AI, 소프트웨어 인프라, 비즈니스 및 정보 서비스: Goldman Sachs: AI는 보조 도구에서 워크플로 실행으로 이동하고 있으며, 데이터·워크플로 제어·에이전트 인프라에 더 많은 가치가 축적될 것

개요

세 번째 연례 실리콘밸리 AI 필드트립 보고서는 스타트업, 벤처캐피털 및 학계의 관점을 종합한다. Goldman Sachs의 핵심 결론은 AI의 상업적 가치가 정보 검색과 보조 기능에서 검증 가능하고 책임 소재가 명확한 워크플로 실행으로 이동하고 있으며, 가장 유리한 위치에 있는 플랫폼은 독점 정보, 산업 지식, 고객 맥락, 유통 역량 및 행동 권한을 결합하게 될 것이라는 점이다.

핵심 견해

Goldman Sachs는 8월 18~19일 세 번째 연례 실리콘밸리 AI 필드트립을 개최했으며, AI 기업, 벤처캐피털 회사, Stanford University, University of California, Berkeley 및 UCSF 연구진이 참가했다. 이번 방문은 모델 역량이 여전히 개선되고 있고, 에이전트가 인간을 보조하는 단계에서 워크플로를 완료하는 단계로 이동하며, 수익화가 좌석 기반 가격 책정에서 데이터 사용, 거래, 완료된 업무, 결과 및 에이전트 사용에 대한 과금으로 확대될 것이라는 견해를 강화했다. 보고서는 가장 강력한 AI 기업이 독점 데이터, 도메인 전문성, 고객 맥락, 워크플로 제어, 유통 채널, 검증 메커니즘 및 행동 실행 권한을 보유해야 한다고 주장한다. 비즈니스 및 정보 서비스 부문에서 보고서는 AI가 차별화된 정보 자산의 효용을 높일 것으로 본다. AI는 데이터를 검색, 연결하고 고객 의사결정에 적용하기 쉽게 만들지만, 대규모 데이터셋만으로는 해자가 되지 않는다. 선도 플랫폼은 금융 분석, 법률, 보험, 리스크 관리, 헬스케어 및 기타 영역에서 더 정확하고 검증 가능한 결과를 제공하기 위해 권위 있는 콘텐츠, 검증된 모델, 전문 분류체계, 고객 맥락 및 정보 활용 방식을 이해하는 전문가도 필요하다. 역사적으로 구독, 보고서 및 노동집약적 서비스를 통해 수익화해 온 기업들은 에이전트를 사용해 비정형 정보를 정리, 분석, 모니터링 및 실행함으로써 단순 정보 입력 제공업체에서 지식집약 산업의 "운영체제"로 고도화하고 고객의 전문 서비스 지출 중 더 큰 비중을 확보할 수 있다. 보고서는 금융 분석, 법률 조사, 보험 인수 및 시장조사에 고비용 전문 인력 프로세스가 다수 존재한다고 추가로 지적한다. 구조화 가능한 부분을 재사용 가능한 에이전트로 인코딩하면 기존 업무를 가속화하는 동시에 과거에는 경제성이 없었던 업무를 상업화할 수 있다. 또한 낮아진 제공 비용은 서비스 접근성, 사용 빈도 및 고객이 기꺼이 묻는 질문의 범위를 개선할 수 있다. 가장 적합한 모델은 표준화된 단계를 자동화하되, 예측, 중요한 의사결정 및 예외 처리는 전문가 판단에 남기는 것이다. 에이전트가 독립적으로 더 많은 업무를 완료하고 각 전문가가 더 많은 활동을 감독할 수 있게 되면, 좌석 기반 가격은 고객 가치와의 정합성이 낮아진다. 플랫폼은 대신 증분 데이터 소비, 완료된 분석, 처리 문서, 거래 및 에이전트 사용에 대해 과금할 수 있다. Daloopa는 일부 통합 에이전트 워크플로에서 데이터 소비가 약 100배 증가했다고 밝혔고, Clio는 구독, 결제 및 기타 거래 기반 매출을 보유하며, Moody's는 MCP 액세스에 대한 증분 구독료와 에이전트 사용에 대한 별도 요금 부과를 시작했다. 