Cortex와 AI 반격: NRR은 왜 무너졌고, AI는 되돌리는가

대부분의 소프트웨어 회사는 넷플릭스처럼 판매합니다. 한 달에 얼마, 정액제입니다. 많이 보든 적게 보든 청구서는 같습니다. Snowflake는 다릅니다. 전기나 수도처럼 쓴 만큼 냅니다. 쿼리를 한 번 돌리면 계량기가 돌고, 데이터 1테라바이트를 저장하면 또 돈이 붙습니다. 안 쓰면 0원입니다.

이 한 줄이 회사의 모든 것을 지배합니다. 매출도, 마진도, 그리고 가장 중요하게는 리스크까지. 정액제 회사는 고객이 제품을 덜 써도 매출이 유지됩니다. 그러나 Snowflake는 고객이 절약을 시작하는 순간, 매출 성장이 직접 흔들립니다. 이 글은 바로 그 일이 실제로 벌어진 이야기이고, AI가 그것을 되돌릴 수 있는지를 따지는 채점표입니다.

발전소 없는 전력회사

이 글 전체를 관통하는 비유를 먼저 깔겠습니다. Snowflake를 전력 소매상으로 보는 것입니다. 발전소를 직접 짓지 않고, 남의 발전소에서 전기를 도매로 떼다가 가정과 기업에 소매로 파는 회사입니다. 이 비유 하나로 매출 구조, 원가 구조, 그리고 이 회사가 처한 딜레마가 전부 설명됩니다.

먼저 과금의 실제 구조입니다. Snowflake의 컴퓨트는 가상 웨어하우스가 실행된 시간에 비례해 크레딧을 소모합니다. 초 단위 과금이고 최소 60초이며, 웨어하우스를 꺼두면 청구가 0원입니다. 스토리지는 테라바이트당 월 약 $23입니다 (Snowflake 아키텍처 해설). 매출의 본체는 "고객이 태우는 전력량"이고, 그 전력량이란 곧 고객이 돌리는 컴퓨트의 양입니다.

그런데 결정적인 사실이 하나 있습니다. Snowflake는 자기 발전소가 없습니다. 모든 컴퓨트와 스토리지를 AWS(2014년부터)·Azure(2018년)·GCP(2020년) 위에서 임차해 되팝니다 (멀티클라우드 구조 해설). 고객의 쿼리가 돌 때마다 Snowflake는 하이퍼스케일러에게 도매 전기료를 냅니다. 즉 매출은 "고객이 태우는 전력량"이고, 원가는 "발전소에 내는 도매 전기료"이며, 그 차액이 Snowflake의 마진입니다.

긴장은 여기서 시작됩니다. 2022년 초까지 고객들은 전기를 미친 듯이 더 썼습니다. 순매출유지율(NRR)이 178%였습니다. 작년에 100원어치 쓰던 고객이 올해는 178원을 썼다는 뜻입니다. 그런데 2026년 초, 그 숫자는 124%까지 무너졌습니다. 무슨 일이 있었던 걸까요. 그리고 Cortex라는 새 가전제품은 이 숫자를 되돌릴 수 있을까요.

개념적 시각화. Snowflake 3계층 아키텍처와 멀티클라우드 임차 구조를 단순화했습니다. 출처: Snowflake 아키텍처 해설, 멀티클라우드 구조 해설.

1장. 소비 모델의 해부: NRR은 왜 무너졌나

NRR은 "기존 고객 코호트가 작년 대비 얼마나 더 쓰는가"만 측정합니다. 178%에서 124%로의 하락은 단일한 사건이 아니라 네 힘의 합입니다. 신규 워크로드 소비(+)에서, 기존 소비 최적화(−)와 단가 순효과(−)와 베이스 규모 감쇠(−)를 뺀 결과입니다. 이 장에서는 그 네 힘을 분해해, 하락의 진짜 범인이 사업의 붕괴가 아니라 "고객이 절전을 배웠고 사업 베이스가 커진 것"임을 보입니다.

1.1 NRR이 정확히 무엇을 재는가

NRR(Net Revenue Retention, 순매출유지율)은 우리 개념사전의 NDR(순달러유지율)과 같은 지표입니다. Snowflake는 공시에서 NRR로 표기하므로, 이 글에서도 NRR로 부릅니다. 둘은 이름만 다른 동일 지표입니다.

