생성형 AI(Artificial Intelligence, 인공지능)의 '원가'를 누가 떠안는가 — 애플과 어도비의 생존 설계
AI 시대를 설명하는 가장 흔한 문장은 "이 회사는 AI 때문에 망한다"이다. 자극적이고 잘 팔리는 이야기지만, 실제로 무너진 회사 목록을 들여다보면 예측은 자주 빗나간다. 한 예로, 정교한 영상 생성 AI가 등장했을 때 가장 먼저 위태로워질 기업으로 어도비가 지목됐다. 그러나 실제로 먼저 휘청인 쪽은 영상과 이미지를 만들던 생성형 미디어 스타트업들이었고, 어도비는 건재했다.
"망했다"는 결론보다 더 유익한 질문은 따로 있다. AI가 산업의 손익 구조를 어떻게 바꾸고 있으며, 그 변화 속에서 기존 기업들이 어떤 자리를 잡으려 하는가다. 이 글은 망할 후보로 자주 거론되는 두 회사, 애플과 어도비를 그 질문으로 다시 본다.
애플과 어도비가 위험하다는 주장의 핵심 근거는 단순하다. 두 회사 모두 자체 거대 언어 모델(LLM, Large Language Model)이나 강력한 생성 모델을 직접 보유하고 있지 않으니, 모델 성능 경쟁에서 밀리고 결국 성장도 끝난다는 것이다.
이 논리는 AI 산업 전체를 모델 성능 경쟁 하나로 환원한다. 모델이 똑똑하면 그 회사가 강하고, 모델이 변변치 않으면 그 회사는 도태된다는 식이다. 하지만 두 회사가 생성 모델 개발에 선뜻 뛰어들지 않는 데에는 더 근본적인 이유가 있다. 생성형 AI라는 기술이, 이들이 수십 년간 누려온 사업 구조와 정면으로 충돌하는 속성을 갖고 있기 때문이다.
전통적인 소프트웨어 산업의 마법은 '한계비용이 거의 0'이라는 데 있었다. 포토샵을 한 벌 더 복제해 파는 데 추가 비용은 들지 않는다. 이용자가 두 배로 늘어도 회사가 서버를 두 배로 늘려야 하는 것은 아니다. 개발에는 큰돈이 들지만, 일단 만들고 나면 배포와 복제는 거의 공짜다. 그래서 소프트웨어 회사의 이익률은 한없이 높아질 수 있다. 실제로 어도비의 매출총이익률(gross margin, 매출에서 원가를 뺀 비율)은 약 89%에 이른다. 영업이익률 역시 45% 안팎으로, 제조업과는 차원이 다른 수익 구조다.
생성형 AI는 정확히 이 마법을 깨뜨린다. 답변이나 이미지를 한 번 생성할 때마다 그래픽 처리 장치(GPU, Graphics Processing Unit)가 돌아가고, 전력과 냉각수가 소모된다. 사용량이 늘수록 원가가 함께 늘어나는 구조다. 그래서 대표적인 생성형 AI 사업자들은 매출보다 훨씬 큰 비용을 쏟아부으며 대규모 적자를 감수하고 있다.
전통 소프트웨어는 한 번 써둔 책을 무한히 '복사'하는 사업에 가깝다. 100권을 더 찍든 100만 권을 더 찍든, 원고는 그대로이고 복사 비용은 거의 들지 않는다. 반면 생성형 AI는 손님이 주문할 때마다 주방에서 새로 '요리'를 하는 식당이다. 한 접시를 낼 때마다 재료비와 가스비가 다시 들어간다. 손님이 많아질수록 매출도 늘지만, 그만큼 주방 비용도 함께 불어난다.
제조업이 사랑하는 무기는 규모의 경제다. 자동차든 휴대폰이든, 같은 공장에서 많이 찍어낼수록 한 대당 원가가 내려간다. 그런데 생성형 AI에서는 이 무기가 자동으로 작동한다는 보장이 없다. 답변을 만들 때마다 연산이 순차적으로 더 필요하기 때문이다.
