
AI 지출은 얼마나 해야 할까? 왜 대부분의 VC 펀드는 아직 투자자에게 수익을 돌려주지 못했는가? 누가 실제 투자의 진정한 outlier 인가?
저자: Venture Curator
편집: TechFlow
TechFlow 요약: 이 글은 두 가지 현상을 구체적인 수치로 규명한다. 거대 VC들이 AI 분야의 동질화된 프로젝트에 집중 투자하는 반면, 신흥 관리인(매니저)들은 오히려 차별화된 기업에 과감히 베팅한다는 점, 그리고 대부분의 VC 펀드가 설립 9년 만에 LP에게 원금도 채 돌려주지 못하고 있다는 점이다. 자금을 모집 중인 창업자에게는 명성의 빛보다는 펀드 내부의 자본 압박 구조를 파악하는 것이 훨씬 더 핵심적이다.

신생 VC들이 점점 더 이례적인 스타트업에 투자를 확대하고 있으며, AI 지출은 7만 개가 넘는 기업 간에 큰 격차를 보이고 있다.
정말 누가 벤처 캐피탈의 '이방인'에 투자하는가? 데이터가 말해주는 것.
벤처 캐피털리스트들은 일반적으로 이 업계가 '이방인'에 관한 사업이라고 가르친다. 예상치 못한 소수 기업이 전체 수익의 대부분을 만들어내므로, 가장 큰 팀, 가장 넓은 네트워크, 가장 풍부한 자본을 가진 기관이 이를 찾아낼 가능성이 높아야 한다.
하지만 Odin의 Dan Grey는 Dealroom 데이터를 바탕으로 한 새 연구에서, 최대 규모 기관일수록 다른 모든 포트폴리오 기업들과는 전혀 다르게 보이는 기업에 투자할 가능성이 가장 낮다는 것을 보여준다.
Grey는 2023년부터 2025년까지 시드 라운드 포트폴리오에 포함한 5개 대형 펀드(a16z, General Catalyst, Lightspeed, NEA, Accel)의 각 회사와, 선별된 최고 수준의 신흥 관리인 집단의 희소성을 점수화했다. 희소성은 사업(업종, 비즈니스 모델, 고객, 지역)과 기술 두 가지 차원에서, 2018년부터 2025년까지 시드 단계 자금을 유치한 모든 기업과 비교하여 측정되었다. 가장 특이한 상위 20%를 '이방인'으로 분류했다.
신흥 관리인은 평가 가능한 시드 투자의 24.7%(198개 중 49개)를 '이방인' 프로필에 배치했다. 대형 펀드는 11.5%(278개 중 32개)만 투자했다. 약 두 배 차이 난다.
이 격차는 모든 소액 펀드가 역발상 투자자라는 의미는 아니다. 많은 신흥 관리인도 대형 펀드처럼 AI에 과도하게 노출되어 있다: Conviction은 100%, South Park Commons는 93.5%가 AI 분야다. 격차는 서로 다른 임무와 목표를 가진 전문성 기반 펀드들에서 비롯된다. 예를 들어 Lowercarbon은 AI 비중이 18.8%, Multicoin은 15.4%에 불과하다.
이것이 바로 포트폴리오 구성이 중요한 이유다. 서로 다른 신흥 관리인 5곳의 자산을 합치면 집중도가 보통 22.6% 하락한다. 반면 다섯 대형 펀드를 합치면 2.0%만 하락하는데, 이는 다섯 곳 모두 이미 82.7%에서 89.5%의 AI 포지션에 묶여 있기 때문이다. 462가지 조합 가능한 신흥 관리인 그룹 중, 대형 펀드 그룹을 제치고 성과를 낸 경우는 단 2개뿐이다.
이 현상의 중요성은 단순 포트폴리오 통계를 넘어선다. 자금 조달 위험 관련 연구는 투자자가 이후 자금 사용 가능성을 예상하느냐에 따라 어떤 실험이 첫 번째 수표를 받는지 결정된다고 오랫동안 주장해 왔다. Odin은 데이터가 이 메커니즘을 직접 증명하지는 않는다고 신중히 밝혔다. 하지만 최대 규모의 자금 풀이 이미 널리 '투자 가능'으로 인식된 프로젝트에만 투자한다면, 그 합의 밖의 기업은 누군가가 첫 도전을 걸기를 기다릴 수밖에 없다.
