요약
지난해 우리는 첫 번째 AIGC 심층 보고서인 《AIGC: Web3 시대의 생산성 도구》를 통해 이 기술이 가져올 혁신과 산업 전반의 변화를 살펴보았습니다. ChatGPT가 급부상하면서 많은 이들이 궁금해하는 질문은 바로 “AIGC의 사업화 방안은 무엇인가?”, “AIGC는 어떻게 수익을 창출할 수 있는가?”입니다. 이에 우리는 국내외 수십 개의 AIGC 팀을 직접 인터뷰했으며, 올해 1월 초 마이크로소프트가 OpenAI와의 심층 협력을 발표한 점도 주목했습니다. 마이크로소프트는 AI 기술을 기존 제품에 통합하고, 개발자들에게 Azure OpenAI 클라우드 서비스를 제공해 자체 AI 애플리케이션 개발을 지원하겠다는 방침입니다. 이제 AIGC의 실현 가능성이 보다 선명해지고 있습니다. 본 글에서는 AIGC의 사업화 경로에 특히 초점을 맞춰 논의해 보겠습니다.
AIGC가 바꾸는 비즈니스 모델 — AI의 ‘가시화’ 자연어 처리(NLP) 기술이 발전하면서 AI 사용과 접근의 문턱은 점점 낮아지고 있습니다. AIGC 생성 알고리즘이 지속적으로 개선되며, 그 상업화 속도와 성과는 기대 이상으로 빠르게 나타날 전망입니다. Jasper와 같은 스타트업이 이미 수익을 내기 시작한 것이 그 증거죠. 이는 AI가 점점 더 명확하고 직접적인 방식으로 비즈니스 모델을 만들어내고 있음을 의미합니다. 더 이상 AI가 하드웨어나 시스템에 포장된 형태로만 상업화되거나, 일반인이 접근하기 어려운 첨단 기술로 남아 있지 않게 된 것입니다.
B2B는 여전히 AIGC의 핵심 비즈니스 모델 AIGC가 일반 소비자(C단)도 낮은 진입 장벽으로 콘텐츠를 생성할 수 있게 해주지만, 현재 시장에서 중심을 이루는 것은 여전히 B2B 모델입니다. 기업 고객��� 수요와 지불 의지가 상대적으로 안정적이기 때문인데, 그 이유는 크게 두 가지로 볼 수 있습니다. 첫째, AIGC를 통해 정보를 수집하고 기존 템플릿에 따라 뉴스나 제품 리뷰를 자동 생성함으로써 기업의 운영 효율을 높이고 비용을 절감할 수 있습니다. 둘째, 기존 방식으로는 채우기 어려웠던 수요의 간극을 효과적으로 메꿔줄 수 있습니다.
C단 대상 AIGC, SaaS 구독 모델이 대세 AI 모델과 연산 능력이 비약적으로 발전하며 실용성의 문턱을 넘어선 지금, AIGC가 개인에게 가져다주는 가능성도 주목받고 있습니다. 이러한 서비스는 주로 SaaS(Software-as-a-Service) 구독 형태로 제공될 전망입니다. 첫째, 효율성 도구로서 AIGC 제품은 정보 수집, 문서 정리, 업무 프로세스 등 다양한 단계에서 개인 사용자의 생산성을 획기적으로 높여줄 수 있습니다. 둘째, 창작 도구로서 AIGC는 영상 편집이나 사진 보정 소프트웨어처럼 일반인의 창작 진입 장벽을 크게 낮춥니다. 특히 NotionAI와 같은 효율성 도구는 AI 모델이 기존 업무 흐름에 인프라 수준으로 자연스럽게 통합된 대표적인 사례라고 할 수 있습니다.
AIGC의 광범위한 보급은 막대한 컴퓨팅 파워 시장을 창출할 것이다. OpenAI 연구에 따르면, AI 학습에 필요한 컴퓨팅 파워는 기하급수적으로 증가하며, 그 속도는 하드웨어의 무어의 법칙을 훨씬 앞지른다. 대규모 AI 모델은 엄청난 컴퓨팅 자원을 소모하며, 그에 따른 비용 또한 천문학적이다. 예를 들어, GPT-3를 학습시키는 데만 약 400만 달러 이상의 컴퓨팅 비용이 들었다. AI 모델 자체는 종종 오픈소스로 공개되지만, 학습에 사용된 데이터셋과 그 결과물은 개발팀의 핵심 자산으로 남는다. 따라서 각 AI 서비스는 별도의 고비용 학습 과정을 거쳐야 한다. 앞으로 AIGC가 B2B와 B2C 시장에서 본격적으로 상업화되면, 컴퓨팅 파워 클러스터 구축과 클라우드 서비스 시장이 큰 수혜를 입을 전망이다. 또한, NVIDIA의 A100 및 H100 칩 수출 제한이 지속되는 상황에서, 국산 컴퓨팅 파워 반도체의 성장 가능성도 주목받고 있다.
