Matt McLennan, AI 집중이 시장을 안일하게 만들었다고 말하다

8월 28일

12분 분량

Matt McLennan은 AI 주식을 둘러싼 갈등을 더욱 선명하게 짚었다. 전례 없는 시장 집중에도 불구하고, AI 주식의 성공이 투자자들의 위험 경계를 느슨하게 만들었다는 것이다.

First Eagle Investments의 가치투자 운용역인 그는 8월 5일 Bloomberg Brief에서 Vonnie Quinn과의 인터뷰를 통해 이 우려를 밝혔다. 그의 주장은 AI 랠리의 배경에 있는 익숙한 가정에 이의를 제기한다. 투자자들은 강력한 기술 기업 실적, 확대되는 인프라 지출, 지배적인 경쟁 지위를 집중이 안전하다는 증거로 받아들여 왔다.

이 논리에는 위험한 역전이 담겨 있다. 가장 많은 자본을 끌어들이는 기업은 흔히 탁월한 사업을 보유하지만, 그 인기가 미래 수익률을 약화시킬 수도 있다. 높은 가격은 실망을 흡수할 여지를 줄이고, 지수 집중은 그 영향을 겉보기에는 분산된 포트폴리오 전반으로 퍼뜨린다.

McLennan은 인공지능에 경제적 가치가 없다고 주장하는 것이 아니다. 그는 투자자들이 그 가치에 지불하는 가격과 그 가격에 반영된 확신을 문제 삼고 있다. 건전한 기술, 수익성 있는 기업, 매력적인 투자는 서로 다른 세 가지이기 때문에 이 구분은 중요하다.

이 논의는 액티브 펀드 운용역을 넘어선다. 시가총액 가중 지수를 보유한 사람은 기업의 시장가치가 상승할수록 그 기업을 더 많이 보유하게 된다. 이 기계적인 과정은 밸류에이션, 경쟁, 기술의 지속 가능성에 대한 새로운 판단 없이도 익스포저를 늘릴 수 있다.

그 결과 시장은 상반된 두 가지 힘에 의해 형성된다. AI 선도 기업은 계속해서 실질적인 이익 성장을 낼 수 있지만, 지수 내 비중 증가는 시장 전체를 더 취약하게 만들 수도 있다.

McLennan의 경고는 AI의 잠재력이 아니라 가격에 관한 것이다

핵심 주장은 AI가 실패한다는 것이 아니라, 투자자들이 실패에 대비한 충분한 보호 장치를 더 이상 요구하지 않는다는 점이다.

Bloomberg 인터뷰에서 McLennan은 시장의 안일함을 인공지능을 둘러싼 강한 집중과 연결 지었다. 그의 우려는 영구적인 자본 손실을 피하려는 First Eagle의 폭넓은 투자 철학을 반영한다.

영구적인 자본 손실은 일시적인 가격 하락과 다르다. 이는 투자자가 실현되지 않는 미래 현금흐름에 과도한 가격을 지불해 원래 가치로 돌아갈 현실적인 경로가 사라지는 경우 발생한다.

McLennan은 First Eagle Investments의 Global Value 팀을 이끈다. 이들의 투자 프로세스는 회복력 있는 기업, 보수적인 재무상태표, 그리고 가치투자자들이 말하는 안전마진에 초점을 맞춘다. 이 마진은 자산의 시장가격과 그 내재가치에 대한 보수적 추정치 사이의 차이다.

AI 열기는 이 마진을 좁힐 수 있다. 투자자들은 종종 높은 성장을 먼 미래까지 가정한 뒤 경쟁, 규제, 실행상의 위험을 낮게 평가한다. 기업이 야심 찬 전망을 충족하더라도 초기 밸류에이션이 충분히 높았다면 수익률은 부진할 수 있다.

First Eagle의 가치투자 철학은 과도한 가격 지불으로 발생하는 영구적 가치 훼손 위험에서 출발한다. 이 틀은 McLennan이 AI의 잠재력을 인정하면서도 관련 주식에는 신중할 수 있는 이유를 설명한다.

