2026년 2월 23일, 평온해야 할 월요일이 IBM 주가에 있어 2000년 10월 이후 최악의 하루 폭락으로 변했습니다. 주가는 13.2% 하락하며 단 몇 시간 만에 시총 약 400억 달러가 증발했습니다. 원인은 참담한 실적 발표나 규제 강화가 아니라 제품 발표였습니다. AI 스타트업 앤스로픽(Anthropic)이 자사의 클로드 코드(Claude Code) 도구가 IBM 시스템에서 실행되는 COBOL 프로그래밍 언어를 현대화할 수 있다고 발표한 것입니다. COBOL은 IBM의 핵심 경쟁력인 "해자"업무 하고 있습니다. 3일 후, 정반대의 상황이 벌어졌습니다. 2월 26일, 잭 도르시가 이끄는 핀테크 기업 블록(Block)은 AI 기반 효율성 개선을 이유로 약 4,000명, 즉 전체 직원의 거의 50%를 감원한다고 발표했습니다. 하지만 시장 반응은 극명하게 달랐습니다. 블록의 주가는 시간외 거래에서 24% 이상 급등했습니다. 잭 도시는 주주들에게 보낸 서한에서 "대부분의 기업들이 내년 안에 같은 결론에 도달하고 유사한 구조적 조정을 할 것이라고 믿는다"라고 솔직하게 밝혔다. 두 사건 모두 인공지능(AI)이라는 동일한 원동력이었지만, 시장 반응은 극명하게 달랐다. 하나는 급락이었고, 다른 하나는 급등이었다. 도대체 이면에 무슨 일이 벌어진 것일까? 그 해답은 더 심오한 명제를 가리킬 수 있다. 바로 AI가 "가치 있는 자산의 정의"를 재정립하고 있다는 것이다. 상장 기업 임원, 투자자, 그리고 전통적인 기업의 의사 결정권자들에게 있어 이러한 재평가 논리를 이해하는 것은 더 이상 미래를 내다보는 전략적 고려 사항이 아니라, 당장의 생존을 위한 필수 과제가 되었다.
I. 동일한 AI, 서로 다른 시장 판단
이 두 사건의 차이점을 이해하려면 먼저 각 기업의 자산 구조를 살펴보는 것이 중요합니다. IBM의 주가 폭락은 표면적으로는 클로드 코드(Claude Code) 도구가 제기하는 기술적 위협 때문이었지만, 실제로는 시장이 IBM의 핵심 자산 모델을 재평가한 결과였습니다. 1950년대 후반에 탄생한 프로그래밍 언어인 COBOL은 여전히 전 세계 ATM 거래의 약 95%를 처리하고 있으며, 금융, 항공, 정부 등 주요 분야의 대량 핵심 시스템을 구동하고 있습니다. 앤스로픽은 자신의 블로그에서 "수천억 줄의 COBOL 코드가 매일 운영 환경에서 실행되어 핵심 시스템을 구동하고 있습니다. 그럼에도 불구하고 COBOL을 이해하는 사람의 수는 해마다 감소하고 있습니다."라고 지적했습니다. COBOL 시스템을 현대화하는 것은 오랫동안 복잡하고 비용이 많이 드는 작업이었으며, 이는 IBM의 주요 경쟁 업무 였습니다. 그러나 앤스로픽은 "인공지능(AI)의 힘을 활용하면 팀은 수년을 들이지 않고도 단 몇 분기 만에 COBOL 코드베이스를 현대화할 수 있습니다."라고 주장했습니다. 시장에서 받아들여진 이면의 의미는 IBM이 노동집약적인 시스템 유지보수 수익과 메인프레임 서비스 수익에 대한 의존도가 AI 기술로 인해 약화되고 있다는 것이었습니다. 흥미롭게도 IBM의 주가는 다음 날 2.68% 반등했습니다. 웨드부시(Wedbush)와 에버코어 ISI(Evercore ISI) 같은 월스트리트 분석가들은 재빨리 시장의 반등을 지지하며 주가 급락을 "근거 없는 과잉 반응"이라고 평가했습니다. 그들의 분석은 핵심을 정확히 짚었습니다. 기업 고객들이 새로운 AI 도구가 레거시 코드를 번역할 수 있다는 이유만으로 메인프레임 시스템을 즉시 버리지는 않을 것이라는 점입니다. 