베네딕트 에반스의 AI 트렌드, AI eats the world 2026: Capital, Deployment, Change [영문/GoogleSlide/79p]

9bow · 5월 19, 2026, 9:30오후

Benedict Evans와 'AI eats the world' 발표 소개

Benedict Evans는 전 a16z(Andreessen Horowitz) 파트너이자 Mosaic Ventures 자문역으로 활동하는 영국의 테크 애널리스트입니다. 매년 봄과 가을에 발행하는 그의 거시 산업 슬라이드덱은 Alphabet, Amazon, AT&T, LVMH, Nasdaq 등 글로벌 기업의 경영진과 컨퍼런스 청중에게 "지금 테크 산업에서 무엇이 일어나고 있는가" 를 한 번에 정리해주는 일종의 산업 표준 문서로 자리 잡았습니다. 이번에 공개된 2026년 봄 버전인 'AI eats the world' 는 핀란드 헬싱키 Slush 2025 무대에서의 가을 발표를 갱신하여 싱가포르 SuperAI 2026에서 다시 한번 공개된 자료이며, 파이토치 한국 사용자 모임이 다루는 모델과 인프라, 도구 생태계 전반을 거시 경제와 산업 구조의 관점에서 조망할 수 있는 좋은 길잡이가 되어 줍니다. 추가로, 작년에 공개했던 AI eats the world 2025의 주요 내용은 다음 링크에서 보실 수 있습니다: [GN] 베네딕트 에반스의 기술트렌드 2025: AI eats the world [영문/GoogleSlide/90p]

Evans의 "인공지능이 세계를 먹어치우고 있다(AI eats the world)" 발표는 도발적인 제목을 달고 있지만, 실제 내용은 흔한 AI 만능론과 거리가 있습니다. Marc Andreessen의 2011년 에세이 "Software is eating the world" 가 그러했듯, Evans는 새로운 기술 플랫폼이 산업을 어떻게 재편하는지를 자본 투입(Capital), 시장 배포(Deployment), 그로 인한 변화(Change) 의 3단계 프레임으로 차분히 해부합니다. 2026년 빅테크 4사가 데이터센터에 쏟아부을 약 7,000억 달러의 자본 지출, 그러나 아직 유료 사용자가 5%에 불과한 ChatGPT의 사용 행태, 그리고 코딩(Coding) 만이 의미 있는 매출을 만들어내는 엔터프라이즈 AI의 현실을 차례대로 짚어 갑니다.

이번 봄 버전을 관통하는 키워드는 "균형의 부재(Out of equilibrium)" 와 "역사는 반복되지 않지만 운율이 맞는다(History rhymes)" 입니다. Evans는 1997년에 "인터넷이 무엇을 바꿀 것인가" 를 묻는 일이 얼마나 무모해 보였는지를 떠올리며, 지금의 LLM 산업이 메인프레임, PC, 웹, 스마트폰에 이은 다섯 번째 플랫폼 전환의 한복판에 있다고 진단합니다. 동시에 그는 "이번에는 완전히 다르다(This is totally different)" 라는 흔한 외침에 대해 "지난 모든 플랫폼 전환도 그때마다 완전히 달라 보였다" 는 냉정한 단서를 답니다. 이 글에서는 79장의 슬라이드를 Capital, Deployment, Change의 세 축으로 정리하여, PyTorchKR 커뮤니티의 연구자와 엔지니어가 모델과 도구를 둘러싼 산업 지형을 이해하는 데 도움을 드리고자 합니다.

PyTorchKR 커뮤니티에서는 이미 Benedict Evans의 2025년 가을 버전을 다룬 적이 있으니, 1년 사이에 변화한 시각을 비교해서 읽어보시는 것도 흥미로울 것입니다.

Capital, 전례 없는 자본 투입과 균형의 부재

다섯 번째 플랫폼 전환과 그 패턴

Evans는 지난 60여 년의 컴퓨팅 역사를 메인프레임(Mainframes), PC, Web, Smartphones, 그리고 Generative AI 라는 다섯 단계의 플랫폼 전환으로 정리합니다. 그는 "기술은 약 10~15년마다 한 번씩 새로운 플랫폼 전환을 통해 산업을 재구성한다" 고 말하며, 이번 Generative AI 전환을 역사상 가장 큰 규모의 한 사이클로 평가합니다. 각 전환에서는 세 가지 일이 동시에 벌어집니다. 첫째, "새로운 것(The New Thing)" 에 거의 모든 혁신과 투자, 신생 기업이 옮겨가고, 둘째, 테크 산업 내부에서 새로운 게이트키퍼와 가치 포착 구조가 등장하며, 셋째, 테크 외부의 기존 산업들이 새로운 도구를 얻거나 또는 실존적 위협에 직면합니다.

