AI는 실적을 낸다는데, 왜 주가는 떨어질까? 수익화의 오래된 딜레마
매일의 지평
실적 사상 최대인데 주가는 왜 빠지는가
최근 기술주 시장에서 기묘한 현상이 반복되고 있다. 삼성전자가 2분기 영업이익 기록을 갱신했는데 주가는 약 7% 폭락했다. 미국 나스닥은 1% 이상 하락했고, 반도체 관련 주요 종목들이 줄줄이 내렸다. 시장은 분명히 우려하고 있다. AI 칩에 대한 과도한 투자가 과연 수익으로 돌아올 것인가 하는 의문이다.
투자자들의 반응은 논리적이다. 빅테크 기업들이 발표하는 자본지출(CapEx) 계획은 놀랄 정도다. 알파벳은 올해 자본지출 전망치를 1800억 달러에서 1950억~2050억 달러로 상향 조정했고, 2027년에는 올해보다 더 늘어날 것으로 내다봤다. 테슬라도 공격적인 투자 기조를 유지 중이다. 아마존은 AI 투자를 위해 회사채까지 발행했다.
그런데 여기서 핵심 질문이 떠오른다. 이렇게 대규모로 투자한 AI 기술이 실제 수익으로 얼마나 빠르게 돌아오는가? 기업들의 실적은 좋은데 주가가 하락하는 이유는 시장이 단기 수익성 악화를 우려하고 있기 때문이다. 더 깊게 들어가면, AI 투자와 수익화 사이에는 구조적인 시간차가 존재한다는 뜻이다.
기술 투자와 수익화의 격차는 왜 벌어지는가
AI 수익화의 문제는 새로운 것이 아니다. 기업이 AI를 도입하는 과정을 보면 이 격차가 명확해진다.
COPC Inc.의 2025년 글로벌 설문조사에 따르면, AI 도입 기업의 56%가 예상했던 가치를 실현하지 못하고 있다. 이는 단순히 기술의 문제가 아니다. 근본적인 원인은 **기업의 맥락(enterprise context)**을 간과했다는 것이다.
AI가 진정으로 효과적이려면, 고객, 제품, 프로세스, 인재 등 비즈니스 전체를 이해해야 한다. 예를 들어보자. 일반적인 챗봇과 고객의 주문 내역을 확인하고, 지원 티켓을 이해하며, 회사의 구체적인 정책에 따라 맞춤형 솔루션을 추천하는 AI 어시스턴트는 완전히 다르다. 후자가 비즈니스 가치를 만든다.
그러나 많은 기업이 AI 솔루션을 “더 나은 소프트웨어” 정도로 접근한다. 고비용의 AI 기술을 도입했지만, 실제 업무 흐름에 얼마나 잘 맞는지, 직원들이 실제로 사용하는지, 의사결정이 실제로 개선되는지는 따로 봤다. 이것이 투자 대비 수익률(ROI) 격차를 만든다.
더 큰 문제는 도입 기간의 길이다. AI 시스템을 구축하고 기업 데이터를 통합하고, 직원 교육을 진행하고, 문제를 해결하는 데는 시간이 걸린다. 1년 이상이 흔하다. 그 사이 기업의 자본지출은 계속 증가하지만, 수익은 아직 나타나지 않는다. 이것이 분기별 실적으로 반영될 때 투자자들은 불안해진다.
또 다른 위험: 섀도우 AI와 보안 문제
AI 도입 과정의 시간 격차와 함께 또 다른 구조적 문제도 떠오르고 있다. **섀도우 AI(Shadow AI)**의 부상이다.
기업이 공식적으로 승인한 AI 도구 대신 직원들이 승인되지 않은 AI 도구를 사용하는 현상이 늘고 있다. 이는 팀의 혁신 의욕을 보여주는 신호처럼 보이지만, 동시에 심각한 위험을 내포한다. 기업 데이터 유출, 컴플라이언스 위반, 보안 사고의 가능성이 높아진다.
기업이 예상한 AI 수익화 경로가 보안 우려로 인해 중단될 수 있다는 뜻이다. 이는 단기적으로 AI 투자의 효율성을 더욱 낮춘다.
