현대적 해자

요약

21세기 비즈니스를 규정하는 해자는 순수 소프트웨어인데, 생성형 AI가 코드의 비용을 0으로 몰아가면서 급속히 붕괴하고 있으며, 이는 중국의 산업 집적이 이미 순수 하드웨어 해자를 어떻게 파괴했는지를 그대로 닮아 있다. 이제 생산의 난이도만으로는 어느 영역에서도 사업을 보호해 주지 못하므로, 지속 가능한 이익은 비트와 원자의 경계면으로 이동했다. 오늘날 방어 가능한 회사를 만들기 위해서는 창업자가 범용 소프트웨어 벤더 모델을 버리고 실제 물리적 워크플로를 처음부터 끝까지 소유하는 주체처럼 행동해야 한다. 네 가지 핵심 요소(맞춤형 하드웨어, 특화 소프트웨어, 축적된 관계, 독점 데이터) 중 최소 세 가지를 긴밀하게 통합하면, 현대적 비즈니스는 보장된 결과를 제공하면서 동시에 진짜 해자가 되는 폐쇄 루프 데이터를 수확할 수 있다. 오늘 시작하는 경쟁자는 고정된 선두를 쫓는 것이 아니다. 그들은 일이 완료될 때마다 계속 늘어나는 선두를 쫓고 있다.

서문과 목적

이 보고서는 내 해자 이론의 나머지 모든 것이 의존하는 단 하나의 주장, 즉 순수 소프트웨어는 더 이상 방어 가능한 해자가 아니며, 순수 하드웨어는 중국이 제조 패권을 확장한 순간 해자가 아니게 되었다는 주장을 확장한 것이다. 둘 다 구호처럼 던져진다. 나는 그 구호를 걷어내고 그 메커니즘을 넣고 싶다. 각 붕괴가 왜 일어났는지, 어떤 가정이 조용히 무너졌는지, 두 가지가 어떻게 서로를 먹여 살리는지, 그리고 지속 가능한 이익은 여전히 어디에서 포착될 수 있는지를 설명하고자 한다. 나는 이 글이 그 자체로 완결되도록 썼기 때문에, 미래의 독자나 미래의 모델이라도 이 대화를 거치지 않고 전체 논지를 이해할 수 있어야 한다.

대략 30년 동안 기술 전략은 디지털 세계가 지속 가능하고 고마진이며 방어 가능한 이익을 만들어 내는 반면, 물리 세계는 얇고, 차별성이 없으며, 저마진인 상품 생산물을 만들어 낸다고 가정했다. 두 충격은 동시에 오지 않았다. 중국의 제조 집적은 먼저, 주로 2000년대와 2010년대에 생산 기반 하드웨어 방어성을 무너뜨렸다. 생성형 AI는 그보다 뒤인 2020년대에 생산 기반 소프트웨어 방어성을 무너뜨리고 있다. 생성형 AI는 소프트웨어 생산의 한계 비용을 0에 가깝게 몰아가며, 소프트웨어를 방어 가능하게 만들던 장벽을 해체했다. 중국의 산업 집적은 물리적 반복의 비용과 지연을 소프트웨어의 비용과 지연 수준까지 끌어내리며, 하드웨어를 방어 가능하게 만들던 장벽을 해체했다. 따라서 이제 비트만으로도, 원자만으로도 사업을 보호할 수 없다. 지속 가능한 우위는 어느 하나의 차원에서 벗어나 비트와 원자의 긴밀한 결합, 그리고 관계와 독점 데이터 속으로 이동했다.

문서는 두 부분으로 구성된다:

• 분석. 해자란 실제로 무엇인지, 왜 각 영역이 한때 방어 가능했는지, 어떤 마찰이 각 충격으로 사라졌는지, 그리고 무엇이 남아 있는지. 이 부분은 경제 분석이며 분석이 끝나는 지점에서 끝난다.
• 현대적 해자. 비트도 원자도 각각만으로는 방어해 주지 않는 지금, 방어성은 실제로 무엇으로 이루어져 있는지, 그리고 그것을 기반으로 한 회사가 실제로 어떤 모습인지.

분석: 두 해자는 어떻게 붕괴했는가

첫째 부분: 해자란 실제로 무엇인가

해자가 어떻게 붕괴했는지를 설명하기 전에, 먼저 해자가 무엇인지 정확하게 짚어야 한다. 느슨하게 쓰이는 이 단어가 내가 본 나쁜 전략 사고의 대부분을 낳기 때문이다. 해자는 좋은 제품도, 일시적인 선두도, 선발 주자라는 사실도 아니다. 해자는 한 기업이 오랜 기간 자본 비용을 웃도는 수익을 벌어들이되, 그 수익이 경쟁에 의해 잠식되지 않게 하는 시장의 구조적 특성이다. 산업경제학의 언어로 말하면, 해자는 지속 가능한 경제적 지대의 원천이다.

경제적 지대는 회사가 문을 열어 두기 위해 받아들일 최소한의 수준을 넘어 얻는 초과분이며, 진정으로 경쟁적인 시장에서는 그 초과분이 0으로 수렴한다. 완전경쟁 하에서는 가격이 한계 비용까지 밀려 내려가고, 기업은 자본 비용만 벌며, 초과 이익은 남지 않는다. 방어성에 관한 모든 틀은 결국 하나의 특정 기업이 어떻게 그 한계 비용 가격과 0이익으로 향하는 끌림에서 벗어나는지에 대한 이론이다.

고전적 목록은 마이클 포터에게서 온다. 그의 5가지 경쟁요인 틀은 1979년 이래 이를 다루는 표준 도구였고, 이후 가치투자 진영에 의해 더 정교해졌다. 이 틀은 소수의 실제적이고 지속 가능한 지대 원천을 제시한다:

• 진입 장벽: 새로운 경쟁자가 들어오지 못하게 함
• 높은 전환 비용: 기존 고객이 떠나지 못하게 함
• 네트워크 효과: 더 많은 사람들이 사용할수록 제품이 더 가치 있어짐
• 규모의 경제: 기존 기업이 신규 진입자를 더 낮은 가격으로 압박할 수 있게 함
• 독점적 지식재산권 또는 규제 보호: 모방자를 법적으로 배제함
• 희소한 투입요소나 유통 채널의 통제: 경쟁자가 접근할 수 없는 것을 장악함

모든 지대 원천은 마찰이다

이 모든 지대 원천은 마찰이다. 해자는 사실 경쟁자가 값싸게 넘을 수 없는 마찰의 형태일 뿐이다:

• 높은 전환 비용은 고객의 이탈에 대한 마찰이다.
• 진입 장벽은 경쟁자의 등장에 대한 마찰이다.
• 네트워크 효과는 사용자들이 함께 다른 곳으로 이동하는 데 필요한 조정에 대한 마찰이다.
• 제조 규모는 신규 진입자가 경쟁 가능한 단위 비용에 도달하기 전에 감수해야 하는 자본과 시간에 대한 마찰이다.

이 말은 생성형 AI 같은 것, 혹은 중국의 산업 밀집 같은 것이 실제로 시장에 무엇을 하는지를 정확히 보여준다. 이런 힘들은 제품을 공격하는 것이 아니다. 이들은 마찰을 공격한다. 이들은 마찰을 제거하는 기술이다. 그리고 마찰 제거 기술은 정의상 해자를 제거하는 기술이다.

전체 논지는 한 문장으로 압축된다: 소프트웨어와 하드웨어 해자가 붕괴한 이유는, 그 수익을 만들어 내던 특정 마찰이 바로 AI와 중국의 집적이 유난히 잘 제거하는 마찰이었기 때문이다.

둘째 부분: 역사적 소프트웨어 해자와 비트가 돈을 찍어 내던 방식

붕괴를 이해하려면 먼저 소프트웨어가 왜 역사적으로 자본주의가 찾아낸 가장 강력한 비즈니스 구조였는지 이해해야 한다. 붕괴는 그것을 위대하게 만들었던 것들의 역전일 뿐이기 때문이다.

소프트웨어는 거의 독특한 비용 구조를 가졌다. 첫 번째 복사본을 만드는 데 높은 고정비가 들면서도, 그 이후 모든 복사본을 복제하고 배포하는 한계 비용은 거의 0에 가까웠다. 복잡한 프로그램의 첫 버전을 작성하는 데는 수개월 또는 수년 동안 일하는, 희소하고 비싸며 훈련에 시간이 오래 걸리는 엔지니어 집단이 필요했다. 그러나 한 번 작성되고 나면, 백만 번째 복사본을 만드는 데는 사실상 아무 비용도 들지 않았고 전달하는 데도 비용이 거의 들지 않았다. 이 비대칭성은 엄청난 영업 레버리지를 만들어 냈다. 성숙한 수평형 소프트웨어는 매출이 사용자 수에 따라 늘어나고 매출원가가 거의 움직이지 않기 때문에, Atlassian이 2025 회계연도 2분기 가이던스에서 제시했듯 80%대의 매출총이익률을 기록할 수 있다. 하지만 소비량 의존형 소프트웨어, 예를 들어 Snowflake가 2025 회계연도에 약 67%의 매출총이익률을 기록한 것처럼, 이 진술은 예전만큼 보편적이지 않다. 그 이유의 일부는 제3자 클라우드 인프라가 매출원가 안에 들어 있기 때문이다. 경제학적으로 소프트웨어는 순수한 정보재처럼 작동했고, 정보재는 생산과 비용 사이의 정상적인 관계, 즉 물리적 상품을 지배하는 관계를 깨뜨린다.

그러나 낮은 한계 비용만으로는 해자가 생기지 않는다. 누구나 그 재화를 값싸게 만들 수 있다면, 낮은 한계 비용은 지대를 주는 것이 아니라 파괴적인 경쟁을 낳는다. 소프트웨어가 지대를 벌어들인 이유는 첫 번째 복사본의 높은 고정비가 진입 장벽으로 작동했기 때문이고, 그 위에 여러 다른 마찰이 쌓였기 때문이다:

• 엔지니어 인력의 희소성. 비범한 소프트웨어를 만드는 데는 비싸고, 채용하기 어렵고, 조율하기 어려운 사람들이 필요했기 때문에, 대부분의 잠재적 경쟁자는 신뢰할 만한 복제품을 만들 팀조차 꾸리지 못했다.
• 시간. 자금이 넉넉한 경쟁자조차도 경쟁 제품을 역공학하고, 명세화하고, 개발하고, 시험하고, 출시하는 데 수개월이 필요했으며, 그 몇 달 동안 기존 업체는 사용자, 매출, 더 깊은 제품을 쌓아 올리는 일시적 독점을 누렸다.
• 전환 비용. 고객이 한 시스템에 데이터를 넣고, 그 인터페이스를 직원들에게 익히게 하고, 맞춤형 통합을 통해 그 시스템을 다른 모든 것과 연결해 버리면, 더 좋고 더 싸더라도 떠나는 비용이 엄청나게 커졌다.
• 직접 구축 대 구매 계산. 맞춤형 내부 소프트웨어를 직접 만드는 것 자체가 비싸고 위험했기 때문에, 기업들은 합리적으로 자체 구축보다 표준 기성품을 구매했고, 그 결과 패키지 소프트웨어 벤더에게 거대한 시장이 보장되었다.
• 네트워크 효과와 축적되는 독점 데이터, 최상의 경우 이 모든 것 위에 덧씌워졌다.

구조적 취약성

방금 목록이 무엇으로 이루어져 있는지 보라. 다섯 가지 마찰 중 네트워크 효과만이 제품의 수요 측면에 고유한 것이다. 나머지 네 가지, 즉 인력 희소성, 구축 시간, 전환 비용, 그리고 직접 구축 대 구매의 불이익은 모두 공급 측면의 생산 마찰이다. 그것들은 소프트웨어를 만드는 일과 대체하는 일이 얼마나 어렵고, 느리고, 비쌌는지의 산물이다.

그게 취약성이다. 방어성이 주로 어떤 것을 생산하는 데 얼마나 어렵냐에 의존하는 사업은, 생산이 어렵게 유지되는 동안에만 방어 가능하다. 소프트웨어를 생산하고 대체하는 비용이 붕괴하는 순간, 다섯 개 기둥 중 네 개가 함께 무너지고 수요 측 네트워크 효과만 남는다.

그 붕괴를 정확히 만들어 낸 것이 생성형 AI다.

셋째 부분: AI 충격과 소프트웨어 해자의 소멸

생성형 AI가 소프트웨어 경제학에 일으킨 변화를 모델링하는 올바른 방법은 그것을 소프트웨어의 생산 함수에 대한 충격으로 보는 것이다. 기본 경제학에서 어떤 것을 생산하는 비용은 그 투입 요소의 비용의 함수다. 소프트웨어의 경우, 지배적인 투입 요소는 언제나 숙련된 인간의 인지 노동, 구체적으로는 사업 요구사항을 올바르게 테스트되고 배포 가능한 코드로 바꾸는 노동이었다. 그 노동은 희소하고 값비싼 투입 요소였으며, 진입 장벽을 만들어냈다.

