AI 시대 생존법 (투자 소득, 에이전틱 AI, 포트폴리오)

저는 2년 전만 해도 주식 투자를 단순히 '여유 자금으로 하는 부업' 정도로 생각했습니다. 월급만 꾸준히 들어오면 그럭저럭 살 수 있을 거라 믿었죠. 하지만 AI 기술이 실제 업무 현장에 들어오면서 생각이 완전히 바뀌었습니다. 단순 반복 작업의 가치가 눈에 띄게 줄어들었고, 제가 10년간 쌓아온 노하우 중 상당 부분이 자동화 도구로 대체되는 걸 직접 목격했습니다.

특히 충격적이었던 건 개발자 채용 시장의 급격한 변화였습니다. 불과 3년 전까지만 해도 "AI 시대엔 개발자가 더 필요하다"는 말이 정설처럼 여겨졌는데, 지금은 정반대 상황이 펼쳐지고 있습니다. 실리콘밸리에서 시작된 개발자 감원 바람이 국내까지 확산되면서, 저는 노동 소득만으로는 더 이상 안정적인 미래를 보장받기 어렵다는 현실을 받아들여야 했습니다.

 

 

투자 소득으로의 전환

제가 처음 투자 공부를 시작했을 때 가장 혼란스러웠던 부분이 바로 '소득의 지속성' 문제였습니다. 월급 100만 원은 다음 달에도 들어올 게 확실하지만, 주식으로 번 100만 원은 다음 달 보장이 없다는 근본적인 차이가 있습니다.

여기서 ROI(투자자본수익률)란 투자한 자본 대비 얼마나 수익을 냈는지를 나타내는 지표입니다. 쉽게 말해 1,000만 원 투자해서 100만 원 벌었다면 ROI는 10%인 셈이죠. 그런데 AI 시대에는 이 ROI 개념이 더욱 중요해집니다. 노동으로 벌 수 있는 소득의 상한선은 정해져 있지만, 투자 소득은 자본의 크기와 안목에 따라 무한대로 확장될 수 있기 때문입니다.

실제로 2024년 기준 국내 자영업자 수는 약 550만 명에 달하지만, 이 중 상당수가 AI 자동화의 영향권 안에 들어가고 있습니다(출처: 통계청). 특히 화이트칼라 직종의 경우 에이전틱 AI 도입으로 향후 5년 내 업무의 50% 이상이 자동화될 것으로 전망되고 있습니다. 저 역시 업무 현장에서 이런 변화를 체감하면서, 투자 소득의 비중을 단계적으로 늘려가는 전략을 실행 중입니다.

다만 투자 소득에는 큰 함정이 하나 있습니다. 바로 '항상성'의 부재입니다. 이번 달 100만 원 벌었다고 다음 달도 같은 금액이 보장되지 않죠. 그래서 저는 ETF를 활용한 분산 투자로 이 문제를 해결하려 했습니다. 처음엔 5~6개 ETF를 조합해서 포트폴리오를 구성했는데, 6개월간 운용해 보니 생각보다 변동성이 컸습니다. 결국 채권형과 배당주 중심 ETF를 추가해서 현금흐름의 안정성을 높이는 방향으로 조정했습니다.

투자 소득을 노동 소득처럼 안정화시키려면 다음 세 가지가 핵심입니다.

• 분산 투자를 통한 리스크 헤지
• 배당주 중심의 현금흐름 확보
• 장기 보유를 전제로 한 포트폴리오 설계

에이전틱 AI가 바꾸는 일자리 지형도

에이전틱 AI라는 개념이 처음 나왔을 때만 해도 저는 "또 하나의 마케팅 용어겠지"라고 생각했습니다. 하지만 2025년 1월 오픈클로(OpenClaw)가 등장하면서 생각이 완전히 바뀌었습니다. 여기서 에이전틱 AI란 단순히 질문에 답하는 수준을 넘어, 사용자를 대신해 웹사이트를 탐색하고 양식을 작성하며 실제 작업을 수행하는 AI를 말합니다.

제가 직접 테스트해본 바로는, 에이전틱 AI는 "유럽행 비행기 알아봐"라는 명령에 단순히 정보만 보여주는 게 아니라 여행사 사이트에 접속해서 예약까지 완료할 수 있습니다. 이게 현실화되면 여행사, 부동산 중개, 보험 설계 같은 '에이전트' 역할의 직업군이 통째로 위협받게 됩니다.

특히 충격적이었던 건 법률 분야의 변화였습니다. 2025년 2월 엔트로픽의 클로드(Claude)에 법률 지식 플러그인이 추가된 직후, 글로벌 법률 소프트웨어 기업들의 주가가 하루 만에 30% 폭락했습니다. 시장은 이미 AI가 법률 서비스 시장을 잠식할 것이라 판단한 겁니다. 실제로 한국에서도 일부 로펌이 계약서 검토 업무에 AI를 도입하면서 주니어 변호사 채용을 줄이고 있다는 소식을 들었습니다.

