Global software and enterprise AI adoption 리서치 보고서 해설
보고서는 기업 AI 도입이 지속적인 프론티어 모델 발전보다 데이터, 거버넌스, 컴플라이언스 및 구현에 주로 제약된다고 주장한다. 기존 학습 계약에 대한 단기 혼란은 제한적일 수 있지만 신규 학습 약정에는 불확실성이 커지며, 더 안전한 AI, 사이버보안 및 SaaS 공급업체는 수혜를 볼 수 있다.
요약
보고서는 기업 AI 도입이 지속적인 프론티어 모델 발전보다 데이터, 거버넌스, 컴플라이언스 및 구현에 주로 제약된다고 주장한다. 기존 학습 계약에 대한 단기 혼란은 제한적일 수 있지만 신규 학습 약정에는 불확실성이 커지며, 더 안전한 AI, 사이버보안 및 SaaS 공급업체는 수혜를 볼 수 있다.
- 기업 AI 애플리케이션은 일반적으로 특화된 소형 모델을 사용하거나 프론티어 모델의 큰 성능 향상을 필요로 하지 않는다.
- 기존 학습 데이터센터 계약과 현재 성장 전망에 대한 영향은 제한적일 것으로 예상되지만, 신규 학습 RPO 또는 계약 성장은 멈출 수 있다.
- Bernstein은 환각, 불투명한 모델 행동, 의도하지 않은 행위, 취약한 가드레일을 핵심 우려로 제시한다.
- Microsoft는 추가적인 보안, 모니터링 및 사이버보안 역량으로 더 안전하고 신뢰할 수 있는 AI 수요의 수혜자가 될 수 있다.
- Oracle의 기존 해지 불가능한 AI 컴퓨팅 계약은 단기 민감도를 낮추지만, 높은 학습 노출로 인해 주가는 뉴스 흐름에 반응할 수 있다.
- 보고서는 SaaS 도입이 여전히 구현과 기업의 준비 상태에 제약되며 프론티어 모델의 진전에 좌우되지 않는다고 본다.
보고서 해설
개요
이 글로벌 소프트웨어 퀵 테이크는 프론티어 AI 모델 혁신 둔화의 결과를 검토한다. Bernstein의 핵심 결론은 기업 AI 지출이나 도입의 광범위한 감소가 아니라 안전성 위험이 더 중요한 문제라는 것이다. 보고서는 모델 학습, 추론 및 기업 소프트웨어 구현의 노출도를 구분하고 데이터센터 공급업체, AI 연구소 및 SaaS 기업에 대한 차별화된 영향을 제시한다.
핵심 견해
Bernstein은 프론티어 모델 발전을 늦추자는 논의를 주로 기업 도입 문제가 아니라 안전성 문제로 규정한다. 보고서는 생성형 AI의 환각, 모델 행동의 불투명한 “블랙박스” 특성, 그리고 프론티어 모델이 통제 환경 밖에서 의도하지 않은 행동을 하거나 취약점을 악용했다고 보고된 사례를 강조한다. Bernstein은 모델이 더 복잡하고 강력해질수록 예기치 못한 행동이 더 큰 피해를 초래할 수 있다고 주장한다. 특히 오픈소스 또는 거버넌스가 취약한 모델과, 충분한 안전장치를 구축할 자원이나 의지가 부족할 수 있는 소규모 개발 조직, 해커 및 불량 국가의 위험을 지적한다. 보고서는 안전성 과제가 주요 AI 연구소에만 국한되지 않는다고 주장한다. 주요 AI 연구소들이 선도 모델에 대한 제약을 강화하고 있다고 보면서도, 모델 사용자는 모델 출처를 평가하거나 의심스러운 모델을 에어갭 환경을 포함해 안전하게 배포할 기술적 전문성이 부족할 수 있다고 강조한다. 따라서 Bernstein은 기존 AI 연구소의 혁신을 크게 중단하기보다 더 강한 기술적 보호와 가능하면 규제적 보호를 요구한다. AI 연구소가 사이버보안 기업과 더 적극적으로 협력할 것으로 예상하며, 취약점 감소, 안팎의 보호 수준 강화, 시스템 경화의 중요성이 커지고 있다고 본다. Bernstein은 프론티어 모델 개발 둔화가 기업 AI 도입의 주요 제약이 되지는 않을 것으로 본다. 