물론 GPU를 대량 구매하고 전력 효율을 높이면 요청당 비용은 점차 내려간다. 문제는 이렇게 아낀 비용이 그대로 회사의 이익으로 남지 않는다는 점이다. 생성형 AI는 결국 답변의 품질로 승부하는 게임이라, 절감한 비용을 다시 더 크고 좋은 모델에 투입해야 한다. 토큰당 단가가 아무리 낮아져도, 답변이 시원찮으면 이용자는 떠난다. 깊이 들어갈수록 손해가 명확해지는 구조 위에서, 애플과 어도비는 좀처럼 발을 들이고 싶지 않았다.
그러나 시장은 'AI'를 외쳤다. 두 회사는 양가적인 처지에 놓였다. 직접 뛰어들자니 이익률이 무너져 주가가 빠질 것이고, 가만히 있자니 "미래가 없다"는 낙인이 찍혀 역시 주가가 빠진다. 이 딜레마를 두 회사는 서로 다른 방식으로, 그러나 같은 원리로 풀어냈다. 핵심은 하나다. 생성의 원가를 자기가 떠안지 않는 것.
애플은 최근 최고경영자(CEO, Chief Executive Officer) 교체를 발표했다. 14년간 회사를 이끈 팀 쿡이 이사회 의장으로 물러나고, 하드웨어 엔지니어링을 총괄해 온 임원이 새 CEO를 맡는다(취임은 가을로 예정). 흥미로운 건 인선의 방향이다. 회사의 미래가 AI에 달렸다면 다음 수장은 AI나 소프트웨어 전문가일 법한데, 애플은 하드웨어 라인의 인물에게 다음 시대를 맡겼다. 이것은 애플이 AI 시대의 승부수를 어디에 걸었는지 보여주는 신호다. 바로 하드웨어다.
애플은 '온디바이스 AI', 즉 클라우드를 거치지 않고 기기 안에서 직접 AI를 구동하는 방식을 강조해 왔다. 공식 명분은 프라이버시다. 당신의 질문과 답변이 휴대폰 밖으로 나가지 않으니 안전하다는 것이다. 이 설명은 사실이지만, 사업의 관점에서 다시 읽으면 더 흥미로워진다.
온디바이스 AI는 생성의 원가를 소비자에게 떠넘기는 방식이다. AI를 돌리는 칩은 소비자가 제 돈으로 산 아이폰 안에 들어 있고, 그 칩을 돌리는 전기 요금도 소비자가 낸다. 그러고도 칭찬받는다. AI 성능이 부족하다고 느끼면, 그것은 더 좋은 신형 기기를 사지 않은 소비자의 선택 문제가 된다. 애플은 AI 기능에 드는 연산 비용을 소비자에게 넘기고도 비난이 아니라 호평을 받을 수 있는, 거의 유일한 위치에 있다.
작은 기기에서 다 처리할 수 없는 복잡한 작업은 결국 서버로 넘어가야 한다. 애플은 이를 '프라이빗 클라우드 컴퓨팅(PCC, Private Cloud Compute)'이라는 개념으로 풀었다. 여기서 빠뜨리면 안 되는 사실이 있다. 이 서버를 채우는 칩이 애플이 직접 설계한 자체 실리콘이라는 점이다.
자체 칩은 아이폰, 아이패드, 맥에 두루 쓰이며 생산량이 쌓일수록 단가가 내려간다. 그 칩으로 클라우드 서버까지 채우면, 애플은 클라우드 원가마저 규모의 경제로 끌어내릴 수 있다. 시간이 흐를수록 칩이 많아지고 단가가 낮아지는 경쟁을, 가만히 있어도 계속하게 되는 셈이다.