저는 이 흐름이 무섭기도 하지만, 동시에 기회라고도 봅니다. AI가 대체하는 건 '반복적이고 패턴화 된 업무'이지, '판단과 안목'은 아니기 때문입니다. 예를 들어 AI가 고양이 그림 1,000개를 그릴 수 있어도, 그중 가장 매력적인 것을 고르는 건 결국 사람의 몫입니다. 이런 '큐레이션 능력'이 앞으로 핵심 경쟁력이 될 거라 확신합니다.

국내 취업 시장 동향을 보면, 2024년 하반기부터 IT 개발자 신규 채용이 전년 대비 약 40% 감소했다는 보고가 있습니다(출처: 고용노동부). 단순 코딩 업무는 AI가 충분히 대체 가능하다는 인식이 확산된 결과입니다. 저 역시 사내에서 루틴한 코드 작업을 AI에 맡기면서 업무 시간이 30% 이상 단축되는 걸 경험했습니다.

포트폴리오 투자 전략

솔직히 처음 HBM(High Bandwidth Memory)이라는 용어를 들었을 땐 "또 하나의 반도체 용어겠지"라고 대수롭지 않게 넘겼습니다. 하지만 AI 학습과 추론 과정을 공부하면서, HBM이 GPU 성능을 좌우하는 핵심 부품이라는 걸 알게 됐습니다. 여기서 HBM이란 GPU와 메모리 사이의 데이터 전송 속도를 극대화한 초고속 메모리를 의미하며, AI 연산 속도에 직접적인 영향을 줍니다.

제가 주목한 건 '학습용 AI'와 '추론용 AI'의 차이였습니다. 지금까지는 AI 모델을 학습시키는 데 막대한 GPU가 필요했습니다. 그래서 엔비디아 같은 GPU 제조사 주가가 폭등했죠. 하지만 앞으로는 '추론' 단계, 즉 학습이 끝난 AI를 실제로 사용하는 과정에서 훨씬 더 많은 연산량이 필요합니다. 에이전틱 AI가 24시간 돌아가면서 엄청난 양의 토큰(Token)을 소비하기 때문입니다.

토큰이란 AI가 텍스트를 처리할 때 사용하는 최소 단위로, 대략 단어 하나가 1~2 토큰 정도입니다. 예를 들어 간단한 대화는 몇백 토큰이면 충분하지만, 이미지 생성은 수만 토큰, 영상 생성은 수십만 토큰이 필요합니다. 에이전틱 AI는 하루에도 수백만 토큰을 소비할 수 있어서, 추론용 데이터 센터 수요가 폭발적으로 늘어날 수밖에 없습니다.

여기서 핵심은 추론용 반도체는 학습용과 다르다는 점입니다. GPU는 학습에 최적화돼 있지만, 추론에는 NPU(Neural Processing Unit)나 LPU(Language Processing Unit) 같은 경량화된 칩이 더 효율적입니다. 그리고 이런 추론용 칩에는 HBM이 아닌 HBE(High Bandwidth EEPROM) 같은 새로운 메모리가 필요합니다.

제가 투자 전략을 짤 때 가장 주의한 건 '타이밍'이었습니다. 전문가들은 2025년 6월쯤 HBE 샘플이 나올 것으로 예상하고 있습니다. 저는 이 시점을 주시하면서, HBE 개발에 앞선 기업의 움직임을 계속 모니터링하고 있습니다. 다만 이건 어디까지나 제 개인적인 판단이고, 실제 투자는 본인의 리스크 감수 능력에 맞춰 신중하게 결정하셔야 합니다.

추론용 인프라 투자에서 고려할 핵심 요소는 다음과 같습니다.

1. HBE 같은 차세대 메모리 기술 개발 기업
2. 추론용 데이터 센터 구축 관련 기업
3. 전력 효율성을 높이는 냉각 시스템 기업

저는 현재 포트폴리오의 약 20%를 반도체 관련 ETF에 배분하고 있습니다. 개별 종목보다는 ETF를 선택한 이유는 기술 변화 속도가 너무 빨라서 특정 기업에 올인하기엔 리스크가 크다고 판단했기 때문입니다. 실제로 6개월 전만 해도 HBM이 대세였는데, 지금은 HBE로 화두가 옮겨가고 있습니다. 이런 급변하는 시장에서는 분산 투자가 최선의 방어책이라고 생각합니다.

AI 시대는 두려움의 대상이 아니라 나의 강점을 확장할 기회라는 걸 최근 1년간 절실히 느꼈습니다. 노동 소득만 믿고 살기엔 너무 불안정한 시대가 왔지만, 동시에 투자 소득과 개인 브랜드를 키울 수 있는 도구는 그 어느 때보다 풍부합니다. 저는 앞으로도 AI를 활용해 제 업무 효율을 높이는 동시에, 투자 포트폴리오를 지속적으로 다듬어가며 장기적인 현금흐름을 만들어갈 계획입니다. 변화에 능동적으로 대응하는 사람만이 이 시대를 살아남을 수 있다고 믿습니다.

---

참고: https://www.youtube.com/watch?v=512LLypVJfQ&t=33s