코드 구문 번역과 하드웨어-소프트웨어 통합을 통한 시스템 현대화 사이에는 엄청난 차이가 있습니다. IBM 역시 같은 날 반박에 나섰습니다. 현대화의 과제는 COBOL 언어 자체가 아니라 IBM Z 플랫폼에 있다는 것입니다. 번역된 코드는 플랫폼의 실제 복잡성을 제대로 반영하지 못하며, 플랫폼의 가치는 수십 년간 축적된 하드웨어-소프트웨어 통합에서 비롯되는데, 이는 코드 번역으로는 결코 전달할 수 없다는 것입니다. 블록(Block) 사태를 예로 들어보겠습니다. 대규모 구조조정과 AI 기반 성장이 맞물린 이 사건에서 시장은 24%의 상승세를 보였습니다. 핵심은 블록의 변화하는 자산 구조에 있습니다. 블록은 2024년부터 사업 모델과 인력 구조를 재편하는 한편, 운영 효율성 향상을 위해 AI 도구에 대대적으로 투자해 왔으며, 자체 개발한 '구스(Goose)'라는 도구도 포함됩니다. 블록의 최고재무책임자(CFO)인 아므리타 아후자는 이번 감원 조치에 대해 "우리는 과감하고 단호한 조치를 취하고 있지만, 이는 우리의 강점에 기반한 것"이라고 강조했습니다. 이러한 "강점"은 데이터로 뒷받침됩니다. 2025년 연간 총이익은 103억 6천만 달러에 달해 전년 대비 17% 증가했습니다. 이러한 견실한 재무 성과는 회사가 지금 시점에서 대규모 구조조정을 추진할 수 있는 완충 장치를 제공합니다. 시장의 해석은 명확합니다. 블록은 AI의 영향으로 수동적으로 규모를 축소하는 것이 아니라, 자산 구조를 적극적으로 최적화하여 "인적 자본"을 줄이는 대신 "기술 자본"의 생산 효율성을 높이고 있다는 것입니다. 연간 실적 전망치를 상향 조정하면서 50%의 감원을 단행한 것은 AI가 인간 생산 단위의 가치를 증폭시키고 있음을 시사합니다.
II. AI 시대에는 네 가지 유형의 자산 가격이 재평가되고 있습니다.
이 두 사례는 AI가 자산 가치를 재평가하는 도구로 활용되고 있다는 새로운 추세를 보여줍니다. AI의 평가 프레임 하에서 자산 유형별로 가치 곡선이 극명하게 다르게 나타납니다. 첫 번째 범주는 인적 자본 집약적 자산 입니다. IBM의 COBOL 유지보수 팀, 전통적인 분석가, 프로그래머와 같은 "정보 처리자"의 가치가 AI에 의해 희석되고 있습니다. Anthropic은 Claude Code를 소개하면서 이 도구가 "인간 분석가가 발견하는 데 몇 달이 걸릴 리스크"을 식별할 수 있다고 언급했습니다. 이는 인간이 더 이상 중요하지 않다는 의미가 아니라, 정보 비대칭성과 절차적 지식에 의존하는 직업의 가치가 기술에 의해 압축되고 있다는 것을 의미합니다. 그러나 AI가 "가치 창출"보다는 "정보 처리"를 대체하는 것에 대해서는 신중해야 합니다. Futurum Group의 분석가인 Mitch Ashley는 연구 보고서에서 성공적인 COBOL 현대화 프로젝트에는 업무 범위 정의, 기술 평가, 데이터 마이그레이션 계획, 행동 동등성 검증, 관찰 가능성, 조직 변화 관리 등 여러 측면이 필요하며, 코드 변환은 그중 한 부분일 뿐이라고 지적했습니다. 복잡한 시스템을 탐색하고, 업무 본질을 이해하며, 전략적 판단을 내리는 인간의 능력은 여전히 부족합니다. 두 번째 범주는 데이터 자산 으로, AI 시대에 가치의 정점에 오르고 있습니다. 생성형 AI의 급속한 발전으로 데이터의 가치 속성이 재정립되고 있습니다. Tang 등이 *PLOS One*에 발표한 연구에 따르면, 생성형 AI는 데이터의 획득, 처리 및 활용 방식을 변화시키고 있습니다. 데이터 자산의 가치는 본질적인 품질과 관련성뿐만 아니라 생성형 AI 프레임 내에서의 적용 시나리오, 변환 가능성 및 시장 수요에 따라 달라집니다. 