무형자산 투자가 막히는 이유: AI 금융병목의 4가지 기준

AI 도구의 가격이 내려가면 기업 간 기술격차도 줄어들 것이라는 기대가 있습니다. 소프트웨어는 공장을 짓지 않아도 복제할 수 있고, 중소기업도 대기업과 같은 모델을 구독할 수 있기 때문입니다. 그러나 무형자산 투자까지 포함하면 계산은 달라집니다. 라이선스를 산 뒤에도 데이터를 정리하고, 기존 시스템을 연결하고, 직원을 교육하고, 승인과 오류책임을 다시 배치해야 합니다. 이 비용은 모델 가격과 함께 내려가지 않으며 은행이 담보로 잡기도 어렵습니다.

유럽중앙은행(ECB)이 2026년 10월 약 5,000개 유로지역 기업을 조사한 SAFE 자료는 이 간극을 보여줍니다. 향후 12개월 동안 AI 투자를 계획한 기업 가운데 72%가 내부자금을 조달수단으로 꼽았습니다. 은행대출과 보조금은 각각 16%, 리스는 15%, 지분·벤처자금은 6%, 채권은 1%였습니다. 같은 조사에서 기업들이 계획한 투자는 AI 도구 49%, 직원교육 46%, 데이터 인프라 40%, AI 전문가 12%였습니다. 생산성에 필요한 투자는 넓지만 외부금융의 통로는 좁은 구조입니다.

이 수치를 AI 대출이 부족하다는 말로만 읽으면 핵심을 놓칩니다. 은행은 AI의 잠재적 수익보다 채무불이행 때 회수할 수 있는 자산과 이미 확인된 현금흐름을 먼저 봅니다. 서버와 장비는 처분할 수 있지만, 직원이 익힌 업무지식이나 조직에 맞춰 정리한 데이터, 부서 사이의 새 승인절차는 떼어 팔기 어렵습니다. 기업에는 가치가 있어도 채권자에게 이전되지 않는 자산입니다.

AI 도구 가격이 내려가도 전환역량의 금융비용은 함께 내려가지 않습니다. 따라서 기술 접근성의 확대가 곧 생산성의 민주화를 뜻하지는 않습니다. 내부현금이 충분한 기업은 도구·데이터·교육·조직변화를 한꺼번에 묶을 수 있지만, 자금력이 약한 기업은 눈에 보이는 도구부터 사고 보완투자를 뒤로 미룹니다. 같은 모델을 사용할 수 있어도 실제 업무를 바꾸는 속도는 달라집니다.

전편에서는 데이터, 시스템 통합, 직원교육과 관리체계가 AI 성능을 운영성과로 바꾸는 보완자산임을 살펴봤습니다. 이번에는 그 보완자산을 누가 어떤 자금으로 살 수 있는지를 봅니다. 가장 중요한 보완자산이 무형투자인데 왜 외부금융을 받기 어려운지 다음 글에서 분석합니다. 이 질문에 답해야 도구 보급률과 기업별 생산성 격차가 동시에 커지는 이유를 설명할 수 있습니다.

무형자산 투자와 회계 인식

무형자산 투자는 장부와 담보에서 동시에 불리해질 수 있습니다. AI 전환비용 가운데 일부는 재무제표에 자산으로 남지만 상당 부분은 당기 비용으로 처리됩니다. 외부에서 별도로 구입한 소프트웨어나 라이선스는 식별 가능하고 기업이 통제하며 미래 효익을 신뢰성 있게 측정할 수 있다면 자산으로 인식될 수 있습니다. 반면 내부 연구, 일반 직원교육, 조직개편과 시행착오에는 같은 논리를 적용하기 어렵습니다.

국제회계기준 IAS 38은 무형항목이 식별 가능하고 기업의 통제 아래 있으며 미래 경제적 효익과 원가를 신뢰성 있게 측정할 수 있을 때 자산으로 인식하도록 합니다. 연구단계 지출은 비용으로 처리하고, 개발단계 지출은 기술적 실현 가능성·완성 의도·자원 확보 등 조건을 충족할 때만 자본화합니다. IFRS 해석위원회의 교육비 결정도 직원이 퇴사할 수 있고 기업이 교육의 효익을 충분히 통제하기 어렵다는 이유로 교육비를 자산으로 보지 않았습니다.

