Ben Thompson — 에이전트가 버블을 넘어서다: AI 투자의 새로운 논리

원문: https://stratechery.com/2026/agents-over-bubbles/ | Ben Thompson (Stratechery), 2026년 3월 16일

핵심 요약

벤 톰슨은 엔비디아 GTC 2026 기조연설 당일 아침, "AI는 버블이 아니다"라는 결론을 내렸다. 핵심 논거는 단순하면서도 역설적이다: AI 에이전트의 등장이 더 이상 폭넓은 인간의 채택 없이도 컴퓨팅 수요를 기하급수적으로 끌어올린다는 것이다. 챗봇 시대에서 에이전트 시대로의 이행은, AI 투자를 정당화하는 판 자체를 뒤집어버렸다.

버블 논쟁: 2026년의 분기점

"2026년은 '돈 좀 보여줘(Show me the money)' 해다."

벤처 투자사 멘로 벤처스의 파트너 벤키 가네산은 올 초 이렇게 말했다. AI에 수천억 달러를 쏟아부은 기업들이 실질적인 수익을 증명해야 하는 해라는 것이다. MIT 미디어랩 연구에 따르면 생성형 AI에 투자한 기업의 95%가 측정 가능한 ROI를 얻지 못하고 있다. 젠슨 황이 GTC 2026에서 화려한 기조연설을 마쳤을 때, 월스트리트의 반응은 냉담했다—엔비디아 주가는 되려 하락했다.

이런 분위기 속에서 벤 톰슨은 정반대의 결론에 도달했다. 그것도 역설적인 방식으로: "내가 버블이 아니라고 결론 내린다는 것 자체가, 사실 버블의 가장 확실한 증거일지도 모른다"는 자기부정적 언급과 함께. 그렇다면 그의 논리는 무엇인가?

LLM의 세 번의 변곡점

톰슨의 분석은 대형 언어 모델이 지난 3년간 거쳐온 세 번의 결정적 도약을 짚는 데서 시작한다.

첫 번째 변곡점: ChatGPT (2022년 11월) 트랜스포머 기반 언어 모델이 실용적 수준에 도달했음을 증명했다. 하지만 여전히 인간이 출력을 면밀히 검증해야 하는 "보조 도구" 수준이었다. 신뢰성이 낮아 중요한 작업에는 쓰기 어려웠다.

두 번째 변곡점: OpenAI o1 (2024년 9월) 추론(reasoning) 능력과 자기평가(self-evaluation) 메커니즘이 도입됐다. 모델 스스로 답변을 검토하고 오류를 교정할 수 있게 되면서, 인간의 감독 부담이 줄어들기 시작했다. AI가 "협조자"에서 "반자율 협업자"로 한 발짝 나아간 순간이다.

세 번째 변곡점: Anthropic Claude Opus 4.5 (2025년 11월) 이전 모델들이 긴밀한 사용자 감독을 필요로 했다면, 이 모델부터는 자율적 태스크 관리와 오류 수정이 가능해졌다. 단순히 "더 나은 챗봇"이 아니라, 실질적 에이전트의 윤곽이 드러났다.

이 세 단계의 공통분모는 하나다: 각 도약마다, AI 모델이 인간 감독에 의존하는 정도가 감소했다.

에이전트가 바꾸는 경제 방정식

챗봇과 에이전트의 차이는 사용자 경험의 문제가 아니다. 경제 구조의 문제다.

챗봇 시대의 AI 수요 방정식은 이랬다: 더 많은 사람이 AI를 사용할수록, 컴퓨팅 수요가 늘어난다. 따라서 "AI가 충분히 많은 사람에게 채택되지 않으면 투자를 회수하기 어렵다"는 버블 논리가 성립했다.

에이전트 시대의 방정식은 다르다. 톰슨이 제시하는 세 가지 논거를 차례로 살펴보자.

논거 1: LLM의 약점이 컴퓨팅 증가로 해결되고 있다 신뢰성, 긴 맥락 처리, 복잡한 추론—이 모든 약점들이 더 많은 컴퓨팅을 투입함으로써 체계적으로 개선되고 있다. 기술적 한계가 고정된 벽이 아니라, 투자로 뛰어넘을 수 있는 허들임을 의미한다.

