Apollo AI ROI 경고, 5개월이냐 5년이냐

시장은 빠른 생산성 향상을 가격에 넣고 있다

Apollo의 Torsten Slok은 2026년 6월 30일 글에서 비기술 섹터의 AI ROI 활주로가 시장 기대보다 길 수 있다고 지적했다. 그의 핵심은 단순하다. AI 기업의 현재 가치는 S&P 493, 즉 대형 기술주를 제외한 기업들의 이익률이 결국 올라간다는 약속에 크게 기대고 있다. 그런데 아직 비기술 섹터의 마진 상승 신호는 뚜렷하지 않다.

이 경고는 AI 회의론이라기보다 시간표의 문제다. 소프트웨어 기업은 AI를 제품과 개발 과정에 바로 넣을 수 있다. 반면 의료, 금융, 제조, 에너지, 방산, 공공, 교육, 법률은 데이터 거버넌스, 규제, 레거시 시스템, 노사 협의, 책임 소재 때문에 도입이 느리다. Apollo는 생산성 하키스틱이 5개월이 아니라 5년이 걸릴 경우 주식시장 재평가 리스크가 커질 수 있다고 봤다.

Agenthub가 다룬 Codex 업무 연구, RAISE US의 AI 노동 전환 정치, CO2 의사결정 생산성 분석도 같은 균열을 보여준다. 모델은 빨리 좋아지지만 조직의 업무 방식은 천천히 바뀐다.

토큰 가격 논쟁은 ROI 지연의 증상이다

Apollo 글에서 흥미로운 부분은 토큰 비용, 모델 라우팅, 토큰 마켓플레이스 논쟁을 밸류에이션 문제와 연결했다는 점이다. 토큰 단가가 대부분의 사용 사례에서 0에 가까워지면, 수요가 폭발하더라도 모든 하이퍼스케일러가 높은 매출을 유지하기 어렵다. 반대로 토큰 단가가 높으면 비기술 기업의 ROI가 늦어진다. 양쪽 모두 현재 기대를 흔든다.

기업 현장에서는 이미 이 압박이 보인다. 재무팀은 AI 예산을 묻고, 보안팀은 데이터 반출을 묻고, 현업은 "그래서 인력이 줄었나, 매출이 늘었나"를 묻는다. McKinsey의 생성 AI 경제 효과 보고서는 장기 잠재력을 크게 봤지만, 잠재력과 분기별 손익계산서는 다른 시간표로 움직인다.

한국 기업은 예산보다 프로세스 시간을 봐야 한다

한국 대기업의 AI 도입은 대체로 PoC는 빠르고 본番 전환은 느리다. 이유는 기술 부족만이 아니다. 개인정보보호법, 금융권 망분리, 제조 설비 안정성, 공공 조달 절차, 노무 이슈가 얽힌다. 따라서 AI ROI를 계산할 때 모델 사용료만 넣으면 과소평가가 된다. 데이터 정제, 권한 설계, 감사 로그, 업무 매뉴얼 변경, 사용자 교육, 성과 측정 체계가 함께 들어가야 한다.

예를 들어 고객센터 AI가 상담 시간을 20% 줄일 수 있어도 실제 ROI는 녹취 데이터 정리, 금칙어 정책, 상담사 교육, 품질 모니터링, 노사 합의가 끝나야 발생한다. 제조 품질검사 AI도 모델 정확도보다 라인 중단 책임, 불량 판정 근거, 설비 통합 비용이 더 큰 변수가 될 수 있다. 그래서 Apollo의 "5개월이냐 5년이냐" 질문은 한국 기업에 매우 현실적이다.

OECD AI 정책 관측소와 NIST AI RMF는 AI 위험과 거버넌스를 별도 체계로 다룬다. 이는 비용이 아니라 ROI를 앞당기기 위한 장치다. 승인을 어디서 받을지, 실패를 어떻게 기록할지, 사람이 어느 단계에서 개입할지 정해져야 생산성 향상이 반복 가능해진다.

투자자와 운영자가 같은 숫자를 봐야 한다

AI 밸류에이션 논쟁은 자본시장만의 이야기가 아니다. 기업 내부에서도 같은 문제가 생긴다. 경영진은 AI 전환을 선언하고, 현업은 도구를 써보고, 재무팀은 예산을 줄이려 한다. 이때 모두가 다른 숫자를 보면 프로젝트가 흔들린다. 사용량, 토큰 비용, 자동화 완료율, 검수 시간, 오류율, 고객 만족도, 인력 재배치 효과를 같은 대시보드에서 봐야 한다.

특히 에이전트형 업무는 "사용했다"와 "성과가 났다"가 다르다. 에이전트가 보고서 초안을 100개 만들었지만 검수 시간이 더 늘면 ROI는 없다. 반대로 모델 비용이 높아도 사고 대응 시간을 크게 줄이면 가치가 있다. OpenAI의 업무 에이전트 연구가 긴 위임 작업을 보여줬다면, Apollo는 그 위임이 현금흐름으로 바뀌는 시간을 보라고 말한다.

한국 기업의 실무적 결론은 냉정하다. AI 예산은 "올해 절감액"만으로 잡으면 실망하기 쉽다. 1년 차에는 데이터와 워크플로 정비, 2년 차에는 일부 업무 자동화, 3년 차에는 조직 구조 변경까지 봐야 한다. 그렇지 않으면 토큰 비용 최적화만 반복하다가 본질적인 프로세스 개선을 놓친다.

자주 묻는 질문

Q1: Apollo의 글은 AI 버블론인가요?

A: 완전한 버블론이라기보다 시간표 경고에 가깝다. AI의 장기 효과는 인정하되, 시장이 너무 빠른 ROI를 가격에 넣었을 수 있다는 주장이다.

Q2: 토큰 비용이 내려가면 좋은 일 아닌가요?

A: 사용자에게는 좋지만 공급자 매출과 투자 회수에는 압박이다. 기업 ROI도 토큰 단가보다 프로세스 전환 속도에 좌우된다.

Q3: 한국 제조·금융 기업은 왜 느린가요?

A: 규제, 데이터 품질, 레거시 시스템, 책임 소재, 승인 절차가 복합적으로 작동한다. 모델 성능만으로는 해결되지 않는다.

Q4: ROI를 어떻게 측정해야 하나요?

A: 비용 절감만 보지 말고 완료율, 검수 시간, 오류율, 매출 기여, 사고 감소, 직원 재배치 효과를 함께 봐야 한다.

Q5: AI 예산을 줄여야 하나요?

A: 무작정 줄이기보다 고강도 사용 사례와 낮은 성과 사례를 분리해야 한다. ROI가 늦는 업무는 일정과 거버넌스를 재설계해야 한다.