AI를 팔지 않고 AI로 버는 회사들: A알 영상으로 본 다섯 가지 AI 수익화 모델 | DAKER 커뮤니티

AI로 돈을 버는 회사라고 하면 보통 챗봇을 만드는 회사, AI 반도체 회사, AI 앱을 파는 회사를 먼저 떠올립니다. 유튜브 채널 A알이 2026년 10월 13일에 올린 알면 놀라운 세계의 AI 수익화 모델들 | 국내 도입이 시급하다는 이 통념을 뒤집는 약 10분짜리 리포트입니다. 영상의 결론은 짧습니다. 지금 AI 시대에 조 단위 돈을 쓸어 담는 곳들 가운데 정작 AI를 파는 회사는 한 곳도 없다는 것입니다. 이 글에서는 영상이 소개한 사례를 다섯 갈래로 묶어 정리하고, AI 대회에 참여하는 개발자와 데이터 사이언티스트가 무엇을 가져가면 좋을지 덧붙입니다.

어두운 남색 바탕에 데이터 흐름을 표현한 추상 그래픽과 왼쪽 위 DAKER 공식 로고

먼저 짚어 둘 점이 있습니다. 영상에 나오는 매출, 기업 가치, 계약 금액은 모두 영상 내레이션에서 인용한 수치이며, 원화 환산도 영상 기준입니다. 이 글은 각 수치를 별도로 검증하지 않았으므로, 투자나 사업 판단에 쓰려면 각 회사의 공식 발표와 보도를 직접 확인하시길 권합니다.

한 줄 요약: AI가 스스로 만들 수 없는 것을 가진 쪽이 번다

영상이 소개한 회사들은 사람, 전기와 땅, 데이터, 사람이 만들었다는 증명, 그리고 아무도 하기 싫어하는 서류 작업을 팝니다. 공통점은 모두 AI가 스스로 만들어 낼 수 없는 것이라는 점입니다. 반대로 AI가 만들 수 있는 것을 팔려고 한 쪽은 전 세계 모든 사람과 경쟁하게 됐다는 것이 영상의 진단입니다.

첫째 갈래: 전문가의 지식을 파는 회사

영상이 가장 먼저 꺼내는 사례는 머코어(Mercor)입니다. 창업자 세 명이 모두 스물두 살일 때 기업 가치 약 14조 원을 인정받았다고 소개합니다. 이 회사가 파는 것은 소프트웨어가 아니라 사람입니다. 박사, 변호사, 의사, 투자은행 출신, 과학자 등 약 5만 명의 전문가를 모아 AI 기업이 학습에 쓸 자료를 만들게 하고, 고객은 OpenAI와 Anthropic이라고 합니다.

이런 시장이 생긴 이유도 설명합니다. AI 기업은 골드만삭스나 맥킨지의 내부 지식을 살 수 없습니다. 회사가 팔지 않기 때문입니다. 그래서 회사를 건너뛰고 그 지식을 가진 사람에게서 직접 삽니다. 영상은 투자은행 출신들이 자신을 대체할 AI를 훈련시키며 돈을 받는 구조라고 표현합니다.

같은 업종의 서지 AI(Surge AI)도 등장합니다. 영상에 따르면 2024년 매출이 약 1조 7천억 원인데 직원은 약 250명이고, 외부 투자를 받지 않은 채 창업자의 저축으로 시작했습니다. 경쟁사는 직원을 네 배 쓰고도 매출이 더 적었다고 덧붙입니다.

둘째 갈래: 전기와 땅, 그리고 컴퓨팅 시간을 파는 회사

두 번째는 인프라 쪽입니다. 비트코인 채굴 회사였던 테라울프(TeraWulf)는 채굴장의 전력과 건물을 AI 기업에 임대하기 시작했고, 영상은 2026년 7월 Anthropic과 20년, 약 26조 원 규모의 계약을 맺었다고 전합니다. 그 전 해에는 다른 임대 계약에서 구글이 세입자의 임대료를 보증하는 대신 채굴 회사 지분 일부를 가져가는 구조도 있었다고 소개합니다. 영상이 강조하는 대목은 이 긴 사슬에서 마진이 가장 높은 사업이 결국 부동산이었다는 점입니다.

한 단계 더 나아간 사례가 오른(Ornn)입니다. 20대 창업자 두 명이 GPU 사용 시간에 가격을 매기고 선물 거래를 붙이는 컴퓨팅 거래소를 만들었습니다. 원유 거래소와 같은 구조이며, 대형 상품거래소가 이 가격 지수를 바탕으로 GPU 선물 상품을 준비하고 있고 블룸버그 터미널에도 지수가 올라가 있다고 영상은 설명합니다.

돈은 건설 현장으로도 흐릅니다. 데이터센터를 지으려면 누군가 땅을 파고 철골을 올리고 전선을 깔아야 합니다. 영상은 데이터센터 현장 노동자의 평균 연봉이 일반 건설 현장보다 약 32퍼센트 높고, 데이터센터 건설비의 절반 가까이가 전기 공사라고 전합니다.