최근 AI 업계의 중요한 변화 하나는, 누구나 자기 컴퓨터에 내려받아 돌릴 수 있는 공개 가중치(open-weight) 모델의 성능이 빠르게 좋아지고 있다는 점이다. 공교롭게도 애플 실리콘의 구조는 이런 모델을 돌리기에 적합하다. 중앙처리장치와 그래픽 처리 장치가 같은 메모리를 공유하는 '통합 메모리(unified memory)' 구조 덕분에, 일반 기기보다 넓고 빠른 메모리를 쓸 수 있어 로컬에서 모델을 실행하기에 유리하다.
큰 모델이 하던 일을 점점 작은 모델이, 심지어 기기 안에서 해낼 수 있게 되면, 경쟁의 중심축이 이동한다. 누가 가장 똑똑한 모델을 만드느냐에서 그 모델을 어디서 얼마나 싸고 자연스럽게 돌리느냐로 옮겨가는 것이다. 그렇다면 애플은 세상에서 가장 똑똑한 모델을 굳이 직접 만들 이유가 없다. 실제로 애플은 일부 AI 모델을 외부에 의존하는 것으로 알려져 있는데, 부끄러워할 일이 아니라고 판단했을 법하다. 시간이 갈수록 진짜 힘은 모델 그 자체가 아니라, 그 모델을 돌릴 칩과 원가를 누가 쥐고 있느냐에서 나오기 때문이다. 하드웨어 출신 CEO 인선이 자연스럽게 읽히는 이유다.
애플이 보는 AI 1막은 '더 똑똑한 모델 하나'를 만드는 게임이 아니다. 수십억 대의 기기 위에서 AI를 싸고, 안전하고, 자연스럽게 돌리는 게임이다. 그 비용은 상당 부분 소비자가, 그리고 자체 칩의 규모의 경제가 흡수한다.
어도비는 처지가 다르다. 애플은 하드웨어를 파는 회사라 원가 계산이 익숙하지만, 어도비는 포토샵을 팔지 포토샵 전용 칩을 팔지 않는다. AI 시대에 더 불리한 쪽이다.
위기의 이름은 '사스 종말론'이다. 서비스형 소프트웨어(SaaS, Software as a Service), 즉 월 구독 모델이 AI 시대에 흔들린다는 공포다. 이용자가 AI 도구로 이미지를 한 번 만들 때 크레딧을 한 번만 쓰고 끝낼 수 있다면, 굳이 매달 구독료를 내며 자리를 유지할 이유가 줄어든다. 필요할 때마다 다른 서비스에서 그때그때 쓰는 편이 이득으로 보이는 것이다. 수많은 소프트웨어 도구 회사가 이 공포에 휩싸였다.
어도비가 특히 곤란한 지점은, 원래 기업 대상(B2B, Business-to-Business) 사업을 매우 잘해온 회사라는 데 있다. 기업은 포토샵으로 만든 배너를 페이스북, 인스타그램, 틱톡 등 여러 채널에 맞춰 뿌려야 하는데, 어도비는 이 작업을 한 번에 처리해 주는 도구로 대형 고객을 다수 확보했다. 그런 기업들마저 AI 시대에 이탈을 저울질하기 시작했다.
어도비가 내놓은 답 중 하나가 'LLM 옵티마이저(LLM Optimizer)'다. 한국어로 옮기면 생성형 AI 답변 최적화 도구다. 사람들이 이제 검색창 대신 AI에게 직접 묻는다. "12인치 태블릿 중 뭐가 제일 좋아?"라고 물으면 AI가 여러 제품을 분석해 답을 내놓고, 사람들은 그 답을 따라 구매한다. AI가 검색 엔진이자 쇼핑 도우미가 된 것이다.