생성형 AI와 자율 코딩 에이전트는 그 투입 요소를 직접 공격한다. 이들은 많은 작업에서 역사적 비용의 일부만으로 코드를 생성하고, 리팩터링하고, 디버깅하고, 문서화하고, 배포한다. 통제된 GitHub Copilot 실험은 개발자들이 제한된 코딩 과제를 55.8퍼센트 더 빠르게 완료했음을 발견했고, 4,867명의 개발자를 대상으로 한 현장 연구는 완료된 작업이 26.08퍼센트 더 많았음을 발견했다. 효과는 실제지만 고르지 않다. METR의 2025년 무작위 실험은 익숙한 성숙한 코드베이스에서 일하는 숙련된 오픈소스 개발자들이 2025년 초 AI 도구를 사용할 때 19퍼센트 더 느렸지만, 자신들은 더 빨라졌다고 믿고 있었음을 발견했다. 안전한 결론은 AI가 모든 환경에서 모든 엔지니어를 빠르게 만든다는 것이 아니다. AI가 특히 제한된 범위의 작업, 그린필드 작업, 그리고 덜 숙련된 업무에서 코드 생산 비용을 압축한다는 것이다. 희소한 투입 요소가 더 풍부해지고 있다. 핵심적인 희소 투입 요소의 가격이 떨어지면, 그 희소성 위에 세워졌던 진입 장벽도 함께 무너진다. 그 하나의 메커니즘이 공급 측면의 네 가지 기둥 전체로 연쇄적으로 확산된다.

이 변화는 개발자들이 실제로 사용하는 도구에서 보인다. 먼저 Cursor 같은 IDE 내장 코파일럿이 등장했다. 그다음에는 Claude Code, Codex CLI, Kiro CLI, OpenCode 같은 터미널 네이티브 코딩 에이전트가 등장했는데, 이들에서 모델은 저장소를 읽고, 파일을 수정하고, 명령을 실행하고, 엔지니어와 동일한 환경에서 반복 작업을 수행한다. 이제 세 번째 층은 다중 에이전트 오케스트레이션을 중심으로 떠오르고 있으며, Conductor, Superset, Hermes Agent 같은 도구가 여러 프로젝트와 환경에 걸쳐 여러 에이전트를 조정하고 있다. 발전의 흐름은 분명하다. 자동완성에서 자율 에이전트로, 그리고 여러 에이전트를 병렬로 오케스트레이션하는 단계로 이동해 왔으며, 이는 앞으로도 더 가속될 것이다. 디지털 작업은 해마다 더 쉽게 자동화될 것이고, 오늘날 숙련된 조작자를 필요로 하는 도구들은 내일이면 점점 더 적은 인간 개입만을 요구하게 될 것이다.

1. 진입 장벽의 붕괴

신뢰할 수 있는 소프트웨어 제품을 출시하려면 예전에는 실제 시드 자본이 필요했고, 그 대부분은 MVP를 구축하는 데 필요한 엔지니어를 고용하는 데 쓰였다. 그 자본 요구는 시장을 걸러냈다. 돈을 모으고 인재를 채용할 수 있는 벤처만이 실제로 출시했고, 그 결과 경쟁자가 부족했던 것 자체가 기존 업체의 보호막의 일부였다.

좋은 AI 도구를 갖춘 한 명의 개발자가 예전보다 훨씬 적은 시간과 비용으로 세련되고 작동하는 애플리케이션을 설계하고, 구축하고, 출시할 수 있다면 그 필터는 사라진다. 시장은 진입자들로 넘쳐난다. 경쟁의 관점에서 보면 소프트웨어 기능의 공급 곡선은 대폭 바깥쪽으로 이동하고, 기본적인 가격 이론은 다음에 무슨 일이 일어나는지 애매함 없이 말해준다. 대체 가능한 재화의 공급이 거의 고정된 수요에 강하게 팽창하면 가격은 한계비용 쪽으로 떨어지고, 소프트웨어의 한계비용은 0에 가깝기 때문에 가격도 0에 끌려 내려간다. 소프트웨어 공급의 초과 풍부화는 기계적으로 소프트웨어의 가격 결정력을 파괴하는 것이다.

2. 시간적 우위의 붕괴

이것은 아마도 모든 소프트웨어 해자 중 가장 중요했을 것이다. 빠르게 출시하고 반복 개선하는 전체 논리는, 출시된 기능이 경쟁자가 이를 복제하기 전에 수개월의 독점적 선행 기간을 창조자에게 제공한다는 데 의존했다. 그 선행 시간은 네트워크 효과, 브랜드, 고객이 자리 잡는 창이었다.

AI는 모방 주기를 수개월에서 수시간으로 압축한다. 경쟁자는 제품의 인터페이스를 보고, 그 동작을 코딩 에이전트에게 설명한 뒤, 원본 소스 코드를 한 번도 보지 않고도 거의 즉시 작동하는 복제품을 얻을 수 있다. 가치가 특정 코드 자체에 있었던 것이 아니라 명세에 있었기 때문이다. 그리고 명세는 이제 구현하기가 극도로 싸다.

모방 지연이 0으로 가면, 빠른 혁신을 정당화하던 일시적 독점은 사라진다. 혁신은 여전히 일어나지만, 지속적인 프리미엄을 벌어주지 못한다. 왜냐하면 혁신의 보상이 즉시 모방자에게 넘어가기 때문이다. 이것은 데이비드 티스가 1986년 기술 혁신으로부터의 수익 창출에 관한 논문에서 말한 전형적인 전유성 문제(appropriability problem)이다. 혁신은 혁신자가 그것이 만들어낸 가치를 모방이 잠식하기 전에 충분히 포착할 수 있을 때만 제 값을 한다. AI는 순수 소프트웨어 혁신의 전유성을 0에 가깝게 몰아간다.

3. 전환 비용의 해체

이것은 전통적인 소프트웨어 해자들 중 가장 견고한 것이었다. 경쟁 제품이 분명히 더 좋더라도 작동했기 때문이다. 하지만 전환 비용 자체는 한 스키마에서 다른 스키마로 데이터를 옮기고, 맞춤 통합을 다시 만들고, 익숙하지 않은 인터페이스에 대해 직원들을 재교육하는 것 같은 마찰들로 이루어져 있었다. 이 모든 것은 AI가 잘하는, 지루하고 패턴 기반의 번역 작업이다.

AI 기반 데이터 매핑은 복잡한 데이터베이스를 한 시스템의 구조에서 다른 시스템의 구조로 빠르고 저렴하게 수집, 정규화, 마이그레이션할 수 있다. 자연어 인터페이스는 사용자가 독점적인 메뉴 트리를 외우는 대신 점점 더 대화로 상호작용하게 만들기 때문에 재교육 비용을 줄인다. 즉, 한 벤더의 인터페이스에 묶여 있던 축적된 숙련이 더 이상 전환 페널티로 작동하지 않는다.

이탈 비용이 떨어지면 확보한 고객의 생애가치도 함께 떨어지고, 고객 획득 비용은 그 줄어든 생애가치에 비해 상승하며, 전체 구독 모델의 단위경제성은 악화된다. 고객이 떠날 수 없다는 데 기반한 해자는 떠나는 것이 싸져버리면 해체된다.

4. 구축 대 구매의 전도

이것은 조용히 주소 가능 시장 자체를 파괴한다. 기업들이 패키지 소프트웨어를 샀던 이유는, 내부용 맞춤 도구를 직접 구축하는 것이 너무 비싸고, 너무 느리고, 너무 위험해서 가장 차별화된 필요가 아닌 이상 정당화할 수 없었기 때문이다. 내부 구축에 대한 그 페널티가 바로 벤더에게 큰 시장을 보장해 준 것이었다.

AI 에이전트가 내부 팀, 심지어 비기술적인 팀까지도 자신들의 워크플로에 맞춘 맞춤형 애플리케이션을 생성하게 해주면, 구축에 대한 페널티는 사라지고, 합리적인 선택은 일반적인 구독을 구매하는 것에서, 완벽하게 맞고 반복 라이선스가 없는 개인용 도구를 생성하는 것으로 이동한다.

이것은 단지 벤더 간 경쟁을 더 치열하게 만드는 것이 아니다. 벤더들이 경쟁하는 총 주소 가능 시장 자체를 줄인다. 소프트웨어 수요의 더 큰 몫이 내부적으로 충족되고 외부 시장에는 아예 도달하지 않기 때문이다. 가치는 외부 소프트웨어 벤더에서 내부 운영 역량으로 이동하며, 다시 말해 그것은 더 이상 시장이 아니라 내부의 비용 효율성으로 바뀐다.

이것은 내가 내 글 소프트웨어 가치의 바벨에서 내부 소프트웨어 레버리지라고 부른 것과 같은 것이며, 구매자 관점이 아니라 판매자 관점에서 본 것이다.

결과 & 붕괴하지 않는 것

이 네 가지 메커니즘을 합치면 순수 소프트웨어의 상품화가 된다. 산업은 소프트웨어 초과 풍부화 시대로 들어가고 있으며, 그곳에서는 기능적 애플리케이션이 싸게 만들어지고, 즉시 복제 가능하며, 점점 더 수요에 따라 내부에서 생성된다. 그 조건에서는 코드 자체가 더 이상 지대의 원천이 되지 않는다. 어떤 재화든 풍부하고 대체 가능해지면 더 이상 지대를 요구하지 못하는 것과 정확히 같은 방식이다. 가치는 코드와 분리된다.

정직하려면 무엇이 붕괴하지 않는지도 분명하게 말해야 한다. 과장하면 틀리게 되기 때문이다. 생성형 AI는 공급 측 생산 마찰을 공격한다. 그것만으로는 수요 측과 시스템 수준의 마찰을 공격하지 못한다.

• 네트워크 효과는 살아남는다, AI는 소셜 네트워크의 소프트웨어를 오후 한나절 만에 복제할 수는 있어도 사용자까지 복제할 수는 없고, 사용자야말로 자산이기 때문이다.
• 독점 데이터 해자는 살아남고 실제로 더 강해진다, AI가 코드를 더 싸게 만드는 반면, 그것을 훈련시키는 희귀한 데이터는 더 가치 있게 만들기 때문이다.
• 유통과 브랜드는 살아남는다, 기능이 무료가 되더라도 관심과 신뢰는 여전히 희소하기 때문이다.
• 규제 및 컴플라이언스 장벽은 살아남는다, 코딩 에이전트는 은행 면허, 의료기기 허가, 항공 인증을 생성할 수 없기 때문이다.
• 물리적이거나 규제된 운영 현실에 대한 깊은 통합은 살아남는다, 코드는 싸지만, 센서를 설치하고, 신뢰를 얻고, 규제 승인 하에서 운영하는 것은 싸지 않기 때문이다.

따라서 정확한 주장은 모든 소프트웨어 비즈니스가 죽는다는 것이 아니다. AI가 쉽게 복제할 수 없는 어떤 것에 고정된 소프트웨어, 즉 네트워크, 데이터셋, 규제적 지위, 유통 채널, 물리적 운영에 닻을 내린 소프트웨어는 살아남는다는 것이다. 그 모든 것에서 자유롭게 떠다니는 소프트웨어는 이제 상품이다.

4부: 역사적 하드웨어 해자와 왜 원자들은 어려웠는가

하드웨어 논증도 같은 원칙을 따른다. 먼저 하드웨어가 왜 예전에는 방어 가능했는지 확립한 다음, 중국의 제조 시스템이 그 방어수단들 중 어떤 것을 해체했는지 보여준다.

하드웨어는 소프트웨어가 그러했던 이유와 거의 정반대의 이유로 방어 가능했고, 자본 시장은 둘을 정반대로 취급했다. 소프트웨어가 한계비용이 거의 제로에 가까웠던 반면, 하드웨어는 높은 데다 완강한 한계비용을 가졌는데, 그 이유는 물리적 단위 하나하나가 재료, 에너지, 노동, 그리고 기계 시간을 잡아먹었기 때문이다. 소프트웨어가 즉시 그리고 무한히 출하될 수 있었던 반면, 하드웨어는 제조와 물류의 물리 법칙에 묶여 있었다. 이러한 특성은 하드웨어를 마진 측면에서 더 나쁜 사업으로 만들었지만, 이상하게도 특정한 방식에서는 방어 가능하게도 만들었는데, 물리적 생산의 어려움이 잘 운영되는 하드웨어 회사를 가벼운 모방으로부터 보호하는 장벽으로 작용했기 때문이다.

하드웨어를 보호했던 구체적인 마찰은 다음과 같았다:

• 금형 투자 자본. 물리적 제품을 대량으로 만들려면 특수한 공구가 필요했는데, 주로 플라스틱과 금속 부품을 성형하는 데 쓰이는 사출 금형과 주조 다이가 그것이었고, 그런 공구는 수만 달러에서 수십만 달러가 들었으며 높은 최소 주문 수량을 강제했다. 이는 대부분의 신규 진입자가 넘을 수 없는 단단한 자본 장벽이었고, 이미 공구 투자비를 상각한 기존 기업들을 보호했다.

• 반복 개선 지연 시간. 물리적 설계를 다듬으려면 새로운 공구를 깎고, 공차를 조정하고, 물리적 시험 배치를 돌려야 했는데, 이 반복은 한 차례마다 몇 주 또는 몇 달이 걸렸고 매번 큰 비용이 들었으므로 물리적 제품은 천천히 개선되었고, 경쟁자가 따라잡으려면 길고도 비싼 캠페인이 필요했다.

• 공급망 조립. 물리적 제품은 여러 전문 공급업체로부터 조달된 부품 명세서이며, 그 공급업체들은 과거에는 기업, 지역, 국가 전반에 흩어져 있었기 때문에 작동하는 공급망을 구성하려면 고립된 벤더들과 협상하고, 긴 리드 타임을 감수하고, 복잡한 물류를 관리해야 했다.