그렇다면 이것이 신흥 관리인이 승자를 더 잘 뽑아냈다는 뜻일까?
아니다. 여기서 '이방인'은 포트폴리오 기업 사이에서 드문 경우를指하는 것일 뿐, 혁신성이 더 뛰어나거나 성공할 가능성이 높음을 의미하지 않는다. 창업자 배경을 점수 시스템에 포함하면 격차는 19.8% 대 14.4%로 줄어든다. 신흥 관리인 집단은 선별된 표본일 뿐 시장 전체를 대표하지 않는다. 또한 소액 펀드에도 군집 투자 현상이 존재한다: 블록체인은 그들의 초기 라운드에서 46.7%를 차지했다가 나중에는 20.9%로 떨어졌다.
바로 이때문에 투자자들은 경계해야 한다.
수익이 '이방인'에서 나온다는 가설을 세웠다면, 유명 브랜드의 펀드를 추가하는 것은 대부분 동일한 베팅을 복제할 뿐이다. 진정한 의미로 서로 다른 목적을 가진 펀드들의 바스켓만이 범위를 확장한다. 그러나 범위 자체만으로는 수표를 발행할 근거가 되지 못한다. Odin이 제시하는 판단 기준은 다음과 같다: 해당 펀드가 기존 포트폴리오에 어떤 공백을 채워줄까, 비용과 부대 권리는 어떤 수준인가, 희석 후 지분율은 얼마이며, 차후 자금 조달 위험은 어떻게 되는가.
핵심 문제는 어느 펀드가 가장 규모가 큰지가 아니라, 실제로 다른 이들이 보지 않는 곳을 주시하는 펀드가 어디인지다. 데이터에 따르면, 그런 역할을 하는 펀드 목록은 점점 더 고정된 집단을 유지하지 못하고 있기 때문이다.
설립 9년 후, 여전히 대부분의 VC 펀드가 투자자 자금 반환을 완료하지 못하는 이유는 무엇인가? 다음엔 어떤 일이 벌어지는가?
창업자는 일반적으로 자신의 VC 파트너를 '인내심 있는 자본'으로 여겨야 한다고 배우는다. 벤처 캐피털은 마라톤과 같으며, 펀드는 대규모 성과가 나올 때까지 기다리기 위해 조성된다. 주식 목록 상에는 누구도 현금 인출을 서두르지 않는다.
하지만 Carta의 2026년 2분기 VC 펀드 실적 보고서 신규 데이터에 따르면, 대부분 펀드가 아직 출금액을 LP에게 환급하지 못하면서 인내심이 바닥나는 모습을 보이고 있다.
Carta는 순 DPI(Distribution to Paid-In), 즉 LP가 투입한 1달러 대비 펀드가 실제로 LP에게 환급한 현금의 비율을 추적했으며, 이는 2017년부터 2026년 사이에 투자를 시작한 미국 리스크 캐피탈 펀드 약 3,000개를 커버한다.
2017년 투자 시작 펀드는 이제 만 9년 차로, 전형적인 10년 펀드 수명 주기의 끝자락에 와있다. 중앙값 펀드는 현금만 0.37배 반환했다. 상위 25% 퍼센타일 펀드도 0.70배에 불과하다. 오직 상위 10%만이 LP 투입 금액을 초과한 1.37배를 환급했다.
더 젊은 펀드들의 상황은 더 나쁘다. 2018년 펀드의 중앙값은 0.15배, 2019년 펀드의 중앙값은 0.04배로, 7년 후에 달러 1불을 넣으면 겨우 4센트만 회수한다는 의미다.
가치는 장부에 분명히 존재한다. 2017년 펀드의 중앙값 장부가치는 1.72배이지만, 그중 약 5분의 1만 현금 형태로 반환되었다. 나머지는 아직 매각되거나 상장되지 않은 비상장 회사들에 잠겨 있다.