즉, 데이터의 고유성, 연속성 및 관리 가능성이 핵심 가치 요소가 되고 있습니다. 데이터 세트는 한 시나리오에서는 매우 가치가 높지만 다른 시나리오에서는 쓸모없을 수 있습니다. AI 모델 학습을 위해 독점적이고 지속적이며 고품질의 데이터를 제공할 수 있는 기업은 새로운 가격 결정력을 확보하고 있습니다. 세 번째 범주는 알고리즘 및 모델 자산 입니다. OpenAI가 Paradigm과 협력하여 스마트 계약 취약점을 탐지, 수정 및 악용하는 AI의 능력을 평가하기 위해 출시한 EVMbench는 알고리즘 자체가 정량화 가능한 자산이 되고 있음을 보여줍니다. 모델 가중치, 알고리즘 프레임 및 훈련 방법론은 식별, 제어 및 수익화 가능한 무형 자산이 되고 있습니다. 네 번째 범주는 차별화를 겪고 있는 전통적인 유형 자산 입니다. "정보 비대칭성"과 "인간 중개자"에 의존하는 물리적 자산은 감가상각 압력에 직면하는 반면, 에너지 시설, 희소 자원 및 핵심 인프라와 같이 "AI 저항성" 속성을 가진 물리적 자산은 상대적으로 가치가 안정적으로 유지됩니다. 그 이유는 간단합니다. AI는 이러한 자산의 운영을 분석하고 최적화할 수 있지만, 자산의 물리적 존재와 가치 전달 기능을 대체할 수는 없기 때문입니다.
III. "자산 재평가"에서 "AI 면역"까지
위 분석을 바탕으로 기업은 AI 시대에 자산 가치가 상승할지 하락할지를 판단할 수 있는 체계적인 프레임 필요합니다. RWA 연구소는 세 가지 핵심 특징으로 구성된 "AI 면역" 자산 식별 프레임 제안했습니다. 첫 번째 특징은 비인코딩성 입니다. 이는 AI가 완전히 학습하거나 복제하기 어려운 가치 요소를 의미합니다. COBOL 코드 자체는 AI로 번역할 수 있지만, 칩 레벨에서 구축된 트랜잭션 처리 기능, 양자 보안 암호화, COBOL 시스템을 실행하는 Z 시리즈 메인프레임의 8.99% 신뢰도 등은 AI 도구가 복제할 수 없는 요소입니다. Futurum Group의 연구에 따르면 "코드 번역으로는 실제 복잡성을 포착할 수 없으며, 플랫폼 가치는 수십 년에 걸친 하드웨어 및 소프트웨어 통합에서 비롯됩니다." 마찬가지로 오프라인 시나리오 제어, 암묵적인 산업 지식, 복잡한 관계 네트워크와 같이 "인코딩"하기 어려운 요소들은 자산을 보호하는 최전선입니다. 두 번째 특징은 데이터 해자 입니다. 기업은 독점적이고 지속적이며 관리 가능한 데이터 자산을 보유하고 있습니까? 단순히 공개적으로 이용 가능한 데이터만 사용하는 것이 아니라, 타인이 접근할 수 없는 데이터를 생성할 수 있습니까? 씨티은행은 대규모 모델을 활용하여 데이터 자산의 가치를 평가하고 "데이터 자산을 대차대조표에 포함"하는 방안을 모색하기 시작했습니다. 이러한 움직임의 근본적인 논리는 AI 시대에 데이터는 생산을 위한 원자재일 뿐만 아니라 그 자체로 자산이라는 점입니다. 그러나 모든 데이터가 AI로부터 보호받는 것은 아닙니다. 공개적으로 이용 가능한 온라인 데이터는 AI 모델에 의해 빠르게 "분석"되는 반면, 독점적인 데이터 소스를 보유한 기업만이 AI 기반 가치 평가 프레임 에서 프리미엄을 얻을 수 있습니다. 세 번째 특징은 AI 역량 강화의 회복력 입니다. 자산 자체가 AI에 의해 대체되는 것이 아니라 강화될 수 있을까요? 이것이 IBM식 충격과 블록식 변혁을 구분하는 핵심입니다. IBM의 핵심 업무 인 기존 COBOL 시스템 유지 관리는 AI에 의해 "대체"되는 반면, 블록의 업무 모델인 결제 및 금융 서비스는 AI에 의해 "강화"될 수 있습니다. 