# "5년 뒤 기업 토큰 90%는 아무도 시키지 않은 일" 박스 레비의 확산론
_Training Data · 에런 레비 · 2026년 9월 15일_
- 매체: 초이의 뉴스레터 · 팟캐스트
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-09-16T10:00
- 링크: https://choi-newsletter.com/post/podcast-training-data-aaron-levie-enterprise-diffusion
- 답하는 질문: 기업 AI 확산은 왜 느린가
- 직답: 레비는 지식노동이 코딩과 달리 데이터 연결과 접근 권한, 절차 개편에 묶여 있어 AI 확산이 실리콘밸리 예상보다 훨씬 오래 걸린다고 봤습니다.
- 에피소드: Training Data · https://pscrb.fm/rss/p/traffic.megaphone.fm/CPUAI7737498941.mp3
- 출처: Sequoia Capital, Box's Aaron Levie On Reinventing Yourself in the AI Age and Enterprise Diffusion (Training Data 에피소드 페이지·전사본, 2026-09-15) (https://sequoiacap.com/podcast/box-s-aaron-levie-on-reinventing-yourself-in-the-ai-age-and-enterprise-diffusion), YouTube, Sequoia Capital 에피소드 영상 (https://www.youtube.com/watch?v=NE4CLThMPGU), Apple Podcasts 에피소드 페이지 (https://podcasts.apple.com/us/podcast/boxs-aaron-levie-on-reinventing-yourself-in-the-ai/id1750736528?i=1000789747972), 소냐 황 X, 에피소드 공지 (2026-09-15) (https://x.com/sonyatweetybird/status/2099904950990205097), Box, Box Reports Second Quarter Fiscal 2027 Financial Results (SEC 8-K 첨부 99.1, 2026-08-25) (https://www.sec.gov/Archives/edgar/data/1372612/000119312526365121/box-ex99_1.htm), 에런 레비 X, 2분기 실적 소감 (2026-08-26) (https://x.com/levie/status/2092702955292230100), 에런 레비 X, Fable 5.1 박스 평가 (2026-09-01) (https://x.com/levie/status/2094851976769257770), 에런 레비 X, GPT-6 Astra 박스 평가 (2026-09-03) (https://x.com/levie/status/2095598710311067716), 에런 레비 X, 챗GPT 라이브러리 연동 (2026-09-10) (https://x.com/levie/status/2098135659714085281), 에런 레비 X, AI 확산과 기업의 물리 법칙 (2026-09-09) (https://x.com/levie/status/2097738533297689012), 에런 레비 X, 기록 시스템과 에이전트 (2026-08-24) (https://x.com/levie/status/2092087679240569126), 게리 탠 X, 기록 시스템은 AI 하네스가 되거나 대체된다 (2026-08-23) (https://x.com/garrytan/status/2091742825042030681), 에런 레비 X, Stripe의 OpenRouter 인수 (2026-08-19) (https://x.com/levie/status/2090137914785280189)
> 박스 CEO 에런 레비가 9월 15일 세쿼이아 팟캐스트에서 5년 뒤 기업 AI 토큰의 90%가 사람이 시작하지 않은 일에 쓰일 것이라고 내다봤습니다. 코딩 밖의 AI 확산은 실리콘밸리 생각보다 훨씬 느리고, 그 간극을 메우는 소프트웨어에 수조 달러가 걸려 있다고 했습니다.

박스(Box)를 공동 창업해 20년째 이끄는 에런 레비(Aaron Levie)가 9월 15일(미국 시각) 공개된 세쿼이아캐피털 팟캐스트 「Training Data」에서, 5년 뒤 기업이 쓰는 AI 토큰의 90%는 사람이 시작하지 않은 작업에 쓰일 것이라는 데 걸겠다고 말했습니다. 그러면서도 코딩 밖의 지식노동에 AI가 퍼지는 속도는 실리콘밸리 생각보다 훨씬 느릴 것이고, 모델과 기업의 업무 사이를 잇는 소프트웨어에 수조 달러가 걸려 있다고 했습니다. 박스는 3주 전 2분기 매출 3억 2,110만 달러(9% 증가)를 발표하며 스스로를 특정 모델에 치우치지 않는 플랫폼이라고 소개했습니다.