여기서 기업 담당자는 새로운 고민에 빠진다. 과거 검색 결과는 눈에 보였다. 우리 브랜드가 첫 페이지 위쪽에 뜨는지 아래쪽에 뜨는지 확인하고 전략을 짤 수 있었다. 그러나 생성형 AI는 웹사이트 목록 대신 완성된 답변을 만들어 버린다. AI가 여러 브랜드를 어떻게 섞어 추천하는지, 우리 브랜드가 그 답변 안에 얼마나 자주, 어떻게 노출되는지를 관리할 도구가 필요해진다. 이 새로운 영역을 생성형 엔진 최적화(GEO, Generative Engine Optimization)라 부른다.
어도비는 바로 그 도구를 만들었다. 핵심은 사업 구조다. 이 도구가 다루는 AI 답변의 생성 비용은 어도비가 아니라 외부 AI 회사들이 부담한다. 어도비는 그 결과물 위에서 "우리 브랜드가 몇 퍼센트 확률로, 어떻게 노출되는가"를 측정하고 마케팅에 연결하는 분석 도구만 제공한다. 생성의 원가에서 자유로운 채로 새 수익원을 얻는 것이다.
금광에서 정작 가장 안정적으로 돈을 번 사람은 금을 캔 광부가 아니라 곡괭이와 청바지를 판 상인이었다는 이야기가 있다. LLM 옵티마이저는 어도비가 직접 금(AI 답변)을 캐는 대신, 금을 캐려는 기업들에게 '내 브랜드가 잘 캐지고 있는지 보여주는 계측기'를 파는 사업이다. 금광이 적자를 보든 말든, 계측기 장사는 원가 걱정이 없다.
이 사업에는 방어막도 있다. 구글이나 오픈AI 같은 모델 회사가 똑같은 도구를 만들기 어렵다는 점이다. 자사 모델의 답변에 어떤 브랜드를 더 노출시켜 주는 도구를 모델 회사가 직접 판다면, 중립성과 공정성 측면에서 곧바로 문제가 된다. 반면 어도비는 "우리는 생성 모델이 없습니다. 그 위에서 측정만 합니다. 여러분과 경쟁하지 않습니다"라고 말하며 양쪽 모두에서 신뢰를 얻을 수 있다. 모델을 갖지 않은 것이 오히려 무기가 되는 역설이다.
소비자 대상(B2C, Business-to-Consumer) 전선에서도 어도비의 방향은 애플과 닮았다. 자체 모델 하나로 승부하는 대신, 여러 모델을 고를 수 있는 플랫폼으로 살아남으려 한다. 어도비의 창작 도구는 자사 생성 모델뿐 아니라 구글, 오픈AI 등 외부 모델까지 끌어와 한곳에 묶었다. 어떤 모델로 생성하든, 그것을 다듬고 편집하고 배포하는 단계는 어도비 안에서 이뤄지게 만드는 것이다.
여기서 결정적인 전략이 가격이다. 이렇게 모아둔 플랫폼에서 쓰는 생성 비용이 외부에서 직접 쓰는 것보다 싸야 한다. 하나의 구독으로 받은 크레딧으로 자사 모델도, 외부 모델도 쓸 수 있는데 그게 따로따로 사는 것보다 저렴하다면, 이용자가 굳이 떠날 이유가 없다.
그렇다면 어도비도 결국 원가 경쟁에 끌려 들어가는 것 아닌가? 여기서 마지막 한 수가 나온다. 기업 맞춤형 생성 모델을 만들어 주는 '파이어플라이 파운드리(Firefly Foundry)'다. 특정 기업의 브랜드 자산과 가이드라인, 제품 이미지로 모델을 학습시켜, 생성하기만 하면 그 기업의 결에 맞는 결과물이 나오게 하는 관리형 서비스다.
예컨대 대형 유통 기업이라면, 지역마다 다른 날씨와 매장 특성에 맞춰 카탈로그 이미지를 자동으로 만들어 내는 전용 모델을 받을 수 있다. 핵심은 이 비용이 어느 주머니에서 나오느냐다. 기업은 이 돈을 '마케팅 예산'에서 지불한다. 마케팅 예산은 단위가 다르다. 소비자 한 명이 내는 크레딧 시장과 달리, 조 단위의 큰 그릇이다.
