---
title: "앤트로픽·오픈AI IPO를 공매도하고 싶다는 쪽의 논리"
published: 2026-06-07T21:00:03.151Z
canonical: https://jeff.news/article/3835
---
# 앤트로픽·오픈AI IPO를 공매도하고 싶다는 쪽의 논리

앤트로픽과 오픈AI가 초대형 기업공개를 준비하는 가운데, 이 글은 프런티어 AI 랩의 매출 논리가 생각보다 좁은 시장에 걸려 있다고 본다. 진짜 돈은 화려한 초지능 에이전트가 아니라 코볼 현대화, 결제 기반 신용평가, 농작물 질병 탐지, 데이터 인프라 같은 지루하지만 반복 결제가 생기는 레이어에 있다는 주장이다.

## AI IPO가 뜨겁긴 한데, 숫자가 너무 커짐

- 프런티어 AI 랩들이 공개 시장으로 들어가려는 레이스가 시작됨
  - 앤트로픽은 비밀리에 기업공개를 신청했고, 오픈AI도 자체 초안을 준비 중인 것으로 알려짐
  - 거론되는 기업가치는 앤트로픽 9650억 달러, 오픈AI 8520억 달러 수준
  - 둘 다 각각 600억 달러 조달을 목표로 하고 있고, 여기에 1조 7500억 달러 상장을 추진하는 스페이스X까지 붙으면 닷컴 버블 이후급 자본 집중이라는 얘기가 나옴

- 글의 핵심은 단순함. “이 회사들이 진짜 그만한 돈을 벌 시장에 붙어 있나?”임
  - 프런티어 모델은 네트워크 좋고, 인재 많고, 컴퓨팅 예산 있는 상위권 기업에서 가장 멋진 데모를 보여줌
  - 문제는 그 영역이 전 세계 AI 수요의 상위 15%에 가깝다는 점이고, 앤트로픽은 특히 그쪽 의존도가 더 강하다고 봄

> [!IMPORTANT]
> 샘 올트먼도 기업들이 AI 비용 대비 투자수익률을 찾기 어렵다는 비판이 타당하다고 인정함. 게다가 더 싼 오픈소스 대안들이 꽤 좋은 성능을 내면서, 비싼 프런티어 모델 가격을 계속 밀어붙이기 어려워지고 있음.

## 진짜 수요는 덜 화려한 곳에 있음

- 글쓴이는 “미국 대기업용 초지능 에이전트”가 AI의 킬러 앱이 아닐 수 있다고 봄
  - 비즈니스 역사에서 돈이 되는 곳은 멋진 데모가 아니라 충족되지 않은 수요가 있는 곳이었음
  - 지금 AI 담론은 실리콘밸리식 지식노동자 자동화에 과하게 쏠려 있고, 실제 매출이 날 수 있는 구역은 덜 섹시한 산업에 숨어 있다는 얘기

- 선진국 쪽에서는 레거시 현대화가 대표 사례로 나옴
  - 은행, 보험사, 정부 부처 시스템은 여전히 오래된 메인프레임과 코볼 코드에 크게 의존함
  - 핵심 은행 시스템의 약 43%, ATM 거래의 95%가 코볼에서 돌아간다는 숫자가 꽤 세게 들어옴
  - 앤트로픽이 클로드로 이런 현대화를 자동화할 수 있다고 주장하자 IBM 주가가 하루에 13.2% 빠졌고, 2000년 이후 최악의 하루였다고 함

- 개발도상국 쪽에서는 결제 데이터 기반 신용평가가 훨씬 직접적인 시장으로 제시됨
  - 인도, 브라질, 인도네시아, 케냐, 베트남 같은 ‘도약형’ 경제권에는 모바일 지갑 사용자와 거래 기록은 많은데 공식 신용 대출을 못 받는 사람이 많음
  - 결제 데이터로 학습한 AI 신용평가, 신원 인증, 사기 탐지는 바로 돈으로 이어질 수 있는 영역임
  - 인도 UPI는 2026년 3월 한 달에만 226억 건의 거래를 처리했고, 모바일 머니는 2025년 전 세계적으로 2조 달러 이상을 움직였음

- 사하라 이남 아프리카와 남아시아의 농업 영역도 예시로 등장함
  - 연구에 따르면 아프리카 7개국에서 AI 농작물 질병 탐지 하나만 적용해도 1400만 소농에게 61억 달러 가치를 만들 수 있음
  - 재밌는 건 이 지역 사용자들이 AI에 대한 신뢰도를 매우 높게 보고했다는 점임
  - 실리콘밸리 임원들이 열광하는 IPO 스토리보다, 실제 현장에서 AI를 쓸 동기가 더 강할 수 있다는 얘기임

## 모델보다 오래 가는 건 인프라일 수 있음

- 글은 닷컴 버블과 모바일 시대를 다시 끌고 옴
  - 1999년에 돈은 펫츠닷컴과 웹반 같은 화려한 인터넷 스토리로 몰렸지만, 오래 가는 매출은 라우터의 시스코, 콘텐츠 전송의 아카마이, 나중의 AWS 같은 인프라에서 나옴
  - 모바일도 비슷해서, 장기 승자는 특정 휴대폰 제조사가 아니라 모든 통신사가 빌려야 하는 기지국 타워 회사였다는 설명