경쟁 구도에서 기존 플랫폼은 신뢰받는 브랜드, 내재화된 유통, 축적된 고객 맥락 및 기록·거래·결제·행동 트리거가 있는 시스템에 대한 접근성에서 우위를 가진다. 이러한 역량은 고객이 시스템 간 정보를 이동해야 할 필요를 줄인다. AI 네이티브 기업도 실질적으로 우수한 제품, 특화 워크플로 또는 모방하기 어려운 인프라를 통해 점유율을 확보할 수 있다. 예를 들어 Corgi는 AI, 보험 라이선스, 규제 자본 및 인수·보험금 청구에 대한 통제를 결합하고, Harvey는 법률 전문성, 워크플로 특화 에이전트 및 평가 역량을 결합한다. 반면 상품화된 데이터, 얕은 워크플로 통합 또는 주로 인력과 사용자 수 가격 책정에 의존하는 사업 모델을 가진 제공업체는 더 취약하다. Goldman Sachs는 기업 AI의 프로덕션 진입 여부가 산출물 검증 가능성, 오류 행동의 되돌림 가능성 및 책임 소재의 명확성에 달려 있다고 강조한다. 소스 연결 데이터, 감사 추적, 신뢰도 임계값, 독립 평가 및 표적화된 인간 검토는 책임을 제거하지 않으면서 감독 부담을 낮출 수 있다. 오픈소스와 최첨단 모델 간 역할 분담에 대해 보고서는 양자택일 관점을 거부한다. 최첨단 모델 진영은 기업 벤치마크가 실제 역량 도약을 완전히 포착하지 못하며, 프로덕션에서는 정확도 손실이 모델 비용 절감의 정당화 근거가 되지 않을 수 있다고 주장한다. 따라서 일부 AI 네이티브 애플리케이션은 모델 다변화를 논의하면서도 주로 최첨단 제공업체에 계속 의존한다. 반면 업계 참여자들은 대부분의 기업 워크플로에 최첨단 수준의 지능이 필요하지 않다고 보며, 한 벤처캐피털리스트는 약 12~18개월 내 토큰의 약 90%가 오픈소스 모델로 이동할 것으로 추정했다. 가격 압력, 더 높은 사용 한도 및 고객의 최첨단 모델 소비 축소 역시 경쟁이 경제성 중심으로 이동했음을 시사한다. 보고서의 종합 견해는 최첨단 모델이 가장 고가치이고 신뢰성에 민감한 워크로드를 유지하는 반면, 오픈소스 모델이 대부분의 사용량을 처리하게 될 것이라는 것이다. Microsoft, Cloudflare, Databricks, Vercel과 같은 독립 소프트웨어 벤더는 기업이 콘텐츠를 비공개로 유지하면서 서로 다른 모델을 오케스트레이션하도록 지원함으로써 가치를 확보할 수 있다. 보고서는 또한 월드 모델이 대규모 언어 모델보다 잠재적으로 더 큰 차기 AI 플랫폼 전환을 나타낼 수 있다고 본다. 연구는 단순한 다음 토큰 예측에서 환경, 인과관계, 물리 법칙 및 현실 세계 상호작용 모델링으로 이동하고 있다. 경쟁 해자 역시 공유된 인터넷 규모 데이터에서 물리 시스템, 산업 및 운영 환경과 밀접하게 연결된 독점 데이터로 이동할 수 있다. 물리적·산업적·과학적·로봇 시스템은 텍스트 생성보다 더 큰 문제 공간을 나타내며, 많은 워크로드가 더 높은 컴퓨팅 집약도를 가진다. 월드 모델의 토큰 수요는 향후 5년간 기업 컴퓨팅이 24배 더 많은 토큰을 지원할 것이라는 Goldman Sachs의 전망에 추가되어, 컴퓨팅 수급 여건을 더 오랫동안 타이트하게 유지하고 Microsoft, Oracle 및 CoreWeave에 수혜를 줄 가능성이 있다. 소프트웨어 계층에서 지속적인 차별화는 데이터만이 아니라 워크플로 맥락에서 나올 것이다. 모델이 개선될수록 단순 AI 래퍼 계층이 가장 취약하며, 수평 플랫폼은 규모의 이점을 누리는 동시에 기능 경쟁에도 직면한다. 