AI 사이클이 도래했습니다. Web3 창업자들은 AI 분야로 전환해야 할까요?
글: Portal Lab
“로브스터 키우시나요?” 최근 웹3 커뮤니티에서 인사말로 가장 자주 쓰이는 말이 바로 이 문장일지도 모른다.
2026년 신년을 맞아 중국 춘절 연출에서 로봇이 폭발적인 반향을 일으킨 후, OpenClaw를 비롯한 차세대 AI 에이전트가 기술계의 새로운 ‘장난감’으로 떠올랐다. 일부는 AI를 고객 서비스에 활용하고, 또 다른 이들은 코드 작성에 AI를 사용하며, 심지어 일부는 ‘디지털 직원’ 전반을 시뮬레이션하기 위해 에이전트를 시도하기까지 한다. 최근 다양한 인터넷 플랫폼에서 자주 언급되는 개념인 ‘1인 기업(one-person company)’은 한 사람이 단 하나의 AI 워크플로우만으로 과거 소규모 팀이 수행하던 업무 전반을 운영할 수 있다는 것을 의미한다.
웹3 분야 역시 이 흐름에서 예외는 아니다. 최근 업계 미디어를 주의 깊게 살펴보면, 많은 프로젝트가 AI 에이전트를 중심으로 새로운 전략을 펼치고 있음을 알 수 있다. 어떤 프로젝트는 에이전트가 체인상 자산이나 스마트 계약을 직접 호출하는 방식을 연구 중이며, 또 다른 프로젝트는 에이전트의 결제, 신원, 금융 인프라 구축에 집중하고 있다. ‘에이전트 경제 체계(agent economy)’라는 개념도 논의되고 있는데, 이는 AI가 일반 사용자처럼 네트워크에 참여할 수 있도록 하려는 시도이며, 심지어 ‘웹4.0’이라는 새로운 슬로건까지 다시 등장하고 있다.
여기까지 읽으면 익숙한 감각이 들 것이다.
패션계는 순환한다는 말이 있지만, 기술계(혹은 암호화폐 커뮤니티) 역시 마찬가지임을 이제야 알게 되었다. 2022년 시작된 불황기에 ChatGPT가 갑작스럽게 폭발적으로 인기를 끌며, AI는 일夜间 모든 이가 이야기하는 화두가 되었다. 웹3 커뮤니티 역시 예외는 아니었고, 금방 AI 에이전트, AI 트레이더, 자동화 전략 등과 같은 새로운 개념들이 쏟아져 나왔다. AI와 조금이라도 관련이 있으면 새로운 스토리를 풀어낼 수 있을 것 같았다. 그러나 이런 열기는 오래가지 못했다. 이후 암호화폐 시장이 다시 상승세로 돌아서자 사람들의 관심은 금방 암호화폐 본연의 영역으로 돌아갔다.
그리고 이번 2025년 하반기, 암호화폐 시장은 또 다시 침체 국면으로 접어들었고, 이에 따라 웹3은 새로운 개념을 통해 시장의 주목을 끌려는 움직임을 보이고 있다.
하지만 Portal Labs는 바로 여기에 문제가 있다고 지적한다. 어떤 내러티브가 유행하기 시작하면, 많은 웹3 창업 팀은 기술적·상업적 판단을 내리는 것이 아니라, 단순히 ‘어떤 개념이 인기가 있는가’ 하는 내러티브 기반 판단만을 하게 된다. 그리고 그 결과 실수를 범하게 된다.
많은 팀이 실제로 프로젝트를 추진해 가면서야 비로소 개념은 금방 구축할 수 있어도 제품은 현실에 제대로 안착시키기 어렵다는 사실을 깨닫는다. 실제 사용자는 어디에 있는가? 구체적인 적용 사례는 무엇인가? 지속적인 수익 모델은 무엇인가? 투자를 유치할 수 있는가? 이러한 질문들은 대개 프로젝트를 어느 정도 진행한 후에야 비로소 부각된다.
열기가 사그라들고 나면, 시장에는 아직 검증되지 않은 프로젝트들이 산재하게 남는다. 일부 제품은 데모 단계에서 멈춰 서고, 또 다른 일부는 겨우 출시되었지만 사용자를 찾지 못한다. 심지어 몇몇은 내러티브와 함께 아예 사라지고 만다. 단기간에는 새로운 시장 분야가 열린 듯 보이지만, 시간이 지나 되돌아보면 진정으로 살아남은 성과는 그리 많지 않다.
