경영진과 이사회에 AI의 ‘규모 확대 시대’는 이미 끝났습니다. 우리는 역설의 시대에 들어섰습니다.
423페이지의 Stanford AI Index를 정리한 『The 2026 AI Paradox.pdf』는 첨단 AI의 경제성이 근본적으로 바뀌었음을 보여줍니다. 아직 GPU 수와 자본지출로 성공을 측정한다면 잘못된 지표를 보고 있는 것입니다.
1. 무너지는 자본 효율
지출과 성능이 크게 분리되고 있습니다. 미국의 민간투자는 중국의 23배지만 모델 성능 격차는 2.7%로 줄었습니다.
경쟁우위가 이동합니다. 지적자본은 하드웨어를 구축하는 속도보다 빠르게 이동합니다. 미국으로 유입되는 AI 연구자는 지난해에만 80% 줄었습니다.
작은 모델이 새로운 강자가 됩니다. 데이터 선별 중심의 접근이 성과를 내고 있습니다. OLMo 3.1 Think 32B는 크기가 90배 작으면서도 Grok 4와 동등한 성능을 달성했습니다. 새로운 우위를 만드는 것은 연산량만이 아니라 데이터를 선별하는 능력입니다.
2. 물리적 병목
AI의 역량은 기하급수적으로 늘지만 물리적 인프라는 뒤처집니다.
AI 데이터센터의 전력 용량은 29.6GW로 뉴욕주 전체의 최대 수요에 해당합니다.
Nvidia가 세계 연산의 60%를 통제하고, 전체 생태계는 단일 파운드리 TSMC에 크게 의존합니다.
3. 인식의 50%포인트 격차
기술을 만드는 사람과 그 기술의 영향을 받는 사람 사이에는 큰 시차가 있습니다.
AI는 생산성을 14~26% 높였지만, 2024년 이후 22~25세 초급 개발자의 고용은 20% 줄었습니다.
전문가의 73%가 AI의 고용 효과를 긍정적으로 보지만 대중은 23%만 동의합니다. 미국의 정부 규제에 대한 신뢰는 31%로 세계 최저 수준입니다.
이사회가 점검할 사항
혁신 과정은 ‘블랙박스’가 되고 있습니다. 2025년 공개된 상위 95개 모델 중 80개가 학습 코드를 전혀 공개하지 않았습니다. 투명성이 낮아지고 환경세가 높아지는 상황에서, 승자는 데이터의 양보다 질을, 무조건적인 규모 확대보다 시스템의 회복력을 우선하는 기업일 것입니다.
우리는 비행기를 날리면서 만들고 있습니다. 그런데 대중의 신뢰와 전력망이라는 활주로는 생각보다 짧습니다.
2026 AI Index 보고서: https://lnkd.in/g_xeVRut
