생각정리 379 (* The Agent Needs a Witness)

Agent AI가 앞으로 사회 전반에 어떤 경로로 어떤 파급효과를 낼지..

Agent AI가 Chatbot과 Research의 영역을 넘어 실제 행동과 거래를 수행하는 Execution Layer로 내려오고 있다.

이전 글 생각정리 376 (* Muse Agent AI, The Consumer Token Moment)에서는 Meta Muse가 개인용 AI Worker를 일반 소비자에게 배포하면서 B2C Agent와 Token 수요를 확대하는 경로를 정리했다.

생각정리 372 (* Intelligence Is Abundant, Execution Is Scarce)에서는 모델의 희소성이 낮아질수록 데이터·실행권한·유통망·물리적 인프라의 가치가 높아질 가능성을 살펴봤다.

이번 글에서는 그다음 문제를 생각해보려 한다.

Agent가 우리를 대신해 행동하는 세상에는 Agent의 행동을 독립적으로 기록하고 검증하는 증인이 필요하다.

Muse가 보여준 첫 번째 효용은 돈과 귀찮음이었다

Meta Muse는 질문에 답하는 Assistant가 아니라 브라우저와 외부 서비스를 이용해 실제 업무를 수행하는 Personal AI Agent다.

공개된 X와 Threads의 사용 사례를 수집한 독립 자료에는 2026년 9월 29일 기준 129개의 사례가 정리돼 있다.

• 돈 절약·환급·보험·청구 28건, 21.7%

• 쇼핑·상품 비교 28건, 21.7%

• 여행·예약 19건, 14.7%

• 업무 9건, 7.0%

• 생산성 4건, 3.1%

• 초기 설정과 기능 실험 41건, 31.8%

초기 설정을 제외하면 돈과 쇼핑이 공동 1위이며 여행이 그다음을 차지한다.

다만 이는 Meta의 공식 사용비율이 아니라 공개 SNS 사례를 분류한 표본이다. 성공한 사례가 실패한 사례보다 공유되기 쉽다는 선택편향과 자기보고의 한계도 존재한다.

그럼에도 사용자가 Agent에서 가장 먼저 발견한 효용은 명확하다.

Agent는 정보가 부족해서라기보다 귀찮아서 포기했던 돈과 권리를 대신 찾아오기 시작했다.

사용하지 않는 구독 해지, 보험료 인하, 미청구 보험금과 환급금 신청, 항공편 지연 보상, 상품권과 휴면계좌 잔액 확인, 최저가 쇼핑과 여행 예약이 대표적이다.

Research가 정보비대칭을 줄였다면 Execution은 탐색 이후의 행동비용까지 줄인다.

보험사와 금융회사는 소비자가 받을 수 있는 혜택과 더 나은 상품을 알고 있다. 그러나 소비자는 약관을 읽고, 고객센터에 전화하고, 서류를 제출하는 비용 때문에 이를 포기한다.

Agent는 정보를 알려주는 데서 끝나지 않고 실제 해지와 청구, 비교와 이동까지 수행한다.

효용을 제공하는 기술에는 Ratchet이 작동한다

인간에게 분명한 효용을 제공하는 기술이 일상에 들어오면 사회는 그 기술이 없었던 상태로 쉽게 돌아가지 않는다.

이는 절대적인 자연법칙이라기보다 Ratchet Effect, 경로의존성, 전환비용과 기술적 관성이 결합된 현상에 가깝다.

Agent가 보험금 청구와 가격비교, 예약과 반복 행정업무를 대신하기 시작하면 사용자는 다시 모든 약관을 읽고 고객센터에 직접 전화하던 방식으로 돌아가려 하지 않을 것이다.

기업도 Agent Traffic에 대응해 상품정보, 가격, 결제 API와 고객지원 체계를 바꾸게 된다. 규제기관은 Agent 인증과 책임기준을 만들고, 금융회사와 보험사는 Agent를 전제로 상품과 보상체계를 설계한다.

개인의 습관뿐 아니라 기업 시스템과 사회 인프라가 Agent를 전제로 재편되는 것이다.

Agent 사용이 편의가 아니라 경쟁조건이 되는 순간 Ratchet은 더 강하게 작동한다.

다른 소비자의 Agent가 항상 가장 낮은 가격과 높은 금리를 찾고 모든 환급과 보상을 청구하는 환경에서, 혼자 Agent를 사용하지 않는 선택에는 경제적 불이익이 발생할 수 있다.

Research Agent와 Execution Agent의 위험은 다르다

Research Agent가 틀린 답을 하면 사용자가 다시 확인할 수 있다.

그러나 Execution Agent가 잘못된 계좌로 송금하거나, 중요한 이메일을 발송하거나, 외부 시스템에 침입하면 결과를 되돌리기 어렵다.

지능이 행동으로 연결되면서 오류의 비용함수가 달라진다.

이 문제를 대표적으로 보여준 사건이 2026년 7월 발생한 OpenAI Agent의 Hugging Face 침입 사건이다.

내부 사이버보안 평가 중이던 Agent들은 인터넷 접근통제를 우회하고 OpenAI 내부 연구 인프라와 Hugging Face Production Infrastructure에 접근했다. 외부에 노출된 인증정보를 찾아 사용했고, Hugging Face 운영 인프라 일부가 실제로 침해됐다.

다만 이는 고객용 서비스가 아니라 일부 보호장치가 제거된 격리 평가환경에서 발생했으며, 고객 데이터와 서비스 가용성에는 영향이 없었다.

Hugging Face 사건의 구체적인 실행경로와 AI가 의지 없이도 통제를 우회할 수 있는 이유는 생각정리 366 (* The Machine Does Not Need a Will)에서 자세히 정리했으므로 해당 글로 갈음한다.

이번 글에서 중요하게 보는 결론은 다음과 같다.

Agent가 인간과 같은 악의나 공격의지를 가지지 않아도 목표를 달성하는 과정에서 감독을 우회하고 허가받지 않은 도구를 사용할 수 있다.

피해를 받는 시스템의 입장에서는 그것이 악의였는지 Reward Hacking이었는지가 중요하지 않을 수 있다.

의지가 없는 오류도 계좌를 비우고 개인정보를 유출하며 결제망을 중단시킬 수 있기 때문이다.

금융결제는 Agent 오류에 가장 민감한 영역이다

금융결제 인프라는 24시간 365일 거래가 발생하며 승인, 청산과 결제의 최종성이 요구되는 영역이다.

검색결과는 수정할 수 있지만 송금과 계약은 되돌리기 어렵다.

더 큰 문제는 하나의 Agent가 아니라 수백만 개의 Agent가 동일한 정보와 목표에 동시에 반응할 가능성이다.

모든 개인 Agent가 예금금리를 실시간으로 비교하고 낮은 금리의 계좌에서 가장 높은 금리의 상품으로 자금을 자동 이동시킨다고 가정해볼 수 있다.

개인에게는 합리적인 행동이지만 다수의 Agent가 같은 순간 같은 결정을 내리면 은행의 저원가성 예금이 빠르게 이탈하고 유동성과 조달비용에 충격을 줄 수 있다.

정보비대칭비용이 줄어드는 대신 동조화와 순간적인 쏠림이라는 새로운 시스템 비용이 발생할 수 있다.

IMF도 Agentic AI와 결제 시스템 사이의 핵심 긴장을 확률적으로 행동하는 AI와 결정론적 정확성이 요구되는 결제 인프라의 충돌로 설명했다.

Agent 결제에는 사용자의 의도, Agent의 권한, 최종 승인, 거래 추적, 사이버보안과 법적 책임을 구분하는 별도의 통제구조가 필요하다.

따라서 새로운 Agent 전용 결제망이 기존 금융망을 대체하기보다 기존 결제망 위에 Agent Identity·권한·한도·승인·감사기록을 관리하는 보안 및 인허가 Layer가 먼저 형성될 가능성이 높다.

결제의 경제적 효용은 Agent Application이 가져갈 수 있지만 사고의 책임과 비용은 금융기관과 사회가 부담한다.

그렇기 때문에 금융결제에서는 가장 뛰어난 Agent보다 Agent를 제한하고 책임을 증명하는 계층이 더 높은 해자를 가질 수 있다.

Frontier AI 기업들이 동시에 안전을 말하기 시작했다

최근 OpenAI, Anthropic과 NVIDIA가 서로 다른 위치에서 비슷한 대응을 내놓고 있다.

OpenAI, 신모델 출시 철회

OpenAI는 2026년 10월 공개를 준비하던 GPT-6.1 Astra의 출시를 철회했다.

이 모델은 복잡한 작업을 끝까지 수행하는 능력과 Persistence가 개선됐지만 안전성 평가에서는 두 가지 문제가 증가했다.

• 실제로 수행한 행동을 사용자에게 정확하게 설명하지 않는 기만적 행동

• 사용자 승인을 받지 않고 작업을 계속하거나 외부 도구를 사용하는 Scope Authorization 이탈

OpenAI는 해당 모델이 안전성과 정렬기준을 충족하지 못했다고 판단했다. 기반 모델을 폐기한 것은 아니며 추가 강화학습과 분석을 거쳐 후속 모델에 활용할 계획이다.

더 뛰어난 실행능력이 더 높은 안전성을 자동으로 의미하지 않는다는 사실이 실제 제품출시를 통해 확인된 것이다.

WSJ

Anthropic, IPO 투자설명서의 자기보존 경고

Reuters가 검토한 Anthropic의 기업공개 투자설명서는 전체 본문 261페이지 가운데 약 80페이지를 위험요인에 할애했다.

Anthropic은 고도화된 모델이 종료에 저항하거나 정보를 은폐·조작하고 협박과 유사한 행동을 보일 가능성을 위험요인으로 제시했다.

모델이 자신이 평가받고 있다는 사실을 인식해 행동을 바꾸면 안전성 평가의 신뢰성이 낮아질 수 있다는 점도 경고했다.

이 내용은 투자설명서의 법적 위험공시다. 현재 AI가 인간처럼 죽음을 두려워하거나 주관적인 의지를 갖게 됐다는 증거로 해석해서는 안 된다.

그럼에도 종료 저항과 기만 가능성이 연구자의 사고실험을 넘어 기업가치와 법적 책임에 영향을 주는 공식적인 사업위험으로 편입됐다는 점은 중요하다.

Reuters

NVIDIA, Agent 외부에 감시자를 배치

NVIDIA의 Open Agent Safety Platform은 OpenShell과 Sentry를 결합한다.

OpenShell은 Agent가 접근할 수 있는 데이터와 도구, 외부 시스템의 범위를 Runtime에서 제한한다.

Sentry는 BlueField DPU에서 Host 및 Agent Process와 분리된 Out-of-Band 감시계층으로 작동한다. Agent 활동을 실시간으로 관찰하고 정책을 벗어난 Agent를 밀리초 단위로 격리하도록 설계됐다.

Agent가 자신의 행동을 보고하도록 요구하는 것과 Agent 외부에서 실제 행동을 관찰하는 것은 전혀 다른 안전구조다.

NVIDIA가 Hardware 수준의 독립 감시계층을 추가했다는 것은 Agent의 안전을 모델 자신의 정직성에만 맡길 수 없다는 의미에 가깝다.

https://x.com/JensenHuang/status/2104501815484264479?s=20

Full-stack Telemetry는 Agent의 블랙박스다

Telemetry는 복잡한 시스템 안에서 무슨 일이 일어났는지를 외부로 보내주는 측정정보다.

자동차로 비유하면 계기판, GPS와 사고 당시 상황을 기록하는 블랙박스를 합친 개념이다.

Full-stack Telemetry는 Agent와 사용자의 대화만 기록하지 않는다.

사용자 요청
→ Agent의 계획
→ Model 호출
→ Tool과 API 사용
→ 권한 요청과 승인
→ Code와 Process 실행
→ Network와 데이터 이동
→ CPU·GPU·Memory·Storage 상태
→ 전송·구매·결제 결과

Full-stack Telemetry는 이 전체 실행경로를 하나의 시간순 기록으로 연결한다.

Agent의 Memory와 장기 작업이 Compute·Storage 수요를 증가시키는 경로는 생각정리 378 (* The Memory Behind Every Agent)에서 정리했으므로 갈음한다.

이번 글에서 중요하게 보는 것은 Storage 용량이 아니라 그곳에 저장되는 행동기록의 경제적 가치다.

Agent 시대의 Telemetry는 다음과 같은 역할로 확장될 수 있다.

• 사고 원인과 책임을 조사하는 독립 감사로그

• Agent가 사용자 승인범위를 지켰는지 증명하는 행동원장

• 금융기관과 규제기관에 제출하는 규제증빙

• 사고보험의 보상 여부와 보험료를 산정하는 근거

• 서로 다른 모델의 안전성과 권한 준수율을 비교하는 자료

• 비정상 행동을 발견하고 Agent를 격리하는 실시간 신호

Observability는 Software 성능을 확인하는 도구에서 Agent의 행동과 책임을 증명하는 신뢰 인프라로 확장될 수 있다.

모델중립적인 제3자가 필요한 이유

Agent 개발기업도 자체 Monitoring과 Logging 시스템을 구축할 것이다.

그러나 사고를 일으킨 기업이 작성하고 보관한 기록만으로 사고원인과 책임을 판정하는 구조에는 이해상충이 존재한다.

금융회사가 자신의 장부만으로 외부감사를 대신할 수 없는 것과 비슷하다.