AIGC와 커뮤니티의 시너지 최근 다양한 스타트업과의 논의를 통해, 업계의 주요 관심사가 AIGC와 Web3.0의 결합, 그리고 AIGC를 커뮤니티에 활용하는 방안에 집중되고 있음을 확인했다. AIGC는 사용자의 창작 진입 장벽을 낮춰 커뮤니티 활성화와 성장을 촉진하고, 플랫폼의 콘텐츠 제작 비용을 절감하는 데 기여한다. 또한, 커뮤니티 구성원들의 콘텐츠에 대한 논의와 선호도는 AIGC 모델을 개선하는 데 유용한 피드백이 되어, 제품 경쟁력을 강화하는 데 기여할 수 있다. NFT는 작품의 소유권과 권리를 명확히 하고 커뮤니티와의 연결고리를 만들어준다. 따라서 AIGC와 NFT 기반 커뮤니티의 융합은 새로운 상업적 가능성을 열어줄 것으로 기대된다.
AIGC 투자 프레임워크: 소프트웨어, 하드웨어, 데이터셋 생성 알고리즘, 자연어 처리(NLP), 컴퓨팅 파워는 AIGC 구현의 기본 요소이며, 고품질 데이터셋은 AIGC의 결과물 품질과 비즈니스 모델을 결정한다. 소프트웨어 측면에서는 주로 자연어 처리 기술(구글, 마이크로소프트, KORTEK, 토얼쓰)과 AIGC 생성 알고리즘 모델 및 데이터셋(NVIDIA, Meta, 바이두, 블루라이트 커뮤니케이션즈, 비주얼 차이나, 쿤룬완웨이) 관련 기업들이 있다. 컴퓨팅 파워(하드웨어/인프라) 계층에는 ZTE, 란치 테크놀로지, 신이성, 티엔푸 커뮤니케이션즈, 바오신 소프트웨어, 중지쉬창 등이 포함된다.
위험 경고: 기술 혁신이 기대에 미치지 못할 가능성; 정책 및 규제 리스크.
마이크로소프트와 OpenAI의 협력 강화로 AIGC 상용화가 가속화되고 있다. 1월 23일, 마이크로소프트는 OpenAI와의 협력을 더욱 심화할 계획임을 공식 발표했다. 향후 수년간 AI 기술을 대중화하기 위해 수십억 달러 규모의 추가 투자를 진행할 예정이다. 마이크로소프트는 현재 ChatGPT, DALL-E 등 OpenAI의 AI 도구들을 자사 소프트웨어(Bing, Office 등) 전반에 통합해 사용자에게 더 효율적인 인터랙티브 경험을 제공하며, OpenAI 기술의 상용화를 빠르게 추진하고 있다. 특히 주목할 점은, 마이크로소프트가 Azure OpenAI라는 AI 클라우드 서비스를 제공하여 개발자들이 OpenAI 모델을 기반으로 자체 애플리케이션을 구축할 수 있도록 지원함으로써 AI 기술의 상용화를 촉진하고 있다는 것이다.
이러한 움직임은 AIGC 산업을 선도하는 OpenAI가 이미 본격적인 상용화 단계에 접어들었음을 보여줍니다. 한편으로는 자체 모델 인프라를 통해 검색 엔진과 오피스 소프트웨어의 효율성과 사용자 유지율을 높이고, 다른 한편으로는 파트너사의 컴퓨팅 인프라를 활용해 향후 하드웨어 기반 확장을 위한 토대를 마련하고 있습니다.
이전 심층 보고서 《AIGC: 웹3 시대의 생산성 도구》에서 우리는 AIGC의 기술 혁신과 다양한 적용 사례를 살펴보았습니다. 제품의 실제 도입과 적용 범위가 확대됨에 따라 시장의 관심은 점차 비즈니스 모델에 집중될 것이며, 이는 “AIGC는 어떻게 수익을 창출할 것인가?”라는 핵심 질문을 부각시킵니다. 업계 관계자들과의 인터뷰를 통해 우리는 2023년이 AIGC 상용화가 가속화되는 해가 될 것이며, AIGC가 일반 대중의 일상과 업무에 더 깊숙이 자리 잡을 것으로 전망합니다.
1. AIGC가 가져오는 비즈니스 모델의 변화 — AI의 ‘대중화’
최근 업계 교류에서 가장 강하게 느낀 점은 바로 ‘AI의 대중화’입니다. AI는 오랜 기간 발전해왔지만, 그간 각 분야에 적용되던 AI는 마치 전문 교육을 받은 ‘전문의’와 같았습니다. 반면, 현재 대규모 언어 모델(LLM) 기반의 AIGC는 일반적인 교육을 받은 ‘대학원생’에 비유할 수 있습니다. 초기에는 특정 전문 분야에서의 능력이 부족할 수 있지만, 훨씬 더 넓은 확장성을 가지고 있습니다. 따라서 우리는 2023년 GPT-4 모델 출시 이후 ‘AIGC+’가 글로벌 트렌드로 자리 잡을 것으로 봅니다. 기반이 되는 대규모 모델과 데이터셋은 다음 기술 시대의 진정한 ‘IT 인프라’가 될 것이며, 특정 수직 분야에서의 가치 역시 무시할 수 없습니다. OpenAI와 마이크로소프트의 협력 사례에서 볼 수 있듯, 범용 AI의 대중화 흐름은 더욱 뚜렷해질 전망입니다.
