네이버는 AI 기술 투자 확대에 따른 수익성 부담을 안고 있지만, 이를 미래 AI 수익화를 위한 필수적인 과정으로 보고 있습니다. 2026년까지 AI 기반 서비스 강화와 수익 모델 구축에 집중할 것으로 예상됩니다.
네이버와 카카오, AI 대중화 경쟁 본격화 이유는?
네이버와 카카오는 2024년 1분기 역대 최대 실적을 기록하며 AI 대중화 경쟁에 본격적으로 뛰어들었습니다. 네이버는 1분기 매출 3조 2,411억 원, 영업이익 5,418억 원을 달성하며 전년 동기 대비 각각 16.3%, 7.2% 성장했습니다. 카카오 역시 매출 1조 9,421억 원, 영업이익 2,114억 원으로 각각 11%, 66% 증가하며 안정적인 성장세를 보였습니다. 양사 모두 플랫폼 사업의 견고함을 바탕으로 AI 서비스 고도화와 생태계 확장에 박차를 가하고 있습니다. 특히 네이버는 검색, 쇼핑, 결제를 아우르는 통합 플랫폼 전략을 통해 AI 에이전트 생태계를 구축하고 있으며, AI 기반 광고 솔루션인 애드부스트(ADVoost)가 플랫폼 매출 성장을 견인하고 있습니다. 커머스 생태계 역시 네이버플러스 스토어, 멤버십, N배송을 중심으로 빠르게 성장 중입니다.
네이버, AI 투자로 인한 수익성 부담은 어떻게 관리하고 있나?
관련 글
네이버는 올해 1분기 매출은 크게 증가했지만, 영업이익 증가율이 7.2%에 그치며 수익성 부담이 커지고 있습니다. 이는 AI 인프라 투자, 콘텐츠 중계권 확보, 커머스 마케팅 확대 등 선제적인 비용 집행이 동시에 반영된 결과입니다. 특히 GPU 등 신규 컴퓨팅 자산 확보로 인프라 비용이 32.5% 증가했으며, 동계올림픽 및 LCK 중계권 확보, Npay Connect 단말기 확대 등으로 파트너비도 19.9% 늘었습니다. 또한 쇼핑, 포시마크, 웹툰 프로모션 확대에 따른 마케팅비 증가도 수익성에 영향을 미쳤습니다. 하지만 네이버는 이러한 비용을 단기적인 부담이 아닌, 미래 AI 수익화를 위한 필수 투자로 보고 있습니다. 최수연 대표는 생성형 AI 시대에는 복제가 어려운 독점 데이터의 가치가 중요해지고 있으며, GPU 확보와 오프라인 거래 데이터 축적이 향후 광고 추천 정확도와 전환율 향상으로 이어질 것이라고 강조했습니다. 실제로 네이버 내부 데이터에 따르면, 결제 인프라 연동 여부에 따라 광고 전환율이 최대 2배 가까이 차이 나는 것으로 나타났습니다.
AI 기반 서비스, 향후 수익화 전략은 무엇인가?
네이버는 올해 하반기부터 AI 광고 수익화를 본격화할 계획입니다. 2분기에는 쇼핑 및 로컬 기반 생성형 AI 광고 테스트를 시작하고, 하반기에는 AI 브리핑 도입을 통해 사용자 경험을 개선하고 광고 효율을 높일 것으로 기대됩니다. 또한, 블로그, 카페, 리뷰 등 방대한 UGC 데이터를 활용하여 쇼핑 AI 에이전트, 건강 AI 에이전트와 같은 버티컬 AI 서비스를 순차적으로 확대하며 '로컬 기반 AI 생태계'를 더욱 강화할 방침입니다. 이는 단순히 기술 개발에 그치지 않고, 실제 사용자의 니즈를 충족시키는 AI 서비스로 수익을 창출하겠다는 전략입니다. 네이버는 AI 기술과 데이터를 결합하여 개인화된 추천, 효율적인 광고 집행, 그리고 새로운 서비스 경험을 제공함으로써 장기적인 성장 동력을 확보하고자 합니다.
AI 투자 시 주의할 점 및 고려사항은?
네이버의 AI 투자 확대는 장기적인 성장 잠재력을 높이지만, 단기적인 수익성 악화 가능성도 존재합니다. 투자자들은 AI 기술 개발 및 인프라 구축에 상당한 비용이 소요된다는 점을 인지해야 합니다. 또한, AI 서비스의 성공적인 수익화는 기술력뿐만 아니라 사용자 데이터 확보 및 활용 능력, 그리고 시장의 수용도에 크게 좌우됩니다. 네이버는 방대한 UGC 데이터와 통합 플랫폼 전략을 통해 이러한 경쟁 우위를 확보하려 하지만, 경쟁사들의 AI 기술 발전 속도와 새로운 비즈니스 모델 등장 가능성도 염두에 두어야 합니다. 따라서 네이버의 AI 투자 성과를 평가할 때는 단기적인 재무 지표뿐만 아니라, AI 기반 신규 서비스 출시 및 사용자 반응, 그리고 장기적인 수익화 모델 구축 과정을 종합적으로 고려해야 합니다. 개인 투자자라면 이러한 거시적인 흐름을 이해하고 장기적인 관점에서 접근하는 것이 중요합니다.
자세한 내용은 원본 글에서 확인하세요.
