아마존 CEO: AI 사업 연간 매출 250억 달러 돌파, 초기 AWS 대비 수백 배 성장률… 2200억 달러 투자도 수요 충족 못 해

최근 아마존 CEO 앤디 재시가 유명 벤처캐피탈 a16z의 팟캐스트에 출연해 공동창립자 벤 호로위츠와 심층 인터뷰를 진행했다. 이 인터뷰에서 재시는 생성형 AI 물결 속 아마존의 전략적 비전을 종합적으로 공개했다.

기술 기업들의 거대한 자본 지출에 대한 월가의 우려에 대해 재시는 가장 직접적인 시장 피드백을 제시했다: 수요는 오히려 둔화되지 않고 미래 설비 용량을 급속히 초과하고 있다. 동시에 그는 현재 AI 시장의 '양끝' 수요 구조를 설명하며, 기업급 AI 응용 프로그램을 진정으로 실현하려면 추론 컴퓨팅 비용이 추가로 10분의 1 수준으로 낮아져야 한다고 강조했다.

“올해 2200억 달러를 써도 여전히 상당한 수요를 미충족 상태로 남긴다”

시장이 현재 가장 우려하는 핵심 문제는 수백억 달러 규모의 거대 기업 자본 지출이 과잉 투자로 전락할지 여부다. 재시는 놀라운 주문 데이터로 시장 의문을 직접 해소했다.

“올해 2200억 달러를 지출해도 여전히 의미 있는 수요의 상당 부분을 미충족 상태로 남긴다.” 재시는 계산 능력의 극심한 수요-공급 불균형을 직설적으로 지적했다: “우리는 항상 예약 서비스를 위해 일정 비율의 컴퓨팅 자원을 확보하지만, 2026년 용량은 이미 완전히 매진됐고, 2027년도 거의 매진됐으며, 2028년 분의 상당 부분도 이미 계약됐다.”

사업 성장 측면에서 AI가 가져온 성장 곡선은 극도로 가파르다. 재시는 AWS 초기 발전 속도와 현재 속도를 비교했다: “AWS 출범 초기 3년간 우리는 연간 매출 6000만 달러 수준의 고속 성장을 체감했지만, 이번 생성형 AI 물결의 처음 3년 동안 AWS AI 사업의 연간 매출 추정치는 이미 250억 달러를 넘었다. 그 속도는 당시보다 수백 배 빠르며, 우리로서는 전례 없는 수준이다.”

자본시장의 우려에 대해 재시는 데이터센터 투자의 현금 흐름 사이클 논리를 설명했다. 그는 데이터센터 건설 투자는 2년 전에 이루어져야 하지만 수명은 최대 30년에 달한다고 밝혔고, 반면 서버 및 네트워크 장비 구매는 몇 개월 전에만 결정하면 된다고 덧붙였다. 즉, 고객 수요를 매우 명확하게 파악할 수 있다는 것이다. “실제로 데이터센터를 모두 채울 필요가 없다면 서버나 네트워크 장비를 사지 않을 것이다. 대부분의 서버 계약 기간은 5년이며, 일반적으로 3년 만에 손익분기점을 달성한다. 이러한 현금 흐름 구조 덕분에 초고속 성장 시 초기 영업활동 현금흐름은 일시적 압박을 받겠지만, 모든 설비가 가동되면 수익은 매우 크다.”

데이터센터 논란 반박: “골프장 2일 물 사용량 = 우리 연간 사용량”

미국 내에서 데이터센터의 에너지 소비 및 환경 문제는 정치적 논쟁으로까지 확대되고 있다. 재시는 이를 강력히 반박하며 국가 경쟁력 차원으로 격상시켰다.

“현재 우리가 추진 중인 인프라 구축은 1950년대 미국 고속도로 및 교량 건설 규모에 필적한다. 미국은 물론 전 세계가 데이터센터 건설을 포기하는 비용을 감당할 수 없으며, 그렇지 않으면 중국 등 국가들이 모든 주도권과 표준을 장악하게 될 것이다. 이는 국내외적으로 용납될 수 없는 상황이다.”

환경 관련 비난에 대해 재시는 충격적인 사실 자료를 제시했다: “정치인들과 투기꾼들이 단순한 ‘악역’을 찾으려 하기에, 지금 유통되는 주장 중 상당수는 허구와 오해 사이에 있다. 실제로 골프장이나 아몬드 재배의 물 소비량이 데이터센터보다 훨씬 많다. 예시로, 골프장 하루 물 사용량은 우리 데이터센터 연간 사용량의 200배에 달하며, 단 이틀 사용량이 우리 연간 전체 사용량과 맞먹는다.”

그는 백업 발전기 오염 문제도 심각하게 과장됐다고 덧붙였다: “발전기 오염 수준을 항상 최대 출력으로 작동한다고 가정해 등록해야 하지만, 실제로는 연간 0.1% 시간(약 10시간)만 유지보수를 위해 가동한다.”

AI 수요의 ‘양끝 효과’와 추론 비용 절감의 핵심 논리

특정 AI 수요를 분석할 때 재시는 생생한 ‘양끝 이론’을 제시했으며, 이는 아마존이 자체 개발 칩 전략을 고수하는 이유도 설명한다.

“양끝 한쪽은 막대한 컴퓨팅 자원을 소비하는 AI 연구소이고, 다른 한쪽은 고객 응대 자동화나 업무 프로세스 개선 등 비용 절감과 생산성 향상을 위해 AI를 활용하는 기업들이다. 양끝 사이 중앙부에는 현재 기업들이 실제 운영 중인 워크로드가 위치한다. 대부분 기업은 아직 AI 추론을 도입하지 않았지만, 향후 5~7년 내 거의 모든 기존 기업 애플리케이션이 깊이 있게 추론 기술을 활용하게 될 것이라 확신한다.”

그러나 바벨 모양 시장의 '중간층'이라는 광활한 시장을 활성화하려면 가격이 가장 큰 걸림돌이다.

'최근 몇 년간 추론 비용은 크게 감소했지만, 제 관점에서는 여전히 10배 정도 과다하다.' 잭시는 강조했다. '기업들이 기존 CPU 애플리케이션을 AI 가속기로 전면 재작성하도록 요구할 때, 비용 차이가 크다면 그 전환 장벽은 매우 높아질 수밖에 없다. 하지만 추론 비용을 낮출 수 있다면 이 장벽은 크게 낮아질 것이다. 그래서 우리는 자체 개발 칩 사업에 집중하고 있는 것이다.'

잭시는 2015년 칩 설계 업체 애너퍼나 랩스 인수를 '아마존 역사상 가장 성공적인 인수이며, 2위와도 비교할 수 없을 정도'라고 극찬했다. 그는 자체 개발 그라비톤 프로세서(기타 x86 프로세서 대비 40% 비용 효율 향상)와 트레이니움 AI 가속기(30~40% 비용 효율 향상)를 통해 계산 능력 비용을 공격적으로 낮추고 있음을 밝혔다.

조직 구조 개편: 6명의 엔지니어가 1년간 40명이 해야 했던 일을 완료, 모든 제품은 처음부터 재구축해야 한다.

AI는 외부에 계산 능력을 제공하는 것뿐 아니라, 내부적으로 아마존의 거대한 운영 체계를 재구성하고 있으며, 인사 구조와 제품 개발 방식이 가장 먼저 변화하고 있다.

잭시는 충격적인 내부 사례를 공유했다: 베드록(아마존의 AI 추론 서비스 플랫폼) 팀이 단 6명의 엔지니어로 76일 만에 추론 엔진을 재구축했는데, 이 작업은 이전에는 40명이 1년이 걸렸다.

'이것은 모두의 눈을 뜨게 했다.' 잭시는 솔직하게 말했다. '앞으로 같은 일을 하는 인력 수는 지금보다 줄어들 것이다. 사람을 더 이상 필요로 하지 않는다는 뜻은 아니지만, 사업 규모가 확대됨에 따라 과거처럼 많은 인력을 투입하지는 않을 것이다. 팀 규모는 작아지고, 사람들은 모델이 업무의 80%를 대신 수행해 주기 때문에 다양한 기능을 아우르는 협업이 필수적일 것이다.'

제품 차원에서는 잭시가 점진적 개선이 더 이상 유효하지 않다고 보며, '처음부터 다시 만들 용기'가 필요하다고 믿는다.

'알렉사 같은 제품은 개발 당시 '두뇌'가 매우 혁신적이었지만, 생성형 AI의 등장으로 역량의 경계가 완전히 바뀌었다. 우수한 고객 경험을 제공하려면 알렉사의 두뇌를 완전히 재설계해야 한다.'

알렉사뿐 아니라 잭시는 아마존의 핵심 소비자 경험—소매, 프라임 비디오, 음악 등—모두 향후 수년간 AI와 긴밀히 연계해 근본적으로 재구상되어야 한다고 지적했다. '팀은 자부심과 과거의 부담으로 인해 종종 저항하며 '그건 이미 해봤고 실패했다'고 말한다. 그러나 이런 재구성은 피할 수 없는 고통스러운 과정이며, 점진적 개선만 고집한다면 3~5년 안에 도태될 것이다.'

다음은 팟캐스트 전체 번역문: 앤디 잭시 00:00

올해 2,200억 달러를 투자하더라도 여전히 상당한 수요를 충족하지 못하고 있다. 우리는 항상 수요 기반 사용을 위해 일부 용량을 예비하지만, 2026년은 이미 전량 판매 완료되었고, 2027년은 거의 매진 상태이며, 2028년도 상당 부분이 이미 예약되었다.