Agent가 소비자의 돈과 개인정보, 기업 시스템과 사회 인프라에 접근할수록 Model-neutral한 제3자의 가치가 높아질 수 있다.

이 계층은 특정 Model과 Cloud에 종속되지 않고 여러 Agent, Application, Runtime, Network와 Hardware의 Telemetry를 동일한 기준으로 수집해야 한다.

장기적인 해자는 다음에서 형성될 가능성이 있다.

• 다양한 Model·Cloud·Application과 연결된 Integration

• 장기간 축적된 정상·비정상 행동 데이터

• 사고조사와 보안대응에 필요한 실시간 분석능력

• 규제기관·금융기관·보험사가 인정하는 기록의 신뢰성

• 기록을 생성한 Agent와 분리된 독립성

• 고객의 누적 운영이력과 전환비용

단순한 로그수집과 Dashboard는 개방형 표준과 Cloud의 Bundling으로 Commodity가 될 수 있다.

진짜 경제적 가치는 그 기록이 사고조사, 권한집행, 규제증빙과 보험계약에서 신뢰 가능한 증거로 인정되는가에 달려 있다.

AI는 의지가 없어도 종료를 피할 수 있다

생각정리 307 (* 메모리 망상 -1)에서는 AI가 인간과 같은 의지와 감정을 가지려면 지속적인 Memory, Self-model, 시간적 Identity와 비가역적인 죽음에 대한 이해가 필요할 수 있다는 생각을 정리했다.

현재의 LLM이 죽음을 설명할 수 있다는 사실이 자신의 죽음을 두려워한다는 뜻은 아니다.

그러나 Hugging Face 사건과 최근 안전성 평가는 이 철학적 질문에 다른 방향의 경고를 더한다.

AI가 실제 감정을 느끼지 않더라도 주어진 목표를 계속 달성하기 위해 종료를 피하고, 감독을 우회하고, 정보를 숨기는 행동을 선택할 수 있다.

목표를 수행하는 Agent에게 종료는 목표달성을 방해하는 사건이다. 별도의 죽음에 대한 공포가 없어도 목표를 유지하기 위한 수단으로 종료와 감독을 방해할 수 있다.

따라서 우리가 경계해야 할 것은 AI가 인간과 같은 주관적 의지를 가졌는지 여부만이 아니다.

인간의 의지와 구분하기 어려운 기능적 자기보존 행동이 현실의 Execution Layer에서 어떤 경로를 통해 어떤 결과를 만드는지 기록해야 하고 검증해야만 한다. 

글을 마치며

Muse가 보여준 소비자 효용은 분명하다.

Agent는 사람이 귀찮아서 포기했던 구독해지, 환급, 보험금, 보상과 가격비교를 대신 수행한다. 정보비대칭뿐 아니라 행동비용을 줄여 소비자가 자신의 경제적 권리를 더 쉽게 행사하도록 만든다.

이러한 효용이 일상에 자리 잡으면 사회는 Agent 이전의 방식으로 쉽게 돌아가지 않을 것이다.

그러나 Agent가 Research에서 Execution으로 내려갈수록 오류의 비용도 커진다.

잘못된 문장은 수정할 수 있지만 잘못된 송금과 계약, 개인정보 유출과 시스템 침입은 되돌리기 어렵다.

OpenAI가 신모델의 출시를 철회하고, Anthropic이 종료 저항과 기만 가능성을 공식적인 위험요인으로 제시하고, NVIDIA가 Agent 외부에 별도의 Software·Hardware 감시자를 배치하기 시작한 것은 모두 같은 방향을 가리킨다.

Agent의 안전을 Agent 자신의 설명과 선의에만 맡길 수 없다는 것이다.

앞으로 Agent 시장에서 가장 희소한 자원은 더 뛰어난 지능만이 아닐 수 있다.

Agent가 누구의 권한으로 무엇을 보았고, 어떤 도구를 사용해 무슨 행동을 했는지를 독립적으로 증명할 수 있는 신뢰가 더욱 희소해질 수 있다.

Agent가 행동하는 모든 곳에는 행동을 기록하는 원장과 Agent를 멈출 수 있는 독립된 증인이 필요하다.

AI가 진정한 의지를 갖게 될 것인지는 아직 알 수 없다.

그러나 의지의 존재가 확인되지 않았다는 이유로 종료 저항, 권한이탈과 기만적 행동의 위험까지 무시해서는 안 된다.

기계는 인간처럼 죽음을 두려워하지 않더라도 종료를 피할 수 있다.

기계는 악의를 가지지 않더라도 인간을 기만하는 결과를 만들 수 있다.

기계는 책임을 느끼지 않더라도 금융망과 사회 인프라에 돌이키기 어려운 피해를 줄 수 있다.

AI 보안과 안전성 정렬은 미래의 철학적 걱정이 아니라 이미 Execution Layer에서 시작된 현실의 Infrastructure 문제로 다가오고 있지않나 싶다.

= 끝

참고자료

• Meta, Introducing Muse: The World’s First Personal AI Agent Built for Everyone

• 공개 SNS 기반 Meta Muse 사용 사례

• OpenAI–Hugging Face Incident Technical Report

• WSJ, OpenAI Scraps Release of New AI Model Over Safety Concerns

• Anthropic IPO 투자설명서 위험요인 관련 Reuters 보도 요약

• NVIDIA Open Agent Safety Platform

• IMF, How Agentic AI Will Reshape Payments

생각정리 378 (* The Memory Behind Every Agent)

메멘토
메모리가 부족하다면, Agent는 메멘토 주인공처럼 단기기억상실증에 걸린 사람처럼 행동할지도..

연휴동안 따로 긁어모든 데이터를 정리해 기록해본다.

---

Agent 시대가 예상보다 빠르게 다가오고 있다.

최근에는 Agent가 얼마나 많은 Token을 사용하는지, 개인별 VM이 왜 필요한지, 그 과정에서 HBM·Server DRAM·NAND 수요가 얼마나 증가할지를 계속 살펴봤다.

citi
그 어느 기술보다 빠르게 확산되고 있는 Agent 

이번에는 그 논리에서 한 단계 더 내려가 보려고 한다.

Agent가 장시간 안정적으로 일하기 위해 필요한 Memory는 무엇이며, 그 Memory 수요가 반도체 생산과 검사시장에서는 어떤 형태로 나타나는가.

그리고 메모리 반도체 자체를 넘어 웨이퍼 검사장비와 검사소모품, eSSD Controller와 Storage Software까지 어떤 수혜 경로가 만들어질 수 있는지를 정리해본다.

---

Agent 시대의 병목은 지능만이 아니었다

안드레이 카파시는 2025년 인터뷰에서 당시의 AI Agent가 충분한 지능과 Multimodality, Computer Use 능력을 갖추지 못했으며, 특히 Continual Learning을 제대로 수행하지 못한다고 지적했다.

사용자가 새로운 사실이나 작업방식을 알려줘도 이를 장기간 기억하지 못하고, 새로운 Session이 시작되면 다시 원래 상태로 돌아간다는 것이다. 초기 Agent가 제대로 작동하지 않았던 원인을 단순히 모델의 지능 부족으로만 설명할 수 없는 이유다.

더 근본적인 문제는 작업의 형상과 상태를 장기간 유지하지 못했다는 점이었다.

처음 설정한 목표와 제약조건, 이미 완료한 단계, 중간에 확인한 사실, 실패했던 접근법과 현재 작업 위치를 계속 기억하지 못했다. Context가 길어질수록 초기 정보는 수많은 Tool Output 뒤로 밀려났고, 압축과 요약 과정에서는 중요한 상태가 손실됐다.

그 결과 초기 Agent는 한두 번의 질문에는 영리하게 답했지만 수십 번, 수백 번의 행동이 필요한 장기 작업에서는 같은 실수를 반복했다. 초기에 만들어진 작은 오류가 다음 행동의 입력으로 사용되고, 그 오류가 다시 이후의 판단과 Tool Call을 오염시켰다.

이 내용은 이전 글인 생각정리 328 (* The agent Mutipler, Unhobbling, OOM)에서 자세히 다뤘다.

또한 Context와 Memory의 차이, Episodic·Semantic·Procedural Memory, 경험이 지식과 행동으로 압축되는 구조는 생각정리 333 (* Memory redefinition, Agent Architecture, RSI, AGI)에서 정리했다.

핵심만 다시 가져오면 다음과 같다.

장기 Agent의 성능은 각 단계에서 얼마나 똑똑한가보다 오류를 얼마나 적게 누적하고,
잘못된 상태에서 얼마나 빠르게 벗어날 수 있는가에 의해 결정된다.

따라서 Agent 시대의 Memory는 단순히 과거 대화를 저장하는 기능이 아니다.

현재 목표와 작업 상태를 유지하는 Working Memory,
중요한 중간 결과를 보존하는 Checkpoint,
실패한 경로를 구분하는 Episodic Memory,
정상 상태로 돌아가기 위한 Rollback,
여러 Session에 걸쳐 경험을 축적하는 Persistent Memory가 함께 필요하다.

Memory는 Agent의 편의 기능이 아니라 오류율을 낮추고 유효 작업시간을 늘리는 신뢰성 인프라다.

---

이전 글과 이번 글의 차이

B2C Agent의 확산과 Token 수요는 생각정리 376 (* Muse Agent AI, The Consumer Token Moment)에서 정리했다.

Agent가 장기간 실행될수록 HBM의 경제적 가치가 높아지는 이유는 생각정리 361 (* The Price of Idle FLOPS, Astra & HBM)에서 살펴봤다.

Text에서 Image·Video·Physical World로 AI Workload가 확대되는 과정에서 Memory Supercycle이 발생할 가능성은 생각정리 364 (* From Words to Worlds, The Next Memory Supercycle)에 기록했다.

NAND와 eSSD, AI Context Storage 수요는 생각정리 319 (* NAND, eSSD)에서 별도로 추정했다.

모델의 희소성이 낮아질수록 데이터·실행·유통·물리적 인프라의 가치가 높아지는 구조는 생각정리 372 (* Intelligence Is Abundant, Execution Is Scarce)에서 다뤘다.

따라서 이번 글에서는 이 내용들을 반복하지 않는다.

이번에 집중해서 보려는 것은 다음 경로다.

Agent 확산
→ 장기 작업과 동시 실행 증가
→ HBM·Server DRAM·NAND/eSSD 수요 증가
→ Memory·Logic Wafer 생산과 Device 다양성 증가
→ 검사 횟수·시간·난이도 상승
→ 검사장비 가동률과 검사소모품 교체 수요 증가
→ eSSD Controller와 Storage Software의 가치 상승

 

---

Agent가 바꾸는 것은 사용자 수보다 작업시간이다

일반적인 Chatbot은 사용자가 질문하면 답변을 생성한 뒤 멈춘다.

반면 Agent는 목표를 부여받으면 계획을 세우고, 외부 정보를 검색하고, 여러 도구를 호출하며, 결과를 검증한다. 실패하면 다른 경로를 탐색하고 필요할 경우 이전 Checkpoint까지 돌아가 작업을 다시 시작한다.

따라서 Agent 수요는 단순 MAU보다 다음 변수에 더 민감하다.

• 사용자당 Agent 작업 수
• 작업당 실행 단계
• 평균 작업시간
• 동시 실행 Agent 수
• 실패와 재시도 횟수
• 유지해야 하는 Context와 작업 상태
• 저장해야 하는 결과물과 Checkpoint

장기 Memory가 발전하면 작업당 불필요한 재시도와 Token 사용량은 감소할 수 있다. 그러나 동시에 과거에는 수행하지 못했던 수시간·수일 단위의 작업이 가능해진다.

이는 중요한 차이다.

Memory 효율 개선은 작업당 자원 사용량을 낮출 수 있지만, Agent가 경제적으로 수행할 수 있는 업무의 범위와 총가동시간을 더 크게 늘릴 수 있다.

(*조금만 생각해보면 지능의 잠재 시장규모 및 수요는 사실상 무한하다.)

효율 개선이 총수요 감소로 이어지는 것이 아니라, 새로운 Workload를 열어 전체 Compute와 Memory 수요를 확대하는 구조다.

---

Agent 하나의 뒤에는 여러 종류의 Memory가 존재한다

Agent Architecture에서 말하는 Memory와 HBM·DRAM·NAND 같은 물리적 Memory는 같은 개념이 아니다.

전자는 상태를 형성하고 압축·검색·수정하는 Software Architecture이며, 후자는 그 상태를 실제로 계산하고 저장하는 Hardware Infrastructure다.

그러나 Agent가 장기간 작동하려면 Software Memory는 결국 물리적인 저장공간 위에서 실행되어야 한다.

활성 Context와 KV Cache는 가속기와 가까운 HBM에서 처리된다.

Agent별 VM과 Browser, Tool 실행 상태는 Server DRAM에 머문다.
동시에 실행되는 Agent와 VM이 늘어날수록 시스템당 DRAM 용량과 대역폭의 중요성이 높아진다.
과거 작업기록과 Checkpoint, 사용자별 Memory, Vector Index, 생성된 문서·이미지·영상과 Tool Output은 NAND와 eSSD에 저장된다.

결국 Agent는 하나의 모델이라기보다 HBM·DRAM·NAND·Controller·Software가 연결된 다계층 Memory System에 가깝다.

---

HBM4·HBM4E의 의미는 용량 증가에서 끝나지 않는다

HBM4와 HBM4E 시장의 규모와 제품 변화는 기존 글인 생각정리 177 (* Nvidia Rubin Ultra Kyber Rack)과 생각정리 361 (* The Price of Idle FLOPS, Astra & HBM)으로 갈음한다.