진행자 소냐 황은 공개 당일 X에 이 에피소드를 1~2주 전에 녹화했다고 밝히며, 박스가 수천억 개의 기업 파일을 쥐고 있고 레비가 그 파일을 모두 읽는 에이전트에 회사를 걸었다고 소개했습니다. 레비는 AI 공부의 95%를 X에서 한다고 스스로 말하는 사람이고, Fable 5.1과 GPT-6 Astra가 나온 날에도 박스 자체 평가 결과를 X에 올렸습니다. 대화에서 그는 Fable 5.1이 지금까지 본 최고 모델이고 다른 모델에 대한 소문이 있다고 했는데, 9월 3일에는 GPT-6 Astra가 박스의 가장 어려운 시험에서 77%로 GPT-5.6 Sol(74%)을 넘어 최고 기록을 냈다고 적었습니다.

## 모델에서 업무까지 놓는 다리

소냐 황이 응용 회사가 요즘 가장 뜨거운 신생 연구소(네오랩)라는 말에 동의하느냐고 묻자, 레비는 2년 전이라면 말이 안 됐겠지만 지금 시장에서 실제로 벌어지는 일이라고 답했습니다. 모델을 감싼 껍데기(LLM 래퍼)라고 불리던 사업이 오픈소스 덕분에 통하고 있다는 겁니다.

> 현실의 기업에 필요한 것은 모델의 능력에서 그 회사의 실제 업무 흐름까지 이어 주는 다리입니다. 사람들은 그걸 과소평가했습니다.
> — 에런 레비, 박스 (Training Data)

그가 꼽은 걸림돌은 모델의 지능과 상관없는 일들입니다. 다른 데이터 시스템과 연결해야 하고, 사람이 확인하는 단계가 끼고, 기다리는 동안 에이전트가 놀아야 하고, 업무 절차를 바꾸는 변화 관리가 필요하고, 현대화되지 않은 옛 시스템이 남아 있습니다. 연구 중심 조직이 가장 하기 싫어하는 일이 이것들을 하나하나 치우는 일이라는 설명입니다. 그는 AWS와 구글 클라우드, 애저가 인프라로 수조 달러의 시가총액을 만들었어도 10년 전 초기 클라우드를 보고 스노우플레이크나 데이터브릭스의 등장을 내다보기는 어려웠다며, 지능에서도 같은 일이 벌어진다고 봤습니다.

앞으로 2~5년의 변수는 모델 회사들이 응용 영역까지 올라오느냐입니다. 레비는 고객에게 가까이 가고 싶은 마음과 생태계의 신뢰를 얻어야 하는 사정이 부딪힌다고 봤습니다. 박스에도 응용 AI 팀이 있고, 지금은 어떤 모델에서든 에이전트를 잘 돌리는 데 집중하지만 시간이 지나면 고객별로나 전체 데이터로 일부 작업을 자체 모델로 떼어 낼 것이라고 했습니다.

## 토큰을 파는 회사에 라우팅을 맡기면

소냐 황은 두 힘을 짚었습니다. 토큰을 파는 쪽이 어느 토큰이 가장 좋은지까지 재고 정해 주는 것을 사람들이 원하지 않는다는 것, 그리고 모델과 업무를 잇는 일에 실제 연구가 든다는 것입니다. 레비는 앞의 것을 여우에게 닭장을 맡기는 문제라고 받으며, 응용 소프트웨어 회사가 커질 수밖에 없는 가장 큰 이유일 수 있다고 했습니다.

> 누구도 꼼수를 부리지 않는다고 해도, 에이전트에게 일을 맡긴다면 정확도는 그대로 두고 비용을 최소로 하고 싶은 게 당연합니다. 그 일을 해 줄 수 있는 쪽은 열 개의 모델 가운데 어느 것이 일하든 상관하지 않는 회사입니다.
> — 에런 레비, 박스 (Training Data)

모델 회사가 토큰을 싸게 풀 수 있다는 반론에는 오래가지 않는다고 답했습니다. 상장하면 다른 회사처럼 자본주의 법칙을 따르게 되고, 수백억 달러를 쓰는 단계에서는 훈련 비용도 대야 한다는 겁니다. 소냐 황이 지금 추론 마진은 높지 않느냐고 되묻자 레비는 그렇다면 무엇을 보조하는 것이냐고 반문했고, API를 비싸게 받아 자사 제품을 싸게 파는 구조라면 고객이 모두 자사 제품으로 옮겨 가 API 매출이 사라지는 지점에서 균형을 찾게 된다고 했습니다.