이 구분은 그의 주장을 단순한 버블 경고와도 차별화한다. 버블을 선언하는 것은 가격이 경제적 현실에서 광범위하게 괴리됐음을 시사한다. McLennan의 입장은 더 정교하다. 성공한 소수 기업에 기대와 자본이 몰리면서 예상 밖 상황에 대비할 여지가 줄었다는 것이다.

그런 예상 밖 상황이 AI 논제를 무너뜨릴 필요는 없다. 매출 성장 둔화, 마진 하락, 감가상각 증가, 가격 결정력 약화만으로도 투자 성과는 달라질 수 있다. 금리 상승 역시 먼 미래 이익의 현재가치를 낮출 수 있다.

밸류에이션이 이미 지속적인 리더십을 가정하고 있다면, 작은 수정도 중요해진다. 투자자들은 단지 AI 수요가 확대될 것이라는 데 베팅하는 것이 아니다. 오늘의 선도 기업들이 현재의 시장가치를 정당화할 만큼 그 확대분을 충분히 확보할 것이라는 데도 베팅하고 있다.

여기서 안일함이 나타난다. 강한 과거 수익률은 불확실성을 더 작게 느끼게 할 수 있지만, 가능한 결과의 범위는 여전히 넓다. 이어서 가격 상승은 그 상승을 만들어 낸 이야기의 증거가 된다.

이 과정은 스스로를 강화할 수 있다. 더 나은 성과는 더 많은 자본을 끌어들이고, 더 많은 자본은 지수 비중을 높이며, 더 큰 비중은 추가적인 패시브 매수를 불러온다. 이 어느 단계도 가격을 뒷받침하는 장기 현금흐름을 독립적으로 검증하지는 않는다.

McLennan은 이전에도 비슷한 우려를 제기했다. NYSE 대담에서 그는 수년간 집중된 수익률이 이어진 뒤 소수 성장주 그룹으로 막대한 자금이 유입됐다고 설명했다.

그는 반대편의 기회도 지적했다. 투자자들이 평범하다고 치부하는 방어적이고 덜 주목받는 기업은 상대적으로 매력적일 수 있다. 이는 밸류에이션에 관한 관찰이지, 기술 선도 기업이 즉시 하락할 것이라는 예측은 아니다.

시점은 여전히 알 수 없다. 집중된 시장은 계속 집중될 수 있고, 비싼 자산은 더 비싸질 수 있다. McLennan의 경고는 정확한 시장 고점이 아니라 익스포저와 준비에 관한 것이다.

시장 집중은 AI에 대한 확신을 포트폴리오 위험으로 바꾼다

분산된 지수는 수백 개 기업을 담고 있어도 실제로는 소수 기업에 크게 의존할 수 있다.

시가총액 가중 방식은 주식시장 가치가 큰 기업에 더 큰 비중을 부여한다. 이 구조를 활용하는 투자자들은 각 기업을 동일하게 보유하지 않는다. 따라서 선도 기업은 작은 구성 종목보다 수익률에 훨씬 큰 영향을 미친다.

대형 기술 기업이 시장을 앞섰던 기간에는 이 설계가 특히 잘 작동했다. 액티브 종목 선별 없이도 가장 강한 수익을 내는 기업들에 대한 익스포저를 더 크게 제공했기 때문이다.

그러나 같은 설계는 집중 위험을 만든다. 선도 기업 몇 곳의 반전은 다른 곳의 긍정적 성과를 압도할 수 있다. 기업 수 기준의 폭넓은 보유는 경제적 동력 기준의 균형 잡힌 익스포저를 보장하지 않는다.

AI는 선도 주식 간의 연결성을 더 강화한다. 칩 설계 기업은 클라우드 제공업체가 사용하는 프로세서를 판매한다. 클라우드 제공업체는 모델 개발자를 위한 인프라를 구축한다. 소비자 플랫폼은 기업 고객에게 서비스를 판매하면서 그 모델을 배포한다.

이 기업들은 여전히 각각의 사업체이지만, 성장 스토리는 점점 서로 연결된 AI 지출에 의존하고 있다. 따라서 인프라 수요 감소는 이 사슬의 여러 부분에 영향을 줄 수 있다.