앤디 잭시 00:14

금융 시장은 '이런 사업을 지원할 자금이 세상에 그렇게 많지 않다'고 말한다. 그러나 우리가 이 세상에서 하는 모든 일—주식시장, 은행, 의료—은 데이터센터에 의존한다. 우리의 임무는 가능한 한 많은 용량을 확보하는 방법을 찾는 것이며, 이를 통해 훨씬 더 많은 고객 경험을 지원함으로써 매일 고객의 삶을 더 나아지게 하고 편리하게 만드는 기회를 갖는 것이다. 대규모 연구실들은 전력, 냉각, 칩에 대해 사실상 어떤 가격도 지불할 준비가 되어 있다. 그렇다면 기존 고객을 매입해 새로운 고객에게 재판매하는 것도 고려해볼 만하다. 왜냐하면 신규 고객이 우리 가격을 제시하며 입찰하고 있기 때문이다.

a16z 00:48

앤디, 방송에 오신 것을 환영합니다. 이렇게 자리해 주셔서 진심으로 감사드립니다. 초대해 주셔서 고맙습니다. 지금까지 5년간 아마존을 이끌며 많은 일을 해오셨는데, CEO로서 자리에 오르는 것 자체가 쉽지 않은데, 또 하나씩 쏟아지는 업무 속에서 $220억의 자본 지출을 실행하고, AWS는 20%, 28% 성장했습니다. 정말 많은 성과를 거두셨습니다.

앤디 잭시 01:09

이렇게 많은 성과를 거두셨으니, 2021년에 CEO로 정식 취임하셨을 때와 비교해 2026년 아마존의 야망은 어떻게 보십니까? 아, 2021년은 너무 오래된 것 같고, 마치 10년 전처럼 느껴집니다. 하지만 세상은 정말 빠르게 변하죠. 그냥…

앤디 잭시 01:30

2021년과 비교하면 전체 매출은 약 80% 증가했고, AWS 사업은 거의 3배, 광고 수익은 약 2.5배 성장했습니다. 따라서 이 사업은 꽤 크게 성장했습니다.

앤디 재시 01:47

실제로 몇 가지 일이 분명히 벌어졌습니다. 제가 임기를 시작한 직후—즉 팬데믹이 막 수그러들 무렵—우리 소매 사업은 실질적인 물류비 부담에 직면했습니다. 우리는 약 25년간 구축해온 유통망 규모를 약 18개월 만에 거의 두 배로 확장했고, 이후 약 20개월 동안 UPS에 버금가는 마지막 마일 배송망을 구축했습니다. 이렇게 급속도로 건설하면 당연히 최적화되지 않은 부분들이 산재하게 됩니다. 결과적으로 유통망 내 물류비는 우리가 원하는 수준이 아니었습니다. 당시 이 상황은 많은 어려움과 불안감을 초래했습니다.

저는 임기 시작 후 약 1년도 채 안 된 시점에서 모두가 ‘이때 인수한 건 최악의 타이밍, 정말 운이 나쁘다’고 했던 걸 기억합니다. 그러나 지금 돌이켜보면, 오히려 매우 좋은 출발 시점이었고 진정한 축복이었습니다. 왜냐하면 우리로 하여금 오랜 기간 고민하지 않았을 여러 사항들을 강제로 재검토하게 만들었고, 그 결과 고객과 사업 모두에게 훌륭한 아이디어들이 도출되었기 때문입니다. 그중 가장 큰 변화는 유통망 개편이었는데, 미국 내 기존의 단일 국가 차원 유통망을 지역별로 세분화했습니다. 이를 통해 제품을 고객 근처에 더 가깝게 배치함으로써 운송 거리 단축으로 물류비를 낮추고, 동시에 고객에게 더 빠른 배송을 제공할 수 있었습니다.

물류비 문제가 심각하던 당시, 우리에게 가장 깊이 뿌리내린 신념을 재검토하는 과정에서 배송 속도와 소매 사업에 대한 수요가 폭발적으로 증가했습니다. 이것이 바로 우리가 그때 빠르게 성장할 수 있었던 핵심 이유이기도 합니다. 물론 그 직후에는 AI가 전반적인 분위기를 더욱 격렬하게 촉발시켰습니다. 사실 AI 자체는 새로운 개념이 아닙니다. 우리는 오랫동안 머신러닝을 해왔고, 이전에도 여러 차례 ‘진정한 전환점’이라 불렸던 AI 물결이 있었습니다. 하지만 2023년에 이르러 생성형 AI가 가져온 엄청난 차이를 실감할 수 있었습니다. 제가 말씀드리고 싶은 것은, 그 시점에 이미 AWS 사업이 매우 빠르게 성장하고 있었다는 점입니다.

우리는 당연히 가장 광범위한 기능 커버리지, 뛰어난 운영 성능 및 보안, 그리고 독특한 파트너 생태계를 보유하고 있습니다. 우리는 명백한 선두 주자이며, 당시 이 사업이 장기적으로—예를 들어 10년간—수백억 달러 규모의 매출을 달성할 수 있을 것이라고 확신했습니다. 이제 AI 관련 모든 동향을 살펴보고, 우리가 아는 모든 고객 경험들이 추론 능력과 AI 덕분에 재창조될 것임을 확인하면서, AWS 사업이 단순히 빠르게 성장하는 것을 넘어—지난 분기 연간 36.7% 성장했으며, 이는 연간 매출 기준 1690억 달러 규모입니다—앞으로 우리가 맞이할 기회는 정말 놀라울 정도라고 믿고 있습니다.

그리고 이런 기반 위에 우리는 새로운 사업의 씨앗들을 이미 보유하고 있습니다. 예를 들어 프라임 비디오를 어떻게 발전시켰는지, 현재는 대규모이자 수익성 있는 사업이 되었습니다. 또는 아마존 레오와 함께 개발 중인 저궤도 위성, 주크스와 협력 중인 자율주행 라이드헤일링 서비스, 헬스케어 사업, 로봇 공학 분야 등 다양한 분야에서 활동하고 있습니다. 우리는 실제로 더 많은 고객을 도울 수 있고, 더 다양한 고객 경험을 포괄하며, 그들의 삶을 매일 더 나아지고 더 편리하게 만들 수 있는 기회를 갖고 있습니다.

그리고 ‘고객의 삶을 매일 더 나아지고 더 편리하게 만든다’는 이 미션이야말로 우리 회사 전체의 모든 활동을 하나로 묶는 핵심입니다. 이제 여기에 대해 몇 가지 추가 질문을 드리겠습니다. 첫째, 방금 급격한 유통망 확장 시 효율성이 다소 떨어질 수밖에 없다고 언급하셨습니다. 이렇게 빠르게 추진하면 당연히 미완성된 부분들이 생기기 마련인데, 이때 CEO로서 당신은 내부의 불안감을 관리하면서도 문화적 기준을 낮추지 않도록 어떻게 소통하셨습니까? 아마존은 탁월함, 운영 효율성, 검소함 등으로 유명한데, 그런데 지금은 ‘UPS처럼 구축한다’고 말씀하시죠. 이 두 가지를 어떻게 조화시키셨습니까?

흥미로운 점은 우리가 많은 사람이 아는 16가지 리더십 원칙을 가지고 있다는 것입니다. 이 원칙들은 대부분 운영과 조직 문화를 바라보는 방식을 지배합니다.

하지만 이 중 몇 가지는 서로 긴장을 일으키며, 때때로 사람들이 혼란스러워하기도 합니다. 사실 이는 현실 세계의 작동 방식을 반영한 것이며, 세상은 결코 단순하거나 명확하지 않고, 항상 다양한 선택과 타협이 존재합니다. 따라서 유통망과 마지막 마일 배송망을 이렇게 공격적이고 급속도로 확장하기로 결정했던 당시, 팀이 직면한 과제는 다음과 같았습니다. 즉, 이렇게 빠르게 추진하면 매우 어렵고, 느리게 진행했을 때보다 비용이 높아질 가능성이 크며, 시간을 충분히 들였을 때만큼 모든 것을 최적화할 수 없을 수도 있다는 점을 이미 알고 있었습니다. 그러나 고객과 판매자들은 그것을 필요로 했습니다. 그렇다면 우선 ‘무엇이든 먼저 완료하자’는 방향으로 나아가야 할까요?

당신도 기억하실 테지만, 그 시기는 팬데믹 초기, 모든 실체 매장이 문을 닫았던 시기였습니다.

팬데믹 기간 동안 아마존이 사람들의 삶에서 차지한 역할을 보면, 정말 획기적이었습니다. 따라서 우리는 스스로에게 물어야 했습니다. 즉, 고객과 판매자를 위해—또한 자신의 사업을 유지하기 위해 애쓰던 판매자들을 위해—최적화되지 않을 수 있지만 신속하게 구축해야 할까요? 이것이 우리가 처음으로 내린 결정이었고, 우리가 거의 언제나 그러듯, 고객 중심으로 기울기로 했습니다. 그런 다음 건설 과정에서 계획대로 모든 것이 완벽하게 진행되지 않는다는 점이 금방 드러났습니다.

아시다시피, 우리 유통팀은 회사 내 다른 부서들보다 사무실에 더 자주 출근합니다. 그럼에도 불구하고 설계·계획·평가에 참여해야 할 사람이 많고, 사람들은 전국 각지에 흩어져 원격으로 일하며, ‘행동 우선’ 또는 속도와 ‘극도로 높은 기준 유지’—이는 계획된 비용 구조, 배송 방식, 설계에 따라 반드시 이행해야 함을 의미합니다—사이의 균형을 맞춰야 합니다. 다시 한번 타협이 필요했습니다.