그는 메타와 SpaceX, 중국, 엔비디아처럼 추론으로 같은 마진을 낼 필요가 없는 참여자들이 있어 토큰당 비용은 어쨌든 내려가고, 그만큼 응용 쪽에 가치가 쌓인다고 봤습니다. 한두 연구소가 가치의 95%를 가져가는 데는 걸지 않겠다며, 가장 큰 연구소들도 유일한 지능 공급자가 되면 국유화될 수 있으니 어느 정도의 경쟁을 반길 것이라고 덧붙였습니다.

방송 밖에서도 같은 주장이 이어졌습니다. Stripe가 8월 19일 여러 회사의 모델을 한 창구로 파는 OpenRouter를 [인수하겠다고 알리자](/post/review-stripe-singularity-investor-letter) 레비는 X에 AI가 넓게 퍼지려면 여러 공급자의 지능을 섞어 쓰고 비용을 관리할 방법이 필요하다고 적었습니다. 오픈AI 최대 후원사를 이끄는 사티아 나델라가 7월 기업들에게 한 모델에 묶이지 말라고 적은 글을 다룬 [7월 글](/post/review-reverse-information-paradox)에는 레비가 오픈소스의 추격과 기술 범용화 쪽을 더 높게 본 대목도 실려 있습니다.

## 계약서 100만 건을 읽는 일

박스는 클라우드에 파일을 안전하게 저장하고 공유하는 서비스로 시작해 기업 시장으로 옮겨 갔습니다. 레비에 따르면 AI는 2015년 무렵부터 시도했습니다. 이미지를 분류하고 글자를 읽어 내는(OCR) 초기 모델은 쓸모가 있었지만 업무마다 따로 훈련한 모델이 필요하고 너무 비싸 접었습니다. 챗GPT가 나오자 회사 전체의 방향을 틀어 최고의 인력으로 전담팀을 꾸리고 매일 회의하며 지금의 AI 스택과 박스 에이전트(Box Agent)를 만들었다고 했습니다.

그가 꼽은 대표 사례는 계약서 100만 건이 무엇을 담고 있는지 알아내는 일입니다. 사람을 붙이기엔 너무 비싸 읽히지 않던 문서에서 중요한 정보를 뽑아 데이터베이스에 넣고 질문하고 자동화합니다. 그다음은 오래 도는 에이전트로, 은행 고객 등록처럼 1~2주 동안 오가던 절차에서 자동화할 수 있는 단계는 모두 맡기고 추가 검토가 필요한 순간에만 사람에게 넘겨 1시간에 끝내는 모습을 그렸습니다.

박스가 쥐고 있는 파일은 레비의 말로 수천억 개이고, 박스가 8월 25일 발표한 2분기(5~7월) 매출은 3억 2,110만 달러였습니다. 회사는 Enterprise Advanced 상품의 빠른 도입이 성장을 이끌었다고 밝혔습니다.

| 박스 2027 회계연도 2분기 (2026년 5~7월) | 값 |
| --- | --- |
| 매출 | 3억 2,110만 달러 (9% 증가, 고정 환율 기준 11%) |
| 남은 계약 잔고(RPO) | 17억 달러 (15% 증가) |
| 순유지율 | 106% |
| 비GAAP 영업이익률 | 29.4% |
| 3분기(8~10월) 매출 전망 | 약 3억 2,900만 달러 (9% 증가) |
| 연간 매출 전망 | 약 12억 9,000만 달러 (10% 증가) |

한데 모델과 업무를 잇는 소프트웨어에 수조 달러가 걸렸다고 말하는 회사의 매출 증가율은 9%, 고정 환율 기준으로 11%입니다. 레비는 X에 고정 환율 기준 14개 분기 만의 최고 성장률이라고 적었고, 대화에서는 자신이 편향돼 있다는 말을 먼저 꺼냈습니다. 박스 매출의 약 35%는 미국 밖에서 나오고 그 가운데 약 70%가 엔화입니다.