이 패턴의 무서움은 Microsoft OS share of global computer unit sales 라는 슬라이드의 차트가 잘 보여줍니다. Microsoft는 1990년대 말 전 세계 컴퓨터 OS의 약 95%를 장악했지만, 스마트폰 시대가 도래하면서 그 점유율은 10% 초반대로 추락했습니다. Evans는 이 그래프가 "PC 시대에 군림하던 Microsoft를 스마트폰 플랫폼이 단순히 무관(irrelevant)하게 만들어버렸다" 는 사실을 상기시키며, 오늘 인프라 패권을 쥔 기업들도 다음 사이클에서는 같은 운명을 맞을 수 있음을 경고합니다.

자본 지출(Capex)의 폭발: 7,000억 달러의 베팅

이번 발표에서 가장 강한 인상을 남기는 차트는 "A capex explosion" 입니다. 2026년 한 해에만 Meta, Microsoft, Alphabet, AWS 4사가 약 7,000억 달러의 자본 지출을 계획하고 있으며, 이는 전 세계 Telecom 산업의 연간 자본 지출 약 3,000억 달러의 두 배가 넘고, 글로벌 석유 및 가스(Oil and Gas) 산업의 자본 지출 약 1조 달러에 육박하는 규모입니다. 2010년 이들의 합산 자본 지출이 10억 달러 수준이었던 점을 떠올리면, 16년 사이에 700배 가까이 늘어난 셈입니다.

Evans는 Sundar Pichai와 Mark Zuckerberg의 발언을 나란히 인용하며 이 베팅이 얼마나 공격적인지를 강조합니다.

"과소 투자의 위험이 과잉 투자의 위험보다 훨씬 크다" ("The risk of under-investing is significantly greater than the risk of over-investing")

- Sundar Pichai, Alphabet CEO

"최악의 시나리오라 해도 몇 년치를 미리 지어둔 것에 불과하다" ("The very worst case would be that we have just pre-built for a couple of years")

- Mark Zuckerberg, Meta CEO

NVIDIA조차 따라가지 못하는 GPU 수요

이 자본의 절대 다수는 NVIDIA의 GPU와 데이터센터 건설로 흘러갑니다. "NVIDIA can't keep up" 슬라이드는 NVIDIA의 분기 매출이 2023년을 기점으로 Intel을 추월한 뒤 분기 670억 달러를 넘긴 모습을 보여주며, 그조차 TSMC의 첨단 패키징(CoWoS) 생산 능력 제약 때문에 고객 수요를 따라가지 못한다고 지적합니다. "A new semiconductor investment cycle?" 슬라이드의 WSTS 데이터에 따르면 글로벌 월간 반도체 매출은 2024년 후반부터 폭증하여 2026년 3월에는 한 달에 1,000억 달러를 넘겼고, 이는 1990년 이후의 모든 상승 사이클을 압도하는 곡선입니다. 그 결과 Samsung Electronics, Intel, TSMC 등 반도체 제조사들의 합산 자본 지출 도 2026년에는 약 1,500억 달러 수준까지 치솟을 전망입니다.

사무실을 추월한 데이터센터

흥미로운 보조 지표 하나는 "Overtaking the office cycle" 슬라이드입니다. US Census 데이터를 보면, 미국의 데이터센터 건설 지출(컴퓨팅 장비 제외)이 처음으로 오피스 빌딩 건설 지출을 추월했습니다. 1995년 이후 거의 30년 동안 한 번도 무너지지 않았던 위계가 2025년을 기점으로 뒤집힌 것입니다. Evans는 이를 "AI가 도시의 풍경 자체를 바꾸고 있다" 는 시각적 신호로 해석합니다.

흔들리는 재무 중력: 자산 경량 빅테크의 종말?

또한, "Challenging financial gravity" 슬라이드는 더 인상적입니다. Meta, Microsoft, Alphabet, Amazon은 본래 매출 대비 자본 지출(Capex/Sales) 비율이 10% 안팎인 자산 경량(asset-light) 기업이었지만, 2026년 추정치에서는 이 비율이 Meta 55%, Microsoft 54%, Alphabet 45%, Amazon 27% 까지 치솟습니다. 즉, 이들은 광고와 검색으로 번 현금을 거의 그대로 데이터센터에 쏟아붓고 있으며, 더 이상 프리캐시플로우만으로는 충당이 어려운 수준에 도달했습니다. 그 결과로 등장한 것이 Blue Owl Capital과의 270억 달러 합작 Hyperion 데이터센터 계약, Oracle의 신규 채권이 정크 본드처럼 거래되는 "Oracle Debt Trades Like Junk" 사태, 그리고 Financial Times가 "$3 trillion AI building boom" 이라 부른 사모펀드와 빅테크의 공동 데이터센터 베팅입니다.