셋째 갈래: 잠자던 데이터를 파는 회사

2000년대 사진 공유 사이트 포토버킷(Photobucket)은 전성기에 약 7천만 명이 썼지만 지금은 직원 40명 남짓의 작은 회사입니다. 그런데 이 회사가 가진 사진과 영상 약 130억 장이 AI 학습 데이터로 다시 값을 얻었습니다. 영상에 따르면 협상 단가는 사진 한 장당 5센트에서 1달러 수준이었고, 한 구매 희망자는 포토버킷이 가진 양보다 많은 영상 10억 개를 원했다고 합니다.

트로베오(Troveo)는 영상 제작자가 쓰지 않고 버려 둔 원본 영상을 모아 AI 기업에 판매합니다. 제작자에게 지급한 금액이 약 280억 원이라고 하며, 최근에는 사람이 일하는 모습을 1인칭 시점으로 찍은 영상을 새로 사들이고 있다고 소개합니다. 로봇과 에이전트 학습 수요가 실제 작업 장면 데이터로 옮겨 가고 있다는 신호로 읽을 수 있습니다.

영상은 Anthropic과 작가들의 저작권 합의도 다룹니다. 2026년 7월 약 2조 1천억 원 규모의 합의가 최종 승인됐고, 작품 한 건당 약 420만 원, 대상은 약 50만 건이라고 전합니다. 영상이 짚는 법원 판단의 요지는 AI 학습 자체는 합법으로 보되, 불법 사이트에서 책을 내려받은 행위가 문제가 됐다는 것입니다. 즉 이 돈은 학습에 대한 대가가 아니라 다운로드에 대한 배상이라는 해석입니다.

넷째 갈래: 사람이 만들었다는 사실을 파는 시장

반대 방향의 시장도 생겼습니다. 미국 작가조합(Authors Guild)이 만든 휴먼 오서드(Human Authored) 인증입니다. 책 한 권 단위로 받는 인증으로, 맞춤법 검사 정도는 허용하지만 본문에 AI가 쓴 문장이 들어가면 받을 수 없고 신원 확인도 거쳐야 합니다. 영상에 따르면 2026년 3월부터 미국의 모든 작가에게 개방됐고, 책 한 권 인증 비용은 10달러입니다. AI가 콘텐츠를 무한히 만들어 낼수록 사람이 만들었다는 증명이 희소한 상품이 된다는 이야기입니다.

다섯째 갈래: 아무도 하기 싫어하는 일을 AI로 대신하는 회사

마지막 갈래는 업종만 들으면 의외인 회사들입니다. 이븐업(EvenUp)은 교통사고 같은 상해 사건의 합의 요구서를 대신 써 줍니다. 변호사 업무 중에서도 가장 눈에 띄지 않는 서류 작업입니다. 영상은 이 회사가 유명 창업 지원 프로그램에서 여러 번 떨어졌지만 지금은 기업 가치가 약 2조 8천억 원이고, 미국 로펌 약 2천 곳이 쓴다고 전합니다.

해피로봇(HappyRobot)은 화물 중개업체로 걸려 오는 전화를 음성 AI가 받아 운송 건을 처리합니다. 대표의 말을 빌리면 미국 상위 10대 화물 중개사 가운데 8곳이 이 서비스를 쓰고, 직원은 70명이 안 된다고 합니다.

크리트(Crete)는 구조 자체가 다릅니다. 회계사에게 AI 소프트웨어를 파는 대신 회계법인을 통째로 인수합니다. 영상에 따르면 미국 회계법인 20곳 이상을 사들여 연 매출 약 4천 2백억 원 규모가 됐고, 인수 뒤 투자사가 OpenAI와 함께 만든 전용 도구를 깔아 마진을 높입니다. 구독료를 받는 대신 회사를 사서 효율을 직접 가져가는 모델입니다.

정리표: 다섯 가지 수익화 모델

갈래파는 것영상 속 사례
전문가 네트워크사람의 전문 지식머코어, 서지 AI
인프라전기, 부지, GPU 시간테라울프, 오른, 데이터센터 건설
데이터사진, 영상, 저작물포토버킷, 트로베오, 작가 합의
인간 증명사람이 만들었다는 인증휴먼 오서드 인증
지루한 업무 대행서류, 전화, 회계 처리이븐업, 해피로봇, 크리트

자주 묻는 질문

AI를 직접 만들지 않는 회사가 왜 더 많이 버나요?
영상의 답은 희소성입니다. 모델과 앱은 누구나 따라 만들 수 있어 경쟁이 전 세계로 넓어지지만, 전문가, 전력, 부지, 독점 데이터, 인간 저작 증명은 AI가 대신 만들어 낼 수 없어 값이 유지됩니다.

영상 제목의 국내 도입은 무엇을 뜻하나요?
영상 본문은 해외 사례 소개에 집중합니다. 다만 한국에도 전문가 지식, 산업 현장 데이터, 데이터센터 전력과 부지 같은 같은 자원이 있으므로, 이를 AI 기업이 쓸 수 있는 형태로 묶는 사업이 기회가 될 수 있다는 문제의식으로 읽을 수 있습니다.

수치는 믿을 만한가요?
이 글의 금액과 비율은 모두 영상 내레이션에서 가져왔습니다. 정확한 근거는 각 회사의 발표와 언론 보도로 다시 확인하는 것이 좋습니다.

AI 대회 참가자가 가져갈 포인트

출처