Articles

2026년 5월 18일Masahiro TaimaResearchTechnologyReal Estate & Construction

AGI 실현 후 부동산·건설 영역은 어떻게 변할까?

Product

무료로 시작하기(준비 중) 엔터프라이즈 상담

Career

mign에서 특화형 AI 에이전트 서비스 개발을 함께 추진할 인재를 적극적으로 모집하고 있습니다

일본어 원문으로부터의 자동 번역입니다

소개

현재의 AI(ChatGPT, Gemini, Claude 등)도 일반적인 전문가 수준 이상의 지식을 갖추고 있다고 할 수 있지만, 그 성능이 더욱 일반화된 AGI(Artificial General Intelligence(범용 인공지능))가 실현되면 사람들의 생활이 크게 변할 것으로 예상됩니다.
여기서는 부동산·건설 분야에서 어떤 변화가 일어날 것인지를 정리합니다.

참고문헌

AGI에 관해서는 다양한 정보가 있지만, 다음과 같은 저자들의 신뢰도 높은 문헌으로 한정하여 정보를 정리하고 있습니다

  • 주요 AI 개발 기업: OpenAI, Google 등
  • 주요 컨설팅 회사: McKinsey & Company, BCG 등
  • 주요 증권·투자 회사: Goldman Sachs, Sequoia Capital 등
  • 주요 연구기관: Harvard University, Stanford University 등
  • 주요 학술지: Nature, Science 등
  • 국제기관: World Economic Forum, OECD 등

다음의 문헌 내용을 토대로 정리하고 있습니다. 내용의 상세 사항은 이들 문헌을 참고하시기 바랍니다.

  • Autodesk. (2025). 2025 State of Design & Make. Autodesk, Inc.
  • Bengio, Y., Mindermann, S., Privitera, D., Besiroglu, T., Bommasani, R., Casper, S., ... & Zeng, Y. (2025). International AI Safety Report (No. DSIT 2025/001). Department for Science, Innovation and Technology. https://www.gov.uk/government/publications/international-ai-safety-report-2025
  • Deloitte. (2026). TMT Predictions.
  • Deloitte. (2026). Operating Models for Commercial Real Estate Companies in the age of AI.
  • Deloitte. (2026). Next-Generation Office Strategies.
  • Deloitte. (2026). Social Value and Technology in New UK Communities: Insights and Opportunities.
  • Deloitte. (2026). Outsourcing in Real Estate: People first.
  • Deloitte. (2026). Future-proof Strategic Options for Developers.
  • Goldman Sachs. (2026). AI and the Gigawatt Ceiling.
  • International Energy Agency (IEA). (2025). World Energy Outlook 2025.
  • JLL. (2024). Case studies: AI creating value for real estate.
  • Gujral, V. (2024). McKinsey & Company.
  • Wolkomir, A., & Kapoor, A. (2026). McKinsey & Company.
  • Morgan Stanley. (2025). How AI Is Reshaping Real Estate.
  • Scott, B. (2025). NAIOP.
  • Procore. (2025). The Future State of Construction.
  • PwC, & Urban Land Institute (ULI). (2026). Emerging Trends in Real Estate: Global Outlook 2026.
  • Salas, M., Singh, A., Pignataro, C., & Pal, L. (2026). AI-powered open-source infrastructure for accelerating materials discovery and advanced manufacturing. Communications Materials, 7(65). https://doi.org/10.1038/s43246-026-01105-0
  • Suleyman, M., & Bhaskar, M. (2023). The Coming Wave: Technology, Power, and the Twenty-First Century's Greatest Dilemma. Crown.
  • Susskind, D. (2020). A World Without Work: Technology, Automation, and How We Should Respond. Metropolitan Books.
  • World Economic Forum. (2025). The Future of Jobs Report 2025.

워크플로우 및 운영 방식의 변화

1. 투자·자산 관리(Investment & Asset Management)

  • 의사결정의 고도화 및 데이터 기반 접근: AGI를 활용한 예측 분석을 통해 임차료 수입, 공실률, 자본 지출의 예측이 정교화되고 포트폴리오 관리가 고도화됩니다. 나아가 시장 스크리닝부터 실사에서의 계약서 및 기술 보고서 위험 식별까지가 자동화되어 거래 사이클 타임이 20~30% 단축되는 등 획기적인 속도 향상이 기대됩니다.
  • 인간의 역할 전환: 지금까지 데이터 집계 및 정형 리포트 작성 등 중간·백오피스 업무에 소비되던 시간의 대부분이 AI로 대체됩니다. 이를 통해 인간의 역할은 예외 사항 처리, 자본 배분의 전략적 결정, 그리고 고객과의 관계 구축 등 높은 수준의 판단과 공감이 필요한 업무로 전환됩니다.

