아마존이 16,000명을 해고한다는 뉴스를 봤을 때, 솔직히 처음에는 그냥 무서운 숫자로만 다가왔습니다. 50대 가장으로서 "사람이 기계에 밀려나는 시대가 정말 왔구나" 싶은 막연한 공포감이었습니다. 그런데 겁만 먹고 있을 수는 없어서 공부를 시작했더니, 이 숫자 뒤에 훨씬 큰 그림이 숨어 있었습니다.
AI워싱과 구조조정의 민낯
처음 뉴스를 접했을 때 저는 단순히 "AI가 사람을 대체하는 시대가 왔다"는 식으로만 읽었습니다. 그런데 좀 더 들여다보니 사정이 그렇게 단순하지 않았습니다.
요즘 시장에서 AI워싱(AI-washing)이라는 말이 떠돕니다. AI워싱이란 실제로는 팬데믹 기간의 과잉 고용을 정리하는 구조조정임에도, 투자자들에게 좋게 보이기 위해 "미래 AI 투자를 위한 결단"이라고 포장하는 행태를 말합니다. 빅테크 기업들이 약속이라도 한 듯 비슷한 시기에 비슷한 이유를 내세우고 있다는 점이 제가 가장 비판적으로 보는 지점입니다.
실제로 팬데믹 시기에 이들 기업은 비대면 수요 폭증에 맞춰 공격적으로 인력을 늘렸습니다. 이후 금리가 오르고 성장률이 꺾이면서 그 몸집을 줄여야 하는 압박이 생긴 겁니다. 그런데 투자자 입장에서는 "사업이 힘들어서 사람을 줄입니다"보다 "AI 시대를 위해 자원을 재배치합니다"라는 말이 훨씬 매력적으로 들리죠. 로이터도 기업들이 AI와 효율화를 명분으로 감원을 이어가고 있다고 정리한 바 있습니다(출처: Reuters).
그래서 저는 지금의 해고가 "AI 때문"이라는 한 문장으로 설명되기엔 무리가 있다고 봅니다. 더 정확히 말하면, 인건비를 줄여서 컴퓨팅 파워(computing power)라는 새로운 자원을 확보하는 거대한 재배분 과정입니다. 컴퓨팅 파워란 AI 모델을 훈련하고 실행하는 데 필요한 반도체, 데이터 센터, 전력 전체를 아우르는 연산 능력을 뜻합니다.
물론 기업들의 화려한 발표를 곧이곧대로 믿어서는 안 된다는 점은 늘 염두에 두어야 합니다. 그러나 동시에 이 흐름 자체가 거짓이라고 단정하는 것도 틀렸습니다. 기업들이 실제로 반도체와 데이터 센터에 막대한 자본을 쏟아붓고 있다는 사실은 분기 보고서 숫자로 확인됩니다. 마이크로소프트는 2026 회계연도 2분기 실적에서 클라우드 매출이 전년 대비 26% 증가했다고 밝혔습니다. AI 수요와 직접 연결된 성장입니다.
월스트리트의 반응도 바뀌었습니다. 예전 같으면 대규모 해고는 위기 신호로 받아들여졌을 텐데, 지금 시장은 인력을 줄이고 AI 인프라에 투자하는 기업을 오히려 효율적인 자원 배분을 하는 회사로 해석합니다. 이 지점에서 개인 투자자가 읽어야 할 것은 해고 숫자가 아니라 그 돈이 어디로 흘러가는지입니다.
컴퓨팅파워 확보 경쟁과 투자전략
제가 공부를 시작하면서 가장 크게 달라진 것은 질문 방식이었습니다. 처음에는 "이 종목 사도 돼요?" 수준에서 맴돌았는데, 도구를 제대로 활용하기 시작하면서 "이 해고가 실제 비용 절감인지, AI 인프라 투자 확대 때문인지 최근 분기 보고서 기준 자본지출(CAPEX) 변화와 함께 정리해 줘"라는 식으로 질문이 달라졌습니다. 자본지출(CAPEX, Capital Expenditure)이란 기업이 미래 수익 창출을 위해 설비, 인프라 등에 투자하는 지출을 말하며, AI 기업들의 경쟁력을 가늠하는 핵심 지표 중 하나입니다.