> 저는 당연히 응용 계층 쪽에 크게 걸었고 그만큼 편향돼 있습니다. 분산이 거의 없이 한곳에 몰아 건 베팅입니다.
> — 에런 레비, 박스 (Training Data)

## 원시 API보다 나은 하네스

박스가 만든 하네스(모델에 도구와 지시를 붙여 일을 시키는 실행 틀)는 자기 파일 시스템과 권한 구조, 검색 엔진에 맞춰져 있습니다. 사람들이 박스에서 무엇을 어떻게 찾고 파일 열 개 가운데 어떤 것을 고르는지 알기 때문에, 검색을 여러 번 한꺼번에 돌려 순위를 매기고 관련 대목만 빨리 뽑거나 필요하면 문서 전체를 읽습니다. 레비의 계정에는 20년 동안 쌓인 파일이 수천만 개인데, 같은 일을 Claude나 오픈AI 모델에 박스 API만 쥐여 주고 시켰을 때보다 정확도와 응답 속도 모두 눈에 띄게 낫다고 했습니다.

평가는 모델마다 수백 가지를 돌립니다. 금융과 생명과학, 공공, 기술 분야 문서를 주고 문제를 푸는 복합 업무 평가와, 박스 직원들이 자기 데이터를 쓰는 방식을 본뜬 사내 평가 두 가지이고, 0.5점 차이까지 잡아 비용과 정확도 기준에 따라 기본 모델을 정한다고 했습니다. 고객은 대부분 기본 모델을 쓰지만 토큰이 가장 많이 흐르는 데이터 추출 작업에서는 이 비용에 98% 정확도가 나오는지 고객이 직접 따지고, 현장 파견 엔지니어(FDE)가 모델 다섯 개를 비교해 준다고 했습니다.

![박스 복합 업무 평가에서 GPT-5.6 Sol과 GPT-6 Astra의 정확도를 업종별로 비교한 막대그래프. 미디어·엔터테인먼트 62%와 77%, 기술 62%와 77%, 법률 64%와 72%, 소비재 87%와 90%, 에너지 77%와 86%, 전체 74%와 77%](https://pbs.twimg.com/media/HRUPf_lbsAAMKjs.jpg)

모델 순위는 대체로 코딩 순위를 따르지만 제미나이는 박스의 일부 작업에서 코딩 성적보다 눈에 띄게 잘한다고 했고, Grok과 Muse, Fable, GPT-5.6이 박빙이라고 봤습니다. 박스 응용 AI 팀은 하네스 단계에서 스스로 실험을 돌려 정확도를 끌어올리는 연구를 하는데, 100쪽짜리 대출 서류에서 기성 모델로 70%를 얻느냐 97%를 얻느냐가 자동화 여부를 가른다는 설명입니다.

## 오픈 웨이트의 역설

기업 고객의 오픈 웨이트 모델 도입을 묻자 레비는 사람들 생각보다는 많고, 기업들이 원하는 것보다는 적으며, 5년 뒤보다는 훨씬 적다고 답했습니다. 30% 넘게는 멋져 보이고 싶은 마음 때문이라고 봤습니다. 포천 500대 기업 최고정보책임자(CIO)가 오픈소스를 시험 중이라고 말할 때, 그 비용 조건이면 제미나이나 Muse, 크게 값을 내린 GPT-5.6 Luna나 Terra로도 충분했을 거라는 겁니다. 오픈AI는 7월 30일 [Luna 가격을 80% 내렸습니다](/post/review-openweight-default-market-price-cut).

단점도 들었습니다. 토큰을 더 쓰기도 하고, 추론 도중 갑자기 중국어로 넘어간다는 이야기도 들었다며 은행에는 곤란한 일이라고 했습니다. 그래도 성숙한 작업부터 오픈 웨이트로 떼어 낸다는 Decagon의 제시 장(Jesse Zhang)의 글에 동의했습니다. 레비가 든 예로는 Fable이나 GPT-5.6이 전체를 지휘하고 잔일을 싼 모델에 맡기면 지출은 반반이어도 토큰은 오픈 웨이트 쪽이 10배가 될 수 있고, 그래서 폐쇄형 연구소의 매출과 오픈 웨이트 사용량이 함께 가파르게 느는 모습이 나온다는 설명입니다.