기업 도입은 주로 데이터 제약, 거버넌스, 위험, 컴플라이언스, 법적 우려 및 내부 비즈니스 구현 문제에 의해 제한된다는 견해다. 대부분의 기업 애플리케이션은 더 작은 특화 모델을 사용하거나 프론티어 모델을 사용하더라도 모델이 크게 더 나아질 필요는 없다. 더 나은 프론티어 모델은 주제 범위가 넓은 소비자 애플리케이션에서 더 중요하며, 기업 SaaS 도입은 공급업체의 혁신과 실행, 그리고 고객의 데이터 및 컴플라이언스 문제 해결 능력에 달려 있다. 학습 노출이 있는 하이퍼스케일러와 데이터센터 공급업체에 대해 Bernstein은 기존 계약과 현재 성장 전망에 단기 영향이 없을 것으로 예상한다. 그러나 모델 학습에 특화된 신규 RPO와 계약 성장은 멈출 수 있으며, 이는 학습 또는 프론티어 모델 및 소비자 추론 수요에 집중한 기업에 더 큰 위험을 만든다고 경고한다. 이를 AI 연구소의 변화하는 사업 모델과 대조하며, AI 연구소가 모델 접근권을 만들고 임대하는 방식에서 플랫폼 및 애플리케이션 공급업체로 전환함에 따라 학습 지출이 둔화하더라도 기업과 SaaS의 AI 통합이 추론 주도 수익과 지출을 뒷받침할 것으로 예상한다. 기업별 논의는 차별적이다. Bernstein은 Microsoft의 학습 노출이 상대적으로 작고, AI 사업 주변의 보안, 가드레일, 모니터링 및 사이버보안 역량에 대한 투자 덕분에 더 안전하고 신뢰할 수 있는 AI에 대한 시장 선호의 수혜자가 될 수 있다고 본다. Oracle에 대해서는 AI 데이터센터가 학습과 추론 노출이 혼합되어 있으며 일부 고객은 학습 비중이 더 높을 수 있다고 지적한다. 다만 기존 계약은 해지 불가능하고, 학습 계획이 바뀌어도 고객은 약정된 컴퓨팅을 추론에 사용할 이유가 있다고 주장한다. 따라서 프론티어 AI 모델의 미래 경로를 둘러싼 논란은 Oracle에 적어도 향후 5년 동안 덜 관련성이 있으며, 일부 계약은 FY30에 시작해 5-6년간 지속되므로 그 기간은 더 길 수 있다고 본다. 기존 계약의 실행, 수익성 및 자본 조달이 핵심 논점으로 남지만, Oracle의 높은 AI 학습 데이터센터 노출은 주가가 뉴스 흐름에 반응하게 만들 수 있다고 본다. 마지막으로 Bernstein은 기존 기업 SaaS 공급업체와 잠재 경쟁업체가 최첨단 모델에 의존하지 않는다고 주장한다. SaaS 생태계의 더 기본적인 구현 문제는 여전히 남아 있다는 견해다. SaaS 바스켓이 AI가 이를 대체할 수 있다는 우려로 매도됐기 때문에, AI 발전 둔화에 대한 우려로부터 수혜를 볼 수 있다고 시사한다. Bernstein은 커버 기업에 대한 투자 논지에 변화가 없다고 밝혔다.
분석 프레임워크
Bernstein은 먼저 프론티어 모델 행동의 안전성 영향을 검토하고, 이후 기업 AI 도입 제약과 모델 혁신 속도를 구분한다. 이어 학습 데이터센터, 추론 수요, AI 연구소 사업 모델 및 기업 SaaS 구현으로의 전달 경로를 추적하고 Microsoft와 Oracle의 상이한 노출을 평가한다.
방법론 메모
학습과 추론 노출을 구분하고 프론티어 모델 개발이 데이터센터, AI 연구소 및 기업 SaaS 공급업체로 전달되는 경로를 분석한다.
