AI 매출 연 41%는 가능한 성장률입니다. 주가 할인은 종목마다 다릅니다

매출이 매년 41%씩 늘어야 한다면 높은 기준처럼 들립니다. 그러나 아마존 웹서비스(AWS)는 4년 동안 그에 가까운 매출 성장을 기록했습니다. AI 에이전트가 값싼 답변을 실제로 끝낸 유용한 업무로 바꾼다면, 앞으로 4년에도 그 정도 성장을 기대할 여지가 있습니다.

성장 가능성에는 조심스럽게 긍정적입니다. 그렇다고 AI가 성장하면 AI 주식이 자동으로 저평가된다는 주장에는 동의하기 어렵습니다. 마이크로소프트, 알파벳, 메타, 엔비디아는 출발 이익과 자본 부담, 주가가 서로 다릅니다. 같은 이익 기준으로 비교하면 메타와 엔비디아에는 예상보다 좋은 결과가 나올 여지가 더 큽니다. 마이크로소프트는 이미 상당한 실행력을 요구합니다. 알파벳은 그 중간에 있습니다.

이번 글은 AI 수요의 비용을 누가 부담하는지 다룬 앞선 분석을 잇습니다. 앞선 글은 위임형 에이전트가 헤비 유저와 대기업을 넘어 수요를 넓힐 수 있는지 물었습니다. 이번에는 과거 성장 사례, 공개 인터뷰, 기업 공시, 현장 연구와 현재 주가를 대조합니다.

41%는 조건부 허들입니다

앞선 계산은 2026년 말 AI 매출 추정 연환산액 4,140억 달러와, 2030년 연간 AI 귀속 매출 1조 6,260억 달러라는 모델 결과를 비교했습니다. 두 기준점 사이에는 4년이 있습니다. 이에 따른 연평균 복합성장률(CAGR)은 40.8%, 반올림하면 41%입니다.

2030년 기준은 설비투자 경로, 감가상각, 운영비와 요구수익률 12%를 가정해 계산했습니다. 누적 매출이 아니라 연간 자본비용을 충당할 수 있는지 보는 기준입니다. 모든 투자가 반드시 12%를 번다는 약속도 아닙니다. 시작값은 Tech Fund가 AI 연구소, AI 귀속 광고, 클라우드, 애플리케이션 등 여러 경로를 합산해 추정한 수치입니다. 어느 쪽도 최종 고객 지출을 감사해 합산한 값은 아닙니다.¹

이 구분은 첫 글에서보다 더 분명히 해야 합니다. Tech Fund는 중복 집계를 줄이기 위해 프런티어 랩에 대한 클라우드 매출과 앱에서 해당 랩에 지급한 금액을 제외했다고 명시합니다. 이 조정을 인정해야 합니다. 다만 순액 조정을 독립적으로 대사하지 않았고, AI 귀속 광고매출 증가분은 AI가 없었을 때의 매출 경로를 가정합니다. 이는 제3자 추정치의 불확실성이지 중복이 확인됐다는 뜻은 아닙니다.

규모를 가늠하기 위해 시작 매출을 가정상 20% 낮추고 종료 기준을 그대로 두면 필요한 CAGR은 48.9%로 올라갑니다. 시작값을 40% 낮추면 60.0%가 됩니다. 이는 실제 과대계상 규모의 추정치가 아니라 분모 민감도 점검입니다. 일관된 대안 모델에서는 종료 기준도 다시 검토해야 합니다.

따라서 “41% 성장은 가능하다”는 유용한 성장 가설입니다. “41%면 데이터센터 투자가 반드시 원금을 회수한다”는 주장은 지나칩니다.

과거는 41%가 가능하다고 보여주지만 쉽다고 말해주지는 않습니다

아래 비교는 모두 4년이 경과한 구간입니다. 먼저 매출 성장을 비교하고, 이어서 실물 판매량으로 신규 시장의 확산 속도를 봅니다.