• 정밀도와 공정 지식. 허용 가능한 수율로 실제로 설계를 제조하는 데 필요한 축적된, 그리고 종종 암묵적인 노하우. 그것은 도면에서 전해지지 않는다. 직접 해보면서 배워야 한다.

• 유통. 리테일러, 유통업체, 그리고 그 자체로 희소하고 관문이 된 진열 공간을 통해 물리적 제품을 구매자 앞에 가져가야 할 필요성.

구성을 다시 보라. 소프트웨어와 마찬가지다. 하드웨어의 해자는 압도적으로 생산과 물류의 마찰 집합이었다: 금형 투자 자본, 반복 개선 지연 시간, 공급망 조립, 공정 수율, 그리고 물리적 유통. 그것은 설계를 출하 가능한 물리적 객체로 바꾸는 일이 얼마나 어렵고, 느리고, 비싼가에 의해 방어되었다. 그리고 소프트웨어와 정확히 마찬가지로, 생산의 어려움에 기반한 방어는 생산이 계속 어려운 동안에만 지속 가능하다.

하지만 중국이 경제사에 기여한 것은 막대한 범위의 상품 전반에 걸쳐 물리적 생산을 더 이상 어렵지 않게 만든 것이었다.

다섯 번째 부분: 중국 쇼크, 산업 집적, 그리고 하드웨어 해자의 종말

중국 제조업 우위에 대한 가장 흔한 오해는 그것이 저렴한 노동에 관한 이야기라는 것이다. 그것은 첫 단계에서는 부분적으로 사실이었고 지금은 대부분 거짓이며, 그것을 잘못 이해하면 생산을 본국으로 되돌리기(리쇼어링) 하거나 다음 저임금 국가로 옮기는 것이 옛 질서를 복원할 것이라는 실패한 결론으로 곧장 이어진다.

진짜 설명은 중국이 그 누구도 보지 못했던 밀도와 규모로, 알프레드 마셜이 한 세기 이상 전에 산업 집적이라고 설명한 현상을 구축했다는 것이다. 그 집적이야말로, 임금 차익거래가 아니라, 하드웨어 해자를 해체한 것이다. 나는 이 주장을 처음 하는 사람이 아니다. 앤드루 “버니” 황은 The Hardware Hacker에서 그 심천 버전을 10년 넘게 직접 기록해 왔다.

마셜식 외부경제

산업 집적은 연결된 산업들, 부품 공급업체들, 서브어셈블리 제조업체들, 원자재 가공업체들, 공구 제작업체들, 위탁 제조업체들, 물류 제공업체들, 그리고 특화된 숙련 노동력이 모두 같은 지역에 밀집하는, 스스로 강화되는 지리적 클러스터링이다. 마셜은 왜 그런 클러스터가 어떤 고립된 기업도 따라잡을 수 없는 이점을 만들어내는지 식별했다:

• 그것들은 특화된 노동자들의 깊은 공유 노동 풀을 만든다.
• 그것들은 멀리 떨어진 단 하나의 고객에게만 서비스를 제공해서는 결코 살아남을 수 없지만, 밀집한 클러스터에 서비스를 제공하면서는 번성하는 특화된 지역 공급업체를 지탱한다.
• 그것들은 공정 개선이 클러스터를 통해 빠르게 퍼지는 지식 파급효과를 만들어내는데, 관련된 사람들이 물리적으로 가깝고 자주 이동하기 때문이다.

이 세 가지 힘이 마셜식 외부경제이며, 이는 클러스터 안의 기업이 밖의 동일한 기업보다 더 낮은 비용, 더 빠른 반복, 더 나은 정보를 얻는다는 뜻이다. 바깥의 기업이 스스로 얼마나 효율적이든 상관없다.

거래 비용 붕괴

주강삼각주, 특히 심천에서는 집적이 역사적 전례가 없는 밀도에 도달했다. 그 실질적 결과는 로널드 코스의 거래 비용 경제학을 통해 보는 것이 가장 쉽다. 코스는 경제 활동의 경계와 속도가 거래 비용, 즉 공급업체를 찾고, 조건을 협상하고, 기업 간 생산을 조정하는 비용에 의해 지배된다고 설명했다. 분산된 공급망에서는 그런 비용이 엄청나며, 그것이 바로 하드웨어 해자 셋째 마찰의 실제 내용이다.

초고밀도 클러스터에서는 거래 비용이 거의 제로로 붕괴한다. 대부분의 전자 및 기계 장치의 전체 공급망이 작은 반경 안에 들어 있으므로, 예전에는 대륙을 가로질러 몇 주가 걸리던 탐색, 조달, 협상, 조정이 이제는 한 구역 안에서 몇 시간 만에 끝난다. 설계자는 장치를 명세하고, 같은 날 현지에서 모든 부품을 조달하고, 맞춤형 회로 기판을 밤새 제작·실장하게 한 뒤, 다음 날 아침 작동하는 시제품을 손에 넣을 수 있다.

이것은 더 싼 노동이 아니다. 이것은 거래 비용과 반복 개선 지연 시간의 거의 완전한 제거이며, 이는 본질적으로 전혀 다르고 훨씬 더 강력한 것이다.

이 밀도에서 네 가지 메커니즘이 하드웨어 해자를 해체했는데, 이는 소프트웨어에 대한 AI의 네 가지 적용이 소프트웨어를 해체한 것과 닮았다.

1. 반복 개선 지연 시간의 붕괴

이것은 소프트웨어가 시간적 우위를 잃는 것에 대한 하드웨어 버전이다. 분산된 서방 공급망에서는 물리적 설계의 한 차례 반복에 몇 주가 걸리고 비용도 많이 들어 하드웨어는 천천히 개선되었고, 기존 기업의 세부 조정 우위가 유지되었다. 클러스터 안에서는 물리적 반복이 소프트웨어 반복의 속도에 가까워진다. 금형은 수정되고, 보드 레이아웃은 조정되고, 시험 배치는 며칠 안에 실행된다.

전략적 결과는 잔혹하다. 서방에서 구상된 어떤 하드웨어 설계라도, 클러스터 안에서 그 설계가 관찰되고, 역설계되고, 제조 용이성에 맞게 최적화되고, 대량 생산되기까지의 속도가 원출처 서방 기업이 자신의 두 번째 시제품을 끝내는 속도보다 빠르다. 원개발자의 리드 타임은, 그것이 렌트의 원천이었음에도, 음수다. 모방자가 더 개선되고 더 싼 버전을 먼저 출하한다.

2. 금형 투자 자본의 붕괴

이것은 소프트웨어의 진입 장벽이 떨어지는 것에 대한 하드웨어 버전이다. 과거에는 수만 달러와 높은 최소 주문 수량이 물리적 생산을 차단했지만, 클러스터 내부에서는 빠른 컴퓨터 제어 가공, 처음부터 새로 깎는 대신 재구성하는 표준화된 모듈형 몰드 베이스, 그리고 극도로 경쟁적인 고처리량 공구 제작소를 통해 그 장벽이 최적화되어 사라졌다. 소량 맞춤형 하드웨어도 이제는 과거에는 대기업만이 이용할 수 있었던 비용 구조로 생산될 수 있다. 하드웨어 진입자를 걸러내던 자본 장벽은 소프트웨어 진입자를 걸러내던 장벽과 마찬가지로 크게 무너졌고, 시장은 같은 예측 가능한 가격 하방 압력으로 넘쳐난다.

3. 자동화에 의해 복리로 증폭되는 경험 곡선

이 메커니즘이 비용 우위를 영구적으로 고정시키는 것이며, 다른 곳으로 옮긴다고 해서 차익거래로 지워질 수 없는 이유다. 라이트의 법칙은 1936년 테오도어 라이트가 항공기 생산 데이터를 통해 처음 설명했고, 이후 보스턴 컨설팅 그룹이 경험 곡선으로 일반화한 것으로, 산업경제학에서 가장 신뢰할 수 있는 실증적 규칙성 중 하나다. 이것은 많은 제품에서 누적 생산량이 두 배가 될 때마다 조직이 축적된 수행을 통해 더 효율적으로 제조하는 법을 배우므로 단위 비용이 일정한 비율로 하락한다고 말한다.

클러스터가 수많은 제품 범주에 걸쳐 전 세계 누적 물량의 압도적인 몫을 만들어 내기 때문에, 그것은 새로운 진입자가 낮은 누적 물량으로 올라서게 되는 경험 곡선의 맨 위가 아니라 훨씬 아래쪽에 자리 잡고 있다. 현대 중국 제조업은 여기에 자본 집약적 자동화, 첨단 로보틱스, 고속 자동 광학 검사, 그리고 원자재까지 거슬러 올라가는 수직 통합으로 그 학습 우위를 한층 더 증폭시킨다.

이 지점이 바로 노동비용 설명이 죽는 정확한 지점이다. 현대의 우위는 낮은 임금이 아니다. 그것은 축적된 학습 + 자동화된 규모 + 공급자 밀도이며, 신규 진입자는 단기적인 어떤 조치로도, 높은 임금이든 낮은 임금이든, 그 조합을 복제할 수 없다. 왜냐하면 수십 년에 걸친 누적 생산 경험이나 그 주변의 공급자 생태계를 즉시 살 수는 없기 때문이다.

4. 유통 마찰의 붕괴

이것은 기존 소프트웨어 채널을 거치지 않게 만드는 AI의 하드웨어 버전이다. 글로벌 디지털 마켓플레이스와 초효율 소포 물류는 클러스터 내부의 제조업체들이 서구의 유통업자, 도매상, 소매 매대 공간을 아예 건너뛰게 해 주며, 글로벌 플랫폼에 직접 등록하고 며칠 만에 소비자의 문앞까지 배송할 수 있게 한다. 기존 하드웨어 브랜드를 보호하던 마지막 마찰, 즉 매대와 채널에 대한 통제는 우회된다. 기능적으로 동등한 장치가 기존 업체의 유통 시스템에 한 번도 닿지 않은 채, 브랜드 가격의 일부만으로 같은 고객에게 도달한다.

산업적 공통자산 & 리쇼어링이 왜 그렇게 어려운가

이 모든 것의 가장 중요한 결과, 그리고 가장 자주 무시되는 것은 리쇼어링에 관한 것이며, 바로 여기에서 산업적 공통자산의 개념이 중요해진다. 게리 피사노와 윌리 시가 2009년에 Restoring American Competitiveness (PDF)에서 이것을 명명했다. 그들의 관찰은 제조 역량이 개별 기업의 속성이 아니라는 것이었다. 그것은 생태계의 속성, 즉 공급업체, 공구 제작자, 공정 엔지니어, 암묵적 노하우로 이루어진 공유된 지역 기반의 속성이다.

한 나라가 생산을 해외로 이전하면, 단지 공장만 잃는 것이 아니다. 시간이 지나면서 주변의 공통자산도 잃게 되는데, 지역 수요가 그것들을 생존시킬 일을 더 이상 제공하지 않게 되면 공급업체, 공구 제작자, 숙련된 공정 엔지니어가 쇠퇴하거나 다른 곳으로 옮겨 가기 때문이다. 공통자산이 사라지고 나면, 단일 기업이나 보조금만으로는 그것을 빠르게 재건할 수 없다. 리쇼어링된 공장 하나만으로는 지역 공급업체도 없고, 지역 공구 제작자도 없고, 경험 많은 공정 엔지니어의 지역 풀도 없기 때문에, 애초에 클러스터를 효율적으로 만들었던 마셜식 외부경제가 아무것도 남지 않기 때문이다.

그래서 상품화된 하드웨어 범주를 리쇼어링하는 것은 그렇게 어렵고, 그렇게 비싸다. 리쇼어러가 재현하려는 우위는 원래 공장 안에 있던 것이 아니었다. 그것은 공장 주변의 생태계에 있었고, 그 생태계는 더 이상 본국에 존재하지 않는다. 해자가 중국으로 이동한 것은 중국 기업들이 개별적으로 더 뛰어나서가 아니다. 공통자산이 이동했기 때문이며, 공통자산은 개별적 행동만으로는 재건할 수 없는 집단적 자산이기 때문이다.

하드웨어에 대한 거시적 결론은 소프트웨어에 대한 결론과 정확히 평행한다. 물리적 제품의 사양이 알려지는 순간, 초고밀도 제조 생태계는 그것을 복제하고, 제조에 맞게 최적화하고, 원래 업체의 마진을 소멸시키는 비용 구조로 직접 유통할 수 있다. 물리적 생산의 어려움만으로 방어되던 단독 하드웨어는, 엄청난 범주의 상품에 관해서는 그 어려움이 더 이상 존재하지 않기 때문에 상품화되었다.

6부: 순차적 붕괴와 그 전략적 결과

사람들은 보통 이 두 붕괴를 따로 분석하고, 시간 순으로 보아도 그래야 한다. 하드웨어 붕괴가 먼저 왔다. 생성형 AI 코딩 도구가 중요해지기 훨씬 전에, 중국의 집적은 소비자 전자제품과 많은 중간 복잡도 상품 전반에서 생산 기반 하드웨어의 방어 가능성을 약화시켰다. 소프트웨어 붕괴는 나중에 왔다. 오늘날 창업자에게 실제 사건은 그것들이 함께 시작되었다는 것이 아니다. 이제 시장에 두 조건이 모두 존재한다는 것이다.

