AI가 모든 산업 분야에 걸쳐 지속적으로 발전하고 있는 가운데, 사모펀드(PE)들 사이에서도 AI 활용에 대한 관심이 꾸준히 높아지고 있다. 2024년 PE사 CEO 서베이에 따르면 약 50%의 펀드는 AI 도입 가능성을 탐색 중이다. 하지만 실제로 AI 기술을 도입한 펀드는 극히 일부에 불과하다. 사실, PE사 운영 및 업무 방식에서 AI 도구가 보편화되려면 아직 갈 길이 먼 것으로 보인다. 펀드는 AI가 작업 흐름과 결과물의 명확성을 제공하고, 실제 사용 사례 및 데이터 보안 위험을 효과적으로 관리하는 방안을 제시해 줄 것을 원한다. 독점적 사전 거래 또는 포트폴리오 회사 데이터가 실수로 공개되지 않도록 하는 것도 중요하다. 초기 기술에 대한 불신과 선제적으로 도입하는 것이 정말로 이점이 될지에 대한 불확실성도 문제로 지적되고 있다. 그럼에도 불구하고, AI는 PE의 운영 효율화와 포트폴리오 회사 관리에 큰 기회를 제공한다. AI의 성공적 도입을 위해서는 전략적 투자는 물론이고, 기본 원칙을 따르는 것이 중요하다.
PE에서의 AI 활용 기회
1. 펀드 운영을 위한 AI
신규 거래 경쟁이 치열한 환경으로 인해, 거래 첫 단계부터 PE는 잠재적 타깃을 분석하는 힘든 작업에 직면한다. 방대한 데이터에서 기회를 조기에 파악하고 효율적으로 평가하여 거래에 대한 확신을 빠르게 이끌어야 한다. 일부 펀드는 AI가 투자 영역과 창업자 배경 측면에서 기준을 충족하는 신생 기업을 찾을 수 있도록 모델을 학습시키고 있다. 시장을 정확하게 분석하고, 인간보다 훨씬 빠르게 수행할 수 있는 재무 분석 도구도 개발되고 있다. 이는 주니어 애널리스트의 생산성을 높이는 훌륭한 방법이 될 것이다.
사내 데이터 사이언스 팀의 지원 또는 AI 기업과의 파트너십(전략이나 관리해야 할 정보에 따라 PE용 AI 중개 접근 방식을 제공할 수 있음)을 통해 PE 맞춤형 거래 타팅 플랫폼을 개발하고 있다. 이 플랫폼은 투자팀의 요구사항에 따라 필터링 된 독자적인 데이터베이스를 기반으로 작동한다. 또한, 투자자 데이터, 시장 및 산업 데이터, 뉴스 및 소셜 미디어 콘텐츠 등 다양한 데이터 소스에서 정보를 끌어와 예측 및 분석을 수행한다. 이 같은 프로세스를 자동화하면 투자팀은 방대한 데이터를 검토하며 적합한 거래를 찾는데 시간을 소모하는 대신, 정말 집중해야 할 거래에 더 많은 시간과 에너지를 할애할 수 있다.
AI는 또한 보고서 작성 및 투자자 커뮤니케이션 전략, 고객 관계 관리(CRM), 데이터 분석, 마케팅 전략, 법률 작업 및 일반 비즈니스 프로세스와 같은 영역에서 지원을 제공한다. 이는 효율성을 높이기 위해 다른 내부 프로세스를 최적화하는 데 도움이 된다.
PE들이 AI를 활용하는 사례를 살펴보자. 유럽의 한 대형 펀드는 투자팀의 요청에 따라 수백만 개의 데이터 포인트를 처리하고 성공 가능성이 높은 잠재적 투자를 가려내는 플랫폼을 구축하여 투자 타팅에 AI를 적용했다. 이 도구는 벤처 캐피털에서 처음 사용되었으며 현재 다른 자산 클래스에도 적용되고 있다. 또한, 이 회사는 생성형 AI 사용을 테스트하고 혁신하는 약 400명의 범 기능적 워킹 그룹을 출범했다. 사용 사례 중에는 LP(Limited Partner)의 데이터를 포함하여 긴 문서의 데이터를 요약하는 기능도 있다. 또한 경영진은 투자 대상 하위 섹터 식별, 제안요청서(RFP) 작성, 코딩, 보고서 작성, 계약 언어 분석 등에도 생성형 AI를 도입하고 있다. 또 다른 대형 글로벌 PE 펀드는 AI 기반 포트폴리오 모니터링 및 가치 평가 솔루션에 투자했다. 미국에 본사를 둔 두 개의 대형 글로벌 대체 펀드 매니저는 시장 동향을 분석하고 잠재적 투자를 평가하며, 의사 결정 프로세스를 개선하는 데 AI를 활용하고 있다.