논거 2: AI를 효과적으로 다루어야 하는 사람의 수가 줄어들고 있다 이것이 핵심이다. 챗봇은 모든 사용자가 직접 쿼리를 작성하고 결과를 평가해야 한다. 에이전트는 다르다. 한 명의 숙련된 사람이 수십 개의 에이전트를 지휘할 수 있다. 에이전트는 "폭넓은 채택"이 없어도 기하급수적인 컴퓨팅 수요를 만들어낸다.

이는 AI 기업의 가치 평가 방식 자체를 바꾼다. "몇 명이나 사용하느냐"가 아니라 "얼마나 많은 작업이 처리되느냐"가 중요해진다. AI 네이티브 기업들은 더 적은 인력으로 더 많은 산출을 낼 수 있고, 이는 기존 기업들에게 기존 방식을 고수해도 되는지에 대한 실존적 물음을 던진다.

논거 3: 에이전트의 경제적 수익은 비용 절감과 매출 증가 모두에 영향을 미친다 지금까지 기업 AI의 ROI 논의는 주로 비용 절감(하위 라인)에 초점을 맞췄다. 에이전트는 여기서 더 나아가 매출 창출(상위 라인)에도 직접 기여할 수 있다. 고객 응대, 제품 개발, 판매 프로세스 자동화—에이전트가 수익을 직접 만들어내는 구조가 가능해진다.

커뮤니티의 시선: 납득할 수 없다는 월스트리트

흥미롭게도, 이 논리가 설득력 있음에도 불구하고 시장은 즉각 동의하지 않았다. GTC 2026에서 젠슨 황이 2027년까지 1조 달러의 컴퓨팅 주문이 있다고 선언했을 때, 엔비디아 주가는 기조연설이 끝나자 하락했다. TechCrunch의 분석에 따르면, 월스트리트 투자자들은 AI의 불확실한 미래와 버블 가능성에 더 무게를 뒀다.

비판론자들이 제기하는 반론은 상당히 구체적이다.

반론 1: 에이전트는 아직 통제하기 어렵다 에이전트가 자율적으로 작업할수록, 오류도 자율적으로 확산된다. 2026년 현재, 에이전트를 기업 환경에 안전하게 배포하는 것은 여전히 복잡한 엔지니어링 문제다.

반론 2: "기업 파일럿" 함정 많은 기업이 에이전트 기술을 파일럿 단계에서 실제 생산 환경으로 이행하는 데 어려움을 겪고 있다. 연구소에서의 성능과 실제 기업 운영 환경에서의 신뢰성 사이에는 여전히 간극이 있다.

반론 3: 가치 사슬의 불확실성 톰슨 스스로도 인정하듯, AI 에이전트가 가져다주는 경제적 이익이 누구에게 귀속될지는 불명확하다. Anthropic이나 OpenAI가 그 이익을 가져갈지, 아니면 에이전트를 활용하는 기업들이 가져갈지, 혹은 에이전트가 노동을 대체함으로써 개인과 국가 경제에 어떤 분배 문제를 야기할지—이 모든 것이 열린 질문이다.

이 논의가 남기는 질문

벤 톰슨의 분석에서 가장 인상적인 대목은 자기인식이다. "버블이 아니라고 결론 내리는 내가 버블의 증거일 수 있다"는 발언은, 인간이 기술 혁명의 한복판에 있을 때 객관적 판단이 얼마나 어려운지를 상기시킨다. 닷컴 버블 때도, 가장 지적인 사람들 중 일부가 "이번에는 다르다"고 주장했다.

그럼에도 그의 핵심 통찰은 살아남는다: 에이전트의 등장은 AI 수요의 성격 자체를 바꾼다. 우리는 얼마나 많은 사람이 AI를 쓰느냐가 아니라, 얼마나 많은 작업이 AI를 통해 처리되느냐를 물어야 할지도 모른다.

이 구분이 사소해 보일 수 있지만, 투자의 논리와 기업 전략, 나아가 노동 시장의 미래를 이해하는 데 있어 근본적인 차이를 만들어낼 수 있다. 에이전트가 본격적으로 기업 환경에 확산되는 2026년이, 그 답을 조금씩 드러내줄 것이다.