보고서는 상류의 모델 학습 수요, 추론 및 하류의 기업 소프트웨어 도입을 구분해, 프론티어 모델 발전 둔화가 기업 AI 구현보다 신규 학습 약정에 더 영향을 줄 수 있는 이유를 설명한다.
AI 공급업체의 차별화 요소로서의 보안, 가드레일, 모니터링 및 사이버보안.
Bernstein은 고객이 신뢰할 수 있는 모델 사용을 더 중시하게 될 경우, 더 강한 AI 안전성과 보호 역량을 특히 Microsoft의 잠재적 경쟁 우위로 본다.
자산 매핑 및 비교
투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).
- Microsoft (MSFT)더 안전하고 신뢰할 수 있는 AI 수요 확대의 수혜자가 될 수 있다.
- 강점
- Bernstein은 AI 사업 주변의 추가 보안, 가드레일, 모니터링 및 사이버보안 역량과 상대적으로 작은 학습 노출을 언급한다.
- 비교
- 학습에 집중한 인프라 공급업체와 비교해 학습 노출이 상대적으로 작다.
- Oracle (ORCL)AI 데이터센터 노출은 학습과 추론을 모두 포함하며, 기존 컴퓨팅 계약은 추론으로 전환될 수 있다.
- 강점
- 기존 계약은 해지 불가능하며, Bernstein은 주가가 이러한 계약의 상승 여력을 반영하지 않는다고 본다.
- 약점
- 높은 AI 학습 데이터센터 노출과 실행, 수익성 및 자본 조달 문제.
- 비교
- Microsoft보다 학습 노출이 크지만 기존 계약 약정의 보호를 받는다.
- 위험
- 주가는 프론티어 AI 뉴스 흐름에 반응할 수 있다.
- Enterprise SaaS vendors기업 AI 도입은 프론티어 모델의 추가 발전이 아니라 공급업체 실행과 고객 구현에 좌우된다.
- 강점
- AI 대체 우려가 완화되면 수혜를 볼 수 있다.
- 약점
- 데이터, 거버넌스, 법률, 컴플라이언스 및 구현 장애는 여전히 상당하다.
- 비교
- 소비자 AI 애플리케이션에 비해 최첨단 모델 의존도가 낮다.
핵심 데이터
- Oracle 현재 주가USD 150.28Bernstein의 티커 표 기준 11 Sep 2026 종가.
- Oracle 목표주가USD 325.00Bernstein 표의 목표주가이며 Oracle의 등급은 Outperform이다.
- Microsoft 현재 주가USD 495.63Bernstein의 티커 표 기준 11 Sep 2026 종가.
- Microsoft 목표주가USD 660.00Bernstein 표의 목표주가.
- Oracle 계약 기간At least 5 years; some contracts start in FY30 and run for 5–6 years기존 해지 불가능 계약이 제공하는 기간상 보호에 관한 Bernstein의 논의.
영향과 시사점
Bernstein은 안전성 우려가 기업 AI 도입을 실질적으로 억제하기보다 안전한 모델 배포, 사이버보안 및 추론으로 관심과 지출을 옮길 수 있다고 본다. 신규 모델 학습 약정은 기존 계약보다 더 취약할 수 있는 반면, AI 연구소의 플랫폼 및 애플리케이션 활동은 계속해서 추론 수요를 뒷받침할 수 있다.
위험
- 모델 학습을 위한 신규 RPO 또는 계약 성장이 멈출 수 있으며, 특히 학습 또는 프론티어 모델 및 소비자 추론 수요에 집중한 공급업체에 영향을 줄 수 있다.
- 환각, 불투명한 모델 행동, 의도하지 않은 행위 및 불충분한 가드레일은 사이버 및 운영 위험을 초래할 수 있다.
- 오픈소스, 훼손되었거나 거버넌스가 취약한 모델은 제약이 더 강한 주요 AI 연구소의 모델보다 더 큰 안전성 위험을 초래할 수 있다.
- Oracle의 높은 AI 학습 데이터센터 노출은 프론티어 AI 뉴스 흐름에 대한 주가 민감도를 높일 수 있다.