삼성SDS의 AI 인프라 확대, 한국 산업은 ‘보유’에서 ‘운영 성과’로 넘어갈 수 있나

한국 산업의 AI 경쟁력을 판단하는 기준이 더 구체적이어야 할 시점이다. 데이터센터의 전력 용량과 확보한 반도체 수량은 공급 기반을 보여준다. 그러나 기업이 그 자원을 실제 업무에 사용하고, 비용을 감당하면서 생산성과 수익을 높였는지는 다른 문제다. 삼성SDS의 최근 실적과 사업 발표는 이 두 단계 사이에서 한국 산업이 무엇을 확인해야 하는지 보여주는 사례다.
 

삼성SDS는 2026년 10월 29일 3분기 연결 잠정실적으로 매출 3조7,725억원, 영업이익 2,410억원을 발표했다. 전년 동기 대비 각각 11.2%, 3.7% 증가했다. 클라우드 매출은 7,961억원으로 약 18% 늘었다. 회사는 클라우드와 물류 확대를 성장 배경으로 설명했다. 현재 사업의 매출 성장은 확인되지만, 이를 신규 AI 인프라 전체의 수익화 성과로 확대할 수는 없다. 
 

실적의 방향도 나눠 읽어야 한다. 회사 표시 기준 영업이익률은 전년 동기 6.8%에서 6.4%로 낮아졌고, 당기순이익은 1,807억원으로 10.1% 감소했다. 매출이 늘었다는 사실만으로 수익성이 전반적으로 개선됐다고 말하기 어려운 이유다. 다만 이익률 변화를 특정 AI 투자나 프로젝트의 비용 때문이라고 귀속시킬 근거도 확보되지 않았다. 클라우드 매출에는 일반 클라우드와 기업 시스템 관련 사업이 포함되므로, AI만의 매출과 이익을 평가하려면 추가 정보가 필요하다. 
 

이번 발표의 구조적 변화는 기존 계획에 실행 근거가 더해졌다는 데 있다. 삼성SDS는 지난 2분기에 이미 2031년까지 AI 인프라 사업 규모를 800MW 이상으로 확대하겠다는 목표를 제시했다. 이번에는 대형 데이터센터 DBO 우선협상대상자 선정과 구미·해남 데이터센터의 건설 진행을 설명했다. 장기 목표의 반복과 개별 사업의 진전은 구분해야 하지만, 계획이 협상과 건설이라는 구체적인 활동으로 이어지고 있다는 점에는 의미가 있다. 
 

여기서 MW는 전력 용량을 나타내며, 연산 성능이나 매출을 직접 표시하는 단위가 아니다. 같은 전력 용량이라도 장비 구성과 이용률, 고객의 사용 방식에 따라 경제적 성과가 달라진다. 특히 삼성SDS의 인프라 확대에는 직접 투자, 지분투자, 설계·구축·운영 위탁사업이 함께 포함된다. 800MW라는 목표를 삼성SDS가 전액 소유하고 가동하는 자산 규모로 해석하면 사업의 자본 부담과 수익 귀속을 잘못 읽게 된다.

직접 투자형은 시설을 구축하고 소유한 뒤 고객에게 서비스를 제공하는 경로다. 지분투자형은 투자대상의 성과가 출자 조건과 지분, 계약에 따라 투자자에게 돌아오는 구조다. DBO는 데이터센터를 설계하고 구축하며 운영하는 업무를 위탁받는 모델이다. 삼성SDS는 2분기 공식 설명에서 이 세 경로를 구분했다. 전체 시설을 보유하지 않더라도 운영 역량으로 수익을 얻을 수 있다는 점에서, DBO는 한국 IT서비스 기업이 산업 인프라의 수행·운영 영역으로 사업을 넓히는 경로로 볼 수 있다. 이는 사업모델에 대한 분석이며, 이번 개별 계약의 수익성을 확정하는 판단은 아니다.

이러한 변화는 세계적인 AI 투자 확대와 맞물려 있다. 국제에너지기구의 2026년 보고서는 세계 데이터센터 전력 소비를 2025년 485TWh에서 2030년 약 950TWh로 늘어나는 경로로 전망했다. TWh는 일정 기간 실제로 소비하는 전력량의 단위다. 이 수치는 세계 데이터센터 전체에 관한 전망이므로, 특정 기업의 MW 계획과 직접 비교해 시장점유율이나 경쟁력 격차를 계산할 수 없다. 보고서는 전력망 연결, 장비, 반도체와 자금 조달의 제약도 함께 지적한다. 수요 확대 전망과 모든 프로젝트의 실현은 같은 뜻이 아니다. 