이러한 모든 AI 도구가 투자 주체의 인간적 판단을 대체할 수는 없지만, 더 많은 투자 대상에 대해 더 깊고 빠르게 분석하여 더 나은 거래를 훨씬 더 빨리 성사시키는 데 도움을 줄 수 있다.
2. 포트폴리오 운영을 위한 AI
PE 사들은 포트폴리오 회사 전반에 걸쳐 AI를 활용할 수 있는 중요한 기회도 가지고 있다. AI를 활용해 수익 관리, 비용 기반 및 기타 주요 비즈니스 동인을 최적화할 수 있는 펀드는 수익을 창출하고 선택 자산에 대해 경쟁력 있게 입찰하는 데 있어 우위를 점할 수 있다.
포트폴리오 최적화 도구는 효율성을 개선하고, 수익성을 높이며, 새로운 수익원을 식별하고, 위험을 줄이는 데 도움이 될 수 있다. 예를 들어, 한 대형 글로벌 PE 기업은 거래 데이터부터 운영 결과 및 예측에 이르기까지 다양한 기업 포트폴리오 전반에 걸쳐 생산성 및 효율성 KPI를 모니터링하고 벤치마킹하는 데 AI를 활용한다. AI는 또한 펀드 엑시트 전략에서 중요한 역할을 할 수 있는데, 해당 프로세스가 금융 스폰서에 의해 잘 정의되고 관리되기 때문이다. 엑시트에서는 데이터 메트릭을 표준화하고 저장할 수 있으며, 이는 AI 솔루션의 잠재력이 높다는 것을 의미한다. 자연어 처리(NLP)는 재무제표 및 구독 파일과 같은 비정형 문서에서 데이터를 추출하거나 자본 호출 또는 자본 명세서 배포와 같은 프로세스를 자동화하는 데 사용할 수 있다.
SaaS(Software as a Service) 제공 업체를 포트폴리오에 보유한 기업은 사용자 행동에 따라 SaaS 기반 솔루션을 보다 자동화, 간소화, 강력하게 개인화할 수 있다. “8090”이라는 인큐베이터는 영감을 주는 아이디어를 제공한다. 이 인큐베이터는 AI의 첨단 생산성 덕분에 엔지니어링 비용이 크게 낮아졌기 때문에 기존 SaaS 제품을 적은 비용으로(즉, 10%의 비용으로 80%의 기능을 제공) 재설계할 수 있다는 인사이트를 기반으로 구축되었다.
리스크와 불확실성
앞서 살펴 본 내용은 AI가 창출할 수 있는 잠재적 가치의 일부에 불과하다. 이러한 가치를 실현하려면 다양한 위험과 불확실성을 이해하고 관리함으로써 PE가 AI 투자에서 최대한의 ROI를 창출할 수 있도록 해야 한다. 생성형 AI 개발 및 배포와 관련하여, PE 리더가 AI 여정을 계획할 때 고려해야 할 7가지 주요 리스크는 다음과 같다.
- 소유 비용 리스크
AI 개발 및 도입을 위해 막대한 투자를 했지만, 장기적으로 그 투자가 기대한 만큼 수익을 내지 못할 수 있다. - 데이터 리스크
불충분하거나 품질이 낮은 데이터로 인해 AI 모델이 부정확하거나 편향된 결과를 도출할 수 있다. - AI 모델 리스크
특정 모델이 부정확하거나 이해하기 어려운 결과를 생성할 수 있다. - 프라이버시 및 보안 리스크
생성형 AI는 특히 데이터 보안 측면에서 개인의 프라이버시에 영향을 미칠 수 있으며, 사이버 공격과 같은 보안 위협을 야기할 수 있다. - 저작권 및 지식재산권(IP) 리스크
생성형 AI가 무단으로 콘텐츠를 생성해 저작권 및 지식재산권법을 위반할 가능성이 있다. - 윤리적 및 사회적 리스크
생성형 AI를 활용하면 딥페이크, 허위정보 유포, 개인 정보 오용과 같은 윤리적 문제와 사회적 위험이 발생할 수 있다. - 규제 불확실성
각국 정부와 지역이 AI 기술을 적절히 통제하면서도 혁신을 저해하지 않기 위해 규제를 검토 중인 상황에서 불확실성이 존재한다.
