프로의 전환

• 에이전트는 도구와 메모리를 가진 모델이 반복 루프에서 작동하는 구조이며, 버그 재현·수정·검증·저위험 배포·고객 통지까지 연결하면 모든 신고 버그를 자율 처리할 수 있다. [15:21]
• 가격 최적화와 조달 같은 반복 업무는 완전 자동화가 가능하고, 지점 개설처럼 전사적 결정은 인간의 실행이 필요하더라도 모델이 사업 전체를 분석해 변화를 제안할 수 있다. [16:02]

12. 하나의 시장이 아닌 산업이 된 코딩 지능

• 코딩 지능은 개발자에게 원시 기능을 노출하는 Claude Code부터 비개발 소상공인을 위한 Replit까지 다양한 가격·패키징·추상화 수준으로 분화한다. [16:39]
• 같은 지능 원시재를 서로 다른 고객과 작업 방식에 맞게 제품화한 서비스들이 동시에 성장하므로, 코딩 AI는 승자독식 시장보다 여러 계층을 가진 산업으로 봐야 한다. [16:50]

13. 소비자 AI를 막아온 비용·유통·인터페이스

• 소비자는 소프트웨어 결제에 소극적인데 AI에는 사용량에 따른 한계비용이 발생하며, X 타임라인 탐색 앱의 신규 사용자 온보딩 비용이 250달러에 달하는 사례는 무료 대중 서비스의 경제성을 어렵게 만든다. [17:30]
• 오픈웨이트 모델의 가격과 성능은 비용 문제를 완화하지만 AI 전용 앱스토어가 없고 인터페이스도 DOS 시대의 명령줄에 가까워, 제품과 유통 채널을 함께 만들고 소비자용 ‘Windows’를 설계해야 한다. [18:04]

14. 코딩 에이전트와 개인 에이전트의 소비자 확장

• 인터넷에서 사업하려는 비개발자는 과거 콘텐츠 창작자가 되는 수밖에 없었지만, 코딩 에이전트는 연매출 10만~100만 달러 규모의 소규모 SaaS를 직접 만드는 길을 연다. [18:46]
• OpenClaw가 개발자 중심의 홈브루 컴퓨팅에 머문 것과 달리 Grokbot과 ChatGPT 기반 제품은 개인 에이전트를 일반 소비자가 사용할 수 있는 소프트웨어로 전환하기 시작했다. [19:31]

15. 소비자의 범위와 엔터테인먼트 수요

• 영업으로 고객 획득비를 정당화하기 어려운 연간 계약가치 1만5천 달러 미만의 고객은 마케팅으로 확보해야 하므로, AI로 사업을 운영하는 배관공을 비롯한 다수의 소상공인도 소비자 시장에 속한다. [20:37]
• 소비자는 시간을 절약하는 생산성보다 시간을 보내는 경험에 더 큰 관심을 보이며, Character와 아시아의 생성형 숏폼 드라마는 AI 네이티브 엔터테인먼트의 성장 가능성을 보여준다. [20:54]

16. 기억이 만드는 개인 에이전트의 누적 가치

• Town은 첫날에는 사용자를 잘 모르는 신입 직원과 비슷하지만, 30일 동안 축적한 맥락·기억·스킬을 바탕으로 사용자를 대신해 더 정확한 가정과 결정을 내린다. [21:21]
• 개인 이메일에서 중요한 메시지를 선별하고 구독을 정리하며 루틴 비용까지 스스로 최적화하면, 에이전트의 누적 효용이 유지율과 고객당 가격 결정력으로 계속된다. [22:48]

17. 생활 루프와 애플리케이션 투자의 기준

• 가족·친구·돈·건강은 정보 변화, 판단, 실행이 반복되는 생활 루프이며, 여러 전문 에이전트가 각기 다른 역할을 맡아 협력하는 구조가 단일 만능 비서보다 적합하다. [23:49]
• 고객별 제품 구성과 구매 방식이 이질적이고 선택 가능한 모델도 많아 앱 기업은 프런티어 연구소에 종속되지 않지만, 제품 제작이 쉬워진 만큼 투자 단계에서는 실제 제품과 유의미한 판매·사용 지표가 기본 조건이 된다. [26:18]

18. 소비자 AI의 르네상스와 고가 소프트웨어

• 대화형 AI는 지적 생산성뿐 아니라 감정과 대인관계 영역까지 다루며, 대기업의 조직문화와 심의 구조로는 공략하기 어려운 동반자·친밀감 기반 제품에서 스타트업의 기회가 커진다. [28:50]
• 소비자는 새로운 AI 앱을 적극적으로 설치하고 월 200달러도 지불할 의향을 보이며, 2009년 아이폰 앱 생태계와 비슷한 소비자 소프트웨어의 르네상스가 형성된다. [29:04]

19. 연구자형 창업자의 부상과 더 커진 아이디어

• 최근 창업자는 MBA 출신보다 연구자와 초기 경력의 기술 인재에 가까우며, 사업 역량은 부족할 수 있지만 기술적 정교함은 훨씬 높고 후천적으로 보완하기도 어렵다. [31:43]
• 젊은 기술 창업자는 과거 제품의 한계에 얽매이지 않고 모든 것이 가능하다고 전제하는 반면, 기술과 멀어진 경력 창업자는 이전 시대의 상한선에 아이디어를 맞출 위험이 크다. [32:08]