실제로 IBM은 고객이 기업 수준의 보안을 유지하면서 플랫폼에서 직접 기존 코드를 안전하게 리팩토링하고 현대화할 수 있도록 지원하는 전용 도구인 Watsonx Code Assistant for Z를 개발했습니다. 자산이 인공지능(AI)과 갈등을 일으키기보다는 시너지 효과를 낼 때 그 가치는 상승합니다. 반대로 AI에 취약한 자산은 세 가지 특징을 보입니다. 핵심 가치가 '정보 처리'에 의존하고, 표준화된 프로세스를 통해 대체 가능하며, 데이터 생성 및 축적 능력이 부족하다는 것입니다. 기업은 이러한 세 가지 특징을 비교함으로써 자산 포트폴리오에 대한 '스트레스 테스트'를 수행할 수 있습니다.
IV. RWA의 새로운 기회: 어떤 자산이 토큰화할 가치가 있는가?
이 프레임 RWA(실물 자산 토큰화) 분야로 확장하면 명확한 결론이 도출됩니다. RWA는 "모든 자산을 온체인에 올리는 것"이 아니라, AI 재평가 물결 속에서 AI 사이클을 견딜 수 있는 실물 자산을 선택하는 것입니다. 2026년 3월, 온체인 RWA의 총 가치는 250억 달러를 넘어 전년 대비 거의 네 배 가까이 증가했습니다. 그러나 홍콩 웹3.0 표준화 협회는 2025년 8월 발표한 RWA 산업 백서 에서 "모든 것을 RWA로 만들 수 있다는 생각은 잘못된 것"이라고 명시적으로 지적했습니다. 대규모 구현에 성공하려면 가치 안정성, 명확한 법적 소유권, 검증 가능한 오프체인 데이터라는 세 가지 주요 요건을 충족해야 합니다. 여기에 "AI 면역성"프레임 결합하면, 토큰화할 가치가 있는 자산은 주로 AI 재평가 과정에서 가치가 안정적으로 유지되는 자산이라고 더욱 구체화할 수 있습니다. 첫 번째 범주는 "AI 면역성" 특성을 지닌 실물 자산 입니다. 여기에는 에너지 자산, 인프라, 희소 자원 등이 포함됩니다. 이러한 자산의 가치는 정보 처리 능력에 달려 있는 것이 아니라 물리적 존재와 실제 효용에 달려 있습니다. 백서 에서 언급된 충전소나 태양광 발전 설비와 같은 신에너지 RWA와 GPU 같은 해시레이트 자산이 이 범주에 속합니다. 특히 AI 산업의 "견고한 수요"와 신뢰할 수 있는 "디지털 유전자"를 지닌 GPU 해시레이트 자산은 RWA의 이상적인 앵커 자산으로 떠오르고 있습니다. 두 번째 범주는 프로그래밍 가능한 데이터 자산 입니다. 독점적인 데이터 소스를 보유하고 스마트 계약을 통해 자동으로 수익화할 수 있는 자산은 "데이터 해자"와 "AI 기반 유연성"을 모두 갖추고 있습니다. 백서 데이터를 지적 재산권 및 탄소 배출권과 함께 무형 자산으로 분류합니다. 그러나 모든 데이터가 자산이 될 수 있는 것은 아니며, 지속적으로 생성되고 검증 가능하며 권한 부여가 가능한 데이터만이 토큰화의 기반을 갖습니다. 세 번째 범주는 "인코딩 불가능한" 물리적 제어와 "프로그래밍 가능한" 디지털 권한을 결합한 하이브리드 자산 입니다. 예를 들어, 상업용 부동산의 소유권은 토큰화될 수 있지만, 실제 운영, 유지 관리 및 임대와 같은 오프라인 시나리오에 대한 통제는 전문 기관의 손에 남아 있습니다. 이러한 "물리적 + 디지털" 이중 구조는 블록체인의 유동성 이점을 활용하는 동시에 "AI에 영향을 받지 않는" 오프라인 가치 기반을 유지합니다. 반대로, AI 시대에 토큰화에 신중한 접근이 필요한 자산에는 두 가지 유형이 있습니다. 하나는 인간 중개자에 크게 의존하는 금융 자산으로, AI에 의해 가치가 쉽게 압축될 수 있습니다. 다른 하나는 데이터 장벽이 없어 AI 기반 가치 평가 프레임 에서 협상력이 부족한 표준화된 자산입니다.
