- 시장 사이클은 뒤집혔고, AI를 '진짜' 쓰는 팀만 살아남고 있다. a16z 차트가 보여주는 잔인한 숫자들.

헬스케어, 소비재, 미디어 - 2010년대에 두 자릿수 수익률로 콧대 높았던 섹터들이 지금은 3~6%짜리 구석 자리에 앉아 있다. 반대로 한 자릿수에 웅크렸던 에너지, 원자재, 건설, 금융이 두 자릿수로 앞줄을 꿰찼다. 완벽한 뒤집기. 딱 하나, 테크만 두 사이클 연속 우승이다. 근데 테크 안에서도 칼로 나뉘었다. 하드웨어는 연 30%대로 혼자 질주하고, 한때 왕이었던 소프트웨어는 다른 낙오생들과 함께 뒷좌석으로 밀려났다.

a16z가 이번 주 차트 시리즈에서 던진 질문이 좀 불편하다. AI를 "진짜" 쓰는 기업과 "쓰는 시늉"만 하는 기업, 그 차이가 얼마나 잔인한지 숫자로 보여준다.


1 🔄 비트에서 아톰으로 - 무거운 놈들의 역전극

- 시장의 시선이 자본 경량형(capital-light) 소비자 섹터에서 자본 중량형(capital-heavy) 실물 경제로 옮겨가는 중
- AI 인프라 구축이 가장 큰 동력. 자산 중량 기업이 10년간 눌리다 2020년 이후 완전 역전
- GFC 이후에도 초기엔 칩메이커·클라우드가 주도하다 결국 앱·SaaS가 열매를 따갔다. 이번에도 같은 패턴이 올 수 있다
- 차이점? 이번엔 로보틱스라는 새 선수가 등장했다


2 🤖 로보틱스, 핀테크를 역전하다

- 미국 비상장 Top 100 기업 기준, 2016년엔 이름도 없던 '로보틱스·피지컬 AI'가 2026년 $263B. 핀테크($245B)를 제치고 2위
- 1위 AI·소프트웨어는 $1,972B. 전체 가치의 80%를 혼자 먹었다
- 2026년 Q1 로보틱스 VC 투자 역대 최고. 약 500건에 $16B. 직전 4년 대비 건수 2배, 금액 4.5배
- 글로벌 방위 예산 증가가 수요를 끌어올리는 중. 이번 아톰 회전은 이전보다 더 깊고 길어질 수 있다


3 📉 "AI 도입 도와드립니다"의 몰락 - 액센츄어 추락기

- LLM 초기, 컨설팅 기업이 AI 최대 수혜주로 꼽혔다. 특히 자문에서 구축까지 해주는 액센츄어
- 현실? FCF 멀티플이 2025년 초 30배에서 현재 약 6배. 장기 평균의 3분의 1 수준으로 곤두박질
- 시장이 깨달은 한 가지. AI를 "도입하는 것"과 AI로 "돈을 버는 것"은 완전히 다른 게임이라는 것


4 🧬 AI를 '뼛속까지' 쓰는 팀 vs '포장지'로 쓰는 팀

- 515개 고성장 스타트업 연구에서 나온 결과가 좀 잔인하다
- 핵심은 '매핑' 문제. 기존 프로세스에 AI를 끼워 넣는 게 아니라, AI 능력 중심으로 프로세스를 통째로 재설계하는 것
- 제품 개발 예시: 기존 8단계 순차 프로세스(피드백 → 백로그 → 스펙 → 디자인 → 빌드 → QA → A/B → 배포)가 AI 네이티브 기업에선 5단계로 줄어듦. AI가 사용 패턴을 감지하고, PM 한 명이 변형 생성부터 테스트까지 처리
- 이렇게 재설계한 기업들의 성과: AI 활용 사례 44% 더 많음, 상위 5% 기준 매출 약 2배, 자본 소모 약 40% 적음
- 연구진 결론: AI 생산성 효과는 실재한다. 병목은 "어디에 어떻게 쓸지 발견하는 과정"
- 전기 시대 초기 공장들이 증기엔진을 전기 모터로 교체만 해놓고 공장 구조는 그대로 뒀다가, 나중에 기계마다 소형 모터를 달고 공장을 통째로 바꾼 뒤에야 진짜 생산성 폭발이 왔던 것과 같은 이치다


5 🏃 AI 스타트업은 왜 날씬한가 - YC 4년치 증거

- YC 배치 W20~F24 스타트업을 고용 데이터와 매칭한 결과
- AI 스타트업은 11분기 지나도 평균 약 22명. 비AI는 같은 기간 약 45명. 절반도 안 된다
- 직원 5명 이하 초소형 기업 비중도 AI 스타트업이 압도적. 위계 계층도 1~2단계가 대부분
- Stripe 데이터에서도 비슷한 흐름. 연 $1M 이상 버는 솔로프리너가 2023년 대비 2025년에 2배 이상. $5M·$10M 이상은 거의 3배
- 고소득 솔로프리너의 비중 자체가 2배로 뛴 건, 신규 1인 기업의 질 자체가 높아졌다는 뜻이다


6 🛒 마트의 역설 - 기술이 생산성을 올리면서 동시에 깎다

- 소매 유통은 1990년대 이후 생산성이 쭉 올랐는데, 식료품점은 아니었다
- 1990년대 바코드 스캐너 보편화 이후, 소매점은 포장 상품·셀프서비스 중심으로 인원을 줄였다. 마트는 반대로 꽃집·베이커리·델리 카운터를 늘렸다. 범위는 넓어졌지만 전문 인력이 더 필요해져서 생산성 지표는 제자리
- 2000년대에 마트도 간편식·잡화 비중을 늘리고 진열을 벤더에 떠넘기면서 반등. 그런데 이커머스·배달이 등장하자 또 갈렸다
- 소매점은 매장 없이도 팔 수 있게 되면서 더 날씬해졌고, 마트는 배달 주문 처리에 사람이 매장을 돌며 물건을 골라야 하니 오히려 노동 집약도가 올라감
- 같은 기술, 같은 논리. 결과는 정반대. "생산성"이라는 숫자가 실제로 뭘 재고 있는 건지 되묻게 만드는 사례다


신호는 꽤 선명하다. 하드웨어·로보틱스로 돈이 몰리고, AI 껍데기만 씌운 기업은 시장에서 쫓겨나고, AI를 뼛속에 녹인 팀은 절반 인원으로 두 배 성과를 낸다. 전기 시대에 모터만 바꿔 달았던 공장이 결국 문 닫았듯, AI를 기존 위에 얹기만 하면 시간낭비다.

출처: Moses Sternstein, "Charts of the Week: Cycles, different but the same" (a16z News, 2026.06.26)