회계상 비용 처리와 대출 거절은 같은 사건이 아닙니다. 비용으로 처리된다고 해서 경제적 가치가 없다는 뜻도 아닙니다. 다만 두 판단은 공통된 난점을 드러냅니다. AI 업무교육, 내부 데이터 정비와 조직변화는 기업 내부에서는 미래 현금흐름을 만들 수 있지만, 계약으로 분리하기 어렵고 제3자가 가치를 확인하거나 회수하기도 어렵습니다. 장부에서 보이지 않는다는 문제보다 금융기관이 그 가치와 통제권을 독립적으로 검증하기 어렵다는 문제가 더 큽니다.

예를 들어 제조기업이 품질검사 AI를 도입한다고 가정해 보겠습니다. 카메라와 서버는 장비명세, 중고가격과 소유권을 확인할 수 있습니다. 반면 불량판정 기준을 다시 정의하는 엔지니어의 시간, 과거 이미지의 라벨 정비, 작업자 재교육, 예외 승인절차의 설계는 해당 공정과 조직에 붙어 있습니다. 프로젝트가 중단되면 장비는 팔 수 있지만 새 업무방식은 채권자가 가져갈 수 없습니다. 투자안의 생산성에는 후자가 중요해도 담보가치는 전자에 더 많이 남습니다.

이 차이 때문에 기업의 내부 투자심사도 왜곡될 수 있습니다. 예산을 승인받기 쉬운 장비와 라이선스는 먼저 집행되고, 여러 부서의 인건비로 흩어지는 데이터·교육·변화관리는 축소됩니다. 도입은 완료됐지만 성과는 나지 않는 프로젝트가 생기는 이유입니다. 회계 인식은 단순한 보고문제가 아니라 어떤 투자가 눈에 보이고, 예산과 금융의 대상이 되는지를 바꾸는 조직적 신호입니다.

담보가치와 은행의 회수경로

은행대출은 회수 가능한 자산을 중심으로 공급됩니다. 은행은 성공한 AI 프로젝트의 상승분을 지분투자자처럼 모두 가져가지 않습니다. 대신 원금과 이자를 정해진 일정에 받습니다. 수익의 상단이 제한된 만큼 심사에서는 실패했을 때의 손실률, 담보의 처분 가능성, 기존 현금흐름과 차주의 상환능력이 중요합니다.

OECD의 무형자산 금융 연구는 무형집약적 기업이 담보로 제공할 유형자산이 적고, 무형자산은 정보비대칭과 낮은 재배치 가능성 때문에 외부자금 비용이 높아질 수 있다고 정리합니다. 특허나 상표처럼 권리가 분리되고 거래사례가 있는 자산은 담보와 신호 기능을 가질 수 있습니다. 그러나 직원교육, 조직자본, 기업 고유의 데이터 정비는 권리를 떼어내기 어렵고 다른 기업에서 같은 가치를 내기도 어렵습니다.

AI 투자는 이 문제를 한 프로젝트 안에 섞어 놓습니다. GPU 서버, 센서와 네트워크 장비에는 물리적 소유권이 있습니다. 데이터 플랫폼도 계약과 자산을 분리할 수 있는 부분이 있습니다. 하지만 업무규칙을 데이터에 맞추고 직원이 예외를 판정하도록 가르치며 관리자의 권한을 바꾸는 일은 기업 고유의 실행역량입니다. 외부금융은 상대적으로 담보가 쉬운 부분을 따라가고, 생산성을 완성하는 마지막 비용은 내부자금에 남습니다.