보고서는 산업 전문성, 내재화된 프로세스 및 데이터를 지속적으로 생성·구조화·풍부화하는 독점 맥락을 결합한 워크플로 네이티브 소프트웨어에 더 높은 가치를 부여한다. 소프트웨어 개발이 더 빠르고 저렴해짐에 따라 이러한 맥락은 남아 있는 몇 안 되는 방어 가능한 차별화 원천 중 하나가 될 수 있다. 보고서는 Shopify와 Samsara를 설치된 고객 기반 또는 연결 자산 기반이 차별화된 AI에 필요한 운영 맥락을 지속적으로 생성할 수 있는 사례로 제시한다. 에이전트는 새로운 고객 획득 채널도 될 것이다. 소프트웨어는 사용자를 대신해 행동하는 에이전트가 발견하고, 호출하고, 사용할 수 있어야 한다. Vercel의 견해는 인터넷의 기본 구성 요소가 사용자와 애플리케이션에서 에이전트와 토큰으로 이동하고 있으며, 인프라가 더 이상 인간 상호작용만을 위해 최적화되지 않는다는 점을 시사한다. Vercel과 ClickHouse는 에이전트가 더 많은 요청을 생성하고, 더 많은 행동과 의사결정을 실행하며, 더 많은 시스템을 연결할 것이므로 병목이 애플리케이션 개발에서 자율 실행을 지원하는 인프라로 이동한다고 지적한다. 실시간 데이터베이스, 저지연 컴퓨팅, 확장 가능한 데이터 파이프라인 및 전 세계에 분산된 시스템의 중요성이 커지고 있다. 사이버보안도 중요한 수혜 영역이다. AI는 인터넷과 클라우드 같은 과거 플랫폼 전환과 마찬가지로 공격 표면을 확대하고, 오픈소스 모델이 공격자의 역량을 강화함에 따라 공격 빈도와 복잡성을 높일 것이다. 이는 단기적으로 패치, 위생 관리, 인력 프로세스 및 제품 시험에 대한 투자를 촉진할 수 있다. 장기 시나리오에서는 환경에 대해 거의 완전한 가시성을 확보하는 방어자가 공격자의 이상 행동을 더 일찍 식별할 수 있다. AI는 특히 보안 운영에서 사이버보안 인력 부족과 벤더 파편화를 완화할 수 있다. SIEM 데이터 저장, 지속적 개선 조치, 적절히 구성된 자동화 시스템 및 데이터를 기반으로 추론하고 통제를 실행하며 행동할 수 있는 에이전트 네이티브 도구를 기반으로 한 현대화는 모두 기회를 나타낼 수 있다. 기업 사례는 위 논리를 뒷받침한다. Daloopa는 규제 공시, 실적 자료 및 기타 공개자료에서 재무제표 항목, KPI, 가이던스 및 비GAAP 조정을 추출·표준화·검증하고, 모든 데이터 포인트를 원본 소스에 연결함으로써 리서치, 밸류에이션 모델 유지보수 및 실적 분석을 지원한다. 약 400명 규모의 검증팀, 독점 데이터 파이프라인 및 구조화된 운영 프로세스는 정확성과 적시성 요건을 충족하도록 설계되었다. 이 회사는 표준화된 에이전트와 분석 스킬을 오픈소스로 제공하는 한편 데이터 추출, 표준화 및 검증 인프라는 독점으로 유지하고, 지속적으로 업데이트되는 지식 그래프를 사용해 테스트 가능한 리서치 메모리를 보존하며, 반복 생성을 줄이고 환각을 제한한다. Divergent는 수직형 AI가 설계부터 생산까지의 전체 워크플로를 통합할 수 있음을 보여주었다. 이 회사의 DAPS는 AI 엔지니어링 소프트웨어, 적층 제조 및 자동화 조립을 연결하며, 엔지니어가 접근 방식을 선택하기 전에 소프트웨어가 수백 개의 구조적 대안을 평가한다. 소프트웨어, Model One 프린터, 제조 공정 및 공장 운영의 통합은 생산 데이터가 설계와 제조 의사결정으로 다시 피드백되도록 한다. 회사는 이 공유 소프트웨어 백본에 대한 투자가 $1 billion을 초과했다고 밝혔다.