출처: 아마존 공시, IDC 자료를 사용한 WIPO 산업 연구, 국제에너지기구(IEA). CAGR은 (종료값 / 시작값)^(1/4) - 1로 계산했습니다. 전기차 수치는 반올림했습니다. 출하액과 자동차 판매량은 소프트웨어 매출이 아닙니다.²³⁴

낙관론에 가장 가까운 비교는 AWS입니다. AWS는 사용량에 따라 과금하는 인프라를 팔았고, 고객이 운영할 수 있는 업무를 넓히며 매출을 크게 키웠습니다. 다만 AWS는 성공한 사업자를 결과를 알고 선택한 사례입니다. AWS의 시작 매출은 여기서 사용하는 AI 매출 추정의 약 34분의 1이었습니다. 지금 같은 비율로 성장하려면 훨씬 큰 절대 금액의 추가 지출이 필요합니다. AI 매출이 4,140억 달러에서 연 41%씩 늘면 2030년 연환산 매출은 약 1조 2,200억 달러 증가합니다.

스마트폰은 필요한 주의를 보여줍니다. 출하량은 연 41%보다 빠르게 늘었지만, 평균 판매가격이 내려가며 출하액 성장률은 31.9%에 그쳤습니다. 전기차는 작은 출발점과 정책 지원을 바탕으로 실물 판매가 빠르게 늘 수 있음을 보여줍니다. 하지만 연 54% 매출 성장의 전례는 아닙니다.

이 사례들은 통계 표본이 아니라 일부 성공 사례입니다. AI의 성공 확률을 계산하는 자료로 쓰면 안 됩니다. “41%는 전례가 없다”는 말에는 반례가 됩니다. “41%는 쉽다”는 증거는 아닙니다.

토큰 가격이 내려가면 실제 업무의 비용도 낮아져야 합니다

종량제 토큰의 구성과 품질이 그대로라고 가정하면 매출은 사용량과 실현가격의 곱입니다. 가격이 40% 내려갈 때 매출을 41% 늘리려면 사용량이 2.35배가 되어야 합니다. 가격이 54% 하락한다면 사용량은 3.07배가 되어야 합니다.

알파벳은 2026년 1분기부터 2분기까지 API 처리량이 분당 160억 토큰에서 220억 토큰으로 늘었다고 밝혔습니다. 분기 증가율은 37.5%입니다. 이 속도가 분기마다 네 번 반복된다면 연간 사용량은 3.57배가 됩니다. 두 가지 가격 하락 가정에서 필요한 사용량보다 큽니다. 그러나 이는 한 플랫폼의 분기 처리량을 연율화한 예시입니다. 관측된 연간 성장도, 업계 전체 성장도, 4년 동안의 성장도 아닙니다.⁵

램프의 자료는 다른 신호를 제공합니다. 토큰 지출 관리 상품의 표본에서 10월 11일 종료 주간의 지출은 9월 13일 종료 주간보다 23.0% 늘었고, 사용량은 52.4% 증가했습니다. 이 구간에는 사용량 증가가 가격 하락을 앞섰을 가능성과 맞습니다. 앞선 글의 8~10월 비교와 모순되지는 않습니다. 시작 날짜가 다르기 때문입니다. 램프는 이 상품의 표본이 전체 AI 지출을 대표하지 않는다고 명시합니다. 특정 모델의 가격 흐름을 모든 모델의 지출·사용량과 기계적으로 합산해서도 안 됩니다.⁶

실현 가격이 매년 반드시 40~54% 하락하는 것도 아닙니다. 모델 품질과 구성, 캐싱, 서비스 등급, 일시적인 용량 부족이 고객 청구액을 바꿉니다. 구독, 광고와 결과물 과금은 토큰 사용량과 전체 매출의 단순한 관계를 더 약하게 만듭니다. 고객 가격이 그대로여도 입력 비용이 낮아지면 공급자 마진은 개선될 수 있습니다.

따라서 지켜볼 경제 단위는 사람의 검토와 재작업까지 포함한 승인된 결과물 한 건의 비용입니다. 에이전트가 토큰을 10배 사용하고도 쓸 수 없는 결과를 낸다면, 오늘은 컴퓨팅 수요입니다. 내일도 반복될 고객 예산의 증거로는 약합니다.