Goldman Sachs Asset Management는 2026년 집중도 분석에서 S&P 500의 상위 10개 종목이 지수의 36.5%를 차지했다고 밝혔다. Nvidia, Apple, Microsoft는 주요 비중 종목에 포함됐다.

집중도 분석은 중요한 반론도 제시했다. 선도 기업들이 강한 이익을 내고 건전한 재무상태표를 유지할 경우, 대형주 지배력이 자동으로 위기를 초래하는 것은 아니다.

이 근거는 성급한 결론을 막는다. 오늘날의 AI 선도 기업은 매출, 고객, 운영 규모가 없는 투기적 기업이 아니다. 이들 중 다수는 가치 있는 인프라, 유통망, 데이터, 그리고 이미 현금을 창출하는 사업을 보유하고 있다.

그렇다고 기업의 질이 가격 위험을 없애지는 않는다. 매우 강한 실행을 거의 완벽하게 예상하는 밸류에이션에서는 우량 기업도 부진한 투자가 될 수 있다. 여러 기대가 함께 수정될 때 집중은 그 대가를 키운다.

AI 투자는 기업의 지출 결정과 시장 리더십도 연결한다. 최대 규모의 글로벌 클라우드 사업자를 뜻하는 하이퍼스케일러들은 프로세서, 데이터센터, 네트워킹, 전력에 막대한 지출을 하고 있다.

투자자들은 일반적으로 이 지출이 지속 가능한 매출과 생산성을 창출할 것으로 기대한다. 그러나 새 매출이 인프라 운영 및 교체의 전체 비용을 얼마나 빨리 초과할지는 여전히 불확실하다.

감가상각은 특히 주목할 필요가 있다. AI 서버는 기존 시설이 내용연수에 도달하기 전에 경제적으로 구식이 될 수 있다. 더 빠른 하드웨어 주기는 경쟁력을 유지하는 반복 비용을 늘릴 수 있다.

경쟁은 경제적 가치를 현재의 선도 기업들로부터 다른 곳으로 이전할 수도 있다. 모델 가격 하락은 소프트웨어 구매자에게는 이익이 될 수 있지만, 모델 제공업체의 수익률은 제한할 수 있다. 맞춤형 칩은 범용 공급업체에 대한 의존도를 낮출 수 있지만, 그러한 프로젝트에도 자체적인 위험이 따른다.

이는 투자자가 AI 도입의 확산은 정확히 예측하면서도 이익이 어디에 축적될지는 잘못 예측할 수 있음을 뜻한다. 기술 도입과 주주 수익률은 서로 다른 경로를 따른다.

역사적 기록은 신중함을 뒷받침한다. 철도, 통신 네트워크, 상업용 인터넷은 막대한 경제적 가치를 창출했다. 그러나 특정 참여 기업에 과도한 가격을 지불한 투자자들은 여전히 지속적인 손실을 입었다.

AI 기업은 이러한 선례와 상당히 다르므로 비교에는 한계가 있다. 유용한 교훈은 자본집약도와 기대에 관한 것이다. 중요한 인프라는 수요와 가격이 명확해지기 전에 지나치게 많은 자본을 끌어들일 수 있다.

집중은 이 불확실성을 기술 전문 투자자만의 문제가 아니게 만든다. 은퇴 계좌, 연금 포트폴리오, 일반 주식 펀드는 벤치마크 비중을 통해 같은 익스포저를 물려받을 수 있다.

이것이 McLennan의 주장이 패시브 투자자에게 가하는 압박이다. 그들은 광범위한 지수 보유가 여전히 기대하는 분산 효과를 제공하는지, 아니면 추가적인 균형 조정이 적절한지를 판단해야 한다.

AI 시장의 안일함이 스스로를 강화할 수 있는 이유

AI 랠리는 가격 강세가 자본을 끌어들이고, 그 자본이 다시 가격 강세를 낳는 피드백 루프를 만들었다.

이 메커니즘은 실제 사업 성과에서 시작된다. 첨단 컴퓨팅 수요는 칩 기업, 클라우드 사업자, 네트워킹 공급업체의 매출을 늘린다. 투자자들은 가장 강한 참여 기업에 더 높은 밸류에이션을 부여한다.

