기업이 AI를 ‘도입했다’는 말과 AI로 ‘돈을 벌었다’는 말은 다르다. 맥킨지의 2025년 글로벌 AI 설문조사에 따르면 응답자의 거의 3분의 2는 자사 조직이 아직 전사적 AI 확장 단계에 들어가지 않았다고 답했다. 64%는 AI가 혁신을 가능하게 한다고 봤지만, 기업 단위 EBIT, 즉 이자·세전이익에 영향을 줬다고 답한 비율은 39%에 그쳤다 . 맥킨지는 동시에 일부 조직이 생성형 AI로 재무 성과를 얻기 위해 업무 흐름을 다시 설계하고, 고위 임원에게 AI 거버넌스 역할을 맡기기 시작했다고도 설명했다
.
MIT의 ‘GenAI Divide’ 관련 보도는 더 비관적이다. Digital Commerce 360은 기업들이 생성형 AI 도구와 시스템에 300억~400억 달러를 쓴 것으로 추정되지만, 95%의 조직은 아직 측정 가능한 재무 수익을 보지 못했다고 전했다. 반면 통합형 파일럿의 5%만이 수백만 달러 규모의 가치를 끌어내고 있다는 것이다 .
이 수치는 “기업 AI는 실패한다”는 결론이 아니라 경고 신호로 읽어야 한다. 핵심은 격차다. 업무에 깊이 통합돼 손익에 연결되는 AI와, 시연·파일럿 단계에 머물다 끝나는 AI 사이의 차이가 커지고 있다.
AI 데이터센터와 특수 칩이 얼마나 높은 가동률을 유지하느냐가 첫 번째 관문이다. 활용률이 높으면 막대한 고정비가 판매 가능한 클라우드 용량으로 바뀐다. 활용률이 낮으면 과잉투자 문제가 드러나고, 감가상각·전력·운영비 부담을 흡수하기 어려워진다.
AI 연산 자원은 비싸다. 따라서 클라우드 사업자는 투자수익률을 뒷받침할 만큼 높은 가격을 받아야 한다. 기업 사용량이 본격적으로 늘기 전에 사업자 간 가격 경쟁이 심해지면, 매출은 늘어도 자본지출 부담에 비해 수익성은 실망스러울 수 있다.
멋진 데모나 개별 사용 사례만으로는 부족하다. 더 강한 증거는 기업 전체 손익에 나타나는 재무 효과다. 맥킨지 조사에서도 혁신 효과를 말하는 응답은 많았지만, 기업 단위 EBIT 효과를 보고한 비율은 39%에 머물렀다 . 반대로 기존 업무 방식에 AI를 덧붙이는 수준을 넘어 업무 흐름 자체를 재설계하는 기업이 늘수록, 장기적인 AI 클라우드 수요에 대한 설득력은 커진다
.
시장은 이미 “AI에 더 쓴다”는 말만으로 똑같이 반응하지 않는다. Fortune은 알파벳, 메타, 마이크로소프트가 AI 지출 확대를 언급한 뒤 시간외 거래에서 메타 주가는 6% 넘게 하락했고, 마이크로소프트는 거의 변동이 없었으며, 알파벳은 약 7% 상승했다고 보도했다 . 투자자들이 원하는 것은 더 큰 AI 예산이 아니라, 그 예산이 수익으로 이어지는 믿을 만한 경로다.
가장 버틸 힘이 큰 설비는 여러 종류의 유료 업무를 처리할 수 있는 설비다. 넓은 클라우드 플랫폼을 가진 기업은 AI 인프라를 내부 제품, 기업용 클라우드, 개발자 서비스, 모델 운영 등 다양한 방식으로 수익화할 여지가 있다. 반대로 특정 고객군이나 아직 검증되지 않은 수요에 과하게 묶인 투자는 위험이 더 크다.
Futurum은 이 불균형을 분명히 짚었다. OpenAI와 Anthropic을 중심으로 한 순수 AI 기업들은 빠르게 성장하고 있지만, 이들을 위해 배치되는 인프라 투자 규모에 비하면 이들의 합산 매출은 아직 일부에 불과하다는 것이다 . 이는 자본지출이 실패한다는 뜻은 아니다. 안전마진이 기업 고객의 지속적 수요에 달려 있다는 뜻이다.
빅테크의 AI 인프라 투자는 당장은 지속 가능해 보인다. AI 컴퓨팅 자원이 부족한 동안에는 대형 클라우드 사업자가 선제적으로 짓는 전략적 이유가 있다 . 그러나 6,500억 달러를 훌쩍 넘는 자본지출 추정치는 결국 모델 성능이나 AI 열풍이 아니라 활용률, 가격, 기업 ROI로 평가받을 것이다
.
기업들이 AI를 반복적으로 비용을 지불하는 실제 운영 업무로 전환하고, 그 결과가 재무 지표에 나타난다면 이번 투자는 클라우드 플랫폼의 장기 전환점으로 남을 수 있다. 반대로 대부분의 조직이 전사 확장 전 단계에 계속 머문다면, 같은 지출은 ‘미래 투자’가 아니라 ‘너무 일찍 지은 설비’로 보이기 시작할 것이다.