- AI에서도 비슷한 일이 벌어지고 있다는 게 이 글의 투자 논리임
  - 어떤 모델이 이기든 AI를 쓰려는 회사는 데이터 파이프라인, 카탈로그, 거버넌스, 인프라 비용을 계속 내야 함
  - 2025년 인수합병 시장에서 뜨거웠던 영역도 모델 회사가 아니라 데이터 인프라였음
  - IBM은 DataStax, 서비스나우는 Data.world, 세일즈포스는 Informatica를 80억 달러에 샀음

```mermaid
sequenceDiagram
    participant 기업 as 기업 구매자
    participant 모델 as 프런티어 AI 랩
    participant 데이터 as 데이터 인프라
    participant 현장 as 레거시·결제·농업 현장
    기업->>모델: 생산성 향상 기대하고 도입 검토
    모델-->>기업: 비싼 모델 API와 에이전트 제안
    기업->>기업: 투자수익률이 맞는지 계산
    현장->>데이터: 실제 거래·코드·작물 데이터 축적
    데이터-->>기업: 반복 사용되는 기반 계층 제공
    기업->>데이터: 모델보다 오래 가는 비용 지불
```

- 인프라 쪽 숫자는 꽤 냉혹함
  - 베인은 AI가 현재 컴퓨팅 지출을 정당화하려면 2030년까지 연간 2조 달러 매출이 필요하다고 봄
  - 그런데 현재 전망으로는 8000억 달러가 부족함
  - 오라클은 2480억 달러 규모의 데이터센터 임대 계약을 공개했는데, 임대 기간은 15~19년이고 고객 계약은 보통 5년이라 만기 불일치가 큼
  - 오픈 웨이트 모델은 추론 비용을 연 30~50%씩 낮추고 있어, 모델 레이어의 마진 방어가 더 어려워짐

## 그래서 공매도 논리는 뭔가

- 이 글이 “오픈AI와 앤트로픽은 망한다”고 단정하는 건 아님
  - 오픈AI가 매출 목표를 따라잡을 수도 있고, 앤트로픽이 기업 고객에게 충분히 가치를 입증할 수도 있음
  - 스페이스X의 발사 경제학도 가격을 정당화할 가능성이 있음

- 다만 IPO 레이스가 팔고 있는 이야기는 꽤 큰 가정을 깔고 있음
  - AI가 전 세계 지식노동자 경제에 거의 마찰 없이 퍼질 것
  - 기업들이 비싼 모델 비용을 감당할 만큼 생산성 향상을 확인할 것
  - 프런티어 모델 계층이 오픈소스와 비용 하락에도 방어 가능한 마진을 유지할 것

- 글쓴이는 과거 큰돈을 번 투자자들이 IPO 순간의 제일 화려한 스토리를 산 게 아니라고 정리함
  - 그들이 던진 질문은 “수요가 어디 있나”와 “모든 참여자가 반복해서 돈 낼 수밖에 없는 건 뭔가”였음
  - 1999년에는 라우터, 2007년에는 기지국 타워였고, 지금은 코볼 현대화 계약, 사기 탐지 레일, 농작물 질병 모델일 수 있다는 결론

---

## 기술 맥락

- 이 글의 기술적 선택은 “가장 좋은 모델을 누가 만드느냐”보다 “모델이 붙을 데이터와 업무 흐름이 어디 있느냐”를 보는 쪽이에요. 개발 현장에서도 비슷하거든요. 데모가 멋진 도구보다, 실제 병목에 붙어서 반복적으로 쓰이는 도구가 오래 살아남아요.

- 코볼 현대화 사례가 중요한 이유는 레거시 시스템이 단순히 오래된 코드가 아니라 은행, 보험, 정부 업무의 핵심 경로이기 때문이에요. 이런 시스템은 한번 갈아엎기 어렵고 리스크가 커서, AI가 안전하게 분석·변환·검증을 도와줄 수 있다면 비용을 낼 명분이 생겨요.

- 결제 데이터 기반 신용평가도 같은 맥락이에요. 이미 모바일 지갑과 결제 레일은 대규모로 돌아가고 있는데, 그 데이터를 신용·사기 탐지에 연결하지 못한 수요가 남아 있는 거예요. 모델 성능보다 데이터 접근권과 운영 통제가 더 중요해지는 지점이죠.

- 데이터 인프라 인수합병이 뜨거운 이유도 여기 있어요. 어떤 대규모 언어 모델(LLM)이 이기든 기업은 데이터를 정리하고, 권한을 통제하고, 파이프라인을 유지해야 해요. 그래서 모델 레이어보다 아래쪽 기반 계층이 더 방어적인 매출을 만들 수 있다는 논리가 나와요.

## 핵심 포인트

- 앤트로픽은 9650억 달러, 오픈AI는 8520억 달러 가치로 거론되며 각각 600억 달러 조달을 목표로 함
- AI 매출의 핵심 수요는 생산성 데모가 잘 먹히는 상위 15% 기업이 아니라 아직 디지털 수요가 충족되지 않은 산업과 국가에 있다는 주장
- 핵심 은행 시스템 43%와 ATM 거래 95%가 여전히 코볼 기반이라는 점이 레거시 현대화 시장의 크기를 보여줌
- 인도 UPI는 2026년 3월 한 달에 226억 건을 처리했고, 모바일 머니는 2025년 전 세계 2조 달러 이상을 움직임
- 베인은 AI가 컴퓨팅 지출을 정당화하려면 2030년까지 연 2조 달러 매출이 필요하고, 현재 경로로는 8000억 달러가 부족하다고 봄

## 인사이트

AI 랩의 모델 성능보다 더 중요한 질문은 누가 매달 돈을 낼 수밖에 없는 병목을 쥐고 있느냐다. 개발자 입장에선 모델 자체보다 데이터, 레거시 전환, 인프라 계층이 왜 오래 가는 사업인지 보는 데 꽤 쓸 만한 글이다.