오늘날 생성형 AI는 국가 안보에 막대한 영향을 미칠 수 있는 기술로 여겨지고 있으며, 이는 맨해튼 프로젝트 당시 핵무기 개발과 같은 수준의 심각한 리스크를 초래한다. 따라서 미국 정부의 CIFIUS(미국 외국인 투자심의위원회)와 같은 규제 기관이 AI 기술에 대한 투자를 더 엄격하게 심사하고 있으며, 새로운 규제들이 등장하고 있다.
장벽을 극복하고 앞으로 나아갈 길
AI는 분명 미래의 핵심 기술이며, 궁극적으로 기업들이 이 기술을 얼마나 잘 도입하고 활용하는지에 따라 승패가 갈릴 것이다. AI 기술의 개발과 활용을 확대하려는 PE 사들은 잠재적 리스크를 줄이고 이점을 극대화하기 위해 몇 가지 주요 단계를 고려해야 한다.
1. 전략적 기반 마련
생성형 AI가 PE 업계에서는 아직 초기 단계인 만큼, 본격적으로 기술을 도입하기 전에 다양한 변수를 평가해야 한다. 비용 절감, 성장 목표 또는 기타 주요 비즈니스 목표 등 회사의 전략적 우선순위와 생성형 AI 도입 목표가 일치하는지 확인해야 한다. 실질적인 가치를 창출할 수 있는 활용 사례를 선정하고, 이를 평가할 수 있는 명확한 성공 지표를 정의해야 한다. 또한 올바른 운영 모델과 시장 환경도 고려해야 한다. 기업이 이미 실행하고 있는 전략을 파악하고, 생성형 AI를 전략에 통합함으로써 시너지를 극대화하는데 집중해야 한다. 새로운 것을 만들어내기보다는 생성형 AI가 어떤 가치를 더할 수 있는지에 중점을 두고 추가적인 리스크를 관리해야 한다. 투자 대상 기업의 기술 스택(기존 IT 시스템 및 인프라)이 준비된 상태인지 평가하고, 이를 통해 특정 기업에 적용할 수 있는 AI 가치 창출 전략의 범위를 결정할 수 있다. 또한, 생성형 AI가 특정 투자에 미칠 수 있는 위협을 평가하고, 이 기술이 새로운 유형의 비즈니스 기회를 어떻게 만들어낼 수 있을지를 고려해야 한다. 기술이 등장하고 발전하는 과정에서 나타나는 기대와 실망의 반복적인 흐름, 즉 하이프 사이클도 염두에 두어야 한다.
2. 리스크 대응
PE사들이 리스크를 효과적으로 관리하려면 민첩성, 책임감, 투명성을 갖추고 확장 가능한 의사 결정 문화를 만들어야 한다. 이를 위해 AI 기술 도입을 전제로 한 정책과 운영 모델을 재정립해야 한다. 특히, 막대한 금액이 투자되는 상황에서 생성형 AI 관련 규제가 아직 초기 단계에 있기 때문에 리스크 관리는 초기 단계에서부터 이루어져야 한다. 스칸디나비아에 본사를 둔 한 PE 펀드를 보자. 이 펀드는 AI 활용에 대한 윤리 준수 포럼을 설립했다. 그리고 AI를 도입하기 전, AI 활용 범위와 가이드라인을 정의했다. 가이드라인의 내용을 보면 가령, 성과 평가와 같은 개인 데이터 입력을 금지하는데, 이는 GDPR(유럽 개인정보보호법) 준수를 위해 필수이다. 또 다른 예를 보면, OpenAI의 ChatGPT와 같은 외부 AI 플랫폼에 회사 고유의 정보를 입력하는 것을 금지한다. 이러 사례는 AI 도입 시 어떤 데이터를 입력할 수 있는지, 그리고 결과물을 어떻게 활용해야 하는지에 대한 명확한 규칙이 얼마나 중요한지 보여준다. 이 회사는 앞으로 AI 기술의 활용 가능한 범위와 제한 사항을 규정하는 상세한 AI 정책을 마련할 계획이며, 이는 앞으로의 규제보다 한발 앞서가는 움직임이다.
