1. 과거의 정보 역설은 판매자가 정보를 공개해야만 그 가치를 설명할 수 있다는 문제였음. AI 시대에는 반대임. 기업은 AI를 유용하게 쓰기 위해 자사의 업무 방식, 판단 기준, 내부 지식까지 모델에 알려줘야 함
2. 결국 기업은 사용료와 자신만의 노하우로 AI에 두 번 지불함. 모델의 성능을 더 끌어올리고 싶을수록 더 많은 내부 지식을 투입해야 함
3. 유출 위험은 원본 데이터에만 있지 않음. 프롬프트, 에이전트 툴 사용 기록, 피드백, 평가셋, 승인·거절 패턴에는 조직이 무엇을 좋은 결과로 판단하고 어떻게 의사결정하는지가 축적됨
4. 이 학습이 모델 제공자에게만 쌓인다면, 기업이 AI를 많이 사용할수록 정작 기업의 고유 지식은 외부 플랫폼을 더 똑똑하게 만듦. 경제적 가치는 학습 인프라를 소유한 기업으로 수렴함
5. 따라서 기업 AI의 핵심 자산은 모델 접근권이 아님. 자체 평가셋, 메모리, 작업 기록, 피드백, 가중치와 이를 재학습할 권리를 보유하는 것. 클라우드 시대에 기업이 데이터를 축적했다면, AI 시대에는 학습 자체를 축적해야 함
6. 아키텍처 역시 특정 모델과 분리돼야 함. 프론티어 모델이 교체돼도 기업의 업무 맥락과 평가 기준, 베테랑 직원처럼 축적된 조직 지능은 남아 있어야 함. 모델은 교체 가능하기에, 핵심은 학습 루프임
7. 락인은 학습 루프에서 발생함. 모델은 바꿀 수 있지만, 기업이 수년간 축적한 판단 기준과 조직 지능은 만들기 어려움. 앞으로 가장 강한 기업은 AI를 사용할수록 자신의 지능이 내부에서 복리로 쌓이는 기업