이러한 높은 밸류에이션은 각 기업의 시가총액 가중 지수 내 비중을 늘린다. 해당 지수를 추종하는 펀드는 그에 상응하는 익스포저를 유지해야 한다. 따라서 이들 펀드로 유입되는 신규 자금은 같은 선도 기업들에 더 큰 비중으로 향한다.

강한 벤치마크 성과는 다시 더 많은 지수 투자를 장려한다. 또한 선도 기업의 비중을 낮게 보유한 액티브 운용역에게 압박을 가한다. 운용역의 신중함이 결국 정당화되더라도 벤치마크에 뒤처지면 고객 자금 유출로 이어질 수 있다.

경력 위험은 행동을 바꾼다. 계속 오르는 고가 주식을 피하는 것만으로도 포트폴리오 운용역은 고객을 잃을 수 있다. 모두가 보유한 같은 주식을 보유하는 편이 더 안전하게 느껴질 수 있는데, 반전이 발생하면 동료와 벤치마크도 함께 영향을 받기 때문이다.

그 안전은 사회적인 것이지 재무적인 것은 아니다. 공유된 익스포저는 혼자 틀렸을 때의 평판상 불이익을 줄인다. 그러나 자본 손실의 근본적인 가능성을 줄이지는 않는다.

기업 인센티브도 이 순환을 강화할 수 있다. 주가 상승은 주식 기반 보상을 더 매력적으로 만들고 인수 자금 조달을 쉽게 한다. 또한 고객, 공급업체, 임직원의 신뢰를 강화할 수 있다.

그 결과 기업들은 더 공격적으로 투자할 수 있고, 이는 원래의 성장 서사를 뒷받침한다. 경쟁사들은 자체 지출로 대응해야 하며, 이는 AI 인프라 수요를 더욱 늘린다.

이 순환에는 비합리적인 참여자가 필요하지 않다. 각각의 결정은 따로 보면 합리적으로 보일 수 있다. 위험은 그러한 결정들이 상호작용하는 방식에서 발생한다.

클라우드 제공업체는 고객이 AI 역량을 원하기 때문에 지출한다. 칩 공급업체는 클라우드 제공업체가 주문을 넣기 때문에 생산을 확대한다. 인덱스 펀드는 기업 가치가 상승했기 때문에 매수한다. 투자자는 최근 수익률이 강했기 때문에 그 펀드를 매수한다.

이러한 행동들이 결합되면 시장은 가치평가에 덜 민감해질 수 있다. 또한 벤치마크를 추종하는 매수는 특정 기업의 미래 수익에 관한 견해를 드러내지 않기 때문에, 이견을 감출 수도 있다.

State Street Global Advisors는 강한 AI 관련 실적이 지수 집중도를 높이는 중요한 동력이라고 설명했다. 해당 집중도 연구 역시 집중도는 자동적인 약세 결론이 아니라 분석을 필요로 한다고 강조한다.

실적이 지출의 타당성을 뒷받침하는 동안에는 피드백 루프가 지속될 수 있다. 문제는 연결 고리 중 하나가 약해질 때 나타난다. 고객이 도입을 미룰 수 있고, 클라우드 제공업체가 자본 계획을 조정할 수 있으며, 신규 공급 역량이 가격을 낮출 수도 있다.

변화가 극적일 필요는 없다. 성장주는 수년 뒤에 기대되는 이익에서 상당한 가치를 얻는다. 따라서 성장률이나 할인율 가정의 작은 변화도 가격에는 더 큰 변화를 초래할 수 있다.

투자자들은 측정 문제에도 직면한다. AI 매출은 더 광범위한 클라우드, 광고 또는 소프트웨어 매출과 분리하기 어려울 수 있다. 자본 지출은 재무제표에 명확히 나타나는 반면, 그에 따른 수익은 여러 제품군에 분산된 채 남을 수 있다.

이러한 비대칭성은 서사 중심의 해석을 부추긴다. 경영진은 AI를 기여 요인으로 설명할 수 있지만, 독립적인 수익률을 계산하기에 충분한 세부 정보를 공개하지 않을 수 있다. 그러면 투자자들은 클라우드 성장이나 모델 사용량 같은 간접 신호를 활용해 진척도를 추정한다.

