2026년 생성형 AI: '환각'에 빠진 빅테크, 하이퍼그로스 신화는 끝났나?
에드 지트론, CNBC서 생성형 AI의 불편한 진실 폭로…수익성·비용·리스크 총체적 점검
⚡ 핵심 요약
- •OpenAI는 2025년 209억 달러 소진, 수익이 늘수록 비용도 선형 증가해 마진 개선 불가능을 지적했습니다.
- •기업 고객들은 토큰 과금, 데이터 통제 어려움, 지적재산권 유출 우려, 불분명한 ROI로 생성형 AI 도입을 주저합니다.
- •LLM 기반 산업은 실제 100억~300억 달러 규모의 하드웨어 중심 시장에 불과하며, 수조 달러 기대치는 과장됐다는 분석이 나옵니다.
- •오라클, 엔비디아 등 하드웨어·데이터센터 공급자와의 금융 연계 위험이 커지며, 고객사의 지급 능력 부족이 생태계 전체에 연쇄 충격을 줄 수 있습니다.
2026년 7월 2일, 생성형 AI를 둘러싼 장밋빛 환상이 조금씩 걷히고 있습니다. CNBC에 출연한 IT 평론가 에드 지트론(Ed Zitron)은 "생성형 AI는 작동하지 않으며, 빅테크는 더 이상 고성장 아이디어가 없다"고 일갈했습니다. 과연 생성형 AI의 현주소는 어디일까요?
생성형 AI, '돈 먹는 하마'인가
FT 보도에 따르면, OpenAI는 2025년에만 209억 달러를 소진했습니다. 에드 지트론은 이를 두고 "수익이 늘어날수록 비용도 선형적으로 증가해 마진 개선이 불가능하다"고 강하게 비판했습니다. 전문 칩이나 최적화 노력만으로는 근본적인 비용 절감이 어렵다는 지적입니다. 그가 보기에 LLM(거대언어모델) 기반 산업은 실제로는 100억~300억 달러 규모의 하드웨어 중심 시장일 뿐이며, 수조 달러 규모의 기대치는 터무니없다는 것입니다. 팔란티어(Palantir)의 알렉스 카프(Alex Karp) 역시 기업 고객들이 생성형 AI의 토큰 과금 모델에 회의적이라고 언급했습니다. 이러한 재무적 불확실성은 생성형 AI 기업들의 IPO 연기와 기업가치 재평가로 이어지고 있습니다. 결국, 결과 기반 과금이 불가능한 판매 구조 자체가 문제라는 것이 지트론의 핵심 주장입니다.
기업들은 왜 생성형 AI 도입에 망설이나
기업들이 생성형 AI 도입에 신중한 이유는 무엇일까요? 가장 큰 걸림돌은 토큰 기반 과금 모델입니다. 사용량에 따라 비용이 예측 불가능하게 늘어나는 구조는 기업 예산 책정에 큰 부담으로 작용합니다. 또한, 데이터 사용 통제의 어려움과 지적재산권 유출 우려도 기업들이 선뜻 생성형 AI를 도입하지 못하는 이유입니다. 에드 지트론은 LLM이 본질적으로 '환각(hallucination)' 문제를 안고 있어 성과 기반 과금이 어렵다고 지적합니다. 즉, AI가 잘못된 정보를 생성할 수 있는데, 이를 기반으로 비용을 청구하기는 어렵다는 의미입니다. 그는 플랫폼 기업들이 "사용자가 혁신을 대신해주길 바라는 수익 모델"을 취하고 있다고 비판했습니다. 많은 기업이 투자 대비 명확한 ROI(투자수익률)를 체감하지 못하면서 도입을 늦추거나 제한적인 활용에 머무는 것이 현실입니다.
하이퍼스케일의 역설: 생태계 연쇄 리스크
생성형 AI 산업의 성장은 하드웨어 및 데이터센터 공급자와의 금융적 연계 위험을 키우고 있습니다. 오라클(Oracle)이 단일 고객을 위해 대규모 전력 용량을 구축하는 과정에서 대금 미지급 위험이 보고서에 언급되기도 했습니다. OpenAI와 같은 주요 고객사의 지급 능력 부족은 오라클, 엔비디아(Nvidia) 등 공급자들의 주가 및 대출 포지션에 심각한 충격을 줄 수 있습니다. 네오클라우드(NeoCloud), 데이터센터 운영사, GPU 임대 구조 등 수직적으로 연관된 플레이어들이 집중되면서 한 기업의 문제가 연쇄적으로 확산될 가능성이 커지고 있습니다. 메타(Meta)의 AI 용량 매각과 같은 시장 재배치 움직임도 향후 생성형 AI 생태계의 불확실성을 증폭시키는 요인입니다.