이를 외부에서 확인하기 어려운 또 다른 이유가 있다. 이들 펀드 대부분이 실제로 일부 자금을 반환했다는 사실이다: 2017년 펀드의 86%, 2018년 펀드의 70.4%가 적어도 부분적인 현금 분배를 실시했다. 따라서 거의 모든 펀드는 LP에게 "분배가 시작되었다"고 말할 수 있지만, 정말로 원금을 완전히 돌려줬다고 확언할 수 있는 곳은 드물다.
그렇다면 창업자는 왜 자신 투자자의 펀드 장부를 신경 써야 할까?
투자자가 운용하는 펀드의 시간표와 여러분의 회사 시간표는 일치하지 않기 때문이다. 종료 임박, LP에게 실질적 빚을 지고 있고, 차기 펀드 모집에 나선 펀드는 조기에 유동성을 확보하려는 강한 동력을 갖는다. 이러한 압박은 회사의 조기 매각을 유도하거나, 이차 시장에서의 지분 매도를 요청하며, 다음 라운드 투자 시 추가 자금 투입을 더 신중하게 검토하도록 만들 수 있다.
바로 이때문에 창업자들이 주의해야 한다.
이런 사실이 곧 당신의 투자자가 당신에게 불리한 행보를 보인다는 뜻은 아니다. 펀드는 존속 기간을 연장할 수 있으며, 많은 최정상급 기관들도 승자로 판명한 기업에 계속 지지하는 충분한 근거를 갖고 있다. Carta의 데이터는 단순히 현금 부족분만 보여줄 뿐, 각 펀드가 구체적으로 어떤 행동을 취할지 대체하지 않는다. 그러나 수표를 발행한 펀드의 출시 연도는 이제 각주에 불과한 사안이 아닌 명확한 현실 변수로 자리 잡았다. 2017년 혹은 2018년 펀드에서 자금을 출자한 파트너와, 2025년이라는 최신 펀드에서 자금을 출자한 파트너의 처지는 완전히 다르다.
진정한 리스크는 투자자가 유동성을 필요로 한다는 사실이 아니다. 핵심은 당신이 받은 자금이 정확히 어느 펀드에서 나왔는지, 그 펀드가 출자자들에게 얼마만큼의 현금을 아직 돌려주지 않았는지, 그리고 이런 구조가 향후 추가 투자 또는 매각 결정에 어떤 영향을 미치는지를 모르는 데 있다.
AI 산업의 최대 화폐는 어디에 있는가: 최전방 모델인가, 미들마켓인가?
대부분의 AI 보도는 최전방(프론트엔드)에 초점을 맞춘다: 각 랩에서 개발한 최신, 최고 성능, 최고가의 모델 말이다. 하지만 Theory Ventures의 Tomasz Tunguz는 하나의 주장을 펼친다. 정말로 중요한 시장은 중간 계층이며, 실제 지출 데이터도 이를 뒷받침한다.
미들 계층은 이미 전체 AI 지출의 약 40%와 토큰 사용량의 30%를 차지하고 있다.

비교해보면, 프론트엔드 모델의 점유율은 얇다. Anthropic의 최강 모델 Fable 5.1은 출시 직후 12일 동안 게이트웨이 지출의 3.7%만 기록했다. 전작의 최고치는 13.2%였으나, 반값으로 발매된 Opus 5 등장 한 달 후 4.9%로 폭락했다. 대기업 계정 내에서 프론트엔드 모델 토큰 소비 비중은 8월 초 53%에서 9월 45%로 하락했다.
가격 전쟁 역시 이 레벨에서 벌어진다. 9월 Anthropic이 신모델 가격을 인하하자 OpenAI는 약 90분 뒤에 즉각 대응했다. 인하 전까지 Opus 시리즈는 연속 4개 버전이 토큰 입력 100만 개당 5달러, 출력 25달러를 고수했다. 저단 시장에서 OpenAI는 7월 Luna 가격을 80% 깎았고, 9월에 다시 50% 추가 인하했다.