이전 시대에는 여전히 탈출 경로가 있었다. 소프트웨어가 경쟁적으로 변하면 자본은 방어 가능한 하드웨어로 달려갈 수 있었다. 하드웨어가 경쟁적으로 변하면 자본은 방어 가능한 소프트웨어로 달려갈 수 있었다. 두 영역은 번갈아 가며 피난처였다. 그 순환은 더 이상 작동하지 않는다. 순수한 원자(atoms)는 이미 생산 해자를 잃었고, 순수한 비트(bits)는 이제 그것을 잃고 있다. 더 이상 순수한 비트의 피난처도, 순수한 원자의 피난처도 없다. 이것이 내가 작년에 쓴 배럴 이론의 더 깊은 의미다. 한 차원이 어렵다는 데 의존하던 그 중간은 양쪽에서 속이 비워졌다.

1차 결과: 일반화된 디플레이션 압력

소프트웨어의 한계비용이 0에 접근하고 물리적 복제의 실질 비용이 클러스터의 초효율적 바닥에 접근하면, 경쟁은 두 영역의 가격을 모두 그 바닥 쪽으로 끌어내린다. 그것은 소비자에게는 디스인플레이션이고, 해자가 없는 생산자에게는 파괴적이며, 거대한 기술 진보가 실제로 생산하는 기업들의 마진 압축과 나란히 놓이는 이유, 즉 많은 사람들이 알아차리는 수수께끼를 설명한다. 진보는 혁신가가 아니라 소비자와 모방자에게 포착되고 있다, 바로 두 영역 모두에서 전유 가능성이 붕괴했기 때문이다.

2차 결과: 수익은 미소 곡선을 따라 이동한다

스탠 시, 에이서의 창업자는 1992년경 미소 곡선을 제안했다. 제조 가치사슬의 생산 단계에 대해 부가가치를 그리면 미소 같은 모양이 나온다. 벤 톰슨은 이것을 출판에 적용했는데, 그 결과 이 곡선이 사실은 제조에 관한 것이 아니라는 점이 드러난다. 원래 그림은 다음과 같다.

시의 단계는 다음과 같다:

• 상류 고부가가치, 즉 설계, 브랜딩, 지식재산
• 가운데의 깊은 골, 즉 물리적 조립과 제조, 가장 쉽게 상품화되는 단계
• 하류 고부가가치, 즉 유통, 서비스, 고객 관계

중국의 부상은 하드웨어에 대한 그 곡선의 중간을 평평하게 만들고 상품화했다. 생성형 AI는 이제 소프트웨어에 해당하는 중간, 즉 코드를 쓰는 행위를 상품화하고 있다. 뒤따르는 지시는 두 경우 모두 동일하다: 상품화된 중간을 버리고 미소의 양 끝으로 이동하라.

하지만 그 양 끝은 바로 AI나 제조 밀도 어느 쪽도 싸게 복제할 수 없는 수요 측 자산과 시스템 수준 자산이다. 상류에서는 그것은 독점적 데이터, 연구, 설계 통찰을 뜻한다. 하류에서는 그것은 브랜드, 신뢰, 유통, 규제상 위치, 그리고 고객 관계 및 운영 결과의 소유를 뜻한다.

3차 결과: 수익은 틈새로 이동한다

이것이 분석을 전략과 연결하는 결과다. 지속 가능한 수익은 어느 한 차원에서 벗어나 차원들 사이의 결합부, 그리고 생산 바깥에 자리한 자산으로 이동했다. 순수한 코드는 공짜이고 순수한 원자는 싸다면, 여전히 수익을 만들어 내는 마찰은 틈새에 있는 것들이다:

• 맞춤형 하드웨어와 맞춤형 소프트웨어의 촘촘한 공동 설계, 그래서 어느 한쪽도 다른 쪽 없이는 모방자에게 쓸모가 없게 되는 것.
• 실제 물리적이거나 규제된 워크플로를 운영하면서 생성되는 독점 데이터, 이는 복사할 수 있는 무엇이 아니라 일을 수행한 부산물이기 때문에 정확히 희소하다.
• 보수적인 산업에서 깊고, 구축하는 데 오래 걸리는 관계와 규제 인증, 여기서는 더 저렴한 복제품이 아무도 평가하기도 전에 자격을 상실한다.
• 주체(principal)의 위치, 즉 기업이 상품화 가능한 도구를 판매하는 대신 운영 자체를 소유하고, 책임을 떠안고, 결과를 보증하며, 전체 이익 풀과 독점적 데이터 배출물을 함께 가져가는 위치.

이것들은 AI와 중국의 집적이 구조적으로 해소할 수 없는 마찰들이다. 왜냐하면 그것들은 생산 마찰이 전혀 아니기 때문이다. 그것들은 신뢰, 물리적 접근, 규제, 축적된 현실 세계 관찰, 그리고 운영 소유의 마찰이다.

7부: 한계, 반론, 그리고 그것들에 대해 솔직해지기

이렇게 포괄적인 논제는 가장 강한 반론들에 대해 압박 테스트를 받아야 한다. 왜냐하면 과장된 전제에 기반한 전략은 그 전제가 지나치게 강했던 바로 그 지점에서 실패하기 때문이다.

반론 1: AI 생성 소프트웨어는 아직 최전선 수준이 아니다

첫 번째 반론은 AI 생성 소프트웨어가 가장 복잡하고, 가장 높은 신뢰성이나, 가장 새로운 시스템에서는 여전히 전문가가 엔지니어링한 소프트웨어와 같지 않으며, 진정한 품질 최전선이 여전히 상품화된 생성과 최전선 엔지니어링 사이를 가른다는 것이다.

이것은 사실이며 중요하다. 상품화 논리는 논리가 잘 다듬어진 방대한 기존 응용 소프트웨어 본체에 가장 강하게 적용된다. 진정한 최전선에서는, 새로운 알고리즘에서, 극단적인 신뢰성이나 보안을 요구하는 시스템에서, 그리고 학습 데이터에 선례가 없는 문제들에서는, 여전히 전문가의 인간 판단이 수익을 차지한다. 따라서 정확한 주장은 AI가 상품화 가능한 소프트웨어의 다수에 대한 해자를 붕괴시킨다는 것이지, 모든 소프트웨어 가치를 폐지한다는 뜻이 아니다.

하지만 이동 방향은 전략적으로 중요합니다. 왜냐하면 방어 가능한 경계는 좁고, 끊임없이 움직이며, 위의 비생산적 해자들 중 하나에 고정되어 있지 않다면 지속 가능한 사업의 기반으로는 좋지 않기 때문입니다.

반론 2: 중국의 우위는 고르지 않고 정치적으로도 논쟁적이다

두 번째 반론은 중국 제조업의 우위가 카테고리별로 고르지 않으며, 이제 관세, 수출 통제, 국가 안보에 따른 리쇼어링, 그리고 핵심 공급망의 의도적인 프렌드 쇼어링을 포함한 심각한 지정학적 역풍에 직면하고 있다는 것입니다.

이것도 사실입니다. 상품화 논리는 소비자 전자제품, 기계 제품, 중간 복잡도 조립품에서 가장 강하고, 기술 스택의 최상단, 가장 분명하게는 극단적인 자본 집약도와 대체 불가능한 소수의 공급업체들이 자신들만의 해자를 만들어내는 첨단 반도체 제조에서는 가장 약합니다. 정책은 또한 관세로 모방자의 도착원가를 높이거나 수출 통제로 그 입력을 차단함으로써, 집적이 제거한 마찰을 인위적으로 다시 되돌릴 수도 있습니다.

하지만 그런 역풍은 실제로 중심 결론을 약화시키기보다 강화합니다. 살아남은 반도체 해자와 정책 주도 리쇼어링 해자 모두, 다시 말해 순수한 하드웨어의 해자가 아니기 때문입니다. 그것들은 극단적인 자본 규모의 해자이자, 대체 불가능한 공급업체 지위의 해자이며, 규제 및 지정학적 관계의 해자입니다. 그것들은 바로 이 보고서가 렌트가 이동했다고 말하는, 비생산적이고 관계 및 지위에 기반한 마찰입니다.

반론 3: 왜 대형 기존 기업들은 여전히 그렇게 수익성이 높은가?

세 번째 반론은 미묘한 것입니다. 소프트웨어와 하드웨어가 모두 상품화되었다면, 왜 가장 큰 기술 기존 기업들은 여전히 엄청나게 수익성이 높은가?

대답은 그 기존 기업들은 실제로 순수한 소프트웨어나 순수한 하드웨어에 의해 방어된 적이 결코 없었다는 것입니다. 그들의 진짜 해자는 네트워크 효과, 유통과 주의의 통제, 독점적 데이터, 문명적 규모의 데이터, 생태계 잠금효과, 그리고 일부 경우에는 규제적 고착입니다. 여기서 설명하는 붕괴는 그 어떤 것도 위협하지 않으며, 몇 가지 측면에서는 오히려 그것을 강화합니다. 순수 생산이 상품화될수록, 기존 기업들이 이미 보유한 비생산 자산의 상대적 가치는 더 올라가기 때문입니다.

이것은 논지와 완전히 일치합니다. 생산의 상품화는 모든 이익을 평평하게 만들지 않습니다. 그것은 생산이 어렵다는 것만이 유일한 강점이었던 기업들로부터 이익을 이동시키고, 생산이 건드릴 수 없는 마찰을 소유한 기업들에게 이익을 이동시킵니다. 기존 기업들이 살아남는 이유는 그들이 애초에 단일 차원 사업이 아니었기 때문입니다. 그것이 예외가 아니라 교훈입니다.

8부: 종합 및 현대적 해자로의 연결

이 보고서의 두 붕괴는, 근본적으로, 하나의 공유된 연대표가 아니라 두 영역에서 같은 메커니즘이 반복되는 것입니다. 두 경우 모두 생산이 어렵고, 느리고, 비쌌기 때문에 어떤 사업 범주가 지속적인 렌트를 얻었습니다. 두 경우 모두 마찰을 녹이는 힘, 디지털 영역에서는 생성형 AI가, 물리적 영역에서는 초고밀도 산업 집적이 생산을 쉽고, 빠르고, 싸게 만들었습니다. 두 경우 모두 생산의 어려움이 방어하던 렌트는 생산이 더 이상 어렵지 않게 되는 순간 증발했습니다.

이 대칭성은 정확하며, 그것을 알아채는 것은 어느 한쪽만 보는 것보다 더 가치가 있습니다. 왜냐하면 그것이 둘 다에 걸친 일반 법칙을 드러내기 때문입니다:

어떤 것 하나를 만드는 어려움만으로 이루어진 해자는 일시적이며, 그것은 누군가가 그 것을 쉽게 만드는 법을 알아낼 때까지 정확히 그만큼만 지속된다.

전략적 귀결은 곧바로 이어집니다. 비트만으로도, 원자만으로도 사업을 보호할 수 없다면, 방어력은 두 붕괴를 모두 견뎌낸 마찰들로 조립되어야 합니다:

• 맞춤형 하드웨어와 맞춤형 소프트웨어의 촘촘하고 폐쇄된 루프 통합, 그래서 시스템이 분해되어 조각별로 복제될 수 없도록 하는 것.
• 실제 워크플로를 운영하는 부산물로 생성되는 독점적이고 지속적으로 갱신되는 데이터, 이는 운영을 통해서만 얻어야 하므로 복제할 수 없습니다.
• 보수적 산업의 깊은 관계, 신뢰, 그리고 규제적 지위, 이는 어떤 코딩 에이전트도, 어떤 계약 공장도 만들어낼 수 없습니다.
• 벤더가 아니라 원칙적 주체로서 운영하기로 결정하는 것, 워크플로와 그 결과를 소유하여 전체 이익 풀과 전체 데이터 배출물이 매각되지 않고 계속 포착되도록 하는 것.

현대의 벤처 규모 회사는, 운영되는 동안 더 좋아지면서 이러한 살아남은 마찰들 중 여러 개를 하나의 결합된 운영 체계로 조립하는 정도에 정확히 비례해서 방어 가능합니다. 예전에 구축하기가 어려워서 해자였던 모든 것은 이제 구축하기 쉬워서 상품이 되었습니다. 방어 가능한 것으로 남는 것은 접근하기 어렵고, 신뢰를 얻기 어렵고, 규제 안으로 들어가기 어렵고, 진짜 일을 하지 않고서는 관찰하기 어려운 것입니다.

미래의 해자는 비트로 만들어지지도, 원자로 만들어지지도 않습니다. 그것은 그 둘 사이의 접합부로 만들어지며, 아무도 당신이 서 있는 곳에 서지 않고는 재현할 수 없는 관계와 획득한 데이터로 만들어집니다.

분석의 결론

소프트웨어를 방어 가능한 이익의 신뢰할 수 있는 엔진으로, 하드웨어를 저마진 상품으로 취급하던 30년 패러다임은 단지 이동한 것이 아닙니다. 그 기초 가정 두 가지는 연속적으로 반증되었습니다. 중국의 산업 집적은 하드웨어를 먼저 반복하고 제조하기 어렵다는 가정을 반증했습니다. 생성형 AI는 이제 소프트웨어를 생산하고 대체하기 어렵다는 가정을 반증하고 있습니다.

