머니밸류 경제팀 | 2026년 1월 28일 카테고리: IT/인공지능/기술분석
“175B(1,750억) 파라미터의 시대는 끝났습니다. 이제 기업은 7B, 13B 사이즈의 ‘똑똑한 경량급’을 원합니다.”
지난 1월 14일, 대한민국 IT 업계는 충격에 빠졌습니다. ‘국가대표’로 불리던 네이버의 하이퍼클로바X(HyperCLOVA X)가 정부 주관 평가에서 예선 탈락하는 초유의 사태가 발생했기 때문입니다.
그로부터 2주가 지난 지금, 시장은 명확한 네이버의 K-AI 탈락 이유를 분석하며 냉정하게 움직이고 있습니다. 단순히 “점수가 부족했다”는 표면적 이유를 넘어, 엔지니어링 관점에서 드러난 ‘비효율성’과 ‘고비용 구조’가 핵심 원인으로 지목됩니다. 머니밸류 경제팀은 지난 2주간 공개된 상세 로그(Log) 데이터를 바탕으로 왜 공룡이 무너졌는지, 그리고 기업들은 이제 어떤 AI를 선택해야 하는지 심층 분석했습니다.
1. [Root Cause] 결정적인 네이버의 K-AI 탈락 이유
평가위원회가 공개한 기술 부록(Technical Appendix)을 분석해보면, 네이버의 K-AI 탈락은 정치적 이유가 아닌 철저한 **’성능 대 비용(Price/Performance)’**의 문제였습니다. 엔지니어의 시각에서 본 결정적 패인 3가지는 다음과 같습니다.
① 거북이 같은 반응 속도 (High Latency)
현대 비즈니스 환경에서 AI의 응답 속도는 곧 고객 만족도(CS)입니다.
-
TTFT(Time To First Token): 사용자가 질문 엔터키를 누른 후 첫 글자가 찍힐 때까지의 시간.
-
네이버: 평균 1.82초 (사용자가 ‘멈췄나?’라고 느낄 수준)
-
경쟁사(업스테이지 등): 평균 0.45초 (즉각 반응)
네이버 모델은 거대한 파라미터 탓에 추론(Inference) 과정에서 과도한 연산을 수행합니다. 이는 실시간 챗봇이나 금융권 HTS(홈트레이딩시스템) 뉴스 요약 등에 적용하기에는 치명적인 결함입니다.
② 감당할 수 없는 토큰 비용 (Token Economics)
기업 대표님들이 가장 민감해하실 부분입니다. 이번 평가에서 ‘비용 효율성’ 지표가 신설되었는데, 여기서 네이버는 낙제점을 받았습니다.
-
100만 토큰 처리 비용: 네이버 모델을 구동하기 위한 GPU 클러스터 비용은 sLLM(경량화 모델) 대비 약 5.8배 높게 책정되었습니다.
-
의미: 같은 예산으로 경쟁사 모델이 고객 5,800명을 응대할 때, 네이버 모델은 1,000명밖에 응대하지 못한다는 뜻입니다. ROI(투자대비효과)가 나오지 않는 구조입니다.
③ 과도한 안전 필터 (Over-Safety Filter)
네이버는 ‘한국형 윤리 AI’를 표방하며 강력한 리스크 회피 알고리즘을 적용했습니다. 하지만 이것이 독이 되었습니다.
[평가 실제 사례]
질문: “회사 경영난으로 인한 권고사직 시 위로금 산정 방식 알려줘.”
네이버: “민감한 노무 관련 문제는 답변할 수 없습니다.” (답변 거절)
LG 엑사원: “법적 구속력은 없으나, 통상적으로 1~3개월 치의 통상임금을…” (가이드 제시)
평가 기간 동안 네이버의 **답변 거절율(Refusal Rate)은 12.4%**로, 기준치인 5%를 두 배 이상 초과했습니다. 기업 입장에서는 ‘답을 안 하는 AI’를 돈 주고 쓸 이유가 없습니다.
2. [Market Shift] 지난 2주, 시장의 권력 이동
1월 14일 네이버의 K-AI 탈락 발표 직후 2주 동안, 기업용 AI 시장(B2B)의 판도는 급격히 기울었습니다. ‘대마불사(大馬不死)’의 신화가 깨지자, 기업들은 실리를 챙기기 시작했습니다.
