공개된 성과의 실체 — AI 롤업이 실제로 바꾼 손익 항목은 무엇인가

지난 두 주 동안 이 시리즈는 주차장, 콜센터, 회계법인, 법률 서비스, IT 관리, 부동산관리, 물류, 보험중개까지 여러 업종에서 AI 롤업 사례를 하나씩 짚었다. 각 글마다 회사가 발표한 성과 수치가 등장했다. 그런데 이 숫자들을 나란히 놓고 보면 서로 종류가 다르다는 게 드러난다. 어떤 것은 손익계산서 항목이고, 어떤 것은 처리 속도나 정확도 같은 운영 지표이며, 어떤 것은 밸류에이션(기업가치 평가액)이다. 셋을 섞어서 "성과가 있다"고 뭉뚱그리면 정작 마진이 실제로 개선됐는지는 오히려 흐려진다. 이 글은 지금까지 확인된 공개 자료를 세 갈래로 나눠 무엇이 실제 손익 항목이고 무엇이 아닌지를 정리한다.

실제 손익계산서 항목이 움직인 소수의 사례

가장 드물면서 가장 신뢰할 만한 것은 상장사가 정기 실적 발표에서 공개하는 숫자다. 콘스텔레이션 소프트웨어(Constellation Software)가 2026년 8월 12일 내놓은 2분기 실적이 이런 경우다. 회사는 연도별 인수 코호트(같은 해에 사들인 회사들의 묶음)마다 마진율을 공개하는데, 2026년에 인수한 코호트의 마진은 1분기 마이너스 16퍼센트에서 2분기 플러스 16퍼센트로 돌아섰고, 2025년 코호트는 약 20퍼센트, 오래된 코호트는 20퍼센트 후반에서 30퍼센트대 초반까지 올라가 있다고 회사 측이 밝혔다. 다만 이 숫자는 인수 직후 회계상 일회성 비용(보너스 지급 등)이 빠지면서 자연스럽게 좋아지는 구간을 포함하고 있고, 마크 밀러(Mark Miller) 사장 스스로도 실적 콜에서 AI 도구가 사내 생산성은 끌어올리고 있지만 이것이 뚜렷한 신규 매출(유기적 성장)로 이어지는지는 아직 확인되지 않는다고 말했다. 즉 콘스텔레이션 소프트웨어가 공개한 것은 '인수 후 마진이 시간이 지나며 올라간다'는 오래된 롤업의 패턴이지, 그 개선분 중 얼마가 AI 때문인지를 분리해 보여주는 자료는 아니다.

롱레이크(Long Lake)의 경우도 실제 손익 숫자에 가깝다. 이 회사는 주택소유자협회(HOA) 관리업체를 인수한 뒤 매출 성장률이 연 0~5퍼센트에서 20퍼센트대로 올라갔고, 설립 2년이 채 안 돼 상각 전 영업이익(EBITDA) 1억 달러(약 1,420억원)를 넘겼다고 밝혔다. EBITDA는 비상장사가 자발적으로 공개한 수치라 제3자 감사를 거친 값은 아니지만, 최소한 마진율이나 생산성 같은 간접 지표가 아니라 실제 이익 항목을 콕 집어 밝혔다는 점에서 이 시리즈에 등장한 사례 중에서는 드문 축에 든다.

콜센터 롤업 크레센도(Crescendo)의 경우는 숫자보다 과금 방식 자체의 변화가 더 눈여겨볼 지점이다. 이 회사는 아웃소싱 업체 파트너히어로(PartnerHero)를 인수한 뒤, 처리 시간당 요금을 받던 전통적 BPO(업무 위탁 처리) 방식 대신 문제 하나를 해결할 때마다 요금을 받는 성과 기반 과금으로 바꿨다고 밝혔다. AI가 문의의 상당 부분을 직접 처리하면 같은 인건비로 더 많은 건을 해결할 수 있어 마진이 오르고, 사람이 처리해야 통과 처리되는 잔여 건에서는 기존 인력 마진을 그대로 가져가는 구조다. 제너럴 카탈리스트(General Catalyst) 자료에 따르면 이 사업부의 매출총이익률이 인수 전보다 높은 60~65퍼센트 수준에 이르렀다고 한다. 원가를 줄인 게 아니라 요금을 매기는 단위 자체를 바꿔 마진 구조를 다시 짠 사례라는 점에서, 인건비 절감 위주의 다른 사례들과는 마진이 만들어지는 경로가 다르다.

손익 항목이 아니라 운영 지표인 경우가 훨씬 많다

이 시리즈에서 회사들이 가장 자주 내놓은 숫자는 사실 회계 항목이 아니라 처리 속도나 정확도 같은 운영 지표였다. 스라이브 홀딩스(Thrive Holdings) 산하 회계 사업부 커런트(Current)는 세무 신고 시즌에 7,000건 넘는 신고서를 처리하며 정확도 98퍼센트, 신고서 준비 시간 30퍼센트 넘게 단축을 밝혔다. 같은 지주회사의 IT 서비스 사업부 실드(Shield)는 헬프데스크 문의 해결 속도가 기존 대비 36배 빨라졌고, 지난 한 달 사이 배치한 맞춤형 AI 에이전트 수가 두 배로 늘었다고 발표했다. 두 숫자 모두 인상적이지만, 처리 시간이 줄었다는 것과 그로 인해 인건비율이 몇 퍼센트포인트 낮아졌는지, 그 절감분이 영업이익률에 얼마나 반영됐는지는 별개의 질문이다. 스라이브 홀딩스는 아직 지주회사 전체나 개별 사업부의 영업이익률 수치를 공개하지 않고 있다.