OpenAI도 이 클럽에 합류하다

OpenAI 또한 이 CapEx 클럽 에 합류하려는 모습을 보입니다. Stargate형 프로젝트로 알려진 30GW 이상의 컴퓨팅 용량을 1.4조 달러에 짓겠다 는 계약과, 2030년까지 6,000억 달러를 추가로 집행하겠다는 계획, 주당 1GW의 신규 건설(약 1조 달러/년) 의 야심은 Evans가 "다른 사람들의 대차대조표(Other People's Balance Sheets)" 와 순환 매출(circular revenue) 을 동원한 위태로운 곡예라 표현하는 광경입니다. Microsoft, Oracle, SoftBank, 사모펀드, 그리고 자체 매출이 서로의 보증을 떠받치는 구조이기 때문입니다.

어디에나 있는 병목, 그리고 폭발적 매출 성장

하지만 이러한 모든 자본을 실제로 배포(Deploy) 하는 과정은 결코 매끄럽지 않습니다. "Deployment hits bottlenecks everywhere" 슬라이드에서는 GPU와 HBM 메모리, 수년치가 밀린 전력망 백로그(Multi-year power backlog), 그리고 지역 사회와 정치적 반발(Community/political backlash) 이라는 세 가지 벽을 "비단뱀 속의 돼지(Pig in a python)" 라는 비유로 묘사합니다. 단, 그는 "중국은 예외" 라는 단서를 답니다. 전력망 증설 속도와 행정 절차의 차이 때문에 중국은 GW급 데이터센터를 미국보다 훨씬 빠르게 가동시킬 수 있다는 의미입니다.

"ChatGPT 출시 이후로 충분히 빠르게 용량을 짓는 것이 거의 불가능했다" ("It's been almost impossible to build capacity fast enough since ChatGPT launched")

- Kevin Scott, Microsoft CTO

수요 자체는 "Meanwhile - unprecedented growth" 슬라이드처럼 폭발적입니다. OpenAI의 월간 매출은 2025년 말 기준 약 19억 달러(연환산 약 230억 달러)에 이르고, Anthropic의 Claude 또한 2026년 중반 35억 달러 수준으로 추정되는 가파른 곡선을 그리고 있습니다. 사실상 SaaS 역사상 유례없는 매출 곡선입니다. 그러나 비즈니스 모델은 아직 균형점에서 한참 떨어져 있습니다. "Wait, how much did we spend?!" 슬라이드는 Uber의 CTO Praveen Neppalli Naga가 Anthropic Claude Code 사용 폭증으로 연간 AI 예산이 불과 몇 달 만에 소진되었다 며 "다시 백지부터 예산을 짜야 한다" 고 토로한 사례를 인용합니다.

Price, use, CapEx가 모두 균형을 벗어났다

"Price, use and CapEx are out of equilibrium" 슬라이드는 이번 발표의 분석 프레임에서 가장 핵심적인 요약입니다:
(1) 폭발적인 수요 증가가 공급을 한참 앞서고,
(2) 추론(inference) 효율은 매년 50~100배씩 개선되고 있으며,
(3) 그 위에 더 효율적이거나 덜 효율적인 모델, 엣지 모델, 오픈소스 모델이 동시에 등장하고,
(4) 그럼에도 OpenAI, Anthropic, Google DeepMind 같은 빅랩들은 6~9개월마다 다음 프런티어 모델을 새로 짓습니다.

이러한 네 변수가 곱셈 관계로 얽히면서 시장 가격, 사용량, 자본 지출 어느 것도 정상 상태에 도달하지 못한 것이 지금의 LLM 산업이라는 진단입니다.

2010년의 모바일 네트워크 = 2026년의 LLM?

이 비균형을 이해하는 가장 좋은 비유로 Evans는 "Mobile networks in 2010 = LLMs in 2026?" 슬라이드를 제시합니다. 2010년 The New York Times는 "Heaviest Users of Phone Data Will Pay More" 라는 제목으로 AT&T가 무제한 데이터 요금제를 폐지한다는 뉴스를 보도했고, 거의 같은 패턴의 기사가 2026년 The Information에서 "Anthropic Changes Pricing to Bill Firms Based on AI Use as Demand Jumps" 라는 제목으로 다시 등장했습니다. 모바일 네트워크에서 비트(bit)가 그러했듯, LLM 시대에는 토큰(token)이 한계비용을 가지면서도 사용자 가치와 잘 정렬되지 않는 자원 입니다. 결국 균형점은 "용량이 넉넉할 때의 정액제 + Wifi/엣지 우회" 와 같은 형태에 가까울 가능성이 높지만, 단기적으로는 빅랩들이 ROI 기반의 비싼 가격을 매길 수 있는 창이 열려 있다는 것이 그의 관찰입니다.