에이전트가 초기 사용자층을 넘어설 경로는 세 가지입니다

에이전트 성장 가설은 고객이 직접 해야 했던 일을 제품이 덜어준다는 데 있습니다. 어떤 모델을 고를지, 데이터를 어떻게 연결할지, 코드를 쓰고 맥락을 관리하며 모든 단계를 감독하는 일을 대신할 수 있습니다. 고객은 익숙한 제품에서 범위가 정해진 업무를 맡길 수 있습니다. 이 방식은 도입층을 넓히고, 고객당 업무량을 늘리며, 반복 결제를 쉽게 만들 수 있습니다.

첫 번째 경로는 이미 쓰는 기업용 소프트웨어입니다. 사티아 나델라 마이크로소프트 CEO는 7월 29일 실적 발표에서 유료 Microsoft 365 Copilot 좌석이 3,000만 개를 넘었다고 밝혔습니다. 좌석과 사용량 과금을 결합하는 모델로 이동 중이며, 사용량 과금 도입 후 GitHub Copilot 매출이 전분기 대비 60% 넘게 성장했다고 설명했습니다. GitHub 풀리퀘스트 세 건 중 하나에는 에이전트가 관여한다고도 했습니다. 모두 회사가 발표한 지표입니다. 관여가 코드 병합이나 완전 자율적 변경을 뜻하지는 않으며, 매출 증가를 추가 업무량만으로 설명할 수도 없습니다.⁷

두 번째 경로는 업무 절차와 권한, 검토 기능까지 갖춰 좁은 업무를 판매하는 방식입니다. 고객지원, 문서 접수, 정기 대사 업무는 “회사를 운영해줘”보다 완료 기준을 정하기 쉽습니다. 개발자가 아니어도 에이전트의 기반을 직접 구축하지 않고 결과를 구매할 수 있습니다. 이 설명은 유통 방식에 대한 추론이지, 업계 전망치가 아닙니다.

세 번째 경로는 기기와 소비자 서비스에 탑재된 개인 에이전트입니다. 도달 범위가 넓을 수 있지만 사용량만으로는 수익 모델이 정해지지 않습니다. 광고로 보조하는 무료 이용, 사용량 제한 구독, 자율 업무에 대한 종량 과금은 매출과 컴퓨팅 비용이 서로 다릅니다. 기업 에이전트 매출이 빠르게 성장하려면 모든 소비자가 자율 에이전트를 사용할 필요는 없습니다. 다만 가장 넓은 수요 시나리오를 정당화하려면 소비자 쪽에서도 더 폭넓은 증거가 필요합니다.

도입 자료에는 여전히 경계가 보입니다. 맥킨지의 2026년 설문에서 한 개 이상 업무 기능에 에이전트를 확대 적용 중이라고 답한 대기업 응답자 비율은 27%에서 40%로 올랐습니다. 중소기업은 약 22%에 머물렀습니다. AI가 기업 EBIT에 조금이라도 긍정적인 영향을 줬다고 응답한 비율은 37%로 전년과 거의 같았습니다. 이 수치는 설문 응답이지 감사된 이익이나 활성 에이전트 수가 아닙니다.⁸

“상위 1%”라는 표현도 정확한 기준이 필요합니다. 램프는 AI 사용자 개인이 아니라 AI 지출 기업을 직원 1인당 지출로 분류합니다. 9월 상위 집단의 중간값은 직원 1인당 월 약 9,568달러였고, AI 비용을 내는 일반 기업의 중간값은 15.70달러였습니다. 사용 강도가 일부 기업에 집중되어 있음을 보여줍니다. 그러나 전 세계 AI 매출의 일정 비율을 사용자 상위 1%가 만든다는 뜻은 아닙니다.⁶

낙관론자와 회의론자는 무엇을 다르게 볼까요

젠슨 황 엔비디아 CEO는 8월 26일 실적 발표에서 에이전트가 사람의 화면 사용 시간에 묶이지 않고 백그라운드에서 계속 일하며 다른 에이전트와 상호작용할 수 있다고 말했습니다. 이는 사람의 요청에만 반응하는 것보다 업무량을 늘릴 수 있는 타당한 경로입니다. 컴퓨팅 공급자의 최고경영자로서 수요 확대를 강조할 상업적 이해도 있습니다. 이 발언만으로 에이전트를 뒷받침할 고객 예산이 확인되지는 않습니다.⁹

