AI가 사모펀드(Private Equity)를 대체하게 될까?

AI는 사모펀드(Private Equity) 기업을 위협하여 대체하기 훨씬 전부터, 그 내부의 업무 방식을 재정립할 것입니다.

Blake Aber · Predicate Ventures · 2026

질문의 프레임이 잘못되었습니다

이 질문은 사모펀드(Private Equity)를 소프트웨어가 흡수할 수 있는 하나의 기능(function)으로 가정합니다. 하지만 그렇지 않습니다. 사모펀드는 하나의 구조(structure)입니다: 공동 자본(pooled capital), 수수료 모델(fee model), 경영권(control positions), 그리고 매각 또는 자본 재구조화(recapitalization)로 끝나는 보유 기간(holding period)으로 이루어져 있습니다.

AI는 그 구조를 바꾸지 않습니다. 그 구조를 채우는 노동(labor)을 바꿉니다.

더 나은 질문은 기업 내부의 어떤 과업(tasks)이 인간의 손에서 모델(models)로 넘어가는가, 그리고 그것이 남겨진 사람들의 경제적 측면(economics)에 어떤 영향을 미치는가입니다.

AI가 이미 잘하고 있는 것들

딜 소싱(Deal sourcing)이 가장 명확한 사례입니다. 미드마켓(Mid-market) 기업들은 소수의 계약을 성사시키기 위해 수천 개의 기업을 스크리닝합니다. 이제 모델들은 공시 자료를 읽고, 산업 데이터를 분석하며, 리스트를 검토하는 어소시에이트(associate)보다 더 빠르게 투자 논거(thesis)에 부합하는 후보를 찾아냅니다.

이는 깔때기(funnel)의 상단을 압축합니다. 과거에는 타겟 유니버스(target universe)를 구축하는 데 몇 주가 걸렸던 팀이 이제는 며칠 만에 해낼 수 있습니다.

실사(Diligence) 지원이 그 뒤를 잇습니다. 모델은 데이터 룸(data rooms)을 요약하고, 재무제표의 불일치를 찾아내며, 초안 메모(first-pass memos)를 작성합니다. 모델이 판단(judgment)을 대체하지는 않지만, 판단을 위한 입력값(inputs)을 모으는 데 소비되는 시간을 제거해 줍니다.

포트폴리오 모니터링(Portfolio monitoring)이 세 번째 영역입니다. 수십 개의 기업을 보유한 기업들은 분기별 이사회 보고서(board packages)를 기다리는 대신 운영 지표(operating metrics)를 지속적으로 추적할 수 있습니다. 주요 수치의 이탈(Drift)을 더 일찍 포착할 수 있게 됩니다.

이것들은 실질적인 이득입니다. 또한 이는 주니어 직원들이 수행하던 업무 영역이기도 하며, 바로 이 지점에서 압박이 가해집니다.

AI가 하지 못하는 것

경영권 투자(Control investment)는 협상입니다. 가격, 조건, 거버넌스(governance), 그리고 창업자나 경영진과의 관계는 분위기를 읽고 입장을 고수할 수 있는 사람들에 의해 결정됩니다. 모델은 텀 시트(term sheet)를 작성할 수는 있습니다. 하지만 구매자를 믿을지 말지를 결정하고 있는 판매자 맞은편에 앉아 있을 수는 없습니다.

종결(close) 이후의 가치 창출(Value creation)은 실제 기업 내부의 운영 결정에 달려 있습니다. CEO를 채용하고, 영업 방식(sales motion)을 개선하며, 인수 기업을 통합하는 등의 작업은 시스템이 아닌 파트너가 책임져야 하는 영역입니다.

펀드레이징(Fundraising) 또한 인간적인 영역입니다. 유한책임출자(Limited partners, LP)는 실적(track record)이 있는 사람에게 자본을 맡깁니다. 그들은 팀에 대한 확신을 사는 것이며, 그 확신은 모델에 의해 생성되는 것이 아니라 수년간의 미팅을 통해 쌓아 올리는 것입니다.

사모펀드(Private equity)의 수수료를 정당화하는 부분들은 바로 AI가 제대로 다루지 못하는 부분들입니다.

실제적인 영향: 달러당 인력의 감소

예상되는 결과는 대체가 아닙니다. 더 적은 인원이 더 많은 자본을 관리하는 형태가 될 것입니다.

만약 두 명의 애널리스트(analyst)가 이전에 여섯 명이 하던 일을 할 수 있게 된다면, 회사는 더 많은 딜(deal)을 맡거나 더 적은 팀으로 동일한 규모의 업무를 유지하게 됩니다. 두 경로 모두 인당 생산성을 높입니다.

이는 회사가 구축되는 방식에 있어 중요한 문제입니다. 소수의 파트너를 위해 다수의 주니어(junior)가 뒷받침하는 전통적인 피라미드 구조는 하단의 수동 작업량이 일정하다는 것을 전제로 했습니다. 그 작업량이 줄어듦에 따라 하단부는 좁아집니다.