분석 프레임워크

기업 시연, 벤처캐피털 인터뷰 및 대학 연구 교류로 구성된 이틀간의 활동을 바탕으로, 보고서는 우선 모델, 에이전트 및 수익화의 공통 추세를 종합한 뒤 비즈니스 및 정보 서비스, 소프트웨어, 컴퓨팅, 물리적 AI 및 사이버보안 전반의 가치 전달을 별도로 분석한다. 분석은 데이터, 워크플로, 검증 및 유통 역량이 경쟁 해자를 형성하는 방식에 초점을 맞추며, Daloopa와 Divergent 등의 사례를 통해 그 메커니즘을 설명한다.

방법론 메모

• 경쟁 및 전략 프레임워크가치사슬 분석

  모델, 데이터, 애플리케이션, 워크플로, 인프라 및 보안 계층 간 AI 가치 배분

  보고서는 AI 스택의 다양한 계층에 걸친 가치 원천을 비교하며, 모델 또는 데이터만으로는 우위를 보장하기에 충분하지 않고 고객 워크플로를 통제하며 산출물을 검증하고 행동 단계에 내재화된 플랫폼이 지속 가능한 가치를 확보할 가능성이 더 높다고 주장한다.

• 산업/산업 분석 프레임워크상류·중류·하류 산업사슬 전이

  모델 역량 및 토큰 성장의 소프트웨어, 컴퓨팅 인프라, 물리적 AI 및 사이버보안으로의 전이

  보고서는 개선된 모델과 증가한 에이전트 사용을 실시간 데이터, 저지연 컴퓨팅, 데이터 파이프라인, 보안 운영 및 물리 시스템용 컴퓨팅 수요 변화와 연결한다.

• 경쟁 및 전략 프레임워크해자/경쟁우위

  독점 데이터, 도메인 전문성, 고객 맥락, 검증 및 워크플로 제어가 AI 해자를 창출

  보고서는 이 논리를 사용해 기존 플랫폼, AI 네이티브 기업 및 취약한 단순 래퍼 계층이나 상품화된 데이터 제공업체를 구분한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• 비즈니스 및 정보 서비스 (IRM, MCO, MSCI, SPGI, TRI)

  보고서는 이를 선호 AI 수혜 영역으로 식별하며, 차별화된 데이터, 산업 전문성 및 내재화된 워크플로가 고객 지출 점유율을 확대할 수 있다고 주장한다.

  강점

  신뢰받고 지속적으로 업데이트되는 데이터 자산, 전문 지식, 고객 맥락, 검증 역량 및 워크플로 통합.

  비교

  상품화된 데이터만 제공하거나 통합이 얕은 제공업체와 비교해, 이들 기업은 검증 가능하고 실행 가능한 산업 워크플로를 만들 기회가 더 크다.

  위험

  데이터가 상품화되거나, 워크플로 통합이 불충분하거나, 사업 모델이 주로 인력과 사용자 수에 의존할 경우 경쟁 포지셔닝이 압박받을 수 있다.

• 소프트웨어 (MSFT, MDB, RBRK)

  보고서는 이를 선호 AI 수혜 영역으로 식별하며, 월드 모델이 더 장기화된 컴퓨팅 타이트닝을 유발할 경우 Microsoft도 잠재적 수혜자로 본다.

  강점

  기업이 서로 다른 모델을 오케스트레이션하고 콘텐츠를 비공개로 유지하며 에이전트 주도 인프라와 소프트웨어 수요를 포착하도록 지원할 수 있다.

  비교

  단순 AI 래퍼 계층과 비교해, 기업 유통, 워크플로 및 인프라 역량을 보유한 플랫폼은 방어력이 더 높다.