미들 계층의 가격을 지속적으로 하향 압력에서 세 가지 요인이 작용한다:
랩 간의 경쟁. 랩들은 이제는 몇 분기 대신 몇 시간 내에 상호 가격 인하에 반응한다.
오픈 웨이트 모델. 공개 데이터를 제공하는 게이트웨이 기준으로, 오픈 모델이 전체 토큰 사용량의 대부분을 차지하며 가격은 클로즈드 소스 모델의 평균 대비 86% 저렴하다.
파인튜닝. 오픈 웨이트 모델 Kimi K2.5를 기반으로 파인튜닝한 Cursor Composer 2는 기존 자체 개발 모델 대비 총 비용을 86% 절감했다. Harvey는 Sonnet 5 대비 셀(Cell)당 비용을 55% 낮추면서도 점수는 Fable 5를 상회했다.
이러한 현상은 구조적 차원에서 지속될 수밖에 없다. 기업이 AI에 요구하는 작업, 예를 들어 계약서 요약이나 티켓 분류는 해마다 거의 동일하게 유지된다. 반면 이 기준선을 충족할 만한 AI의 지능 비용은 빠르게 추락한다. 즉, 고정된 요구사항을 처리하는 중간 계층은 분기마다 가격이 싸지고 있으며, 실제 업무의 대부분은 프론트엔드가 아닌 이 중간층에서 수행되고 있다.
수요 형태는 정점이 프론트엔드인 피라미드보다는 중간이 굵은 종 모양 곡선에 가깝다. 구매자는 최고 성능이 아니라 달러당 확보할 수 있는 AI의 실용성에 주목한다. 미결된 질문은 이 미들 시장이 결국 커머디티화 될지 여부다. 만약 그렇다면 AI 시장 전반의 경제학 자체가 송두리째 바뀔 것이다.
이 모델들을 바탕으로 제품을 구축하는 입장이라면 반드시 물어봐야 할 질문이 있다. 당신의 제품이 정말로 필요한 AI 계층은 어디인가. 미들 계층의 업무에 프론트엔드 모델 가격을 지불하는 것은 현재 가장 먼저 버려야 할 비용 항목이다.
스타트업이 AI에 실제로 얼마나 지출해야 하는가? 데이터가 알려주는 결론.
대부분의 창업자에게 AI 지출 규모를 물으면 꽤 자신감 넘치는 숫자를 얻을 수 있다: ChatGPT와 Claude 구독료, Cursor 요금, 증가세에 있는 API 비용 등을 합치면 월 몇천 달러가 나온다. 매우 정확해 들리지만 실제로는 그렇지 않다. 이는 세 가지 성질이 완전히 다른 지출을 하나로 뭉뚱그렸기 때문이며, 유일한 공통점은 공급업체 카테고리뿐이기 때문이다.
미국 7만 개 이상 기업을 아우르는 Ramp의 결제 데이터에 따르면, 'AI 사용'이라는 개념이 얼마나 파편화되었는지 드러난다.
중앙값 기업의 경우 직원 1인당 월 지출은 11.38달러다. 상위 10%는 611달러를 쓴다.
상위 1%는 7,449달러를 지출하며, 이는 중앙값의 약 650배에 달한다. Ramp가 이 지출 데이터를 21,559개 기업을 아우르는 Revelio Labs의 인력 기록과 결합한 결과, 지출이 높은 기업은 2년 동안 직원 수가 10.2% 성장했으며, 이 중 엔트리 레벨 채용은 12% 증가했다.
저강도 사용 기업들의 데이터에서는 뚜렷한 변화가 전혀 관찰되지 않았다.

따라서 더 많이 쓰되, 어디에 써야 할까?
대부분의 창업자는 AI 청구서를 자신의 소프트웨어 예산과 비교한다. 특히 Figma나 Notion 등 소프트웨어 비용과 함께 청구서 항목으로 나열되기 때문이다. 그러나 이는 잘못된 계산 기준이다. 점증하는 AI 지출의 대체 대상은 소프트웨어가 아닌 인간이다. CS 에이전트의 비교 기준은 SaaS 패키지 자체가 아닌 CS 담당자 역할이다.