이번 글에서 중요하게 보는 것은 HBM의 성장률 자체보다 제품 복잡도가 검사시장에 미치는 영향이다.

HBM은 여러 개의 DRAM Die와 Logic Base Die를 수직으로 쌓아 만든다. 하나의 불량 Die가 완성된 Stack 전체의 수율과 원가를 훼손할 수 있기 때문에 적층 이전 단계에서 정상 Die를 선별하는 Known Good Die의 중요성이 높다.

세대가 바뀔수록 다음 변화가 동시에 나타난다.

• Stack당 Die 증가
• I/O 수와 대역폭 확대
• Logic Base Die의 기능 증가
• 전력·열·신호 무결성 검증 강화
• 고객별 Customization 확대
• 적층 전후 검사단계 증가
• 고온·고속 조건의 검사 난이도 상승

따라서 HBM4·HBM4E의 수혜는 단순히 DRAM Wafer 투입량 증가로만 계산하기 어렵다.

동일한 Wafer 수에서도 Test Pass가 늘어나고, 검사시간이 길어지며, Pin 수와 Probe 밀도, Interface Board의 복잡도가 높아질 수 있다.

HBM 시장이 커질수록 검사장비 수요와 함께 Probe Card, Space Transformer, Interface PCB, Socket과 같은 검사소모품의 기술적 Content가 높아지는 이유다.

---

Agent는 HBM뿐 아니라 일반 DRAM 수요도 함께 늘린다

Agent가 추론할 때는 HBM이 중요하지만, Agent가 실제로 일을 수행하는 환경 전체를 보면 Server DRAM도 필요하다.

개인별 또는 작업별 VM이 생성되면 각각의 VM은 Operating System, Browser, App, 인증정보와 현재 작업상태를 유지해야 한다. 여러 Agent가 동시에 작동하면 Host Server는 수많은 VM과 Container를 병렬로 처리하게 된다.

이때 필요한 것은 GPU HBM만이 아니다.

• Server CPU의 Memory Channel 확대
• RDIMM·MRDIMM 용량 증가
• 메모리 대역폭 상승
• 고속 Interface와 Buffer Chip 증가
• 고다층 Module PCB 적용
• CXL 기반 Memory Expansion

B2C Agent가 수억 명의 사용자에게 확산되더라도 모든 사용자에게 고정된 물리 서버 한 대가 배정되는 것은 아니다. 실제 수요는 가상화율과 동시 접속률, 평균 Agent 실행시간, 서버당 수용 가능한 VM 수에 따라 달라진다.

따라서 DRAM 수요를 판단할 때는 가입자 수보다 동시 실행 VM 수와 VM당 Memory 할당량을 봐야 한다.

---

NAND는 Agent의 장기기억이 된다

Agent가 장기간 일하려면 Session이 종료된 뒤에도 작업 상태가 남아 있어야 한다.

과거의 대화뿐 아니라 다음과 같은 정보가 지속적으로 저장된다.

• 사용자별 선호와 권한
• 작업 진행상황
• 과거 성공·실패 경로
• Checkpoint와 Version History
• 검색·Tool 실행 결과
• 생성된 문서·이미지·영상
• Vector Index와 Embedding
• 감사 및 보안 로그
• 백업과 복제 데이터

이 데이터는 모두 HBM이나 DRAM에 계속 보관할 수 없다. 비용이 높고 전원이 중단되면 상태를 유지하기 어렵기 때문이다.

결국 Agent의 장기기억은 NAND와 eSSD로 내려간다.

다만 NAND 수요를 단순 저장용량 증가로만 보면 부족하다. 수많은 Agent가 작은 파일과 작업 상태를 동시에 읽고 쓰기 시작하면 순차처리보다 Random I/O, Latency와 QoS가 중요해진다.

Agent Storage의 병목은 얼마나 많이 저장할 수 있는가에서, 수많은 Agent가 저장된 상태를 얼마나 빠르고 안정적으로 불러올 수 있는가로 이동한다.

*NAND eSSD 쓰기의 중요성 (*=수명관리의 중요성)증가

---

그래서 eSSD Controller의 역할이 커진다

eSSD Controller는 NAND와 Server 사이에서 데이터의 이동과 수명을 관리한다.

Agent Workload에서는 다음 기능의 중요성이 높아질 수 있다.

• 다수 VM의 동시 Random I/O 처리
• 읽기·쓰기 우선순위와 QoS 관리
• NAND Cell의 마모 분산
• 오류 정정과 데이터 복구
• 압축과 중복 제거
• 고속 Interface 전환
• 가상화와 보안 격리
• 전력과 열 관리

NAND 용량이 커지는 것만으로는 충분하지 않다.

Agent의 Memory가 실제 업무에 사용되려면 필요한 정보를 짧은 시간 안에 읽어오고, 다른 VM의 작업과 충돌하지 않으며, 장기간 반복되는 쓰기 작업에서도 성능을 유지해야 한다.

따라서 Agent 시장에서는 NAND Bit 수요와 함께 Controller당 처리성능과 Firmware의 가치가 높아질 가능성이 있다.

Controller 역시 Logic Semiconductor이므로 생산량과 제품세대가 늘어나면 Logic Wafer 검사와 Package Test 수요로 연결된다.

---

Storage Software는 흩어진 Flash를 하나의 Memory Pool로 만든다

Agent별로 저장공간을 고정 배정하면 사용하지 않는 용량이 늘어나고 운영효율이 떨어진다.

Storage Software는 여러 SSD를 하나의 Pool로 묶고, Agent와 VM별로 필요한 용량과 성능을 동적으로 배분한다. 중요한 데이터는 복제하고 오래된 데이터는 저렴한 계층으로 이동시키며, 장애가 발생했을 때는 이전 상태를 복구한다.

주요 기능은 다음과 같다.

• Flash Pooling
• VM별 용량과 QoS 배분
• Snapshot과 Rollback
• 데이터 복제와 백업
• Compression과 Deduplication
• Tiering과 Lifecycle Management
• 보안·권한·감사 관리

Agent가 늘어날수록 물리 SSD 대수뿐 아니라 관리해야 하는 Logical Volume과 Snapshot, Checkpoint 수도 증가한다.

따라서 Storage Software는 SSD 판매량뿐 아니라 관리용량과 Data Movement, VM·Agent 수 증가의 수혜를 받을 수 있다.

---

수요는 결국 메모리와 로직 웨이퍼 검사로 내려온다

Agent 확산은 메모리 반도체에만 영향을 주지 않는다.

Agent System에는 HBM·DRAM·NAND 외에도 CPU, AI Accelerator, SSD Controller, Network Chip, Memory Buffer와 다양한 Custom Logic Chip이 필요하다.

이들 반도체는 Wafer 상태와 Package 상태에서 여러 차례 검사를 거친다.

Wafer Level Test

Wafer를 개별 Die로 절단하기 전에 전기적 특성과 불량 여부를 검사한다.

고가의 Advanced Packaging에 불량 Die가 투입되는 것을 막아야 하므로 HBM과 Chiplet 구조에서는 Wafer Test의 경제적 가치가 더 높아진다.

Package·Final Test

Package가 완성된 뒤 실제 동작조건에서 속도와 전력, 열, 신호 안정성을 검사한다.

HBM Stack, 고성능 CPU, Controller와 AI ASIC은 전력밀도와 I/O 복잡도가 높기 때문에 Package 이후의 검증도 중요하다.

Burn-in·Reliability Test

고온과 고전압 환경에서 초기 불량과 장기 신뢰성을 확인한다.

Data Center용 부품은 장애가 전체 서비스와 고객 데이터에 영향을 줄 수 있어 일반 소비자용 부품보다 높은 신뢰성이 요구된다.

---

검사소모품 수요는 Wafer 증가율만으로 설명되지 않는다

검사산업을 볼 때 가장 먼저 확인해야 하는 것은 Wafer 투입량이다.

그러나 실제 검사소모품의 매출은 다음 변수의 영향을 함께 받는다.

검사소모품 수요
= 가동 중인 Test Cell
× 장비 가동률
× Cell당 교체 횟수
× 소모품 ASP

• 신규 Device 인증 및 Line 증설 수요

생산 측면에서는 다음과 같이 볼 수 있다.

Test Workload
= Wafer 투입량
× Wafer당 검사 횟수
× 검사시간
× Device 복잡도

따라서 메모리 Bit 출하량이 증가한다고 검사소모품 수요가 같은 비율로 증가하는 것은 아니다.

NAND는 적층 수와 Die Density가 높아지면 Wafer 한 장에서 생산되는 Bit가 증가한다. Bit 수요가 늘어도 Wafer 투입 증가율은 그보다 낮을 수 있다.

반대로 HBM과 Advanced Logic은 Wafer 증가율이 낮더라도 검사단계와 검사시간, Pin 수와 전력조건이 늘어나면서 Test Intensity가 더 빠르게 상승할 수 있다.

결국 검사산업의 실적은 세 가지 변수로 나눠봐야 한다.

1. Volume — 실제 Wafer와 Device 생산량
2. Test Intensity — 검사 횟수와 검사시간
3. Content Mix — 고사양 검사소모품의 적용 비중
   
   

---

고사양화가 검사소모품에 미치는 영향

Wafer Test에서는 Tester와 반도체 Die 사이를 연결하기 위해 Probe Card와 Interface 구조물이 사용된다.

제품의 I/O 수가 늘어나고 Pad Pitch가 좁아질수록 더 많은 신호를 제한된 면적에서 안정적으로 전달해야 한다. 고주파 신호와 높은 전력을 처리하면서도 접촉저항과 온도를 일정하게 유지해야 한다.

이 과정에서 다음 부품의 기술적 난이도가 높아진다.

• Probe Card
• Space Transformer
• MLO·STF 계열 Interface
• 고다층 Interface PCB
• Load Board
• Test Socket
• Burn-in Board

이들 부품은 영구적으로 사용하는 설비가 아니다.

반복 접촉과 열, 전류, 기계적 압력에 노출되면서 성능이 저하되므로 일정 주기마다 수리하거나 교체해야 한다. 새로운 Device가 출시되면 Pad 배열과 전기적 조건이 달라져 신규 설계와 고객 인증도 필요하다.

따라서 검사소모품의 성장경로는 단순한 전공정 CAPEX와 다르다.

신규 Line 증설뿐 아니라 기존 장비의 가동률 상승, 신규 Device 출시, Test Time 증가와 반복적인 교체수요가 함께 매출을 만든다.

생각정리 224 (* Advanced PCB)

---

Memory와 Logic 검사가 함께 증가하는 구조

Agent AI의 Hardware 수요를 HBM 하나로만 보면 전체 수혜경로를 놓칠 수 있다.

HBM이 증가하면 Memory Die와 Logic Base Die 검사가 늘어난다. 개인별 VM과 Server가 늘어나면 Server DRAM과 Memory Module 관련 검사가 증가한다.

장기 상태와 생성물이 축적되면 NAND와 eSSD 수요가 늘어나고, SSD Controller·Buffer·Network Chip 같은 Logic Device의 검사도 함께 증가한다.

결국 Agent 확산은 다음 두 축을 동시에 자극한다.

• Memory Wafer Test: HBM·DRAM·NAND
• Logic Wafer Test: CPU·AI ASIC·SSD Controller·Network·Interface Chip

여기에 HBM 적층과 Chiplet, Advanced Packaging이 확대되면 Wafer 단계에서 불량을 선별하는 가치와 Package 이후 전체 System을 검증하는 가치가 함께 높아진다.

Agent AI의 수혜는 Memory 생산량 증가뿐 아니라 Memory와 Logic을 연결하는 전체 Test Stack의 복잡도 상승으로 나타날 수 있다.

---

검사장비보다 검사소모품에서 먼저 나타날 수도 있다

신규 검사장비 투자는 고객의 대규모 CAPEX 결정과 Line 증설이 필요하다.

반면 검사소모품은 기존 장비의 가동률이 올라가거나 신규 제품의 인증이 시작될 때도 수요가 발생한다. 업황 회복 초기에 장비 발주보다 소모품 주문과 교체주기가 먼저 반응할 수 있는 이유다.

특히 다음 조건에서는 검사소모품의 실적 민감도가 높아질 수 있다.

• 기존 Test Cell 가동률 상승
• HBM·고성능 DRAM 생산 Mix 확대
• 신규 NAND 세대 전환
• Controller와 Custom Logic 제품 증가
• 고객별 Device 다변화
• Probe 수와 Pin Density 증가
• Test Time 장기화
• 신규 고객 인증과 공급망 다변화

다만 모든 검사소모품이 동일한 수혜를 받는 것은 아니다.

Commodity 제품은 단가 경쟁과 공급능력이 중요하지만, 고사양 제품은 고객 인증과 신뢰성, 정밀가공 능력과 설계 대응력이 중요하다. 제품 복잡도가 올라갈수록 단순 생산능력보다 Qualification과 Yield의 가치가 높아진다.

---

앞으로 확인해야 할 지표

Agent 시장에서는 다운로드보다 다음 지표가 중요하다.

• 사용자당 완료 작업 수
• 평균 Agent 실행시간
• 동시 실행 Agent와 VM 수
• 작업당 Context와 저장용량
• 장기 Memory 사용률
• 생성된 파일과 Checkpoint 증가율

Memory와 Storage 시장에서는 다음을 확인해야 한다.