실제로 보고된 사례에서는, 핵심 창작 도구에 연 1,000만 달러를 쓰던 한 기업이 맞춤 모델 서비스를 추가하며 지출을 700만 달러가량 더 늘렸다. 어도비는 이 거대한 마케팅 예산을 빨아들여 자체 모델 개발 비용을 충당하고, 거기서 남는 여력으로 소비자에게는 크레딧을 넉넉히 안겨 줄 수 있다. 원가 경쟁을 소비자 크레딧 시장이라는 작은 그릇이 아니라, 기업 마케팅 예산이라는 훨씬 큰 그릇 안에서 치르는 것이다.
어도비는 'AI 회사'가 되려는 것이 아니라 'AI 위에 올라타는 회사'가 되려 한다. 생성의 원가는 모델 회사에 떠넘기고, 자신은 측정·편집·배포·맞춤화라는 부가가치 층을 차지한다. 모델을 갖지 않은 것이 약점이 아니라 포지셔닝이 된다.
요즘 AI 산업에서 가장 자주 거론되는 단어는 '에이전트'다. 목표만 정해 주면 스스로 기획하고, 자료를 모으고, 편집까지 해내는 자율적 AI를 가리킨다. 에이전트 시대가 본격화되면 하나의 AI가 여러 도구와 자료를 끌어다 쓰며 일하게 된다.
이 변화가 앞선 이야기와 맞물린다. 에이전트는 더 많은 연산을 호출하므로, AI를 실제로 부리는 데 드는 원가가 더 커진다. 그렇다면 그 호출 비용을 얼마나 줄이느냐가 모든 기업의 핵심 경쟁력이 된다. 이런 시대에는 가장 똑똑한 모델을 가진 회사보다, AI를 싸게 그리고 많이 부릴 수 있는 회사가 더 강해진다. 애플과 어도비가 영리해 보이는 이유가 여기 있다. 두 회사는 돈이 새어 나가는 게임에 직접 들어가지 않고도 그 위에서 먹고살 길을 설계했다.
이 구도를 한 장으로 보여주는 비유가 있다. AI 산업을 여러 층이 쌓인 케이크로 보는 시각이다. 사람들의 관심은 보통 아래로, 더 아래로 향한다. AI 모델 아래에 GPU가 있고, 그 아래에 메모리가 있고, 다시 전력이 있고, 더 내려가면 데이터센터와 부동산까지 닿는다. 원가 바닥 경쟁은 늘 이 아래쪽에서 벌어진다.
그러나 더 중요한 질문은 위쪽에 있다. 케이크의 윗부분, 즉 응용과 플랫폼 층에 어떤 기업이 남아 달콤한 크림을 가져가느냐다. 애플과 어도비는 모델이라는 적자 구간을 직접 떠안는 대신, 그 위층에 자리를 잡았다. 애플은 기기와 칩이라는 토대 위에서 원가를 소비자와 규모의 경제에 분산시키고, 어도비는 모델 위의 측정·편집·배포·맞춤화 층을 차지하며 생성 원가를 외부에 넘긴다.
"AI 때문에 애플과 어도비가 망한다"는 이야기는, 길게 보면 1막에 불과할지 모른다. 모델 성능만 보던 1막에서는 두 회사가 뒤처진 것처럼 보였다. 그러나 원가가 누구의 주머니에서 나오는지를 보는 2막에서는, 모델을 직접 만들지 않은 선택이 오히려 약점이 아니라 설계였음이 드러난다. 어떤 기업이 무너지느냐보다, 케이크의 어느 층에서 누가 가치를 회수하는가를 보는 편이 AI 산업의 다음 장면을 더 정확히 예고한다.