글로벌 빅테크가 눈독 들이는 K-데이터의 위력 (조용민 언바운드랩스 대표, 이용권 고릴라PE 파트너)

한 줄 핵심

AI 시대의 승부처는 모델 자체보다 전력·데이터·인프라의 병목을 누가 먼저 푸느냐에 있고, 한국은 정교하게 구축된 데이터와 제조 기반을 활용해 AI 허브 국가가 될 기회가 크다.

시간별 요약

1. 0:00
   AI 인프라의 핵심 병목은 전력과 데이터이며, 한국은 건강보험·반도체·조선 등 정교하게 쌓인 데이터 자산을 기반으로 AI 학습의 허브가 될 잠재력이 크다. 따라서 데이터 주권을 지키면서 이를 어떻게 수익화할지 설계하는 것이 중요하다.
2. 1:00
   전력 병목의 유력한 해법으로 SMR이 거론되지만, 태양광·풍력보다 더 싸고 안정적인 대안이 나오면 기술 채택은 바뀔 수 있다. 결국 유망 섹터를 고를 때는 현재의 가능성만 보지 말고 기술 진도와 경제성 변화를 계속 추적해야 한다.
3. 3:01
   미래의 유망 기업은 독자적으로 표준을 만들며 성장할 수도 있고, 빅테크에 인수돼 더 큰 가치로 이어질 수도 있다. 투자 관점에서는 둘 중 어느 경로든 유효하므로, 기술의 표준화 가능성과 인수 프리미엄을 함께 봐야 한다.
4. 7:02
   AI 과열론에 대해선 아직 시작 단계라는 관점이 제시된다. 현재 효용은 코딩·소프트웨어·리테일처럼 검증 주기가 짧은 분야에 먼저 나타나고 있으며, 신약 개발처럼 주기가 긴 분야로 확산될수록 AI 투자의 정당성이 더 강해질 가능성이 크다.
5. 12:02
   한국의 소버린 AI 논의는 필요하지만, 자체 초거대 모델 구축만이 해법은 아니다. 한국은 HBM, 제조 데이터, 건강보험 데이터 같은 강점을 살려 데이터 플랫폼과 버티컬 AI 생태계를 키우는 편이 더 현실적이고 전략적이다.
6. 21:02
   데이터를 가진 기업이 반드시 자체 모델을 만들어야 하는 것은 아니며, 오히려 데이터를 정렬·플랫폼화해 해외 프론티어 모델과 결합하는 전략이 더 효율적일 수 있다. 한국은 모델 승자 자체보다 그 모델들이 반드시 거쳐 가야 하는 메모리·제조·데이터·인프라 허브가 되는 방향을 노려야 한다.

실무 인사이트

• AI 투자나 사업 검토 시 모델 성능보다 전력, 데이터 정렬, 배포 경제성처럼 병목을 실제로 푸는 지점을 먼저 확인해야 한다.
• 국내 기업은 자체 거대모델 개발보다 KQ, 제조 데이터처럼 경쟁력 있는 데이터셋을 안전하게 연합학습·플랫폼화하는 전략이 더 빠른 수익화로 이어질 수 있다.
• 투자자는 AI 완성형 기업보다 AI 밸류체인에서 필수 경유지가 되는 인프라·소재·전력·데이터 기업을 함께 봐야 한다.