ECB SAFE에서도 투자 종류에 따라 조달조합이 달라지는 구조입니다. AI 도구와 데이터 인프라에 투자할 계획이 있는 기업은 다른 조건을 통제한 뒤 내부자금과 외부자금을 함께 쓸 확률이 각각 약 16%포인트 높았습니다. AI 전문가 채용은 약 9%포인트 높았고, 직원교육은 통계적으로 유의한 차이가 확인되지 않았습니다. 이 결과는 대출승인의 인과효과가 아니라 기업의 계획과 조달수단 사이의 연관성입니다. 그래도 외부에서 식별하기 쉬운 자산과 계약이 금융조합을 넓히고, 일반 교육처럼 회수하기 어려운 지출은 내부예산에 남는 방향은 분명합니다.

유럽투자은행(EIB)의 기업자료 연구도 차입금액 제한이 기업의 무형투자 여부에 강하게 연결되고, 금리·만기·담보조건이 여러 종류의 무형자산에 동시에 투자할 가능성과 투자강도를 낮춘다고 보고했습니다. 이 연구는 최근 AI 프로젝트만을 대상으로 하지 않았습니다. 그러나 데이터, 소프트웨어, 교육과 조직자본을 결합해야 하는 AI 전환이 기존 무형투자의 금융제약을 더 선명하게 드러낸다는 해석에는 유용합니다.

은행이 보수적이라서 생기는 문제라고만 볼 수는 없습니다. 내부 데이터의 품질과 직원교육의 효과는 차주가 대주보다 더 잘 압니다. 프로젝트가 실패해도 교육받은 직원과 일부 운영경험은 기업에 남지만, 대출자는 이를 회수하지 못합니다. 자금 사용처와 성과를 확인하기 어려운 상황에서 담보와 기존 현금흐름을 중시하는 것은 계약구조상 합리적입니다. 문제는 이 합리성이 경제 전체에서는 생산성 투자의 부족으로 이어질 수 있다는 데 있습니다.

내부자금 의존과 기업 규모

내부자금 의존은 기업 규모별 AI 확산속도를 벌립니다. ECB 표본에서 내부자금을 선택한 비중 72%는 은행대출 16%보다 네 배 이상 높았습니다. 기업이 복수의 조달수단을 선택할 수 있었음에도 내부현금이 기본재원이라는 뜻입니다. 대기업은 내부자금뿐 아니라 은행대출과 리스도 중소기업보다 더 많이 활용했습니다. 현금이 많은 기업이 외부금융 접근성도 함께 높다는 점이 중요합니다.

내부자금은 담보심사와 용도제한이 적고 실패한 실험을 외부에 일일이 설명하지 않아도 됩니다. 데이터 정비, 직원교육과 업무 재설계처럼 성과가 불확실하고 여러 번 수정해야 하는 투자에 잘 맞습니다. 동시에 다른 투자와 배당, 운전자금에 쓸 수 있었던 현금을 묶는다는 기회비용이 있습니다. 현금흐름이 안정적인 기업은 시행착오를 견딜 수 있지만 마진이 얇은 기업은 같은 프로젝트를 짧은 회수기간으로 심사할 수밖에 없습니다.

규모에 따른 차이는 단순히 투자액에서 끝나지 않습니다. 자금력이 충분한 기업은 데이터 정비, 시스템 통합, 현장교육과 통제설계를 동시에 발주합니다. 첫 업무에서 만든 데이터 표준과 교육자료를 다음 업무에 재사용하고, 실패한 실험의 원인을 학습자산으로 남깁니다. 자금력이 부족한 기업은 월 구독료가 낮은 도구부터 시험하고, 연결·교육·변화관리 비용은 다음 예산으로 미룹니다. 직원은 수작업을 병행하고 효과가 작다는 판단 아래 프로젝트가 중단됩니다.

이 과정에서는 도구 가격이 내려갈수록 격차가 자동으로 줄지 않습니다. 라이선스가 싸지면 진입은 쉬워지지만 기업 고유의 보완투자가 전체 비용에서 차지하는 비중은 오히려 커질 수 있습니다. 대기업은 낮아진 도구비를 더 많은 업무와 사용자에게 확장하는 반면, 소기업은 보완자산의 고정비 때문에 일부 기능에 머뭅니다. 기술의 평균 가격과 기업의 총 전환비용이 다른 방향으로 움직입니다.

