생성은 공짜가 된다: 가치는 어디로 흐르는가

도입: 붓이 공짜가 되면, 화가는 무엇으로 먹고사는가

2025년 5월, 구글이 영상 생성 AI 베오(Veo)를 내놓았을 때 1초짜리 영상의 가격은 0.50달러였습니다. 1년이 채 지나지 않아, 같은 회사의 경량 버전(Veo 3.1 Lite)은 1초에 0.05달러까지 내려왔습니다. 약 90%가 빠진 것입니다(경량 단가는 구글 Gemini API 공식 가격표 기준 1초 0.05달러. 표준 모델 0.40달러 대비로도 약 88% 하락 [Decrypt]). 영상 한 컷을 "만드는" 비용이 1년 만에 거의 사라진 셈입니다.

여기까지는 익숙한 이야기입니다. AI가 콘텐츠를 싸게 찍어낸다는 것이죠. 그런데 같은 일이, 전혀 다른 산업에서 한 세대에 걸쳐 나란히 벌어지고 있습니다. 신약 회사는 분자를 설계하는 데 걸리던 수년을 1년 안쪽으로 줄였습니다. 단백질 구조를 예측하던 모델은 통째로 오픈소스로 풀려, 누구나 무료로 쓸 수 있게 됐습니다. 신소재를 찾는 AI는 사람이 200년간 발견한 것보다 많은 결정 구조를 며칠 만에 쏟아냈습니다. 향료 회사는 새로운 향의 공식을 AI에게 제안받기 시작했습니다.

붓이 공짜가 되고 있습니다. 그것도 화실 한 곳이 아니라, 제약·소재·향료·코드·이미지의 화실에서 나란히 말이죠. 그렇다면 자연스러운 질문이 따라옵니다. 누구나 무엇이든 만들어낼 수 있게 되면, 그 "만드는 능력"은 더 이상 희소하지 않습니다. 희소하지 않은 것은 비싸지 않습니다. 그러면 돈은, 가치는, 어디로 흐를까요.

이 시리즈는 그 답을 추적합니다. 첫 편의 임무는 답을 박는 것이 아니라, 답을 재는 자를 만드는 것입니다. 한 가지를 먼저 못박고 시작하겠습니다. 이 글이 "생성이 공짜가 된다"고 말할 때, 그것은 "AI가 모든 것을 거저 해결한다"는 뜻이 아닙니다. 만들어내는 단계가 싸진다는 것이지, 만들어낸 것이 진짜로 통하는지를 확인하는 단계까지 싸진다는 뜻이 아닙니다. 그리고 바로 그 차이에, 이 시리즈 전체가 걸려 있습니다.

이 구분을 기억해두면, 앞으로의 이야기가 "AI 만능론"도 "AI 거품론"도 아니라 "생성은 자릿수로 싸지는데 검증은 그 속도를 못 따라가 격차가 벌어진다, 그래서 가치가 이동한다"는 정확한 진단으로 읽힙니다.

1장. 생성이 공짜가 된다: 한 산업의 얘기가 아니다

생성이 싸진다는 말을 한 산업의 일화로 들으면 본질을 놓칩니다. 핵심은 횡단성입니다. 서로 무관해 보이는 산업들에서, 한 세대(2018~2026) 안에 차례로, 같은 방향으로 생성 비용이 무너지고 있습니다. 정확히 같은 날 일제히 터진 것은 아닙니다. 향료에서 시작해 영상까지 7년에 걸쳐 번졌습니다. 그러나 그 번짐 자체가 공통의 힘이 작동했다는 증거입니다. 이것이 우연한 시기 겹침이 아니라 구조적 확산임을 보이려면, 사례를 골라 담지 말고 펼쳐야 합니다.

이 장에서는 먼저 서로 무관한 다섯 산업에서 생성 비용이 나란히 무너지는 광경을 펼치고(1.1), 그것이 왜 우연이 아니라 한 가지 구조에서 비롯됐는지를 셋으로 나눠 봅니다(1.2).

1.1 한 시대에 나란히 싸진 다섯 개의 화실

첫째, 영상입니다. 앞서 본 대로 베오의 1초 단가는 1년 만에 0.50달러에서 0.05달러로 약 90% 내려왔습니다. 이미지 쪽도 같은 방향입니다. 생성 단가가 계속 떨어져 사실상 0에 수렴하고 있습니다(tokenmix.ai).

둘째, 단백질입니다. 생명과학의 오랜 난제였던 "단백질이 어떤 3차원 구조로 접히는가"를 예측하는 모델들이, 통째로 오픈소스로 공개됐습니다. 딥마인드의 알파폴드2는 2021년 7월 코드까지 무료로 풀렸고(GitHub), 베이커 연구소의 RFdiffusion은 2023년 3월 오픈소스로 공개됐으며(Baker Lab), 메타의 ESM은 6억 개가 넘는 단백질 구조 예측 결과를 오픈 액세스로 풀었습니다(GitHub). 한때 박사 군단이 매달리던 작업이, 지금은 무료 모델 한 번 돌리면 끝나는 일이 됐습니다.