우리의 타협은 고객 중심으로 서서 신속히 움직이고, 판매자와 소비자를 잘 섬기되, 이후 정비 작업이 필요하다는 사실을 인정하는 것이었습니다. 그래서 그때 우리가 지금의 모습으로 진화할 것이라고 미리 알았을까요? 아닙니다. 일부는 제대로 최적화하지 못했고, 그것이 최적화되지 않을 것이라고 예측하지도 못했습니다. 그러나 만약 좋은 지표를 갖추고, 진실을 말하는 문화—이것 또한 우리 문화의 매우 중요한 부분입니다—를 갖춘다면, 데이터와 문제를 테이블 위에 올려놓고, 서로 직접 솔직하게 소통하며, 누군가 문제를 모호하게 넘기도록 허용하지 않으면, 문제는 지표와 논의를 통해 명확해집니다.

그러면 단순한 효율성 문제와 구조적 문제를 구분하여 어떻게 개선할지를 찾아야 합니다. 일단 그 용량을 확보한 후, 우리는 네트워크의 핵심 부분을 다시 구조화했습니다. 당시 그 팀의 우선순위 목록에서 8~9위 정도였지만, 이후 속도와 비용을 동시에 달성할 수 있는 핵심 과제로 순위가 크게 상승했습니다. 흥미롭죠. 처음 AWS를 시작했을 때—당신이 AWS를 창립했을 때—그 접근법은 다소 ‘만들면 사람들이 찾아올 것이다’는 식이었죠? 즉, 인프라를 완전히 구축한 후 운영에 들어갔습니다. 따라서 사람들이 반드시 찾아와야 했고, 그렇지 않으면 큰 위기에 처했을 겁니다.

하지만 이제 이 현상이 훨씬 더 큰 규모로 전개되고 있습니다. 즉, 귀사와 일부 다른 기업—물론 제가 말씀드리고 싶은 건, 주로 귀사가 그렇다는 점이며, 적어도 귀사는 분명히 가장 큰 플레이어 중 하나입니다—가 데이터센터 및 반도체 설비를 매우 빠른 속도로 구축하고 있어 금융시장에서 “세계에 이 모든 것을 자금 조달할 만한 자금이 그렇게 많지 않다”는 우려가 나오기 시작했습니다. 최근 코어위브(CoreWeave) 등 기업의 채권 및 주식 시장에서 그런 긴장감이 나타나기도 했습니다. 그렇다면 수요가 폭증하고 귀사 성장 속도도 매우 빠른 상황에서, 이번 건설 라운드에선 어느 정도까지가 ‘지나친 것’인지 어떻게 판단하시나요? 또한 공급망 내 경쟁도 치열합니다. 냉각 시스템, 전력, 칩 등 모든 자원을 두고 경쟁해야 합니다. 네, 정말 훌륭한 질문입니다. 진심으로 이를 간소화해주는 공식이 있었으면 좋겠습니다. 그러면 우리 팀의 시간을 많이 절약할 수 있을 테니까요.

음, 제 생각엔 이렇게 말할 수 있겠습니다. 클라우드의 첫 번째 물결, 즉 AWS를 처음 시작했을 당시에는 분명 “사람들이 과연 이를 사용할지 모르겠으니 일단 구축해 보자, 그러면 사람들이 찾아올 것이다”라는 식의 마인드가 있었습니다. 하지만 당시 우리 내부에선 이미 좋은 신호가 있었습니다. 2000년대 초반쯤, 우리 내부 여러 팀의 진전 속도가 우리의 기대치보다 훨씬 느렸습니다—비록 우리가 비교적 빠르다고 느꼈지만 말입니다. 그런데 왜 그렇게 오래 걸리는지 도무지 알 수 없었습니다. 그 이유는 제품 팀들이 인프라 관련 업무에 70~80%의 시간을 쏟고 있었기 때문이었고, 이는 제품 차별화를 방해했으며, 진정한 차별화 요소를 만드는 데 쓰이는 시간은 고작 20%에 불과했습니다.

그래서 우리는 모든 팀이 같은 일을 반복하며 바퀴를 다시 발명하고 있다는 사실을 깨달았습니다. 따라서 AWS는 초기에 우리 내부 역량을 가속화하기 위해 구상된 것이었습니다. 당시 우리의 판단은 다음과 같았습니다: 대규모·고가용성·저비용·고유연성의 기반 모듈 서비스(컴퓨팅, 스토리지, 데이터베이스, 콘텐츠 전송, 메시징 등)를 구축한다면 소비자 사업에서도 훨씬 빠르게 개발할 수 있을 것이다. 그리고 당시 우리 기술 수준은 꽤 괜찮았고, 다른 기업들도 비슷한 문제를 겪고 있을 것이라 추정했습니다. 실제로 외부에 출시하기 전부터 내부에서 수많은 팀이 관심을 보였고, 우리는 올바른 방향으로 가고 있음을 확신했습니다. 다만 외부에서 이처럼 급격히 성장할 것이라고는 누구도 예상하지 못했습니다.

AI 분야에서는, 아시다시피, “이제야 진정한 AI 시대가 왔다”는 주장이 여러 차례 반복되어 왔습니다. 생성형 AI 열풍보다 약 6~7년 전에도 이미 많은 이들이 ‘이제야 AI의 시대가 왔다’고 느꼈습니다. 우리는 당시 이미 많은 AI 서비스를 구축했고, 이는 AWS 내에서 꽤 성공적인 비즈니스였습니다. 그러나 지금 우리가 목격하는 수준과는 비교조차 되지 않습니다. AWS 초기에는 우리가 매우 빠르게 성장하고 있다고 느꼈고, 이에 대해 자부심도 있었습니다—그로부터 3년 후 연간화 매출이 약 6,000만 달러에 달했습니다. 그런데 이번 생성형 AI 물결의 첫 3년 동안, 단지 AWS 내 AI 사업만 해도 연간화 매출이 250억 달러를 넘었습니다. 즉, 수백 배 더 빠른 성장 속도입니다. 이런 사례는 우리로서는 전례가 없습니다. 따라서 핵심 질문은, 이 기회를 잡기 위해 어느 정도의 자본 지출을 감당할 것인가입니다. 저희는 2026년까지 약 2,200억 달러 규모의 자본 지출을 계획하고 있음을 알려드립니다.

참고로, 약 15년 전 리더십 팀 조찬 회의에서, 한 통신사가 500억 달러 규모의 자본 지출을 한다는 소식을 듣고 모두 믿을 수 없다며 “어떻게 그렇게 막대한 자본 지출을 할 수 있단 말인가?”라고 했던 기억이 납니다. 이런 숫자들은 정말 어마어마한 규모입니다. 그런데도 올해 2,200억 달러 규모의 자본 지출을 계획하더라도, 여전히 상당 부분의 수요를 충족하지 못하고 있습니다. 여기서 우리에게 큰 도움이 되는 것은 고객 수요에 대한 높은 가시성입니다. AWS의 자본 지출 투자와 현금 사이클을 보면 크게 두 가지 구성 요소가 있습니다: 하나는 데이터센터 투자이고, 다른 하나는 서버 및 네트워크 장비 투자입니다. 데이터센터의 경우, 실제 서버를 설치하고 수익 창출을 시작하기 전에 약 2년 전부터 투자를 시작해야 합니다. 다행히 이 투자는 일회성이며, 자산 수명은 약 30년입니다.

하지만 이 투자는 몇 년 전부터 미리 해야 합니다. 반면 서버 및 네트워크 장비는 특정 부품에 따라 수개월 전부터 투자하면 됩니다. 따라서 실질적으로 투자를 결정하기 전에 고객 수요를 명확히 파악할 수 있습니다. 만약 데이터센터를 채울 만한 수요가 충분치 않다고 판단되면, 서버나 네트워크 장비를 구매하지 않으면 됩니다. 평균적으로 이 장비들은 약 3년 만에 손익분기점을 달성하며, 현재 수명은 약 5~6년입니다.

우리가 체결하는 대부분의 계약은 약 5년입니다. 따라서 우리가 지금처럼 매우 빠른 속도로 다수의 데이터센터를 건설할 경우, 초기 몇 년간 막대한 자본이 소요되며, 자유현금흐름(Free Cash Flow)에도 하방 압력이 발생합니다—그러다 몇 년 후, 모든 데이터센터가 가동되고 수익화가 시작되며 서버 및 네트워크 투자에서 수익을 회수하게 될 때까지 말입니다. 그러나 현금 사이클 특성상, 초고속 성장 초기 몇 년간은 하방 압력이 불가피합니다. 그런데 재미있는 점은, AWS를 처음 시작했을 당시 데이터센터가 세상에서 가장 정치적 이슈가 될 것이라고는 아무도 상상하지 못했다는 것입니다. 그런데 지금 우리는 바로 그런 상황에 처해 있으며, 특히 미국에서 그러합니다.

흥미롭게도, 아마 귀사도 직접 경험하셨을 텐데—세계 어디에서도 미국 정치권만큼 데이터센터에 강하게 반대하는 곳은 없습니다. 이유는 다양하지만 말입니다. 그렇다면 이런 상황이 궁극적으로 이 문제에 어떤 영향을 미칠까요? 제가 드리고 싶은 질문은, 데이터센터 반대론에 타당한 면이 있는지, 또 이것이 귀사의 전략—즉, 미국 내에서 무엇을 건설할지, 다른 지역에서는 무엇을 건설할지—에 어떤 영향을 줄 것인지입니다. 음, 제가 알고 있는 배경 정보를 말씀드리겠습니다. 오늘날 우리가 하는 모든 일—주식시장, 은행업, 의료, 엔터테인먼트, 쇼핑, 교육, 기업 활동, 라이드헤일링 등—모두 데이터 기반입니다. 그리고 이 모든 활동은 단순히 데이터센터에 의존합니다. 누구나 마찬가지입니다. 저는 스스로 반대한다고 말하지만, 이제는 스마트폰도 쓰지 않겠다고 하죠.