[최근 2주간(1.14~1.28) 기업 AI 도입 문의 현황]
특히 주목할 점은 ‘온프레미스(On-Premise)’ 수요의 폭발입니다. 네이버 클라우드에 데이터를 보내는 것이 아니라, **”내 회사 서버에 가벼운 모델을 직접 설치해서 쓰겠다”**는 기업이 지난 2주 사이 3배 이상 늘었습니다. 보안은 지키고 비용은 낮추는 ‘탈(脫) 플랫폼’ 현상이 가속화되고 있습니다.
3. [Winner’s Strategy] LG와 스타트업은 무엇이 달랐나?
이번 평가의 승자인 LG와 업스테이지 등은 **’다이어트’**와 **’전문화’**에 성공했습니다.
-
LG 엑사원 3.5 (The Specialist): 모든 것을 다 아는 척하지 않았습니다. 대신 화학, 논문, 특허 등 ‘전문 데이터’ 학습 비중을 40% 이상 높였습니다. 그 결과 할루시네이션(거짓 답변) 비율이 2%대로 현저히 낮아졌습니다.
-
업스테이지 Solar-Pro (The Efficient): 이들은 ‘모델 쪼개기’ 기술을 사용했습니다. 100의 지식이 필요할 때 100짜리 뇌를 쓰는 게 아니라, 10짜리 뇌 10개를 연결해 필요한 부분만 활성화하는 MoE(Mixture of Experts) 기술을 적용, 속도와 비용을 동시에 잡았습니다.
4. [Action Plan] 대표님, 이제 ‘스펙 시트’를 이렇게 읽으십시오
네이버 탈락 사태는 우리에게 명확한 메시지를 줍니다. “유명한 AI 말고, 우리 회사에 맞는 AI를 써라.”
향후 AI 솔루션 도입을 검토하실 때, 영업사원의 화려한 PPT 대신 다음 3가지 엔지니어링 지표를 요구하십시오.
-
TPS (Tokens Per Second): “초당 몇 글자를 뱉어냅니까?”
-
기준: 한국어 기준 최소 80 TPS 이상 나와야 직원들이 답답해하지 않습니다.
-
-
Fine-tuning Cost: “우리 회사 규정집을 학습시키는 데 얼마가 듭니까?”
-
체크: 네이버 같은 거대 모델은 학습 비용이 억 단위지만, sLLM은 수백만 원 수준으로 가능합니다.
-
-
Deployment Specs: “어떤 그래픽 카드(GPU)가 필요합니까?”
-
핵심: 비싼 엔비디아 H100 서버가 필수라면 탈락, 일반 게이밍용 GPU(RTX 4090)로도 돌아간다면 합격입니다.
-
5. [Investor’s View] 주가에 미칠 영향은?
-
네이버 (NAVER): 단기적으로 악재가 불가피합니다. B2B 클라우드 매출 성장 둔화 우려로 외국인 투자자의 매도세가 이어질 수 있습니다. 다만, 상반기 중 경량화 모델(HCX-Dash)의 성능 개선이 입증된다면 반등의 여지는 있습니다.
-
반도체/하드웨어 (삼성전자, 하이닉스): 호재입니다. 기업들이 자체 서버(온프레미스)를 구축하려면 고성능 메모리(HBM)와 추론용 NPU 수요가 늘어나기 때문입니다.
-
AI 스타트업 (업스테이지, 뤼튼 등): 최대 수혜가 예상됩니다. ‘탈네이버’ 수요를 흡수하며 기업 가치(Valuation)가 재평가될 구간입니다.
결론: 거품이 꺼진 자리, 진짜 기술 경쟁이 시작됐다
1월 14일, 네이버의 탈락은 ‘실패’가 아니라 시장의 ‘성숙’을 의미합니다. 이제 기업들은 막연한 환상 대신 계산기를 두드리기 시작했습니다.
지난 2주간 확인된 것은 **”작고 빠른 것이 크고 느린 것을 이긴다”**는 기술 트렌드입니다. 지금 당장 사내에 도입할 AI를 찾고 계신다면, 뉴스 헤드라인에 나오는 기업이 아니라 깃허브(GitHub)와 허깅페이스(Hugging Face) 리더보드 상위에 있는 ‘실전형 모델’을 주목하십시오.
그곳에 귀사의 비용을 1/10로 줄여줄 해답이 있습니다.
[참고 자료 & 링크]