그렇다고 작은 기업이 항상 불리한 것은 아닙니다. 업무가 단순하고 데이터가 한 시스템에 모여 있으며 의사결정권자가 가까운 기업은 조정비가 낮습니다. 범용 SaaS가 통합, 보안, 교육과 템플릿을 묶어 제공하면 자체 보완투자의 필요도 줄어듭니다. 규모 자체보다 내부현금, 업무 복잡도, 데이터의 분산 정도와 공급자가 대신 부담하는 전환비용을 함께 봐야 합니다.

외부금융 수단의 역할

외부금융은 무형투자의 일부만 선택적으로 해결합니다. 은행대출, 리스, 보조금과 지분자본은 같은 자금이 아닙니다. 각각 상환원천, 손실분담, 통제권과 지원 가능한 지출이 다릅니다. 하나의 제도로 AI 전환비용 전체를 메우려 하면 자금의 성격과 투자위험이 어긋납니다.

은행대출은 기존 현금흐름이 있고 투자성과를 단계별로 확인할 수 있는 기업에 적합합니다. 장비, 데이터 인프라와 장기계약처럼 사용처를 확인하기 쉬운 항목은 담보·보증과 결합할 수 있습니다. 반면 신규 업무의 조직개편, 일반교육과 초기 탐색에는 상환일정이 너무 빠를 수 있습니다. 대출은 성공 가능성을 키우는 자금이라기보다 이미 어느 정도 증명된 실행계획을 확장하는 자금에 가깝습니다.

리스는 서버와 장비의 초기 현금부담을 낮추지만 직원교육이나 업무 재설계에는 쓸 수 없습니다. 클라우드는 대규모 장비를 사용량 비용으로 바꾸지만 데이터 이전, 연결과 통제설계의 비용까지 없애지는 않습니다. 유형자산 금융이 쉬워져도 무형 보완자산의 병목이 남을 수 있습니다.

보조금은 기업이 혼자 회수하기 어려운 편익을 지원할 때 가치가 있습니다. 공통 데이터 표준, 중소기업의 기초 교육, 보안·규제 대응과 실증기반 구축은 한 기업의 이익을 넘어 산업 전체의 확산비용을 낮출 수 있습니다. 그러나 범용 라이선스 구매를 일률적으로 지원하면 공급자의 매출은 늘어도 기업 내부의 업무변화가 남지 않을 수 있습니다. 지원대상은 기술 구입보다 추가성이 확인되는 데이터·숙련·조직변화에 가까워야 합니다.

지분자본은 담보가 없어도 높은 상승 가능성을 보고 투자할 수 있고, 상환일정이 없어 실험기간을 견딜 수 있습니다. 대신 기존 주주의 지분이 희석되고 투자자는 성장성과 회수경로를 요구합니다. 기술기업이나 확장성이 큰 사업모델에는 맞지만, 일반 제조·서비스기업의 내부 교육과 프로세스 개선까지 벤처자금으로 조달하기는 어렵습니다. 자본시장이 은행의 담보 한계를 보완할 수 있어도 모든 기업의 전환비용을 담당하지는 못합니다.

따라서 금융수단은 투자대상에 맞춰 나눠야 합니다. 처분 가능한 장비에는 대출·리스, 검증된 시스템 확장에는 현금흐름 기반 대출, 공통 인프라와 초기 학습에는 조건부 보조금, 불확실하지만 확장성이 큰 사업에는 지분자본이 맞습니다. 교육과 조직변화처럼 회수 불가능한 비용은 자체부담을 완전히 없애기보다 공동부담과 성과확인 장치를 설계하는 편이 현실적입니다.

정책지원과 손실선별

정책지원은 담보 공백을 줄이지만 손실선별 기능을 약화시킬 수 있습니다. 정부보증은 유형담보가 부족한 기업의 대출손실 일부를 공공부문이 부담해 금융기관의 대출여력을 넓힙니다. OECD의 중소기업 담보대출 연구는 신용보증이 담보가 부족한 기업의 접근성을 높이는 일반적 정책수단이라고 설명합니다.