하지만 실제로는 모두 데이터센터를 사용합니다. 게다가 이건 아직 AI 이전의 이야기입니다. AI는 우리 시대 최대의 기술 혁명입니다—인터넷, 클라우드, 모바일 인터넷을 거쳐온 역사적 맥락에서 볼 때, 이는 매우 중대한 진술입니다. 현실은, 앞서 언급한 AI 분야의 급속한 성장을 뒷받침하기 위해 필요한 인프라는, 1950년대 미국에서 고속도로와 다리를 건설했던 이후 이 나라, 아니 이 세계에서 본 적 없는 규모의 인프라입니다. 지금 우리가 겪고 있는 건 바로 그 수준의 대규모 건설입니다. 그런데 이 나라—전 세계적으로도 비슷하겠지만, 특히 미국을 언급하겠습니다—는 데이터센터를 건설하지 않는 데 따른 비용을 감당할 수 없습니다. 그렇지 않으면 중국 같은 다른 국가가 이 분야에서 모든 주도권과 규칙 설정 권한을 장악하게 될 것입니다. 국내외를 막론하고, 누구도 그런 결과를 원하지 않을 것입니다.

따라서 지금 우리는 반드시 데이터센터를 건설해야 합니다. 그렇다면 제가 생각하기에, 업계 전체가 현재보다 더 나은 방식으로 진행할 수 있는 방법이 있을까요? 물론 그렇습니다. 지금은 변화가 매우 빠르게 일어나고 있고, 모두가 함께 배우고 있습니다. 하지만 현재는 일종의 ‘신화와 오정보 사이’에 놓인 잘못된 주장들이 퍼지고 있는데, 이는 누구나 쉽게 ‘악역’을 지정할 수 있는 이슈이기 때문입니다. 정치적으로는 기회주의자들이 그런 ‘악역’을 지목하려는 경향이 있습니다. 예를 들어 드리자면, 골프 산업이나 아몬드 재배가 소비하는 물의 양이 데이터센터보다 훨씬 많습니다.

단순한 참고 자료로 말씀드리자면, 골프장은 우리 데이터센터 전체보다 200배 더 많은 물을 소비합니다. 골프장의 2일간 물 소비량은 우리 데이터센터의 연간 물 소비량보다 많습니다. 이런 사례는 흔하며, 이는 그중 하나입니다. 또는 오염 문제를 언급할 수도 있습니다. 현실은 이렇습니다. 새로운 사이트를 등록하고 예비 발전기를 설치할 경우, 반드시 등록 및 신고해야 합니다. 즉, 이 발전기를 24시간 내내 최대 부하로 가동할 경우 배출되는 오염물질이 얼마나 되는지 알려야 합니다. 그러나 실제로는 그런 일이 결코 발생하지 않습니다. 예비 발전기는 정비 등으로 연간 약 10시간 정도만 가동됩니다.

그러니까, 전기 요금에 대해 말씀드릴 수 있습니다—우리가 대규모 데이터센터를 운영하는 여러 지역을 보면, 일부 지역은 전기 요금이 상승했고, 다른 지역은 하락했습니다. 하지만 진짜 핵심 문제는, 우리 국가가 전력망 인프라에 충분히 투자하지 않았다는 점입니다. 향후 확실히 급격한 성장이 있을 것이므로, 어느 시점에서 투자가 필수적으로 요구되는 한계에 도달하게 될 것입니다. 그 결과, 급속히 성장하고 규모도 엄청난 AI가 바로 그 한계점을 넘기게 만드는 요인이 되었습니다. 그러나 일단 용량을 확충하면, 대부분 지역에서 전기 요금은 결국 안정화되거나 오히려 하락할 것입니다. 인디애나주, 조지아주, 미시시피주에서 이미 그런 현상이 나타났습니다.

따라서 개선이 필요한 분야가 있습니다. 또 사람들이 쉽게 잊는 점은, 이러한 지역에서 대규모 데이터센터 사업자들이 막대한 세금을 납부한다는 사실입니다. 예를 들어 인디애나주 세인트조셉 카운티에서는 약 30억 달러의 세금을 납부했습니다. 지역사회는 이 자금을 받아 주민들의 삶에 실질적으로 중요한 사업에 사용할 수 있습니다. 따라서 지역사회 역시 이 혜택을 누립니다. 우리는 ‘Built Together’ 같은 프로젝트를 진행해 왔으며,今後 5년간 데이터센터를 보유한 지역사회에 추가로 10억 달러를 투자하기로 약속했습니다. 따라서 우리는 지역사회와 긴밀히 협력해 이 사안을 지속적으로 추진해야 합니다. 이는 공공-민간 협력이 필수적입니다. 그러나 이번 건설 라운드는 이 나라의 미래에 너무나 중요합니다—고속도로를 건설하지 않았다면 어땠을지 상상해 보십시오.

a16z 20:44

그리고 다리—이는 이 나라의 경제 번영과 성장 한계를 결정지을 것입니다. 따라서 우리는 이를 합리적인 관점에서 바라봐야 하며, 우리가 건설하는 지역사회의 파트너가 되어야 합니다. 이제 자본지출(CapEx) 문제로 돌아가겠습니다. 2200억 달러, 즉 하루 6억 달러입니다. 단순히 비교 기준을 제시하고 싶을 뿐입니다. 현재 AI 수요에 대해 어떻게 보시는지 궁금합니다—당신은 이를…

앤디 재시 21:10

양끝 구조(barbell structure)라고 표현하셨죠. 현재 AI 수요의 상태를 간략히 설명하거나 위치를 정의해 주실 수 있나요? 우선, 제가 앞서 언급한 배경을 다시 말씀드리자면—AI의 규모와 속도가 얼마나 크고 빠른지 믿기 어렵습니다. AWS 초기보다 수백 배 빠르게 성장했고, 처음 3년 만에 AWS 내 AI 매출이 연간 250억 달러 규모에 이르렀습니다. 정말 엄청난 규모입니다. 동시에 수요 구조를 보면, 진정한 양끝 구조입니다. 양끝 중 한쪽은 엄청난 컴퓨팅 파워를 소비하는 AI 연구소들인데, 그 규모는 제가 지금까지 본 적 없는 수준입니다. 또 몇 가지 대형 애플리케이션이 있는데, ChatGPT, Claude Code 등이 그 예입니다.

앤디 재시 21:59

다른 쪽 끝은 기업들로, 주로 비용 절감과 효율성 향상을 위해 AI를 활용합니다. 예를 들어 고객 서비스 자동화, 사기 탐지, 업무 프로세스 자동화 등입니다. 양끝 사이의 중앙부는 현재 기업들이 실제 운영 중인 워크로드들인데, 많은 부분이 이미 AWS에서 실행 중이며 오늘날 추론(inference)을 활용하고 있습니다. 다만, 이들 중 대부분은 아직 깊이 있게 적용되지 않았습니다—그리고 이 영역이 향후 AI 사용의 절대적 최대 규모가 될 것이라고 생각합니다. 그런 변화를 보실 겁니다.

앤디 재시 22:38

이것이 얼마나 빠르게 일어날지는 예측하기 어렵습니다. 매년 점진적으로 확대되고 있습니다. 하지만 시야를 넓혀 5~7년 후를 바라보면, 현재 우리가 사용하고 있는 기업 애플리케이션의 상당수, 심지어 대부분이 추론을 깊이 있게 활용하게 될 것입니다. 그리고 그것은 5~7년 후까지 기다리지 않더라도 서서히 이루어질 것입니다. 따라서 앞으로도 여전히 큰 성장 여지가 남아 있습니다.

그렇다면 이 상황을 어떻게 보시는지요? 현재 데이터센터, 칩, 메모리 등 모든 자원에 대한 공급 부족이 2027년에 닥칠 것으로 예상되는데, 모두가 지금 건설 중이지만 올해 말까지 준비가 완료되지 않을 가능성이 높고, 수요는 전혀 줄어들지 않고 있습니다. 이 상황을 어떻게 판단하시나요—대형 AI 연구소들은 전기, 냉각, 칩 등에 대해 거의 어떤 가격이라도 지불할 의향이 있고, 오랜 기간 기존 고객들은 정상 요금으로 비즈니스를 운영하고 있습니다. 혹시 이런 상황에서 상업적 압박이 생겨, 기존 고객을 매입해 새 고객에게 판매하는 방안을 고려하시나요? 새 고객들이 우리와 함께 입찰하고 있으니까요. 그런데 기존 고객의 요금을 두 배로 올리는 건 공평하지 않다고 생각합니다. 아니면, 어떻게 보시는지요? 참 이상한 상황입니다—20년간 동반해 온 고객들이 있고, 당신 말씀처럼 추론 방향으로 나아가고 있는 사업을 하고 계신데, 반면 새로 등장한 고객들은 무엇이든 사려는 욕구를 가지고 있습니다.

앤디 재시 24:35

네, 좋은 질문입니다. 저희가 이 문제를 바라보는 관점은 말씀하신 것과 다소 다르지만, 완전히 이해합니다. 오늘날 확보 가능한 데이터센터 용량과 전력, 메모리에는 한계가 있으며, 저는 이 부족 현상이 2027년에 끝날 것이라고 생각하지 않습니다.