셋째, 소재입니다. 구글 딥마인드의 GNoME은 2023년 11월, 안정적일 것으로 예측되는 새 결정 구조 220만 건을 한꺼번에 발표했습니다(DeepMind). 인류가 수백 년에 걸쳐 실험으로 알아낸 안정 무기물질이 수만 종 수준이었던 것을 생각하면, AI 한 대가 그 규모를 며칠 만에 압도한 것입니다.

넷째, 신약입니다. 전통적으로 타깃을 찾아 전임상 후보 물질을 지정하기까지 평균 4~4.5년이 걸렸습니다. AI를 쓴 회사들은 이 단계를 12~18개월로 줄였습니다(Insilico/Nature Medicine 보도). "어떤 분자를 만들지 제안하는" 단계가 극적으로 짧아진 것입니다.

다섯째, 향료입니다. 향과 맛의 공식을 사람 조향사가 손으로 짜던 자리에, AI가 들어왔습니다. 독일 향료 기업 짐라이즈(Symrise)는 IBM 왓슨과 함께 보유 향료 공식 약 170만 건(2019년 기준)을 학습한 AI 시스템 필리라(Philyra)를 개발했고, 2019년 6월 브라질 화장품사 오 보티카리오(O Boticário)를 통해 100% AI가 공식을 제안한 향수를 처음 상업 출시했습니다(Symrise).

서로 무슨 상관이 있을까요. 영상과 단백질, 소재와 향료. 산업도, 고객도, 물리적 형태도 전혀 다릅니다. 그런데 한 세대 안에 차례로 같은 일이 벌어졌습니다. 공통점은 하나입니다. 각 산업에서 "무엇을 만들지 제안하는" 일을, 사람의 희소한 전문성 대신 범용 AI 모델이 떠맡기 시작했다는 것입니다.

산업도 고객도 형태도 다른 다섯 화실에서, 한 세대(2018~2026) 안에 차례로 생성 비용이 무너졌습니다. 유리한 사례를 고른 것이 아니라, 서로 무관한 영역을 펼친 것입니다. (출처: Veo 구글 공식 가격표, GitHub·Baker Lab·Meta 설계모델, DeepMind GNoME, Insilico, Symrise Philyra)

1.2 왜 나란히 싸지는가: 범용 모델 기술이 확산됐기 때문

다섯 화실이 한 세대(2018~2026) 안에 차례로 싸진 데는 도메인을 가리지 않고 작동한 공통의 힘이 있습니다. 한 가지가 아니라 세 겹입니다.

첫째, 같은 범용 아키텍처가 산업을 건너뛰며 퍼졌습니다. 2017년 등장한 트랜스포머라는 한 가지 구조가, 처음엔 언어에 쓰이다가 단백질 언어 모델로, 다시 소재로, 영상으로 옮겨 갔습니다. 산업마다 따로 발명한 것이 아니라, 같은 설계가 도메인을 갈아타며 반복된 것입니다. 향료(2018~2019)에서 시작해 영상(2024~2025)까지 7년에 걸쳐 차례로 번진 이유입니다.

둘째, 컴퓨트 비용이 도메인과 무관하게 급락했습니다. 같은 연산을 사는 비용은 약 2.1년마다 절반이 되고 있고(Epoch AI), 대형 모델의 추론 단가도 18개월 사이 80% 넘게 빠졌습니다. 이 하락은 영상이든 단백질이든 가리지 않습니다. 독점 모델을 쓰는 회사도 같은 곡선의 수혜를 받습니다.

셋째, 일부 도메인에서는 핵심 모델 자체가 오픈소스로 풀렸습니다. 가장 극적인 사례가 단백질입니다. 알파폴드는 노벨 화학상까지 받은 기술인데 그 코드가 무료로 공개돼 있고(2025년 11월 기준 인용 4만 3,000회 이상), RFdiffusion·ESM도 깃허브에서 누구나 내려받습니다. 다만 이건 다섯 산업 전부의 공통 원인은 아닙니다. 영상(Veo·Sora)·향료(Philyra)·신약 플랫폼·소재 생성 모델(GNoME)은 대부분 독점입니다. 오픈소스화는 "단백질에서 가장 선명하게 드러난 한 사례"이지, 다섯 화실을 한꺼번에 연 단일 방아쇠가 아닙니다.

이 셋이 의미하는 바는 분명합니다. "무엇을 만들지 제안하는 능력"은 더 이상 한 회사의 해자가 아닙니다. 같은 아키텍처, 같이 싸진 연산, 일부는 공짜 모델까지. 만드는 능력은 흔해지고, 흔한 것은 비싸게 팔 수 없습니다.

그래서 "AI로 생성한다"는 것 자체는, 점점 자랑거리가 못 됩니다. 누구나 같은 무료 모델 또는 같이 싸진 도구로 같은 후보를 쏟아낼 수 있기 때문입니다. 진짜 질문은 그다음입니다. 그렇게 쏟아낸 수백만 개의 후보 중에서, 무엇이 실제로 통하는가. 그리고 그것을 가려내는 일은, 생성만큼 싸졌을까요. 2장의 주제입니다.