같은 AI 도구를 써도 질문 구조가 다르면 나오는 답의 수준이 완전히 달라진다는 것을 제가 직접 써보고 나서야 실감했습니다. 이건 말로만 들을 때와 체감이 완전히 다릅니다.
그렇다면 AI 인프라 경쟁에서 개인 투자자가 주목할 축은 어디일까요. 저는 크게 세 갈래로 나눠 봅니다.
- 플랫폼·클라우드: 마이크로소프트처럼 AI 서비스와 그것이 구동되는 클라우드 인프라를 동시에 보유한 기업. AI 수요가 커질수록 인프라 사용료가 함께 올라가는 구조입니다.
- AI 메모리·반도체: SK하이닉스가 대표적입니다. AI 모델이 커질수록 HBM(High Bandwidth Memory, 고대역폭 메모리) 수요가 함께 늘어납니다. HBM이란 GPU와 데이터를 초고속으로 주고받기 위해 설계된 적층형 메모리로, AI 연산의 병목을 해소하는 핵심 부품입니다. SK하이닉스는 2025년 연간 및 4분기 실적이 모두 사상 최고치를 기록했다고 발표했으며, 그 배경으로 HBM 수요를 직접 언급했습니다(출처: SK하이닉스 IR).
- 전력·발전 인프라: AI 데이터 센터는 전기를 엄청나게 소비합니다. AI 모델이 커지고 사용자 수가 늘수록 전력 소비는 기하급수적으로 증가하기 때문에, 두산에너빌리티 같은 발전 인프라 기업도 이 흐름에서 빠질 수 없습니다.
이 세 축을 보는 이유는 지금 당장 매수를 권하기 위해서가 아닙니다. AI 시대를 몇몇 AI 회사들의 경쟁으로만 좁혀 보면 가치 사슬(value chain)의 절반 이상을 놓치게 됩니다. 가치 사슬이란 최종 서비스가 만들어지기까지 원자재에서 완성품에 이르는 모든 단계를 연결한 구조를 말합니다. "어떤 주식이 오를까"보다 "AI 시대의 필수 비용을 누가 가져가는가"라는 관점으로 지도를 넓히는 것이 더 현실적인 접근입니다.
물론 AI 에이전트(AI Agent) 열풍처럼 화려한 데모와 실제 현장 사이의 간극도 냉정하게 봐야 합니다. AI 에이전트란 사람이 목표만 던져 주면 계획 수립부터 실행까지 스스로 이어나가는 자율적 AI 시스템을 말합니다. 아직 기술적 한계와 막대한 비용이라는 벽이 존재하기 때문에 "시대가 완전히 열렸다"보다는 "분명히 열리고 있다"는 쪽이 정확합니다. 기술이 완전히 성숙한 다음에 진입하면 이미 많은 기회가 가격에 반영된 이후일 가능성이 높기 때문에, 방향을 먼저 읽는 것이 중요합니다.
지금 이 흐름에서 투자자가 가장 먼저 바꿔야 할 것은 종목 리스트가 아니라 정보를 해석하는 방식입니다. 뉴스 제목 하나에 반응하는 감 투자에서 벗어나 구조적으로 질문하고 연결해서 보는 습관이 AI 시대에 가장 실질적인 무기가 될 것입니다. 제가 직접 경험해보니, 같은 정보를 보고도 어떻게 질문하느냐에 따라 나오는 인사이트의 깊이가 완전히 달랐습니다.
이 글은 개인적인 경험과 의견을 공유한 것이며, 전문적인 투자 조언이 아닙니다. 투자 판단은 반드시 본인의 책임 아래 이루어져야 합니다.