네이버·카카오 AI 전략 비교: MAU보다 중요한 수익화와 투자 효율

구글 앱의 국내 월간 활성 이용자 수가 네이버 앱을 추월했다는 보도는 상징성이 크다. 그러나 앱 이용자 수 한 항목은 검색 경쟁력, 플랫폼 충성도, 광고 매출 또는 AI 사업의 성공을 그대로 나타내지 않는다.

네이버와 카카오의 AI 전략도 단순히 ‘자체 모델 대 외부 모델’로 나누면 실제보다 과장된다. 네이버는 모델부터 클라우드와 서비스까지 통제하는 범위를 넓히고 있고, 카카오는 외부의 강력한 모델과 자체 기술을 조합해 카카오톡 안에서 이용자가 실제 행동을 완료하게 만드는 데 무게를 두고 있다.

구글 앱의 MAU 역전 보도를 읽는 법

MAU는 측정 기간 한 달 동안 한 번 이상 서비스를 이용한 순이용자 수다. 도달 범위를 파악하는 데 유용하지만 한 사용자가 얼마나 자주 방문했는지, 무엇을 했는지, 매출을 만들었는지는 보여주지 않는다.

앱 통계는 조사 업체와 집계 방식에 따라서도 달라진다. Android와 iOS의 포함 범위, 사전 설치 앱 처리, 백그라운드 실행 제외 기준, 표본 보정 방식, 동일 기업의 여러 앱을 합산하는지 등을 확인해야 한다. 구글 앱은 검색뿐 아니라 음성 검색, 이미지 검색, 추천 콘텐츠, Gemini 연결 등 여러 진입 목적을 가질 수 있다.

따라서 ‘구글 앱 MAU 1위’는 구글의 모바일 접점이 넓어졌다는 신호로 읽을 수 있지만, 네이버의 검색·광고·커머스 사업이 즉시 열세로 바뀌었다는 증거는 아니다. 같은 기준으로 여러 분기를 추적하고 DAU, 이용 시간, 검색 점유, 거래 전환과 매출을 함께 비교해야 한다.

검색 점유율보다 검색 목적이 중요한 이유

모든 검색이 같은 가치를 지니는 것은 아니다. 사실 확인이나 문서 요약은 Google, ChatGPT, Gemini 같은 범용 검색·생성형 AI에서 빠르게 끝날 수 있다. 반면 구매 직전의 상품 비교, 지역 매장 탐색, 예약 가능 여부 확인처럼 행동과 가까운 탐색은 후기, 가격, 지도, 결제 시스템이 연결된 플랫폼에 유리하다.

네이버의 강점으로 평가되는 부분은 한국어 문서의 양만이 아니다. 블로그, 카페, 지도, 플레이스, 쇼핑, 예약처럼 이용자의 탐색과 거래가 연결되는 구조가 핵심이다. 지역 사업자 정보나 장기간 누적된 사용 후기는 범용 AI가 즉시 동일한 수준으로 대체하기 어려울 수 있다.

다만 이 자산을 영구적인 방어선으로 봐서는 안 된다.

• 후기의 신뢰도가 떨어지거나 광고성 콘텐츠가 늘면 데이터의 양이 많아도 검색 만족도는 낮아진다.
• 생성형 AI가 출처를 명확히 제시하면서 여러 사이트의 정보를 비교하면 포털 내부 탐색의 필요성이 줄 수 있다.
• 외부 모델도 제휴, 라이선스, 공개 웹, 사업자 제공 정보를 통해 지역 데이터를 강화할 수 있다.
• AI 답변이 검색 결과 화면에서 질문을 끝내면 콘텐츠 페이지와 광고로 이동하는 트래픽이 감소할 수 있다.

네이버가 지켜야 할 것은 단순 검색량이 아니라 신뢰할 수 있는 최신 정보와 예약·구매까지 이어지는 완결된 이용 흐름이다.

네이버의 기업가치가 AI 투자만으로 오르지 않는 이유

주가 변동을 특정 원인 하나로 설명할 수는 없다. 금리, 시장 위험 선호, 실적 전망, 규제, 경쟁, 자본 배분이 동시에 반영되기 때문이다. 다만 성숙한 플랫폼이 대규모 AI 투자를 시작할 때 투자자가 확인하려는 질문은 비교적 분명하다.