그렇기에 지금 웹3 창업팀이 직면한 딜레마는, 암호화폐 분야를 계속 깊이 파고들 것인가, 아니면 AI로 전환할 것인가 하는 문제이다. 전자를 선택한다면 시장 상황이 좋지 않아 투입 대비 수익을 얻기 어려울 수 있고, 후자를 선택한다면 기반이 없다. AI는 기술적 진입 장벽, 인재 구성, 경쟁 환경 모두 웹3와 다르다. 많은 팀이 지난 몇 년간 축적해 온 기술 스택, 제품 경험, 커뮤니티 자원은 모두 암호화폐 생태계 위에 구축된 것이며, 이를 완전히 AI로 전환한다는 것은 완전히 낯선 분야에 다시 진입하는 것과 같다. 모델 역량, 데이터 자원, 엔지니어링 팀 등 거의 전부를 새롭게 구축해야 한다.
더 현실적인 문제는, AI 분야 자체가 이미 극도로 포화 상태라는 점이다. 대규모 언어 모델(Large Language Model, LLM) 기업, 전통 인터넷 기업, 그리고 수많은 스타트업이 모두 이 분야에 막대한 자원을 투입하고 있다. 원래 웹3를 중심으로 활동하던 창업 팀이 단순히 내러티브의 흐름에 편승해 이 시장에 진입한다면, 자신들에게는 기술적 우위도 없고 산업 내 자원도 부족하다는 사실을 금방 깨닫게 될 것이다.
실제로 많은 웹3 창업 팀에게는 또 다른 실천 가능한 길이 있다. 반드시 AI 분야로 전환할 필요는 없으며, 오히려 웹3 고유의 길을 계속 걷되, 동시에 암호화폐 기술이 AI 생태계 내에서 어떤 능력을 보완할 수 있는지를 고민하는 것이다.
현재 이 번 AI 발전 흐름을 주의 깊게 살펴보면, 여전히 해결되지 않은 핵심적인 이슈들이 많다는 사실을 알 수 있다.
가장 전형적인 사례는 데이터 문제이다. 모델은 점점 더 강력해지고 있지만, 훈련 데이터는 어디서 얻어야 하며, 그 데이터가 신뢰할 수 있고 규제를 준수하는가? 특히 AI 에이전트가 1대1 맞춤형 서비스를 제공하려면 어떻게 해야 하는가? 이러한 문제들에 대해 아직 효과적인 메커니즘이 마련되지 않았다. 대규모 데이터 훈련에 의존하는 AI에게는 이처럼 오랜 기간 존재해 온 근본적인 과제이다.
신원 및 협업 문제도 마찬가지이다. AI 에이전트가 작업 수행, 자동 거래, 나아가 운영 의사결정까지 참여하기 시작하면, 에이전트 스스로도 신원, 권한, 협업 규칙을 필요로 한다. 누가 특정 에이전트를 호출할 수 있는가? 에이전트 간의 역할 분담은 어떻게 이루어지는가? 작업 완료 후 정산은 어떻게 처리되는가? 이러한 질문들은 본질적으로 개방형 네트워크 내 신원 및 가치 분배 문제와 밀접하게 연결되어 있다.
결제 문제 또한 그렇다. AI 에이전트가 네트워크 내에서 자율적으로 서비스를 호출하거나 데이터를 획득하거나 작업을 실행하기 시작하면, 자동으로 정산 가능한 소액 결제 시스템이 필수적이다. 그런데 전통 인터넷 체계에서는 이러한 결제 구조를 구현하기가 매우 어렵다.
이러한 문제들은 표면적으로는 AI의 문제처럼 보이지만, 그 해결책은 오히려 이미 암호화폐 기술 체계 내에 존재한다. 데이터 인센티브 네트워크, 체인상 신원 체계, 개방형 결제 네트워크 등은 모두 웹3가 지난 몇 년간 꾸준히 탐구해 온 방향들이다.
웹3 창업 팀이 실제로 이러한 방향으로 진입하려 한다면, 다음 세 가지 사항을 반드시 먼저 명확히 해야 한다.