두 해자 모두 주로 생산의 어려움 위에 세워졌고, 그 어려움이 바로 두 마찰 제거 힘의 표적이었기 때문에, 두 해자 모두 붕괴했습니다. 예전에는 비트를 만들거나 원자를 단조할 수 있는 사람에게 가던 렌트가 이제는 기업이 생산 붕괴로 닿을 수 없는 마찰에 자신을 고정하지 않는 한 소비자와 모방자에게 흘러갑니다.

이 살아남은 마찰들, 통합, 독점적 운영 데이터, 신뢰받는 관계, 규제적 지위, 그리고 실제 워크플로의 원칙적 소유는 가치가 이동한 곳입니다. 이 시대에 방어 가능한 회사를 세운다는 것은 어떤 단일 차원이 어렵다는 것에 의존하기를 거부하는 것을 의미합니다. 왜냐하면 단지 만들기 어렵다는 이유만으로 존재하는 것은, 그것을 만드는 것이 쉬워지는 순간 더 이상 방어 가능하지 않기 때문입니다.

현대적 해자

위의 모든 것은 진단입니다. 그것은 렌트가 어디로 갔고 왜 갔는지를 밝히지만, 원칙의 수준에서 멈춥니다. 그리고 원칙은 그 위에 세워진 회사가 실제로 어떤 모습인지 말해주지 않습니다. 이 절반은 그 답입니다. 이제 방어력은 무엇으로 만들어지는지, 그리고 그것이 실제 사업으로 조립되었을 때 어떤 모습인지 다룹니다.

바벨

구축 규칙에 앞서, 바벨을 명시적으로 만드는 것이 도움이 됩니다. 분석이 그것의 양 끝을 계속 가리키면서도 열거하지는 않았기 때문입니다. 저는 2025년에 소프트웨어 가치의 바벨에서 이를 정리했고, 그곳에서 내부 소프트웨어 레버리지 이론을 풍부함 논제와 조화시켰습니다. 결론은 소프트웨어 가치가 양극단으로 분화하고 중간이 붕괴하고 있다는 것이었습니다.

한쪽 끝에는 거대한 기초 원시 요소들이 있습니다. 파운데이션 모델, 컴퓨트 인프라, 클라우드 플랫폼, 칩, 핵심 AI 인프라입니다. 이것들은 자본 집약도, 규모의 경제, 연구 집중도에 의해 방어되며, 그 수준은 새로운 벤처가 사실상 도달할 수 없습니다. 이것들은 제가 설명하는 기회가 아닙니다. 그것들은 그 기회가 작동하는 환경입니다.

Google은 천장 사례입니다. 그것은 LLM 모델, TPU, 클라우드 인프라, 검색, 안드로이드, 유튜브, 지도, 크롬, 기본 유통, 그리고 거의 아무도 건드릴 수 없는 규모의 독점적 데이터를 결합합니다. 그렇다고 그것이 스타트업 패턴이 되는 것은 아닙니다. 그것은 바벨의 상단 극점이 완전히 실현된 것입니다. 거기서 시작할 수는 없습니다. 구글이 증명하는 것은 메커니즘입니다. 생산이 싸질수록, 지속 가능한 가치는 컴퓨트, 유통, 인프라, 데이터, 그리고 새로운 진입자가 쉽게 임대해 들어갈 수 없는 생태계 지위로 이동한다는 것입니다. 제한도 보십시오. 구글은 경매를 운영합니다. 하지만 일반적으로 광고주의 결과를 소유하지는 않습니다. 그래서 나중에 Search가 아니라 Waymo가 더 깔끔한 원칙적 주체 위치의 예가 됩니다.

다른 한쪽 끝에는 매우 구체적인 민간 레버리지가 있습니다. 깊은 워크플로 소유, 물리 세계 자동화, 규제 프로세스, 전문가 노동 대체, 독점적 운영 데이터, 그리고 결과 소유권입니다. 이 끝은 도달 가능합니다. 그리고 그것은 분석이 생존자라고 식별한 바로 그 비생산적 마찰들에 의해 방어됩니다.

위험한 중간은 범용 소프트웨어입니다. 이것은 웹 앱, 대시보드, CRUD 도구, 워크플로 관리자, 그리고 모델 API 위의 얇은 래퍼입니다. 위에서는 원시 요소들에 의해 압박받고, 그 원시 요소들은 일반적 기능을 계속 자기 안으로 흡수합니다. 아래에서는 무엇이든 범용적인 것을 만드는 비용 붕괴에 의해 압박받습니다. 중간의 제품은 만들기 쉽고, 복제하기 쉽고, 기존 기업이 기능으로 흡수하기 쉽고, 대개는 가격을 방어할 만큼 고객 가치 사슬을 충분히 소유하지 못합니다.

4요소 해자

오늘날 방어력은 하나의 높은 벽에서 나오지 않습니다. 여러 이점의 맞물림에서 나옵니다. 네 가지 서로 다른 기둥이 하드웨어와 소프트웨어 생산의 이중 붕괴를 견뎌냅니다. 지속 가능한 현대 기업은 적어도 그중 세 가지에 대한 신뢰할 수 있는 경로가 필요합니다. 하나가 아닙니다. 셋입니다. 단일 차원은 이제 누구도 보호하지 못하며, 앞으로도 그럴 것입니다.

훌륭한 하드웨어

훌륭한 하드웨어는 기이한 장치를 발명하는 것을 의미하지 않는다. 그것은 확실히 영리한 기기를 마진을 붙여 파는 것을 의미하지도 않는다. 눈에 보이고, 복제 가능하며, 별도로 판매되는 장치는 제조 클러스터가 가장 빨리 무너뜨리는 바로 그런 것이다. 하드웨어가 제자리를 얻는 것은 그것이 제품이 아니라 도구일 때다. 그것은 회사에 어떤 경쟁자도 밖에서 관찰할 수 없는 공정에 대한 특권적 물리적 접근을 제공한다. 그것은 물리적 세계를 감지하고, 독점 데이터를 포착하고, 물리적 행동을 실행하고, 작업 흐름을 표준화하여 그 위의 소프트웨어를 훨씬 더 복제하기 어렵게 만든다. 시험은 간단하다. 하드웨어를 떼어내어 그 자체로 팔 수 있는가? 가능하다면 그것은 기기이고, 상품화될 것이다. 그것이 주변의 소프트웨어, 데이터, 운영 없이는 무의미하다면, 그것은 해자 작업을 하고 있는 것이다.

훌륭한 맞춤형 소프트웨어

훌륭한 맞춤형 소프트웨어는 일반적인 SaaS가 아니고, 더 나은 인터페이스도 아니다. 그것은 특정한 물리적 또는 규제적 공정 안에서 작동하고, 실제 경제적 무게를 지닌 결정을 자동화하며, 노동이나 기계를 조정하고, 일어나는 수정과 예외 사례를 포착한다. 무엇이 그것을 방어 가능하게 만드는지 주목하라. 코드 자체가 아니라, 분석이 보여주었듯 이제는 저렴해진 코드가 아니라, 경쟁자가 인터페이스를 복제한다고 해서 얻을 수 없는 운영 접근성, 독점 데이터, 그리고 깊은 작업 흐름 지식에 대한 의존성이다. 이 소프트웨어는 쓰기 어려워서가 아니라, 그것이 연결된 것들이 접근하기 어렵기 때문에 복제하기 어렵다.

훌륭한 관계

훌륭한 관계는 하드 산업에서 가장 오래가는 해자들 중 하나다. 그것들은 하드웨어와 소프트웨어의 상품화 모두에 완전히 면역이다. 여기에는 규제 인증, 고객 신뢰, 보수적인 구매자에 대한 유통 접근성, 장기적인 운영 파트너십이 포함된다. 당신은 국방, 의료, 건설, 인프라 같은 부문 전반에서 이것을 본다. 그 시장의 구매자들은 소프트웨어가 약간 더 낫다는 이유만으로는 절대 공급업체를 고르지 않으며, 많은 경우 10배 더 낫더라도 그렇지 않다. 그들은 신뢰와 실적, 신뢰성, 책임, 규정 준수, 그리고 증거를 바탕으로 구매한다. 더 싼 복제품은 대개 아무도 평가하기도 전에 탈락한다. 관계에는 시간, 평판, 실제 실행의 기록이 필요하다. AI 에이전트도, 선전의 조립 라인도 하룻밤 사이에 신뢰를 만들어내지 못한다.

고유한 데이터

고유한 데이터는 네 가지 중 가장 중요하면서도 사람들이 가장 자주 잘못 이해하는 것이다. 모든 데이터가 가치 있는 것은 아니며, 일반적으로 긁어 모은 데이터는 이제 해자로서 거의 쓸모가 없다. 중요한 데이터는 비공개적이고, 암묵적이며, 전문가 수준이고, 물리 및 작업 흐름 특화적이며, 실제 운영에서 생성되고, 어떤 공개 코퍼스에도 나타나지 않는 예외 사례, 수정, 실패로 가득한 데이터다. 이런 종류의 데이터는 살 수 없고, 스크래핑할 수도 없다. 그것은 오직 네 단계의 폐쇄 루프를 통해 라이브 운영을 돌리는 과정에서 부산물로 생성된다:

1. 관찰
2. 결정
3. 행동
4. 결과

이 루프는 네 요소가 서로를 강화하기 시작하는 지점이기도 하다. 하드웨어는 관찰하고 행동하며, 소프트웨어는 결정하고 조정하고, 관계는 작업 흐름에 대한 접근을 제공하며, 고유한 데이터는 결과에서 복리로 쌓인다.

대부분의 회사는 이 데이터 흐름의 첫 단계만 포착한다. 해자에는 네 가지 모두가 필요하다. 즉, 무슨 일이 일어났는지만이 아니라, 어떤 결정이 그에 응답하여 내려졌는지, 실제로 어떤 행동이 취해졌는지, 그리고 그 결과가 효과가 있었는지를 알아야 한다. 그 네 번째 단계, 즉 검증된 결과가 데이터를 학습 가능하게 만들고, 우위를 복리로 증식시키는 것이다. 완료된 모든 작업은 다음 작업을 수행하는 시스템을 개선하며, 이 전체 문서에서 침식되지 않고 오히려 성장하는 유일한 형태의 우위다.

루프가 복리로 쌓일 때와 멈출 때

폐쇄 루프는 추상적으로는 불가피해 보인다. 그러나 실제로는 그것을 만들려는 시도의 대부분이 실패한다. 루프는 법칙이 아니라 주장이고, 성공 사례보다 이해해야 할 구체적인 실패 모드가 더 유용하다.

• 데이터는 포화된다: 축적된 데이터의 가치는 체감효용 곡선을 따른다. 딥러닝에서 Sun et al.은 비전 과제에서의 성능이 훈련 데이터 양에 따라 로그적으로 증가한다는 것을 발견했다. 이는 데이터셋을 두 배로 늘릴 때마다 또 한 번의 증분을 얻을 뿐, 또 다른 기적을 얻는 것은 아니라는 뜻이다. 처음 천 번의 실행이 가장 많은 것을 가르쳐 준다. 그다음 만 번은 더 적게 가르쳐 준다. 그다음 십만 번은 거의 새로운 것을 가르쳐 주지 않는다. 더 늦게 시작한 경쟁자는 종종 역사적 데이터의 일부만으로도 당신 성능의 90퍼센트에 도달할 수 있으며, 원시 수치가 시사하는 것보다 더 빨리 격차를 좁힌다.

• 그 데이터는 당신이 사용할 수 있는 것이 아닐 수 있다: 당신은 작업 흐름을 통해 독점 데이터를 생성하지만, 계약서에 고객이 그 데이터를 소유한다고 적혀 있고 그것을 배포 전반에 걸쳐 풀링할 수 없다면, 당신은 하나의 플라이휠이 아니라 50개의 개별 데이터 사일로를 가진 것이다. 플랫폼 계층에서 OpenAI, Anthropic, Microsoft Azure OpenAI, AWS Bedrock, Google Vertex AI는 모두 기업 고객에게 기본적으로 입력과 출력이 기반 모델 훈련에 사용되지 않는다고 말한다. 그것은 고객에게는 좋은 일이지만 공급업체에게는 경고다. 계약이 허용할 때만 고객 간 학습이 복리로 쌓인다. GDPR 목적 제한, 삭제권, HIPAA 비식별화 규칙, 그리고 교차 맥락 행태광고를 위한 공유에 관한 CCPA/CPRA 규칙 때문에 2차적 데이터 사용은 더 어렵다. 이것이 경쟁보다 더 많은 실제 AI 해자를 죽인다.

• 작업 흐름은 모델이 개선되는 속도보다 더 빨리 변한다: 빠르게 표류하는 운영 영역에서는 데이터에는 측정 가능한 반감기가 있다. Valavi et al.이 하버드 비즈니스 스쿨 연구에서 보여주었듯, 많은 양의 역사적 데이터는 진입 장벽으로서는 약하다. 더 적지만 신선하고 최근의 데이터 흐름을 갖춘 진입자는 종종 수년치의 레거시 데이터에 앉아 있는 기존 기업보다 더 정확한 모델을 만들 수 있으며, 특히 오래된 데이터가 정확도를 적극적으로 떨어뜨릴 때 그렇다. 한 임상 정보학 연구는 이를 직접 보여주었는데, 입원 주문 예측 데이터의 반감기가 약 4개월이었고, 한 달치 최신 데이터가 12개월치 오래된 데이터를 능가했다. 제조업에서는 센서 드리프트, 공구 마모, 공정 재설계, 스키마 변경 때문에 역사적 공장 데이터로 훈련된 모델은 더 이상 존재하지 않는 공장에 대해 추론하고 있는 셈이다. 이것이 보편적인 것은 아니다. 물리 법칙이 지배하는 공정, 보험계리표, 지질 데이터, 그리고 기타 느리게 변하는 영역은 오래된 데이터를 오랫동안 유효하게 유지할 수 있다. 작업 흐름이 모델이 개선되는 속도보다 더 빨리 변하면, 당신의 역사적 데이터는 우위가 아니라 오래된 부담이 된다.