1. 기존 검색 광고와 커머스의 성장률을 유지할 수 있는가?
2. GPU, 데이터센터, 연구개발비 증가가 영업이익률을 얼마나 낮추는가?
3. AI 검색이 기존 광고 상품을 잠식하지 않고 새로운 매출을 만드는가?
4. 기업용 AI와 클라우드 매출이 투자비를 회수할 만큼 성장하는가?
5. 투자와 자사주 소각·배당 등 주주 환원 사이의 균형이 적절한가?

네이버를 대형 유통기업이나 방향을 바꾸는 항공모함에 비유할 수는 있지만, 비유가 원인을 입증하지는 않는다. 네이버는 무형의 데이터와 소프트웨어를 반복 판매할 수 있고, 유통기업은 재고·매장 비용의 비중이 크다는 차이가 있다. 비교의 핵심은 ‘기존 현금창출 사업을 유지하면서 새 인프라에 투자해야 하는 전환기’라는 공통점에 한정해야 한다.

시장에서는 투자 규모보다 회수 경로의 가시성이 중요하다. AI 기능이 이용자를 늘려도 추론 비용이 매출보다 빠르게 증가하면 경제적 성과는 약해질 수 있다.

네이버와 카카오의 AI 전략 비교

두 회사의 선택은 플랫폼의 출발점과 수익 구조가 다르기 때문에 갈린다.

네이버: 통제 범위를 넓히는 풀스택 전략

네이버는 HyperCLOVA X 같은 자체 모델, NAVER Cloud, 데이터센터와 소비자 서비스를 연결한다. 이 전략은 데이터의 저장 위치, 보안, 한국어 및 지역 맥락, 기업별 맞춤화가 중요한 고객에게 설득력이 있다. 국가나 기관이 자국의 언어·규제·데이터 통제를 중시하는 소버린 AI 시장도 잠재적인 사업 영역이다.

하지만 ‘풀스택’이 모든 반도체와 소프트웨어를 독자 생산한다는 뜻은 아니다. GPU와 핵심 부품, 일부 소프트웨어 생태계에서는 외부 공급자와 협력이 필요하다. 성패는 자체 보유 여부보다 각 계층을 얼마나 효율적으로 통합하고 유료 고객을 확보하느냐에 달렸다.

카카오: 배포망과 행동 완결성을 활용하는 전략

카카오는 OpenAI와 전략적 협력을 발표했고, 카카오톡 안에서 AI가 대화에 답하는 수준을 넘어 이용자의 작업을 지원하는 방향을 추진해 왔다. 메시지에서 일정, 검색, 예약, 구매, 이동 호출로 이어지는 과정을 줄인다면 카카오가 보유한 서비스 연결망이 강점이 될 수 있다.

다만 카카오가 자체 LLM이나 AI 인프라에 전혀 투자하지 않는다고 단정하는 것은 부정확하다. 자체 AI 모델과 서비스를 개발하면서 외부 선도 모델을 함께 활용하는 혼합 전략에 더 가깝다. 외부 모델을 사용하면 개발 속도를 높일 수 있지만 비용, 개인정보 처리, 장애 대응과 공급자 의존 문제를 관리해야 한다.

어느 전략이 이겼는지 판단하는 지표

모델 평가 점수나 앱 다운로드 수만으로는 사업의 승자를 정할 수 없다. 다음 지표를 같은 기간에 반복해서 확인해야 한다.

단기에는 외부 모델을 활용하는 전략이 빠르고 저렴해 보일 수 있다. 이용량이 크게 늘거나 공급자 가격이 오르면 자체 인프라의 경제성이 개선될 수 있다. 반대로 기술 세대가 빠르게 교체되고 수요가 불확실하면 대규모 자체 설비가 부담이 된다. 어느 방식이 항상 우월한 것이 아니라 수요 규모와 가동률, 서비스당 마진에 따라 결과가 바뀐다.

한국 소프트웨어 경쟁력을 하드웨어 보급 단계로만 설명할 수 없는 이유

AI 산업에서 GPU와 데이터센터 투자가 먼저 확대되고 이후 응용 소프트웨어가 성장한다는 설명은 일부 흐름을 보여준다. 그러나 소프트웨어 수익화가 인프라 구축 이후에만 시작된다고 보기는 어렵다. 클라우드, 광고 기술, 게임, 엔터프라이즈 소프트웨어와 모바일 서비스는 이미 하드웨어와 동시에 경쟁한다.

한국 기업의 소프트웨어 경쟁력을 평가할 때는 다음 조건을 구분해야 한다.