핵심 정의가 중요합니다. NRR은 같은 고객 코호트만 봅니다. 1년 전에 이미 존재하던 고객들이 오늘 작년 대비 얼마를 쓰는지의 비율입니다. 이번 분기에 새로 들어온 신규 고객의 매출은 NRR 계산에 들어가지 않습니다 (FY2025 4분기 실적 보도자료).

그래서 NRR은 "신규 영업이 잘 되는가"를 묻는 지표가 아닙니다. "이미 들어온 고객이 점점 더 쓰는가, 덜 쓰는가"를 정확히 격리해 보여주는 지표입니다. 소비기반 사업에서 가장 중요한 단일 숫자입니다. 전력 소매상의 언어로 옮기면, NRR은 "작년에 계약한 가구들이 올해 전기를 더 쓰는가"입니다. 올해 새로 이사 온 가구를 유치하는 일은 별개로 칩니다.

1.2 178%에서 124%로: 네 힘의 분해

먼저 사실 궤적입니다. NRR은 178%에서 시작해 7개 분기에 걸쳐 다음과 같이 움직였습니다.

Snowflake는 NRR을 공식적으로 분해하지 않습니다. 그래서 우리가 분해합니다. NRR이 100을 넘는다는 것은 기존 고객이 작년보다 더 쓴다는 뜻이고, 그 순증분은 네 힘의 합으로 이루어집니다.

이 식을 한 문장으로 읽으면 이렇습니다. NRR ≈ 1 + (① − ② − ③ − ④). 178% 시절은 ①이 나머지를 압도하던 국면입니다. 124% 저점은 ②③④가 ①을 거의 다 깎아먹은 국면입니다. ③은 단가 인상과 인하가 섞인 순효과이며 현재 부호는 침식 쪽이고, ④는 사업이 커지면 자연히 따라 커지는 기계적인 항입니다.

그런데 왜 ④ 베이스 규모 감쇠를 ②③과 굳이 따로 떼어낼까요. 반등의 진위를 가리기 위해서입니다. ④는 코호트 매출 베이스가 클수록 같은 절대 증분도 비율로는 작게 만드는 순수 기계적 항이라, 고객의 행동(②)이나 가격(③)과 무관하게 NRR을 끌어내립니다. 이 항을 분리하지 않으면, 124에서 126으로의 반등이 ① 신규 소비의 진짜 회복인지 아니면 베이스와 믹스가 만든 착시인지를 구분할 수 없습니다. ④를 떼어내야 ①의 실제 회복만 깨끗하게 격리해서 볼 수 있고, 이것이 1.3에서 124→126을 ① 회복의 직접 증거로 쓰지 않는 이유입니다.

개념적 시각화. ②③④의 분리 귀속은 자체 분해이며 회사는 NRR을 공식 분해하지 않습니다. 폭은 예시값이고 방향만 유효합니다.

무엇이 ②를 키웠는지는 명확합니다. 2023년(FY2024) 대형 고객들이 거시 역풍 속에서 CFO 주도로 Snowflake 비용을 집중 점검했습니다. 당시 CEO였던 Slootman은 "몇몇 대형 고객이 평소보다 깊이 비용을 들여다본다", "고객들이 팔다리 자르기식 절감에서는 벗어나고 있지만 팬데믹 시절의 소비로 돌아오지는 않는다"고 발언했습니다 (FY2024 Q1 실적 트랜스크립트). 보존기간 단축, 쿼리 정리, 계약기간 단축이 구체적인 절전 행동이었습니다.

무엇이 ③을 키웠는지도 회사가 직접 말했습니다. Snowflake는 "쿼리 최적화기 개선, 계층적 스토리지 가격 인하, 고객의 Iceberg 테이블 활용 확대로 향후 매출 역풍 증가가 예상된다"고 공시했습니다 (FY2024 Q1 실적 트랜스크립트). 즉 제품이 효율적이 될수록 같은 작업의 청구가 줄어드는 구조적 디플레가 NRR을 눌렀습니다. 고효율 가전을 깔아줄수록 전기 청구서가 줄어드는 역설입니다.