이러한 신호는 중요하지만, 모든 질문에 답을 주지는 않는다. 사용량은 증가해도 단가가 하락할 수 있다. 매출은 늘어도 인프라 비용이 더 빠르게 증가할 수 있다. 생산성 향상은 제공업체보다 고객에게 더 큰 이익을 줄 수 있다.

따라서 시장은 일련의 가정에 의존한다. AI 수요는 강하게 유지되어야 하고, 선도 플랫폼은 자신의 지위를 방어해야 하며, 인프라 경제성은 개선되어야 한다. 현재 가치평가는 투자자가 감당할 수 있는 오류의 범위를 결정한다.

McLennan의 안일함 주장은 바로 그 오류 예산을 겨냥한다. 투자자들이 선도 기업을 거의 필연적인 승자로 믿을 때, 불확실성에 대한 보상을 덜 요구하게 된다.

강한 실적은 약세 논리를 복잡하게 만든다

집중도는 취약성이지만, AI 주식이 사업 실체와 분리됐다는 증거는 아니다.

진지한 평가는 McLennan의 경고에 맞서는 가장 강력한 논거를 다뤄야 한다. 선도 기술 기업들은 상당한 수익을 창출하고, 확립된 고객 관계를 보유하며, 대규모 영업 사업에서 나오는 자금으로 투자를 조달한다.

이러한 기반은 현재 시장을 닷컴 시대의 가장 취약한 기업들과 구분한다. 많은 초기 인터넷 기업은 외부 자금 조달과 검증되지 않은 비즈니스 모델에 의존했다. 오늘날 최대 기술 기업들은 성숙한 제품을 전 세계 규모로 판매한다.

이들의 경쟁 우위도 구체적이다. 클라우드 사업자는 광범위한 컴퓨팅 네트워크를 통제한다. 칩 설계 기업은 전문적인 기술력과 소프트웨어 시스템을 보유한다. 소비자 플랫폼은 기존 서비스 전반에서 수십억 명의 사용자에게 도달한다.

AI는 이러한 우위를 강화할 수 있다. 유통망을 보유한 기업은 새로운 도구를 고객 앞에 직접 내놓을 수 있다. 현금흐름을 보유한 기업은 소규모 경쟁사가 따라가기 어려운 고비용 인프라에 자금을 댈 수 있다.

도입 사례는 화제성 높은 챗봇을 넘어선다. 기업들은 코딩, 고객 지원, 광고, 물류, 사기 탐지, 연구, 내부 검색에 머신러닝을 활용한다. 이러한 활용 사례는 소비자 열기가 변동하더라도 반복적인 수요를 뒷받침할 수 있다.

대기업 도입에 관한 연구 역시 배포가 아직 완전하지 않다는 점을 시사한다. S&P 500 기업을 조사한 2026년 연구는 2025년까지 AI 통합 수준이 서로 달랐음을 발견했다. 이는 추가 도입의 여지를 남기지만, 도입 자체가 제공업체의 수익을 보장하지는 않는다.

따라서 강세 논리는 단순한 기대감 이상에 기반한다. 기존 수익, 높은 전환 비용, 폭넓은 유통망, 그리고 긴 잠재 성장 활주로를 결합한다.

시장 집중도는 경제적 집중도를 반영할 수도 있다. 소수의 기업이 전체 이익에서 큰 비중을 차지한다면, 높은 지수 비중이 반드시 오류는 아니다. 이는 기초 경제의 구조를 나타낼 수 있다.

역사는 지배적인 기업 집단이 회의론자들의 예상보다 오래 지속된 사례를 보여준다. 선도 지위는 눈에 띄게 됐다는 이유만으로 반드시 뒤집힐 필요가 없다.

투자자들은 절대적 집중도와 상대적 기회를 구분해야 한다. 모든 대형 기술주를 피하는 것은 그 자체로 위험을 초래할 수 있다. 포트폴리오는 경제성이 악화되는 더 저렴한 기업을 보유하는 동안 지속적으로 복리 성장하는 기업을 놓칠 수 있다.