2장. 그런데 검증은 그 속도를 따라가지 못한다

이 장이 이 글의 심장입니다. 1장이 "생성이 싸졌다"를 보였다면, 2장은 "그런데 그게 끝이 아니다"를 보입니다. 만들어내는 것과, 만들어낸 것이 진짜로 통한다고 증명하는 것은 전혀 다른 일입니다. 그리고 후자는, 비교가 안 될 만큼 느리게 싸집니다. 검증이 멈춰 있다는 게 아닙니다. 생성이 자릿수로 빠질 때 검증은 잘해야 한 뼘 내려가서, 둘 사이의 격차가 점점 벌어진다는 것입니다.

2.1 두 개의 곡선이 갈라진다

신약을 예로 들어보겠습니다. AI는 전임상 후보를 찾는 데 걸리던 4~4.5년을 12~18개월로 줄였습니다. 생성 곡선이 가파르게 떨어진 것입니다. 옆 산업으로 넓혀 보면 낙폭은 더 큽니다. 단백질 설계는 박사 군단이 수개월·수년 매달리던 일이 무료 모델 수 분으로, 소재 탐색은 수년 실험이 며칠 예측으로 바뀌었습니다. 산업에 따라 생성은 연 단위가 일·주 단위로, 자릿수(많게는 약 1000배)로 빠졌습니다.

그런데 그 후보가 사람에게 실제로 안전하고 효과가 있는지를 확인하는 임상 시험은, 여전히 평균 약 7.5년이 걸립니다. 미국 보건복지부 산하 경제정책실(ASPE)의 공식 보고서에 따르면, 임상 시작부터 마케팅 승인까지 평균 90.3개월, 즉 약 7.5년입니다(ASPE HHS). 가속 경로를 다 동원해도 5~6년 아래로는 잘 내려가지 않습니다(뒤에서 보겠습니다). 자릿수로 빠진 생성에 견주면, 검증은 잘해야 약 1.5배 단축이 한계입니다.

같은 그래프 위에 두 곡선을 겹쳐보면, 이 시대의 핵심이 한눈에 들어옵니다. 둘 다 내려갑니다. 그러나 생성은 절벽처럼 자릿수로 떨어지고, 검증은 완만한 비탈을 한 뼘 내려갑니다. 그래서 둘 사이의 간격은 좁혀지는 게 아니라 벌어집니다. 전체 일정에서 AI가 줄여준 몫이 점점 작아 보이는 이유입니다. 빨라진 앞 단계 뒤에, 여전히 굼뜬 뒤 단계가 버티고 있기 때문입니다.

2.2 검증 게이트 해부: 다섯 산업 모두 그렇다

검증이 생성을 못 따라간다는 것을 한 산업의 특수성으로 치부하지 않으려면, 여기서도 펼쳐야 합니다. 다섯 산업을 차례로 보겠습니다.

첫째, 신약입니다. 임상 7.5년만이 아닙니다. 더 가혹한 숫자가 있습니다. Phase I 임상에 진입한 약물이 최종 FDA 승인까지 살아남는 확률, 즉 LOA(Phase I부터 최종 승인까지 살아남는 누적 확률)는 7.9%입니다. 바이오협회(BIO)가 2011~2020년 임상 1만 2,728건의 단계 전환을 분석한 결과입니다(BIO 2021 보고서, 소분자 5.7%·생물의약품 9.1%). 열 개를 임상에 올리면 아홉 개 넘게 떨어진다는 뜻입니다. AI가 후보를 아무리 빨리, 아무리 많이 만들어내도, 이 필터 자체는 그대로 서 있습니다. 실제로 AI 신약 회사들조차 임상에서 줄줄이 프로그램을 접고 있습니다. 생성의 속도가 검증의 가혹함을 면제해주지 않는 것입니다.

둘째, 소재입니다. GNoME이 예측한 220만 건은 어디까지나 "안정적일 것으로 계산된" 후보입니다. 그중 독립 실험실이 실제로 합성에 성공했다고 확인한 것은 736건, 비율로는 0.033%입니다. 그리고 산업용으로 양산에 도달한 것은 0건입니다(DeepMind). 게다가 이 736건의 무게조차 일부는 신규성 논쟁 중입니다(Nature 624 (2023) + 2026-01 정정). 소재 업계에는 "죽음의 계곡(비커 안에서는 되는 것이 산업용 반응기에서는 안 되는 실패 구간)"이라는 말이 있습니다. AI는 비커 앞 단계를 폭발시켰지만, 죽음의 계곡은 그대로입니다.