AI는 다양한 작업을 자동화해 효율을 높이고 새로운 운영 방식을 가능하게 함으로써 비즈니스 모델을 혁신할 잠재력을 가지고 있습니다. 다음은 AI가 비즈니스 모델을 변화시키는 주요 방식입니다:
자동화: AI는 데이터 입력, 고객 응대, 공급망 관리 등 다양한 업무를 자동화할 수 있습니다. 이를 통해 인력 투입을 줄이고 효율성을 높여 비용 절감과 수익 증대를 이끌어냅니다.
의사결정 지원: AI는 방대한 데이터를 분석해 유의미한 인사이트를 제공함으로써 기업의 의사결정을 돕습니다. 가격 최적화, 새로운 시장 기회 발굴, 고객 행동 예측 등에 활용됩니다.
개인화 서비스: AI를 통해 개별 고객에게 맞춤형 제품과 서비스를 제공할 수 있습니다. 이는 마케팅의 정밀도를 높이고 고객 만족도를 향상시키는 데 기여합니다.
새로운 비즈니스 모델 창출: AI는 과거에는 구현하기 어려웠던 새로운 비즈니스 모델을 가능하게 합니다. 예를 들어, AI 기반 챗봇을 통해 기업은 24시간 연중무휴 고객 지원 서비스를 제공할 수 있게 되었습니다.
그동안 우리가 주목해 온 AI는 주로 보안 및 네트워크 모니터링 분야에 집중되어 있었습니다. 2020년 AI 보안 시장 규모는 453억 위안에 달했으며, 이는 상용화가 가장 빠르게 진행되고 규모가 큰 분야 중 하나였습니다. 해당 시장은 2025년까지 900억 위안 규모로 성장할 것으로 예상되지만, 대부분의 솔루션이 하드웨어 및 시스템과 패키지 형태로 제공된다는 특징이 있습니다.
한편, 자연어 처리(NLP) 기술의 발전으로 AI의 사용과 접근성이 크게 개선되었고, AIGC 생성 알고리즘이 지속적으로 최적화되면서 AIGC의 상용화 속도와 성과가 두드러지게 나타나고 있습니다. Jasper와 같은 스타트업은 이미 수익을 창출하기 시작했는데, 이는 AI가 점점 더 명확한 비즈니스 모델을 구축하고 있음을 보여줍니다. 2021년 설립된 Jasper는 첫해에 4,500만 달러의 매출을 기록하며 7만 명의 사용자를 확보했고, 2022년 매출은 7,500만 달러에 이를 것으로 예상됩니다. Jasper는 SaaS(Software-as-a-Service) 방식으로 서비스를 제공하며, 기본형, 고급형, 맞춤형 등 세 가지 요금제를 운영하고 있습니다. 국내 선도적인 AIGC 기업들도 2022년 사용자 규모와 콘텐츠 생성량에서 급성장했으며, 2023년부터는 수익 창출이 어렵지 않을 것으로 보입니다. 다만, SaaS 구독 모델이 성공적으로 정착할 수 있을지는 지켜봐야 할 부분입니다.
Jasper를 예로 들어보겠습니다. Jasper는 GPT-3, NeoX, T5 등 다양한 모델 알고리즘을 통합할 뿐만 아니라, 실제 비즈니스 요구에 맞춰 맞춤형 학습 모델을 활용해 인터페이스와 핵심 워크플로를 구축함으로써 AI를 일상적으로 더 쉽게 활용할 수 있도록 합니다. 또한 여러 모델이 융합되어 있어 특정 사용 사례나 산업 분야에 최적화된 모델 조합을 선택할 수 있습니다. 이는 특정 기술에 과도하게 의존하는 것을 방지하고, 궁극적으로 더 나은 결과를 도출하는 데 기여합니다. Jasper의 사용자 인터페이스에는 신제품 홍보 이메일 템플릿 등 수백 가지의 세부 산업별 전용 템플릿이 마련되어 있습니다. 이러한 설계는 사용자가 보다 정확한 결과물을 생성하도록 돕고, 사용자 참여도를 높이는 데도 효과적입니다. Jasper가 창립 후 불과 2년 만에 IBM, Airbnb와 같은 대규모 고객사를 확보할 수 있었던 이유이기도 합니다.