2. 개발·설계·건설 프로세스(Development Design & Construction)

  • 생성 설계 및 설계 자동화: 건축 설계의 초기 단계(설계 옵션화)에서 AI가 요구사항 및 제약 조건을 충족하는 수천 개의 설계안을 수 분 내에 생성합니다. 비용, 법규 준수 여부, 시공성 등의 요소를 설계 프로세스에 처음부터 포함할 수 있게 되며, 건설업계 전문가들도 "향후 5년간 AI가 가장 큰 영향을 미칠 분야"로 이러한 설계 최적화를 꼽고 있습니다.
  • BIM 및 디지털 트윈을 통한 건설 최적화: 실시간 데이터 연계 및 디지털 트윈을 통해 건설 전에 설계 충돌을 감지하고 시뮬레이션을 수행함으로써 재작업 및 지연으로 인한 시간 낭비(현재 프로젝트의 약 28% 차지)를 획기적으로 줄입니다.
  • 건설 현장의 자동화 및 안전성 향상: 자율형 레이아웃 로봇, 원격 조종 크레인, 3D 프린팅 기술 등이 위험·단조·과혹한 작업(3D: Dull Dirty Dangerous)을 대체·지원합니다. 더욱이 이미지 인식 AI 등을 통해 현장의 안전 위험을 실시간으로 모니터링·보고·예측하는 체계가 구축되어 안전성과 효율성이 비약적으로 향상됩니다.

3. 임차 및 부동산·시설 관리(Leasing & Property Management)

  • 고객 경험 향상 및 24시간 체제 서비스 개선: AI 에이전트 또는 가상 어시스턴트가 임차인의 문의 대응 및 내부 투어 일정 조율을 24시간 체제로 자동 처리하게 됩니다. 나아가 타겟층의 선호도에 맞춘 가상 스테이징 및 마케팅 콘텐츠 자동 생성을 통해 체결 전환율이 향상됩니다.
  • 예측 유지보수 및 스마트 빌딩화: IoT 센서 및 설비 데이터와 AI를 결합하여 HVAC(난방·환기·공조) 등 설비의 고장을 미리 감지하는 "예측 유지보수"가 가능해집니다. 이를 통해 유지보수 비용이 10~20% 절감될 뿐만 아니라 에너지 사용량 최적화를 통한 탄소중립(넷제로) 목표 달성에도 크게 기여합니다.
  • 계약서 관리 등 백오피스 자동화: 자연언어처리(NLP)를 활용하여 임차료 계약서 등을 순간에 분석하고 표준 조항에서의 이탈 또는 수익·위험에 미치는 영향을 자동 추출함으로써 법무 및 관리 부서의 부담을 대폭 경감합니다.

4. 운영 모델 및 비즈니스 모델의 근본적 변혁(Operating & Business Models)

  • 에이전트 AI를 통한 엔드투엔드 워크플로우 변혁: 종래의 단일 작업 AI 지원에서 시스템 간 자율적으로 데이터를 추출하고 계획을 수립하고 실행하는 에이전트 AI(자율형 에이전트)의 도입이 진행됩니다. 이를 통해 개별 업무 개선에 그치지 않고 부문 횡단적 프로세스의 전체 최적화가 실현되어 NOI(순영업수익) 향상으로 직결됩니다.
  • "자산 관리"에서 "프로덕트 관리"로의 전환: 승리하는 부동산 사업자는 물리적 자산을 관리하는 종래의 모델에서 탈피하여 데이터를 활용하여 임차인에게 최고의 공간 체험을 지속적으로 제공하는 "프로덕트 관리" 수법을 도입한 비즈니스 모델로 전환합니다.
  • AI 인프라 수요 및 "Space as a Service": AI 학습 및 추론 수요의 폭발적 증가에 따라 데이터센터 수요가 급증합니다. 특히 저지연 실시간 처리(추론)의 필요를 충족하기 위해 도시 지역의 빈 지하실, 주차장, 폐쇄된 소매점 등을 "엣지 데이터센터"로 전용하는 움직임이 새로운 부동산 가치와 수익 모델을 창출합니다.
  • 데이터 기반 정비 및 인재 모델의 변혁: 고도의 AGI 및 에이전트를 작동시키기 위해서는 사일로화된 데이터의 통합·정제가 필수적입니다. 동시에 AI 프로덕트 매니저 및 데이터 전문가와 같은 새로운 역할의 정의 및 노동자의 리스킬링(재교육)과 같은 조직 문화의 변혁을 신속히 추진하는 것이 기업의 성패를 가르게 됩니다.