이 신규성 논쟁을 한 겹 더 풀면 이렇습니다. 자동화 로봇 실험실이 신소재 41건을 합성했다고 발표했지만, 이후 재평가에서 "AI 예측 플랫폼 입장에서는 새것이어도, 화학 전체로 보면 기존 화합물의 변형에 가깝다"는 지적이 나왔습니다(독립 검증은 UCL 로버트 팔그레이브 등). 즉 "전부 가짜"라는 뜻이 아니라, "신규성의 잣대를 어디에 두느냐"의 문제입니다. 어느 쪽으로 해석하든, 컴퓨터가 예측한 것과 실험실이 검증한 것 사이의 간극이 크다는 본문의 논지는 그대로입니다. (출처: Nature 624 (2023), Szymanski et al. + 2026-01 정정)

셋째, 향료·식품입니다. AI가 새 향이나 맛 성분을 제안해도, 그것을 식품에 쓰려면 안전성 인증을 통과해야 합니다. 미국의 GRAS(일반적으로 안전하다고 인정되는 성분) 인증은 전체 절차가 1~1.5년 걸립니다(reach24h.com). 더구나 FDA는 자기확인 경로를 폐지하는 방안을 검토 중이어서, 새 성분의 인증 장벽은 오히려 높아질 수 있습니다. AI가 향을 1초에 제안해도, 그 향이 시장에 나가려면 1년 넘는 게이트를 통과해야 합니다.

넷째, 농업·종자입니다. AI로 유전자를 편집해 새 품종을 설계해도, 그것이 밭에서 실제로 작동하는지를 증명하는 포장 실증과 규제 통과가 남습니다. 한 연구는 유전자편집 작물이(편집 방식·국가에 따라 일반 품종으로 보느냐 GMO(유전자조작)로 보느냐가 갈립니다) 일반 품종 규제를 받으면 시장 출시까지 약 5년·1,050만 달러, GMO 규제를 받으면 약 14년·2,450만 달러가 든다고 추정했습니다(Lassoued 2019). 설계는 컴퓨터 안에서 며칠이면 끝나도, 검증은 들판에서 해를 넘겨야 합니다.

다섯째, 규제 문서입니다. 여기서는 정직한 반례를 하나 짚어야 합니다. AI가 검증의 일부를 실제로 줄이기 시작한 영역입니다. 한 제약사는 임상 부록 테이블 작성 같은 반복 서류 작업을 AI로 테이블당 4시간에서 5~10분으로 줄였습니다(FierceBiotech). FDA 청장은 "연구자들이 임상 수행보다 서류에 전체 시간의 약 45%를 쓴다"고 지적하기도 했습니다. 그러나 핵심은 이것입니다. AI가 줄인 것은 "서류 작업"이지 "과학적 검증" 자체가 아닙니다. Phase I·II·III 임상을 통해 약이 실제로 안전하고 효과가 있는지를 사람에게서 확인하는 과정은, 서류가 아니라 시간과 환자가 들어가는 물리적 검증입니다. FDA 자신도 실시간 심사 파일럿을 두고 "전통적 규제 경로는 그대로 유지된다"고 못박았습니다. 서류는 줄어도, 게이트는 남습니다.

2.3 왜 검증은 안 싸지는가: 물리·규제·책임

여기서 한 걸음 더 들어가야 합니다. 검증은 왜 안 싸질까요. 생성처럼 모델을 키운다고 줄어들지 않는 이유가 셋 있습니다.

첫째, 물리적 시간입니다. 약이 사람 몸에서 안전하고 효과 있는지는, 실제로 사람에게 투여하고 수년간 지켜봐야 압니다. 작물이 밭에서 자라는지는 계절을 통째로 겪어봐야 압니다. 소재가 산업 반응기에서 견디는지는 실제로 돌려봐야 압니다. 이 시간은 계산으로 건너뛸 수 없습니다. 아무리 똑똑한 AI도 임상 3상의 3년을 3주로 만들 수는 없습니다.

둘째, 규제입니다. 사람의 건강과 안전이 걸린 영역에는 국가가 게이트를 세워둡니다. FDA의 임상 단계, GRAS 인증, GMO 규제가 그것입니다. 이 게이트는 효율이 아니라 안전을 위해 일부러 느리게 설계됐습니다. AI가 빠르다는 이유로 면제되지 않습니다. 오히려 향료 자기확인 폐지 검토처럼, 일부 게이트는 더 촘촘해지는 방향입니다.

셋째, 책임입니다. 생성한 결과가 틀렸을 때 누가 책임지는가의 문제입니다. AI가 제안한 이미지가 틀려도 다시 만들면 그만이지만, AI가 제안한 약이 사람을 해치면 되돌릴 수 없습니다. 책임의 무게가 클수록, 그것을 검증하는 게이트는 단단해집니다. 그리고 바로 이 무게의 차이가, 산업마다 검증장벽의 높이를 가릅니다.

2.4 검증도 가만히 있지는 않다, 그러나 격차는 벌어진다

공정하게 한 가지를 인정하고 넘어가겠습니다. 검증이 완전히 멈춰 있다고 말하면 그것도 과장입니다. 검증 게이트도 조금씩 내려가고 있습니다.