1.3 124에서 126으로: 반등은 진짜인가

FY2027 Q1(2026년 4월 30일 마감) 프린트에서 NRR이 124% 저점에서 126%로 올라섰고, 제품매출이 +34% YoY로 재가속했습니다 (FY2027 1분기 실적 보도자료). 직전 분기들의 둔화(+26~29%)에서 방향이 바뀐 첫 신호입니다. 동반 신호도 있습니다. 제품매출 $1M 이상 고객이 779개(+29% YoY)로 늘었고, Forbes Global 2000 침투는 813개사로 확대됐으며, 미래 소비의 약속인 RPO(잔여 수행의무)는 $9.21B(+38% YoY)에 달했습니다 (FY2026 4분기 실적 보도자료).

먼저 못을 박겠습니다. 124에서 126으로의 2%포인트 자체는 ④ 베이스 규모 감쇠와 분리할 수 없습니다. 코호트 매출 베이스가 매년 커지므로, 같은 분기 비교에서 2%포인트 반등이 ① 신규 소비의 회복 때문인지 베이스·믹스 변화 때문인지를 NRR 숫자만으로는 가를 수 없습니다. 그래서 우리는 124→126을 ① 회복의 직접 증거로 쓰지 않습니다.

2장. AI 반격 무기고: 전부 "더 태우게 만드는 장치"

Cortex Search, AISQL, Analyst, Intelligence, Snowpark는 기능이 제각각으로 보이지만 설계 의도는 하나입니다. "데이터가 Snowflake 안에 있으니 AI도 안에서 실행하라." 데이터를 밖으로 옮기지 않으니 채택 마찰이 최소이고, 모든 추론이 컴퓨트를 태웁니다. 이것이 1장에서 본 NRR의 ① 신규 소비를 키우는 한 통로입니다. 다만 한 가지를 분명히 해둡니다. ①은 신규 소비 전체이고 그 대부분은 비AI 워크로드이며, AI가 기여하는 몫은 회사가 분리공개하지 않아 현시점 추정상 소규모입니다. AI는 ①의 본체가 아니라, ①을 키우는 여러 통로 중 하나입니다.

2.1 데이터 옆에서 AI를 실행한다는 것

보통 기업이 AI를 쓰려면 데이터를 AI 서비스로 복사해 보내야 합니다. Snowflake의 Cortex는 정반대입니다. 데이터를 한 발짝도 옮기지 않고, 그 데이터가 사는 곳에서 AI를 실행합니다. SQL 쿼리 안에 생성형 AI 함수를 직접 박는 방식입니다 (Cortex AISQL · SnowConvert 보도자료).

왜 중요할까요. 데이터 이동에는 비용(egress)과 거버넌스 리스크와 시간이 듭니다. 그 마찰이 사라지면 "AI 한번 켜볼까"의 문턱이 낮아집니다. 그리고 그 추론 한 번 한 번이 컴퓨트를 태웁니다. 전력 소매상이 고객 집에 스마트홈 가전을 깔아주는 셈입니다. 가전이 돌면 전기 계량기가 돕니다.

개념적 시각화. Cortex의 "데이터 옆 AI 실행" 설계를 단순화했습니다. 출처: Cortex AISQL 보도자료.

기능을 일곱 개씩 외울 필요는 없습니다. 단순함을 중시하는 독자라면 "결국 다 컴퓨트 더 태우는 장치 아니냐"고 물을 텐데, 정확한 지적입니다. 그래서 우리는 이들을 관통하는 단 하나의 명제만 기억하라고 권합니다. "AI를 데이터 옆에서 실행시켜 신규 소비를 유발한다." 아래 표는 그 명제가 제품별로 어떻게 구현되는지의 목록일 뿐입니다.

출처: Cortex AISQL 연산자 GA 릴리즈노트, Snowflake Intelligence 보도자료.

2.2 채택의 증거: 12,000개 에이전트

말로만 무기고를 갖춘 게 아닙니다. 2025년 11월 정식 출시 시점 기준, 1,000개 이상의 Snowflake 고객이 12,000개 이상의 AI 에이전트를 배포했습니다 (Snowflake Intelligence 보도자료). 에이전트 하나하나가 반복 추론으로 컴퓨트를 태웁니다.