"우리는 지능이 전기나 수도 같은 유틸리티가 되고 사람들이 그것을 계량기 단위로 사는 미래를 본다" ("We see a future where intelligence is a utility like electricity or water and people buy it from us on a meter")

- Sam Altman, OpenAI CEO

상품화되는 모델, 인프라가 가져가지 못한 가치

다만 Evans는 통신 산업의 역사가 그리 행복하지만은 않다는 점을 상기시킵니다. "Commodity infra rarely captures value up the stack" 슬라이드는 2010~2025년 사이 전 세계 모바일 데이터 트래픽이 약 100배 폭증하는 동안, MSCI 글로벌 통신 지수는 거의 평탄한 모습을 보였다는 점을 지적합니다. 인프라가 커진다고 인프라 제공자가 부를 가져가는 것은 아니라는 교훈입니다. 통신사가 트래픽을 운반하는 동안 가치 포착은 Apple, Google, Meta, Netflix 같은 스택 상층(up the stack) 의 플레이어들이 가져갔습니다.

게다가 "And so far, models do seem to be commodities" 슬라이드의 ArtificialAnalysis 벤치마크 차트는 OpenAI, Anthropic, Google, Meta, 중국 연구소(예: DeepSeek, Qwen, Moonshot)가 거의 같은 곡선 위에서 어깨를 나란히 하고 있음을 보여줍니다. 일반 소비자 용도에서는 모델 간 차별화가 거의 사라지고 있고, 결정적으로 네트워크 효과(network effects)도 보이지 않습니다. 이는 SaaS 시대 Salesforce나 Microsoft가 누렸던 전환비용 기반의 록인 과는 매우 다른 구조입니다.

잠정적 테제: 모델은 인프라가 되고, 혁신은 스택 위로 올라간다

이를 바탕으로 Evans가 내놓는 잠정적 테제(A provisional thesis) 는 네 가지로 정리됩니다.

Chat is a terrible UX(채팅은 끔찍한 사용자 경험): 모든 작업을 텍스트 프롬프트로 처리하기에는 일반 사용자에게 너무 어렵습니다. 결국 목적에 맞춰 설계된 앱 이 필요합니다.

Labs can't build all the apps(빅랩이 모든 앱을 만들 수는 없다): OpenAI나 Anthropic 같은 연구소가 직접 의료, 법률, 영업, 교육의 모든 도메인을 빌드하는 것은 물리적으로 불가능합니다.

Models are commodities and have no network effects(모델은 상품화되고 네트워크 효과가 없다): 모델 자체로는 록인을 만들기 어렵고, 사용자가 한 모델에서 다른 모델로 갈아타는 비용도 낮습니다.

Innovation will move up the stack(혁신은 스택 위로 옮겨간다): 결국 혁신과 가치 포착은 모델 위의 워크플로우, GTM, 도메인 데이터, UI/UX 같은 상층으로 이동할 것입니다. 이는 모바일 네트워크가 통신사가 아니라 그 위의 앱 생태계에서 가치를 만들어낸 역사와 정확히 같은 패턴입니다.

Deployment, 모두가 시범 운영하지만 일상은 아직 멀다

9억 주간 활성 사용자, 그러나 5%만 유료

"Everyone is already using this!" 슬라이드는 ChatGPT의 글로벌 Weekly Active Users가 2025년 말 9억 명을 돌파했음을 보여줍니다. 인터넷 역사상 가장 빠른 보급 곡선임에는 분명합니다. 그러나 그 다음 문장이 핵심입니다. "하지만 그중 유료 사용자는 5%에 불과하다." 이는 인터넷이나 모바일이 그러했듯 광범위한 보급(reach) 이 곧 깊은 사용(engagement) 을 의미하지는 않는다는 점을 일깨워줍니다.

마일 와이드, 인치 딥

"Consumer use is a mile wide and an inch deep" 슬라이드는 더 자세한 그림을 그려줍니다. OpenAI Wrapped 데이터에 따르면 상위 20%의 활성 사용자조차 1년에 1,500건 미만의 프롬프트를 보내며, 적어도 사용자의 80%에게 ChatGPT는 아직 일상의 필수 도구 가 아닙니다. "Experimentation versus daily use" 슬라이드는 Bick et al의 2025년 11월 미국 성인 조사, Pew Research의 2025년 10월 13~17세 조사, Gallup의 2026년 3월 14~29세 조사 모두 주간 사용률은 44~51%대 인 반면 일간 사용률은 13~26% 사이에 머문다는 점을 일관되게 보여줍니다.