결국, 리스크를 최소화하고 생성형 AI의 잠재력을 극대화하는 핵심은 인간의 판단과 개입이다. 이를 통해 편향되지 않고 윤리적으로 올바른 데이터를 AI와 통합하고, 업계의 구체적인 특성을 깊이 이해해야 한다. 또한 리스크의 각 요소를 꼼꼼하게 평가하는 프로세스도 매우 중요하다.
3. 포트폴리오 데이터와 지표의 정확한 파악
생성형 AI를 성공적으로 도입하기 위한 핵심 전제 조건은 데이터의 품질과 지표의 표준화이다. PE 업계는 목표 기업이나 다양한 포트폴리오 기업에서 제공하는 데이터와 지표에 의존하는데, 이 데이터들이 일관된 구조로 제공되지 않는 경우가 많아 다른 산업에 비해 신기술 도입이 더딘 편이다. 따라서 시간과 자원을 투자해 이러한 데이터를 정리하면, 복잡한 AI 모델이나 머신러닝 기술을 활용하기 전에 덜 기술적인 방법으로도 데이터를 더 잘 이해할 수 있다. 경우에 따라 PE 업계에서 지표의 표준화는 가장 상위 수준에서만 가능하다. 160개의 다양한 산업에 걸친 비상장 기업들을 다루는 경우가 많아, 모든 데이터를 표준화하는 것이 불가능하기 때문이다.
앞서 언급한 내용을 확장해 보면, 진짜 핵심은 세부 사항에 있다. 이미 PE 펀드들은 대상 기업들로부터 정규직 직원당 수익, 매출 대비 매출원가(COGS)의 비율, 매출 대비 판매비와 관리비(SG&A)의 비율, EBITDA(이자, 세금, 감가상각비 차감 전 이익), 순운전자본(NWC) 등의 방대한 양의 데이터를 받고 있다.
이처럼 주요 성과 지표(KPI)에 기여하는 기초 지표들을 표준화하고, 다양한 비즈니스 유형으로 구성된 포트폴리오 기업을 분석할 수 있도록 AI 모델을 최적화하는 것이 중요하다. 이를 제대로 수행하는 회사는 압도적인 경쟁 우위를 확보할 수 있다.
앞으로의 전망
PE 사들은 지금까지 내부 운영과 포트폴리오 기업 최적화에 AI를 활용하는 데 있어 신중하고 단계적인 접근을 해왔지만, 향후 몇 년 동안 특정 트렌드가 PE 산업을 변화시키면서 이러한 상황이 바뀔 것으로 예상된다. 예를 들어, PE사들이 생성형 AI 활용을 확대하고 기술이 더욱 정교해짐에 따라, 일상적인 운영에 AI가 더 많이 통합될 가능성이 높다. 특히 거래 소싱과 시장 실사 플랫폼이 더욱 발전하면서 효율성이 높아지고, PE 펀드의 초기 프로세스에서 걸리는 시간을 단축할 수 있을 것이다. 또한, AI와 생성형 AI 기술은 백오피스 자동화를 넘어 대규모 기업 플랫폼의 자동화까지 지원하는 수준으로 진화할 수 있다. AI는 투자자들의 시장 조건, 투자 성과 지표, 투자자들의 심리 분석을 통해 최적의 엑시트 타이밍과 전략을 찾아주는 데도 중요한 역할을 할 것이다. 데이터가 많아질수록 이러한 예측은 더욱 정교해질 것이며, 이를 통해 투자자들은 수익을 극대화할 수 있게 된다.
결국, AI가 PE 업계에 가져올 수 있는 가능성과 창출할 수 있는 가치는 무궁무진하다. 핵심은 PE사들이 과감하게 투자하되, 실질적인 접근법을 유지하는 것이다. 즉, 시장이나 기술이 아직 준비되지 않은 상황에서 성급한 투자나 과도한 지출을 피하고, 리스크를 관리하기 위해 기본 원칙을 지켜야 한다. 또한, 초기 AI 도입 시도의 경험에서 배우되, 주주 가치에 집중하는 것도 잊지 말아야 한다. 궁극적으로, 과거 혁신적인 기술이 그러했듯, 투자자들은 AI 중심의 새로운 세상에서 경쟁력을 갖춘 기업을 찾을 것이다. 따라서 PE 펀드와 투자 대상 기업들은 지금부터 AI 성공을 위한 길을 준비해야 할 것이다.