부동산 투자 및 자산 관리의 변화

1. 투자 의사결정 및 트랜잭션(거래) 프로세스의 고도화·고속화

  • 데이터 기반 투자 기회 발굴: 방대한 정형·비정형 데이터(시장 동향, 위성 이미지 등)를 AI가 신속히 처리·분석함으로써 시장 스크리닝 및 매력적인 투자 기회의 특정이 자동화됩니다.
  • 정교한 미래 예측 및 시뮬레이션: 머신러닝을 활용하여 임차료 수입, 공실률, 자본적 지출(CAPEX)의 예측 시뮬레이션을 고도화하고 금리 변동 등의 위험에 대한 스트레스 테스트를 정교히 수행함으로써 최적의 포트폴리오 관리가 가능해집니다.
  • 실사의 효율화: 자연언어처리(NLP)를 활용하여 계약서, 기술 보고서, 환경 평가 등의 검토를 AI가 순간에 수행하고 위험을 자동 감지합니다. 이를 통해 거래의 사이클 타임이 20~30% 단축될 것으로 기대됩니다.

2. 자산 관리에서 "프로덕트 관리"로의 패러다임 전환

  • 엔드투엔드 워크플로우 자동화: 임차료 계약 분석, 임차인 문의 대응, 유지보수 자동 수배 등의 업무를 에이전트 AI가 인간의 개입 없이 24시간 체제로 처리하게 됩니다.
  • "프로덕트"로서의 임차인 경험 향상: 부동산은 단순한 정적인 "금융 자산"이 아니라 임차인에게 우수한 경험을 지속적으로 제공하는 "프로덕트(제품)"로 재해석됩니다. 승리하는 자산 관리자는 AI를 활용하여 임차인의 니즈를 예측하고 하이퍼 퍼소널라이즈된 공간과 서비스를 제공하는 "프로덕트 매니저"로 진화합니다.
  • 예측 유지보수 및 수익(NOI) 향상: IoT 센서 및 컴퓨터 비전과 AI를 결합한 "예측 유지보수"를 통해 설비 고장을 미리 방지합니다. 이를 통해 대규모 포트폴리오 전체에서 순영업수익(NOI)을 1~3% 향상시키고 유지보수 비용을 10~20% 절감할 수 있을 것으로 기대됩니다.

3. 새로운 자산 클래스의 대두 및 부동산 가치의 재정의

  • AI 인프라 수요 및 "엣지 데이터센터": AI의 폭발적인 보급에 따라 데이터센터 및 전력·통신 인프라에 대한 부동산 수요가 급증합니다. 특히 사용자 근처에서 저지연 추론(실시간 처리)을 수행하기 위해 도시 지역의 지하실, 주차장, 빈 점포 등을 "엣지 데이터센터"로 전용하는 움직임이 새로운 가치 창출의 기회로 주목받고 있습니다.
  • 수익 모델의 변화: AI 인프라가 통합된 빌딩에서는 종래의 "바닥 면적(제곱미터)" 기반의 임차료 모델에서 "계산 능력, 전력 공급 능력·접속성"을 기반으로 한 수익 모델로의 전환이 일어날 가능성이 있습니다.
  • "토지"의 가치 상승: 로봇과 AI의 발전에 따라 향후 건설비 및 노동비가 획기적으로 하락하는 한편, 물리적으로 유한한 자산인 "토지"의 가치가 상대적으로 크게 상승할 것이라는 예측도 있습니다.

4. 재무·백오피스의 완전 자동화 및 수익성 향상

  • 백오피스 업무의 대폭 축소: 송장 처리, 서비스료 조정, 현금흐름 예측, 복잡한 재무 보고서 작성 등의 미들·백오피스 업무가 AI로 자동화됩니다. 이를 통해 재무 부문의 비용이 20~40% 절감될 것으로 예측되고 있습니다.
  • 부동산업계 전체의 효율화 효과: 모건 스탠리의 시산에 따르면 AI 도입에 따라 부동산업계 전체에서 2030년까지 약 340억 달러의 효율화 효과가 기대되고 있으며, 특히 브로커(중개) 및 서비스 부문에서의 인건비 절감과 생산성 향상이 기대되고 있습니다.