한국 산업에 대한 함의는 AI 경쟁에서 전력·시설·자본과 업무 운영 역량을 함께 봐야 한다는 것이다. 연산자원을 공급할 시설이 있어도 고객 데이터를 연결하고 보안과 권한을 관리하며 기존 업무 시스템 안에서 안정적으로 작동시키지 못하면 활용이 제한될 수 있다. 반대로 업무 적용 능력이 있어도 자원 공급과 비용 조건이 맞지 않으면 확산이 어렵다. 삼성SDS가 인프라와 플랫폼, 고객 시스템 구축을 연결하려는 전략은 이 접점을 겨냥한다는 해석이 가능하다. 다만 한 기업의 전략을 한국 전체의 실행 역량으로 일반화할 수는 없다.
 

금융권 AX와 공공 업무 플랫폼은 그 연결을 검토할 수 있는 영역이다. AX는 AI 도입을 통해 업무와 사업 운영을 바꾸는 전환을 뜻한다. 삼성SDS는 기존 금융권 수주에 이어 보험사와 금융그룹의 AI 플랫폼 사업에서 우선협상대상자로 선정됐다고 설명했다. 그러나 기존 수주와 신규 우선협상은 서로 다른 사업이며, 협상 단계가 곧 매출 발생을 뜻하지 않는다. 고객의 계약 확정과 구축·검수, 실제 운영 이후의 성과가 이어져야 한다.

한국 기업의 경쟁력을 평가할 때도 이 구분이 중요하다. 글로벌 AI 기업과 협력하면 모델과 기술을 활용할 기회가 넓어진다. 그 관계에서 국내 기업이 확보하는 고객 접점, 통합·운영 권한, 계약 갱신과 수익배분은 별도로 확인해야 한다. 해외 기술을 활용하는 능력과 그 기술을 통해 국내에 지속적인 부가가치를 남기는 능력은 각각 평가할 대상이다. 이번 자료에는 국내외 기업의 동일 조건 원가, 유료 사용률, 서비스 품질과 수익성을 비교할 데이터가 없어 정량적인 경쟁력 격차는 산정하지 않았다.
 

피지컬 AI 역시 현장 적용의 가능성과 경제적 성과를 구분해야 하는 사례다. 삼성SDS는 로봇 기업들과 협력해 계열사 현장 실증을 추진한다고 밝혔다. 로봇을 실제 환경에서 시험하는 것은 다음 단계로 가기 위한 근거지만, 생산성 향상이나 투자 회수가 입증됐다는 의미는 아니다. 고객이 성능과 안전성을 검수하고, 유지보수와 책임 조건을 확정하며, 유상·반복 도입을 결정해야 상용 사업의 지속성을 평가할 수 있다. 파트너의 다른 현장 실적도 삼성SDS의 성과로 옮겨 계산해서는 안 된다. 

정책적으로는 시설 확보와 활용 성과를 함께 관찰할 필요가 있다. 공공 AI 사업의 평가에 계약과 구축 완료뿐 아니라 실제 서비스 개시, 이용 지속성, 운영 비용과 검증된 업무 개선을 포함하는 방안을 검토할 수 있다. 이는 이번 사례에서 도출한 제언이며, 특정 정책의 효과를 실증한 결론은 아니다. 예산 편성, 계약, 집행, 서비스 제공, 성과는 각각 기록돼야 한다. 시설이 지역에 들어선다는 사실만으로 고용과 지역 산업의 생산성 향상을 확정할 수도 없다.
 

투자와 산업정책 모두에 필요한 것은 비용과 편익의 귀속을 확인하는 일이다. 직접 투자 시설은 유료 가동 이후에도 전력비와 운영비, 장비 교체 부담을 감당해야 한다. 지분투자는 투자대상의 매출과 투자자가 회수하는 현금을 나눠야 한다. DBO는 사업 규모보다 계약상 대가와 수행 책임이 중요하다. 이러한 구분 없이 인프라 용량, 거래금액, 수주와 지분투자액을 합치면 산업의 실제 성과를 과대평가할 수 있다.

남아 있는 정보 공백도 분명하다. 대형 DBO의 최종 계약과 비용 조건, 시설별 출자와 고객 확보, AI·GPU 서비스의 별도 손익, 플랫폼의 유료 활성 이용과 갱신은 이번 자료로 충분히 확인되지 않았다. 구미의 과거 2029년 오픈과 현재 2028년 말 준공 목표도 서로 다른 사건일 수 있어 일정 단축으로 단정하지 않았다. FabriX 2.0의 출시 표현 차이와 일부 상대방 공식 확인도 미해결이다. 이는 확보 자료의 한계이며 법적 공시의무 위반을 뜻하지 않는다.
 

삼성SDS의 사례가 한국 산업에 던지는 질문은 인프라 확대를 얼마나 신뢰할 만한 운영 성과로 연결할 수 있느냐는 것이다. 다음에 확인할 증거는 최종 계약, 시설 가동, 지속적인 유료 사용, 현장 검수와 현금 회수다. 한국의 AI 전환을 평가할 때에는 투자 발표와 함께, 누가 비용을 부담하고 어떤 고객이 사용하며 그 결과 어떤 성과가 남는지를 추적해야 한다.