First Eagle의 프레임워크는 가치를 낮은 밸류에이션 배수와 구분함으로써 이러한 긴장을 다룬다. 저렴해 보인다는 이유만으로 사업이 매력적인 것은 아니다. 핵심 질문은 현금흐름, 회복력, 가격이 유리한 확률을 만들어내는지 여부다.

같은 논리는 AI 선도 기업에도 적용된다. 높은 배수는 지속 가능한 성장으로 정당화될 수 있지만, 경쟁, 재투자 필요성, 불확실성을 고려한 뒤에만 그렇다.

MSCI Global Artificial Intelligence Index는 테마 노출에 관한 또 다른 관점을 제시한다. 그 방법론은 여러 지역 유니버스에서 기업을 선별하고 AI 관련성 점수를 활용한다. 개별 구성 종목의 비중은 10%로 제한된다.

해당 AI 지수 방법론은 집중도에 대응하는 한 가지 방식을 보여준다. 상한은 더 넓은 테마에 대한 노출을 유지하면서 단일 기업에 대한 의존도를 제한할 수 있다.

그러나 이러한 구성 방식이 공통 위험을 없애지는 않는다. 서로 다른 AI 기업들도 동일한 지출 사이클, 자금 조달 여건, 고객 기대에 의존할 수 있다.

따라서 티커 기준의 분산은 경제적 원인 기준의 분산을 과대평가할 수 있다. 투자자들은 어떤 보유 종목이 같은 가정에 의존하는지 식별해야 한다.

약세 논리는 자본 지출을 본질적으로 낭비적인 것으로 취급함으로써 지나칠 수도 있다. 인프라 지출은 가치 있는 역량, 독점적 전문성, 낮은 단위 비용을 만들어낼 수 있다. 그 수익은 시간이 지나야 드러난다.

McLennan은 안일함을 지적하는 것만으로 시장이 정점에 도달했다고 입증할 수 없다. 투자자 신뢰는 측정하기 어렵고, 밸류에이션 신호는 단기 타이밍 도구로서 신뢰도가 낮다.

그의 경고는 포트폴리오 문제로 다루는 것이 가장 적절하다. 투자 성과 중 얼마나 많은 부분이 서로 연결된 여러 기업이 높은 기대를 충족하는 데 달려 있는가?

강세 논리가 맞더라도 이 질문은 유효하다. 위험 관리는 각 시나리오에 부여하는 확률뿐 아니라, 틀렸을 때의 결과와도 관련된다.

진짜 위험은 공통된 AI 지출 사이클이다

가장 큰 위험은 하나의 실패한 제품이 아니라, 칩·클라우드 인프라·소프트웨어 전반에서 동시에 일어나는 재평가다.

AI 시장 노출은 여러 산업에 걸쳐 분산된 것처럼 보이는 경우가 많다. 포트폴리오는 반도체 설계사, 장비 제조업체, 데이터센터 운영업체, 유틸리티, 클라우드 플랫폼, 애플리케이션 개발업체를 보유할 수 있다.

그러나 이러한 사업들은 지속적인 AI 자본 지출에 대한 기대라는 하나의 근본 동인을 공유할 수 있다. 이 동인이 바뀌면 겉보기에는 분리된 보유 종목도 함께 움직일 수 있다.

칩 수요는 사슬의 시작점에 가깝다. 클라우드 기업은 역량을 구축하기 위해 프로세서와 네트워킹 장비를 구매한다. 이후 모델 개발업체와 기업 고객이 그 역량을 임차하거나 사용한다.

최종 수요가 예상대로 증가하면 가동률이 오르고, 제공업체는 더 많은 워크로드에 고정비를 분산할 수 있다. 이는 전체 시스템의 경제성을 개선한다.

도입에 시간이 더 걸리면 유휴 역량이 수익률을 압박할 수 있다. 제공업체는 워크로드를 유치하기 위해 가격을 낮출 수 있고, 고객은 미래 하드웨어가 더 나은 성능을 약속한다는 이유로 약정을 미룰 수 있다.

시점 불일치는 중요하다. 인프라는 수요가 확실해지기 전에 구축해야 하는 경우가 많다. 따라서 기업들은 확정 주문이 아니라 전망을 바탕으로 대규모 약정을 맺는다.