기업 사용도 비슷합니다. "The 'capacity gap' - usage versus potential" 슬라이드의 Gallup 데이터에서 Tech 산업의 일간 사용률은 약 30%로 가장 높지만, Healthcare, Retail, Manufacturing, Government 분야는 5~10%대에 머뭅니다. "지난주에 한 번 써봤다(used it last week)" 와 "매일 쓴다(daily essential)" 사이의 거리가 여전히 멀다는 사실이 인프라 투자와 매출 사이의 간극을 만들어내고 있습니다.

엔터프라이즈는 모두가 파일럿 중

Bain의 Enterprise use case adoption rates for generative AI 차트는 2023~2025년 사이 거의 모든 영역에서 채택률이 빠르게 늘었지만, 여전히 다수는 Development/Pilot 상태에 머물러 있음을 보여줍니다. 소프트웨어(73%), 고객 서비스(72%), 마케팅(65%), 지식 관리(66%), IT(63%), 영업(62%) 영역의 도입이 가장 빠르고, 재무(43%), 인사(38%), 법무(38%) 영역은 채택률이 상대적으로 낮습니다. Evans는 이를 "Everyone has a pilot" 이라는 한 문장으로 요약합니다.

PyTorchKR 커뮤니티에서도 비슷한 흐름을 다룬 MenloVC 기업 내 생성형 AI 현황 리포트와 Stanford HAI 2026 AI Index Report가 좋은 보조 자료가 됩니다.

자동화 컨설팅 시장의 폭증

엔터프라이즈 도입의 또 다른 신호는 시스템 통합 시장의 폭증입니다. "How do you know what to automate?" 슬라이드는 Accenture의 분기별 신규 생성형 AI 계약 규모가 2023년 0달러 수준에서 2025년 말 22억 달러를 넘긴 곡선을 보여줍니다. "Automation takes a lot of manual labour" 슬라이드는 OpenAI의 Frontier Alliances 발표(Boston Consulting Group, McKinsey, Accenture, Capgemini), OpenAI와 TPG, Brookfield Asset Management, Bain Capital 등 PE 펌과의 100억 달러 합작, Anthropic과 Blackstone, Goldman Sachs, Hellman and Friedman 등 월스트리트의 15억 달러 합작을 나란히 배치합니다. "실제로 자동화할 것을 찾아내는 일 자체가 거대한 수작업 산업이 되고 있다" 는 점이 핵심입니다.

What works first: Coding이 압도하는 PMF

"What works first?" 슬라이드의 Atlanta Fed 조사에 따르면, CFO들이 보고하는 AI 도입의 효과는 생산성(Productivity) 과 더 나은 인사이트와 의사결정(Better insights and decision-making) 에 집중되어 있고, 비용 절감(Cost-saving) 이나 신규 매출(New revenue) 같은 측정 가능한 효과는 아직 미미합니다. 즉 "배포하기는 쉽지만 측정하기는 어려운" 영역이 먼저 자리를 잡고 있는 셈입니다.

가장 명확한 Product-Market Fit(PMF) 을 보이는 곳은 단연 코딩 입니다. "ChatGPT, make me a chart of product-market fit" 슬라이드의 a16z 데이터에 따르면, 2026년 3월 기준 연환산 엔터프라이즈 AI 지출 약 30억 달러가 Coding 한 카테고리에 집중되어 있고, 그 뒤를 법률(Legal), 고객 지원(Support), 의료 및 헬스 어드민(Medical and health admin), 검색(Search), 텍스트(Text), 부동산(Real estate), 금융(Finance) 순서로 따릅니다. Claude Code, Cursor, GitHub Copilot, Codex, Aider 같은 도구들이 일상화되면서 다음과 같은 발언이 더 이상 과장으로 들리지 않습니다.

"한두 명이 일주일 만에 예전에 수십 명이 몇 달 걸리던 일을 해내는 사례를 점점 더 많이 보고 있다" ("We're seeing more and more examples where one or two people are building something in a week that would have previously taken dozens of people months")

- Mark Zuckerberg, Meta CEO

우리 PyTorchKR 커뮤니티에서 다룬 'Addy Osmani의 2026 LLM 코딩 워크플로우'나 'Claude Code Showcase', 'Everything Claude Code 가이드' 같은 글들이 이 흐름의 실전 자료가 됩니다.

Coding 너머: 무엇을 언번들(unbundle) 할 것인가

Y Combinator 스타트업의 분야 분포를 그린 "Startups exist to unbundle use cases" 슬라이드는 2024년 이후 AI 분야 스타트업 비중이 절반 이상을 차지하고 있음을 보여줍니다. Evans는 이들을 "Google, Excel, email, Oracle 그리고 ChatGPT를 언번들하려는 다음 물결" 로 묘사합니다.