기술이 발전함에 따라 AI는 더 이상 하드웨어나 시스템에 묶여 번들 형태로만 제공되는 제품이 아닙니다. 일반인에게도 더 이상 접근하기 어려운 첨단 기술이 아니라, 누구나 손쉽게 활용해 업무 효율을 높일 수 있는 도구로 자리 잡았습니다. 이는 AI의 비즈니스 모델이 점차 명확해지고 있음을 보여줍니다.
2. B2B(Business-to-Business)는 여전히 AIGC의 주요 비즈니스 모델
AIGC는 C2C(Consumer-to-Consumer) 사용자들이 낮은 진입 장벽으로 AI를 활용해 콘텐츠를 생성할 수 있게 했지만, 현재로서는 여전히 B2B가 핵심 비즈니스 모델입니다. C2C 사용자들은 지속적이고 장기적인 수요가 부족하며, 대부분 단순한 호기심이나 일시적인 관심에서 비롯된 일회성 경험에 그치는 경우가 많습니다. 반면 B2B 고객의 수요와 지불 의사는 비교적 안정적이고 장기적입니다. 이는 주로 다음과 같은 두 가지 이유 때문입니다:
비용 절감 효과
AIGC는 웹사이트 콘텐츠 편집, 그래픽 디자인 등 기존 창작자가 담당하던 일부 업무를 대체하고 있습니다. 예를 들어, 인건비가 100만 위안일 경우 AIGC 도입으로 50% 이상의 비용을 절감할 수 있어 기업의 자동화 도입 동기가 강화됩니다. 실제로 이 같은 흐름은 이미 진행 중이며, 특히 스포츠, 금융, 자동차 등 특정 산업 분야에서 두드러집니다.
실제로 2018년 로이터 통신은 AI 기반 뉴스 작성 도구 ‘Lynx Insight Service’를 도입했습니다. 이 도구는 데이터 마이닝이나 패턴 식별처럼 기계가 더 잘할 수 있는 편집 작업은 AI에 맡기고, 질문 설정, 작업 우선순위 결정, 맥락 이해 등 인간이 더 잘하는 부분은 편집자가 담당하도록 설계되었습니다. 이는 앞서 ChatGPT로 연구 보고서를 작성해 본 경험과 유사합니다. 앞으로는 인간이 전체적인 방향을 설정하고 질문을 던지면, AI가 정보 수집, 처리, 종합 및 통합을 수행하는 협업 방식이 보편화될 것입니다.
이 외에도 현재 널리 사용되는 방식은 AI를 통해 정보와 데이터를 신속하게 수집한 후, 미리 만들어진 템플릿에 적용해 문서를 생성하는 것입니다. ‘윈드(Wind)’의 실시간 뉴스 속보나 ‘자동차 전문 미디어’의 차량 사양 비교 기사처럼 우리가 일상에서 자주 접하는 형태가 대표적입니다.
뉴스 기사뿐만 아니라, AIGC로 생성된 이미지도 뉴스나 개인 미디어의 삽화나 표지로 활용되고 있습니다. 기존 소재 라이브러리에서 이미지를 찾는 것보다 글 내용에 훨씬 잘 맞으며, 그래픽 디자이너 고용 비용을 줄이고 효율을 높일 수 있습니다. 다만, 이 분야에서는 작업의 완성도나 시장 규모 측면에서 모두 텍스트 수요가 이미지 수요보다 훨씬 큰 상황입니다.
B2B 수요 격차 해소
일부 B2B 애플리케이션은 프로젝트 기반의 특성상 수요를 충족하기 어려운 경우가 있는데, 이를 ‘수요 격차’라고 합니다. 예를 들어, IP 매트릭스를 구축할 때 영화, 드라마, 게임, 애니메이션, 피규어 등 다양한 주변 상품을 대형 IP와 연계하려면 수많은 창작자들이 IP 매트릭스를 풍부하게 채워야 합니다. 이는 엄청난 비용과 시간이 드는 장기적인 과정입니다. 콘텐츠 공급 측은 방대한 업무량으로 인해 대량의 오리지널 콘텐츠를 제공하기 어렵고, 수요 측은 콘텐츠가 부족해 구매 의사가 생기지 않습니다. 앞으로 AIGC 기술을 활용하면 창작자는 소량의 스케치만으로 모델의 도움을 받아 대량의 콘텐츠를 생성할 수 있습니다. 확산 모델(Diffusion Model) 덕분에 이러한 ‘화이트박스 + 블랙박스’ 방식의 콘텐츠 생성은 ‘2차 창작’의 의미까지 담고 있습니다. AIGC로 이 수요 격차를 해소할 수 있다면, 대규모 B2B 프로젝트 구현이 훨씬 수월해질 것입니다.