그 결과는 인재 문제로 이어집니다. 회사들은 오랫동안 어소시에이트(associate)로서 수년간의 업무를 거치게 함으로써 파트너를 양성해 왔습니다. 만약 모델이 그 업무를 수행한다면, 시니어의 판단력을 길러주던 도제식 교육(apprenticeship)은 더 짧아지고 얇아질 것입니다. 다음 세대의 파트너가 어디에서 올 것인가가 실질적인 문제가 됩니다.

차별화가 이동하는 지점

모든 회사가 동일한 공시 서류를 읽는 동일한 모델을 보유하게 된다면, 소싱(sourcing)은 더 이상 경쟁 우위가 되지 못합니다. 우위는 독점적인 입력 데이터(proprietary inputs)와 관계(relationships)로 이동합니다.

이전 딜(deal)로부터 얻은 운영 데이터(operating data)를 보유한 회사는 범용 도구보다 해당 섹터를 더 잘 읽는 모델을 구축할 수 있습니다. 20개의 소매 기업을 소유해 본 소비자 중심 펀드는 어떤 신호가 문제를 예측하는지 알고 있습니다. 이러한 지식을 모델에 입력하면, 공개 데이터(public data)만으로 작업하는 경쟁사보다 더 날카로운 스크리닝(screening)을 수행할 수 있습니다.

관계는 복제할 수 없기 때문에 그 가치를 유지합니다. 창업자를 잘 대우하는 것으로 알려진 회사는 딜이 경매(auction) 단계에 도달하기 전에 먼저 접하게 됩니다. 어떤 모델도 그러한 평판을 대체할 수는 없습니다.

우위(edge)는 작업을 더 빠르게 수행하는 것에서, 아무도 갖지 못한 입력값(inputs)을 보유하는 것으로 이동합니다.

AI-First 펀드에 관한 노트

일부 투자자들은 처음부터 모델을 중심으로 설계된 회사—소규모 팀, 자동화된 소싱(sourcing), 빠른 실사(diligence)—를 구축하는 것을 설명합니다. 이들의 주장은 이러한 회사가 인력 규모에 눌려 있는 기존 업체(incumbents)보다 실행력이 뛰어날 것이라는 점입니다.

소싱(sourcing)과 분석 측면에서는 이 논리가 성립합니다. 하지만 사람이 필요한 부분에서는 한계가 드러납니다. AI-First 펀드라 할지라도 여전히 협상하고, 이사회에 참여하며, 팀을 직접 만나고 싶어 하는 LP(유한책임출자자)들로부터 자본을 조달해야 합니다. 비용 절감 효과는 실재하지만 제한적입니다.

더 가능성 높은 경로는 기존 업체들이 새로운 진입자가 트랙 레코드(track record)를 쌓는 것보다 더 빠르게 이러한 도구들을 채택하는 것입니다. 유통(distribution)과 평판은 제로(zero) 상태에서 시작하기 어렵고, 이는 바로 모델이 제공할 수 없는 요소들입니다.

주목해야 할 점

이 현상이 어디까지 진행될지를 나타내는 세 가지 신호가 있습니다.

딜 속도(Deal velocity). 만약 품질 저하 없이 파트너당 체결하는 딜의 수가 유의미하게 늘어나기 시작한다면, 도구들이 실질적인 역할을 하고 있다는 뜻입니다. 속도가 정체되어 있다면 얻는 이득이 주장하는 것보다 작다는 것을 의미합니다.

인력 구성(Headcount mix). 주니어와 시니어 직원의 비율을 관찰하십시오. 하위 직급의 비중이 줄어든다면 모델이 엔트리 레벨(entry-level) 업무를 흡수했음을 확인시켜 줍니다.

수수료 압박(Fee pressure). AI가 회사 운영 비용을 절감한다면, LP들은 결국 왜 운용 보수(management fees)가 그대로인지 물을 것입니다. 절감된 비용을 먼저 돌려주는 회사들이 나머지 회사들을 압박하게 될 것입니다.

결론

사모펀드(Private equity)는 AI에 의해 대체되지 않을 것입니다. 자본의 풀링(pooled capital), 경영권 확보(control positions), 보유 기간(holding period), 수익에 대한 수수료로 구성된 구조는 모델이 데이터 룸(data room)을 읽을 수 있다고 해서 해체되지 않습니다.

변하는 것은 업무의 내용입니다. 소싱(sourcing), 실사 지원(diligence support), 모니터링은 자동화로 향합니다. 회사는 더 슬림해지고, 더 적은 인원을 통해 더 많은 자본이 흐르게 되며, 우위는 독점적 데이터(proprietary data)와 관계(relationships)로 이동합니다.

가장 큰 노출을 겪는 사람들은 파트너들이 아닙니다. 그들은 업무 자동화가 가장 쉬웠던 주니어들과, 그들을 파트너로 성장시켜 주던 도제식 교육(apprenticeship)을 받는 이들입니다. 회사들이 이러한 교육 격차를 어떻게 해결하느냐가 향후 10년 동안 사모펀드를 누가 운영할지를 결정할 것입니다.

기관은 살아남을 것입니다. 하지만 그 내부의 직무는 이전과 같은 모습이 아닐 것입니다.