나델라는 2025년 2월 드워케시 파텔과의 인터뷰에서 더 중요한 조건을 제시했습니다. 공급 측 투자 열기를 검증하려면 경제성장과 추론 매출을 확인해야 한다는 취지였습니다. 오늘의 투자가 내일 고객 가치로 이어져야 다음 투자 주기가 정당화됩니다. 에이전트 가설을 반복 매출과 연결하는 관점입니다.¹⁰

안드레이 카파시는 2025년 10월 파텔과의 인터뷰에서 시점을 늦춰 보는 반론을 제시했습니다. 앞으로 10년은 에이전트의 시대라고 부를 만하지만, 이미 유용한 도구와 믿고 맡길 수 있는 직원·인턴 사이에는 아직 상당한 작업이 남아 있다고 설명했습니다. 상용 성장이 전환 기간 중에도 빨라질 수 있다는 견해입니다. 전환이 끝날 때까지 에이전트가 가치를 만들지 못한다는 뜻은 아닙니다.¹¹

연구는 양쪽에 구체적인 근거를 줍니다. 에릭 브린욜프슨, 리와 레이먼드가 고객지원 직원 5,172명을 분석한 최종 논문에서는 시간당 해결 건수가 평균 15% 늘었습니다. 효과는 직원의 경험에 따라 달랐습니다. 한 업무에서 직원이 AI의 도움을 받은 결과입니다. 완전 자율형 에이전트 고용이나 공급자 매출을 측정한 것은 아닙니다.¹²

METR의 2025년 초 실험에서는 숙련된 오픈소스 개발자가 시험 대상 AI 도구를 썼을 때 작업 시간이 19% 길어졌습니다. 그러나 연구진은 2026년 2월 후속 설명에서 참가자 선택 편향과 에이전트를 동시에 여러 개 사용했을 때의 측정 문제 때문에 최신 도구의 효과 측정이 어렵다고 경고했습니다. 최신 도구가 더 도움이 될 가능성은 높다고 봤지만, 개선 폭은 신뢰하기 어렵다고 했습니다. 이전의 작업 지연 결과를 현재 모든 AI 도구의 보편적인 평가로 되풀이하면 부정확합니다.¹³¹⁴

대런 애쓰모글루의 업무 과업별 거시 분석은 또 다른 제약을 보여줍니다. 일부 과업의 자동화가 곧바로 큰 생산성 향상으로 이어진다고 볼 수 없습니다. 그의 2024년 모형은 가정하에 10년간 총요소생산성이 최대 0.66% 개선될 것으로 추정했습니다. 이는 AI 공급자의 매출 전망이 아닙니다. 공급자는 다른 지출을 대체하며 GDP보다 빨리 성장할 수 있습니다. 그래도 실제로 유용한 결과를 만들어야 한다는 조건은 남습니다.¹⁵

이 근거를 함께 보면 더 좁고 강한 명제가 남습니다. 에이전트는 범용 직원처럼 믿을 만해지기 전에도 큰 유료 시장을 만들 수 있습니다. 다만 설정, 감독, 오류 비용보다 업무 가치가 큰 과제를 골라야 합니다.

성장 확률과 투자비 회수 확률을 따로 봅니다

현재 사용하는 총 AI 귀속 매출의 정의가 유지된다는 조건으로, 2030년 매출이 약 1조 6,300억 달러에 도달할 확률을 50~60%로 봅니다. 앞서 계산한 자본비용 회수 조건을 충족할 확률은 40~50%로 봅니다. 앞선 45% 추정치는 두 번째 범위 안에 있습니다. 두 수치는 보정된 통계 확률이 아니라 주관적 연구 판단입니다. 두 번째 범위에는 마진, 매출 중복, 자산 수명, 추가 설비 증설 규모의 불확실성이 반영됩니다. 첫 번째 확률에 독립 요인을 곱해 만든 값은 아닙니다.

긍정 요인은 확인된 기업용 유통, 실제 사용량 연동 매출과 단기 허들에 맞는 처리량 증가입니다. 신중하게 보는 이유는 훨씬 커진 출발 매출, 중소기업 도입 격차, 고객 수익을 측정하는 자료의 부족입니다. 과거 성공 사례는 가능성을 보여주지만 확률을 알려주지는 않습니다.

