Renting Intelligence: Vendor Concentration Risk and the Pricing of AI Dependency
이 논문은 의무적인 공시 규정이 부재하여 공시 자료 내 정보가 일관되지 않거나 누락되는 경우가 발생하고, 이로 인해 투자자들이 AI 모델을 임대하는 기업과 소유하는 기업을 구분하는 것이 불가능해짐에 따라, 현재 주식 시장이 AI 벤더 집중 리스크를 가격에 반영하지 못하고 있다는 점을 밝히고 있다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
현대 경제에서 기업들은 점점 더 인공지능을 기반으로 제품을 구축하고 있습니다. 이를 위해 기업은 근본적인 선택에 직면합니다. 시스템이 사용될 때마다 비용을 지불하며 대형 기술 제공업체로부터 지능을 라이선스 방식으로 빌려오거나, 아니면 하드웨어와 학습 데이터에 막대한 자금을 선제적으로 투자하여 자체적인 시스템을 직접 구축하고 운영하는 것입니다. 이 결정은 단순한 기술적 결정이 아니라 재무적 도박입니다. 기업이 지능을 빌려 쓸 때는 타인이 설정한 가격, 즉 언제든 변할 수 있는 가격에 의존하게 됩니다. 반면 기업이 직접 구축할 때는 이미 비용을 지불했으므로 그 역량을 소유하게 됩니다. 재무 이론에 따르면, 핵심적인 투입 요소를 외부 제공업체에 의존하는 것은 기업을 더 위험하게 만듭니다. 이는 마치 하나의 거대 고객에게 의존하는 기업이 여러 명의 작은 고객을 가진 기업보다 더 취약하다고 간주되는 것과 같습니다. 위험과 보상을 끊임없이 저울질하는 투자자들은, 미래 비용의 불확실성이 높은 이 '임대형' 기업들에게 돈을 빌려줄 때 이론적으로 더 높은 비용을 요구하거나 주식에 대해 더 높은 수익률을 요구해야 합니다.
페레스 학술 센터(Peres Academic Center)의 한 연구자는 주식 시장이 실제로 이러한 차이를 식별하는지 테스트하기로 했습니다. 이 연구는 2023년에서 2026년 사이 미국 기업들이 제출한 수천 건의 연례 보고서를 조사했습니다. 목표는 이 기업들을 두 그룹으로 분류하는 것이었습니다. 즉, 다른 곳으로부터 인공지능 모델을 임대한다고 밝힌 기업과, 스스로 모델을 구축하고 호스팅한다고 주장하는 기업입니다. 그런 다음 연구자는 이 두 그룹의 주가 움직임을 해당 기술을 전혀 사용하지 않는 기업들과 비교했습니다. 기대치는 임대형 기업들이 구축형 기업에 비해 더 높은 변동성이나 더 높은 차입 비용과 같은 높은 위험의 징후를 보일 것이라는 점이었습니다.
그러나 결과는 이론이 예측한 바와 달랐습니다. 연구 결과, 주식 시장은 임대하는 기업과 구축하는 기업 사이의 차이를 구별하지 못했습니다. 두 그룹 모두 유사한 수준의 위험을 안고 있었으며, 어느 쪽도 서로 다르게 가격이 책정되지 않았습니다. 유일하게 명확한 차이는 기술을 사용하는 기업과 그렇지 않은 기업 사이에서 나타났습니다. 인공지능을 어떻게 확보했는지와 관계없이 인공지능을 사용하는 기업들은 기술을 사용하지 않는 기업들보다 더 위험해 보였습니다. 하지만 임대와 구축이라는 구체적인 선택은 시장의 움직임에 영향을 주지 못했습니다.
데이터에서 이러한 침묵이 나타나는 이유는 위험이 존재하지 않기 때문이 아니라, 기업들이 충분히 말하지 않기 때문입니다. 연구자는 대부분의 기업이 연례 보고서에서 인공지능에 대해 기술할 때 진실의 바로 직전에서 멈춘다는 사실을 발견했습니다. 그들은 "독자적인 플랫폼"이나 "사내 기술"을 보유하고 있다고 주장할 수는 있지만, 그 밑에서 실행되는 모델이 실제로 자신들의 것인지 아니면 제3자로부터 라이선스를 받은 것인지는 거의 명시하지 않습니다. 기업들이 모델의 출처를 명시적으로 밝히지 않기 때문에, 연구자는 모호한 언어를 바탕으로 추측해야만 했습니다. 두 명의 독립적인 독자가 이러한 모호한 설명을 바탕으로 보고서를 분류하려고 했을 때, 그들이 정답에 동의한 비율은 약 절반 정도에 불과했습니다.
이러한 명확성의 결여는 중대한 사각지대를 만들었습니다. 연구는 '임대형' 그룹과 '구축형' 그룹이 보고서상에서 너무 불분명하게 정의되어 있어 시장이 그 둘을 구분하는 것이 불가능하다는 것을 보여주었습니다. 이는 마치 연료 탱크의 라벨이 번지고 읽을 수 없는 상태에서 두 종류의 연료 차이를 측정하려는 것과 같습니다. 데이터가 너무 노이즈가 심해 위험을 드러낼 수 없었던 것입니다. 연구자는 설령 실제 차이가 존재하더라도, 그 차이가 시장 전체 위험 변동의 약 4분의 1 정도를 차지할 만큼 엄청나게 크지 않는 한, 본 연구의 설계로는 이를 찾아낼 수 없다고 계산했습니다.
가장 시사하는 바가 큰 발견은 인공지능을 언급하면서도 모델의 출처를 밝히기를 거부한 기업들을 살펴보았을 때 나타났습니다. 기술에 대해 이야기하면서도 그 출처를 공개하지 않은 이 기업들은 기술을 전혀 언급하지 않은 기업들보다 실제로 더 높은 위험을 안고 있었습니다. 그들의 주가는 더 변동성이 컸고, 투자자들은 이들을 보유하는 대가로 더 높은 수익률을 요구했습니다. 이는 침묵 자체가 위험의 신호임을 시사합니다. 강력한 기술을 사용하면서도 그 기원을 숨기는 기업의 경우, 정확히 무엇인지는 알 수 없더라도 시장은 무언가 불확실하다는 것을 감지합니다.
연구는 현재 기업들이 인공지능 사용을 보고하는 방식이 투자자들이 정보에 입각한 결정을 내리기에 불충분하다고 결론짓습니다. 시장이 임대의 위험을 무시하는 것이 아니라, 단지 볼 수 없을 뿐입니다. 보고서는 너무 모호하고 언어가 일관되지 않아 명확한 측정을 허용하지 않습니다. 연구자는 간단한 보고 규칙의 변화가 이를 해결할 수 있다고 제안합니다. 만약 규제 기관이 기업들에게 모델을 임대하는지 구축하는지를 명확히 밝히도록 요구하고, 의존도가 높다면 제공업체의 이름을 명시하도록 한다면 데이터는 명확해질 것입니다. 그렇게 될 때까지, 지능을 임대하는 특유의 위험은 대부분의 기업이 쓰기로 선택하지 않은 문장 뒤에 숨겨져 보이지 않는 상태로 남을 것입니다. 시장은 기술이 위험하다는 것은 알고 있지만, 어떤 기업이 그 책임을 떠안게 될지는 아직 알지 못합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.