• 비용이 장벽이고, 장벽이 곧 비용이다: 실제 세계의 작업 흐름을 소유하는 것은 자본 집약적이고, 노동 집약적이며, 순수 소프트웨어보다 이윤율이 낮다. 테슬라는 수직 통합에도 불구하고 2025년에 총 GAAP 매출총이익률이 약 18퍼센트라고 보고했다. Intuitive Surgical은 2025년에 다빈치 설치 기반이 11,106대이고 비GAAP 매출총이익률이 67.6퍼센트라고 보고했다, 이는 수십 년에 걸친 자본, 외과의 훈련, 시술량 이후의 결과였다. 경쟁자를 밖에 머물게 하는 비용은 또한 대부분의 진입자가 방어할 가치가 있는 무언가를 만드는 것을 막는다. 많은 시도는 루프가 복리로 쌓이기 훨씬 전에 단위경제성에서 실패한다.

실제로 복리로 쌓이는 루프와 가짜 해자를 구분하는 것은 다음과 같다:

• 데이터가 결과와 연결되어 있어, 단순히 신호만 모으는 것이 아니라 결과가 맞았는지 틀렸는지 알 수 있다.
• 데이터는 배포 전반에 걸쳐 사용할 수 있도록 계약상 당신의 것이다.
• 작업 흐름이 충분히 안정적이어서 역사적 데이터가 여전히 관련성을 유지한다.
• 각 실행이 더 많은 같은 것이 아니라 새로운 예외 사례를 생성한다.
• 학습이 작업 흐름이 변형되기 전에 복리로 쌓일 만큼 빈도가 높다.

다음 중 하나라도 사실이면 이 논지는 틀리다:

• 경쟁자가 스크래핑, 합성 생성, 전이 학습, 또는 일회성 구매를 통해 동등한 데이터를 확보할 수 있다.
• 고객이 계약상 데이터의 소유자이며, 당신은 그것을 배포 전반에 걸쳐 풀링할 수 없다.
• 작업 흐름이 모델이 개선되는 속도보다 더 빨리 변해 축적된 데이터가 더 이상 존재하지 않는 시스템을 묘사한다.
• 데이터 가치가 처음 N번의 실행 안에 포화되어, 우위가 복리로 쌓이는 것이 아니라 고정되어 있다.
• 작업 흐름을 소유하는 비용이 그것이 생성하는 데이터의 가치를 초과한다.

그 조건들이 성립하면, 그 루프는 해자가 아니다. 그것은 일시적인 선두를 가진 값비싼 공학 프로젝트일 뿐이다. a16z가 2019년에 주장했듯, 대부분의 데이터 우위는 네트워크 효과 같은 마법이 아니라 체감효용이 있는 규모 효과다. 그것은 현재 AI 물결 이전에도 사실이었다. 지금도 여전히 사실이다.

현대적 해자를 기반으로 구축된 비즈니스 모델

네 가지 요소는 해자가 무엇으로 이루어져 있는지를 설명한다. 다음 질문은 실제로 어떤 종류의 비즈니스 모델이 그것을 포착할 수 있는가이다. 실무적으로는, 답은 도구를 파는 쪽이 아니라 워크플로 자체를 소유하는 쪽을 가리킨다.

원가 판매자(Vendor)가 아니라 주체(Principal)

이 전체 프레임워크에서 가장 높은 레버리지의 단일 결정은 원가 판매자 위치를 거부하는 것이다.

원가 판매자 전략은 이미 워크플로를 소유한 조직에 도구를 파는 것을 의미한다. 겉보기에는 자본이 적게 들고 이론상 확장 가능해 보여 매력적이지만, 레버리지의 모든 원천을 고객에게 넘겨준다. 운영자는 고객 관계, 물리적 프로세스, 운영 데이터, 예산, 책임, 그리고 최종 결과를 유지한다. 원가 판매자는 그 모든 것 위에 얹힌 소프트웨어 계층만을 갖는다. 스타트업은 자신이 창출한 가치의 작은 일부만 가져가고, 고객은 제품이 서비스 쪽으로 표류할 때까지 맞춤형 통합을 요구하며, 운영자는 도구가 작동하는 것을 지켜본 뒤 이제는 생산 비용이 훨씬 더 저렴해진 내부 구축물로 그것을 대체할 수 있고, 운영자가 최고의 데이터를 소유하기 때문에 원가 판매자의 모델은 결코 복리로 커지지 않는다. 마진은 상한에 묶여 있다. 이는 특히 물리 산업에서 위험한데, 소프트웨어 벤더는 신뢰할 수 있게 고급 컨설턴트처럼 전락하기 때문이다.

더 강한 위치는 주체가 되는 것, 즉 운영, 책임, 인증, 워크플로 또는 책임 그 자체를 소유하는 것이다. 소프트웨어를 일을 수행하는 누구에게나 파는 대신, 회사가 그 일을 수행하거나 그 결과를 보증한다. 그러면 위의 모든 불리함이 뒤집힌다. 회사는 라이선스 수익의 일부가 아니라 전체 마진을 가져가고, 고객 결과를 소유하므로 관계도 소유하며, 자체 운영이 데이터를 생성하므로 데이터도 소유한다. 회사 자체가 운영자이기 때문에 운영자에 의해 중간에서 배제될 수 없고, 2차적 이해가 아니라 실제 운영 전문성을 쌓는다.

이 원리는 하나의 지침으로 압축된다:

도구를 팔지 말라. 완성된 결과를 팔아라.

실무에서는 이것이 어떤 원가 판매자 아이디어라도 그 주체 버전으로 일관되게 재구성하는 형태로 나타난다:

원가 판매자 프레이밍	주체 프레이밍
검사 소프트웨어 판매	검사 기관이 되기
실험실 워크플로 소프트웨어 판매	검사 워크플로를 소유하기
규정 준수 대시보드 판매	인증된 규정 준수 제공하기
견적 도구 판매	견적을 제공하기
예지 정비 분석 판매	다운타임을 막거나, 정비 결과를 소유하기

이 결정은 프레임워크의 어떤 다른 요소보다도 더 중요하다. 왜냐하면 누가 데이터를 소유하는지를 결정하고, 데이터 소유권이 우위가 복리로 커지는지 아니면 소멸하는지를 결정하기 때문이다.

서비스로서의 서비스

주체 위치는 전통적인 소프트웨어와는 다른 전달 모델을 시사하며, 그것을 이름 붙일 가치가 있다. 왜냐하면 처음에는 SaaS 마진에 익숙한 사람에게는 더 나쁜 사업처럼 보이기 때문이다.

이 모델에는 몇 가지 이름이 통용된다. YC, a16z, 그리고 다른 이들은 이것을 서비스로서의 소프트웨어(service-as-software)라고 불러왔고, AI 기반 롤업 테제는 가까운 사촌이다. 나는 고객이 실제로 받는 것에 대한 강조를 유지한다는 점에서 서비스로서의 서비스를 선호한다.

고객은 일을 끝내기 위해 소프트웨어를 직접 사용할 필요가 없어야 한다. 회사가 소프트웨어, AI, 인간 노동, 하드웨어, 그리고 운영을 함께 사용해 완성된 일을 제공해야 한다. 소프트웨어는 내부 레버리지이지, 제품이 아니다.

순서는 의도적이다. 먼저 수작업으로, 또는 인간이 루프 안에 있는 상태로 일을 시작하라. 소프트웨어를 사용해 그 인간의 일을 더 빠르고, 더 일관되고, 더 측정 가능하게 만들어라. 모든 입력, 결정, 수정, 예외 사례, 결과를 포착하라. 그런 다음 축적된 데이터를 사용해 워크플로의 더 많은 부분을 자동화하고, 전통적인 소프트웨어가 결코 맞출 수 없는 마진과 방어력을 가진 자동화된 서비스 제공자로 수렴해 가라.

이것은 한 가지 결정적인 방식에서 컨설팅과 다르다. 컨설팅은 각 고객에게 맞춤 노동을 영원히 판매하며, 모든 계약은 재사용 가능한 것을 아무것도 남기지 않는다. 서비스로서의 서비스는 초기의 인간 노동을 의도적으로 _자동화 시스템을 구축하기 위한 도구_로 사용하고, 모든 계약은 다음 계약을 더 싸게 만드는 데이터를 남긴다.

하지만 이런 유형의 모델에는 반드시 조심해야 할 함정이 있다. 새 고객마다 맞춤형 통합, 맞춤형 데이터 정제, 맞춤형 워크플로 매핑, 맞춤형 모델 튜닝이 필요하다면, 그 회사는 아직 인정하지 않았을 뿐인 컨설팅 회사다. 인간이 루프 안에 있는 단계는 괜찮고, 종종 필요하기도 하지만, 그 조건은 그것이 독점적 데이터를 생산하고 확장 가능한 자동화를 향해 수렴해야 한다는 것이다. 50건의 작업 후에도 인간이 같은 단위당 비용으로 같은 일을 계속하고 있다면, 그 모델은 실패한 것이다.

데이터의 스타게이트

AI는 연산 병목에서 데이터 병목으로 이동하고 있다. 다가올 시기의 가장 가치 있는 AI 회사들은 가장 범용적인 데이터를 가진 회사가 아닐 것이다. 범용 데이터는 풍부하므로 정확히 첫 번째 절반의 논리대로 임대료를 만들지 못한다. 그들은 일을 수행하는 것 외에는 어떤 방식으로도 얻을 수 없는 희귀하고, 비공개이며, 고품질의 운영 데이터를 소유한 회사들일 것이다.

_데이터의 스타게이트_라는 표현은 OpenAI의 스타게이트, 즉 발표된 수천억 달러 규모의 컴퓨트 구축에서 빌려온 것이며, 이 차용 자체가 요점이다. 지난 사이클의 희소 자원이 그 규모의 계획된 인프라를 정당화했다면, 다음 사이클도 같은 대우를 받을 만하다. 목표는 데이터셋을 축적하는 것이 아니다. 서비스를 제공하는 부산물로서 독점 데이터를 지속적으로 만들어내는 기계를 구축하는 것이다.

이 경우 중요한 구분은 목표가 그 자체를 위한 데이터 수집이 아니라는 점이다. 그럴 경우 값비싼, 쓸 수 없는 물질의 호수만 생긴다. 목표는 바로 그 루프를 자동화하는 데 필요한 정확한 데이터를 만들어내는 운영 루프를 소유하는 것이다.

원자 컴퓨터

네 가지 요소는 구조를 설명한다. 원자 컴퓨터는 그 구조가 _무엇을 위한 것인지_를 설명하며, 전체 작업을 할 가치가 있게 만드는 장기적 비전이다.

이 아이디어는 내가 처음 만든 것이 아니며, 이 점은 분명히 해두고 싶다. 이 구상은 트래비스 칼라닉의 것이다. 그가 2017년에 우버에서 밀려난 뒤, 그는 City Storage Systems를 8년 동안 비밀리에 구축했고, 2026년 3월 그것을 Atoms로 개명한 뒤 전체 구상을 펼치는 비전 편지를 발표했다. 그의 공식은 물리 세계의 문제를 소프트웨어 문제를 다루듯 접근하며, 핵심 컴퓨팅 자원에는 CPU는 제조, 저장소는 부동산, 네트워크는 운송이라는 물리적 대응물이 있다는 것이다. a16z 출범 행사에서 칼라닉은 회사를 산업 AI를 중심으로 정의했고, 소프트웨어, 센서, 로보틱스, AI를 사용해 식품, 광업, 운송에서 시작하여 산업 부문 전반의 운영을 자동화하겠다고 말했다. 그의 편지를 읽어보라. 내 요약보다 낫고, 그의 몇몇 결론은 이 문서가 다른 방향에서 도달하는 동일한 지점에 이른다.

AI가 더 유능해질수록, 그것의 제약 조건은 이동하고 있다. 한계는 더 이상 단지 추론의 품질만이 아니다. 물리적 현실과의 상호작용이다. 모델은 고품질의 텍스트, 코드, 이미지, 계획을 만들어낼 수 있지만, 지저분하고 구조화되지 않았으며 결과가 중대한 실제 세계 환경에서 무언가를 안정적으로 수행하지는 못할 수 있다. 전통적인 컴퓨터는 지능이 비트를 조작할 수 있는 기반을 제공했다. 이제의 기회는 원자에 해당하는 기반을 구축하는 것이다. 즉, 물리 세계를 감지하고, 지저분한 현실 조건을 해석하고, 결정하고, 행동하고, 결과를 검증하고, 피드백으로부터 학습하는 시스템을 만드는 것이며, 그 모든 것이 실제 물리적, 규제적, 경제적 제약 아래에서 이루어진다. 마지막 절이 가장 어렵고, 바로 그것이 이것이 연구 프로젝트가 아니라 비즈니스 기회인 이유다. 규제와 경제 제약 아래에서 운영하는 것은 정확히 복제할 수 없는 것이며, 정확히 4번째 요소가 필요로 하는 폐쇄 루프 데이터를 만들어내는 것이다.