## 기록 시스템은 머리를 떼어 낸다

회사의 기준 데이터를 쥔 CRM이나 ERP 같은 소프트웨어를 기록 시스템(system of record)이라고 부릅니다. Y 콤비네이터의 게리 탠이 8월 23일(미국 시각) X에 기록 시스템은 AI 하네스가 되거나 에이전트에 대체될 것이라고 예측하자, 레비는 이튿날 그 글을 인용해 에이전트가 사람보다 100배 많은 일을 이 시스템 위에서 하게 되니 지금만큼 중요한 때가 없다고 적었습니다. 에이전트에 맞는 제품과 API, 사업 모델을 내놓는 시스템에만 해당한다는 단서도 붙였고, 근거로는 [오픈AI 모델의 허깅페이스 침입](/post/news-openai-huggingface-incident)을 들어 거버넌스와 보안, 접근 권한이 어느 때보다 중요하다고 봤습니다.

방송에서 그가 제시한 처방은 두 가지를 함께 하는 것입니다. 자기 제품을 다루는 데서 기성 에이전트보다 10~20점 나은 에이전트를 만들고, 동시에 머리를 떼어 내(headless) API와 MCP를 Claude와 챗GPT 같은 바깥 에이전트에 모두 여는 것입니다. 그는 요즘 Claude나 챗GPT에서 MCP로 세일즈포스에 접속해 예전보다 10배쯤 더 쓰고, 링크드인에 MCP로 접속할 수 있다면 10배를 더 내겠다고 그곳 제품 담당자들에게 말했다고 했습니다. 박스는 9월 10일 챗GPT와 ChatGPT Work의 라이브러리에 드롭박스, 셰어포인트와 함께 기본 연동됐고, 레비는 그날 소프트웨어가 계속 머리를 떼어 내고 있다고 적었습니다.

## 채팅창 밖에서 도는 90%

채팅창이 기업 AI의 주된 화면이 되느냐는 물음에는 묻고 답을 받는 범용 채팅이 제품마다 있는 검색창처럼 계속 남는다고 답했습니다. 다만 기업 일의 대부분은 뒤에서 도는 절차이고, 모든 계약서를 읽고 모든 로그를 보고 모든 보안 사고를 분류하는 일에는 채팅보다 대시보드와 대기열, 할 일 목록이 맞는다는 겁니다. 범용 제품이 이 화면을 모두 떠안으면 무거워지고, 절차를 아는 업종별 회사가 맞는 버튼과 탭을 만든다며 법률의 하비와 레고라, 코딩의 코그니션과 팩토리를 예로 들었습니다.

> 5년 뒤에는 기업에서 쓰이는 토큰의 90%가 사용자가 시작한 적 없는 일에 쓰이고, 사람은 결과만 보게 될 거라는 데 걸겠습니다.
> — 에런 레비, 박스 (Training Data)

## 코딩만 빨리 퍼진 이유

소냐 황은 2026년 1월 1일을 기점으로 코딩 에이전트가 경제에 가장 빨리 퍼졌지만 나머지 일에는 훨씬 느리다고 물었습니다. Stripe가 투자자 서한에서 특이점의 시작으로 꼽은 날도 1월 1일이었습니다. 레비는 코딩에만 있는 성질을 여섯 가지 들었습니다. 결과물이 모두 텍스트이고, 모델이 코드로 집중 훈련돼 있고, 연구소들이 코딩을 경쟁 지표로 삼으며, 모델을 만드는 사람들이 매일 직접 코딩하며 평가하고, 사용자가 가장 기술적인 집단이라 연결이 끊겨도 IT 부서를 부르지 않고 직접 고치며, 임금이 높아 생산성이 조금만 올라도 값어치가 큽니다.