자본 투자 문제로 돌아가면, 제가 더 많은 투자를 해도 자본 활용이 나쁘지 않을 것이라고 느끼는 이유 중 하나는, 현재 2026년 용량은 이미 전부 매진되었고, 2027년도 거의 매진된 상태입니다. 당연히 Bedrock이나 EC2와 같은 온디맨드 서비스를 위한 여유 용량은 일부 확보해 두겠지만, 기본적으로 모든 대규모 용량은 이미 매진되었습니다. 2028년 물량의 상당 부분도 이미 예약되어 있습니다. 수요가 이 정도로 크기 때문에… AI 사업과 ‘핵심 사업’(즉, 비-AI 사업)을 살펴보면, 둘 다 현재 매우 빠르게 성장하고 있습니다.

그리고, 보유한 메모리 용량이 제한되어 있다면, HBM(즉 AI 가속기용)에 얼마를 할당할지, DRAM(즉 핵심 사업용)에 얼마를 할당할지 직접 결정해야 합니다. 이는 실제 존재하는 어려운 선택입니다. 하지만 이 문제에 대한 우리의 출발점은 고객 중심입니다.

AWS 내에서 우리는 고객들과 깊은 관계와 협력을 유지해 왔습니다. 팬데믹 당시를 예로 들면, 당시 경쟁사들은 분기별 수익 극대화를 위해 비용 절감을 추구하는 환경에서 최적화 전략을 모색했지만, 우리는 다른 접근법을 택했습니다. 고객들이 비용을 최적화할 수 있도록 우리 팀을 적극적으로 파견하여 지원했고, 이는 단기 및 중기 수익 감소를 초래할 것을 잘 알고 있었습니다. 그러나 고객의 장기적 성공을 돕는 것이야말로 우리 비즈니스의 지속 가능성을 보장한다고 굳게 믿기 때문입니다. 핵심 사업에도 동일한 원칙이 적용됩니다. 물론 희소성과 고객의 지불 의사에 따라 핵심 고객으로부터 약간 더 많은 수익을 창출할 수 있는 계산을 해볼 수는 있습니다. 그러나 그들의 비즈니스 전반과 핵심 애플리케이션 전부가 AWS에서 운영되고 있습니다.

우리는 고객을 압박하지 않을 것이며, 고객이 확장할 수 있도록 보장할 것입니다. 그 다음 우리의 임무는 가능한 한 최대 용량을 확보하는 방안을 모색하는 것입니다. 이를 통해 핵심 고객뿐 아니라 우리와 함께 AI를 사용하려는 모든 고객, 그리고 우리와 함께 AI를 구현하려는 고객까지 모두 이용할 수 있도록 하되, 동시에 우리 입장에서도 경제적으로 지속 가능해야 합니다. 따라서 공급 부족 문제가 2027년에만 한정될 것이라고 말씀드리고 싶지만, 실제로는 여러 구성 요소에서 수년간 지속될 것으로 보입니다. 우리는 늘 적극적이었고, 인프라 및 AI 분야에서 지금까지 유지해온 것처럼 앞으로도 주요 리더로 계속 남기 위해 진정으로 헌신하고 집중하고 있으므로, 다른 누구보다 더 많은 용량을 제공하고 있습니다.

그러나 앞서 말씀드린 바와 같이 올해만 2200억 달러를 투자할 예정이며, 이보다 훨씬 더 많이 쓸 수도 있었습니다. 이는 결코 비효율적인 자본 활용이 아닙니다. 또한 중장기적 관점에서 보면, 여전히 수요 전부를 충족시키지 못할 가능성이 높습니다. 현재 수요는 정말 엄청납니다. 이와 관련해 2015년에 애너퍼나 랩스(Annapurna Labs)를 인수한 일이 있었는데, 당시에는 2015년에 이렇게 거대한 AI 수요가 발생할 것이라고는 전혀 예상하지 못했을 겁니다. 당시 AI 수요는 매우 제한적이었으니까요. 그렇다면 인수 결정을 내린 이유는 무엇이었으며, 이 인수가 새로운 시장에서 어떤 성과를 낳았습니까? 네, 애너퍼나 팀은 제가 지금까지 함께 일해본 가장 재능 있는 팀 중 하나이며, 아마존 역사상 최고의 인수 사례 중 하나일 겁니다—아니면 최고라고 해도 과언이 아닐 정도입니다.

네, 일부는 예측했지만, AI 칩을 전문으로 하기 위해 애너퍼나를 인수한 것은 아닙니다. 사실은 이렇습니다. 어느 정도 규모에 도달하면 고객 행동 패턴을 대규모로 관찰하고 분석할 수 있게 되고, 이를 바탕으로 수직 통합을 통해 자체 역량을 구축한다면 고객에게 더 큰 가치를 제공함과 동시에 기업 자체에도 더 나은 경제성 효과를 가져올 수 있다는 점을 깨닫게 됩니다. 따라서 애너퍼나 인수의 출발점은 핵심 EC2 서버였습니다. 당시 우리는 가상화, 네트워킹, 보안, 스토리지 등에 너무 많은 서버 자원을 소비하고 있었고, 고객에게 컴퓨팅 자원을 거의 100% 제공하기를 원했습니다.

따라서 인수 전부터 이미 애너퍼나와 이 네트워크 인터페이스 카드(NIC) 개발을 공동으로 진행하고 있었으며, 이러한 컴포넌트를 NIC로 오프로드해 서버 자원을 최대한 컴퓨팅에 집중시키려 했습니다. 우리는 이 팀과 함께 만든 제품을 매우 마음에 들어 했고, 우리가 구매하려던 이 제품이 결국 거의 모든 EC2 서버에 설치될 것임을 깨달았습니다. 실제로는 우리 서버 전부에 설치되었습니다.

즉, 처음 인수한 이유는 이것이 우리 컴퓨팅 역량의 핵심 기반이 될 것이기 때문이었고, 동시에 이 팀이 반도체 설계 분야에서 매우 뛰어난 재능을 갖추고 있어 다른 칩도 개발할 수 있을 것으로 기대했기 때문입니다. 당시 우리는 인텔(Intel)과 매우 긴밀한 협력 관계를 맺고 있었고, 지금도 여전히 깊은 협력을 유지하고 있습니다. 그러나 당시 인텔은 CPU 시장 점유율을 거의 독점하고 있었고, 시장 점유율이 압도적으로 높은 파트너는 일반적으로 비용 효율성 개선보다는 더 많은 시장 점유율과 수익을 창출할 수 있는 추가 기능 개발에 집중하게 됩니다.

물론 이는 완전히 이해할 수 있으며, 시장의 작동 원리와 ‘혁신자의 딜레마’의 한 축을 이루는 자연스러운 현상입니다. 따라서 우리는 비용 효율성을 추구했지만, 그들의 관심을 끌기 어려웠습니다. 그런데 동시에 고객들은 점점 더 많은 로컬 워크로드를 클라우드로 이전하길 원했고, 더 나은 비용 효율성을 요구했습니다. 그래서 애너퍼나 팀에게 다음 과제로 CPU 칩 개발을 맡겼고, 결과물인 그라비톤(Graviton)은 오늘날 상위 1,000개 EC2 고객 중 99%가 광범위하게 사용하고 있습니다. 타 x86 프로세서 대비 약 40% 높은 비용 효율성을 제공하며, 고객과 우리 사업 전반에 커다란 영향을 미쳤습니다. 그리고 몇 년 전, AI 분야에서도 동일한 상황이 반복됐습니다. 당시에도 시장 지배력이 매우 강한 주요 공급업체가 있었고, 우리는 여전히 깊은 협력 관계를 유지하고 있으며, 가까운 장래까지 이 관계가 계속될 것으로 기대합니다.

하지만 이 공급업체는 거대한 시장 점유율과 다양한 제품군, 다수의 우선순위 과제를 동시에 추진하고 있었습니다. 우리는 고객들이 더 나은 비용 효율성을 필요로 한다는 점을 알고 있었고, 그래서 애너퍼나 내부에 또 다른 팀을 구성해 AI 가속기(Trainium) 개발에 착수했습니다. Trainium은 유사 프로세서 대비 비용 효율성이 약 30~40% 높습니다. 한편, 바로 앞서 언급한 ‘바벨(barbell) 중간 부분’—즉, 현재 기업 생산 애플리케이션이 추론(inference)을 활용하도록 하기 위한 변화 요인—에 대해 질문하신다면, 이 변화를 이끄는 요소는 여러 가지입니다. 그중 하나는 인재입니다. 일부 인재는 이미 사후 훈련(post-training) 및 파인튜닝(fine-tuning)에 익숙하며, 조직 차원에서 우선순위를 정하고, 어떤 과제를 해결해야 하며, 어떻게 실행해야 할지를 아는 역량이 필요합니다.

그러나 중요한 부분은 추론 비용입니다. 지난 몇 년간 추론 비용은 상당히 하락했지만, 제 견해로는 여전히 널리 활용되기에는 10배 이상 비쌉니다. 즉, 기업이 현재 CPU에서 실행되는 애플리케이션을 AI 가속기로 전환하려면 두 플랫폼 간 비용 차이가 크면 클수록, AI 가속기로부터 얻는 추가적 이득이 매우 커야만 전환을 감수할 수 있습니다—이는 훨씬 높은 진입 장벽입니다. 그러나 추론 비용을 낮춘다면 이 장벽은 훨씬 낮아지고, 모든 애플리케이션이 AI 가속기와 추론 덕분에 더 우수하고, 더 스마트하며, 더 강력해질 수 있습니다. 따라서 고객이 AI를 널리 활용하기 위한 핵심 연결 고리는 바로 추론 비용 절감이며, 우리의 반도체 사업은 이 목표 달성에 크게 기여하고 있습니다. 물론 그렇습니다. 우리 회사 내부 사례를 말씀드리면, 실제 비용이 매우 커질 수 있습니다. 직원 한 명이 지난 몇 년간 200만 달러를 사용했는데, 이는 의미 있는 작업을 수행한 데 따른 비용이었습니다.