소비를 유발하는 인구 자체도 커집니다. Cortex Analyst는 자연어를 SQL로 바꿔, SQL을 못 쓰던 비즈니스 직원까지 쿼리를 유발하는 층으로 끌어들입니다. 전력 소매상이 가전을 쓸 줄 모르던 가족 구성원에게까지 리모컨을 쥐여주는 격입니다. 그리고 Snowflake는 TruEra(AI 관찰성), Datavolo(멀티모달 파이프라인), Crunchy Data(약 $250M, AI 에이전트용 PostgreSQL)를 잇따라 인수해 AI 스택의 빈 칸을 메웠습니다 (CNBC: Crunchy Data 인수).

3장. 양날의 칼: Iceberg와 Gen2

반격에는 대가가 따릅니다. Iceberg 개방포맷은 신규 워크로드를 유치하지만 스토리지 락인을 깎습니다. Gen2 웨어하우스는 더 빨라서 좋지만 같은 작업의 청구를 줄여 단가 디플레를 키웁니다. 둘 다 타이밍이 비대칭입니다. 좋은 효과는 즉시, 나쁜 효과는 점진적으로 옵니다.

3.1 Iceberg: 락인을 풀어 워크로드를 얻는 거래

과거 Snowflake는 자체 독점 포맷을 썼습니다. 데이터를 Snowflake 안에 복사해야만 쿼리할 수 있는 구조라, 경쟁사 Dremio 등은 이를 "데이터 감옥"이라 비판했습니다 (Dremio: Snowflake 경쟁 분석). 그런데 2024년 6월 Apache Iceberg 테이블이 정식 출시되면서(V3는 2026년 3월 프리뷰), 데이터를 고객 자기 S3 버킷에 Iceberg 포맷으로 두고도 Snowflake가 그 위에서 컴퓨트를 돌릴 수 있게 됐습니다 (Iceberg 테이블 GA 블로그).

무엇을 잃을까요. 스토리지 포맷 락인이 사실상 0으로 갑니다. 데이터가 고객 버킷에 Iceberg로 살면 Spark·Trino·Databricks·BigQuery가 같은 파일을 읽습니다. 비유하면, 고객이 집에 자기 발전기(자기 S3)를 둬도 좋다고 허락하는 것입니다. 떠나는 비용에서 "데이터 재적재"가 빠집니다.

무엇을 얻을까요. 채택의 1순위 반대 논리("내 데이터를 독점 사일로에 복사하기 싫다")가 사라집니다. 독점 포맷이었다면 절대 오지 않았을 신규 워크로드가 들어옵니다. 게다가 버리는 것은 본래 마진이 얇은 스토리지(S3 재판매)이고, 얻는 것은 마진이 두꺼운 컴퓨트 소비입니다 (Apache Iceberg V3 지원 블로그). 비대칭이 핵심입니다. 유치 효과는 즉시 나타나고(지금 당장 진입장벽이 낮아짐), 락인 침식은 점진적입니다(기존 데이터는 수년간 끈끈하고 신규만 개방됨). 그래서 근단기에는 순효과가 플러스이고, 장기는 조건부입니다.

3.2 Gen2 웨어하우스: 빨라서 좋고, 빨라서 위험한

Gen2는 2025년 11월 정식 출시된 차세대 웨어하우스입니다. ARM 기반(Graviton3)이며 분석 워크로드를 약 2.1배, DML 작업을 약 4.4배 빠르게 처리한다고 회사가 밝혔습니다 (Snowflake 가격 해설, 2차 출처). 동시에 크레딧 단가를 약 1.25~1.35배 올렸고, 데이터 적재 서비스 Snowpipe 단가는 약 50% 내렸습니다.

왜 양날일까요. 더 빠르면 같은 작업을 더 짧은 시간에 끝냅니다. 소비기반 과금에서 "짧은 시간"은 곧 "적은 청구"입니다. 크레딧 단가를 올렸어도, 작업 시간이 충분히 줄면 고객의 총 청구가 내려갈 수 있습니다. 이것이 1장에서 본 NRR의 ③ 단가 디플레의 한 통로입니다. 고효율 가전을 깔아줄수록 전기 청구서가 줄어드는 바로 그 역설입니다.