• 국내 시장에서 검증된 서비스를 다른 언어와 규제 환경으로 확장할 수 있는가
• 제품을 일회성 구축이 아닌 반복 가능한 구독형 서비스로 판매할 수 있는가
• 해외 개발자와 기업이 이용할 API와 생태계를 만들 수 있는가
• 글로벌 영업, 기술 지원과 파트너 체계를 갖췄는가
• 개인정보, 저작권과 AI 안전 요구를 제품 설계에 반영했는가

네이버의 해외 AI·클라우드 사업은 가능성을 보여줄 수 있지만, 개별 협력 발표와 지속적인 매출은 구분해야 한다. 실제 경쟁력은 계약 규모, 반복 매출, 고객 유지, 수익성처럼 확인 가능한 사업 지표가 공개될 때 평가할 수 있다.

공공 AI 사업 참여 여부는 어떻게 해석해야 하나

‘모두의 AI’처럼 유사한 명칭을 사용하는 공공 캠페인, 무료 이용 지원 또는 컨소시엄 사업은 발표 시점과 주관 기관에 따라 참여 조건이 달라질 수 있다. 특정 기업의 참여·불참과 그 동기를 판단하려면 공식 공고, 협약 기관, 예산, 서비스 기간과 조달 문서를 먼저 확인해야 한다.

카카오의 참여가 이용자 접점 확대에 유리하거나 네이버의 불참이 독자 사업 집중을 뜻할 가능성은 있다. 그러나 기업이 동기를 공식적으로 밝히지 않았다면 상업적 실익, 기술 노선 또는 홍보 목적을 사실처럼 단정할 수 없다. 공공 사업 참여는 전략의 한 단서일 뿐 모델 경쟁력이나 장기 수익성을 입증하지 않는다.

놓치기 쉬운 승부처: 에이전트의 거래 통제권

단순한 모델 비교에서 빠지기 쉬운 쟁점은 AI가 이용자의 의도를 이해한 뒤 실제 거래를 어디에서 완료하느냐다. AI 에이전트가 식당을 추천하는 데 그치지 않고 예약과 결제까지 처리하면 플랫폼의 수익 구조가 달라진다.

이 과정에서는 네 가지 통제권이 중요하다.

1. 의도 데이터: 이용자가 무엇을 찾고 구매하려는지 파악할 수 있는가
2. 거래 연결: 판매자·매장·이동·결제 시스템에 실시간으로 접근할 수 있는가
3. 사용자 동의: 개인정보와 결제 권한을 투명하게 받아 안전하게 관리하는가
4. 수익 배분: 모델 제공자, 플랫폼, 콘텐츠 생산자와 판매자 사이의 가치를 어떻게 나누는가

네이버는 검색과 상거래 데이터의 연결에서, 카카오는 대화 관계망과 생활 서비스 호출에서 출발점이 다르다. 최종 승부는 더 유창한 답변보다 적은 단계로 신뢰할 수 있는 행동을 완료하고 그 과정에서 지속 가능한 수익을 남기는 능력에서 날 가능성이 크다.

가능한 세 가지 전개 시나리오

네이버의 통합 전략이 유리한 경우

기업과 공공기관이 데이터 통제와 현지화를 중시하고, 자체 인프라의 높은 가동률을 확보하며, 클라우드·AI 매출이 투자비보다 빠르게 성장하는 경우다.

카카오의 서비스 전략이 유리한 경우

기반 모델이 빠르게 범용화되고 가격이 낮아지며, 카카오톡의 배포력을 이용해 예약·구매·호출 같은 행동형 AI를 신속하게 확산하는 경우다.

두 전략이 수렴하는 경우

네이버도 필요한 영역에서 외부 모델을 조합하고 카카오도 비용·보안상 중요한 기능을 자체 운영하면서 혼합 구조로 수렴할 수 있다. 실제 시장에서는 순수한 자체 개발과 완전한 외부 의존 사이의 여러 조합이 경쟁할 가능성이 높다.

결론

구글 앱의 MAU 상승은 네이버에 경고 신호지만 패배 선언은 아니다. 네이버에는 검색과 거래 데이터의 품질, AI 인프라 투자 회수, 기업 시장 확대가 핵심 과제다. 카카오에는 외부 모델을 활용하면서도 카카오톡 안에서만 가능한 경험을 만들고 서비스 원가와 공급자 의존을 통제하는 일이 중요하다.

두 회사의 전략은 무거운 방식과 가벼운 방식의 단순 대결이 아니다. 하나는 통제력과 장기 인프라 경제성을, 다른 하나는 배포 속도와 서비스 전환을 우선하는 선택이다. 승자는 MAU 1위가 아니라 AI를 반복 매출과 현금흐름으로 바꾸는 기업이 될 것이다.