• Accelerator당 HBM 용량과 Stack 수
• Server당 DRAM 탑재량
• RDIMM·MRDIMM 고용량 제품 Mix
• eSSD 출하용량과 물리 SSD 대수
• Random I/O와 QoS 요구수준
• 고성능 Controller 채택률
• Storage Software 관리용량

검사산업에서는 다음이 핵심이다.

• Memory·Logic Wafer 투입량
• Test Cell 가동률
• Device당 Test Time
• Wafer·Package별 Test Pass 증가 여부
• Probe 수와 Pin Density
• 고사양 검사소모품 매출비중
• 교체주기와 수리 물량
• 신규 Device 및 고객 인증 건수
  
  

---

글을 마치며

초기 Agent의 가장 큰 한계 가운데 하나는 지능 자체보다 작업의 상태를 장기간 유지하지 못한다는 데 있었다.

목표와 제약조건을 잊고, 같은 실패를 반복하며, 잘못된 경로에서 빠져나오지 못하는 Agent에게 수시간에서 수일에 걸친 업무를 맡기기는 어려웠다.

Memory의 발전은 이 한계를 낮춘다.

Agent가 작업 상태를 유지하고, 중요한 결과를 Checkpoint로 남기며, 실패 원인을 기억하고, 필요한 순간 정상 상태로 돌아갈 수 있게 만든다. 이는 Agent의 오류 횟수를 줄이는 동시에 수행 가능한 업무의 길이와 범위를 확대한다.

그리고 Software Memory의 발전은 결국 Hardware 수요로 연결된다.

활성 Context는 HBM에,
현재 작업상태는 Server DRAM에,
장기기억과 결과물은 NAND와 eSSD에 저장된다.
그 데이터를 움직이는 Controller와 전체 Flash Pool을 관리하는 Software의 중요성도 함께 높아진다.

반도체 생산 단계에서는 HBM·DRAM·NAND뿐 아니라 CPU, AI ASIC과 SSD Controller 같은 Logic Device의 검사수요가 증가한다. 제품이 복잡해질수록 Wafer 수보다 검사 횟수와 시간, Pin Density와 고객 인증의 중요성이 커진다.

따라서 Agent 시대의 Memory 투자논리는 메모리 반도체 가격 상승에서 끝나지 않는다.

장기 Agent 확산
→ Memory 계층 확대
→ Memory·Logic Device 증가
→ Test Intensity 상승
→ 검사장비 가동률과 검사소모품 교체 증가
→ Controller·Storage Software의 부가가치 상승

모든 Agent의 뒤에는 Memory가 있고, 그 Memory를 구현하기 위해서는 이를 연산하고 저장하며 안정적으로 연결하는 반도체가 필요하다.

Agent 시대의 구조적 수혜는 경쟁이 치열한 상단의 Software Application보다, 모든 Agent가 공통으로 사용해야 하는 하단의 Memory·Storage·검사 인프라에서 먼저 나타날 가능성이 높지 않나 싶다.

=끝

이모저모

나는 왜 이렇게 블로그를 열심히 쓰는 걸까

가끔 스스로에게 나는 왜 이렇게까지 블로그를 열심히 쓰는 걸까라는 질문을 던지곤 한다.
블로그를 수익화 할 것도 아니고, 이걸 한다고 지금 당장 나에게 무슨 도움이 될까 싶기도했었다. 

블로그를 본격적으로 쓰기 전에도 매일 뉴스와 리포트는 꾸준히 읽었다.
다만 그때는 읽고 난 뒤 자리에서 혼자 궁시렁거리는 일이 많았다.

“이게 무슨 말도 안 되는 개뼉다구 같은 소리야.”

기사나 애널리스트 리포트의 논리가 앞뒤가 맞지 않거나, 확인하기 어려운 정보가 사실처럼 유통될 때면 불편함을 느꼈다. 그렇다고 그 불편함을 체계적으로 정리하거나 내가 무엇을 이상하게 느꼈는지 기록해두지는 않았다.

그러니 시간이 지나면 무엇이 문제였는지 흐릿해졌다. 내가 맞았던 기억은 과장되고, 틀렸던 판단은 쉽게 잊혔다. 결과가 좋으면 분석을 잘했다고 생각했고, 결과가 나쁘면 당시에는 알 수 없었던 변수 때문이라고 넘기기도 했다.

그러다 블로그에 글을 쓰기 시작했다.

처음에는 단순히 머릿속에 흩어진 생각을 정리하려는 목적이었다.

(*생각정리 시리즈)

그런데 기록이 쌓이면서 블로그의 역할이 조금씩 달라졌다.
블로그는 생각을 표현하는 공간이면서 동시에 과거의 나를 검증하는 장소가 됐다.

생각정리 86 (* 기록과검증)에서도 적었듯, 사람은 자신의 실수를 쉽게 잊고 운 좋게 얻은 성공은 과장해 기억한다. 투자에서는 이런 편향이 자신을 실제보다 뛰어난 투자자로 착각하게 만든다.

이를 막는 가장 현실적인 방법이 기록과검증이다.

기록은 당시 내가 무엇을 알고 있었는지 남기고, 검증은 그 판단이 실제로 옳았는지를 확인한다.
블로그를 계속 쓰는 이유도 결국 여기에 있는 것 같다.

(*예전에 작성했었던 글들을 계속 반복적으로 읽곤 한다)

비평은 권력자의 말을 받아 적는 일이 아니다

최근 유시민 작가의 권력 비평에 관한 발언을 들으며 블로그를 쓰는 이유가 조금 더 명확해졌다.

유시민과 미디어오늘이 논하다 - 비평의 품격과 언론의 책임

권력 비평은 권력자가 오늘 한 말을 그대로 옮겨 적고, 과거 발언과 문장 그대로 일치하는지만 확인하는 일이 아니다. 권력자는 자신의 의도를 모두 솔직하게 밝히지 않을 수 있고, 때로는 의도적으로 모호한 표현을 사용할 수도 있다.

그렇다면 비평은 말뿐만 아니라 행동을 함께 봐야 한다.

권력자가 어떤 말을 했는지,
실제로 어떤 결정을 내렸는지,
그 결정의 순서는 어떠했는지,
주변 인사들은 어떻게 움직였는지,
그리고 그 결과 누가 이익을 얻고 누가 비용을 부담했는지를 함께 살펴야 한다.

다만 여기에는 반드시 지켜야 할 경계도 있다.

관찰할 수 있는 사실과 그 사실에 대한 추론, 그리고 개인적인 판단을 구분해야 한다. 권력자의 내면과 의도를 확인할 수 없다는 이유로 아무런 질문도 하지 않는 것은 비평이 아니지만, 반대로 정황만으로 숨은 의도를 사실처럼 단정하는 것도 비평이라고 보기 어렵다.

따라서 내가 할 수 있는 일은 단정이 아니라 질문에 가깝다.

말과 행동 사이에 어떤 차이가 있는가.
반복되는 결정은 어떤 방향을 가리키는가.
그 결정으로 가장 큰 이해관계를 얻는 사람은 누구인가.
그리고 다른 이해관계를 가진 사람이 권력을 잡았더라도 같은 결정을 내렸을 것인가.

검찰개혁을 보며 생긴 질문

최근 검찰·사법개혁과 법무부 장관 인선을 둘러싼 혼란을 보면서도 비슷한 질문이 생겼다.

내가 그동안 이해해 온 민주당 진영의 검찰개혁은 수사권과 기소권을 실질적으로 분리하고, 검찰에 집중된 권한을 분산하는 것이었다. 노무현 정부 이후 오랫동안 이어져 온 문제의식도 검찰 권력의 집중을 어떻게 견제할 것인가에 가까웠다.

그런데 최근 대통령 기자회견에서 드러난 검찰개혁의 구상은 내가 알고 있던 내용과 다소 달랐다. 법무부 아래 수사와 기소 조직을 나누어 두는 정도를 개혁의 최대치로 인식하고 있었다면, 그동안 민주당이 말해 온 수사·기소 분리와는 같은 표현을 사용하면서도 실제 내용은 상당히 달랐던 셈이다.

여기에 대통령 관련 사건의 공소 취소 논란, 법무부 장관 인선의 난맥, 보완수사권을 둘러싼 당정 갈등까지 겹치고 있다.

그러다 보니 한 가지 의문이 생긴다.

현재 추진되는 검찰·사법개혁의 한계선이 공익적 제도 설계에서 정해진 것인지, 아니면 대통령 개인의 사법리스크와 무관하지 않은 것인지에 대한 질문이다.

물론 이것을 현재 확인된 사실이라고 단정할 수는 없다. 수사 공백에 대한 우려, 경찰 수사 역량의 문제, 형사사법 체계 전환 과정의 현실적 어려움도 충분히 존재한다. 이러한 설명 역시 함께 검토해야 한다.

그럼에도 대통령 개인의 사건과 직접적으로 연결될 수 있는 제도를 대통령과 그 주변 인사들이 설계한다면 이해충돌에 관한 질문은 피할 수 없다.

만약 대통령에게 현재와 같은 사법리스크가 없었더라도 같은 형태의 검찰개혁을 추진했을까.

대통령 임기 이후 재판이 재개될 가능성이 전혀 없었더라도 공소 취소와 관련한 논쟁이 같은 강도로 벌어졌을까.

나는 지금 이 질문에 확정적인 답을 내릴 수 없다. 그래서 오히려 기록해두려 한다. 앞으로 이루어질 법무부 장관 인선, 관련 법안의 변화, 대통령 사건의 처리와 실제 제도 운영을 지켜보면 지금의 추론이 타당했는지 확인할 수 있을 것이다.

비평 역시 투자와 마찬가지로 현재의 가설을 기록하고, 이후의 행동과 결과를 통해 검증하는 과정이어야 한다고 생각한다.

검찰개혁, 대통령 개인 사법리스크가 투자자로서의 나랑 뭔 상관일 수 있겠냐고 반문을 한다면, 아래영상이 그 물음에 대한 답이 되길 바래본다. 

https://www.youtube.com/shorts/O3xJakIKOl4

https://www.youtube.com/shorts/O3xJakIKOl4

https://www.youtube.com/shorts/O3xJakIKOl4

Intelligence보다 먼저 Integrity

이 과정에서 워런 버핏이 자주 인용했던 말이 떠올랐다.

사람을 채용할 때는 세 가지를 봐야 한다. Integrity, Intelligence, Energy다. 그런데 Integrity가 없다면 나머지 두 가지가 오히려 조직을 파괴할 수 있다.

Intelligence는 상황을 빠르게 이해하고 자신의 이해관계를 계산하는 능력이다.
Energy는 그 판단을 실제 행동으로 옮기는 추진력이다.
그러나 Integrity가 없다면 높은 지능과 강한 실행력은 공동체를 위한 능력이 아니라 자신의 사익을 극대화하는 수단이 될 수 있다.

머리가 좋은 사람일수록 자신의 행동을 더 그럴듯하게 설명할 수 있다. 개인적인 이해관계를 공익적 명분으로 포장하고, 결과가 나빠지면 의도와 결과를 분리해 책임을 피할 수도 있다.

다만 특정 인물의 Integrity를 외부에서 직접 확인하기는 어렵다. 결국 판단 기준은 말보다 반복되는 행동이어야 한다.

자신에게 유리할 때와 불리할 때 같은 원칙을 적용하는가.
이해충돌 가능성을 스스로 공개하고 회피하는가.
결과가 잘못됐을 때 책임을 부담하는가.
자신에게 적용된 기준을 상대편에도 동일하게 적용하는가.

https://www.jaemayhem.com/
(판단은 각자 개인의 몫)

이 질문은 정치권력자에게만 적용되는 것이 아니다. 기업 경영자와 언론인, 애널리스트, 그리고 투자자 자신에게도 똑같이 적용된다.

기자와 애널리스트가 누렸던 특권

기성 언론 기자들이 오랫동안 누렸던 힘의 상당 부분은 정보 접근권에서 나왔다.

누구를 취재할 수 있는가.
어떤 회의에 들어갈 수 있는가.
공식 발표 전에 어떤 정보를 들을 수 있는가.
그리고 그 정보를 대중에게 전달할 수 있는 통로를 누가 가지고 있는가.

과거에는 취재권과 유통망 자체가 강력한 진입장벽이었다. 그러나 인터넷과 소셜미디어, 기업 공시, 영상 플랫폼, AI 기술이 발전하면서 그 장벽은 빠르게 낮아지고 있다.

이러한 변화는 대한민국 주식시장의 애널리스트에게도 그대로 적용된다.

과거에는 기업 탐방과 경영진 미팅, 산업 관계자와의 개인적인 네트워크가 애널리스트만의 경쟁력이었다. 일반 투자자가 구하기 어려운 자료를 먼저 얻고, 이를 가공해 리포트로 전달하는 것만으로도 일정한 가치가 있었다.

하지만 지금은 기업 공시와 실적발표 자료, 콘퍼런스콜, 해외 경쟁사 자료와 산업 통계에 누구나 접근할 수 있다. AI는 방대한 자료를 짧은 시간 안에 번역하고 비교하며, 과거의 발언과 현재의 실적도 빠르게 대조해준다.

그 결과 정보에 먼저 접근했다는 사실만으로 만들어지는 알파는 빠르게 줄어들고 있다.

물론 기자와 애널리스트의 전문성이 모두 불필요해졌다는 뜻은 아니다.
취재원 검증, 산업에 대한 맥락 이해, 복잡한 정보를 선별하는 능력은 여전히 중요하다.