같은 매출 정의를 유지하고 정확히 연 41%씩 성장한다고 가정할 때, 2027년 말 연환산 매출은 약 5,840억 달러, 2028년 8,230억 달러, 2029년 1조 1,600억 달러입니다. 중간의 한 해에 기준보다 낮았다고 회복이 불가능한 것은 아닙니다. 다만 이후 필요한 성장률은 올라갑니다. AI 매출에 포함하는 범위를 바꾸는 일은 성장 경로를 앞선 것이 아닙니다.

주가는 업계 성장 확률이 아니라 회사 현금흐름을 반영합니다

AI 수요가 크게 늘 것이라고 시장이 올바르게 예상하더라도 특정 공급자의 주가는 비쌀 수 있습니다. 경쟁이 이익을 고객에게 넘길 수 있습니다. 감가상각이 매출총이익을 잠식할 수 있고, 신주 발행은 주당 성장을 희석할 수 있습니다. 업계가 성장해도 자본을 파괴하는 기업은 생길 수 있습니다.

주가 검증을 구체화하기 위해 10월 25일에 확인한 한 데이터 제공자의 선행 P/E 스냅샷과 10월 23일 정규장 종가를 사용합니다. 이 값은 제공사가 조정한 선행이익 지표입니다. 네 기업의 회계연도나 예상 기간이 서로 같지 않고, 동일한 2030년 전망도 아닙니다. 각각의 선행이익을 투명한 민감도 분석의 출발점으로 사용합니다.¹⁶

가정은 오늘 인용한 선행 EPS 기준값에서 4년간 성장하고, 연 10% 주가수익률을 얻으며, 종료 배수를 4년 차 말 선행 EPS에 적용하는 것입니다. 배당은 제외했고 EPS에는 주식 수 변동 효과가 이미 반영되어 있습니다. 산식은 필요 EPS 성장률 = 1.10 × (현재 P/E / 종료 P/E)^(1/4) - 1입니다. 이는 이익 민감도 분석이지 완전한 현금흐름할인 가치평가나 목표주가가 아닙니다.

“시장이 반영한 AI 성공 확률”이 하나의 값으로 관측되지 않는 이유를 두 번째 계산으로 보겠습니다. 회사 이익 경로가 연 5% 또는 20% 성장, 양쪽의 종료 P/E가 20배, 할인율이 10%인 두 가지 결과만 있다고 가정합니다. 현재 배수를 맞추기 위해 필요한 빠른 성장 경로의 산술 가중치는 마이크로소프트 약 85%, 알파벳 63%, 메타 25%, 엔비디아 7%입니다. 이는 임의의 두 가지 결과 모형에서 계산한 손익분기 가중치입니다. 투자자의 실제 믿음이나 업계 매출 성장률 41%의 확률이 아닙니다.

종료 P/E만 25배로 바꾸면 마이크로소프트와 알파벳의 가중치는 각각 약 40%, 22%로 낮아집니다. 메타와 엔비디아는 느린 성장 경로만 가정해도 현재 가격보다 높은 가치가 나오므로, 모형과 현재 주가를 일치시키는 0~1 사이 확률이 없습니다. 이는 가정에 민감하다는 뜻이지 위험이 없는 저평가라는 뜻은 아닙니다.

할인 폭은 종목별로 다릅니다

마이크로소프트: 대체로 합리적인 가격이며 실망을 감당할 여지는 제한적입니다. 유통망과 사용량 과금은 지속 성장을 뒷받침합니다. 하지만 종료 P/E 20배 기준에서는 현재 선행이익을 바탕으로 EPS가 매년 약 18% 늘어야 합니다. 시장은 이미 실행력을 가격에 반영했습니다. 최신 연차보고서에는 OpenAI 투자 이익 65억 달러와 크게 늘어난 감가상각이 포함됩니다. 위 민감도 분석에는 조정 선행이익을 사용했습니다. 투자 이익을 영업이익처럼 미래에 반복될 것으로 계산하지 않았습니다.¹⁷