첫째, 팀 자체의 기술 역량을 점검해야 한다. 웹3 프로젝트마다 기술적 축적은 매우 다양하다. 어떤 팀은 체인상 프로토콜 개발에 강점을 갖고 있고, 또 다른 팀은 오랜 기간 데이터 네트워크 구축에 집중해 왔으며, 일부는 애플리케이션 레이어 제품 개발에 특화되어 있다. 만약 팀이 지난 몇 년간 데이터 수집, 데이터 추출, 데이터 마켓플레이스 등 데이터 관련 인프라에 집중해 왔다면, AI와 연계된 데이터 계층 확장을 자연스럽게 고민할 수 있다. 예컨대 데이터 기여 네트워크, 검증 가능한 데이터 소스, 또는 모델을 위한 인센티브 기반 데이터 마켓플레이스 등이 가능하다. 반면, 팀이 체인상 프로토콜이나 인프라 구축에 강점을 갖는 경우, AI 에이전트의 실행 환경을 중심으로 작업할 수 있다. 예를 들어 에이전트의 체인상 신원, 권한 관리, 작업 실행 프로토콜, 또는 자동 정산 및 결제 기능 제공 등이 해당된다. 마지막으로, 거래 도구, 콘텐츠 플랫폼, 커뮤니티 제품, 소비자 애플리케이션 등 애플리케이션 레이어 제품을 개발해 온 팀이라면, AI는 기존 제품 체계에 통합되는 ‘능력 계층’으로서의 역할이 더 적합하다. 예를 들어 AI를 통해 데이터 분석 역량을 강화하거나, 운영 프로세스를 자동화하거나, 기존에 인력이 수행하던 일부 기능을 에이전트가 대신 수행하도록 할 수 있다.
둘째, 실제 비즈니스 시나리오가 존재하는지를 확인해야 한다. 많은 AI 프로젝트가 급속히 사라지는 이유는 기술력 부족이 아니라, 처음부터 명확한 적용 사례가 부재했기 때문이다. 개념은 매우 뜨겁게 논의될 수 있지만, 이 제품을 진정으로 필요로 하는 사용자는 누구이며, 왜 그것을 사용해야 하고, 또 왜 그것에 돈을 지불하려 할 것인지에 대한 질문은 종종 진지하게 다뤄지지 않는다. 업계에서 많이 논의되는 ‘AI+웹3’, ‘에이전트 경제 체계’, ‘AI 트레이더’ 등의 개념은 거창해 보이지만, 한 단계 더 파고들면 실제로 안정적으로 존재하는 사용자 집단은 그리 많지 않다. 반면, 데이터 처리, 자동화 운영, 정보 선별, 작업 실행 등 보기엔 다소 ‘매력적이지 않은’ 요구사항들은 현실 비즈니스에서 오랫동안 지속적으로 존재해 왔다. 따라서 어떤 AI 방향으로 진입할지를 결정할 때, 우선 개념이 인기 있는지 여부보다는 시나리오 자체를 먼저 살펴보는 것이 더 현명하다. 즉, 이 시나리오는 장기적으로 존재하는 비즈니스 과제인가? 이미 이 문제를 해결하기 위해 돈을 지불하는 사람들이 있는가? 그리고 AI가 이 과정에서 실제로 효율성을 향상시킬 수 있는가? 이러한 조건들이 충족된다면, 이 방향은 단순한 내러티브를 넘어 실제 제품으로 성장할 가능성이 높다.
셋째, 웹3 창업 팀이 실제로 이러한 영역에 진입할 수 있는 자원을 보유하고 있는지를 점검해야 한다.
앞서 언급한 데이터, 신원, 결제 등은 단순한 기술 문제라기보다는 네트워크 자원 문제이다.
예를 들어 데이터 네트워크의 경우, 팀이 안정적인 데이터 공급원을 확보하지 못했거나, 지속적으로 데이터를 기여할 수 있는 사용자 집단을 보유하지 못했다면, 기술은 완성되었더라도 진정한 네트워크 효과를 창출하기는 어렵다. 마찬가지로, AI 에이전트의 신원 체계나 협업 네트워크를 구축하려면 실제 개발자, 애플리케이션, 혹은 에이전트가 참여해야 하며, 그렇지 않으면 프로토콜 자체가 생태계를 형성하기 어렵다. 결제 및 정산 체계 역시 동일한 논리가 적용된다. AI 에이전트가 네트워크 내에서 서비스를 호출하거나 데이터를 획득하거나 작업을 실행하기 시작하면, 소액 결제는 매우 빈번해진다. 그러나 이러한 결제 네트워크는 다수의 에이전트와 서비스가 동시에 존재할 때만 의미를 갖는다. 그렇지 않다면 그것은 여전히 단순한 기술 모듈에 불과하다.
따라서 많은 웹3 팀에게 진정으로 평가해야 할 질문은 “이 방향에 기술적 여지가 있는가?”가 아니라, “자신의 팀이 이 네트워크의 일부가 될 수 있는가?”이다. 팀이 이미 데이터 공급원, 개발자 생태계, 또는 실제 적용 사례를 확보하고 있는가? 이러한 요소들이야말로 프로젝트가 AI 인프라 계층으로 진입할 수 있는지를 결정짓는 핵심 요소이다. 그렇지 않다면, 프로젝트는 단지 개념 수준에서 머무르게 된다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