둘 다 좋은 효과는 즉시, 나쁜 효과는 점진적으로 옵니다. 출처: 제품·기술 분석(Iceberg GA 블로그, Snowflake 가격 해설).

마진이 받는 압력은 숫자로도 보입니다. Cortex의 AI 추론 상당수는 GPU에서 도는데, GPU는 비싼 원가입니다. 그래서 제품 총이익률은 고점에서 완만히 내려왔습니다.

4장. 경쟁 맥락: Databricks와의 소비·성장 격차

Snowflake가 키우려는 소비를, 같은 시장의 경쟁자는 더 빨리 키우고 있습니다. Databricks는 ML·엔지니어링 네이티브에서 출발해 소비 성장률에서 앞섭니다. 다만 흔히 인용되는 "ARR로 추월당했다"는 비교에는 함정이 있습니다. 이 장은 그 함정을 바로잡고, 정직하게 남는 열위가 무엇인지만 노출합니다. 누가 위아래에서 어떻게 조이는지(협공 지형)와 해자가 진짜인지(4축 정밀 채점)는 자매 편이 전담합니다.

4.1 누가 더 빨리 소비를 키우나: 기준을 맞춰서

Databricks의 소비 성장이 더 빠른 이유는 출발점이 다르기 때문입니다. Databricks는 ML·엔지니어링 같은 신규 고가치 워크로드에서 네이티브로 출발해 AI 붐 한가운데를 정조준했습니다. Snowflake는 SQL 분석에서 출발해 ML로 추격하는 입장입니다.

그런데 두 회사를 비교할 때 가장 흔한 오류가 "ARR 추월"입니다. 바로잡겠습니다. Snowflake의 $4,472.3M은 ARR(런레이트)이 아니라 FY2026 연간 제품매출(실적)입니다 (FY2026 4분기 실적 보도자료). Databricks가 발표하는 $5.4B은 ARR(연간 반복 매출, 런레이트)입니다. 연간 실적과 런레이트는 기준이 다르므로 그대로 견주면 안 됩니다.

기준을 맞춥니다. Snowflake의 비교 가능한 런레이트는 가장 최근 분기인 Q1 FY2027 제품매출 $1,334.3M의 연환산 ≈ $5.3B입니다 (FY2027 1분기 실적 보도자료). 이걸 Databricks ARR $5.4B과 같은 런레이트 기준으로 놓으면 규모 격차는 약 $0.1B로 생각보다 작습니다. "크게 추월당했다"는 서사는 기준 혼용(연간 실적 vs 런레이트)에서 온 착시에 가깝습니다.

정직하게 남는 열위는 규모가 아니라 속도와 유지율입니다. 성장률은 Databricks +65% 대 Snowflake +29~34%, NRR은 Databricks 140% 초과(자체 발표) 대 Snowflake 125~126%로, 이 두 지표에서는 Databricks가 앞섭니다. 즉 "세 지표 모두 추월"이 아니라 규모는 런레이트 기준 사실상 백중, 성장률·유지율은 열위가 정확한 그림입니다 (Databricks 자체 발표 보도자료).

비교의 함정도 명시합니다. Databricks 수치는 전부 비상장사의 자체 발표로 독립 감사·검증이 없고, ARR·NRR 정의가 Snowflake와 동일하다는 보장도 없습니다. 방향(성장률·유지율 열위)은 사실이되, 폭의 정밀도는 신뢰하지 않습니다.

4.2 협공 지형과 해자는 자매 편이 전담한다

위(Databricks ML·엔지니어링)·아래(하이퍼스케일러 원가·번들)·옆(MS Fabric)의 협공 지형, Gartner가 다섯 곳을 모두 리더로 꼽은 다극 구도, 하이퍼스케일러별 점유율, 그리고 해자를 전환비용·데이터중력·네트워크효과·규모경제 4축으로 정밀 채점하는 작업은 자매 편이 전담합니다. 여기서는 이 글의 소비·NRR 논의에 필요한 결론만 가져옵니다.

