[돈스] [IMAGE_01] - X (2026-04-05)
Original Input
원문 제목: [IMAGE_01]
원문
소프트웨어 해자(Moat) 논쟁: AI 시대의 기업 가치 재평가
2.3K 돈스 구독자용: Goldman Sachs 리서치 심층 분석 “Revisiting Moats Part I” 재구성 왜 지금 이 논쟁이 중요한가? 2026년 현재 소프트웨어 섹터는 전례 없는 조정 국면을 맞고 있다. 과거의 주가 조정이 “단기 수요 둔화”나 “금리 인상에 따른 밸류에이션 압축” 같은 비교적 예측 가능한 요인에서 비롯됐다면, 이번 조정의 핵심은 훨씬 근본적인 질문에서 출발한다. “AI 시대에도 기존 소프트웨어 기업들의 비즈니스 모델은 유효한가?” 이 질문은 단순히 주가 수준의 문제가 아니다. 기업의 터미널 밸류(Terminal Value) , 즉 먼 미래에도 지속적으로 현금흐름을 창출할 수 있는 능력 자체에 대한 의문이다. Goldman Sachs는 이 논쟁을 7가지 베어 케이스(약세 시나리오)로 정리하고 각각의 현실화 가능성을 1~5점으로 평가했다. 분석 프레임워크: 7가지 리스크를 어떻게 볼 것인가 Goldman은 7가지 베어 케이스를 두 축으로 분류한다. 첫 번째 축은 리스크의 범위. 애플리케이션 소프트웨어에만 해당하는 문제인지, 인프라·보안·하이퍼스케일러 전반에 걸친 문제인지. 두 번째 축은 리스크의 강도. 1점(낮음)에서 5점(높음)까지의 현실화 가능성이다. 7가지 베어 케이스 상세 분석
- 시스템 오브 레코드(SoR) 전면 교체 - 리스크 1점 (낮음)
베어 케이스의 논리
AI가 등장하면서 기존 비즈니스 데이터를 저장하고 관리하는 ‘시스템 오브 레코드’ 자체를 새로운 방식으로 대체할 경우, SAP·Salesforce·Workday 같은 SoR 중심 기업들이 근본적으로 위협받을 수 있다는 주장이다.
Goldman의 반론 (왜 리스크가 낮은가)
GenAI의 본질적 역할은 “분석과 생성”이지, 트랜잭션 데이터를 정확하게 처리·저장하는 “운영 엔진”이 아니다. 재무 장부, 고객 계약, 인사 기록처럼 정합성과 감사 추적이 중요한 데이터는 여전히 기존 SoR에 남아있을 가능성이 높다.
핵심 시사점
설령 AI가 SoR의 UI나 일부 기능을 잠식하더라도, 데이터 저장 레이어 자체는 유지된다. 즉, 이 시나리오에서의 터미널 밸류는 ‘0’이 아니라 현재 주가 수준에 가깝다 — 이것이 밸류에이션 하방 지지선 역할을 한다. 2. 가치가 SoR에서 ‘에이전틱 운영체제’로 이동 - 리스크 4점 (높음)
베어 케이스의 논리
SoR이 사라지는 것이 아니라, AI 에이전트가 SoR 위에 레이어로 올라앉아 고부가가치 업무를 모두 처리하면서 기존 소프트웨어 기업들은 점점 “단순 데이터 저장 인프라”로 전락한다는 시나리오다. 좌석 수 기반(per-seat) 라이선스는 줄어들고, 가격 결정력도 약화된다.
Goldman의 분석 (왜 리스크가 높은가)
이것이 Goldman이 가장 현실적인 위협으로 보는 시나리오다. 핵심은 “가치 추상화(Value Abstraction)” 기존 기업을 완전히 대체하는 것이 아니라, 그 위에서 가치를 빼앗아 가는 구조다. 기존 기업들의 무기는 도메인 경험과 맥락(Domain Context)이다. 예를 들어 의료 청구, 금융 규정 준수, 제조 공정에 깊이 쌓인 노하우는 AI 스타트업이 단기간에 복제하기 어렵다. 그러나 이 이점을 실제 AI 제품 역량으로 전환하지 못하는 기업은 도태될 수 있다. 특히 기술 부채가 많거나 스택이 경직된 기업일수록 위험하다.
