저도 처음엔 AI 관련 주식이라고 하면 무조건 빅테크 기업만 떠올렸습니다. 그런데 실제로 AI 전문가 4인의 투자 포트폴리오를 들여다보니 예상과 전혀 다른 지점들이 보였습니다. 일반적으로 AI 투자라고 하면 화려한 기술주만 생각하기 쉽지만, 정작 전문가들은 데이터센터 같은 인프라 기업이나 아직 대중에게 낯선 휴머노이드 로봇 기업까지 폭넓게 담고 있었습니다. 제 경험상 이런 간접 투자 영역을 놓치면 AI 시대의 진짜 수혜를 절반밖에 못 받는 셈입니다.
엔비디아 너머의 선택, 데이터센터 투자
AI 교수 4인 중 김상균 교수는 7년 전부터 데이터센터 관련 기업에 꾸준히 투자해왔다고 밝혔습니다. 여기서 데이터센터란 클라우드 컴퓨팅과 AI 모델 학습에 필요한 대규모 서버 시설을 운영하는 기업을 의미합니다. 쉽게 말해 엔비디아가 만든 GPU를 실제로 설치하고 돌리는 물리적 공간을 제공하는 곳입니다.
저는 솔직히 이 부분을 간과하고 있었습니다. 모두가 엔비디아 주식만 주목할 때, 정작 그 칩을 사용할 건물과 전력 인프라를 짓는 기업들은 눈여겨보지 않았거든요. 그런데 김 교수의 말에 따르면 최근 7년간 데이터센터 기업의 수익률이 국민연금 수익률을 압도적으로 상회했다고 합니다. 물론 건설 관련 계통이라 폭발적 상승은 아니지만, 안정적으로 우상향하는 패턴을 보였다는 점이 핵심입니다.
AI 시장이 커질수록 GPU만 팔리는 게 아니라 그걸 돌릴 공간과 전력이 필수적으로 수반됩니다. 글로벌 IT 기업들이 데이터센터 구축에 천문학적 자본을 쏟아붓고 있는 이유도 여기에 있습니다(출처: 한국데이터센터연합회). 제가 직접 관련 ETF를 일부 담아봤는데, 변동성은 낮지만 장기적으로 우상향하는 흐름이 체감됐습니다. 이런 인프라 기업은 화려하진 않아도 AI 생태계의 뼈대를 이루는 만큼, 포트폴리오에 일정 비중을 두는 게 합리적이라고 생각합니다.
휴머노이드 로봇, 한국 기업에 주목하는 이유
김경일 교수는 흥미로운 관점을 제시했습니다. 미국이 휴머노이드나 로봇 분야에서 중국과 협업하지 않을 것이라는 전망 아래, 한국 기업들이 대안 파트너가 될 것이라는 분석입니다. 여기서 휴머노이드 로봇(Humanoid Robot)이란 사람의 형태와 동작을 모방한 로봇을 의미하며, 제조·물류·서비스 등 다양한 산업 현장에 투입될 것으로 예상됩니다.
저도 이 부분에선 교수님 의견에 크게 공감했습니다. 실제로 미중 패권 전쟁이 심화되면서 기술 공급망도 진영별로 재편되는 흐름이 뚜렷합니다. 한국은 반도체·디스플레이·배터리 등에서 이미 검증된 제조 역량을 갖췄기 때문에, 로봇 분야에서도 미국의 핵심 파트너가 될 가능성이 높습니다. 김 교수는 두산로보틱스 같은 대기업뿐 아니라 로봇티즈 같은 중소형 기업까지 직접 투자하고 있다고 밝혔습니다.
다만 휴머노이드 기업은 아직 상장사가 적어 펀드 형태로 접근하거나, 홍콩 증시에 상장된 중국 기업을 활용하는 방법도 있습니다. 제 경험상 이런 신생 기술 분야는 개별 종목보다 테마 ETF로 분산 투자하는 게 리스크 관리에 유리합니다. 2026~2027년부터 본격적인 상용화 시기가 도래할 것으로 전망되는 만큼(출처: 한국로봇산업진흥원), 지금부터 조금씩 포지션을 쌓아두는 전략이 유효해 보입니다.
빅테크 투자, 구글과 MS에 주목
박정호 교수는 포트폴리오에서 구글과 MS의 비중이 가장 높다고 밝혔습니다. 엔비디아는 일찍 매도했고, 메타는 한 번도 담지 않았다는 점이 인상적이었습니다. 일반적으로 AI 하면 엔비디아부터 떠올리기 쉬운데, 정작 AI를 실제 서비스로 구현하는 플랫폼 기업에 집중한 셈입니다.