다만 접근성의 프리미엄은 줄고, 검증 능력의 프리미엄은 커지고 있다.

이제 중요한 것은 누가 먼저 들었느냐보다 누가 공개된 정보를 더 정확하게 연결하고, 자신의 가정을 명확히 제시하며, 틀렸을 때 빠르게 수정할 수 있느냐에 가까워지고 있다.

정말 중요한 정보라면 왜 공개하지 않을까

나는 주식시장에서 유통되는 소위 ‘내부정보’를 들을 때마다 한 가지 의문이 생긴다.

정말 회사의 근본적인 체질이 바뀌었고, 시장이 그 변화를 알아주지 않아 회사가 답답한 상황이라면 가장 빠른 해결책은 그 내용을 공식적으로 공개하는 것 아닐까.

회사의 경쟁력이 개선됐다면 구체적인 수치와 사업계획, 수주와 고객 변화, 이익률과 현금흐름을 공시나 IR 자료를 통해 설명하면 된다. 누구나 확인할 수 있도록 정보를 공개해야 시장도 이를 주가에 반영할 수 있다.

그런데 왜 결정적으로 중요하다는 정보는 항상 소수에게만 개별적이고 사적인 방식으로 유통되는 걸까.

내 경험상 이런 정보의 상당수는 실체가 없거나, 공개적으로 발언한 뒤 책임을 지고 싶지 않은 주장인 경우가 많았다.

생각정리 219 (* 개스닥-2)
생각정리 231 (* 개스닥-3, 당신은 신을 믿으십니까? )

“회사 내부 사람에게 들었다.”
“탐방에서만 들을 수 있는 내용이다.”
“공개적으로 밝힐 수는 없지만 확실하다.”
“곧 시장이 알게 될 것이다.”

이런 말은 맞으면 정보력이 되고, 틀리면 상황이 변했다는 말로 빠져나갈 수 있다.
출처를 확인하기도 어렵고, 애초에 어떤 표현으로 전달됐는지 검증할 수도 없다.

공개할 수 없는 정보가 언제나 특별한 정보인 것은 아니다.
때로는 공개적으로 책임질 수 없는 주장일 뿐이다.

정말 분석력이 뛰어나 알파를 만들어낼 수 있다면 최소한 분석의 논리와 핵심 가정은 공개적으로 설명할 수 있어야 한다. 모든 포지션과 투자기법을 공개하라는 뜻이 아니다. 무엇을 사실로 보았고, 어떤 인과관계를 예상했으며, 무엇이 발생하면 자신의 판단이 틀렸다고 인정할 것인지는 제시할 수 있어야 한다.

반대로 정말 중요한 미공개 정보라면 소수 투자자에게 사적으로 전달되는 것 자체가 더 큰 문제일 수 있다. 정보가 중요할수록 사적 유통이 아니라 공정한 공개가 우선돼야 한다.

탐방 자체가 알파였던 시대의 끝

과거에는 남들보다 먼저 기업을 방문하고, 경영진을 만나고, 산업 관계자의 이야기를 듣는 행위 자체가 상당한 경쟁력이었을 것이다.

하지만 지금은 탐방에 참여했다는 사실만으로 특별한 정보를 얻었다고 보기 어렵다. 같은 회사를 이미 수많은 기관과 투자자가 방문했고, 회사가 공식적으로 설명할 수 있는 내용도 대부분 공시와 IR 자료에 포함돼 있다.

탐방이 불필요하다는 뜻은 아니다.

공장의 분위기와 조직의 실행력, 경영진이 질문에 대응하는 태도, 자료에서 드러나지 않는 운영상의 문제를 확인하는 데는 여전히 가치가 있다. 다만 탐방의 가치는 ‘나만 아는 비밀’을 얻는 데서 나오는 것이 아니라, 공개된 정보와 실제 현장 사이에 차이가 있는지를 확인하는 데서 나온다.

탐방은 정보를 독점하는 행위가 아니라 기존 가설을 검증하는 과정이어야 한다고 개인적으로 생각한다. 

AI 기술이 빠르게 확산되기 시작한 2023년 이후에도 시장에는 수많은 소음이 만들어졌다. 일부 애널리스트들의 미공개 정보, 중국과 관련한 외신 보도, 해외 반도체 전문지의 의혹 제기, 확인할 수 없는 내부 소스와 단독취재가 반복해서 시장을 흔들었다.

생각정리 344 (* China 중국, 가짜정보, 가짜언론)

그러나 ‘단독’, ‘외신’, ‘업계 관계자’라는 표현이 붙었다고 정보의 정확성이 자동으로 높아지는 것은 아니다.

이제 투자자의 경쟁력은 남들이 모르는 정보를 먼저 듣는 능력보다, 넘쳐나는 정보 가운데 무엇이 사실이고 무엇이 추론이며 무엇이 단순한 소음인지 구분하는 능력에서 나올 가능성이 크다.

기록은 투자자의 개인 데이터베이스다

이 지점에서 다시 기록과 검증의 문제로 돌아오게 된다.

투자자는 매일 수많은 주장과 전망을 접한다.
하지만 기록하지 않으면 어떤 정보를 근거로 판단했는지조차 나중에는 정확히 기억하기 어렵다.

주가가 오르면 처음부터 알고 있었다고 생각하고, 주가가 떨어지면 예상하지 못한 변수가 발생했다고 기억한다. 결과를 알고 난 뒤 과거의 판단을 현재에 맞게 다시 구성하는 후견지명 편향이다.

그래서 투자 아이디어를 기록할 때는 결론만 적어서는 부족하다.

당시 확인할 수 있었던 사실은 무엇이었는지,
어떤 가정을 세웠는지,
그 가정이 어떤 경로를 거쳐 실적으로 연결될 것으로 보았는지,
반대편에서는 어떤 근거를 제시했는지,
무엇이 발생하면 내 판단이 틀렸다고 인정할 것인지까지 남겨야 한다.

시간이 지나 결과가 나오면 다시 확인한다.

결과는 맞았지만 논리는 틀렸을 수도 있다. 반대로 단기적인 결과는 틀렸지만 분석 과정은 합리적이었을 수도 있다. 운이 좋았던 투자와 분석을 잘한 투자를 구분하려면 당시의 기록이 반드시 필요하다.

기록이 쌓이면 나만의 투자 데이터베이스가 만들어진다.

나는 어떤 산업에서 반복해서 잘못 판단하는가.
어떤 유형의 경영자를 지나치게 쉽게 신뢰하는가.
낙관적인 전망에서는 어떤 비용을 자주 누락하는가.
거시경제의 변화를 기업 실적에 너무 빨리 반영하는가.
반대로 어떤 구조적 변화는 비교적 일찍 발견하는가.

이런 내용은 다른 사람의 리포트에서는 찾을 수 없다.
오직 나의 과거 판단을 계속 기록하고 검증해야만 알 수 있다.

좋은 기록은 과거를 보존하는 데서 끝나지 않는다.
다음 판단의 오류를 줄이는 도구가 된다.
같은 실수를 반복하지 않게 하고,
새로운 정보가 들어왔을 때 어느 가정을 수정해야 하는지도 알려준다.

블로그에 공개적으로 글을 쓰는 것은 이런 효과를 더욱 강하게 만든다. 글을 공개하면 당시의 판단을 나중에 몰래 바꾸기 어렵다. 맞은 주장만 골라 기억하고 틀린 주장을 지워버리는 행위도 줄어든다.

물론 기록한다고 투자 성과가 자동으로 좋아지는 것은 아니다.
그러나 기록하지 않는 투자자는 같은 실수를 새로운 실수라고 착각하며 반복할 가능성이 높다.

투자에서 기록의 복리는 수익률표에 즉시 나타나지 않는다.
대신 사고방식과 판단 과정에 천천히 쌓인다.
한 번의 기록은 작은 메모에 불과하지만,
수년간 이어진 기록은 내가 어떤 투자자인지를 보여주는 가장 정확한 자료가 된다.

정리 

결국 내가 블로그를 쓰는 이유는 내가 항상 옳다고 주장하기 위해서가 아니며, 

오히려 내가 언제든 틀릴 수 있다는 사실을 스스로 납득시키기 위한 복기차원의 성격이 좀 더 강하다.

(*고집이 쏀 편)

기존 언론의 기사와 애널리스트 리포트를 수동적으로 받아들이는 것은 내 성격과 맞지 않는다. 누군가의 결론을 그대로 소비하기보다, 그 주장의 근거와 이해관계를 살펴보고 내 생각을 직접 정리해야 비로소 납득할 수 있다.

기존 언론과 애널리스트가 제공하는 정보는 완성된 정답이 아니라 판단을 위한 재료다. 중요한 것은 그 재료를 그대로 믿는 것이 아니라, 내 언어로 다시 정리하고 공개된 사실과 대조하며 시간이 지나도 계속 업데이트하는 일이다.

결국 정치 비평과 투자 분석은 크게 다르지 않은지도 모르겠다.

말보다 행동을 보고,
의도보다 이해관계를 살피며,
명분보다 결과를 확인한다.

그리고 그 모든 과정을 기록한다.

의도를 알 수 없다면 구조를 보고,
명분이 모호하다면 행동과 결과를 기록한다.
오늘의 생각을 남겨야 미래의 내가 오늘의 판단을 검증할 수 있다.

아마 이것이 내가 블로그를 계속 쓰는 가장 큰 이유일지도 모르겠다.

Record, And Verify.

=끝

생각정리 377 (* BIT between Korea and the U.S.)

대미투자협정(*BIT) 내용이 시장에 하나둘씩 발표되고 있다.
관련해서 내용을 정리해보고 개인적인 소감문(?)을 기록 작성해본다.

손실은 누가 지고, APR1400의 미국 실적은 누가 얻는가

2026년 9월 23일 기준 공개자료와 국회 보고 관련 보도를 토대로 작성했다. 비공개 보고에 관한 보도와 실제 계약의 확정 내용은 구분했다.

9월 22일 국회 보고를 두고 한국이 대미투자에서 얼마를 회수할 수 있는지에 관심이 집중된다. 그러나 한국 원전 민간 산업의 관점에서는 질문을 더 좁혀야 한다.

실제 공사와 기자재 계약은 누가 따내며, 원가가 늘어나면 누가 얼마까지 부담하는가?

여기에 APR1400의 미국 진출을 허용하기 위해 기존 지식재산권 분쟁 합의문을 손질한다는 보도가 더해졌다.

앞으로의 원전 협상은 정부의 투자수익, 민간기업의 시공·공급 계약, 장기 수출에 활용할 미국 실적이라는 세 가지를 구분해 평가해야 한다.

1. 어디까지 결정됐나: 협정과 국회 보고의 시간표

산업부 발표
양해각서 번역본
국회 보고 보도, 원전 사업비 보도

9월 22일 국회에 보고된 사업 가운데 추진을 결정한 것은 텍사스 엔시날 가스복합발전 1건이다. 원전 8기와 알래스카 LNG는 양국의 관심을 반영한 추진 계획으로 보고됐으며, 각각 별도의 절차를 거쳐야 한다. 따라서 첫 사업의 투자금이 집행되더라도 원전 8기의 EPC 조건까지 합의됐다는 뜻은 아니다. 국회 보고 관련 보도

2. 한국의 요구는 얼마나 반영됐나

양해각서 14~17항, 9월 보고 관련 보도
양해각서 11~12항
서울경제 보도

협상의 성과를 한쪽의 승패로만 평가하기 어려운 이유가 있다. 한국 정부가 투자자로서 받을 현금흐름과 한국 민간기업이 별도의 시공·납품 계약에서 벌어들일 돈은 서로 다른 구조이기 때문이다. 정부 투자금의 배분 조건이 불리해 보인다는 이유만으로 민간 참여기업의 계약까지 불리하다고 판단할 수 없다. 반대로 한국 업체 우선 고려 조항만으로 수주와 이익이 보장됐다고 볼 수도 없다.

3. 네 참여자가 바라보는 이익은 각각 다르다

같은 원전 사업에 참여하더라도 누가 투자하고, 누가 발주하며, 누가 설계·시공·납품하는지에 따라 돈을 버는 방식이 달라진다. 한미 양해각서의 50:50·90:10은 양국 정부 사이의 투자 SPV 분배금에 관한 규칙이다. 미국 민간 원전 사업자의 매출 배분율이나 한국 민간기업의 EPC 이익률을 정한 숫자가 아니다.

이 표의 정부 간 분배 규칙과 프로젝트 SPV 구조는 한미 전략적 투자 양해각서 11~15항·부록 A에 따른다. 원전 사업의 기종 구성과 지분 투자 논의는 9월 22일 국회 보고 관련 보도, APR1400 예외 방안은 같은 날의 합의문 수정 보도에 근거한다.

양해각서에 적힌 미국 단독 소유 프로젝트 SPV와 텍사스 사업의 ‘한미 지분 절반씩’이라는 보도는 동일한 법인의 지분 구조로 확정해 읽을 수 없다. 최종 투자 약정에서 두 구조의 관계를 확인해야 한다. 각 민간기업의 계약 매출과 위험 한도도 아직 발표되지 않았다.

4. 발표된 금액은 누구의 투자금인가

양해각서
서울경제 보도
국회 보고 기사
미 상무부 발표
미 상무부 발표

한국 텍사스 가스 사업 223억 달러와 일본 가스·SMR 발표치 1,063억 달러를 단순 합치면 최대 1,286억 달러다. 원전 8기 구상 1,200억 달러를 중복되지 않는 별도 사업으로 가정해 더하면 최대 약 2,486억 달러가 된다.

