규모의 AI:
'피크 앤 셔블'과 경제의 거대한 중간지대

가장 매력적인 기회는 인프라 레이어 — Blackstone이 말하는 AI의 '피크 앤 셔블'(데이터센터·컴퓨트). 반대편 끝, 모델이 이미 복제 가능한 숙련 작업(콘텐츠 제작·법률 워크플로 일부)은 실질 압력. 그러나 가장 큰 기회는 경제의 거대한 중간지대 — 제조·물류·리테일. AI-네이티브는 아니지만 점점 AI-인에이블되는 실물 사업들이다.

소프트웨어는 한 붓으로 칠하기엔 너무 큰 범주다. 커모디티 데이터 위 단순 분석 앱은 대체가 쉽고, 독점 데이터·실제 워크플로 이해가 깊이 박힌 시스템 오브 레코드는 대체가 매우 어렵다 — 오히려 역풍보다 순풍. 잘하는 회사와 못하는 회사 사이 수익률 분산(dispersion)이 훨씬 벌어질 것.

포트폴리오를 세 버킷으로 본다: AI가 중심인 곳, 의미 있는 업사이드가 있는 곳, 상대적으로 미미한 곳(이 마지막 그룹은 빠르게 축소 중). 전담팀과 플레이북을 만들어 6대 임팩트 영역에 집중. 진짜 도전은 기술이 아니라 실행 — EBITDA에 잡히지 않는 '보여주기식 파일럿'이 너무 많다.

데이터는 아직 노이즈가 많지만, 역사적으로 기술은 파괴한 것보다 더 많은 일자리를 만들었다. 진짜 이야기는 생산성. 오늘 소프트웨어 엔지니어가 겪는 것이, 향후 10년 노동력 상당수가 겪을 일이다.

전력이 병목이다. 발전뿐 아니라 그리드 현대화·연결(connectivity) 수요도 본다. 데이터센터는 종종 수년치 수요를 선판매한 채 건설된다 — 앞서 짓는 게 아니라 따라잡는 것.

닷컴 붕괴는 수요에 앞서 쌓은 막대한 고정비로 정의됐다. 오늘 수요는 실재하고, 오히려 과소평가됐다. 미스프라이싱·과잉은 있겠지만 펀더멘털이 매우 다르다. 모든 섹터에서 실행 잘하는 회사와 못하는 회사의 분산이 벌어지고, 실행 프리미엄은 역대 최고다.

중견기업(mid-sized)은 AI로 막대한 이득을 볼 수 있지만, 프론티어 배포를 직접 구축·운영할 사내 자원이 없다 — 구현(implementation)이 가장 큰 병목이다. 대부분 기업은 이전 세대 기술 중심으로 조직돼 있어, 레거시 워크플로·데이터 환경을 헤치고 최신 모델을 실제 조직 복잡성 안에 이식할 실무자가 필요하다.

우리는 'AI 확산(diffusion) 문제'를 풀려 한다. 대형 컨설턴트·부티크·제품회사의 역할이 있지만, 이 회사는 그 틈(gap)을 메우게 설계했다. 다양한 산업의 포트폴리오 전반 배포를 지원할 것. 지금 이 역량을 구축하는 기업이 기다리는 기업보다 앞설 것.