AI가 쓴 코드는 반기면서 AI가 쓴 발표 자료에는 거부감이 드는 것도 같은 차이로 설명했습니다. 대부분의 코드는 무언가를 자동화하는 도구라 에이전트가 짜 주면 더 좋지만, 발표 자료는 그 사람을 믿고 일을 맡길 수 있는지 가늠하는 대리 지표 구실을 해 왔다는 겁니다. 그는 사회가 3~5년에 걸쳐 이 혼란을 지나가야 할 수 있다고 봤습니다.

지식노동은 코딩과 닮은 정도로 줄을 세울 수 있습니다. 문서를 읽고 쓰는 법률은 코딩에 가까워 빠르게 퍼지고, 고객이 답장하고 예산이 있어야 일이 되는 영업은 가장 멉니다.

데이터가 있는 곳도 다릅니다. 코딩 에이전트는 가입 절차 없이 깃허브만 연결하면 됐지만 지식노동에는 그런 입구가 없고, 레비는 박스 매출이 연 13억 달러 수준이니 박스를 쓰지 않는 회사가 훨씬 많고 그 데이터는 사내 서버와 옛 파일 공유 시스템에 흩어져 있다고 했습니다. 접근 권한에서도 차이가 나서, 개발자는 일에 필요한 것 대부분에 접근하지만 변호사는 자기 사건 다섯 개만 볼 수 있고 옆방에서 경쟁사 사건을 맡은 동료와는 문서 한 장도 오가지 않게 벽이 쳐져 있습니다. 모델이 사용자마다 계속 배우는 지속 학습도 이 권한 문제를 풀어야 한다는 것이 그의 생각입니다.

그래서 그가 실리콘밸리에 건네는 말은 확산이 생각보다 훨씬 오래 걸린다는 것이고, 그 느린 확산이 곧 응용 AI 회사들의 기회라는 것입니다. 변호사와 영업 사원, 생명과학 연구자, 고객 지원 팀장에게 기술을 가져다주는 일에 1조 달러 규모의 가치가 있다고 봤습니다. 9월 9일 X에서도 그는 최고의 초지능을 가져가도 데이터 준비와 절차 재설계, 변화 관리라는 기업의 물리 법칙에 묶이고, 고객 답장이나 인허가처럼 현실의 속도에도 묶인다고 적었습니다.

## 박스 안에서 본 AI 전환

박스는 회의록과 로드맵, 재무 문서까지 문서로 남은 것은 모두 박스에 두고 다른 도구를 쓰지 못하게 해 온 덕에 에이전트를 올리기 쉬웠다고 했습니다. AI에 열성적인 최고정보책임자와 AI 전담 조직, 사내 AI 박사들이 있고, 토큰 사용량 순위표도 있지만 경쟁을 시키는 대신 들여다보는 데 씁니다. 상위 3명 가운데 한 명은 토큰의 절반을 낭비하고 두 명은 전사 교육을 해야 할 만큼 잘 쓰는 식이라, 2주 전에는 한 직원의 사용법을 팀 전체 앞에서 시연하게 했다고 합니다.

고객에게 내놓는 기능은 일부 영역에서 2~3배 늘었지만 앤트로픽에 있는 친구와 이야기하면 아직 갈 길이 멀다고 느낀다고 했습니다. 코드 리뷰를 없애는 일만큼은 고객의 데이터 보안과 규정 준수 때문에 할 수 없어 생산성에서 늘 조금 손해를 본다고도 인정했습니다. 5년 전이라면 40명이 붙었을 제품을 두 명이 만드는 젊은 창업자들이 부럽지만 좋은 아이디어마다 곧바로 경쟁자 다섯이 붙는 시대라, 고객에게 먼저 가져가는 쪽이 이긴다는 것이 그의 결론입니다.

방송 첫머리와 끝에서 레비는 어떤 피드를 보느냐에 따라 1년 앞서거나 1년 뒤처진다며, 대학 2~3학년생들에게 X에 가입해 계정 20개를 팔로하라는 긴급 경보라도 보내고 싶다고 했습니다. 그 자신은 매일 밤 피드를 끝까지 내려 보며 흩어진 정보를 맞춰 본다고 했습니다.

읽어 주셔서 고맙습니다.

초이 드림