예를 들어 2차원(애니메이션/만화) 시장을 보면, 해당 산업은 이미 폭발적 성장 단계에 접어들었으며 산업 생태계도 점차 성숙해지고 있습니다. 2020년 중국 내 전체 시장 규모는 1,000억 위안을 넘어섰으며, 2차원 관련 전반의 사용자 수는 2023년에 5억 명에 달할 것으로 예상됩니다. 2차원 IP를 중심으로 형성된 캐릭터 상품(피규어), 가상 아이돌, 패션 의류, 오프라인 엔터테인먼트 등 새로운 파생 상품 매트릭스는 거대한 시장을 형성하고 있으며, 현재 가장 주목받는 성장 분야이기도 합니다.
캐릭터 상품(피규어), 가상 아이돌, 패션 의류 등의 디자인 및 생산 과정에는 반드시 디자이너 선정과 디자인 완료 단계가 포함됩니다. AIGC의 도움을 받으면 이 과정의 효율성��� 크게 높일 수 있습니다. 기존에는 여러 디자이너에게 초안을 제작하게 한 후 IP 소유사가 검토하고 협의하는 방식이었는데, 이 과정에서 발생하는 커뮤니케이션 비용과 초기 초안 제작 비용이 상당했습니다. 반면 AIGC를 활용하면 디자이너가 먼저 자신의 스타일을 반영한 생성 모델을 학습시켜, IP 소유사의 요구에 따라 신속하게 여러 초안을 제시할 수 있습니다. 이를 통해 디자이너 선정 속도가 빨라지고 커뮤니케이션 비용이 줄어듭니다. 후속 디자인 및 생산 과정에서도 AIGC를 활용해 유사한 스타일이나 IP 기반의 다양한 콘텐츠를 효율적으로 생성할 수 있어, 전반적인 효율 향상과 비용 절감 효과를 기대할 수 있습니다.
따라서 기술 발전으로 AIGC가 보편화되더라도, 당분간 B2B 시장이 여전히 주요 비즈니스 모델 방향이라고 판단합니다. 그 핵심 이유는 AIGC가 B2B 고객에게 실질적인 효율 향상을 제공하며, 기존에 충족하기 어려웠던 수요 연결 문제를 해결할 수 있어 고객의 지불 의지가 강하기 때문입니다.
3. 소비자(C) 대상 AIGC: 주로 SaaS 구독 모델
AI 모델과 연산 능력이 실용화의 문턱을 넘어서면서, AIGC가 개인에게 부여하는 역량 강화도 주목받고 있다. 극히 낮은 한계 비용으로 AIGC 애플리케이션은 개인의 정보 처리 효율과 콘텐츠 생산 품질을 획기적으로 높일 수 있으며, 이는 생산 관계의 진화에도 영향을 미칠 수 있다.
소비자용 AIGC 애플리케이션의 상업적 가치는 크게 두 가지 측면에서 살펴볼 수 있습니다. 첫째는 효율성 도구로서의 가치입니다. 메모나 일정 관리 도구처럼, AIGC 애플리케이션은 정보 수집, 문서 정리, 업무 프로세스 등 다양한 단계에서 개인의 작업 효율을 높여줍니다. AI 모델이 인프라처럼 기존 업무 흐름에 자연스럽게 통합될 수 있다는 점이 핵심이죠. 둘째는 창작 도구로서의 가치입니다. 동영상 편집이나 사진 보정 소프트웨어와 유사하게, AIGC는 UGC 콘텐츠가 주류인 현재 시장에서 일반 사용자의 창작 진입 장벽을 획기적으로 낮춥니다. 이를 통해 개인 미디어의 IP 가치를 강화하는 데도 기여할 수 있습니다.
상업적 측면에서, AIGC를 기반 인프라로 활용하는 SaaS 구독 모델은 중장기적으로 주요 흐름이 될 전망이다. 이미 Midjourney와 같은 기업들이 이와 유사한 시도를 진행 중이다. 사용자들이 유료 서비스에 동의하는 이유는 다음과 같다:
보다 효율적인 정보 습득 방식
AIGC가 검색 엔진을 대체하며 차세대 정보 획득 수단으로 자리 잡고 있다. ChatGPT가 출시된 이후 가장 뜨거운 논란 중 하나는 바로 'ChatGPT가 구글을 대체할 것인가?'였다. 기존 검색 엔진은 키워드 검색과 연관성 순위 매기기를 통해 사용자에게 유용할 만한 웹페이지 링크를 제공한다. 반면 ChatGPT는 방대한 언어 데이터를 기반으로 사용자의 질문에 직접 답변한다. 예를 들어, '광섬유 케이블 산업 현황'을 물어보면, ChatGPT는 학습에 사용된 거대 데이터셋을 토대로 타당한 답변을 즉시 내놓으며, 사용자가 추가 질문을 해도 자연스럽게 이어갈 수 있다. 반면 전통적인 검색 엔진은 키워드를 바탕으로 관련 자료를 찾아 직접 정리해야 하는 번거로움이 있다. 실제 사용 경험을 보면, ChatGPT를 통한 정보 획득의 질과 속도는 기존 검색 엔진보다 뛰어난 경우가 많다. 물론 데이터셋의 한계(예: ChatGPT는 2020년 이후 정보를 알지 못함)가 존재하지만, 대부분의 상황에서 이미 검색 엔진을 대체할 만한 수준에 이르렀다. 현재 ChatGPT는 아직 데모 단계이지만, 소셜미디어에서는 이미 업무 효율을 높이기 위해 유료로 이용하려는 사용자들이 속속 등장하고 있다.