투자자와 정책 입안자를 위한 조언
생성형 AI 시장의 현 상황은 투자자와 정책 입안자에게 중요한 시사점을 던집니다. 에드 지트론은 정부의 지분 참여나 국가화 논의(예: 5% 지분)는 불필요하며 의회 승인 등 실무적 제약이 많다고 평가합니다. 투자자들은 현재 과대평가된 생성형 AI 기대치를 경계하고, 하이퍼스케일러 및 관련 금융 노출을 재점검해야 합니다. 기업들은 성과 기반 계약과 데이터 통제 장치를 강화해 실제 ROI를 입증할 방안을 모색해야 할 때입니다. 정책적으로는 시장 집중과 결제 리스크에 대한 감독을 강화하여 잠재적 시스템 리스크를 관리할 필요가 있습니다. 생성형 AI가 가져올 미래를 낙관하기만 해서는 안 됩니다.
마무리: 측정 가능한 가치와 감독 강화
에드 지트론의 CNBC 출연은 생성형 AI가 현재 명확한 비즈니스 모델을 갖추지 못했고, 대규모 손실 및 비용 구조로 인해 체계적인 위험을 초래할 수 있다는 경고입니다. 기업 도입 장벽, 지불 능력 불확실성, 그리고 하드웨어·데이터센터 생태계의 연쇄 리스크가 복합적으로 작용하고 있습니다. 향후 관건은 측정 가능한 가치 창출, 비용 구조 개선, 그리고 시장 집중에 대한 감독 강화가 될 것입니다. 장밋빛 전망 뒤에 가려진 생성형 AI의 현실을 직시하고, 보다 신중하고 현실적인 접근이 필요한 시점입니다. ▶ 원본 영상 보기
심층 분석
SSOKTUBE 에디터의 전문 해설
🌐 배경 맥락
생성형 AI는 2022년 말 챗GPT 등장 이후 전 세계적인 기술 혁신을 주도할 것으로 기대를 모았습니다. 그러나 2026년에 접어들면서, 초기 과도한 낙관론 뒤에 숨겨진 현실적인 문제들이 수면 위로 떠오르고 있습니다. 특히 막대한 운영 비용, 불분명한 수익성, 그리고 AI 모델의 기술적 한계(환각 현상)는 기업들의 도입을 주저하게 만드는 주요 요인으로 작용하고 있습니다. 과거 닷컴 버블 당시처럼 기술의 잠재력은 인정하지만, 실제 비즈니스 모델과 재무적 지속 가능성에 대한 의문이 제기되는 상황입니다. 현재 많은 빅테크 기업들이 생성형 AI에 막대한 투자를 이어가고 있지만, 그만큼 높은 기대치에 대한 실질적인 성과를 보여주지 못하고 있다는 비판도 커지고 있습니다. 이는 단순히 기술적인 문제를 넘어, 산업 전반의 자금 흐름과 투자 심리에도 영향을 미치고 있습니다. 이러한 배경 속에서 에드 지트론과 같은 비판적인 목소리는 생성형 AI 산업의 거품론과 함께 '하이퍼그로스(초고속 성장)' 시대의 종말을 이야기하며 주목받고 있습니다. 특히 엔비디아와 같은 GPU 제조업체, 오라클과 같은 데이터센터 인프라 제공업체들이 AI 산업 성장의 핵심 수혜자로 부상했지만, 이들 역시 AI 고객사들의 재무 건전성에 따라 잠재적인 리스크에 노출되어 있습니다. 메타가 AI 용량을 매각하는 등의 움직임은 이러한 시장의 불확실성을 더욱 증폭시키고 있습니다. 결국, 생성형 AI가 진정한 가치를 창출하고 지속 가능한 비즈니스 모델을 구축하기 위해서는 기술적 한계를 극복하고, 비용 효율성을 높이며, 투명한 수익 구조를 제시해야 한다는 압력이 커지고 있습니다.
📚 핵심 개념 강의노트
1환각 (Hallucination)
생성형 AI, 특히 LLM이 사실과 다르거나 논리적으로 맞지 않는 정보를 그럴듯하게 생성하는 현상을 '환각'이라고 합니다. 이 현상은 AI 모델이 학습 데이터 내의 패턴을 기반으로 다음 단어를 예측하는 과정에서 발생하며, 때로는 존재하지 않는 사실이나 인물을 지어내기도 합니다. 예를 들어, 특정 법률 판례를 요청했을 때 실제로는 없는 판례 번호와 내용을 생성하거나, 특정 인물의 가짜 경력을 만들어내는 식입니다. 환각은 생성형 AI의 신뢰성을 떨어뜨리는 핵심적인 기술적 한계로, 특히 기업 환경에서 중요한 의사결정이나 민감한 정보 처리에 AI를 활용할 때 치명적인 위험이 됩니다. 이 문제 때문에 기업들은 AI의 결과물을 100% 신뢰하기 어렵고, 결국 인간의 검증 과정을 거쳐야 하므로 AI 도입의 효율성이 반감될 수 있습니다.