해자 결론만 옮기면 이렇습니다. Snowflake의 해자는 오늘 기준 단독으로 사업을 떠받치는 축이 없어 Morningstar의 No-Moat 진단에 부합하되, 형성 중 narrow-moat 후보입니다. 네 축 중 마켓플레이스 네트워크효과만이 진성 양면 네트워크이고(3,000+ 리스팅·700+ 프로바이더·zero-copy 공유), 그나마 아직 코어 매출을 떠받칠 규모는 아닙니다(강도 中·형성중, 진성이나 sub-scale) (Snowflake 마켓플레이스 현황). 다만 $400M 단일 딜과 9자리 딜 7건(전년 2건)은 전환비용이 오르고 있다는 증거이고, 이를 Morningstar조차 "전환비용 상승의 명확한 신호"로 인정합니다.

경쟁자의 자본 동원력도 변수입니다. Databricks 기업가치는 2025년 12월 시리즈 L $134B에서 이후 $165~175B 협상 보도로 올랐습니다. 자본이 커질수록 가격·기능 경쟁 강도가 높아져 Snowflake의 단가·마진 압력과 연결되며, 이 정량 환산은 밸류에이션 분석으로 넘깁니다.

5장. 채점표: AI 반격은 엔진인가

반격이 엔진인지 노이즈인지는 한 분기 반등이 아니라, 신규 소비(①)가 최적화(②)·단가 디플레(③)·GPU 마진 희석을 상쇄하고도 남는지로 판가름납니다. 우리는 답을 내리지 않습니다. 대신 무엇이 충족되면 성공인지의 채점표와, 그것이 깨지는 반증조건을 제시합니다.

5.1 채점 질문 하나

이 글 전체가 묻는 단 하나의 질문은 이렇습니다.

FY2027 Q1의 첫 프린트(NRR 124→126, 제품매출 +34% 재가속, RPO +38%)는 초기 양(陽)의 신호입니다. 그러나 한 분기입니다. 추세로 확정하려면 같은 방향의 프린트가 2~3분기 더 필요합니다.

5.2 반격이 깨지는 조건 (반증조건)

해자와 반격이 무너지는 조건을 미리 정의해 추적합니다. 이것이 우리가 "그럴듯한 이야기"에 속지 않는 방법입니다.

R1은 기술 분석이 "최치명"으로 꼽은 조건입니다. Iceberg가 Snowflake를 "데이터가 못 떠나는 락인 사업"에서 "엔진이 실력으로 선택받는 사업"으로 바꿨기 때문에, 만약 거버넌스까지 이식 가능해지면 Snowflake는 매 갱신을 순수 컴퓨트 가성비로만 방어해야 합니다. 거기서는 발전소를 소유한 집주인(하이퍼스케일러)을 원가로 이길 수 없습니다. R2는 2장·3장에서 본 긴장의 종착점입니다. AI가 소비를 늘리는 메커니즘은 실재하지만, 그 소비가 디플레와 마진 희석을 넘어야 비로소 "엔진"입니다.

5.3 그래서, 무엇을 지켜봐야 하나

추적 지표는 셋입니다. ① 제품 총이익률 추이(2분기 연속 75% 미만이면 마진 천장 하향 신호), ② NRR과 제품매출 성장의 동반(둘이 함께 꺾이면 AI 상쇄 실패), ③ 외부 카탈로그·거버넌스 이식의 성숙도(R1 최치명 신호).

결론은 주제 자체로 닫습니다. Cortex와 AI 반격은 소비를 재가속할 메커니즘으로서는 분명히 실재합니다. 데이터 옆에서 AI를 실행시켜 신규 소비를 유발하는 구조는 작동하고 있고, 12,000개 에이전트 배포가 그 채택의 초기 증거입니다. 다만 FY2027 Q1의 동조 프린트(NRR·제품매출·RPO)는 AI 가설과 대형 딜·신규 로고 가설을 아직 분별해주지 못하며, 그 기여 크기 역시 회사가 분리공개하지 않습니다. 그러나 같은 동전의 뒷면에 Iceberg의 락인 약화, Gen2의 단가 디플레, GPU의 마진 희석이 붙어 있습니다. 반격이 엔진인지 노이즈인지는 이야기가 아니라 2~3분기의 프린트가 답합니다. 우리는 그 프린트를 위 세 지표로 채점합니다.