핵심 시사점
승자와 패자가 극명하게 갈리는 시나리오다. Goldman이 투자 판단 시 가장 중점적으로 분석하는 영역이기도 하다. 3. 수평적 플랫폼이 수직적 소프트웨어를 잠식 - 리스크 2점 (낮음)
베어 케이스의 논리
Microsoft, Salesforce 같은 수평적(Horizontal) 플랫폼이 AI 도구를 활용해 고객들이 직접 산업별 워크플로우를 구축하게 해줌으로써, 의료·건설·법률 등 특정 산업에 특화된 수직적(Vertical) 소프트웨어의 경쟁 우위가 사라진다는 주장이다.
Goldman의 반론
수직 소프트웨어의 해자는 단순히 기능에 있는 것이 아니라, 규제 대응, 업계 표준 통합, 오랜 고객 관계 에 있다. 예를 들어 병원 EMR(전자의무기록) 시스템을 일반 AI 플랫폼으로 대체하기 위해서는 의료 규정 준수, 수십 개 의료 기기 연동, 의사의 학습 곡선 등 기술 이외의 장벽이 훨씬 크다. 오히려 AI는 이들 수직 소프트웨어가 더 빠르게 혁신할 수 있는 도구가 될 수 있다. 4. 코드 비용 하락이 진입 장벽을 무너뜨린다 - 리스크 2점 (낮음)
베어 케이스의 논리
AI 코딩 도구(GitHub Copilot, Cursor 등)가 소프트웨어 개발 비용을 획기적으로 낮추면서, 누구나 쉽게 경쟁 제품을 만들 수 있게 되어 기존 기업들의 해자가 사라진다.
Goldman의 핵심 통찰
코드를 짜는 것과 소프트웨어 비즈니스를 운영하는 것은 전혀 다른 문제다. 성공적인 소프트웨어 기업을 만들기 위해서는 코드 외에도 영업 조직, 고객 성공(Customer Success), 규정 준수 체계, 브랜드 신뢰, 파트너십 생태계 등이 필요하다. AI는 코드 작성 비용을 낮추지만, 이 나머지 요소들의 비용은 그만큼 낮추지 못한다. 5. 소프트웨어의 미래는 맞춤 개발(Bespoke) - 리스크 3점 (중간)
베어 케이스의 논리
코드 비용이 낮아지면 기업들이 패키지 소프트웨어를 사는 대신, 자사 워크플로우에 딱 맞는 앱을 직접 개발하거나 Palantir, Databricks 같은 플랫폼 위에서 구축하는 방향으로 전환한다. Goldman의 균형 잡힌 시각:ㅍ ‘빌드 vs 바이’ 논쟁은 AI 등장 이전에도 있었다. Goldman은 이것을 “바이브 코딩(AI로 빠르게 코딩)“의 문제가 아니라, 기업 내부 IT가 유지·보수 포함 전체 비용(Total Cost of Ownership)을 어떻게 계산하느냐 의 문제로 본다. 소프트웨어를 만드는 비용이 낮아지더라도 유지·보수 비용은 시간이 지날수록 누적된다. 그리고 전문 소프트웨어 기업도 같은 AI 도구로 비용을 낮추기 때문에, 전문 기업의 ‘성능 대비 비용’ 경계선은 항상 사내 개발보다 앞서 있을 것이다.
