인공지능(AI)의 발전은 '지능(intelligence)'을 단순한 기술적 개념을 넘어, 시장에서 거래되는 하나의 자원으로 변화시키고 있습니다. 이로 인해 AI 랩(연구소), 애플리케이션 개발사, 그리고 각국 정부까지 지능의 가격 결정권을 차지하기 위한 경쟁에 뛰어들고 있습니다. AI 랩은 자사 모델을 통한 사용량 증대를, 애플리케이션은 지능의 효율적인 배분을, 국가는 지능이 국가 인프라 수준으로 저렴해지기를 바라며 각자의 이해관계를 관철하려 합니다. 지능의 비용은 더 이상 소프트웨어 개발의 부수적인 입력값이 아니라, 기업 전략, 시장 구조, 심지어 지정학적 역학 관계를 재편하는 핵심 동력으로 작동하고 있습니다.
기존 소프트웨어 투자와 달리 AI 투자는 훨씬 더 복잡한 변수들을 포함합니다. 역량(capability), 비용(cost), 지연 시간(latency), 배포(deployment), 규제(regulation), 인재(talent) 등 다양한 요소들이 불균등하게 결합하며, 각 변수는 자체적인 변화 곡선을 따라 빠르게 진화합니다. 예를 들어, 모델의 역량은 추론(reasoning), 컨텍스트(context), 다중 모드(multimodality) 등으로 세분화되어 각각 급격한 발전을 보이고 있습니다. 컨텍스트 길이는 3년 만에 4천 토큰에서 100만 토큰 이상으로 확장되었고, 추론 능력은 단순 프롬프팅 기술을 넘어 독립적인 모델 클래스로 발전했습니다. 비용 측면에서는 개방형 모델(open-weight model)의 등장으로 한때 최첨단 API가 필요했던 워크플로가 저렴한 대안으로 대체되며, 프리미엄 제품이 일반적인 기능(commodity feature)으로 전락하는 현상도 나타나고 있습니다. 또한, AI가 실시간 워크플로로 확장되면서 지연 시간은 제품의 성능을 넘어 시장 진입 가능성을 결정하는 핵심 변수가 되었습니다.
이러한 변화는 AI 시대의 비즈니스 모델과 경쟁 환경을 근본적으로 뒤흔들고 있습니다. 과거 소프트웨어 기업이 고객 확보 효율과 전환 비용에 집중했다면, AI 기업은 끊임없이 변화하는 기술적 제약과 시장 수요에 맞춰 전략을 재조정해야 합니다. 특히, 추론 시 컴퓨팅 자원 사용량(inference-time compute)과 AI가 사람 개입 없이 스스로 작동하는 시간 단위(task horizon) 같은 새로운 변수들은 지능의 가격 책정과 가치 배분을 더욱 복잡하게 만듭니다. AI가 스스로 다음 세대 AI를 구축하는 데 기여하는 '재귀적(recursive) 생산'은 기술 변화 주기를 더욱 단축시키며, 지정학적 요인과 인재 확보 경쟁 또한 지능의 가격과 접근성에 큰 영향을 미치고 있습니다. 결국 AI에서 가치는 한 번 포착되어 방어되는 것이 아니라, 지속적으로 재평가되고 재배치되는 유동적인 특성을 가지게 됩니다. 창업자와 국가 모두 이러한 변화의 방향과 속도를 읽고, 어떤 변수에 베팅하며 어떤 위험에 대비할지 명확히 이해하는 것이 중요해졌습니다.