검증 게이트도 여러 방향에서 조금씩 효율화되는 중입니다. 가장 직관적인 것이 가속 심사입니다. 돌파구치료제(BTD)로 지정되면 전체 개발기간이 미지정 약 7.2년에서 약 6.0년으로(약 17%) 짧아지고, 임상 2상 종료부터 승인까지의 후기 구간만 떼어 보면 약 1,880일에서 약 1,298일로 약 30%까지 단축된다는 분석이 있습니다(PMC12758617). 두 수치는 서로 다른 구간을 가리킵니다. 약 17%는 개발 전체의 단축이고, 약 30%는 후기 구간만의 단축입니다. 규제도 좁게나마 길을 넓혔습니다. 미국은 2022년 말 전임상에서 동물실험 대신 장기칩·인실리코(컴퓨터 시뮬레이션) 같은 대안을 신청할 수 있는 선택 경로를 열었고(동물실험 의무를 없앤 것이 아니라 면제 신청을 허용한 것입니다, PMC10617761), 유럽 의약품청(EMA)은 디지털 트윈으로 위약 대조군을 10~30% 줄이는 방법에 공식 자격을 부여했습니다(EMA PROCOVA).

그래서 임상이 잘 풀리면 7.5년이 5~6년까지 내려올 수 있습니다. 분명한 진전입니다. 그러나 여기서 칼날이 오히려 날카로워집니다. 검증은 잘해야 약 1.5배 빨라졌는데, 같은 시간 동안 생성은 자릿수로, 많게는 약 1000배로 빨라졌습니다. 한쪽이 1.5배 줄고 다른 쪽이 1000배 줄면, 둘 사이의 격차는 좁혀지는 게 아니라 더 벌어집니다. "검증도 내려간다"는 사실은 이 글의 논지를 깎아내리지 않습니다. 오히려 두 곡선이 같은 시간에 얼마나 다른 속도로 움직이는지를 드러내, 격차가 구조적임을 확인시켜 줍니다.

그 벌어지는 격차가 어디에 가치를 고이게 하는지, 그리고 산업마다 그 검증장벽의 높이가 어떻게 다른지를 3장의 지도가 그립니다.

3장. 그래서 곡괭이는 검증으로 이동한다

골드러시 때 돈을 번 것은 금을 캔 사람이 아니라 곡괭이와 청바지를 판 사람이었다는 이야기가 있습니다. 우리는 이 "곡괭이"라는 개념을 이미 한 번 정리해 두었습니다(곡괭이를 쥔 자). 여기서 곡괭이를 다시 설명하지는 않겠습니다. 다만 이 시리즈에서 곡괭이가 어디에 고이는지를, 한 문장으로 박아두려 합니다.

한 가지를 먼저 분명히 해둡니다. 우리는 곡괭이라는 자를 새로 만들지 않습니다. 곡괭이를 쥔 자가 돈을 번다는 원리도, 그 곡괭이가 범용화되면 약해진다는 원리도, 이미 우리 글들이 정리해 둔 공통의 자입니다. 다만 이 시리즈가 그 자에 더하는 새 눈금이 하나 있습니다. 생성 비용과 검증 비용이 서로 다른 속도로 싸진다는 것, 그 하락 속도의 격차입니다. 길목을 쥔 자가 이긴다는 결론은 어느 산업에서나 같지만, 생성형 AI의 충격이 어느 산업에 새로운 길목을 여는지를 가르는 것은 바로 이 비대칭입니다. 그래서 우리는 매 편에서 묻습니다. 이 산업은 생성이 검증보다 얼마나 더 빨리 싸지는가, 그렇게 벌어진 틈에서 누가 검증을 파는 길목을 쥐는가.

3.1 핵심 닻: 곡괭이는 검증을 남이 사야 하는 길목에 박힌다

이 닻은 시리즈 7편 전체를 관통합니다. 2~6편은 이 닻을 각 산업에 대입해 "누가 그 검증을 남에게 파는 길목을 쥐었는가"를 발굴하고, 7편이 다시 묶습니다.

풀어 말하면 이렇습니다. 생성이 싸지면 "만드는 능력"의 값이 떨어집니다. 대신 "쏟아진 후보 중 진짜를 가려내는 능력", 즉 검증·실측·인증 자산의 값이 올라갑니다. 신약이라면 임상을 통과시킨 데이터와 노하우, 단백질이라면 실제로 만들어 검증한 실험실(wet-lab) 데이터, 소재라면 합성·물성·양산을 증명한 공정, 향료라면 인증을 통과한 트랙 레코드입니다. 생성은 누구나 하지만, 검증은 아무나 못 합니다. 그 비대칭이 가치를 만듭니다.

그런데 여기서 한 가지를 놓치면 정반대의 결론으로 빠집니다. 검증에는 서로 다른 두 개의 축이 있습니다.