데이터 구축 지연이라는 또 다른 악재
AI 수익화를 가로막는 세 번째 요소는 데이터 구축의 지연이다. 세 가지 주요 원인이 있다.
첫째, 건설 자원의 부족이다. AI 시스템에 학습시킬 고품질 데이터를 구축하려면 상당한 인력과 비용이 든다. 둘째, 시간 문제다. 데이터 정제, 레이블링, 검증에는 예상보다 훨씬 긴 시간이 필요하다. 셋째, 규제 문제다. 물론 최근 규제 완화 움직임이 있지만, 여전히 많은 산업에서 AI 도입을 제한하는 규제가 존재한다.
이 세 요소가 겹치면서 기업들의 AI 로드맵은 지연되고, 투자한 돈이 오랫동안 실적에 반영되지 않는 악순환이 생긴다.
2026년, 전환의 해가 될 수 있을까
흥미로운 점은 업계 전문가들이 2026년을 ‘AI 맥락의 해(Year of Context)‘로 지목하고 있다는 것이다. 성공하는 기업은 더 이상 AI 기술 자체에만 집중하지 않는다. 고유한 데이터와 지식을 어떻게 AI 시스템에 접목하여 결정적인 경쟁 우위를 창출할 것인가를 아는 기업들이다.
또한 AI를 단순한 소프트웨어 도입 프로젝트가 아니라 인간 중심의 변화 관리 프로젝트로 접근하는 기업들이 눈에 띈다. 즉, 기술 도입 → 사람 교육 → 프로세스 재설계 → 수익 창출이라는 일관된 흐름을 만드는 것이다.
이렇게 되면 기업의 AI 투자 계획이 보다 현실적이 될 수 있다. 월스트리트의 일부 애널리스트들도 “2년 뒤 평가가 달라진다"는 입장을 유지하는 이유다. 지금 주가가 떨어지는 것은 단기 수익성 악화 우려일 뿐, 중기적으로 AI 투자가 실제 가치를 만들어낼 것이라는 판단이다.
개인 투자자들이 놓치는 지점
최근의 나스닥 급락과 반도체주 폭락을 보면서 개인 투자자들은 “AI 버블이 꺼지는 건 아닐까"라고 걱정한다. 하지만 더 정확한 해석은 다르다.
시장은 AI 기술의 가능성 자체를 의심하는 게 아니다. 다만 투자한 자본이 얼마나 빠르고 효율적으로 수익으로 돌아올 것인가에 대해 신중해지고 있는 것이다. 이는 합리적인 투자자 판단이다.
결국 이 시점에서 주목해야 할 기업들은 단순히 “AI 기술을 많이 보유한 회사"가 아니라, “AI를 통해 실제 수익화에 성공한 사례를 보여주는 회사"들이다. 매출 수치보다는 AI 도입 프로젝트의 완성도, 고객 실제 사용률, 비용 대비 효율성을 추적하는 기업들이 주목할 만하다.
결국 기술이 아니라 실행의 문제다
AI 혁명은 과장이 아니다. 기술은 분명 존재하고, 기업들의 투자도 진지하다. 하지만 지난 10년간 보아온 IT 투자의 역사에서 배워야 할 교훈이 있다.
기술과 비즈니스 가치 사이에는 언제나 시간 격차가 존재한다. 클라우드, 빅데이터, IoT, 블록체인… 모두 초기에는 엄청난 자본이 투입되었고, 모두 실제 수익화까지는 예상보다 오래 걸렸다.
AI도 다르지 않다. 다만 이번엔 기업들이 조금 더 빨리 학습하고 있어 보인다. 고유한 데이터와 비즈니스 맥락을 중심으로 AI를 설계하고, 기술 도입을 인간 중심의 변화 관리로 접근하는 기업들이 먼저 수익화에 성공할 것이다.
주가가 떨어지는 지금이 오히려 기업이 얼마나 진지하게 AI 수익화를 준비하고 있는지를 판단할 좋은 시점이다.
이 글에 사용된 이미지는 Google Gemini로 생성한 개념 삽화입니다.