전형적인 시드 단계 기업을 예로 들어보겠다: 인원 12명, 월 급여 비용 약 18만 달러, 월 AI 지출 4,000달러. 소프트웨어 예산과 비교하면 4,000달러가 무거워 보인다. 그러나 급여 비용과 비교하면 2.2%에 불과하다. 같은 숫자지만 결론은 정반대다.
해결책은 AI 예산을 세 블록으로 분리하고, 각각 고유한 기준선으로 평가하는 것이다:
임금 라인 AI (CS, SDR 및 개발 에이전트): 비교 기준은 채용하지 않은 인력의 급여다. 해당 포지션을 명확히 정의할 수 없다면 이 카테고리에 속해서는 안 된다.
생산성 라인 AI (구독/라이선스, 노트 및 작성 도구): 사용하는지 여부를 봐야 한다. 2개월 차에 활용률이 급격히 하락하면 즉시 취소해야 한다.
원가 라인 AI (프로덕트 내 토큰 및 API 호출): 사용량이 10배로 팽창했을 때의 매출총이익률을 체크해야 하며, 반드시 재무제표의 COGS 항목에 편입시켜야 한다.

세 유형을 혼동하면 각 신호가 상쇄된다. 라이선스 비용 과다 지출이 총액을 불필요하게 키우면, 창업자는 에이전트 도입에 소극적이 되며 이는 정작 수익성이 높은 영역이다. 상위 1% 기업은 지출액이 많아서 승리한 것이 아니라 비용 유형이 명확히 구분되어 있기 때문이다: 인간 업무를 대체하는 곳에 과감히 베팅하고, 단순히 업무 속도를 높이는 곳에서는 엄격히 통제하며, 제품 내부에서 발생하는 지출은 매출총이익률을 꼼꼼히 모니터링한다.
우리는 완전한 평가 방법론을拆解했으며, 30분 이내에 적용 가능한 감사 절차를 포함시켰다. 이번 주 바로 청구서 검증에 활용할 수 있으니 자세한 내용은 《AI 지출의 진정한 평가 기준은 무엇인가?》를 참고하라.
왜 딥 테크(Deep Tech) 벤처캐피탈의 DD(실사)는 오히려 퇴화하는 것인가?
난이도가 높은 기술일수록 가장 철저한 검증을 받아야 마땅하다고 생각할 수 있다. 양자 컴퓨터, 핵융합 반응로, 차세대 반도체 아키텍처 등은 물리 법칙에 부합해 작동하는지 아니면 불가능한지 Binary하게 갈리며, 이를 입증하려면 진정한 전문가적 능력과 검증이 필요하다.
하지만 PostQuantum의 Marin Ivezic는 정반대의 현실이 펼쳐지고 있다고 지적한다. 거래 규모가 크고 기술 밀도가 높을수록 과학적 타당성을 독립적으로 검증하는 이는 점차 사라지기 때문이다.
이는 투자자들이懒惰해진 탓이 아니다. 몇 가지 구조적 변화가 중첩되어 발생한 현상이다.
전문가 레이어가 사라졌다.
과거에는 투자자들이 은행 리서치 팀을 통해 독립적인 기술적 판단을 얻을 수 있었다. 해당 팀들은 전문 분석가를 보유하고 있었다. 2018년 유럽 MiFID II 규제 시행으로 리서치 비용과 거래 비용을 분리结算하는 방식이 도입되며 이 모델은 위축되었다. 보도에 따르면 유럽 주식 리서치 규모는 약 20% 축소되었으며, 주요 은행들의 전문 분석가 수도 감소했다.
현재 전문가 네트워크 시장은 약 25억 달러 규모로 일부 공백을 메우고 있다. 하지만 이는 문의할 전문가와 질문의 방향성을 정확히 알고 있을 때만 기능을 발휘한다. 최전방 기술 분야에서 이러한 통찰력은 일반형 투자자에게 결핍된 부분이다.