저는 이 대목에서 '왜 메타는 빠졌을까' 하는 의문이 들었습니다. 메타는 메타버스 투자로 한때 주가가 폭락했지만, 최근 AI 광고 알고리즘과 라마(Llama) 모델로 재평가받고 있거든요. 그런데 박 교수는 메타버스 전문가인 김상균 교수가 옆에 있었는데도 메타를 담지 않았다는 농담을 던졌습니다. 이는 단순히 기술 트렌드가 아니라 실제 수익성과 지속 가능성을 더 중요하게 본다는 뜻으로 해석됩니다.
구글과 MS는 각각 검색·클라우드·오피스 생태계에서 압도적 점유율을 보유하고 있으며, AI를 기존 서비스에 통합하는 속도도 빠릅니다. 특히 MS는 오픈AI와의 협력을 통해 코파일럿(Copilot) 같은 생산성 도구를 빠르게 상용화하고 있습니다. 제가 직접 사용해본 결과, 코파일럿은 엑셀이나 파워포인트 작업 시간을 체감상 30% 이상 단축시켜줬습니다. 이런 실질적 효용성이 장기 투자 근거가 될 수 있다고 봅니다.
AI 리터러시, 인지 양극화를 막는 열쇠
AI 투자만큼이나 중요한 게 AI를 제대로 활용하는 능력입니다. 김상균 교수는 AI 도입 초기 단계인 지금, 이미 '인지의 양극화'가 관찰된다고 경고했습니다. 여기서 AI 리터러시(AI Literacy)란 AI를 이해하고 효율적으로 활용하며, 그 결과를 비판적으로 평가할 수 있는 종합적 역량을 의미합니다.
일반적으로 AI 리터러시라고 하면 단순히 챗GPT 프롬프트 잘 쓰는 기술 정도로 오해하기 쉽습니다. 하지만 제 경험상 이건 훨씬 더 근본적인 문제입니다. 학생들이 AI로 과제를 해오는데, 겉은 번지르르해도 본인 머릿속엔 아무것도 남지 않는 경우가 부지기수입니다. 김 교수가 든 사례처럼, 어떤 학생은 GPT로 시험을 치러 44점(만점 50점)을 받고 에타에 자랑글을 올렸지만, 정작 본인은 그 지식을 전혀 내재화하지 못한 상태였습니다.
이런 착각이 누적되면 사회 전체적으로 인지 격차가 벌어집니다. AI를 제대로 활용해 실제 역량을 키우는 집단과, AI 결과물만 베끼며 착각 속에 사는 집단으로 양극화되는 겁니다. 김경일 교수는 유럽의 유치원 AI 도입 실험을 예로 들었습니다. 아이들이 선생님과 함께 AI를 보조 도구로 쓸 때는 커뮤니케이션 역량이 증가했지만, AI와 독대하며 시간을 보낼 때는 오히려 퇴화했다는 결과가 나왔습니다.
핵심은 AI를 '대체재'가 아닌 '보조재'로 쓰는 훈련입니다. 제가 직접 챗GPT를 6개월 이상 써본 결과, 다음과 같은 원칙이 중요하다고 느꼈습니다.
- A부터 Z까지 과정 전체를 스스로 설계할 수 있어야 함
- AI 결과물을 무비판적으로 수용하지 말고 반드시 검증할 것
- 최종 판단의 20%는 반드시 인간이 책임지는 영역으로 남겨둘 것
박정호 교수도 비슷한 맥락에서, 자신은 의사결정의 80%까지만 AI를 활용하고 최종 20%는 직접 판단한다고 밝혔습니다. 과압 여행을 갈지 사이판 여행을 갈지는 AI에게 묻지 않지만, 두 지역의 정보 수집과 비교 분석은 AI에게 맡긴다는 식입니다. 이런 경계 설정 능력이야말로 진짜 AI 리터러시라고 생각합니다.
AI는 분명 우리 삶에 엄청난 효용을 가져다주지만, 동시에 외로움·인지 격차·판단력 퇴화 같은 부작용도 낳고 있습니다. 일론 머스크처럼 기술을 선도하는 인물조차 성인 버전 AI를 먼저 출시하며 윤리적 논란을 일으키는 걸 보면, 기술 발전 속도와 사회적 합의 속도 사이의 간극이 심각합니다. 결국 우리 각자가 AI를 어떻게 받아들이고 활용할지 주체적으로 고민해야 할 시점입니다. 투자든 교육이든, AI 시대를 제대로 준비하려면 화려한 기술 트렌드만 쫓지 말고 본질적인 역량부터 다져야 합니다.