보조적 표현에서 대체적 표현으로
콘텐츠 표현 영역에서 AIGC는 보조 도구를 넘어 완전한 대체까지 가능한 수준으로 발전할 수 있습니다. 효율성 도구는 표현 보조와 의사소통 효율 향상 분야에서 이미 다양한 시도가 이루어졌는데요, 대표적으로 Grammarly는 사용자의 어조와 어휘를 다듬어 주고, 자주 쓰이는 표현 템플릿과 규범을 제공합니다. 반면 AIGC는 이를 한 단계 더 발전시켜, 지정된 형식과 어조, 상황에 맞춰 콘텐츠를 직접 생성함으로써 인간의 표현 작업을 대체할 수 있습니다. Jasper를 예로 들면, AI 기반 텍스트 생성을 핵심으로 Instagram 게시물 제목 작성부터 TikTok 동영상 스크립트, 광고 마케팅 문구, 이메일 작성에 이르기까지 다양한 작업을 수행할 수 있습니다.
기존 업무 흐름에 통합
AIGC는 기존 업무 흐름에 자연스럽게 통합될 전망이다. 대규모 AI 모델은 인프라로서, 구체적인 사용 사례와 요구에 맞춰 애플리케이션을 설계하거나 기존 워크플로우에 접목시킬 수 있다. 대표적인 예가 Notion AI다. Notion은 협업, 메모, 표, 칸반 보드 등 다양한 기능을 갖춘 멀티플랫폼 문서 도구로, 2021년 Coatue와 시쿼이아 캐피털이 주도한 C라운드에서 2억 5천만 달러를 조달해 기업 가치 103억 달러를 ��정받았다. 2022년 기준 Notion의 누적 사용자는 3,000만 명, 유료 사용자는 400만 명에 이른다. 최근 출시된 Notion AI 베타는 기존 Notion의 업무 흐름에 완벽하게 통합되어, 사용자가 자료 정리, 일정 관리, 콘텐츠 제작 등 다양한 작업을 수행하면서도 AI의 도움을 받아 효율을 높일 수 있게 했다. MidJourney, 무계판도, ChatGPT와 같은 도구들도 기존 사용자의 업무 흐름에서 분리된 상태라면 단순한 '장난감'에 불과할 수 있다. 그러나 이러한 기능이 기존 워크플로우 안으로 스며들면 상황은 완전히 달라진다.
사용자의 창의성 확장
창작 도구의 발전과 보급으로 많은 개인 사용자가 콘텐츠 제작자로 변모하며 UGC 시대를 열었다. AIGC는 콘텐츠 제작 도구로서 이미지나 동영상 제작의 진입 장벽을 한층 더 낮출 것이다. 과거에는 텍스트를 기반으로 자동 음성 합성이 주를 이뤘다면, 이제 AIGC는 한 문장으로 텍스트를 생성하고, 또 다른 문장으로 이미지나 동영상까지 만들어낼 수 있다. 예를 들어 MidJourney는 사용자가 텍스트로 간단히 설명만 입력하면 AI가 자동으로 작품을 완성한다. 또한 AIGC 기반 가상 인간은 입력된 텍스트에 따라 자동으로 방송 콘텐츠를 제작할 수도 있다. 이러한 애플리케이션들은 비교적 낮은 학습 비용과 짧은 시간 안에 사용자가 더 풍부한 콘텐츠를 창조할 수 있도록 지원한다.
4. AIGC를 뒷받침하는 컴퓨팅 파워 비즈니스
그렇다면 AIGC를 가능하게 하는 '대규모 컴퓨팅 파워'의 규모는 어느 정도일까?
AI 학습에 필요한 연산 능력은 기하급수적으로 늘어나고 있으며, 그 증가 속도는 하드웨어의 발전 속도를 규정하는 무어의 법칙을 이미 넘어섰다. 2018년 OpenAI는 대규모 언어 모델(Large Language Model) 학습에 필요한 연산 능력과 그 수요 증가 추세를 정량화한 연구 결과를 발표했다. 연구에 따르면, 2012년부터 2018년까지 AI 학습에 투입된 연산 능력은 약 3~4개월마다 두 배로 증가했으며, 이는 전반적으로 ��하급수적인 상승 곡선을 그렸다(무어의 법칙은 18개월마다 두 배 증가). 2012년부터 2018년까지 AI 학습에 소모된 총 연산 능력은 30만 배 증가한 반면, 동일 기간 무어의 법칙에 따른 예상 증가폭은 고작 7배에 불과했다.