네, 당시 느꼈던 인상은 ‘실제로 추론 비용이 결코 저렴하지 않다’는 것이었습니다. 따라서 귀사는 앤트로픽(Anthropic)과 오픈AI(OpenAI)에 특히 대규모 투자를 단행했는데, 앤트로픽에는 180억 달러, 오픈AI에는 약 500억 달러를 투자한 것으로 기억합니다. 이러한 투자를 결정한 이유는 무엇이며, 엔비디아(Nvidia) 등 다른 기업에 대한 유사 투자와 함께 월스트리트는 인터넷 버블 시절의 악몽을 떠올리며 다소 불안해하고 있습니다. 특히 이들 기업은 귀사의 고객이기도 한데, 이 같은 투자가 합리적이라고 보시는 이유는 무엇입니까? 두 기업 모두 탁월한 팀을 보유한 인상 깊은 기업이며, 특히 매출 측면에서의 성장 속도는 지금까지 본 적이 없을 정도입니다. 정말 놀라운 수준입니다.

따라서 우리로서는 여러 요인이 복합적으로 작용한 결과입니다. 먼저 이 팀의 역량, 그들이 개발하는 기술 및 모델, 그리고 일부 응용 사례 등이 중요합니다. 우리는 AI의 전환적 영향력을 믿으며, 이 두 기업이 오랜 기간 이 분야에서 가장 성공적인 기업 중 두 곳이 될 것이라 확신합니다. 물론 이 분야의 모든 기업이 승자가 되지는 않겠지만, 다수의 매우 성공적인 기업이 등장할 것이며, 우리는 이 두 기업이 그중 하나가 될 것이라고 믿습니다. 또한 양사와의 협력도 매우 밀접합니다. 먼저 앤트로픽을 예로 들면, 우리는 오래전부터 이들과 협력해 왔습니다. 많은 고객이 우리 추론 서비스 베드록(Bedrock)에서 앤트로픽 모델을 실행하고 있으며, 베드록에서 앤트로픽을 사용하는 고객이 가장 성공적이라고 평가받고 있습니다. 또한 칩 분야에서도 앤트로픽과 깊은 협력을 하고 있습니다. 앤트로픽은 오랫동안 Trainium 기반으로 개발해 왔고, 이는 앤트로픽과 우리 Trainium 팀 모두에게 매우 긍정적인 영향을 미치며, 양측이 서로로부터 많은 것을 배우고 있다고 생각합니다. 따라서 AI의 미래, 이 기업들에 대한 신념, 그리고 실질적인 협력 관계라는 세 가지 측면에서, 이 파트너십의 일환으로 투자하는 것이 매우 타당하다고 판단합니다.

그리고 OpenAI 측에서는 AWS에서 OpenAI를 사용하려는 고객이 매우 많았지만, 기존의 사업 계약으로 인해 이를 실현하지 못했습니다. 오랫동안 양사 간에는 서로에 대한 존중과 협력 의지가 강했으며, 수개월간의 여러 차례 대화 끝에 Bedrock 내에서 OpenAI를 실행할 수 있게 되었습니다. 이 과정에서 우리는 ‘상태 유지형 런타임 환경’이라는 독자적인 제품을 공동 개발했는데, 향후 모든 지능형 에이전트는 이 방식으로 구축될 것이라 확신합니다. 즉, 상태(state)가 필수적이며, Anthropic와 같은 기업은 Trainium에 대해 수년간, 수기가와트 규모의 투자를 약속했습니다. 우리는 이들이 해당 분야에서 장기간 가장 성공적인 기업 중 하나가 될 것이라고 믿습니다. 이러한 모든 요소들이 심화된 협력 및 투자를 타당하게 만듭니다. 주제를 바꿔, AI를 활용해 기업을 어떻게 구축하는지 이야기해 보겠습니다. 기억하시겠지만, Bedrock 팀은 6명의 엔지니어로 76일 만에 추론 엔진을 완전히 재구축했고, 이 작업은 원래 40명이 1년간 수행해야 했던 규모였습니다. 정말 큰 차이입니다.

아시다시피 아마존은 ‘두 피자 팀(two pizza teams)’으로 유명합니다. 그렇다면 현재 조직 설계에 대한 고민은 어떤가요? 이 기술은 정말 모든 것을 바꾸는 듯 보이는데요. 오랜 시간 동안 우리는 극도로 전문화되어 왔습니다: 디자이너, 제품 매니저, 프론트엔드 엔지니어, 백엔드 엔지니어 등 각기 다른 역할이 명확히 구분되었습니다. 그런데 지금은 모두가 다시 범용 전문가(generalist)가 되는 듯합니다. 조직 설계 관점에서 이 변화를 어떻게 보시나요? 네, 말씀하신 부분에 전적으로 동의합니다. 방금 언급하신 Bedrock 사례는 여기 있는 모든 사람에게 큰 충격과 통찰을 줬습니다.

우리는 이 사례를 내부에서 적극 공유하며 직원들을 고무하고, 가능성을 상기시키는 데 많은 시간을 썼습니다. 이런 변화는 시간이 지나면 반드시 일어날 것이기 때문입니다. 저는 회사에 29년째 재직 중인데, 입사 당시 어시스턴트 제품 매니저로서 단독으로 다섯 개 제품을 담당했습니다. 오늘날, 회사가 성장하고 규모가 커지며 제품이 늘어남에 따라 한 제품 매니저가 하나의 제품만 맡고, 그 중에서도 가격 책정 등 특정 세부 영역만 전담하게 되었습니다. 모두가 더 전문화되었고, ‘성장과 성공을 위해서는 이렇게 해야 한다’는 인식이 자리 잡았습니다. 그러나 현실은 그렇지 않으며, AI가 이뤄내는 모든 것을 보면 절대 그렇지 않습니다.

단지 지난 주만 예로 들어도, 소비자 사업 부문에서 지능형 에이전트 관련 작업을 진행하고 있습니다. 이 분야에 많은 투자를 하고 있지만, 매우 흥미로운 아이디어가 떠올라 목요일에 실제 기능을 갖춘 프로토타입을 만들 수 있을지 시험해보기로 결정했습니다. 결과는? 주말 동안 4~5명이 함께 작업해 일요일까지 80% 출시 준비 완료 상태에 도달했습니다. 이는 사실이며, 완전히 다른 세상입니다. 따라서 조직의 미래에 대해 제 생각은 다음과 같습니다. 첫째, 앞으로 오늘날 우리가 하는 업무를 수행하는 인간의 수는 줄어들 것입니다. 지능형 에이전트가 얼마나 많은 코딩을 수행하고, 고객 서비스·비즈니스 인텔리전스·연구 업무를 얼마나 많이 대신하고 있는지를 보면 명확합니다.

미래를 앞당겨 생각해 보세요. 데이터베이스 테이블은 어떻게 생성될까요? 법률가가 얼마나 필요할까요? — 저는 결코 사람이 사라지지는 않겠지만, 필요한 인력 수는 줄어들 것이라고 확신합니다. 과거에는 기업이 성장함에 따라 인력을 계속 늘려왔지만, 미래는 그렇게 되지 않을 것입니다. 새로운 직무가 등장할 것이며, 일부는 이미 알고 있고, 일부는 아직 알지 못합니다. AI, 로봇, 우주 기술 발전과 함께 그러한 직무가 자연스럽게 나타날 것입니다. 다양한 신규 직무가 생기겠지만, 오늘날의 업무를 수행하는 인력은 줄어들 것입니다. 저는 팀 규모가 지금보다 훨씬 작아질 것이라고 믿습니다. 크로스펑셔널(cross-functional)으로 협업할 수 있는 소규모 팀이 형성될 것이며, 모델이 이미 80% 수준까지 도와주기 때문에 한 사람이 아주 작은 부분만 담당하게 할 필요가 없습니다. 여러 기능 분야에서 팀은 과거보다 훨씬 높은 기준선에서 출발하게 될 것이므로, 더 광범위하고 신속하게 혁신할 수 있을 것입니다.

실제로 많은 변화가 반드시 필요합니다. 오늘날 설립되는 대부분의 스타트업은 처음부터 에이전트 중심 또는 AI-네이티브 방식으로 시작하고 있습니다. 오랜 기간 운영되어 온 성숙 기업들은 동일한 속도로 개발하는 방법을 찾아야 합니다. 일부 기업은 이를 성공적으로 해결할 것입니다. 그러나 항상 그런 상황이 존재합니다. 즉, 많은 역량과 충성 고객 기반을 가진 대규모 기업은 이 변화를 받아들이는 속도가 느릴 수 있으며, 제 관점에서는 스타트업에 비해 더 취약해질 수 있습니다.

또한, 기업들은 현재의 거의 모든 코드를 재작성해 에이전트 기능을 부여해야 할 것이라고 예측합니다. 즉, 에이전트가 다양한 코드 조각을 업데이트할 수 있도록 해야 하며, 이에 대한 제약 조건도 설정해야 합니다. 보안 측면만 봐도 매우 흥미롭습니다. 지난 한두 달간 모델 관련 논란은 주로 상상 속의 극단적 시나리오에 집중되어 왔습니다.