5. 인간의 역할 진화 및 데이터 거버넌스

  • 인간만이 할 수 있는 업무에 집중: AI가 데이터 집계 및 정형 리포트 작성을 대체함으로써 인간의 역할은 "예외 사항의 처리" "고도의 자본 배분 결정", 그리고 임차인과의 공감 및 신뢰가 필요한 "인간관계 구축(Moments that matter)"으로 크게 전환됩니다.
  • 깨끗한 데이터 기반 및 거버넌스의 필수화: AI 시스템을 올바르게 작동시키기 위해서는 조직 내 사일로화를 해소한 통합 데이터 기반이 필수불가결합니다. 부정확한 데이터에 기반한 AI의 오작동을 방지하는 데이터 거버넌스가 기업의 경쟁력(알파 수익)을 직접적으로 좌우하게 됩니다.
  • 토큰화에 따른 자금 유입의 변화: AI 및 블록체인 기술의 진전에 따라 부동산의 "토큰화(소액 증권화)"가 보편화되어 기관 투자자뿐만 아니라 개인 고액 자산가 등 새로운 자금이 부동산 시장에 유입되어 유동성이 획기적으로 높아질 가능성이 있습니다.

설계·건설 프로세스의 변화

1. 설계 프로세스의 혁신

  • 생성형 설계와 설계 옵션 검토의 확산 AI는 설계의 초기 단계에서 극히 큰 영향을 미칩니다. 건설 전문가를 대상으로 한 조사에서는 향후 5년간 AI가 가장 큰 영향을 미칠 분야로 「설계 옵션 검토·최적화」가 최우선으로 꼽히고 있습니다. 생성형 AI의 알고리즘을 활용하면 엔지니어와 건축가가 지정된 요건을 기반으로 하는 수천 개의 레이아웃 옵션을 수 분 내에 생성·탐색할 수 있게 되어 설계의 생산성이 극적으로 향상됩니다.
  • 선제적 엔지니어링과 BIM의 고도화 종래의 프로세스에서는 건축가가 도면을 작성한 후 엔지니어나 시공자가 실현 가능성을 평가했기 때문에 많은 재작업이 발생했습니다. AGI의 도입으로 과거 프로젝트 데이터와 건축 기준을 학습한 AI가 설계의 초기 단계에서 공학적 제약과 비용을 자동 계산하고 컴플라이언스 체크를 수행합니다. 이로써 BIM(빌딩 인포메이션 모델링)을 통한 설계와 시공의 연동이 강화되고, 디지털 트윈 상에서의 건설 전 시뮬레이션으로 인한 낭비가 대폭 축소됩니다.
  • 지속 가능성의 최적화 제품이나 건물의 환경 영향의 약 80%는 설계 단계에서의 의사 결정에 의해 결정된다고 알려져 있습니다. AI는 건물의 기류와 공간 최적화, 재료 낭비 방지, 전 생명 주기에 걸친 환경 영향 평가를 수행하여 지속 가능한 설계 실현을 위한 강력한 추진력이 됩니다.

2. 착공 전 준비 및 프로젝트 관리의 고도화

  • 데이터 기반 스케줄링과 공급망 최적화 그동안의 건설 프로젝트에서는 데이터 검색과 재작업으로 인한 수정 작업에 많은 시간이 낭비되었습니다. AI와 머신러닝을 도입함으로써 비정형 데이터에서 실용적인 통찰력을 추출하고, 타임라인의 자동 업데이트와 중요한 질문에 대한 실시간 답변이 가능해집니다. 또한 과거 모델을 분석하여 향후의 수요를 예측함으로써 자재 부족이나 공급 과잉을 방지하고 발주와 스케줄링이 합리화됩니다.
  • 계약·문서 검토와 리스크 관리의 자동화 AI는 진행 모니터링과 스케줄 관리뿐만 아니라 계약서와 프로젝트 문서의 자동 검토, 원가 관리, 리스크 관리 등 데이터 집약적 업무의 개선에 크게 기여합니다. 이로써 조달과 스케줄 최적화 같은 프로젝트 운영 워크플로우 전체가 재설계됩니다.

