AI 밸류체인을 그릴 때 사람들은 대개 세 층을 그린다. 칩, 모델, 앱. 돈이 GPU로 흐른다는 이야기까지가 익숙한 지도다. 그런데 2025년 6월, Meta는 이 지도에 안 맞는 일을 했다. 웬만한 모델 투자 라운드보다 큰 143억 달러를, 모델도 칩도 아닌 데이터 라벨링 회사 한 곳에 넣었다. 그리고 그렇게 하자마자, 그 회사의 최대 고객들이 달아났다.
아무도 세지 않는 네 번째 층
칩·모델·앱 밑에는 층이 하나 더 있다. 인간 데이터다. 사전학습은 웹을 공짜로 긁어 채웠지만, 지금 모델의 실력을 가르는 후반 작업 — RLHF, 평가셋, 추론 과정 데이터 — 은 사람이 손으로 만든 판단을 먹는다. 그것도 시급 1달러짜리 군중이 아니라, 점점 박사·의사·변호사 같은 전문가의 판단으로 올라간다. 프론티어의 병목이 "연산을 더"에서 "토큰당 전문가 판단을 더"로 옮겨간 것이다. 데이터 라벨링 시장 추정치가 2024년 12억 달러에서 2034년 102억 달러로 뛰는 배경이 여기 있다.
Meta가 143억 달러로 산 것, 그리고 부순 것
Meta는 Scale AI 지분 49%를 143억 달러에 샀다(기업가치 290억, 의결권은 없음). 창업자 Alexandr Wang은 Meta의 초지능 팀으로 갔다. 그러자 며칠 안에 Google이 빠졌다. Gemini 학습 데이터로 Scale에 연 2억 달러를 쓰던 최대 고객이었다. OpenAI와 Microsoft도 발을 뺐다.
라벨링 기술이 하룻밤 새 나빠져서가 아니다. 데이터 회사의 진짜 자산은 파이프라인이 아니라 중립이었기 때문이다. 고객들은 아직 안 내놓은 로드맵과 프로토타입을 데이터와 함께 이 회사에 넘긴다. 그 층을 경쟁사 한 곳이 49% 쥐는 순간, 나머지 모두에게 그 신뢰는 죽는다. Scale의 해자는 라벨링 능력이 아니라 '스위스’라는 위치였고, Meta는 그 산을 사면서 같은 거래에서 중립을 증발시켰다.
값은 사라지지 않고, 중립으로 옮겨갔다
그 값이 어디로 갔는지는 이미 보인다. Surge AI는 벤처 투자 한 푼 없이 부트스트랩으로 연 매출 14억 달러, 기업가치 200억 달러에 올라섰다. 고객 명단에 OpenAI·Microsoft·Meta·Anthropic이 나란히 있다 — 전부 서로의 경쟁자다. 어느 쪽도 편들지 않기 때문에 넷 다 쓸 수 있다. Mercor는 아예 채용 중개에서 방향을 틀어, 전문가를 골라 학습 루프에 꽂아주는 자리로 옮겼다. 값은 라벨링이라는 행위가 아니라, 모든 편이 동시에 쓸 수 있는 위치에 붙어 있었다.
창업자가 가져갈 두 줄
첫째, 밸류체인에서 가장 값나가는 자리는 제일 시끄러운 층(모델)도, 자본이 제일 많이 드는 층(칩)도 아닐 수 있다. 모두가 반드시 지나가는 조용한 관문일 때가 있다. 화려한 제품 말고, 양쪽이 다 통과해야 하는 톨게이트를 찾는 눈이 필요하다.
둘째, 그런 해자는 신뢰로 만들어지고, 신뢰는 자산으로 위장한 부채다. 분배나 교체비용 같은 해자는 시간이 갈수록 쌓이지만, 중립이라는 해자는 언제나 나쁜 결정 한 번에서 0이 된다. 인수되거나, 편을 들거나, 데이터를 한 번 흘리면 끝이다. 그 자리에 설 거라면 깨지기 쉬움까지 값에 넣어야 한다.
Meta는 Scale을 비싸게 산 게 아니다. 데이터 층의 값을 정확히 매겼다. 그리고 이 해자만큼은 소유당하는 순간 사라진다는 것을, 같은 수표로 증명했다.