전력과 건설은 추가적인 제약을 더한다. 신규 데이터센터에는 전력망 연결, 냉각 시스템, 토지, 특수 장비가 필요하다. 수요가 건전하게 유지되더라도 지연은 비용을 높일 수 있다.

애플리케이션 계층에서는 경쟁 압력이 빠르게 가격을 낮출 수 있다. 개발자는 모델을 바꾸거나, 제공업체를 결합하거나, 오픈 대안을 사용할 수 있다. 더 나은 성능이 항상 지속 가능한 가격 결정력으로 이어지는 것은 아니다.

엔터프라이즈 도입은 또 다른 불확실성을 가져온다. 성공적인 시연은 운영 환경 배포와 같지 않다. 기업은 보안, 데이터 접근, 신뢰성, 통합, 직원 워크플로를 해결해야 한다.

지식 근로자에게는 AI 출력이 유용한 맥락에 근거한다는 증거도 필요하다. 잘 정리된 AI knowledge base는 원천 자료에 대한 접근성을 높일 수 있지만, 검증의 필요성을 없애지는 않는다.

이러한 실무적 장벽은 도입을 끝내지 않으면서도 매출 인식을 늦출 수 있다. 시장 가격이 빠른 수익화를 가정할 때, 이처럼 느린 경로도 여전히 중요하다.

공통된 지출 사이클은 여러 경로를 통해 반전될 수 있다. 클라우드 기업은 자본 지출 가이던스를 낮출 수 있다. 엔터프라이즈 고객은 구매 결정을 늦출 수 있다. 모델 가격 하락은 매출 전망을 약화시킬 수 있다.

지정학적 제한은 또 다른 불확실성의 원천이다. 수출 통제는 첨단 칩의 공략 가능 시장을 제한할 수 있고, 공급망 정책은 생산 비용을 높일 수 있다.

경쟁은 가장 광범위한 압력으로 남아 있다. 시장은 AI를 주요 플랫폼 전환으로 올바르게 식별하면서도, 현재 공급업체에 돌아갈 이익을 과대평가할 수 있다. 새로운 아키텍처는 특정 부품에 대한 수요를 줄일 수 있다.

효율성 개선도 비슷한 모호성을 만든다. 학습된 모델을 실행하는 데 필요한 컴퓨팅을 뜻하는 더 저렴한 추론은 전체 사용량을 늘릴 수 있다. 동시에 작업당 매출을 줄일 수도 있다.

이는 낮은 비용과 확대되는 수요 사이의 고전적인 긴장 관계다. 투자자들은 어느 효과가 우세한지 보여주는 증거가 필요하다.

따라서 McLennan의 논지에서 위험 부분은 제한적으로 유지되어야 한다. 집중도가 모든 AI 기업이 함께 하락한다는 뜻은 아니다. 서로 다른 재무상태, 제품, 고객 기반은 여전히 중요하다.

높은 자본 지출이 침체가 뒤따를 것임을 증명하는 것도 아니다. 이는 기대가 관찰 가능한 재무 결과를 통해 검증될 수 있는 지점을 가리킨다.

핵심 질문은 투자와 함께 현금 수익도 확대되는지 여부다. 매출 성장은 결국 감가상각, 운영 비용, 자본의 기회비용을 뒷받침해야 한다.

그러한 증거가 없다면 투자자들은 경영진의 전망과 시장 신뢰에 크게 의존하게 된다. სწორედ 이런 환경에서 안일함은 큰 대가를 치르게 할 수 있다.

Bloomberg의 McLennan 인터뷰가 남긴 세 가지 관찰 신호

자본 지출, 수익화, 시장 폭은 AI에 대한 신뢰가 계속해서 실적으로 뒷받침되는지를 보여줄 것이다.

첫 번째 신호는 다음 실적 시즌에 나올 하이퍼스케일러의 자본 지출 가이던스다. 투자자들은 계획된 지출을 클라우드 수요, AI 서비스 매출, 그리고 용량 활용도에 관한 경영진의 논평과 비교해야 한다.