현재 GPT-3, NLG, Gopher와 같은 일반적인 대규모 모델의 연산 소요량을 측정할 때는 주로 페타플롭스-일(petaFLOPS-days) 단위가 사용된다. 이는 초당 1,000조 번의 부동소수점 연산(FLOP)을 처리할 수 있는 장비가 하루 종일 쉬지 않고 가동하는 양을 의미한다. 비교를 위해, 엔비디아(NVIDIA)의 플래그십 제품인 RTX 3090은 표준 조건에서 약 35 TFLOPs의 부동소수점 연산 성능을 보여 초당 35조 번의 계산이 가능하다. 따라서 1 petaFLOPS-day를 채우려면 RTX 3090 한 대가 최대 성능으로 29일 내내 작동해야 한다. 현재 가장 빠른 슈퍼컴퓨터를 동원하더라도, 이상적인 조건에서 이런 규모의 학습을 완료하는 데는 최소 1주일 이상이 소요된다.
AIGC의 미래가 확장될수록 그 뒷받침이 되는 거대한 컴퓨팅 파워 시장도 함께 성장할 것입니다. AI 모델은 막대한 컴퓨팅 자원을 필요로 하며, 이는 결국 높은 비용으로 이어집니다. 예를 들어, GPT-3 모델은 총 1,750억 개의 파라미터를 갖추고 있으며, 이를 학습시키는 데는 3,650 PFLOPS-day에 달하는 컴퓨팅 파워가 소요됩니다. Lambda의 추정에 따르면, V100 GPU가 제공하는 28 TFLOPS의 이론적 성능과 최소 3년간의 클라우드 컴퓨팅 비용을 기준으로 할 때, GPT-3 학습 완료 비용은 약 460만 달러에 이릅니다. 차세대 GPT-4는 더 많은 파라미터를 가질 것으로 예상되죠.
AI 모델 자체는 오픈소스로 공개되는 경우가 많지만, 데이터셋과 학습 결과물은 개발팀의 핵심 자산으로 남습니다. 따라서 각 AI 제품은 자체적인 학습 비용을 감당해야 합니다. 현재 대부분의 스타트업은 단일 컴퓨팅 클러스터 구축 비용이 너무 높아 클라우드 환경을 활용하고 있습니다. 현재 고성능 GPU인 A100의 가격은 약 6만~9만 위안 수준이며, 여기에 1,000개의 A100 GPU와 CPU, 저장장치, 데이터센터 전력 공급 등 관련 인프라를 모두 포함한 전체 하드웨어 투자액은 약 1억 위안에 달할 수 있습니다. 향후 B2B 및 B2C 시장에서 AIGC의 상업화가 본격화되면, 컴퓨팅 클러스터 구축과 클라우드 서비스 모두 수익성 있는 사업이 될 것입니다. 또한, 엔비디아(NVIDIA)의 A100 및 H100 칩 수출 제한을 고려할 때, 관련 국산 컴퓨팅 칩은 새로운 성장 기회를 맞이할 수 있을 것입니다.
5. AIGC 커뮤니티의 가치 — 미래의 금광
최근 다양한 스타트업 팀과 소통하며, 업계가 주목하는 핵심 트렌드 중 하나는 AIGC와 Web3.0의 융합과 AIGC와 커뮤니티의 결합이라는 점을 알게 되었습니다. 이 융합은 주로 세 가지 방향으로 진행되고 있습니다. 첫째, AIGC가 커뮤니티의 상호작용과 문화 발전을 지원합니다. 둘째, 커뮤니티가 AI 모델에 피드백을 제공할 수 있습니다. 마지막으로, AIGC와 NFT의 결합을 통해 새로운 비즈니스 모델이 탄생합니다.
낮은 진입 장벽은 더 많은 사용자가 커뮤니티 활동에 쉽게 참여할 수 있도록 합니다. 기존 UGC 플랫폼에 비해 AIGC는 사용자의 창작 참여 장벽과 비용을 훨씬 더 낮출 수 있습니다. 이러한 창작 장벽의 하락은 커뮤니티의 활발한 상호작용과 성장을 촉진하는 동시에, 플랫폼의 콘텐츠 제작 비용을 절감하는 효과도 있습니다. 예를 들어, ‘폭주만화’는 초기에 만화 제작 도구를 제공하여 사용자들의 표현 장벽을 낮췄고, 이를 통해 수많은 인기 밈(meme)을 탄생시켜 전체 ‘폭주 IP’ 커뮤니티를 풍성하게 만들었습니다. 더 나아가, AIGC가 제공하는 창의적 도구는 기존 콘텐츠 커뮤니티의 한계를 넘어, 새로운 플랫폼 비즈니스 모델을 창출할 가능성도 열어줍니다.