한 가지 점에서 칼라닉과 나는 완전히 동의하며, 그는 나보다 더 잘 말한다. 그의 용어는 **유익하게 고용된 로봇(gainfully employed robots)**인데, 이는 우리를 흉내 내도록 만들어진 휴머노이드와는 반대로, 특정한 생산적 업무를 가진 특수 목적 기계를 뜻한다. 그의 예시는, 시간당 팬케이크 천 장을 만들어야 한다면, 휴머노이드가 어색하게 뒤집는 방식은 최악의 설계이고, 목적 특화 기계가 명백한 해법이라는 것이다. 따라서 올바른 접근은 범용 로봇을 만드는 것이 아니다. 감지-결정-행동 루프를 하나의 실제 워크플로 안에, 명확하고 즉각적인 경제적 가치가 있는 좁은 쐐기 지점에 배치할 수 있는 곳을 찾고, 그것을 확장하기 전에 그 루프가 처음부터 끝까지 작동하도록 만드는 것이다.

단기적 회사는 야심이 없어 보일 정도로 좁아야 한다. 장기적 상한이 바로 그 좁음을 받아들일 이유다.

한 가지 예시를 통한 설명

이 프레임워크는 추상적이므로, 하나의 아이디어를 통해 따라가 보면 도움이 된다. 이것은 기준을 실제로 적용한 예시일 뿐이며, 프레임워크가 강제하는 유일한 결론은 아니다.

건설 특수 검사와 재료 시험을 생각해 보자. 벤더 버전은 이미 워크플로를 보유한 기관과 실험실에 소프트웨어를 판매한다. 프린시펄 버전은 기관과 실험실이 된다. 그것은 인증을 보유하고, 검사를 수행하며, 규제 책임을 진다. 내부적으로는 소프트웨어, 하드웨어, 그리고 AI를 사용해 인증된 결과를 기존 업체들보다 더 빠르고, 더 싸고, 더 신뢰성 있게 제공한다.

그 형태는 네 가지 요소 모두에 도달한다. 그것은 물리적이다. 왜냐하면 현장, 시료, 계측기, 그리고 현실 세계의 측정을 다루기 때문이다. 그것은 관계 및 규제의 해자를 가진다. 왜냐하면 구매자들은 더 예쁜 대시보드가 아니라 관할 권한을 가진 당국이 승인한 결과를 필요로 하기 때문이다. 그것은 결과를 소유한다. 왜냐하면 도구 대신 인증된 결과를 판매하기 때문이다. 그리고 작업의 부산물로 독점적인 운영 데이터를 생성한다. 여기에는 시험 결과, 고장 양상, 재료 특성, 전문가 교정, 그리고 물리적 조건과 최종 결과 사이의 연계가 포함된다.

또한 그것은 좁게 시작한다. 이는 폴 그레이엄과 YC가 수년간 주장해 온 고전적인 스타트업 논리를 따른다. 날카로운 쐐기로 시작하되, 그 쐐기가 크고 고통스러운 문제에 속하도록 해야 한다. 첫날부터 건설 검사를 산업 전체로 자동화할 필요는 없다. 진입점은 하나의 검사 유형, 하나의 재료 시험, 하나의 지역, 또는 하나의 규정 준수 워크플로가 될 수 있다. 거기서부터 소프트웨어가 작업을 표준화하고, 인간이 첫 데이터를 만들어 내며, 자동화는 실제로 루프가 복리 효과를 낼 수 있는 곳에서만 확장된다.

위험도 프레임워크가 예측하는 바로 그 위험들이다. 인증 일정은 수익을 가로막고, 자동화가 성숙하기 전까지 운영은 무겁고, 각 프로젝트가 맞춤형으로 끝난다면 서비스 함정은 실제로 존재한다. 그것이 바로 이 프레임워크의 요지다. 이 프레임워크는 사업을 쉽게 만들어 주지 않는다. 대신 어려운 부분이 어디에 있어야 하는지 알려 준다.

이미 이렇게 보이는 회사들

이 프레임워크는 내가 존재했으면 좋겠다고 생각하는 것만이 아니라 이미 존재하는 것들을 설명할 때 더 믿을 만해진다.

**Anduril**은 네 가지 중 네 가지를 모두 갖춘다. 드론, 센서 타워, 요격체, 수중 차량 전반에 걸친 맞춤형 하드웨어. 그 모든 하드웨어가 구동되는 Lattice의 맞춤형 소프트웨어. 고객이 미국 정부와 그 동맹국들이기 때문에, 어떤 코딩 에이전트도 만들어 낼 수 없는 관계와 규제상 입지. 배치된 시스템에서 나오는 운영 데이터가 소프트웨어로 되돌아간다. 제품 목록보다 더 중요한 두 가지 세부 사항이 있다. 회사는 자체 R&D에 자금을 대고, 기존 예산 항목에 판매하기 전에 제품을 만든다. 이는 전통적인 프라임 업체들이 운영하는 원가 가산(cost-plus) 모델을 뒤집는 것이다. Anduril은 비상장사라 감사된 마진을 공개하지 않지만, 2차 추정치는 총이익률이 약 40~45퍼센트라고 제시한다. 이는 방산 하드웨어로서는 이례적으로 높은 수치다. NYU Stern의 부문 데이터에서 항공우주 및 방산 기업들의 평균 총이익률은 약 17.5퍼센트다. 정확한 숫자보다 구조가 더 중요하다. 수직 통합되고, 고정 가격이며, 소프트웨어 정의형인 모델이 전통적인 원가 가산 플랫폼 통합보다 더 나은 경제성을 내는 것으로 보인다.

**Intuitive Surgical**은 같은 구조의 더 오래되고, 더 조용한 버전이다. da Vinci 시스템은 소프트웨어 없이는 쓸모없는 하드웨어, 경쟁자가 지름길을 쓸 수 없는 FDA 허가, 20년에 걸친 병원 관계, 그리고 수백만 건의 수술에서 나온 절차 데이터를 결합한다. 그것은 네 가지 중 네 가지를 모두 충족하고, 지속적으로 복리 효과를 내며, 그들이 이를 2000년 최초 허가라고 부르기 훨씬 전부터 이 플레이북을 실행해 왔다. 아무도 그것을 물리적 AI라고 부르기 훨씬 전부터 말이다.

**Kraken Robotics**은 내가 가장 교훈적이라고 생각하는 사례다. 부분적으로는 해양 기술 밖에서는 아는 사람이 거의 없기 때문이다. 이 회사는 합성 개구 소나, KATFISH 예인 플랫폼, 해저 배터리, 그리고 수중 LiDAR를 만든다. 이 하드웨어는 그 주변에 감싸진 독점 이미징 소프트웨어 없이는 아무 쓸모가 없다. 고객에는 NATO 동맹 해군이 포함된다. 이는 최고 수준의 신뢰와 규제다. 해군은 더 싼 복제품 때문에 소나 공급업체를 바꾸지 않기 때문이다. 결정적으로, Kraken은 단순히 장비만 판매하지 않는다. 서비스로서 조사를 수행한다. 즉, 모든 작업이 다른 누구도 보유하지 못한 해저 정보를 생성한다. 마지막 결정이야말로 이 프레임워크 전체를 축소해 놓은 것이다. 한 하드웨어 회사가 데이터가 상자보다 더 가치 있다는 사실을 알아차렸고, 그것을 유지하기 위해 프린시펄 위치로 이동했다.

**SpaceX & Waymo**는 순수한 프린시펄 플레이다. SpaceX는 로켓을 판매하지 않는다. 전달된 탑재체를 판매한다. Waymo는 자율주행 소프트웨어를 자동차 회사에 라이선스하지 않는다. 완성된 승차를 판매한다. 두 경우 모두 회사는 벤더 위치를 거부했고, 운영상의 책임을 떠안았으며, 데이터를 유지했다. Waymo 역시 하나의 관할권씩 도착하는 규제 해자를 보유한다. 그 확장은 느리지만, 바로 그렇기 때문에 방어 가능하다.

**Carbon Robotics**은 유용한 부분 사례다. 그들의 LaserWeeder는 컴퓨터 비전과 고출력 레이저를 사용해 잡초를 제거한다. 2026년 2월, 이 회사는 자사의 Large Plant Model이 15개국 약 100개 농장에서 수집된 1억 5천만 개 이상의 라벨이 붙은 식물을 기반으로 학습되었다고 밝혔다. 이는 설명된 대로 작동하는 데이터 엔진이며, 별도의 이니셔티브가 아니라 운영 부산물로 생성된다. 하지만 이 구조의 취약성도 지적하고 싶다. Carbon은 농부들에게 장비를 판매하며, 프린시펄이 아니라 벤더로 남아 있다. 그럼에도 성공하는 이유는 데이터가 여전히 중앙 모델로 흘러 돌아오기 때문이다. 만약 재배자들이 그 장비 데이터의 소유자가 된다면, 해자는 사라질 것이다.

**Nokia**는 역사적 경고이자 떠오르는 시험 사례이기도 하다. 2007년, 회사는 휴대전화에서 최고의 하드웨어, 제조 규모, 공급망으로 전 세계 스마트폰 시장의 거의 50퍼센트를 장악했다. 살아 있는 누구보다도 한 가지 차원에서는 더 잘 실행했지만, 소프트웨어 플랫폼이 없었기 때문에 무너졌다. 오늘날의 Nokia는 여기서 설명하는 바로 그 다중 요소 플레이북을 시도하고 있다. Michael Sikand가 이 비디오 해설에서 설명하듯이, 이 회사는 10년 넘게 소비자 기기에서 벗어나 수직 통합 광학 실리콘, 뿌리내린 통신사 및 방산 관계, AI 지원 엣지 컴퓨트를 묶는 방향으로 전환해 왔다. 옛 Nokia는 고립된 하드웨어가 일시적인 우위일 뿐임을 증명했다. 반면 새 Nokia는 하드웨어가 제도적 신뢰와 소프트웨어 인프라와 결합될 때 지속적인 해자가 만들어진다는 것을 증명하려 하고 있다.

이 회사들은 겉보기에 전혀 닮지 않았지만, 모두 같은 교훈을 가리킨다. 가장 지속적인 사업들은 인증, 배치된 센서 플릿, 외과의 신뢰, 해군의 신뢰, 규제 승인, 또는 10년에 걸친 운영 데이터 같은 느린 무언가를 얻었다. 그 누구도 단지 더 나은 코드를 작성해서 그 자리에 도달하지 않았고, 그런 식으로는 아무도 따라잡을 수 없다.

좁게 시작하는 것이 진입 요건이다

이들 모두 또한 작게 시작했다. 성공하는 회사들은 전체 루프를 소유하려고 시작하지 않으며, 그렇게 시도하는 것이 가장 흔한 실수다. 루프는 경쟁자가 다른 어떤 방식으로도 획득할 수 없는 결과 연계 데이터를 생성할 만큼 한 워크플로에 깊이 들어가 있을 때만 복리 효과를 낸다. 여러 워크플로에 대한 얕은 노출은 빠르게 포화되는 얕은 데이터를 만든다.

위의 연산자들 전반과 그 너머까지 이 패턴은 이어진다. 안두릴은 생산을 확장하고 인접 역량으로 넓히기 전에 먼저 방호와 드론 대응 시스템으로 시작했다. 인튜이티브 서지컬은 특정 복강경 시술로 시작해 수십 년에 걸쳐 외과의사 교육과 시술 물량을 축적한 뒤 여러 전문 분야로 확장했다. 스페이스X는 하나의 재사용 발사체로 시작한 뒤 스타링크로 확장했다. 테슬라는 좁은 프리미엄 EV 진입점(로드스터 스포츠카)으로 시작해, 물량 모델, 에너지, 자율주행으로 옮겨가기 전에 차량군을 데이터와 제조 학습에 활용했다. 팔란티어는 특정 기관들을 위한 특정 정보 워크플로로 시작한 뒤 상용 영역으로 확장했다. 모든 경우에 좁은 진입은 타협이 아니었다. 그것이 바로 루프를 복리로 증폭시키게 만든 메커니즘이었다.

진입점은 의도적으로 좁다. 하나의 워크플로, 하나의 고객 유형, 복제하기 어려운 하나의 데이터 스트림. 그 워크플로를 중심으로 루프를 구축해 데이터가 복리로 쌓이고 관계가 깊어질 때까지 이어 간 다음, 같은 데이터, 같은 관계, 같은 운영 규율이 새로운 진입자가 따라올 수 없는 우위를 주는 인접 워크플로로 확장한다. 처음부터 넓게 시작하면 복리로 불지 않는 데이터 더미만 남게 된다. 오늘 시작하는 경쟁자는 고정된 리드를 추격하는 것이 아니다. 그들은 일이 끝날 때마다 늘어나는 리드를 추격하고 있다. 하지만 그 일은 충분히 좁고, 충분히 깊고, 충분히 반복되어 데이터가 실제로 의미를 가질 때에만 그렇다.