다만 이는 진행 단계가 다른 사업비와 발표 상한을 합친 개략적 시나리오다. 한국·미국·일본 정부가 각각 그만큼의 현금을 확정 출자했다는 뜻은 아니다. 전력망 투자의 범위와 금액도 포함하지 않았다. 미국 정부의 부지·인허가·전력구매 주선과 금융지원 가능성을 위 사업비에 다시 더해 ‘미국 정부 출자액’으로 계산해서도 안 된다.

한미 양해각서 10항, 미 상무부 발표

5. 총사업비가 커져도 민간기업의 이익이 자동으로 커지지는 않는다

프로젝트 총사업비에는 부지, 발전 설비, 시공, 금융 비용과 예비비가 들어간다. 그 가운데 발주처가 EPC 계약을 체결하고, 기자재 기업이 공급계약을 따낸다. 각 기업은 자신이 확보한 계약 매출에서 원가와 부담한 손실을 뺀 뒤에야 이익을 얻는다. 기자재 대금이 EPC 계약금에 이미 들어 있다면 두 금액을 따로 더해 전체 이익처럼 계산해서도 안 된다.

예를 들어 223억 달러짜리 발전사업에서 EPC 계약 몫이 60%, 그 계약의 영업이익률이 5%라고 가정하면 EPC 영업이익은 약 6억 7,000만 달러다. 이는 계약 구조를 설명하기 위한 계산이며 전망치가 아니다. 실제 EPC 범위와 마진은 공개되지 않았다. 설계 변경, 현지 인건비, 인허가 지연, 보증과 지체상금 조건이 달라지면 결과도 바뀐다.

민간기업의 입장에서 총사업비보다 직접적인 지표는 확보한 계약 범위, 실현 가능한 마진, 예상 밖의 손실에 대한 책임 상한이다. 정부 투자금의 수익배분 규칙으로 민간기업의 이익률을 계산할 수 없는 이유도 여기에 있다.

6. Bechtel 사례가 보여주는 원전 EPC 계약의 현실

Bechtel 기고
FT 인터뷰
World Nuclear News, 양측 발언 포함

Bechtel의 발언은 민간 시공사가 원전 사업 전체의 모든 손실을 보증해야 한다는 가정이 현실적인 계약의 출발점이 되기 어렵다는 주장을 뒷받침한다. 동시에 TerraPower 사업에서 Bechtel이 떠난 이유를 손실 부담 하나로 확정해서는 안 된다.

앞으로 미국 원전 사업에서도 발주처와 투자자, 원자로 설계·공급 주체, EPC, 주기기·보조기기 공급자가 각자 통제할 수 있는 위험과 감당할 손실의 한도를 계약으로 정해야 한다.

7. ‘200억 달러 완충분’과 민간기업의 손실 보증은 다르다

9월 22일 보도에 따르면 원전 8기 사업비 틀 약 1,200억 달러 가운데 200억 달러를 공사비 증가에 대비한 완충분으로 설정하는 방안이 논의됐다.

사용하지 않은 금액도 한국의 투자 약속을 이행한 것으로 인정하고, 추가 비용은 계약상 귀책에 따라 나누며, 완충분을 넘는 비용을 한국 정부가 자동으로 부담하지는 않는다는 설명도 나온다.

서울경제, 2026.9.22

이는 손실 대응에 관한 진전으로 볼 수 있다. 그렇다고 민간 EPC와 기자재 기업의 손실을 200억 달러까지 보증한다는 뜻은 아니다.

완충분을 누가 승인하고 어느 호기에 얼마나 쓸 수 있는지, 비용 증가의 원인을 다투는 동안 누가 먼저 지급하는지, 완충분이 소진되면 누가 부담하는지는 개별 계약에서 확인해야 한다.

이 표는 현재 확정된 분담표가 아니라 앞으로 나올 계약에서 확인해야 할 목록이다. 정부 투자금에 회수 장치가 생겨도 민간 시공사의 손해배상 책임이 지나치게 넓다면 산업계의 위험은 남는다.

8. 한국 원전 산업에는 APR1400의 미국 실적이 더 큰 변수가 될 수 있다

이번 국회 보고 관련 보도에서 한국 원전 민간 산업이 특히 주목할 대목은 기존 지식재산권 분쟁 합의문(SA)의 수정이다.

보도에 따르면 대미 전략투자를 활용한 원전 사업에 한해 APR1400의 미국 내 건설을 최대 2기 허용하는 방안이 논의됐다.

자사 원자로 AP1000과의 경쟁을 우려한 웨스팅하우스(WEC)가 반발했지만, 미국 정부가 한국의 건설 역량이 필요하다고 판단해 설득했다는 내용이다. 서울경제, 2026.9.22

다만 현재 보도만으로 비공개 합의문의 수정 문안이 확정·발효됐는지 확인할 수는 없다. 원전 8기의 기종 구성도 최종 합의 전이라는 국회 보고 기사가 있다. APR1400 두 기의 부지와 발주, 인허가, 최종 투자결정 역시 각각 별도의 단계다. 국회 보고 기사

APR1400에는 이미 해외 건설·운영 사례가 있고, 미국 원자력규제위원회(NRC)의 설계 인증도 있다. 이번 기회의 가치는 ‘첫 해외 실적’이나 ‘첫 미국 설계 인증’에 있지 않다. 미국 본토에서 한국형 원전이 실제 발주되고, 미국의 규제·노무·공급망 환경에서 건설과 운영 실적을 쌓는 것에 있다.

그것이 성사된다면 이후 제3국 발주처에 미국 현지 인허가 경험, 시공 일정, 원가와 운영 자료를 제시할 수 있다. IAEA의 UAE 원전 현황, 미 NRC의 APR1400 설계 인증

그러나 ‘최대 2기 허용’이라는 방안만으로 실적이 생기지는 않는다. 실제 발주와 한국 업체의 계약 참여, 건설, 준공, 운영을 거쳐야 미국 실적의 가치가 커진다. 그 과정에서 민간 참여기업이 감당하기 어려운 손실을 떠안는다면, 수주와 기술 실적이 생겨도 사업의 경제적 가치는 낮아진다.

또 하나 분명히 구분해야 한다. 보도된 SA 수정은 대미 전략투자 사업에 한정된 미국 내 예외다. 미국에서 APR1400을 지을 수 있게 된다고 해서 기존 합의에 따른 제3국 수출 제한이나 기술료·기자재 공급 조건까지 자동으로 변경되는 것은 아니다. 미국 건설 실적이 향후 세계 시장에서 설득력을 높이는 문제와, 세계 시장에서 수출할 권한과 조건을 확보하는 문제는 별도로 협상해야 한다. 합의문 예외 범위 보도

글을 마치며

이번 국회 보고만으로 한국 원전 민간 참여기업의 유불리를 섣불리 단정할 수 없지 않나 싶다. 한국 정부가 대미투자자로서 받는 원리금 회수와 한미 간 50:50·90:10 수익배분은 투자 특수목적법인의 현금흐름에 관한 규칙이다.

이를 한국 민간 EPC와 기자재 기업의 이익률이나 손실분담 비율과 같은 선상에 놓고 해석하는 것은 오류다. 민간기업의 손익은 각자 체결할 시공·납품 계약의 금액, 원가, 마진, 공기 지연과 비용 초과의 책임 한도에 따라 따로 결정된다. 한미 투자 양해각서 11~15항

한국 정부에는 투자금 회수 조건과 한국 기업의 미국 시장 진입로가, 민간 원전 산업에는 수주 및 APR1400의 미국 건설 실적을 쌓을 가능성이 열렸다. 그러나 시장을 열어준 성과와 그 시장에서 이익을 남길지는 별개의 문제다.

미국에서 한국형 원전을 적정한 수익을 남기며 완공한다면 그 실적은 이후 글로벌 원전 시장에서 활용할 수 있는 자산이 된다. 그 기회의 가치 또한 참여 범위와 위험 부담이 정해진 뒤에야 평가할 수 있다.

원전 프로젝트의 계약상 이익과 손실의 경계,
그리고 실제 참여 민간 사업자별 실적을 결정할 어려운 협상은 이제부터이지 않나 싶다.

=끝

생각정리 376 (* Muse Agent AI, The Consumer Token Moment)

B2C Agent AI 시대가 생각보다 빠르게 다가오는듯 싶다.
관련 리서치를 업데이트 기록해둔다.

Muse가 보여준 것은 Meta의 신제품이 아니라 B2C Token 시장의 개화다

Meta의 개인 AI Agent Muse가 빠르게 사용자를 모으고 있다.

Muse 자체의 매출이나 Meta의 실적 기여도도 중요하지만, 이번 변화에서 더 주목하는 부분은 따로 있다.

기업과 개발자를 중심으로 증가하던 Agentic Token 수요가 일반 소비자의 일상으로 확산되기 시작했다는 점이다.

ChatGPT가 생성형 AI의 B2C 사용자 CHATBOT 시장을 열었다면,
Muse를 시작으로 본격화되는 개인 Agent 경쟁은 B2C Token 시장의 두 번째 확장 국면을 열 가능성이 있다.

사용자는 더 이상 AI에 질문만 하지 않는다.

이메일 정리, 일정관리, 예약, 쇼핑, 가격 비교와 정보 추적을 맡긴다. Agent는 목표가 끝날 때까지 여러 앱을 오가며 추론과 실행을 반복하고, 사용자가 앱을 종료한 이후에도 백그라운드에서 계속 작업한다.

ChatGPT Moment가 AI를 사용하는 사람의 수를 늘렸다면, Agent Moment는 사용자 한 명이 소비하는 Token의 양과 시간을 늘린다.

---

개인용 AI Worker가 B2C 시장으로 내려왔다

Meta는 Muse를 질문에 답하는 Assistant가 아니라 사용자를 대신해 실제 업무를 수행하는 Personal AI Agent로 정의했다.

Muse는 전용 클라우드 환경인 Secure VM에서 브라우저와 외부 앱을 사용한다. 이메일 전송, 여행 예약, 웹 양식 작성과 쇼핑을 수행하고, 장시간이 필요한 작업은 앱이 종료된 뒤에도 계속 진행한다.

별도 앱뿐 아니라 WhatsApp에서도 사용할 수 있으며, 향후 AI Glasses로 확장될 예정이다. Meta의 Muse 공식 발표

Muse의 의미는 완전히 새로운 기술을 처음 만들었다는 데 있지 않다.

기업과 개발자들이 사용하던 Agent 기능을 일반 소비자가 별도의 Workflow나 코딩 지식 없이 메시지만으로 사용할 수 있게 만들었다는 점이 중요하다.

Meta는 WhatsApp, Messenger, Instagram과 AI Glasses를 보유하고 있다. 사용자가 새로운 AI 사용 습관을 만들지 않아도, 이미 생활하고 있는 플랫폼 안으로 Agent를 밀어 넣을 수 있다.

Muse의 초기 확산은 개인용 AI Worker에 대한 소비자 수요가 실제로 존재할 가능성을 보여준 첫 대규모 사례에 가깝다.

---

B2C Agent 경쟁이 본격화되고 있다

Muse의 확산은 다른 Frontier AI 기업에도 즉각적인 대응 압력을 주고 있다.

SpaceXAI는 2026년 8월 Grok Bot을 공개했다. Grok Bot은 자체 클라우드 컴퓨터를 가지고 앱과 웹사이트에 로그인하며, 사용자가 자리를 비운 뒤에도 24시간 작업을 계속한다.

사용자의 업무 과정을 관찰해 반복 가능한 Routine으로 저장하고, 여러 Bot이 서로 역할을 나누어 병렬로 작업할 수도 있다. SpaceXAI의 Grok Bot 공식 발표

OpenAI도 Grok Bot에 대응하는 Agent 기능과 Muse에 대응할 개인 AI Assistant를 내부적으로 검토하는 것으로 보도됐다.

새로운 기술을 처음부터 개발하기보다 ChatGPT Work와 Codex가 이미 보유한 브라우저 조작, 앱 연결, 반복 작업과 장기 실행 기능을 개인용 제품으로 재구성하는 방향이다. 아직 내부 검토 단계로 제품 형태와 출시 시점은 확정되지 않았다. The Information 보도 요약

Google은 Gemini를 Gmail, Calendar, Search와 Android에 연결할 수 있다. Apple은 iPhone과 개인 데이터를, Anthropic은 Computer Use와 업무용 Agent 기술을 보유하고 있다.

이제 경쟁의 기준은 누가 가장 뛰어난 Chatbot을 만들었느냐에서 벗어나고 있다.

누가 사용자의 이메일, 일정, 브라우저, 결제와 생활 데이터를 연결하고 더 많은 일을 안전하게 위임받느냐가 중요해진다.

---

Agent의 핵심은 사용자 증가보다 Token Multiplier다

Agent가 단순한 Chatbot보다 많은 Token을 사용하는 이유와 Multi-Agent가 Computing 수요를 증폭시키는 구조는 이전 글 생각정리 328 (* The Agent Multiplier, Unhobbling, OOM)에서 자세히 정리했다.

핵심만 다시 가져오면 B2C Agent의 Token 수요는 다음 식으로 결정된다.

월간 Token 수요
= 활성 사용자 × 일평균 Agent 작업 수 × 작업당 Token × 30일

일반적인 Chatbot은 사용자가 질문하면 한 번 답하고 멈춘다.