3. 건설 현장·시공 프로세스의 자동화와 하이브리드 업무

  • 로봇공학에 의한 「3D」 작업의 대체 건설 현장에서는 지루하고 더럽고 위험한 작업(Dull Dirty Dangerous의 「3D」)의 자동화가 진행됩니다. 예를 들어 자동 레이아웃 로봇이 도면을 고정밀도로 바닥에 직접 인쇄함으로써 작업자가 무릎을 꿇고 손으로 수행하던 신체적 부담을 경감하고 오류나 다른 공정과의 충돌을 미리 방지합니다. 또한 각종 데이터를 분석하여 최적화를 제안하는 원격 조작 타워 크레인 등 인간과 기계가 협업하여 작업하는 환경이 구축됩니다.
  • 실시간 진행·품질·안전 모니터링 IoT 디바이스, 드론, 스마트폰 등으로 수집된 현장 데이터를 활용하여 현장의 시각적 복제인 「비주얼 트윈」이 구축됩니다. 이 가상 공간 내에서 AI 에이전트가 활동하여 품질, 진행, 안전 리스크를 인간이 불가능한 규모로 자동 감시합니다. 실제로 현장의 불안전한 발판 사진을 AI가 분석하여 OSHA(노동 안전 보건청) 기준과 대조하여 위험성을 계산하고, 나아가 법무 AI가 하청업체에 대한 시정 통지를 자동 작성하는 등 여러 AI가 연계한 고도의 프로세스가 실증되고 있습니다.
  • 인간과 AI에 의한 하이브리드한 의사 결정 AGI가 보급되어도 현장에서 인간이 완전히 배제되는 것은 아닙니다. 복잡한 의사 결정은 AI가 제시하는 예측 분석과 데이터 기반 권장사항을 경험이 풍부한 인간이 검증·판단하는 「하이브리드 모델」로 전환됩니다. 현장 노동자는 단순한 육체 노동에서 로봇 지휘나 AI가 제공하는 데이터 활용 같은 고도의 역할로 이동하게 됩니다.

스마트 시티와 지속 가능성의 변화

1. 자율형 AI에 의한 스마트 빌딩의 고도화와 예지 보전의 실현

  • 그동안 인간이 수행해 오던 관리 업무는 IoT 센서와 AI의 통합으로 고도로 자동화됩니다. 설비 데이터 등을 마이닝하여 자동화된 시설 관리가 수행되며, 공조(HVAC) 시스템의 AI 제어로 최대 59%의 에너지 절감과 이산화탄소 배출량의 대폭 감소가 실증되었습니다.
  • 더욱이 자율적으로 판단·행동하는 에이전트 AI는 수리 티켓의 분류부터 기술자 배치, 해결에 이르기까지 워크플로우 전체를 재설계하여 건물 운영 효율과 대응 속도를 극적으로 높입니다.

2. 디지털 트윈과 생성 AI에 의한 지속 가능한 설계의 추진

  • 설계·제조(Design and Make) 분야에서 AI는 지속 가능성 목표 달성을 위한 최대의 추진력(이네이블러)이 되고 있습니다.
  • AI를 활용한 「디지털 트윈」 상에서 개선 효과와 에너지 소비를 미리 시뮬레이션함으로써 기존 건물의 대형 에너지 개선(에너지 효율을 50% 이상 개선하는 규모 개선)을 보다 효과적이고 현실적으로 계획할 수 있게 됩니다.
  • 또한 생성 설계를 활용함으로써 환경 부하와 재료 낭비를 최소화하면서 수 분 내에 수천 개의 설계 옵션을 생성·검토할 수 있게 되어 탄소 발자국의 대폭적인 감소에 기여합니다.

3. 「NEBs(에너지 이외의 편익)」를 중시한 가치 평가와 웰빙 향상

  • 부동산의 지속 가능성 평가는 단순한 「전기료 절감(에너지 절약)」에서 이용자의 건강, 지적 생산성 향상, 재해 회복력 강화 등을 포함한 「NEBs(Non-Energy Benefits: 에너지 이외의 편익)」의 포괄적 평가로 전환하고 있습니다.
  • 스마트 빌딩 시스템은 에너지 사용 현황뿐만 아니라 이용자의 활동 패턴 등을 실시간으로 감시합니다. 이로써 테넌트의 웰빙을 높일 뿐만 아니라 ESG 기준을 충족한 우량 자산으로서 순영업 수익(NOI)과 부동산 가치를 직접적으로 상승시키는 요인이 됩니다.