커뮤니티의 AIGC 작품에 대한 피드백은 AI 모델 학습에 중요한 자양분이 됩니다. 예를 들어 이미지 생성에서, 동일한 키워드라도 플랫폼에 따라 결과가 천차만별입니다. A 플랫폼에서는 뛰어난 결과물이 나오는 반면, B 플랫폼에서는 만족스럽지 못한 경우가 많죠. 이런 차이의 핵심 원인은 모델 학습 방식에 있습니다. 같은 기반 모델이라도 학습 방법에 따라 결과는 크게 달라집니다. 지도 학습(supervised learning) 환경에서는 트레이너가 AIGC가 생성한 콘텐츠에 직접 피드백을 주어 알고리즘 파라미터를 조정하고, 결국 더 나은 성능을 이끌어냅니다. ChatGPT가 무료 데모를 공개한 주요 이유도 바로 이런 개방적인 사용자 상호작용을 통해 풍부한 피드백 데이터를 수집하기 위해서였죠. 커뮤니티 내에서 이루어지는 콘텐츠 논의와 선호도는 AIGC 모델에 고품질의 피드백을 제공하여, 제품의 역량을 강화하고 최적화하는 데 든든한 기반이 됩니다.
AIGC가 지적재산권(IP) 영역에 본격적으로 진입하면, 기존의 저작권 허가 체계로는 이를 효과적으로 관리하기 어려울 수 있습니다. 이 문제는 UGC 시대부터 꾸준히 제기됐는데, 팬들의 2차 창작 활동이 대표적인 사례입니다. NFT의 고유 식별성은 창작자, 2차 창작자, 소비자 간의 관계를 더욱 다층적으로 연결해 줍니다. 실제로 BAYC, Cryptopunks 같은 NFT 소유자들은 배타적인 팬 커뮤니티를 형성하고 있으며, NFT와 팬 경제의 결합도 새로운 비즈니스 모델을 모색하는 단계에 접어들었습니다. AIGC는 생성 과정 자체에 무작위성이 내재되어 있어 동일한 콘텐츠를 재생성하기 어렵고, 디지털 지문과 유사한 ‘시드(seed)’ 값을 지닙니다. 따라서 AIGC와 NFT를 결합하면 콘텐츠 생산자와 콘텐츠 자체를 직접 연결할 뿐만 아니라, 해당 콘텐츠의 원본 IP와도 유기적으로 연계할 수 있습니다. 이와 관련된 탐구와 실험의 가능성은 무궁무진하며, 실리콘밸리와 싱가포르에서는 이미 여러 팀이 이 분야에 뛰어들고 있습니다. 본 연구진은 앞으로도 관련 동향을 꾸준히 추적하고 분석해 나갈 예정입니다.
6. 투자 전략: AIGC의 소프트웨어·하드웨어 및 데이터셋
콘텐츠 생산 방식이 PGC에서 UGC로, 그리고 이제 AIGC로 진화하면서, 인공지능은 인간의 생산성 한계를 뛰어넘어 고품질 콘텐츠를 효율적으로 생성함으로써 진정한 메타버스로의 길을 열어줍니다. AIGC가 메타버스의 요구를 충족하고 고품질·고정밀 콘텐츠를 자율적으로 완성하려면 기술적 발전이 필수적입니다. 이는 크게 소프트웨어와 하드웨어 두 측면으로 나눌 수 있습니다. 소��트웨어에는 자연어 처리(NLP) 기술, AIGC 생성 알고리즘 모델, 데이터셋이 포함되며, 하드웨어는 주로 연산 능력(컴퓨팅 파워)과 통신 네트워크를 의미합니다.
주요 촉매 요인:
1) 2분기 중 GPT-4의 신규 모델 출시 예정.
2) 마이크로소프트가 검색 엔진과 Office 소프트웨어에 AIGC 기능을 통합.
테마 투자 관점에서 보면, AIGC는 2022년 개념 도입기를 거쳐 2023년 본격적인 산업 확산기에 접어들 것으로 전망됩니다. 이는 새로운 모델의 등장뿐만 아니라, ‘AIGC+’가 다양한 분야에 실제로 적용되는 것을 의미합니다. 한편으로 AIGC는 기���의 킬러 앱인 숏폼 비디오나 게임 등에 파괴적인 영향을 미치며, 콘텐츠 생산량을 늘리고 사용자 참여도를 높일 뿐 아니라 소셜과 광고 시장에도 새로운 도구를 제공할 것입니다. 다른 한편으로, Web3의 개방성과 공동 창작 가치 아래에서는 UGC와 AIGC 콘텐츠의 매력이 더욱 부각되며, 2차 창작과 개방형 상상력을 바탕으로 한 새로운 흐름이 예상됩니다.
위험 요인
기술 발전 부진: AIGC 기술 자체의 발전이 기대에 미치지 못하거나, 슈퍼컴퓨터 및 연산 능력 등 필수 인프라의 발전이 더딜 수 있습니다.
정책 및 규제 리스크: AIGC는 아직 초기 단계에 머물러 있어, 향후 AIGC로 생성된 콘텐츠에 대한 지식재산권이나 기타 법적 규제가 도입될지 여부는 불확실합니다.