하나는 진입장벽입니다. "누가 이 검증을 통과할 수 있는가." 임상이 어렵다는 것은, 이 산업에 들어오려는 모두가 그 어려운 검증을 각자 떠안아야 한다는 뜻입니다. 골드러시로 치면 모두가 똑같이 건너야 하는 죽음의 계곡입니다(2장 소재의 비커에서 반응기로 가는 실패처럼, 검증을 각자 떠안는 모든 산업의 공통 함정입니다). 이건 누구의 곡괭이도 아닙니다. 모두가 치르는 비용일 뿐입니다.

다른 하나는 통행료 징수력입니다. "그 검증을 남에게 팔아 계속 돈을 받는가." 골드러시에서 진짜 돈을 번 리바이스는 금을 캐지 않았습니다. 모두가 지나가야 하는 길목에서 청바지와 곡괭이를 팔았습니다. 곡괭이는 검증이 어려워서가 아니라, 그 어려운 검증을 남이 사야 하는 길목으로 쥐었을 때 비로소 단단해집니다.

이 구분이 왜 결정적일까요. 검증이 가장 어려운 신약을 보면 답이 보입니다. 임상이라는 죽음의 계곡을 각자 떠안고 직접 건너려 한 발굴 회사들은, 곡괭이가 아니라 채굴자였습니다. 검증이 가장 어려운 자리에 섰지만 그 검증을 남에게 팔지 못했기 때문입니다. 반대로 그 임상을 대신 돌려주고 통행료를 받는 인프라, 모두가 참조해야 하는 검증 데이터를 쥔 쪽은 채굴 결과와 무관하게 돈을 법니다. 검증 난이도는 곡괭이가 생길 자리를 넓혀줄 뿐, 곡괭이를 자동으로 만들어주지는 않습니다. 누가 그것을 실제로 쥐고 있는지는 2편부터 발굴합니다.

3.2 검증장벽 spectrum: 산업마다 곡괭이의 단단함이 다르다

검증장벽은 산업마다 다릅니다. 그 차이를 하나의 띠로 펼쳐보면, 이 시리즈가 왜 그런 순서로 산업을 다루는지가 드러납니다. 이 띠의 가로축은 단 하나, "검증장벽의 높이"(시간·규제·책임의 무게)입니다. 곡괭이 강도나 시장 크기가 아닙니다.

왼쪽 끝에는 만들어낸 것이 통하는지 가리는 기능·미적 검증이 사실상 공짜인 영역이 있습니다. 이미지와 코드입니다. 생성한 코드는 즉시 실행해보면 맞는지 틀린지 알 수 있고, 틀리면 0원에 가까운 비용으로 다시 만들면 됩니다. 규제 게이트도 없습니다. 이 기능검증이 공짜인 곳에서는 그것을 남이 사야 할 일이 없으니, 통행료를 걷을 길목도 안 생깁니다. 그래서 그 1차 곡괭이가 약하고, 모델을 가진 회사가 직접 시장에 내려오기도 합니다. 단 한 겹이 더 있습니다. 이 코드가 안전한지, 이 이미지가 진짜이고 깨끗한지를 가리는 2차 검증은 돌려봐도 보이지 않아 공짜가 아니고, 그 검증을 파는 곡괭이는 따로 섭니다. 검증은 사라지는 게 아니라 재배치됩니다(6편 대조군의 주제입니다).

오른쪽으로 갈수록 검증이 비싸집니다. 소재·향료·규제문서는 중간입니다. 합성과 물성 시험, 인증 절차가 끼지만 사람 목숨이 직접 걸리지는 않습니다. 단백질은 더 높습니다. 설계는 오픈소스라 공짜여도, 그 단백질이 실제로 작동하는지는 wet-lab에서 실제로 만들어 확인해야 합니다. 그리고 맨 오른쪽 끝에 신약·임상이 있습니다. 임상 7.5년, 승인 7.9%. 검증장벽이 가장 높은 곳입니다.

여기서 흔한 오독을 미리 막아야 합니다. "오른쪽으로 갈수록 곡괭이가 자동으로 단단해진다"가 아닙니다. 검증이 어려워질수록 그런 길목이 생길 자리가 넓어질 뿐입니다. 그 자리를 실제로 쥔 자에게만 곡괭이가 고이고, 각자 떠안으면 같은 자리에서도 죽음의 계곡이 됩니다. 신약이 검증장벽 최우측에 있어도 곡괭이가 채굴자에게 가지 않은 이유가 이것입니다. 그래서 이 띠는 "어디에 곡괭이가 생길 수 있는가"의 지도이지, "어디에 곡괭이가 이미 있는가"의 지도가 아닙니다. 후자는 2~6편의 발굴이 답합니다.