4. 에너지망(그리드)과의 통합에 의한 수요 대응의 자동화

  • 스마트 빌딩은 에너지를 단순히 소비하는 존재에서 전력망의 안정화를 지원하는 능동적 시스템으로 진화합니다. AI를 활용함으로써 스마트 에어컨, 히트펌프, 전기자동차(EV) 충전 등을 연계하여 전력 수요의 피크 이동(수요 대응)을 자동 실행합니다.
  • 이로써 재생 가능 에너지(태양광이나 풍력 등)의 공급 변동을 건물 쪽에서 유연하게 흡수할 수 있게 되어 지역 전체나 국가 수준에서의 탈탄소화 계획에 크게 기여합니다.

5. AI 인프라 급증에 따른 환경 부하의 과제와 「도시형 에지 데이터센터」의 대두

  • AI의 학습과 추론에는 막대한 계산 자원이 필요하며 데이터센터의 전력 및 수자원 소비가 폭발적으로 증가하고 있습니다. 이것이 「AI 자체의 환경 부하」라는 새로운 지속 가능성 과제를 야기하고 있습니다.
  • 이 대책으로서 AI의 추론 처리(인퍼런스)를 이용자 근처에서 수행하기 위해 도시 지하 공간, 빈 점포, 주차장 등을 활용한 「에지 데이터센터」의 구축이 진행 중입니다. 이러한 시설에서는 서버에서 발생하는 폐열을 건물 내 난방이나 지역 난방 공급망에 통합·재이용함으로써 에너지 낭비를 줄이는 노력이 이루어지고 있습니다.
  • 더욱이 연료전지의 도입이나 물을 사용하지 않는 냉각 시스템을 갖춘 탄소중립 데이터센터의 전개도 진행되고 있어 AI와 환경의 공존이 모색되고 있습니다.

6. 친환경 건설을 위한 신소재 탐색(머티어리얼스 인포매틱스)

  • AGI와 머신러닝은 건설이나 스마트 빌딩에 사용되는 지속 가능한 「신소재」의 발견 사이클을 극적으로 단축합니다. AI와 자율형 랩(Self-Driving Laboratories)을 통합함으로써 고기능이면서 생분해성을 갖춘 소재나 재활용 가능한 건축 부재 등의 개발이 가속화됩니다.
  • 이로써 건설 자재의 설계·제조 단계에서 폐기에 이르는 전 생명 주기(서큘러 이코노미)에서의 환경 부하 감소가 가능해집니다.

고객 체험과 비즈니스 모델의 변화

1. 고객·테넌트 체험의 극적인 향상

  • 24시간 365일의 자율적 엔게이지먼트와 지원: AI를 탑재한 가상 어시스턴트나 챗봇이 내방 스케줄 조정, 물건 안내, 유지보수 의뢰, 임대료 결제 대응 등을 24시간 체제로 자동 처리하게 됩니다. 이로써 종래의 「오전 9시부터 오후 5시」까지의 속인적 영업 모델에서 벗어나 테넌트는 필요한 지원을 시간이나 장소를 가리지 않고 즉시 받을 수 있게 되어 고객 만족도가 비약적으로 향상됩니다.
  • 하이퍼 퍼소널라이제이션과 체험 주도형 설계: 생성 AI의 활용으로 특정 타겟층이나 개별 선호도에 맞춘 가상 스테이징(가상 가구 배치 등)이나 물건의 마케팅 정보가 자동으로 고도로 개인화되어 제공됩니다. 또한 테넌트 기업의 수요나 소매점포의 트래픽 동향에 맞춰 최적의 입지 조건이나 공간 설계가 맞춤형으로 제안되게 됩니다.
  • 스마트 빌딩과 웰빙(심신의 건강)의 최적화: IoT나 AI가 통합된 「진정한 인텔리전트 빌딩」이 보급되어 개개의 테넌트의 체험을 중시한 고도의 환경 설정이 가능해집니다. 또한 디지털 플랫폼이 에너지 사용량과 활동 패턴을 감시하여 테넌트의 건강(웰빙)과 커뮤니티의 유대(귀속 의식)를 향상시키는 기능이 신축 단계부터 조립되게 됩니다.
  • 「휴먼 터치(인간적 대응)」의 재정의와 가치 향상: 사무 작업이나 정형적 문의 대응의 대부분이 AI에 대체됨으로써 인간 스태프는 테넌트와의 관계 구축이나 누수 같은 긴급 상황에서 요구되는 「공감」을 동반한 복잡한 대응 등 인간에게만 제공 가능한 고가치 지원(Moments that matter)에 전념할 수 있게 됩니다.