"Writing code isn't the hard part" 슬라이드는 결국 수평적(horizontal) "Big iron" 시스템 (ERP, CRM, HCM)과 수직적(vertical) 커스텀 앱들 사이의 즉흥적 워크플로우(improvised workflows) 영역, 즉 이메일과 Excel, 공유 폴더로 메워지던 그 빈틈에서 AI가 가장 큰 가치를 만들 가능성이 높다고 봅니다. 이 시각은 PyTorchKR이 다룬 버티컬 AI 플레이북과도 맞닿아 있습니다.

Change, 결정론적 시스템 위에 확률론을 더하다

AI로 자동화할 수 있는 것의 정의가 달라졌다

"What can we automate with AI?" 슬라이드는 단 두 개의 원으로 이번 발표의 본질을 압축합니다.

Old: Anything we can describe in logical steps can be automated(과거: 논리적 절차로 기술할 수 있는 것만 자동화): 컴파일러, 데이터베이스, ERP는 사람이 절차를 정의할 수 있는 영역에서만 작동했습니다.

New: Anything with enough training data. Anything where verification is scalable(현재: 충분한 학습 데이터가 있는 것, 검증을 확장 가능한 방식으로 할 수 있는 것): 절차를 기술하지 못해도 데이터로 학습할 수 있고, 결과를 검증 할 수 있다면 자동화의 범위에 들어옵니다.

이는 LLM이 결정론적 시스템(deterministic systems) 위에 확률론적 시스템(probabilistic systems)을 한 층 더 얹어 새로운 범용 기술(general purpose technology)을 만들어냈다 는 의미입니다.

직무인가, 과업인가: 엘리베이터 안내원과 회계사

"Sometimes a job is just a task to be automated" 슬라이드는 Otis가 1950년에 출시한 자동 엘리베이터 Autotronic 의 사례를 들어, 한때 미국에서 약 9만 5천 명에 이르렀던 엘리베이터 안내원(Elevator attendants) 이라는 직업 전체가 하나의 버튼 으로 대체된 사례를 보여줍니다. 1990년에는 거의 0에 수렴했습니다.

반면 "More often, the job changes" 슬라이드는 회계사 수가 자동화 도입 이후 줄기는커녕 미국 전체 고용에서 차지하는 비중이 1910년 0%대에서 2000년 1.4%로 늘어났음을 보여주며, 자동화가 종종 직무 자체를 재정의한다 는 사실을 환기시킵니다.

"If the task becomes 'free' what does that unlock?" 슬라이드의 1974년 grocery barcode 사례, 즉 자동 재고 관리가 등장한 뒤 미국 슈퍼마켓 평균 SKU 수가 5배(약 1만 → 5만 개)로 늘어난 사례 역시 같은 논리를 가리킵니다. 과업이 0원이 되면 그 위에 새로운 사업 모델이 생긴다 는 것입니다.

"AI gives you infinite interns": 모든 통화를 들을 수 있다면

이런 분석을 바탕으로 Evans는 "What does automation mean for you? It depends" 라는 슬라이드에서 네 가지 핵심 질문을 던집니다. 이것이 단순한 가격 탄력성과 소비자 잉여 의 이야기인지, 어떤 과업(task)이 공짜 가 되는지, 그렇게 공짜가 된 비용 베이스가 우리 회사의 해자(moat) 였는지, 그리고 과거에는 불가능했던 무엇이 이제 값싸졌는지 를 묻는 것입니다.

가장 자극적인 슬라이드는 "What was impossible that now becomes cheap?" 입니다. 예전에는 "모든 고객 통화를 듣고 이상 신호가 있을 때 알려달라" 가 한 명의 인턴이 할 수 있는 일이었다면, 이제는 "매일 100만 건의 통화를 듣고 그 안의 패턴을 발견하라" 는 질문이 가능합니다. "AI gives you infinite interns(AI는 무한한 인턴을 준다)" 라는 슬라이드는 이번 발표를 관통하는 슬로건이기도 합니다.

새로운 질문도 등장합니다. "What are the new questions?" 슬라이드는 "What's this coat? Where can I buy it?" 같은 종래의 검색 질의가 "내 Instagram을 보고 룩을 새롭게 만들 겨울 코트를 골라줘" 같은 목표 지향적 요청 으로 진화할 가능성을 보여줍니다. LLM에게는 "Bob이 통화에서 말하던 데이터를 보여달라", "지난 6개월 고객 통화에서 가장 자주 나온 우려사항은 무엇이었나", "어떤 가격 정책 변화가 우리 churn 을 줄여줄까" 같은 결정론적 소프트웨어에는 불가능했던 질문 을 던질 수 있게 됩니다.