보증비율이 지나치게 높고 성과확인이 약하면 문제가 달라집니다. 은행은 부실 때 부담할 손실이 작아져 차주의 실행역량을 덜 살필 수 있고, 기업은 어차피 계획했던 지출을 지원대상으로 바꿀 수 있습니다. 손실을 사회화하고 상승분은 기업에 남기는 구조에서는 추가성 없는 프로젝트와 공급자 가격인상이 섞일 수 있습니다. 이는 지원을 하지 말아야 한다는 뜻이 아니라 위험분담과 선별기능을 동시에 남겨야 한다는 뜻입니다.

실행단위는 라이선스 수가 아니라 업무변화여야 합니다. 보증과 보조금의 지급단계를 데이터 연결 완료, 실제 사용자 교육, 핵심업무 처리량, 사람 개입률, 오류·재작업과 같은 확인 가능한 결과에 묶을 수 있습니다. 금융기관과 기업이 일정 비율의 손실을 함께 부담하고, 지원상한과 종료시점을 두며, 기존 지출을 대체하지 않았는지 확인해야 합니다. 프로젝트의 성공을 단정하기보다 다음 단계 자금을 집행할 최소증거를 요구하는 방식입니다.

지식재산 담보도 범위를 구분해야 합니다. 특허·상표·저작권처럼 권리와 현금흐름이 분리되는 자산은 평가와 담보등록을 개선할 여지가 있습니다. 그러나 직원의 판단력, 부서 간 협업규칙과 기업 고유 데이터의 맥락은 지식재산권으로 전환하기 어렵습니다. 일부 무형자산의 담보시장을 키운다고 해서 AI 보완투자 전체의 금융문제가 해결되는 것은 아닙니다.

정책의 목표는 AI 투자액을 최대로 만드는 일이 아닙니다. 외부금융이 없어서 사회적으로 유익한 전환이 중단되는 경우를 줄이되, 회수 가능성이 없는 사업을 무차별적으로 연장하지 않는 것입니다. 기업의 자체부담, 금융기관의 위험보유, 단계별 운영성과와 사후평가가 함께 있어야 담보 공백을 줄이면서도 선별기능을 지킬 수 있습니다.

AI 금융병목의 4가지 기준

AI 확산의 선행지표는 모델가격보다 전환자금의 조달구조입니다. 투자자와 경영진은 AI 예산의 총액보다 비용의 구성, 자금의 출처와 성과확인 방식을 봐야 합니다. 다음 네 가지 기준은 기술 접근성과 전환역량의 금융가능성을 분리하는 데 유용합니다.

첫째, 도구비와 전환비용의 비율입니다. 라이선스·컴퓨팅·장비뿐 아니라 데이터 정비, 시스템 연동, 직원과 관리자 교육, 검수, 오류복구와 변화관리 시간을 함께 잡아야 합니다. 도구비만 승인되고 전환비용이 부서 인건비에 숨으면 총비용은 낮게 보이고 실행은 중간에 멈춥니다. 프로젝트별로 흩어진 내부인력 시간을 금액과 일정으로 환산할 필요가 있습니다.

둘째, 내부자금으로 감당할 수 있는 실험기간입니다. AI 전환은 도입 직후 현금수익을 내지 않을 수 있습니다. 업무 기준을 바꾸고 오류자료를 쌓는 동안 비용이 먼저 발생합니다. 기업의 영업현금흐름, 운전자금 부담과 다른 설비투자를 고려했을 때 몇 차례의 수정주기를 견딜 수 있는지 봐야 합니다. 자금여력이 한 번의 파일럿에 그치면 실패의 원인을 고치기 전에 프로젝트가 종료될 수 있습니다.

셋째, 투자항목과 금융수단의 일치입니다. 처분 가능한 장비를 장기대출이나 리스로 조달하는 것과 일반 직원교육을 단기차입으로 조달하는 것은 위험구조가 다릅니다. 대출만기, 거치기간, 보증조건과 성과가 나타나는 시점을 맞춰야 합니다. 상환이 생산성 개선보다 먼저 시작되면 현장은 장기적인 업무변화보다 빠르게 보이는 사용량과 도입건수를 선택합니다.