알파벳: 일괄적인 저평가보다 조건부 상승 여지가 있습니다. 검색 유통망과 클라우드 수요는 AI 지출을 확보할 여러 경로를 줍니다. 반면 에이전트 답변은 검색 수익화에 영향을 줄 수 있고, 설비투자는 현금흐름으로 이어져야 합니다. 겉보기에 낮은 후행 P/E는 좋은 기준이 아닙니다. 상반기 보고서에는 대부분 미실현인 주식 평가이익 1,359억 5,000만 달러가 포함됩니다. 선행 P/E 23.94배는 종료 P/E 20배 조건에서 EPS가 약 15% 성장해야 한다는 뜻입니다.¹⁸

메타: 비교적 낮은 성장률로도 기준을 충족하지만 현금흐름 반론이 있습니다. 종료 P/E 20배 기준으로 EPS가 약 9% 성장하면 됩니다. 광고 추천을 개선해 수익화할 수 있다면 소비자에게 에이전트 구독을 직접 판매할 필요도 없습니다. 다만 회사는 금융리스 원금 상환을 포함한 9개월 설비투자 858억 2,000만 달러를 보고했습니다. 영업현금흐름은 968억 7,000만 달러였습니다. 2026년 설비투자 전망도 1,350억~1,450억 달러로 높였습니다. 낮은 이익 배수에는 이러한 투자 부담이 일부 반영되어 있습니다. 광고 성과가 지속되고 지출을 관리해 현금 전환이 회복될 때에만 과도한 할인으로 볼 수 있습니다.¹⁹

엔비디아: 단기 성장보다 이익 지속성에 낮은 배수를 적용하고 있습니다. 낮은 선행 배수는 이미 큰 이익 전망에서 시작합니다. 같은 주가에서 EPS 기준값이 30% 낮아지면 P/E는 17.44배에서 24.91배로 바뀝니다. 고객 금융지원, 경쟁과 향후 공급 증가는 이익을 낮출 수 있습니다. 그래도 현재 증설 주기가 끝난 뒤에도 이익이 유지되고 성장한다면, 같은 종료 배수 가정에서 마이크로소프트보다 주가의 여유가 큽니다. 엔비디아는 고객 데이터센터 전체를 보유하는 기업보다 직접적인 현금 부담이 작습니다. 다만 전략적 투자와 고객 집중은 남는 위험입니다.²⁰

따라서 지속되는 이익에는 종목별 저평가가 있을 수 있으며, 메타와 엔비디아를 더 살펴볼 근거가 상대적으로 강합니다. AI 관련 전체 종목이 지나치게 싸다는 증거는 충분하지 않습니다. 넓은 의미의 연 41% 매출 성장 가설은 이 사례들을 뒷받침합니다. 최종 판단은 현금 전환과 이익 지속성이 가릅니다. 이 비교는 네 기업에 한정됩니다. 차입 부담이 큰 인프라 사업자나 전체 AI 종목을 대표하지 않습니다.

한국 메모리 기업으로 이어지는 연결은 한 단계 더 멉니다. 에이전트는 HBM뿐 아니라 서버 DRAM, 저장장치와 CPU 수요도 늘릴 수 있습니다. 그러나 모델 효율, 캐싱, 가동률, 메모리 공급과 계약 가격이 국내 공급자가 가져갈 매출을 결정합니다. 에이전트 가설이 맞아도 메모리 주식이 싸다는 결론은 나오지 않습니다.

다음 증거는 사용량을 갱신 매출과 연결해야 합니다

다가오는 실적 발표와 이후의 유료 사용 자료가 첫 단계를 검증할 수 있습니다. 4년간의 복리 성장은 한 분기의 놀라운 성과가 아니라 반복해서 확인되는 증거가 필요합니다.

직장에서 에이전트를 사용한다면 갱신 결정에 무엇이 더 중요합니까? 소비한 토큰, 시도한 업무, 아니면 큰 재작업 없이 승인된 업무입니까? 이 질문이 투자 논쟁의 운영 기준입니다.

작성 도구: OpenAI 도구를 사용했습니다. OpenAI를 업계 참여자로 다루며 공개 정보만 사용했습니다. 동일 사업자와 관련된 이해관계의 크기는 평가하지 않았습니다.

투자 판단: 공개시장 분석이며 독자의 포트폴리오에 맞춘 추천이 아닙니다. 시나리오와 가치 민감도는 가정이며 수익을 보장하지 않습니다.