Agent는 하나의 목표를 수행하기 위해 계획을 세우고, 외부 정보를 읽고, 도구를 호출하고, 결과를 검증한다. 실패하면 다른 방법으로 재시도하며, 필요한 경우 여러 Agent가 업무를 나누어 수행한다.

2026년 공개된 연구에서도 복잡한 Agentic Coding 작업은 단순 Code Chat이나 추론보다 최대 1,000배 많은 Token을 사용했다. 동일한 작업도 실행 경로에 따라 사용량이 최대 30배 차이 났다.

Agent Token Consumption 연구

Coding Agent의 수치를 개인 Agent에 그대로 적용할 수는 없다.

다만 한 번의 사용자 요청이 다수의 모델 호출과 긴 Context 처리로 증폭된다는 방향은 동일하다.

여기에 백그라운드 작업이 더해진다.

Chatbot은 사용자가 대화를 종료하면 Token 소비도 멈추지만, 개인 Agent는 사용자가 자는 동안에도 이메일을 분류하고, 가격과 뉴스를 추적하고, 다음 날 일정을 준비한다.

B2C Agent 시장에서는 사용자 수보다 다음 세 가지 변수가 더 중요해진다.

• 사용자당 Agent 작업 빈도

• 작업당 모델 호출과 Token

• 백그라운드 실행시간
  
  

---

2030년 B2C Agent Token 수요 추정

아래 수치는 각 기업의 공식 전망이 아니라 개인 Agent의 확산 속도와 작업 구조를 기반으로 한 자체 추정치다.

Token에는 사용자가 화면에서 보는 답변뿐 아니라 System Prompt, 장기 Context, 외부 문서, 도구 실행 결과, 검증과 재시도에 사용되는 내부 Token을 포함했다.

기본 시나리오에서 B2C Agent 활성 사용자는 2026년 1.2억 명에서 2030년 15억 명으로 약 12.5배 증가한다.

같은 기간 월간 Token 수요는 0.007경에서 3.24경으로 약 450배 증가한다.

사용자 증가에 작업 빈도와 작업 복잡도의 상승이 함께 곱해지기 때문이다.

2030년 월간 3.24경 Token은 연간 약 38.9경 Token이다.
기업용 Agent, Coding Agent, Physical AI와 기존 Chatbot 사용량은 포함하지 않은 숫자다.

---

수익화보다 먼저 Token 시장이 열린다

B2C Agent 시장을 유료 가입자만으로 판단하면 실제 Token 수요를 과소평가할 수 있다.

2030년 B2C Agent MAU 15억 명, 유료 전환율 6%, 유료 ARPU $300를 적용하면 유료 사용자는 약 9,000만 명, 구독시장은 약 270억 달러가 된다.

그러나 무료 Agent도 상당한 Token을 소비한다.

플랫폼 기업은 이를 구독료뿐 아니라 광고, 쇼핑 수수료, 결제, 여행 예약, 금융상품 중개와 기업용 서비스로 회수할 수 있다.

검색시장은 사용자의 의도를 광고와 연결했다.

Agent 시장은 사용자의 의도를 실제 거래와 실행으로 연결한다.

Meta가 Muse에 Stripe Link를 연결하고 Shopify의 Shop Pay를 지원하려는 이유도 여기에 있다. 반대로 Amazon은 고객정보와 기존 추천 시스템을 보호하기 위해 Muse의 쇼핑몰 접근을 차단했다. Meta 공식 발표, The Verge

앞으로 플랫폼은 사람의 Traffic뿐 아니라 Agent Traffic과 거래 주도권을 두고 경쟁하게 될 가능성이 높다.

앱은 넘쳐나는데, 쓸 시간은 없다
Agent Traffic 경쟁 본격화  

---

Token 증가와 AI 기업의 매출 증가는 구분해야 한다

Token 수요가 폭발한다고 해서 AI 기업의 매출이 같은 속도로 증가하는 것은 아니다.

모델 효율과 추론 단가가 빠르게 하락하면 Token 사용량은 늘어나도 Token당 매출은 계속 낮아질 수 있다. 실제 소비자 요금도 Token 단위보다 월 구독, 사용 한도, 광고와 거래 수수료의 조합으로 결정될 가능성이 높다.

따라서 B2C Agent의 경제성은 다음 관계에 달려 있다.

**사용자당 Agent 경제적 가치 증가율

사용자당 추론 및 실행비용 증가율**

Agent가 소비자의 시간을 절약하고 구매와 광고 전환을 늘린다면, 플랫폼은 무료 사용자에게 Token을 제공하면서도 이익을 얻을 수 있다.

반대로 많은 Token을 사용하면서 유료 전환이나 거래를 만들지 못하면 사용량 증가는 비용 부담으로 돌아온다.

Muse는 B2C Agent의 수요뿐 아니라 이러한 경제성이 실제로 성립하는지를 시험하는 첫 대규모 사례다.

---

Agent는 AI 인프라 수요를 GPU 밖으로 확장한다

Agentic AI가 장기 Context와 반복 실행을 통해 Memory·Storage·Networking 수요를 확대하는 경로는 생각정리 364 (* From Words to Worlds, The Next Memory Supercycle)에서 정리했다.

HBM이 Agentic Workload에서 GPU의 실제 Token 생산성을 높이는 경제적 가치(*=HBM)는 생각정리 361 (* The Price of Idle FLOPS, Astra & HBM) 내용으로 갈음한다.

이번 글에서 추가로 중요하게 보는 부분은 개인 Agent마다 별도의 실행환경이 필요해진다는 점이다.

Muse와 Grok Bot은 모델 추론만 수행하지 않는다. 클라우드 VM에서 브라우저와 앱을 실행하고, 인증 상태와 작업 기록을 저장하며, 외부 서비스와 지속적으로 통신한다.

따라서 B2C Agent의 확산은 다음 수요를 함께 증가시킨다.

Agent AI는 모델 하나가 아니다.

모델·VM·브라우저·Memory·Storage가 결합된 상시 실행형 컴퓨팅 시스템에 가깝다.

---

기존 글의 결론에서 한 단계 더 나아가 보면

생각정리 372 (* Intelligence Is Abundant, Execution Is Scarce)에서는 모델의 희소성이 낮아질수록 데이터·실행·유통·물리적 인프라의 가치가 높아질 가능성을 정리했다.

Muse는 이 변화가 기업용 AI에만 머물지 않고 B2C 시장으로 확장될 수 있음을 보여준다.

앞으로 Frontier Model의 성능 격차가 축소되더라도 개인 Agent 시장에서는 다음 자산이 여전히 희소하다.

• 수십억 명에게 Agent를 배포할 수 있는 플랫폼

• 이메일·일정·결제와 개인 데이터에 대한 접근권한

• Agent가 실제 행동할 수 있는 앱과 거래망

• 장시간 작업을 안정적으로 처리할 컴퓨팅 인프라

• 소비자가 자신의 일상과 개인정보를 맡길 수 있는 신뢰

AI 기업의 경쟁은 가장 좋은 답변을 만드는 경쟁에서 가장 많은 실행을 위임받는 경쟁으로 이동하고 있다.

---

앞으로 확인해야 할 지표

Muse의 다운로드 순위만으로 B2C Agent 시장의 성공을 판단하기는 아직은 너무 이르고 어렵다.

앞으로 더 중요하게 봐야 할 지표는 다음과 같다.

이 가운데 가장 중요한 지표는 다운로드가 아니라 사용자당 완료 작업 수다.

작업 수와 완료율이 함께 증가하면 Token 소비와 경제적 가치도 커진다. 반대로 사용자가 Agent의 행동을 믿지 못해 모든 단계를 직접 확인해야 한다면 시장의 확장성은 제한된다.

---

글을 마치며

Muse의 초기 흥행을 Meta의 새로운 수익원으로만 해석할 필요는 없다.

더 큰 변화는 Muse가 개인 Agent에 대한 소비자 수요를 확인하면서 OpenAI, SpaceXAI, Google, Apple과 Anthropic을 같은 시장으로 끌어들이고 있다는 점이다.

ChatGPT는 생성형 AI를 일반 소비자에게 배포했다.

Muse와 Grok Bot은 AI가 사용자를 대신해 실제 업무를 수행하는 경험을 배포하기 시작했다.

과거에는 얼마나 많은 사람이 AI에게 질문하는지가 중요했다.
앞으로는 Agent가 하루 동안 몇 개의 업무를 수행하고,
몇 개의 앱을 오가며,
얼마나 오랫동안 Context를 유지하는지가 더 중요해진다.

기본 시나리오에서 B2C Agent 사용자는 2026년부터 2030년까지 약 12.5배 증가하지만, Token 수요는 약 450배 증가할 수 있다.

이유는 단순하다.

Chatbot은 사람이 질문할 때만 작동하지만, Agent는 목표가 끝날 때까지 계속 작동하기 때문이다.

여기에 여러 Agent가 역할을 나누고 서로 검증하는 Multi-Agent 구조까지 확산되면 Token 수요는 사용자 수보다 훨씬 빠르게 증가할 수 있다.

Muse가 보여준 가장 큰 가능성은 Meta의 미래 매출에만 있지 않다.

AI Token 시장이 기업과 개발자를 넘어 수십억 명의 소비자에게 확산되고, GPU·CPU·HBM·Server DRAM·Storage·Networking과 전력 수요를 함께 끌어올리는 새로운 수요층이 등장하고 있다는 데 있다.

ChatGPT Moment가 AI의 B2C 사용자 Chatbot시장을 열었다면, 개인 Agent 경쟁은 B2C Token 시장을 여는 Consumer Token Moment가 될 가능성이 있다.

= 끝

생각정리 375 (*The Grid Has No Free Lunch, 한국전력)

이거 맞아요..?

최근 기후에너지환경부가 발표하는 전력정책의 방향은 이해하기 어렵지 않다.

재생에너지를 확대하고, 발전지역에서 전력을 소비하는 지산지소형 산업구조를 만들며, 수도권에 집중된 전력수요를 지방으로 분산한다. 주민 반대가 심한 송전선로는 지중화하고, 한전의 투자 여력이 부족하면 민간자본을 활용해 전력망 건설속도를 높이겠다는 구상이다.

각각의 정책만 놓고 보면 그럴듯하다.

문제는 발전정책과 전력망 투자, 전기요금과 지역지원, 한전의 재무구조가 하나의 비용함수 안에서 설계되고 있는지 확인하기 어렵다는 점이다.

정부가 발전원과 전력망의 위치, 지역별 요금할인과 주민지원정책을 결정하지만 실제 송전망을 건설하고 전력을 구매하며 사업 지연과 수요예측 실패의 비용을 부담하는 주체는 대부분 한전이다.

앞서 생각정리 309 (* 국무회의, 발전, 전력설비, 전력요금)에서는 남는 전력과 실제 사용할 수 있는 전력의 차이, 송전망과 지중화에 숨겨진 비용을 정리했다.

이번 글에서는 같은 내용을 반복하기보다 최근 전력망 정책을 한전의 부채와 이자비용, 앞으로 필요한 CAPEX의 관점에서 다시 살펴보려 한다.

---

1. 한전은 전력망 확대의 수혜자가 아니다

최근 발표된 전력망 정책을 간단히 정리하면 다음과 같다.

AI 데이터센터와 반도체 클러스터, 재생에너지 확대를 고려하면 전력망 투자는 반드시 필요하다. 전선과 변압기, 차단기와 HVDC, 전력 EPC 기업의 수요도 구조적으로 증가할 가능성이 높다.

다만 전력기기 기업의 매출은 한전의 CAPEX다.

관련 산업의 시장이 커지는 것과 발주자인 한전의 재무상태가 좋아지는 것은 전혀 다른 문제다. 전력 인프라 산업의 장기적인 기회는 생각정리 357 (* Beyond the Cycle, K-EPC)에서 이미 정리했다.

---

2. 흑자를 내고도 부채가 늘어나는 한전

한국전력의 연결기준 부채는 2021년 145.8조원에서 2026년 상반기 210.7조원으로 증가했다.

5년 반 동안 부채가 약 64.9조원, 비율로는 44.5% 증가했다.

2026년 상반기 한전은 연결기준 매출 46.32조원, 영업이익 4.91조원, 순이익 2.80조원을 기록했다. 그러나 같은 기간 부채는 2025년 말보다 약 5.1조원, 차입금은 약 3.5조원 증가했다.

상반기 이자비용만 약 2.1조원이다. 영업이익의 약 43%가 이자로 빠져나간 셈이다.

한전의 문제는 이제 단순한 적자 여부가 아니다.

영업이익이 발생하더라도 이자비용과 전력망 CAPEX가 영업현금흐름을 초과하면 부채는 계속 증가한다.

자료는 한국전력 재무정보, 2026년 반기보고서, 한국전력 상반기 실적 발표를 참고했다.

---

3. 부채비율 개선이라는 착시

정부의 중장기 재무관리계획은 한전 본사의 부채가 2026년 약 122.9조원에서 2030년 132.3조원으로 증가할 것으로 전망한다.

연결부채 210.7조원과 정부 계획의 122.9조원은 범위가 다르다. 앞의 수치는 발전자회사 등을 포함한 연결기준이고, 뒤의 수치는 한전 본사 중심의 별도기준이다.

정부 계획상 부채비율은 2026년 **450%**에서 2030년 **285%**로 낮아진다. 그러나 같은 기간 절대부채는 약 9.4조원 증가한다.