넷째, 자금집행을 결정할 운영증거입니다. 접속자 수보다 핵심업무의 처리물량, 전체 리드타임, 사람 개입률, 오류·재작업, 단위원가와 고객결과를 봐야 합니다. 1단계에서 데이터 연결과 반복사용이 확인되면 2단계 교육·확장 자금을 집행하고, 생산성이 확인되면 장기대출이나 추가 투자로 전환하는 방식입니다. 자금조달과 운영검증을 분리하지 않아야 정보비대칭을 줄일 수 있습니다.

이 네 기준은 기업의 조달능력을 평가하는 데도 쓰입니다. 보완투자 규모가 크고 내부현금이 부족한데, 외부자금은 장비에만 묶여 있고 성과확인 지표도 없다면 도구를 사도 전환이 완결될 가능성은 낮습니다. 반대로 자금규모가 작아도 업무범위가 좁고 데이터가 정리돼 있으며 단계별 성과에 맞춰 자금을 공급한다면 작은 기업도 빠르게 성과를 낼 수 있습니다.

이 판단이 빗나갈 수 있는 경우

이 논리는 무형투자가 항상 외부금융을 받지 못한다는 주장이 아닙니다. 반복매출과 안정적인 현금흐름이 있는 기업은 별도 담보 없이도 상환능력에 기반한 대출을 받을 수 있습니다. 금융기관이 데이터, 소프트웨어와 지식재산을 평가할 역량을 쌓고 정부보증·매출채권·현금흐름 정보를 결합하면 담보의 한계도 줄어듭니다.

공급자가 보완자산을 제품 안에 흡수하는 경우에도 기업의 자체투자는 작아집니다. 산업별 데이터 연결, 업무 템플릿, 교육과 통제를 묶은 서비스가 표준화되면 과거에 고객이 부담하던 무형투자가 공급자의 제품개발비로 이동합니다. 이때는 공급자의 규모경제와 계약가격, 데이터 이동성, 고객 종속을 새로 봐야 합니다. 비용이 사라진 것이 아니라 부담주체와 가격형태가 바뀐 것입니다.

ECB 자료도 실제 집행이나 생산성 성과가 아니라 향후 12개월의 투자계획과 조달의향입니다. 내부자금을 선택한 기업이 실제로 얼마를 집행하는지, 대출과 보조금이 어떤 투자항목에 쓰이는지는 별도 자료가 필요합니다. 72%라는 비중만으로 자금부족의 규모나 인과효과를 추정해서는 안 됩니다. 이 글의 판단은 조달구조가 무형 보완투자의 속도와 구성을 제약할 가능성이 높다는 데 한정됩니다.

그럼에도 관찰해야 할 방향은 분명합니다. 모델 가격이 하락하고 라이선스 보급이 늘어도 데이터·교육·조직변화의 투자비중, 내부자금 의존도와 단계별 외부금융이 개선되지 않으면 생산성 확산은 고르게 나타나기 어렵습니다. 기술이 범용화되는 속도보다 기업이 전환비용을 감당하는 속도가 더 느릴 수 있습니다.

AI 금융병목은 자금의 절대량만을 뜻하지 않습니다. 회수 가능한 자산에 자금이 몰리고, 생산성을 완성하는 무형투자가 내부예산에 남는 구성의 문제입니다. 따라서 AI 확산을 판단할 때는 모델가격과 도입기업 수보다 누가 데이터·교육·조직변화의 비용을 부담하고, 어떤 운영증거를 바탕으로 다음 자금을 공급하는지를 봐야 합니다.

내부현금과 전환역량이 함께 축적되는 기업은 한 번의 생산성 개선을 다음 업무의 투자재원과 학습자산으로 돌릴 수 있습니다. 그렇지 못한 기업은 같은 도구를 사도 보완투자를 완결하지 못하고 성과격차가 누적됩니다. 도입·금융격차가 생산성, 임금과 시장집중을 어떻게 재분배하는지 다음 글에서 확장합니다.