이 띠가 곧 2~6편의 순서이며, 가로 위치는 검증장벽의 높이(시간·규제·책임)를 나타냅니다. 가로 위치가 곧 곡괭이 강도는 아닙니다. 왼쪽일수록 기능검증이 공짜라 그 1차 검증을 파는 통행료 길목이 안 생겨 1차 곡괭이가 약하고(단 안전·출처 2차 검증은 별개로 유료), 오른쪽일수록 그런 길목이 생길 자리가 넓을 뿐입니다. 따라서 이 띠를 따라 내려가는 것은 곡괭이를 찾는 순서가 아니라, 새 길목이 열릴 검증 압력이 높은 순서입니다. 곡괭이가 실제로 있는지는 각 편의 발굴이 따로 판정합니다. (출처: HiveWorks Invest 자체 정리)

3.3 도구형 곡괭이와 검증형 곡괭이는 다르다

한 가지 구분을 해두어야 합니다. 곡괭이에도 종류가 있습니다. 칩을 설계하는 EDA 소프트웨어처럼 "그 도구 없이는 만들 수 없는" 도구형 곡괭이가 있고, 임상 데이터나 wet-lab처럼 "그 검증 없이는 통과할 수 없는" 검증형 곡괭이가 있습니다. 이 시리즈가 다루는 것은 후자, 검증형 곡괭이입니다.

도구형 곡괭이(반도체 설계 EDA, 기계·건축 설계 CAD·BIM 등)는 이미 다른 글들이 다룹니다. 칩 설계 도구의 곡괭이는 발행본 「혁명의 해부학」 6편이 정본으로 다루고, 기계·건축 설계 도구는 자매 시리즈 설계를 쥔 자가 다룹니다. 우리는 이 영역을 본문 주인공으로 삼지 않고, "곡괭이의 종류가 다르다"는 대조로만 짚습니다. 우리 곡괭이는 도구 독점이 아니라, 검증을 남이 사야 하는 길목에서 나옵니다.

한 가지만 더 짚어둡니다. 도구형 곡괭이라고 다 같은 강도가 아닙니다. EDA처럼 그 도구 없이는 칩을 만들 수 없는 대체 불가의 도구형 곡괭이는 강하지만, 코드·이미지 생성 앱처럼 같은 작업을 여러 도구로 갈아탈 수 있는 약한 워크플로우 락인도 있습니다. 둘 다 도구지만 강도가 정반대라, 6편에서 이 둘을 같은 "도구형 곡괭이"로 섞지 않고 가립니다.

3.4 단, 검증장벽도 영구적이지 않다 (시한성 대칭)

여기서 균형을 잡아야 합니다. 검증장벽을 "영원한 병목"으로 단정하면 과장입니다. 검증 곡괭이도 시간이 지나면 약해질 수 있습니다.

두 가지 방향에서 약해집니다. 하나는 빅파마의 내재화입니다. 거대 제약사들이 AI 발굴 회사에 계속 의존하는 대신, 그 툴을 통째로 사서 자기 안으로 흡수하기 시작했습니다. 한 빅파마는 AI 신약 설계 툴을 수십억 달러 규모로 라이선싱했습니다. 이렇게 되면 "AI로 발굴한다"는 독점성 자체는 빠르게 흔들립니다. 다른 하나는 규제의 진화입니다. FDA가 실시간 심사 파일럿으로 일부 단축을 시도하는 것처럼, 검증 게이트 자체가 조금씩 효율화될 수 있습니다.

그래서 우리는 곡괭이를 잴 때 강도 하나만 보지 않습니다. 강도(얼마나 단단한가)와 시한(얼마나 오래 가는가)을 따로 매깁니다. 예를 들어 임상이라는 물리적 게이트(7.5년)는 오래 견고하지만, "AI로 발굴했다"는 독점성은 빅파마 내재화로 흔들리는 진동 영역에 가깝습니다. 같은 산업 안에서도 무엇이 곡괭이냐에 따라 시한이 다릅니다. 이 자를 다음 장에서 공개합니다.

4장. 무엇을 측정할 것인가: 이 시리즈의 자

진단의 틀을 세웠으니, 그것을 재는 도구를 공개합니다. 이 자는 이 시리즈만의 발명이 아니라, 우리 글 전체가 공유하는 표준입니다. 2~7편은 각 산업에서 발굴한 곡괭이를 이 자로 측정하고, 7편이 결과를 한 표로 묶습니다.

4.1 강도: 곡괭이가 얼마나 단단한가 (5구간)

곡괭이의 강도는 다섯 구간으로 표기합니다. 최강 / 강 / 중강 / 중 / 약. 검증장벽이 높고 그 검증을 통과시킨 자산이 독점적일수록 강도가 높습니다. 한 가지 경고를 분명히 합니다. 강도는 "곡괭이의 장악력"이지 "투자 매력"이 아닙니다. 곡괭이가 단단하다고 그 회사 주식이 싸거나 좋은 투자처라는 뜻이 결코 아닙니다. 이것은 종목 추천이 아니라 구조 분석입니다.

4.2 시한: 곡괭이가 얼마나 오래 가는가 (색이모지)

3장에서 보았듯, 강도만으로는 절반입니다. 그래서 시한을 색이모지로 따로 매깁니다. 한 가지만 먼저 짚어둡니다. 이 색은 3.2의 검증장벽 색과 무관하며(검증장벽은 색이 아니라 단색 농도와 텍스트 라벨로 표기했습니다), 여기 색이모지는 곡괭이의 수명(얼마나 오래 가는가)을 뜻합니다.