2토큰 기반 과금 (Token-based Billing)
토큰 기반 과금은 생성형 AI 모델 사용량에 따라 비용을 부과하는 방식으로, 주로 LLM에서 사용됩니다. 여기서 '토큰'은 텍스트의 최소 단위로, 단어나 구의 일부가 될 수 있습니다. 사용자가 AI 모델에 입력하는 프롬프트(입력 토큰)와 AI가 생성하는 결과물(출력 토큰)의 총량에 비례하여 요금이 부과됩니다. 예를 들어, 챗GPT와 같은 서비스는 사용자가 질문하는 길이와 AI가 답변하는 길이에 따라 비용이 달라집니다. 이 방식은 사용량에 따라 유연하게 비용을 책정할 수 있다는 장점이 있지만, 기업 입장에서는 예측 불가능한 비용 증가로 이어질 수 있다는 단점이 있습니다. 특히 복잡하거나 반복적인 작업을 수행할 경우 토큰 사용량이 급증하여 예상치 못한 비용 폭탄을 맞을 수 있어, 기업들이 생성형 AI 도입을 주저하게 만드는 주요 요인 중 하나입니다.
3하이퍼스케일러 (Hyperscaler)
하이퍼스케일러는 대규모의 클라우드 컴퓨팅 서비스를 제공하는 기업을 지칭합니다. 아마존 웹 서비스(AWS), 마이크로소프트 애저(Azure), 구글 클라우드 플랫폼(GCP) 등이 대표적입니다. 이들은 전 세계에 분산된 대규모 데이터센터를 운영하며, 컴퓨팅, 스토리지, 네트워킹 등 다양한 서비스를 제공합니다. 생성형 AI 모델을 개발하고 운영하기 위해서는 막대한 컴퓨팅 자원(특히 GPU)과 전력이 필요하며, 이를 충당하기 위해 AI 기업들은 하이퍼스케일러에 크게 의존합니다. 이들의 인프라 없이는 AI 모델의 훈련과 추론이 사실상 불가능합니다. 하지만 이러한 의존성은 동시에 리스크를 내포합니다. 만약 AI 고객사가 비용을 제대로 지불하지 못하거나, 하이퍼스케일러가 인프라 공급에 차질을 빚으면 AI 산업 전반에 큰 영향을 미칠 수 있습니다.
🎯 오늘 당장 실천하는 단계별 가이드
AI 관련 기업 투자 시, 기업의 현금 흐름과 부채 비율을 반드시 확인하고, AI 개발 및 운영 비용이 매출액 대비 어느 정도인지 분석하세요. 특히 '매출액 대비 연구개발비'와 '매출액 대비 컴퓨팅 인프라 비용'을 중점적으로 살펴보세요.
개인 또는 기업 차원에서 생성형 AI 도구를 사용할 경우, 무료 또는 저렴한 오픈소스 모델을 먼저 활용하여 실제 업무 효율성 향상 여부를 검증한 후 유료 서비스 전환을 고려하세요. 예를 들어, Stable Diffusion이나 Llama 3와 같은 오픈소스 모델을 테스트해보세요.
AI가 생성한 정보는 맹신하지 말고, 반드시 **크로스 체크**하는 습관을 들이세요. 특히 뉴스, 통계, 법률 정보 등 사실 확인이 중요한 분야에서는 AI 답변을 그대로 사용하기 전에 최소 2개 이상의 독립적인 출처에서 사실 여부를 확인하세요.
자주 묻는 질문
시청자 반응
🔥 인기 댓글 경향
인기 댓글들은 에드 지트론의 비판적인 시각에 공감하며, 그의 분석이 정확하다고 평가하는 분위기입니다. CNBC가 이제야 그의 의견에 귀 기울이는 것에 대한 비판과 함께, 생성형 AI의 비용 문제를 날카롭게 지적한 부분에 대한 지지가 많습니다.
Ed on CNBC is an omen of sorts
♥ 3POP! POP! POP!
♥ 1"Their cost increases linearly with their revenue" - Hit the nail on the head!
♥ 1CNBC helped enable this nonsense.
♥ 1Once again EZ dropping all the jaws
♥ 1💬 최근 댓글 경향
최신 댓글에서도 에드 지트론에 대한 지지 의견이 이어지고 있습니다. 일부는 AI 기술의 잠재력을 옹호하며 비용 문제가 해결될 것이라고 반박하지만, 대부분은 그의 분석이 현실적이라고 평가합니다. 특히 CNBC의 앵커가 그의 발언에 대해 우려하는 태도를 보였다는 지적도 눈에 뜁니다.
What the tone of the anchor. She is worried about everything Zitron says and pounces at him. Her question about public funding after he states that this business is insolvent shows her cluelessness. W
i use genai for coding and it speeds my work a lot, the only problem is cost per token, and it will drop until its a profitable business. though it can take maybe 10 years, and openai and anthropic ma
What's the sign that the AI bubble is about to burst? Bloomberg and CNBC going out and booking Ed Zitron.
and what's funny is they've built out compute as though the market was only gas-guzzling trucks, because it mostly is with their spaghetti code, as llms mature and efficient open llms grow in market s
Post modern luddite building his career around tech >>>>> Zitron, Ed
이 포스트에 포함된 영상 (1개)
댓글
첫 번째 댓글을 남겨보세요!