참고로, 그런 시나리오는 실제로 가능합니다. 악성 봇넷이 전부를 장악할 수 있을까요? 저는 가능하다고 생각합니다. 로봇에 악의적인 의도를 주입할 수 있을까요? 역시 가능합니다. 개인적으로는 산업계가 정부 및 민간 부문과 긴밀히 협력해 이 문제를 해결해 나갈 것이라고 믿습니다. 다만, 우선순위를 두고 집중해야 할 사항이 분명히 있습니다. 그렇습니다. 하지만 흥미로운 점은, 최근 논의되는 위험에 대한 관심이 부족하다는 점입니다—즉, 주로 사이버 보안과 관련된 위험이죠. 이 모델들은 너무 강력해 인간이 과거에 발견하지 못했던 훨씬 더 많은 보안 취약점을 찾아낼 수 있습니다. 인간이 발견할 수 있었는지 여부는 논쟁의 여지가 있지만, 현실은 그렇지 않았다는 점이 중요합니다. 따라서 미래에는 응급 보안 위협에 대한 애플리케이션의 대응 속도가 ‘분 단위’로 측정되어야 합니다.

현재 상황은 이렇습니다. 취약점을 발견하면 누군가 분류하고, 누군가 패치를 개발합니다. 이 과정 자체가 빠르게 이루어진다고 해도, 대부분의 기업은 다양한 종속성 때문에 배포에 오랜 시간이 걸립니다. 미래에는 배포를 분 단위로 완료해야 합니다. 따라서 에이전트가 애플리케이션을 직접 업데이트할 수 있도록 진정으로 재설계하지 않은 기업은 새로운 세계에서 생존할 기회조차 없을 것입니다. 따라서 저는 모든 조직이 재창조될 것이며, 이를 우선적으로 추진하는 기업이 그렇지 않은 기업보다 훨씬 유리한 위치에 설 것이라고 믿습니다.

네, 그리고 업계 전체가 보안 아키텍처를 고려해 대규모 시스템에서 임베디드 기기까지 전반적으로 설계하는 데 실패해 왔습니다. 이제 ‘심판의 날’이 도래한 것입니다. 하지만 좋은 소식은, 이것이 신생 기업과 새로운 시도, 그리고 창의적인 사람들에게 거대한 기회가 된다는 점입니다. 다만 앞서 말한 바와 같이, 이 이론적이고 사고실험적인 위협은 발생할 수도, 안 할 수도 있습니다. 그러나 지금 언급한 위협은 명확하고 현실적입니다.

네, AWS 측에서 만나는 거의 모든 파트너 및 고객사는 규모와 관계없이 보안을 최우선 과제로 삼고 있습니다. 저희는 고객 지원을 위한 전문 서비스 사업을 운영하고 있으며, 수많은 취약점을 자동으로 식별하고 패치를 생성하는 Continuum이라는 서비스도 개발했습니다. 하지만 이는 말로는 쉬워도 실제로는 매우 어렵습니다. 많은 기업과 엔지니어는 보안에 집중하는 일이 흥미롭지 않다고 느끼거나, 문제가 발생할 때까지 기다리는 경향이 있습니다. 그러나 중요한 데이터를 보호한다면 이는 매우 위험한 발상입니다. 또한, 앞서 나눈 대화로 돌아가면, 보안 분야의 과도한 전문화는 아마도 최악의 상황일 수 있습니다. 즉, 매우 특수화된 보안 엔지니어들이 다른 엔지니어들과 협업하기를 꺼리고, 희소 자원으로서 접근성이 낮아지는 현상이 발생합니다.

결과적으로 대부분의 기업, 특히 소프트웨어 기업들의 소프트웨어 개발 보안 관행은 매우 미흡합니다. 이는 반드시 개선되어야 합니다. 긍정적인 소식은 이 문제를 해결할 수 있는 도구들이 이미 존재한다는 점입니다. 말씀하신 대로, 좋은 소식은 다음과 같습니다: 침투 테스터를 고용해야 하지만, 고용 가능한 보안 인력은 한정되어 있으며, 그들이 커버할 수 있는 애플리케이션 수도 제한적입니다. 반면 모델과 자동화를 결합하면 전체 공격 표면에 걸쳐 더 효과적인 침투 테스트를 수행할 수 있으며, 운이 좋지 않으면 발견하기 어려운 취약점을 찾아낼 수도 있습니다. 따라서 이 시장을 관찰할 때 흥미로운 점은 AI를 통해 다양한 가능성이 열린다는 것입니다. 한 가지 방식은 비용 절감을 위해 회계사나 변호사 인력을 줄이는 것입니다.

현재 실제로 여러 벤처 캐피털 회사가 '기존 기업을 인수해 비용을 삭감하겠다'고 말하고 있습니다. 그러나 우리는 이 접근법에 별 관심이 없습니다. 왜냐하면 그런 아이디어는 지나치게 제한적이기 때문입니다. 또 다른 방식은 '세상에 없던 새로운 것을 창조하겠다'는 것입니다. 이는 매우 흥미롭습니다. 그러나 세 번째 방식도 있습니다—아마존 알렉사처럼, 이미 성공한 제품을 바탕으로 새 플랫폼을 활용해 처음부터 완전히 재고하는 것입니다. 어떻게 하면 그런 단계에 도달할 수 있을까요? 어떤 조건에서 그런 전환이 타당할까요? 네, 흥미로운 삼분법을 제시해주셨는데, 앞서 논의한 바에 따르면 조직은 진정으로 변화해 더 효율적으로 진화할 것입니다.

제대로 실행한다면, 진정한 실력자들과 소규모 팀이 앞서 언급한 두 번째 유형의 혁신—즉 사람들이 한 번도 본 적 없는 것들을 창출할 수 있게 될 것입니다. 또한 제가 앞서 언급한 경험처럼—새 아이디어를 4일 만에 80% 수준까지 끌어올리는 것—은 직원들에게 엄청난 동기부여가 되며, 여유 시간과 사고의 여유 주기를 더 많이 새 아이디어 발굴에 투입하게 만들 것입니다. 저에게 이는 현재 AI가 가져오는 가장 흥미로운 변화 중 하나입니다.

그러나 이미 규모 있는 성공적인 고객 경험을 구축한 기존 기업들 중, AI를 단순히 기존 경험을 점진적으로 개선하는 수단으로만 이해한다면, 3~5년 후에는 경쟁력 있는 고객 경험을 유지하지 못할 가능성이 높습니다. 왜냐하면 제가 믿기에, 우리가 아는 모든 고객 경험—비록 변화가 가장 불가능해 보이는 것이라 할지라도—은 몇 년 내에 AI로 인해 근본적으로 달라질 것이기 때문입니다.

즉, 단순한 점진적 개선이 아닌 근본적 혁신을 원한다면, 오늘날 가용한 최신 기술을 전부 활용해 애플리케이션을 처음부터 다시 상상하도록 팀을 이끌어야 합니다. 예컨대 알렉사의 경우, 이는 분명히 필요한 전략입니다. 알렉사의 '두뇌'는 등장 당시 매우 창의적이었지만, 생성형 AI의 등장으로 그 능력은 완전히 달라졌습니다. 따라서 탁월한 고객 경험을 제공하고 장기적으로 시장에서 생존하려면 알렉사의 '두뇌'를 완전히 재설계해야 합니다. 이는 명백하지만, 실제로는 매우 어렵습니다. 팀은 자신이 만든 제품에 정서적 애착을 느끼고, 자신들의 성과에 자부심을 가지며, 무엇이 통하고 무엇이 통하지 않는지를 오랜 시간에 걸쳐 배워온 노하우와 상처를 지니고 있기 때문입니다.

팀이 완전히 처음부터 다시 시작하고 재상상하도록 설득하는 데는 시간이 필요합니다. 팀은 '그렇게 하지 않는다', '이미 시도해봤지만 실패했다'고 말할 수 있기 때문입니다. 그러나 더 어려운 것은 아마존의 다른 소비자 경험—예컨대 리테일 사업, 프라임 비디오, 파이어 TV, 프라임 뮤직 등—을 재창조하는 일입니다. 이 영역에서는 오늘날 기술이 훨씬 우수한 솔루션을 제공하지만, 그 필요성은 명확하지 않습니다. 그러나 저는 각 사업 분야에서 이러한 재창조가 반드시 필요하다고 믿으며, 이미 해당 사업을 완전히 재구상하는 팀들이 활동 중입니다.

그렇다면 처음부터 완벽하게 맞출 수 있을까요? 아마 그렇지 않을 것입니다. 우리는 반복을 통해 점진적으로 개선해 나갈 것이지만, 이미 매력적인 새로운 아이디어와 고객 경험을 다수 창출하고 있습니다. 흥미로운 경쟁은 다음과 같습니다: 완전히 새로운 애플리케이션 수준의 차별화된 경험을 추구할 것인가, 아니면 기존 경험에 신기술을 빠르게 통합해 2~3년 내에 고객 경험을 점진적이지만 실질적으로 변화시킬 것인가? 작동하는 요소를 하나씩 찾아내며 진행하게 될 것입니다. 그러나 저는 성공적인 리더가 되려면 앞으로 몇 년간 이러한 모든 경험들이 반드시 달라져야 한다고 확신합니다.

네, 이는 매우 까다로운 리더십 과제입니다. 제가 처음 엔지니어가 되었을 때를 떠올리게 합니다. 누군가와 논쟁하던 중 상사가 이렇게 말했습니다: '벤, 기억해 두어야 할 한 가지가 있다. 첫 줄의 코드를 작성하기 전까지는 모든 것이 논의 대상이지만, 그 이후에는 그것이 믿음이 된다.' 아마 알렉사 개발 과정에서도 유사한 경험을 하셨을 겁니다. 흥미로운 점은, 원래 제품을 만들기 위해 축적된 모든 지식과 경험, 모든 노하우를 이제 상당 부분 포기하고 새로운 세계로 진입하려 한다는 점입니다.