예를 들어 임상이라는 게이트는 🟢에 가깝지만, "AI 발굴 독점성"은 빅파마 내재화로 🟡 쪽입니다. 기능검증이 공짜인 코드·이미지는 1차 곡괭이가 🔴이되, 그 아래 2차 검증(안전·출처·법적)의 곡괭이는 🟢~🟡로 따로 섭니다(6편). 같은 표 안에서 강도와 시한을 함께 읽어야, 곡괭이의 진짜 모습이 보입니다.

4.3 곡괭이 개념은 다시 설명하지 않는다 (정본 링크)

곡괭이라는 개념, 즉 "골드러시에서 진짜 돈은 곡괭이를 판 사람이 번다"는 원리는 우리가 이미 정본 글로 정리해 두었습니다(곡괭이를 쥔 자). 이 시리즈는 그 개념을 처음부터 다시 설명하지 않습니다. 대신 "생성의 시대에는 그 곡괭이가 검증·실측·인증에 고인다"는 명제를 각 산업에 대입할 뿐입니다. 강도 5구간과 시한 색이모지도 우리 글 전체가 쓰는 공통 표준을 그대로 씁니다. 새 자를 만들지 않는 것, 그것이 시리즈 간 일관성을 지키는 방법입니다.

4.4 시리즈 7편 예고: 검증장벽을 따라 내려간다

이 시리즈는 검증장벽 spectrum을 따라 산업을 하나씩 답사합니다. 각 편의 발굴 질문은 하나로 통일돼 있습니다. "이 산업은 검증이 어려운가?"가 아니라, "이 산업에서 누가 그 검증을 남에게 팔아 통행료를 걷는가, 그리고 누가 그 검증을 각자 떠안다 채굴자의 자리에 서게 되는가?"입니다. 각 편이 무엇을 다루는지 역할만 미리 알려둡니다(어느 회사가 길목을 쥐었는지는 각 편에서 발굴합니다).

2~6편은 검증장벽 spectrum의 오른쪽(어려움)에서 왼쪽(쉬움)으로 내려갑니다. 오른쪽일수록 통행료 길목이 생길 자리가 넓고, 쉬운 곳에선 기능검증이 공짜라 1차 곡괭이가 약하되 안전·출처 2차 검증으로 곡괭이가 재배치됩니다. 대괄호 안 라벨([극난]·[높음] 등)은 검증장벽의 높이이지, 곡괭이 강도나 시한이 아닙니다. (출처: HiveWorks Invest 자체 정리)

결론: 생성이 공짜가 된 세상에서, 무엇을 봐야 하는가

진단을 마쳤습니다. 한 문장으로 줄이면, 생성은 많게는 약 1000배 싸지는데 검증은 잘해야 약 1.5배 내려가서, 두 곡선의 격차가 벌어진다는 것입니다. 풀어 쓰면 이렇습니다. AI는 분자·단백질·소재·향료·코드·이미지를 직접 생성하기 시작했고, 그 생성 능력은 한 세대 안에 여러 산업에서 차례로, 빠르게 공짜가 되고 있습니다. 범용 모델 기술이 확산됐기 때문입니다(트랜스포머의 횡단 확산, 컴퓨트 비용의 도메인 무관 급락, 일부 도메인의 오픈소스화). 그런데 만들어낸 것이 진짜로 통하는지를 확인하는 검증은, 물리적 시간·규제·책임이라는 이유로 그 속도를 따라가지 못합니다. 그래서 약 1000배 대 약 1.5배, 두 곡선의 격차는 좁혀지는 게 아니라 벌어집니다.

이 분기가 가치의 지도를 다시 그립니다. 생성이 공짜가 되면, 곡괭이는 생성 모델이 아니라 검증·실측·인증 자산으로 옮겨갑니다. 단 검증이 어렵다는 것만으로는 곡괭이가 되지 않습니다. 그 검증을 남이 사야 하는 길목으로 쥔 자에게만 곡괭이가 고이고, 모두가 각자 떠안는 산업에서는 검증이 곡괭이가 아니라 죽음의 계곡이 됩니다. 그리고 그 길목조차 영구적이지 않아, 강도와 함께 시한을 봐야 합니다.

그래서 투자자에게 이 시리즈가 주는 행동 함의는 하나입니다. AI 테마를 볼 때 "누가 생성하는가"에 홀리지 마십시오. 누구나 같이 싸진 도구로 같은 후보를 쏟아냅니다. 봐야 할 것은 "누가 그 검증을 남에게 팔아 통행료를 걷는가"입니다. 단, 그 길목이 얼마나 오래 가는지를 함께 묻는 것을 잊지 마십시오.

다음 편부터, 검증장벽이 가장 높은 산업(신약·임상)에서 시작해 가장 낮은 산업(코드·이미지)까지, 각 산업에서 누가 어떤 곡괭이를 어떤 강도와 시한으로 쥐고 있는지를 하나씩 발굴합니다. 닻은 박았고, 자는 공개했습니다. 이제 측정을 시작합니다.