20. 초기 투자금의 역할과 자본 효율성 변화

• 과거 초기 기업에 거액을 주지 않은 이유는 수익·위험 계산뿐 아니라 여러 제품을 동시에 만들 인재가 부족했기 때문이며, 제한된 자본이 한 가지 아이디어에 집중하도록 강제했다. [33:03]
• 이제는 자본 규모에 따라 제품과 모델의 선택지를 달리할 수 있어, 같은 팀도 2,000만 달러보다 1억 달러를 집중적으로 활용할 때 전혀 다른 가치 제안을 만들 수 있다. [33:21]

21. 기존 플랫폼의 유통 장벽과 입소문 중심 성장

• Instagram·TikTok·X는 기존 네트워크 위에서 새로운 유통망이 성장하지 못하도록 통제하므로, AI 스타트업은 플랫폼 편승보다 제품 자체의 입소문과 네트워크 효과에 더 의존해야 한다. [35:00]
• 기존 중소기업에는 종전 영업 채널을 활용할 수 있지만, 사업체 신설이 코로나19 정점기를 제외하면 사상 최고 수준에 가까워지면서 새로 창업하는 젊은 사업자가 더 중요한 시장으로 떠오른다. [35:14]

🧾 결론

• AI 산업은 승자독식 모델 시장보다 여러 모델과 제품 계층이 공존하는 산업에 가깝다.
• 장기적인 가치는 모델 자체보다 지능을 구매 가능한 산업 성과와 자율 실행 루프로 바꾸는 애플리케이션에서 형성될 수 있다.
• 기존 소프트웨어 기업은 브랜드·유통·네트워크를 강화하는 동시에, 복잡한 통합이나 전환 비용에 의존하던 경쟁력을 재검토해야 한다.
• 소비자 AI의 성패는 모델 성능만이 아니라 온보딩 비용, 인터페이스, 기억의 누적 효용과 자체 유통 능력에 달려 있다.

📈 투자·시사 포인트

• 모델 기업은 추론·컴퓨팅 계층의 규모의 경제를 추구하고, 애플리케이션 기업은 산업별 목표·구매 방식·제품 하네스에서 차별화할 가능성이 크다.
• 네트워크·브랜드·유통이 강한 기업과 고객의 추론 흔적을 학습해 도메인 우위를 축적하는 기업은 저비용 지능 환경에서도 방어력을 가질 수 있다.
• 연산 가격 상승과 공급 제약은 AI 투자 수요의 2차 지표지만, 높은 수요가 개별 기업의 수익성과 동일하다고 간주해서는 안 된다.
• 소비자 AI 투자에서는 제품 출시 여부만이 아니라 유지율, 고객당 가격, 온보딩 비용, 입소문과 네트워크 효과를 실제 지표로 확인해야 한다.
• 코딩 에이전트는 소규모 SaaS의 제작 비용을 낮추는 동시에 경쟁 제품의 공급도 늘리므로, 제작 능력보다 유통과 실제 사용량이 더 중요한 선별 기준이 된다.

⚠️ 불확실하거나 확인이 필요한 부분

• B200 GPU 가격, SaaS 종목 반등률, 소비자의 월 200달러 지불 의향은 조사 시점·표본·비교 기준이 제시되지 않아 시장 전체로 일반화하기 어렵다.
• Grokbot의 자율 구매와 버그 처리 자동화 사례는 가능성을 보여주지만, 실패율·보안·결제 승인·규제 준수·예외 처리 비용은 설명되지 않았다.
• 개인 에이전트의 기억이 유지율과 가격 결정력으로 이어진다는 주장은 설득력이 있지만, 장기 사용 데이터와 개인정보 보호 부담은 추가 확인이 필요하다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 보유하거나 검토 중인 소프트웨어 기업의 해자를 네트워크·규모·유통·브랜드·통합 복잡성으로 나눠 재평가한다.
• 조직의 AI 업무를 기대수익과 정확성 요구 수준에 따라 분류하고, 프런티어 모델과 특화 오픈웨이트 모델의 배치 원칙을 정한다.
• 하나의 모델에 고정하기보다 계획·실행·검증 단계별로 여러 모델을 조합했을 때의 품질과 비용을 비교한다.
• 소비자 에이전트 제품은 온보딩 비용, 30일 기억 축적 후의 효용, 유지율, 고객당 가격과 입소문 유입률을 함께 측정한다.

❓ 열린 질문

• 오픈웨이트 모델의 비용 하락은 소비자 AI의 한계비용과 신규 사용자 온보딩 비용을 충분히 낮출 수 있는가?
• 개인 에이전트의 누적 기억은 개인정보 보호와 사용자 통제권을 훼손하지 않으면서 장기적인 전환 비용을 만들 수 있는가?
• 프런티어 모델 기업과 애플리케이션 기업 사이에서 최종적으로 가장 큰 경제적 가치가 축적되는 계층은 어디인가?