그리고 고객 역시 마찬가지입니다. 현재의 경험을 사랑하는 거대한 고객층이 분명히 존재합니다. 네, 모든 주요 전환—적어도 제 경험상, 혹시 예외 사례를 아신다면 알려주시겠지만—은 거의 언제나 기술, 제품, 고객 경험, 비즈니스 요소 전반에 걸친 거대한 변화를 요구합니다. 그러한 변화는 사용자들이 스스로 바꾸고 싶도록 강력히 설득해야 가능합니다. 그러나 그렇다고 해서 자동으로 이루어지는 것은 아닙니다. 이는 막대한 변화 관리 작업이며, 온프레미스에서 클라우드로 이전하는 것과 같은 수준의 전환입니다. 많은 인프라 리더들은 자신이 구축한 시스템에 큰 자부심을 느끼고, 그 시스템을 완벽히 이해하며, 핵심 역량을 갖추고 있어 새로운 기술을 배우고 싶지 않아합니다.

앞서 언급한 경험과 마찬가지로, 모든 고객 경험을 재창조하는 과정도 동일할 것입니다. 우리는 지난 10년간 이 경험들에 대해 자부심을 느끼고, 이를 더 나아지게 할 수 있는 수백 가지 아이디어를 갖고 있으며, 모두가 이에 열정을 쏟고, 깨어 있는 시간을 전부 투자하고 있습니다. 그런데 '완전히 처음부터 다시 시작하라'고 생각하는 것은 이성적으로도, 정서적으로도 매우 어렵습니다. 물론 그렇습니다.

a16z 53:06

또한 앤디님, 저희는 최근 몇 주 전에 하우드스와 제이슨 아카데미를 육성해 이와 같은 전환을 준비하는 청년들을 지원하고 있습니다. AI가 개발을 더 쉽게 만들었다고 말씀하셨지만, 청년들은 여전히 실제 전문성을 배워야 합니다. 궁금한데요, 만약 당신이 2026년에 18세라면, 이 전환기에 대비해 어떤 조언을 스스로에게 해주실 건가요?

앤디 잭시 53:29

저는 25세와 22세 자녀가 있습니다. 22세 자녀는 19세 때부터 진정으로 성장하기 시작했죠. 저는 곧 깨달았습니다: 교육에서 AI 사용을 금지하라는 식의 조언은 이미 무의미합니다. 이미 늦었거나, 기차는 이미 떠났습니다. 따라서 대학이 현명하게 선택할 길은 AI를 억누르는 것이 아니라, 단순히 사람들이 활용할 도구로 받아들이는 것입니다.

앤디 잭시 53:54

그러나 동시에, 모든 청년—그리고 우리 역시 마찬가지입니다. 우리 조직은 글쓰기 문화가 강하고, 모두가 AI를 활용해 글을 작성하고 있습니다—AI가 작성한 글은 바로 알아볼 수 있습니다. 어색하고, 문장 간 연결이 부자연스럽기 때문입니다. 그래서 제가 청년들에게, 그리고 제 자녀들에게 주는 조언은 다음과 같습니다.

앤디 잭시 54:18

이것에서 벗어날 수는 없고, 사라질 것이라고 기대해서도 안 됩니다. 이 기술은 여러분의 삶 전반과 시도하는 모든 경험, 업무 전반에 막대한 영향을 미칠 것이며, 이전에는 불가능했던 방식으로 창조할 수 있게 해줄 것입니다. 따라서 이 기술을 반드시 이해해야 하며, 스스로 배우고, 자주 활용해야 합니다. 도전해 보세요. 편안한 영역을 벗어나는 시도를 해보세요.

앤디 잭시 54:48

제 두 자녀 모두 개발자가 아니지만, AI를 활용해 애플리케이션을 만들었습니다. 하루 일과 계획과 업무 도구 사용 시 이 기술을 핵심으로 삼으세요. 그러나 저는 AI가 비판적 사고와 분석 능력을 대체하지는 않을 것이라 믿습니다. 대학 교육에도 동일하게 적용됩니다. 예를 들어 경영대학원 수업을 생각해 보겠습니다. 세 가지 사례를 분석해야 하고, 많은 독해와 필기, 핵심 쟁점 파악이 필요합니다. 또 첨부 자료를 분석하고 여기서도 필기를 해야 합니다. 이후 기업이 취해야 할 조치를 통합적으로 판단해야 합니다. 그런데 실제로는 이런 과제를 전혀 수행하지 않는 학생들이 많습니다—읽지도 않고, 조사도 하지 않으며, 필기도 하지 않죠. 이러한 모든 과정에서 AI는 큰 도움이 되어, 모두가 더 높은 출발선에 빠르게 도달할 수 있도록 해줍니다.

앤디 잭시 55:52

그러나 정말 중요한 것은 이러한 정보 조각들—전략, 아이디어, 계획, 신제품 또는 새로운 고객 경험을 구성하기 위해—을 유기적으로 연결하는 능력입니다. 대부분의 사람들이 대부분의 상황에서 이를 AI에 의존할 수 없다고 생각합니다. 물론 미래에 절대 불가능하다고 단정하진 않습니다.

앤디 잭시 56:10

저는 여전히 인간의 판단력, 창의성, 발명 정신, 실험 정신, 그리고 다양한 요소를 종합해 최상의 고객 경험과 기업을 창출하는 사고 능력이 필수적이라고 믿습니다. 그러므로 이 도구들을 적극 활용하시되, 비판적 사고와 분석 능력은 우리가 하는 모든 일에서 여전히 매우 중요할 것입니다. 이제 마무리 단계에 다다랐습니다. 현재 진행 중인 사업은…

a16z 56:43

위성 통신부터 로봇, 헬스케어까지 매우 다양합니다. 이 야심 찬 포부는 정말 놀랍습니다. 이 사업이 인터넷 서점으로 시작해 지금에 이르기까지의 여정을 생각해 보세요. 그렇다면 이처럼 다양한…

앤디 잭시 57:00

사업 부문들을 하나로 묶는 공통점은 무엇인가요? 혹은 어떤 사업 부문에 수년간 투자할 가치가 있는지 어떻게 판단하나요? 자원을 지나치게 분산시키지 않도록 어떻게 관리하나요? 이렇게 광범위한 사업 영역을 어떻게 체계적으로 이해하나요?

앤디 잭시 57:11

몇 가지 말씀드리겠습니다. 우선, 우리는 우리 삶 속에서 가장 큰 세 가지 변혁—아마 역사상 최대 규모일 수도 있습니다—즉, 인공지능(AI), 로봇공학, 우주 개발의 한가운데에 있습니다. 이 세 가지는 모두 거대한 규모이며, 우리가 마주하는 거의 모든 고객 경험을 근본적으로 바꿀 것입니다. 우리는 바로 이 세 가지 거대한 변화의 중심에 서 있습니다.

앤디 잭시 57:40

소매업에서의 로봇 활용, AI 분야에서의 활동—내부 및 외부 개발자들이 성공적인 AI 애플리케이션과 에이전트를 쉽게 구축할 수 있도록 지원하고, 소비자 경험 전반을 재정의하는 작업—을 살펴보면, 그 규모를 실감할 수 있습니다.

앤디 잭시 57:58

아마존 레오(Amazon Leo)—전 세계 5억 가구 이상의 광대역 인터넷 미접속 지역을 위한 저궤도 위성망—를 비롯해, 놀라운 여러 변혁이 동시에 진행되고 있습니다. 우리는 고객이 이러한 기술을 활용해 삶의 질을 높일 수 있도록 지원할 기회를 갖고 있으며, 이를 통해 고객에게 도움이 되는 동시에 장기적이고 지속 가능한 사업도 실현하고 있습니다. 또한, 우리는 고객의 다양한 니즈에 더 넓은 범위에서 더 깊이 응답할 수 있는 기회를 갖게 될 것입니다. 이는 식료품 유통, 자율주행 차량 호출 서비스, 헬스케어 등 다른 분야에서의 활동까지 포함하지 않은 것입니다.

앤디 잭시 58:47

조직 운영 방식에 대해 오랜 기간 내부 논의가 있었고, 외부에서도 같은 질문을 많이 했습니다—너무 넓게 퍼지는 건 아닐까? 이 문제는 어느 정도 조직 방식과 투자 의지에 따라 달라집니다. 왜냐하면 동일한 팀이 여러 사업을 관리하도록 허용하지 않기 때문입니다. 우리는 ‘단일 집중형’ 분산 조직 구조를 채택하고 있습니다. 올바른 리더와 개발자들이 해당 팀에 있고, 해당 경험의 규모가 성장 지표를 이끌 수 있을 만큼 충분히 크며, 잘 다뤄지지 않은 분야에서 차별화된 아이디어가 있다면, 동시에 여러 사업을 추진할 수 있습니다—그렇게 오랫동안 해왔습니다. 결국은 얼마나 투자할 의지가 있느냐가 핵심입니다.

어떤 기업들은—완전히 이해할 수 있습니다—자사만의 고유한 사업에 집중해 핵심 역량을 강화하고 성장시키겠다고 말합니다. 사실 이 역시 매우 성공적인 전략이 될 수 있습니다. 우리 역시 기존 사업의 성장을 지속적으로 강화하는 데 매우 집중하고 있으며, 꾸준하고 좋은 속도로 이를 이뤄내고 있습니다. 그러나 고객이 우리에게 해결해 주길 간절히 원하는 또 다른 수많은 경험들이 있습니다. 우리는 그 문제들을 해결할 수 있으며, 이는 고객에게도 도움이 되고 장기적으로 우리 사업에도 긍정적인 영향을 줄 것입니다. 따라서 우리는 이러한 사업들을 계속 추구해 나갈 것입니다. 참으로 고무적인 마무리입니다—끝없는 야심이네요. 앤디 씨, 오늘 방송에 출연해 주셔서 진심으로 감사합니다. 네, 초대해 주셔서 감사합니다. 모두 진심으로 감사드립니다.