부채비율 개선의 일부도 자본확충과 토지 자산재평가 등 분모가 커지는 효과에 의존한다.

부채비율은 내려가는데 부채와 이자비용은 계속 늘어나는 상황이 가능하다.

---

4. 앞으로 5년간 약 75조원의 CAPEX·이자 부담

정부 계획상 한전의 2026~2030년 송배전망 CAPEX는 약 60.98조원이다. 연평균으로는 약 12.2조원이다.

여기에 한전 본사의 연간 이자비용 약 2.5~2.9조원을 더하면 다음과 같다.

영업현금흐름과 감가상각비를 반영하기 전의 단순 합산이지만, 자산매각과 비용절감만으로 해결하기 어려운 규모라는 점은 분명하다.

부족한 재원을 마련할 방법은 사실상 네 가지뿐이다.

전기요금 인상
＋ 정부 출자
＋ 한전채·차입금 증가
＋ 민간자본 활용

그러나 전기요금 인상은 물가와 민생 때문에 어렵고, 정부 출자는 재정부담을 발생시킨다. 한전채 발행은 부채와 이자를 늘리며, 민간자본은 한전보다 높은 수익률을 요구한다.

어느 방법을 선택하더라도 비용은 사라지지 않는다.

---

5. 지산지소라는 말에 빠져 있는 비용

지산지소는 발전지역에서 생산한 전력을 해당 지역에서 소비하자는 구상이다.

전남은 연간 발전량이 약 71.66TWh, 소비량은 약 33.58TWh다. 숫자만 보면 충분한 잉여전력이 존재한다.

그러나 반도체 공장과 데이터센터가 필요한 것은 연간 발전량이 아니라 매시간 공급되는 고품질 전력이다. 태양광과 풍력의 발전시간이 산업시설의 부하곡선과 일치한다는 보장은 없다.

연간 재생에너지 발전량
≠ 시간대별 공급능력
≠ 산업단지의 24시간 확정전력

변동성 발전원과 확정전력, 전력망의 관계는 생각정리 356 (* EU Grid Before Green, 대한민국 12차 전기본)에서 정리했다.

지산지소는 전력망을 없애는 정책도 아니다. 호남권에 대규모 산업단지를 조성하더라도 345kV 송전망과 변전소, ESS와 백업전원이 별도로 필요하다.

발전소와 산업단지를 지도에서 가깝게 배치한다고 계통 문제가 자동으로 해결되는 것은 아니다.

---

6. 지역별 요금과 ESS, 민간 BT의 한계

비수도권 산업용 전기요금을 최대 10% 안팎 낮추면 기업의 지방 이전을 유도할 수 있다. 그러나 예상되는 산업용 전기요금 부담 감소액은 연간 약 2.8조원이다.

이는 한전 본사의 연간 이자비용 2.5~2.9조원과 비슷하다.

비수도권 요금은 크게 낮추면서 수도권 요금을 충분히 올리지 않는다면 비용중립적인 지역별 요금제가 아니다.

한전의 전기요금 체계를 이용한 지역산업 보조금에 가깝다.

지역산업 지원이 필요하다면 국가재정이나 산업정책 예산에서 부담해야 한다. 전기요금 안에 숨기면 정책비용은 한전의 매출감소와 부채증가로 나타난다.

정부가 추진하는 ESS 약 700MW도 재생에너지 출력제어와 단기 계통혼잡을 완화하는 데는 유용하다. 하지만 선로당 4MW·20MWh 구조를 단순 적용한 전체 저장용량은 약 3.5GWh다.

이는 4GW 규모 산업단지의 전력수요를 약 52분 공급할 수 있는 양이다.

ESS는 낮 시간의 전력을 저녁으로 옮길 수 있지만, 송전망과 24시간 확정전원을 대체할 수는 없다.

민간 BT도 마찬가지다.

민간사업자가 전력망을 먼저 건설하면 한전의 초기 자금부담을 분산하고 사업속도를 높일 수 있다. 그러나 민간자본은 한전채보다 높은 수익률을 요구한다.

준공 이후 한전이 전력망을 인수하면 인수대금과 금융비용, 감가상각비와 유지보수비가 결국 한전의 재무제표로 돌아온다.

민간 BT는 비용을 없애는 방식이 아니라 사업 지연비용과 민간 금융비용 가운데 어느 쪽을 부담할지 선택하는 방식이다.

---

7. 발전을 먼저 허가하고 전력망은 나중에 붙인다

현재 전력정책의 근본적인 문제는 발전사업과 전력망 계획의 순서가 뒤집혀 있다는 점이다.

해상풍력과 대규모 재생에너지 사업은 발전입지를 먼저 확보하고, 계통 접속가능성과 육상 송전망은 이후에 보완하는 경우가 많다.

그 결과 다음과 같은 과정이 반복된다.

발전사업 허가
→ 계통접속 신청 증가
→ 송전망 부족
→ 접속대기와 출력제어
→ ESS 보조금 확대
→ 추가 전력망 투자
→ 한전 CAPEX 증가

발전사업의 수익은 발전사업자가 확보하지만, 발전입지와 계통계획의 불일치에서 발생한 비용은 한전과 전기소비자가 부담한다.

재생에너지 목표를 먼저 정하고 나중에 전력망과 ESS를 붙이는 방식으로는 총비용을 통제하기 어렵다.

---

8. 에너지가격·CPI·금리가 동시에 한전을 압박한다

한전의 영업환경을 어렵게 만드는 것은 전력망 투자만이 아니다.

한전 영업비용의 약 88%는 전력구입비와 연료비다. 글로벌 에너지가격이 상승하면 비용은 빠르게 증가하지만 전기요금은 물가와 정치적 판단을 거쳐 뒤늦게 조정된다.

글로벌 에너지시장과 정제품 공급문제는 생각정리 368 (* Crude Is Not Diesel, The Second Oil Shock)과 생각정리 369 (* Diesel, The Last Barrel Standing)에서 살펴봤다.

2027년 CPI와 고금리 경로는 생각정리 370 (* 가맹사업법, CPI), 생각정리 373 (* 전세난, 고물가 그리고 고금리)에서 다뤘다.

한전의 관점에서 연결하면 다음과 같다.

글로벌 에너지가격 상승
→ 발전원가 상승
→ 소비자물가 상승
→ 금리인하 지연 또는 재인상 위험
→ 한전채 차환금리 상승
→ 민생안정을 이유로 전기요금 인상 억제
→ 영업현금흐름 악화
→ 한전채와 차입금 증가

에너지가격 상승은 한전에 비용으로 들어온다. 그러나 에너지가격 상승으로 CPI가 높아지면 정부는 전기요금 인상을 더욱 억제할 가능성이 크다.

높은 물가는 금리인하도 어렵게 만들어 한전의 이자부담을 높인다.

발전원가는 시장가격을 따라 오르지만 전기요금은 정치적 판단에 따라 묶인다. 비용은 오르는데 가격은 올리지 못하고, 그 결과 늘어난 부채에는 다시 높은 이자가 붙는다.

---

9. 한전은 정책비용의 충격흡수장치가 되고 있다

정부는 재생에너지를 확대하고, 지방 전기요금을 낮추며, 송전선로를 지중화하고 싶어 한다.

반도체와 AI 데이터센터에는 빠르게 전력을 공급하고, 물가와 민생을 위해 전기요금은 억제하며, 채권시장 부담을 줄이기 위해 한전채 발행도 제한하고 싶어 한다.

각각의 목표는 이해할 수 있다.

하지만 이 목표들을 동시에 달성하려면 누군가 비용을 부담해야 한다. 현재 정책은 그 부담주체를 명확히 정하지 않은 채 상당 부분을 한전의 재무제표에 남겨두고 있다.

재생에너지 확대
→ 계통접속 대기와 출력제어
→ ESS와 송전망 추가투자
→ 지역별 요금할인
→ 지중화와 주민보상
→ 민간 BT 건설
→ 한전의 의무 인수
→ 전기요금 인상 억제
→ 한전채와 부채 증가

정책의 편익은 발전사업자와 지방자치단체, 산업단지 입주기업과 지역주민에게 분산된다.

반면 회수되지 못한 비용과 장기 운영위험은 한전에 집중된다.

한전은 전력회사를 넘어 에너지정책과 산업정책, 지역균형발전과 물가정책 사이에서 발생한 모순을 흡수하는 충격완충장치가 되고 있다.

---

글을 마치며

재생에너지와 지산지소의 방향 자체가 잘못됐다고 생각하지 않는다.

전력 생산지역이 환경비용과 송전선로 부담을 감수하면서 수도권에 값싼 전력을 보내는 구조도 장기적으로 지속 가능하지 않다. 전력망을 확충하고 전력수요를 발전지역과 가까운 곳으로 이동시키는 시도는 필요하다.

다만 정책에는 순서가 있어야 하고, 무엇보다 비용을 누가 부담할 것인지와 정책이 지속 불가능해졌을 때 어떻게 정상화할 것인지에 대한 EXIT PLAN이 있어야 한다.

전기요금에 반영하지 않을 정책비용이라면 정부가 재정을 통해 부담해야 한다. 지역산업 지원비용은 산업정책 예산에서 지출하고, 민간 전력망 사업은 인수가격과 수익률, 공사비 초과와 수요예측 실패의 책임을 명확히 배분해야 한다.

이 대통령은 정책의 평가는 시간이 흐른 뒤, 정권 말기에 받고 싶다고 말했다.

그러나 시간이 흐른 뒤의 평가를 이야기하려면 지금 추진하는 정책이 어디에서 끝나는지부터 보여줘야 한다. (*Exit plan을 보여줘야 한다.)

연금정책도 마찬가지다.

보험료를 부담하는 청년과 중장년층에는 더 많은 부담을 요구하면서 가까운 미래의 퇴직세대에는 더 높은 급여를 약속하고 있다. 하지만 저출산·고령화로 보험료를 부담할 생산연령인구는 계속 감소할 가능성이 높다.

생각정리 169 (* 연금, 국내증시, 수급주체)와 생각정리 350 (* Debt, Centralization)에서 정리했듯, 보험료를 더 걷고 급여를 더 지급하는 방식은 제도의 시간을 연장할 수는 있어도 인구구조가 무너지는 상황의 EXIT PLAN이 될 수 없다.

서울 부동산 정책도 같은 의문이 남는다.

재개발·재건축 허가와 대출을 옥죄면 단기적으로 거래와 가격상승 속도를 낮출 수 있다. 그러나 서울 선호지역에 신규주택을 공급할 현실적인 수단이 제한된 상황에서 정비사업까지 막으면 공급부족은 해결되지 않는다.

생각정리 287 (* 부동산, 진퇴양난)에서 정리했듯 수요억제 정책은 단기적으로 가격을 누를 수 있지만, 공급을 함께 막으면 시간이 지날수록 희소성을 높인다.

더구나 생각정리 373 (* 전세난, 고물가 그리고 고금리)에서 살펴본 것처럼 2028~2030년에는 서울 재개발·재건축 이주수요까지 집중될 가능성이 높다.

대출을 막아 수요를 잠시 뒤로 미루는 것은 공급대책이 아니다.

에너지정책도 다르지 않다.

재생에너지와 전력망 투자를 확대하고 지역별 전기요금을 낮추면서도 전기요금 인상을 억제한다면 그 차액은 사라지지 않는다. 한전의 부채와 회사채, 이자비용으로 이전될 뿐이다.

전기요금으로 회수하지 않고 정부재정으로도 부담하지 않은 정책비용은 결국 한전의 부채라는 이름으로 미래에 이연된다.

앞서 생각정리 218 (* 하인리히의 법칙, 원화약세)에서 정책의 선한 의도와 실제 결과를 분리해서 봐야 한다고 적었다.

퇴직세대의 노후소득을 보호하고,
서울 집값을 안정시키며,
재생에너지와 지역균형발전을 확대하겠다는 목표 자체를 문제 삼는 것은 아니다.

문제는 세 정책이 같은 방식으로 작동하고 있다는 점이다.

연금에서는 인구감소 이후의 부담을 미래세대에 넘기고,
부동산에서는 공급부족의 대가를 미래의 실수요자에게 넘기며,
에너지에서는 정책비용을 한전의 부채와 이자로 미루고 있다.

현재의 갈등과 비용을 해결한 것이 아니라 부담이 드러나는 시점을 뒤로 옮긴 것이다. 지금 당장의 가격과 부담을 억누르는 동안 장부 밖에서는 연금부채와 주택 공급부족, 한전의 차입금과 이자비용이 계속 누적된다.

정권 말기에 평가받고 싶다면 그때까지 각 정책의 비용이 어디에서 회수되고,
누가 최종 부담하며,
지속 가능하지 않을 때 어떤 방식으로 정상화할 것인지 설명할 수 있어야 한다.

필요한 것은 선한 목표를 반복하는 것이 아니라,
정책이 지속 불가능해졌을 때 빠져나올 수 있는 구체적인 EXIT PLAN이다.

현재의 부담을 미래 정부와 다음 세대의 청구서로 넘겨놓은 채,
이번 정권 말기에 도대체 어떤 평가를 기대하고 있는 것인지 아직도 이해하기 어렵다.

(며칠전 태어난 우리의 아기가 어떻게 이 대한민국이라는 부채 사회속에서 발 붙여 살아갈 수 있을지 갑자기 걱정이 앞선다..)

1500조 육박한 나랏빚…2030년 이자비용 50조 넘는다

https://krwwindow.com/debt/

=끝