2. 비즈니스 모델의 근본적 전환

  • 「에셋(자산) 관리」에서 「프로덕트(제품) 관리」로의 전환: 종래의 부동산 업계는 물리적인 금융 자산으로서의 부동산을 관리하고 적절한 자산 배분을 수행하는 것에 주안점을 두었습니다. 하지만 앞으로는 테넌트에 최고의 공간 체험을 지속적으로 제공하는 「프로덕트(제품)」로서 부동산을 다시 정의하고 「프로덕트 관리」의 수법으로 역할이 크게 변화하게 됩니다.
  • 「만들어 판매하는」 모델의 종말과 「개발사 겸 운영사」로의 전환: 금리 인상, 건설비 급등, 인허가 지연 등으로 인해 기존의 「토지 매입, 개발, 판매(Buy-Develop-Sell)」라는 투기적 모델이 더 이상 이익을 보장하지 않게 되었습니다. 향후에는 부동산을 장기 보유하여 임대료 성장을 포착하는 모델, 기관투자자와의 조인트벤처를 통한 자산경량 플랫폼 전략, 기존 자산을 개선하여 운영하는 모델 등 지속적인 수익을 창출하는 전략으로의 전환이 진행됩니다. 성공하는 사업자는 단순히 개발·소유하는 것에 그치지 않고, 스스로 운영도 수행하는 「개발사 겸 운영사」 모델로 전환합니다.
  • 「Space as a Service(서비스로서의 공간)」의 확대와 수익원의 다양화: AI 대응 인프라 정비와 복수 시스템의 플러그인 통합이 가능해짐에 따라, 부동산은 단순한 정적인 공간이 아닌 동적이고 애자일한 서비스 인프라로 제공되어 사업자에게 새로운 수익 흐름을 가져옵니다.
  • 엣지 데이터센터 등 AI 인프라로서의 도시형 부동산의 가치 재정의: AI가 일상 업무에 내재됨에 따라, 대규모 학습용 데이터센터뿐만 아니라 사용자와 기업 근처에서 낮은 지연시간의 실시간 처리(추론)를 수행하기 위한 컴퓨팅 능력이 필요합니다. 그 결과, 도시 지역의 지하실, 주차장, 공실 등 미활용 공간이 「엣지 데이터센터」로 전환되는 움직임이 가속화됩니다. 이에 따라 기존의 「면적(제곱미터)」 기반의 임대료 모델에서 컴퓨팅 능력, 전력, 연결성을 제공하는 「성능(인프라 제공) 기반」의 새로운 수익 모델로 전환할 가능성이 있습니다.
  • 에이전트 AI에 의한 전체 워크플로우의 자동화와 NOI(순영업수익)의 향상: 단순한 개별 작업의 AI 지원에 머물지 않고, 자율적으로 행동하는 에이전트 AI가 리스 계약, 유지보수 수배, 재무 보고 등 전체 워크플로우를 엔드-투-엔드로 재설계·자동화합니다. 이러한 운영 모델의 근본적 변혁을 통해 부동산·건설 업계 전체에서 수백억 달러에서 수천억 달러 규모의 가치 창출과 효율화가 실현되며, 운영 비용 절감과 NOI의 대폭 개선이 가능해집니다.

부동산 수요의 변화

1. 하이퍼스케일 데이터센터에 대한 거액 투자와 물리적 요구사항의 고도화

  • 투자 규모의 폭발적 확대: AI 모델의 학습(트레이닝) 등을 지원하는 데이터센터에 대한 투자가 급격히 확대되고 있습니다. 2025년에는 데이터센터에 대한 투자액이 전 세계적으로 약 5800억 달러에 달해 석유 공급에 대한 총 투자액을 초과할 것으로 추정됩니다. 나아가 하이퍼스케일러나 클라우드 제공자 등의 AI 데이터센터에 대한 자본 지출은 2026년에 약 4000억~5000억 달러, 2028년에는 1조 달러에 도달할 것이라는 예측도 있습니다.
  • 건설 요구사항의 복잡화: 차세대 AI 데이터센터는 기존의 것과 근본적으로 다릅니다. 무겁고 고밀도의 서버 랙을 지탱하기 위한 두터운 바닥, 대량의 발열을 처리하는 새로운 냉각 시스템, 그리고 거대한 전력 공급 인프라 등 훨씬 더 복잡하고 고도의 물리적 요구사항·건설 요구사항이 필요합니다.