"어떤 유형의 사람이 어떤 콘텐츠와 상호작용하는지를 통계적 패턴으로만 보던 것에서, 당신이 무엇에 관심을 두는지와 각 콘텐츠가 무엇에 관한 것인지를 1차 원리(1st-principles)로 이해하는 단계로 나아갈 수 있을 것이다" ("Instead of just looking at statistical patterns of what types of people engage with what content, we're going to be able to develop a 1st-principles understanding of what you care about and what each piece of content is about")

- Mark Zuckerberg, Meta CEO

이는 Recommendation System의 패러다임 변화를 예고합니다. 지금까지의 추천이 어떤 SKU와 어떤 SKU가 같이 팔리는가 같은 상관관계에 기반했다면, LLM이 콘텐츠와 사용자 의도를 1차 원리 로 이해하기 시작하면 추천은 SKU 자체가 진짜로 무엇을 의미하는지 에 대한 의미적 이해로 옮겨갈 수 있습니다.

Reality check: 아직은 매우 초기 단계

다만 같은 발표의 "(Reality check - this is very early)" 슬라이드의 Bain 데이터는 "생성형 검색(generative search)" 이 아직은 기존 검색을 대체한다기보다 추가적이고 실험적인 성격을 가진다는 점을 보여줍니다. 미국 소비자 가운데 항상 GenAI 만 사용한다는 응답은 전 연령대 평균 5% 안팎에 불과하고, 60세 이상에서는 1~2% 수준으로 떨어집니다.

해자(Moat)였던 비용은 무엇인가

"Was the cost of that task your moat?" 슬라이드는 인터넷이 CD, 인쇄, 케이블, 매장 같은 물리적 비용 베이스 를 무너뜨려 음악, 저널리즘, TV, 리테일을 재편한 사례를 떠올리며, AI가 이제 어떤 "지루한 일(boring)" 을 0에 가깝게 만들 것인지를 묻습니다. "So what does automation break apart now?" 슬라이드는 "지루한 일은 이제 모두 자동화될 것" 이라는 단호한 진단과 함께, 어떤 산업이 그 지루한 일에 가장 의존해 왔는가 라는 후속 질문을 던집니다. Evans는 이 부분에서 "What's the task and what's the job?" 이라는 두 개의 슬라이드로 정리합니다. 과업(task)은 SKU를 가져오고, 코드를 쓰고, XLS를 만들고, 스펙을 적는 것 이지만, 진짜 Job 은 암묵적 지식, 의견, 취향, 아이디어 입니다. 평균이 아니라 새롭고 다른 것(what's new and different), 다수가 바보 같다고 여길(what do most people think sounds stupid) 무언가를 골라내는 능력이 Job 의 본질이며, 이 부분은 여전히 인간의 영역으로 남아 있습니다.

Welcome to the beginning, "이번에도 그때 일어났던 일이 반복된다"

시장 평가액이 1995~2000년 IPO 합산보다 크다

Evans는 마지막 섹션을 "Welcome to the beginning" 이라는 슬라이드로 엽니다. "이것은 완전히 다르다(This is totally different)" 라는 외침은 메인프레임, PC, Web, Smartphones, 그리고 지금의 Generative AI까지 모든 플랫폼 전환에서 똑같이 들려왔다고 그는 지적합니다. "Market values in a platform shift" 슬라이드는 OpenAI와 Anthropic 각각의 사적 시장 평가액이 약 8,500억 달러와 9,000억 달러에 이르며, 이는 1995~2000년 사이 미국에서 벤처캐피털 지원으로 상장한 모든 IPO의 발행 시점 합산 시가총액(약 7,750억 달러, 2026년 달러 기준) 보다도 크다는 사실을 보여줍니다.

그러나 그는 곧바로 "How many times have we been here before?" 라는 1950년대 IBM의 "150 Extra Engineers" 광고를 펼쳐 보입니다. 1950년대의 IBM 또한 "전자계산기가 150명의 추가 엔지니어 역할을 한다" 며 같은 톤으로 자동화를 약속했고, 우리는 그 약속의 사이클을 여러 번 반복해 왔습니다.

두 가지 답: "아무도 모른다" 와 "지난번에는 어떻게 됐는가"

"아무도 아무것도 모른다" "(No-one knows anything)"

- William Goldman

Evans가 인용하는 시나리오 작가 William Goldman의 격언처럼, 모든 AI 관련 질문에는 두 개의 답이 있을 뿐 입니다. 하나는 "아무도 모른다" 이고, 다른 하나는 "지난번에 모든 것이 바뀌었을 때 무슨 일이 일어났는가?" 입니다.