  위험

  모델 역량의 빠른 개선은 기능 경쟁을 심화하고 소프트웨어 계층 전반의 가치 배분을 바꿀 수 있다.

• 사이버보안 (CRWD, NET, PANW)

  보고서는 AI가 보안 수요를 확대할 것으로 보며 이들 기업에 대한 긍정적인 장기 전망을 재확인한다.

  강점

  보안 운영은 SIEM 데이터를 기반으로 한 자동화, 지속적 개선 조치, 데이터 통합 및 에이전트 추론·행동의 수혜를 받을 수 있다.

  비교

  보고서는 기존 역량을 보유한 보안 벤더가 AI 주도 보안 투자에서 불균형적으로 큰 수혜를 받을 수 있다고 본다.

  위험

  AI는 공격 빈도와 복잡성을 높이고 기업 공격 표면을 확대할 것이다.

• SNOW

  보고서는 긍정적인 장기 전망을 재확인하며, AI 데이터 및 인프라 수요 확대의 맥락에서 이를 언급한다.

핵심 데이터

• 실리콘밸리 AI 필드트립 일정2026년 8월 18-19일Goldman Sachs의 세 번째 연례 실리콘밸리 AI 필드트립.
• 오픈소스 모델 토큰 점유율 전망약 90%한 벤처캐피털리스트는 약 12~18개월 내 대부분의 토큰이 오픈소스 모델로 이동할 수 있다고 본다.
• 기업 컴퓨팅 토큰 수요 전망향후 5년간 24배 더 많은 토큰 지원보고서는 월드 모델 수요가 이 기업 컴퓨팅 전망에 추가될 것으로 본다.
• Daloopa 통합 워크플로 데이터 소비약 100배 증가회사는 일부 통합 에이전트 워크플로의 데이터 소비가 전통적인 애널리스트 인터페이스보다 훨씬 높다고 밝혔다.
• Daloopa 검증팀약 400명정확성과 적시성 요건 충족을 위해 독점 데이터 파이프라인 및 프로세스와 함께 활용된다.
• Divergent 공유 소프트웨어 백본 투자$1 billion 초과설계, 적층 제조, 조립 및 품질 프로세스를 포괄하는 통합 소프트웨어 플랫폼.
• MSCI 투자의견 및 목표주가매수, 12개월 목표주가 $671보고서가 핵심 AI 수혜 투자 아이디어 중 하나로 제시했다.
• Microsoft 투자의견 및 목표주가매수, 12개월 목표주가 $640보고서가 핵심 AI 수혜 투자 아이디어 중 하나로 제시했다.

영향과 시사점

보고서는 AI가 비즈니스 및 정보 서비스 기업을 정보 제공에서 워크플로 실행으로 전환시켜 매출을 사용량, 거래 및 산출물과 더 밀접하게 연결할 것으로 본다. 수혜자는 신뢰받는 데이터와 산업 전문성을 보유한 플랫폼뿐 아니라 기업의 모델 오케스트레이션, 에이전트 네이티브 워크로드 처리, 컴퓨팅 제공 및 보안 운영 강화를 지원하는 기업도 포함한다. 반면, 깊은 워크플로 통합이 없는 상품화된 데이터와 단순 AI 래퍼 모델은 더 큰 경쟁 압력에 직면한다.

위험

• 최첨단 모델과 오픈소스 모델 간 비용, 성능 및 신뢰성의 상충관계는 모델 제공업체와 애플리케이션 계층의 경쟁을 심화할 수 있다.
• 상품화된 데이터, 얕은 워크플로 통합 또는 인력과 좌석 수에 의존하는 사업 모델을 가진 기업은 AI 네이티브 경쟁업체의 파괴적 영향에 더 취약하다.
• 금융, 법률, 규제 및 운영 환경에서 검증 가능한 산출물, 감사 추적 및 명확한 책임 소재가 부족할 경우 에이전트의 프로덕션 진입 속도가 제약될 수 있다.
• AI는 특히 오픈소스 모델이 공격자의 역량을 강화함에 따라 공격 표면을 확대하고 공격 빈도와 복잡성을 높인다.