결론

이 문서의 전반부는 일반 법칙을 세웠다. 무언가를 만드는 어려움만으로 이루어진 해자는 일시적이며, 그 해자는 누군가 그 무언가를 만드는 것을 쉽게 만들 때 정확히 끝난다. 중국의 산업 집적은 초고밀도 클러스터 내부에서 거래 비용과 반복 지연을 붕괴시켜 하드웨어에 이를 적용했다. 생성형 AI는 희소한 투입물의 비용을 붕괴시켜 소프트웨어에 이를 적용하고 있다. 하드웨어는 먼저 붕괴했고 소프트웨어는 나중에 뒤따랐지만, 오늘날 회사를 만드는 창업자에게는 어느 쪽도 믿을 만한 보호막이 아니다.

후반부는 그 법칙을 답으로 바꿨다. 생산 난이도가 더 이상 무엇도 방어하지 못한다면, 방어력은 생산 붕괴가 닿지 못하는 마찰들로 조립되어야 한다. 여기에는 물리적 접근성, 닫힌 루프 운영 데이터, 규제상 지위, 얻어진 신뢰, 그리고 결과물 그 자체의 소유가 포함된다. 그래서 네 가지 요소 중 세 가지를 요구하는 것이지 하나만 요구하는 것이 아니며, 주도적 위치가 다른 어떤 단일 결정보다 더 중요하고, 데이터는 모아 둔 자산이 아니라 운영 과정에서 생기는 부산물이어야 한다.

이것은 하나의 핵심 문장으로 압축된다.

AI 시대에 가장 좋은 회사들은 범용 소프트웨어 도구도, 복제 가능한 하드웨어 제품도 아닐 것이다. 그들은 소프트웨어, 물리적 워크플로, 신뢰받는 관계, 독점적 운영 데이터를 결합해 고가치의 현실 세계 작업을 자동화하는 좁고, 결과 중심의 주도적 비즈니스가 될 것이다.

창업자에게 이제의 질문은 더 이상 “어떤 소프트웨어를 만들 수 있는가?“가 아니라 **어떤 가치 있는 현실 세계의 결과를 내가 소유하고, 수행하고, 측정하고, 자동화할 수 있는가?**이다.

가장 강한 기회는 소프트웨어가 원자, 신뢰, 규제, 독점적 데이터와 만나는 지점에 있다. 그것들은 하나의 좁고 고통스러운 워크플로로 시작하며, 필요할 때는 인간을 사용한다. 작업의 부산물로 운영 데이터를 포착하고, 단계적으로 자동화하며, 대체하기 어려운 시스템으로 복리처럼 커진다. 우위는 바로 물리적 운영을 통해 획득되었기 때문에 지속 가능하다. 코드로 적힌 것이 아니라.

궁극적 목표는 제품을 만드는 것이 아니다. 소프트웨어 같은 확장성, 물리 세계에서의 방어력, 그리고 수행한 작업 하나하나마다 더 좋아지는 독점적 데이터를 가진 운영 회사를 만드는 것이다.

이전에는 만들기 어려웠기 때문에 해자가 되었던 모든 것은 이제 상품이 되고 있다. 무언가를 만드는 것은 그 어느 때보다 쉬워졌고, AI와 글로벌 공급망이 발전할수록 그건 더 쉬워질 것이다. 방어력을 유지하는 것은 접근하기 어렵고, 신뢰를 얻기 어렵고, 규제를 통과해 들어가기 어렵고, 실제 일을 하지 않고는 관찰하기 어려운 것들이다.

인용 및 출처

내가 빌려 온 부분이 어디서 왔는지 분명히 하고 싶다. 왜냐하면 이 문서의 많은 부분은 내가 무언가를 새로 발명했다기보다 다른 사람들의 작업을 연결한 것이기 때문이다. 내가 실제로 내 것으로 주장할 수 있는 것은 네 가지 요소 규칙, 세 개 중 네 개 기준, 그리고 두 붕괴가 순차적으로 일어났음에도 동일한 근본 메커니즘을 공유한다는 구체적 주장이다. 수치들은 움직이므로, 나를 인용하기 전에 확인하라.

내 것, 이전 글에서

• The Barbell of Software Value (2025). 여기서 나는 처음으로 붕괴하는 중간지대와 Internal Software Leverage Theory를 정리했다. 여기서의 후반부는 그 글의 운영 버전이다.

원자 컴퓨터

• 트래비스 칼라닉, Vision, Unfinished Business, 그리고 How AI Will Transform the Physical World, Atoms와 a16z, 2026. 원자 기반 컴퓨터라는 프레이밍, 제조/부동산/운송에 대응하는 CPU/저장장치/네트워크 매핑, 이해-예측-제어 루프, 산업용 AI, 그리고 유급으로 고용되는 로봇들은 모두 그의 것이다. 그 섹션은 그의 아이디어를 요약한 것이지, 내 아이디어가 아니다.
• 벤 호로위츠와 알렉스 단코, 트래비스는 돌아왔다, a16z, 2026.

경제학

• 애틀라시안, 2025 회계연도 2분기 실적, 성숙한 수평형 SaaS의 총마진이 80% 초반대라는 점을 위해.
• 스노우플레이크, 2025 회계연도 실적, 소비 중심 소프트웨어가 전통적 SaaS 총마진보다 훨씬 낮은 수준으로 운영될 수 있다는 반례를 위해.
• 마이클 포터, 5가지 힘, 1979, 제1부의 지대 원천 분류를 위해.
• 데이비드 티스, 기술 혁신으로부터의 수익화, 1986, 제3부의 전유가능성 문제를 위해.
• 알프레드 마셜, 경제학 원리, 1890, 제5부의 외부경제와 집적을 위해.
• 로널드 코스, 기업의 본질, 1937, 제5부의 거래 비용을 위해.
• 시어도어 라이트, 1936년, 그리고 보스턴 컨설팅 그룹, 제5부의 경험 곡선을 위해.
• 스탠 시, 미소 곡선, 대략 1992년. 그의 원래 도표는 위키미디어 공용에 있고, 벤 톰슨의 출판사와 미소 곡선은 내가 읽어 본 그것의 가장 좋은 확장판이다.
• 게리 피사노와 윌리 시, 미국 경쟁력 회복, 하버드 비즈니스 리뷰, 2009, 산업적 공통 기반과 리쇼어링이 왜 어려운지에 대해.
• 앤드루 “버니” 황, The Hardware Hacker, 선전 밀도 속에서 실제로 일하는 것이 어떤 느낌인지에 대한 직접 경험담을 위해.
• WTO, 가입: 중국, 중국의 세계 무역 체제 편입에 대한 배경을 위해.
• 세계은행, 제조업 부가가치, 미국과 비교한 중국 제조업 규모의 배경을 위해.

스타트업 메커니즘

• 폴 그레이엄, 규모에 맞지 않는 일을 하라와 스타트업 아이디어를 얻는 법, 좁은 쐐기를 위해.
• 테슬라, 테슬라 모터스 비밀 마스터플랜, 2006, 로드스터에서 대중형 자동차로 이어지는 쐐기 논리를 위해.
• 팔란티어, S-1 등록 신고서, 2020, 정부에서 상용 확장으로 이어지는 패턴을 위해.
• 스페이스X의 회사 역사와 스타링크 공시는 SpaceX와 Starlink를 통해, 더 넓은 우주 인프라에 앞서 발사체를 초기 쐐기로 삼은 점을 위해.

AI 코딩과 소프트웨어 생산

• GitHub, GitHub Copilot 소개, 2021, 그리고 GitHub Copilot의 일반 제공 시작, 2022,는 상업적 AI 코딩 지원의 실용적인 시작을 위한 참고자료이다.
• OpenAI, GPT-4 기술 보고서, 2023, 그리고 Anthropic, Claude 3.5 Sonnet, 2024,는 모델 역량 가속화의 배경을 위한 참고자료이다.
• Peng et al., AI가 개발자 생산성에 미치는 영향, 2023,은 개발자들이 제한된 범위의 코딩 과제를 55.8퍼센트 더 빠르게 완료한 통제된 GitHub Copilot 결과를 위한 참고자료이다.
• Cui et al., 생성형 AI가 고숙련 노동에 미치는 영향, 2025,는 4,867명의 개발자를 대상으로 한 현장 연구 결과로서 26.08퍼센트 더 많은 완료된 작업을 보여주는 참고자료이다.
• METR, 숙련된 오픈소스 개발자 생산성에 대한 2025년 초 AI의 영향 측정, 2025,는 성숙한 저장소에서 경험 많은 개발자들이 AI 도구를 사용했을 때 19퍼센트 더 느렸던 반례를 위한 참고자료이다.
• Cursor, Claude Code, OpenAI Codex CLI, Kiro CLI, 및 OpenCode,는 자동완성에서 에이전트형 저장소 및 터미널 접근으로의 전환을 위한 참고자료이다.
• Conductor, Superset, 및 Hermes Agent,는 단일 에이전트 코딩 도구 위의 오케스트레이션 계층을 위한 참고자료이다.

데이터 해자 실패 모드

• Sun et al., 딥러닝 시대에 데이터의 비합리적 효율성 재검토, ICCV 2017,은 비전 과제 성능이 학습 데이터 양에 따라 로그적으로 향상된다는 실증적 발견을 위한 참고자료이다.
• Martin Casado와 Peter Lauten, 데이터 해자의 빈약한 약속, a16z, 2019,은 데이터 규모 효과가 대개 복리화되기보다 약화된다는 논거를 위한 참고자료이다.
• Valavi et al., 시간과 데이터의 가치, Harvard Business School Working Paper 21-016, 2021,은 데이터 스톡과 데이터 플로우의 구분, 그리고 오래된 데이터가 모델 정확도를 해칠 수 있다는 발견을 위한 참고자료이다.
• Chen et al., 데이터 기반 입원 환자 임상 오더 세트에서 미래 결정을 향한 임상 데이터의 점차 약화되는 관련성, International Journal of Medical Informatics, 2017,은 임상 예측 데이터의 약 4개월 반감기를 위한 참고자료이다.
• OpenAI 엔터프라이즈 개인정보 보호, Anthropic 상업 조건, Microsoft Azure OpenAI 데이터 개인정보 보호, AWS Bedrock FAQ, 및 Google Vertex AI 데이터 거버넌스,는 비즈니스 고객 입력 및 출력에 대한 기본적인 비학습 약속을 위한 참고자료이다.
• 유럽 데이터 보호 위원회, AI 모델에 관한 의견 28/2024, GDPR 제5조 및 제17조, HIPAA 비식별화 규칙, 및 CCPA/CPRA 규칙,는 2차 데이터 사용, 삭제, 비식별화, 공유에 대한 개인정보법 제약을 위한 참고자료이다.
• Lathrop GPM, 상업 및 IP 라이선스 계약에서 AI 소유권 탐색하기, 2026,은 비학습 약속과 유지되는 집계 또는 비식별화 사용 권리 사이의 계약상 긴장을 위한 참고자료이다.

이미지

• Stan Shih의 미소 곡선, Wikimedia Commons, CC BY-SA.
• Shennan 교차로의 Huaqiangbei, Charlie fong 촬영, Wikimedia Commons, CC BY-SA.
• 사출 성형 금형, Wizard191 촬영, Wikimedia Commons, CC BY-SA 3.0.
• 누적 설치 용량 대비 태양광 PV 모듈 가격, Our World in Data, CC BY 4.0. 차트는 공개된 데이터셋에서 로컬로 재현되었다.

회사 사례

• Anduril 총마진 추정치는 Sacra를 통해. Anduril은 비상장사이며 감사된 마진을 공시하지 않으므로, 이는 보고된 수치가 아니라 추정치로 취급된다. 항공우주 및 방위 산업의 총마진에 대한 부문 벤치마크(대략 17.5퍼센트)는 Aswath Damodaran의 NYU Stern 마진 데이터셋에서 가져왔다.
• Alphabet 및 Google 배경은 Alphabet의 FY2025 Form 10-K를 통해, 검색 기본 배포 계약, 검색 규모 이점, 반독점 맥락을 위해 United States v. Google LLC와 함께 참조하였다.
• Carbon Robotics의 Large Plant Model 및 1억 5천만 개의 라벨링된 식물은 회사의 2026년 2월 Business Wire 발표를 통해, TechCrunch를 확인 자료로 삼았다.
• Intuitive Surgical의 역사와 2000년 FDA 승인 자료는 Intuitive 회사 역사를 통해 참조하였다. 시술량은 Intuitive의 2025 기업 영향 보고서를 통해, 설치 기반 / 마진 수치는 2025년 4분기 실적 발표를 통해 참조하였다.
• Tesla 마진 수치는 2025년 4분기 및 FY2025 업데이트를 통해 참조하였다.
• Waymo의 규제 확장 패턴은 Tesorb의 2026 Robotaxi 규제 지도 및 CPUC 확장 승인에 대한 Electrek의 보도를 통해 참조하였다.
• Nokia의 2007년 정점과 하락 타임라인은 BBC News와 Wikipedia를 통해, 붕괴의 배후에 있는 조직 역학은 Vuori와 Huy의 Administrative Science Quarterly / INSEAD 연구를 통해, 현대 인프라 전환은 Michael Sikand의 영상 해설을 통해 참조하였다.
• OpenAI Stargate 세부사항은 OpenAI의 원래 발표 및 사이트 확장 발표를 통해 참조하였다. 이는 발표된 약속과 계획이지, 완전히 배치된 용량이 아니다.
• Kraken Robotics는 회사 자체의 제품 및 계약 공시를 바탕으로 하였다.