자금은 일반형 투자자로 향했다.
2025년 민간 양자 산업 투자는 49억 달러를 기록하며 192% 성장했다. 최대 투자자는 전문 양자 펀드가 아닌 블랙록과 엔비디아였다. 국부펀드와 연금 펀드도此类 라운드에 적극 참여하고 있는데, 국부펀드 조사 결과 58% 기관이 리드 인베스터로서 필수 기술 검토를 수행할 자원 부족을 호소했다. 자체적으로 기술 심사를 진행할 역량 없는 자본은 궁극적으로 타인의 의견에 의존할 수밖에 없었다.
리드 인베스터의 명칭이 자체 심사 역할을 대체했다.
권위 있는 LD가 공동 투자자들에게 신용 보증 역할을 수행한 것이다. 공동 투자자들은 LD가 물리적 실현 가능성을 이미 검증했다고 가정하지만, 실제 검증 과정을 목격할 수 없으며 그 절차가 이루어졌는지 확인할 길이 없다. 심지어 Quantinuum의 6억 달러 증자처럼 LD 명단이 아예 없는 경우도 존재한다.
데드라인과 군집 투자 현상이 심사를 앞질렀다.
2023년 말 기준, 미국 펀드들의 미투자 잔액은 역사적 극치인 3,116억 달러를 기록했다. 자본 투입 압박에 처한 펀드 매니저는 유망 트랜잭션에 합류하는 것이 지연시키는 것보다 더 큰 효용을 창출한다. 또한 동료들이 틀린 것과 함께 실수하는 것이 혼자 실수하는 것보다 평판 손상 측면에서 훨씬 부담이 적다.
딥 테크 분야에는 강제 점검 단계가 존재하지 않는다.
바이오 섹터는 좋은 대조군이다. FDA 승인 프로세스는 각 단계별 데이터 공개를 의무화하며, 이에 따라 업계는 일련의 DD 가이드라인을 수립했다: 과학 자문위원회, 전담 심사관, 단계별 검증 시스템 등이 그것이다.
양자 기술 분야에는 이와 동등한 장벽이 없다. 본고가 확인한 대형 양자 기업들에 대한 가장 치밀한 기술 검토는 호주 정부로부터 나왔다. 정보공개청구를 통해서만 누설된 내용이지, 그 어느 투자자 단체가 실시한 결과가 아니다.
그 결과는 명확한 수치로 나타난다.

2025년 민간 양자 투자는 49억 달러였으나, 전체 양자 컴퓨팅 산업의 총매출은 약 14억 달러에 머물렀다. 2021년 SPAC를 통해 상장된 양자 기업 3곳은 2025년 합산 매출을 12억 달러로 전망했지만, 실제 실적은 1.38억 달러에 불과했다. 게다가 가장 치밀한 검증 작업을 수행한 주체는 투자자가 아닌 숏SELLER였다.
이런 식으로 수습되는 과정은 이미 선례가 있다. 2006년부터 2011년까지 베케이가 클린테크에 250억 달러 이상을 투입했으나, 절반 이상이 손실로 돌아갔다. 당시 이 사이클을 연구한 학자들은 하드웨어 경험을 보유하지 않은 연금 펀드와 국부펀드가 차기 유사 기업에 자금을 붓는 주체가 될 것이라고 경고한 바 있다.
제안된 해결책은 단순하다. 일정 규모 이상의 딥 테크 라운드에 코인베이스 하기 전, LP는 독립적인 기술 타당성 심사를 요구해야 한다. 해당 심사는 펀드 측에서 의뢰하거나 창업자가 선정해선 안 된다. 필자의 경우 양자 스타트업에 투자하고 있으며, 본인과 같은 서비스를 운영하는 기업을 경영하고 있음을 밝힌다. 하지만 핵심 명제는 변함없이 유효하다: 딥 테크 세계에서 equity table의 로고가 기술 검증을 조용히 대체했으며, 이러한 막대한 수표 금액 앞에서는 몇 주에 걸친 독립 심사 비용은 사소한 것에 불과하다.