지출 증가가 더 강한 수요와 함께 나타난다면 강세 시나리오를 뒷받침할 것이다. 이는 인프라 투자가 단지 고객 수요를 예상하는 수준이 아니라 실제 고객을 따라가고 있음을 의미한다.

수익화가 더 명확해지지 않은 상태에서 지출만 늘어난다면 McLennan의 우려는 더 커질 것이다. 기업들이 충분한 수익을 입증하기 전에 시장이 계속 투자를 보상하고 있음을 시사한다.

지출 둔화는 신중하게 해석해야 한다. 수요 약화를 의미할 수 있으며, 이는 인프라 공급업체에 부담을 줄 것이다. 반대로 이례적으로 대규모였던 구축 기간 이후 효율성이 개선됐다는 신호일 수도 있다.

두 번째 신호는 AI 매출과 전체 인프라 비용의 관계다. 투자자에게는 사용자 수, 모델 출시, 처리량 이상이 필요하다.

증분 매출이 감가상각, 에너지, 네트워킹, 지속적인 하드웨어 교체 비용을 감당할 수 있다는 증거가 필요하다. 마진 개선은 시장의 기대 중 더 많은 부분을 정당화하기 때문에 안일함이라는 논지를 약화시킬 것이다.

가격 하락과 사용량 증가는 엇갈린 결과를 낳을 것이다. 시장을 확대하는 한편 수익 실현은 늦출 수 있다. 그 영향은 칩 공급업체, 클라우드 제공업체, 애플리케이션 기업마다 다르게 나타날 것이다.

공시의 질도 중요하다. AI 관련 매출, 비용, 용량을 구분해 공개하는 기업은 불확실성을 줄일 수 있다. 지출 규모가 의미 있는 수준에 이르면 수요에 관한 포괄적인 발언은 도움이 덜 된다.

세 번째 신호는 시장 폭, 즉 기업과 업종 전반에 걸쳐 상승이 얼마나 폭넓게 분포하는지를 뜻한다. 더 폭넓은 이익 성장은 소수의 AI 관련 선도 기업에 대한 의존도를 낮출 것이다.

시장 폭은 두 가지 경로로 개선될 수 있다. 다른 업종이 더 강한 수익을 낼 수도 있고, 선도 기술 기업들이 숨을 고르는 동안 시장의 나머지 부문이 따라잡을 수도 있다.

어느 쪽이든 지수 투자 익스포저의 집중도는 낮아질 것이다. 또한 적극적 운용자에게는 최대 성장주 밖에서 더 많은 기회를 제공할 것이다.

시장 폭이 더 좁아진다면 McLennan의 주장은 힘을 얻을 것이다. 지수 상승이 계속 같은 기업들에 의존한다면 포트폴리오는 이들의 실적과 자본 계획에 더 민감해진다.

투자자는 이 신호들을 자동적인 매매 지침으로 받아들여서는 안 된다. 각 지표는 여러 이유로 변할 수 있으며, 단기 시장 반응은 종종 근본적인 추세를 가린다.

더 나은 접근법은 서사를 반복해서 검증하는 것이다. AI 수요는 현금 수익을 창출하는가? 그 수익은 더 많은 기업에 확산되고 있는가? 현재 가격에는 통상적인 실행상의 문제를 감당할 여지가 남아 있는가?

McLennan의 경고는 궁극적으로 규율에 관한 것이다. AI는 여전히 이 시대의 가장 중요한 기술 중 하나일 수 있지만, 선도 종목은 특정 가격대에서 투자하기 어려워질 수 있다.

Bloomberg 또는 RSSHub Bloomberg 피드를 통해 이 이야기를 지켜보는 독자에게 다음 결정적 증거는 또 하나의 자신감 넘치는 전망이 아니라 재무제표에서 나올 것이다. 지출, 마진, 시장 폭은 집중 현상이 지속 가능한 경제성을 반영하는지, 아니면 사라져가는 신중함을 반영하는지를 결정할 것이다.

실질적인 질문은 간단하다. 포트폴리오는 얼마나 큰 실망을 감당할 수 있는가? 어떤 보유 종목이 동일한 AI 지출 가정을 공유하는지 검토한 뒤, 영업 성과가 그러한 공동 익스포저를 정당화하는지 추적해야 한다.