V. 행동 지침: 인지에서 의사결정까지
IBM의 400억 달러 손실은 정보 비대칭성과 인력에 의존하는 자산이 AI에 의해 재평가되는 시대를 예고합니다. 블록의 역발상적인 성장은 또 다른 시대를 예고합니다. AI를 도입하고 자산 구조를 최적화하는 기업들이 시장에서 재평가를 받고 있는 것입니다. 상장 기업과 전통 기업의 의사 결정권자들에게 이는 단순한 기술적 불안감이 아니라 자산 가치 시스템의 근본적인 재편입니다. CEO는 피할 수 없는 질문에 답해야 합니다. AI의 관점에서 내 자산 포트폴리오의 가치는 얼마일까요? 이 분석을 바탕으로 세 가지 실행 가능한 제안을 제시할 수 있습니다. 첫째, 자산에 대한 "AI 스트레스 테스트"를 즉시 시작해야 합니다. 각 핵심 업무 부문을 "AI 면역" 프레임 의 세 가지 특징(코딩 불가능성, 데이터 해자, AI 기반 회복력)에 따라 평가해야 합니다. AI의 영향으로 가치 하락에 가장 취약한 업무 과 AI의 증폭 효과를 통해 이익을 얻을 수 업무 사업을 파악해야 합니다. 둘째, 역동적인 자산 포트폴리오 관리 메커니즘을 구축해야 합니다. AI 재평가 시대에 자산 배분은 더 이상 정적인 "매수 후 보유" 전략이 아닙니다. 기업은 AI에 취약한 자산에 대해서는 전환 또는 매각 계획을 수립하는 동시에 "AI에 영향을 받지 않는" 자산의 비중을 의식적으로 늘려야 합니다. 이는 재무 부서만의 책임이 아니라 전략, 기술, 업무 부서 간의 협력이 필요한 과제입니다. 셋째, 위험가중자산(RWA) 전략을 재검토해야 합니다. 자산 토큰화를 고려하기 전에 "AI에 영향을 받지 않는"프레임 사용하여 기초 자산을 선별해야 합니다. RWA의 핵심 가치는 "온체인" 자체에 있는 것이 아니라 토큰화를 통해 고품질 자산의 유동성과 가격 효율성을 높이는 데 있습니다. 기초 자산 자체가 AI 시대에 가치가 하락한다면 토큰화는 가치 하락을 가속화할 뿐입니다. 마지막으로, 중국 8개 부처가 공동으로 발표한 제42호 문서에 따르면 중국 본토 내에서는 모든 형태의 토큰 발행 및 토큰화된 거래가 엄격히 금지되어 있다는 점 을 유념해야 합니다. 본 기사에서 논의된 RWA 토큰화는 해외 규제 프레임 내의 자산 디지털화 관행만을 지칭합니다. 관련 업무 탐색할 때 기업은 "국내에서 엄격히 금지되고 해외에 등록된 것"이라는 규제상의 레드라인을 철저히 준수해야 합니다. AI가 자산 가격을 책정하기 시작하면, 진정한 안전은 AI가 가격을 매길 수 없는 것, 즉 코드나 데이터가 아닌 가치를 판단하는 인간의 능력 자체에서 비롯됩니다. (본 기사는 나스닥, 텐센트 뉴스, 퓨처럼 그룹, PLOS One, 21세기 비즈니스 헤럴드, 커머셜 타임즈 등 권위 있는 언론 및 연구 기관의 공개 정보와 데이터를 기반으로 작성되었습니다. 본 기사에 표현된 관점 투자 조언을 구성하지 않습니다.)