인터넷 시대에는 AOL, Yahoo, Pointcast, Flash, VRML, 포털, Sun Microsystems, Netscape 같은 이름들이 있었고, 모바일 시대에는 i-mode, J2ME, WAP, JOYN, DVB-H, decks, preloads, Nokia, RIM 같은 이름들이 있었으며, 그중 다수는 사라졌습니다. 그리고 지금, 생성형 AI 시대에 떠도는 Browsers? MCP? Voice? App stores? Wearables? GEO? 같은 질문들 가운데 어떤 것이 살아남고 어떤 것이 잊혀질지는 아무도 모릅니다.

Uber vs Airbnb: 같은 충격, 다른 결과

"What will change? 'It depends'" 슬라이드는 이 메시지를 가장 잘 요약합니다. 같은 "공유경제" 충격이라 해도 Uber는 뉴욕시 택시 시장을 거의 통째로 뒤집어버렸지만, Airbnb는 미국 호텔 객실 매출에 비해 여전히 작은 비중에 머물러 있습니다. "가끔은 소프트웨어가 세계를 먹어치우고, 가끔은 한 입만 베어 문다(Sometimes software eats the world, and sometimes it only nibbles)" 는 것이 Evans의 결론입니다.

Philippines의 IT-BPM 산업, 즉 약 200만 명의 일자리와 8%의 GDP를 책임지는 이 산업이 job인지 task인지 에 따라 한 국가의 운명이 갈릴 수 있습니다. 같은 자동화 충격이 어떤 곳에는 Uber급 으로, 어떤 곳에는 Airbnb급 으로 작동할 수 있다는 점이 핵심입니다.

음악 산업이 묻는 질문: "무엇을 살 필요가 없는가" vs "무엇을 다 들을 수 있는가"

"Can you invent new questions?" 슬라이드는 IFPI의 글로벌 녹음 음악 매출 데이터를 펼치며, "CD를 살 필요가 없다" 는 질문(2000년대 Napster, iTunes 다운로드)과 "세상의 모든 음악을 들을 수 있다" 는 질문(Spotify, Apple Music, YouTube Music)이 얼마나 다른 산업 구조를 만들어냈는지를 보여줍니다. 어떤 질문을 던지느냐에 따라 글로벌 음악 산업의 매출 구조와 회복 시점, 새로운 권력의 위치가 모두 달라졌습니다.

So what can we know: 우리가 던질 수 있는 세 가지 질문

발표의 마지막 슬라이드 "So what can we know?" 에서 Evans는 "우리가 이 변화가 어떻게 작동할지 모른다" 는 점을 인정하면서도, "올바른 질문은 던질 수 있다" 고 말합니다. 그가 제시하는 세 가지 질문은 다음과 같습니다.

What can you and your competitors do with this?(나와 경쟁자는 이것으로 무엇을 할 수 있는가?): 동일한 도구가 모두에게 주어진다는 사실을 인정하고, 그 위에서의 차별화를 고민합니다.

Can this unlock or break something crucial in your business model?(이것이 비즈니스 모델의 핵심 무언가를 풀어주거나 깨뜨릴 수 있는가?): 단순한 비용 절감 도구 가 아니라 기존 해자를 흔드는 변수 로 AI를 바라봅니다.

Presume radical uncertainty(근본적 불확실성을 전제로 한다): 확실한 미래 시나리오 대신 여러 시나리오를 동시에 준비합니다.

PyTorchKR 커뮤니티의 입장에서 이 발표가 주는 시사점은 분명합니다. 모델 학습과 추론을 다루는 우리의 일은 지금 의 균형 부재 위에서 작동하지만, 내일 의 균형은 모델이 점차 infra 화되고 innovation 이 스택 상층으로 옮겨가는 방향으로 이동할 가능성이 큽니다. 우리는 PyTorch 같은 프레임워크 위에서 코딩의 PMF 를 누리는 동시에, 어떤 task를 어떤 job으로 재정의할 것인가 라는 더 어려운 질문에 답할 준비를 해야 합니다. Evans의 말처럼, 우리는 시작 지점에 와 있는 것 뿐이고, 지난번에 모든 것이 바뀌었을 때 어떤 일이 있었는지 를 기억하면서 다음 사이클을 준비해야 합니다.

AI eats the world 발표 블로그 (w/ Google Slide)

:scroll AI eats the world 발표자료 (PDF 버전)

Benedict Evans, "AI eats the world", 2026-Spring-AI.pdf (15.0 MB)

SuperAI Singapore 발표 영상

Slush Helsinki 발표 영상

Benedict Evans 홈페이지

더 읽어보기

이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다.

파이토치 한국 사용자 모임이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)

아래쪽에 좋아요를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~