가장 취약한 영역
기존 패키지 소프트웨어가 잘 커버하지 못했던 회사 내 여러 부서 간 업무 조율 영역 — 이 틈새에서 맞춤 개발이 가장 많이 일어날 것이다. 6. 높은 마진 구조 붕괴 “LLM 세금” - 리스크 3점 (중간)
베어 케이스의 논리
소프트웨어 산업의 7090%에 달하는 높은 매출총이익률(Gross Margin)이 AI 시대에 유지되기 어렵다. 기존 CPU 기반 호스팅(비용 1020%)이 GPU 기반 추론(Inference)으로 대체되면서 한계비용이 올라가고, 신규 AI 네이티브 경쟁자들은 처음부터 이 구조로 설계되어 기존 기업과 비용 구조가 달라진다.
Goldman의 전망
향후 12~24개월간 마진 압박이 있을 것이다. 많은 기업이 수익화보다 고객 채택(Adoption)을 먼저 추구하면서 GPU 비용을 스스로 흡수할 것이기 때문이다. 그러나 장기적으로는 추론 비용이 계속 하락하는 추세이며, 결국 마진은 가격 결정력(Pricing Power) , 즉 제품 차별화 능력으로 귀결된다. 도메인 경험을 AI 아웃컴으로 전환하는 기업은 마진을 지킬 수 있다. 7. 기술 변화 속도 자체가 리스크 - 리스크 5점 (최고)
베어 케이스의 논리
AI 기술이 너무 빠르게 변하고 있어서, 5~10년 후의 최종 상태(End State)를 예측하는 것 자체가 불가능하다. 불확실성이 큰 사업은 낮은 밸류에이션 멀티플을 받을 수밖에 없다.
Goldman이 이 항목에 최고점을 준 이유
이 리스크는 분석으로 해소할 수 없다. 스케일링 법칙, 에이전트 기술의 발전, 새로운 모델 아키텍처 등 어느 하나의 돌파구가 산업 전체의 지형을 바꿀 수 있다. Goldman조차 “AI 스타트업 및 학계와의 지속적인 듀 딜리전스”를 최선책으로 제시할 뿐이다.
역설적 기회
그러나 불확실성은 리스크만이 아니다. 의료 진단, 에너지, 제조 같은 분야에서 완전히 새로운 TAM(시장 규모)이 창출될 수도 있다. 알 수 없는 미지수(Unknown Unknowns) Goldman은 이 섹션에서 가장 겸손한 통찰을 내놓는다. 현재 우리가 직면한 AI 관련 질문들 “스케일링 법칙이 언제까지 유효한가?”, “LLM이 AGI로 나아갈 수 있는가?” “알려진 미지수(Known Unknowns)“다. 우리는 적어도 이 질문의 존재를 안다. 하지만 역사는 우리에게 더 무서운 교훈을 준다. 1993년에 웹 2.0 시대를 예측한 사람은 없었다. 2022년 12월에 AI 에이전트가 불과 2~3년 후 업무 방식을 근본적으로 바꿀 것을 예측한 사람도 거의 없었다. 진정으로 산업을 뒤흔드는 돌파구는 예측 불가능한 방식으로 등장한다. 이것이 부정적 결과를 필연적으로 만들지는 않지만, 그 가능성을 단기간에 배제하기 어렵게 만든다. 투자자가 가져가야 할 핵심 인사이트
Goldman의 최종 입장
현재 소프트웨어 섹터의 조정은 주가 수준이 아닌 비즈니스 모델의 유효성 에 대한 논쟁이다. 따라서 바닥을 논하기 전에, 각 기업이 도메인 경험을 AI 아웃컴으로 전환하고 있는지, 기술 부채를 해소하고 있는지, 그리고 에이전틱 AI 생태계에서 어떤 포지션을 점하고 있는지를 먼저 판단해야 한다. 본 자료는 Goldman Sachs “Revisiting Moats Part I: Exploring AI Steel Man Arguments” 리서치 노트를 바탕으로 재구성, 분석한 것입니다.
THREAD_REPLIES (원작성자 댓글)
- (1) status/2025423358591205566 감사해요 ^^
- (2) status/2025387363921527279 행복한 일요일 보내세요~