메트로폴리스(Metropolis)는 이 간극을 가장 선명하게 보여주는 사례다. 이 회사는 연간 결제 처리 규모가 50억 달러를 넘는다고 밝히지만, 이는 매출이 아니라 플랫폼을 통과하는 거래액이다. 회사는 매출이나 수익성 지표를 별도로 공개하지 않는다. 회사 자료에서 인용되는 사례 중에는 한 소매 상권에서 시스템 도입 후 일시 주차(트랜지언트) 매출이 12.4퍼센트 늘었다는 개별 사례 연구가 있지만, 이는 회사 전체 실적이 아니라 특정 현장 하나의 결과이며 독립된 제3자가 검증한 수치도 아니다. 4,200곳 넘는 시설을 인수해 업계 1위가 됐다는 규모의 확장은 분명한 사실이지만, 그 규모가 실제 이익으로 전환되고 있는지를 보여주는 재무 데이터는 아직 공개된 것이 없다.

회의론이 겨누는 지점, 그리고 반대 사례

투자자들 사이에서도 온도차가 있다. 맥킨지(McKinsey)가 2026년 발표한 사모시장 보고서에 따르면 유한책임투자자(LP)의 53퍼센트가 운용사를 고를 때 AI 밸류 크리에이션(가치 창출) 전략을 상위 판단 기준에 넣는다고 답했지만, 실제로 측정 가능한 성과를 낸 포트폴리오 기업은 전체의 약 20퍼센트에 그친다고 같은 보고서는 추정했다. 기대와 실제 검증 사이의 격차가 여전히 크다는 뜻이다. 업계 투자자 설문을 다루는 매체들에서도 AI로 인한 마진 개선을 가장 큰 가치 창출 수단으로 꼽는 응답이 다수였던 동시에, 과장된 AI 가치 창출 서사를 가장 큰 위험 요인으로 꼽는 응답도 상당한 비중을 차지했다는 조사 결과가 나온다. 같은 투자자 집단 안에서도 기대와 경계가 동시에 존재하는 셈이다.

반대 사례도 있다. 톰아 브라보(Thoma Bravo)가 2021년 64억 달러(약 9조 1,000억원)에 인수한 소프트웨어 기업 메달리아(Medallia)는 2026년 들어 이 투자에서 51억 달러(약 7조 2,600억원)에 이르는 가치가 사라졌다고 여러 매체가 보도했다. 금리 상승과 경쟁 심화에 더해 생성형 AI가 이런 유형의 소프트웨어 서비스 자체를 대체할 수 있다는 우려가 가치 하락의 배경으로 함께 거론됐다. 인수 대상 회사에 AI를 심어 마진을 개선하겠다는 논리와, AI가 그 회사가 팔던 서비스 자체를 무너뜨릴 수 있다는 우려는 같은 산업 안에서 동시에 작동하고 있다.

지금까지 확인되는 것과 확인되지 않는 것

정리하면 이렇다. 인수 코호트 마진이 시간이 지나며 오르고, 일부 회사는 EBITDA나 매출총이익률 같은 실제 손익 지표를 자발적으로 공개하고 있다는 점은 확인된다. 반면 그 개선분 중 얼마가 AI 때문이고 얼마가 인수 후 일반적인 통합 효과 때문인지를 분리해 보여주는 자료는 거의 없다. 처리 속도·정확도 같은 운영 지표를 자신 있게 공개하는 회사일수록 정작 그 개선이 영업이익률로 이어졌는지는 공개하지 않는 경향도 반복해서 나타난다. 콘스텔레이션 소프트웨어처럼 30년 롤업 경험을 가진 회사조차 AI가 만드는 신규 매출을 아직 뚜렷하게 잡아내지 못한다고 스스로 인정한다는 사실은, 이 산업이 아직 성과를 검증하는 방법론 자체를 만들어가는 중이라는 뜻으로 읽는 편이 정확하다.

한국 기업 입장에서 얻을 수 있는 실용적인 결론은 간단하다. 해외 사례를 참고할 때 '마진이 개선됐다'는 문장을 볼 때마다 그것이 감사받은 재무제표의 숫자인지, 회사가 자체 계산한 운영 지표인지, 아니면 투자 유치를 위한 밸류에이션인지를 구분해서 읽어야 한다는 것이다. 세 가지는 전혀 다른 신뢰도를 가진 숫자이고, 국내에서 비슷한 시도를 준비하는 쪽이라면 처음부터 이 세 층위를 나눠 추적하는 편이 나중에 성과를 설명할 때도, 회의론에 답할 때도 유리하다.

공개된 성과의 실체 — AI 롤업이 실제로 바꾼 손익 항목은 무엇인가

실제 손익계산서 항목이 움직인 소수의 사례

손익 항목이 아니라 운영 지표인 경우가 훨씬 많다

회의론이 겨누는 지점, 그리고 반대 사례

지금까지 확인되는 것과 확인되지 않는 것

참고한 자료

글보다 직접 만져보는 게 빠릅니다