2. 추론(인퍼런스) 전용 「엣지·데이터센터」의 대두와 도시 부동산의 재활용

  • 낮은 지연시간(로우 레이턴시) 수요로의 전환: 향후 AI의 용도는 모델의 「학습」에서 일상 업무와 실시간 처리에서의 「추론(인퍼런스)」으로 전환됩니다. 추론 워크로드는 2026년까지 전체 계산 수요의 약 3분의 2를 차지할 것으로 예측되며, 금융 거래, 고객 대응, 스마트 도시, 물류 최적화 등에서 데이터 소스나 사용자에 가까운 곳에서의 낮은 지연시간 처리가 극히 중요해집니다.
  • 도시 지역의 기존 부동산의 전환: 원격지의 거대한 데이터센터만으로는 모든 AI 수요를 충족할 수 없습니다. 따라서 도시 지역의 미활용 지하실, 주차장 층, 공실, 낡은 산업용 자산 등이 최종 사용자에 가까운 「엣지·데이터센터」로 전환될 기회가 빠르게 확대되고 있습니다. 이는 상업용 부동산에서 현재 가장 간과되는 큰 가치 창출의 기회로 평가받고 있습니다.

3. 부동산과 인프라의 경계 모호화와 비즈니스 모델의 전환

  • 「면적」에서 「계산 능력·전력」으로의 가치 평가의 전환: 부동산의 가치 기준은 기존의 「제곱미터당 임대료」라는 물리적 광폭에 기반한 것에서 이용 가능한 「전력 용량」이나 변전소까지의 거리, 광섬유망의 경로, 전력 인프라의 확장성 같은 「디지털 인프라로서의 성능 능력」에 기반한 것으로 전환되고 있습니다.
  • 서비스 인프라로의 재정의: 성공하는 개발사는 단순한 물리적인 「상자」를 제공하는 것이 아니라 에너지 관리와 자동화 솔루션을 통합한 「동적인 서비스 인프라」로 부동산을 재정의하고 있습니다. 이를 통해 전통적인 부동산 테넌트로부터의 수익과 디지털 인프라로부터의 수익을 결합한 새로운 비즈니스 모델이 탄생합니다. 또한 부동산과 인프라라는 자산 클래스의 경계선이 모호해지고, 양자가 통합된 「실물자산」으로 취급되게 됩니다.

4. 전력·수자원의 병목현상과 지속가능성(환경 대응)

  • 인프라 공급의 한계와 연결 대기의 심각화: 데이터센터 수요의 급증은 전력망 용량 부족이라는 심각한 병목 현상을 야기하고 있습니다. 미국의 일부 지역이나 아일랜드 등에서는 데이터센터가 이미 전력 수요의 10%~20% 이상을 차지하고 있으며, 송전망 연결 대기가 수년에 이르는 사례나 신규 연결 요청이 일시적으로 중단되는 사태도 발생하고 있습니다. 물 소비량의 경우 2030년까지 연간 2500억 갤런을 초과할 것으로 추정됩니다.
  • 도시 인프라와의 환경 통합과 그린화: 지속가능성을 확보하기 위해 연료전지 도입과 물을 사용하지 않는 탄소중립 데이터센터의 운영이 진행 중입니다. 나아가 도시 지역의 엣지·데이터센터에서는 AI 서버에서 발생하는 대량의 폐열을 건물 내 난방 시스템이나 지역 열 공급 네트워크(지역난방)에 통합·재활용하는 새로운 환경 통합 노력이 진행되고 있습니다.

5. 부동산 투자·자금 조달의 변화

  • 톱 섹터로서의 데이터센터: 데이터센터는 북미, 유럽, 아시아태평양 전 지역에서 투자 및 개발의 유망한 톱 섹터로 위치지어지고 있습니다.
  • 새로운 파이낸스 모델의 필요성: 데이터센터 개발은 종종 1개 프로젝트에 100억~150억 유로 규모의 거액 자금을 필요로 하며, 일반적인 은행의 대출 능력을 초과하는 경우가 있습니다. 따라서 증권화나 상업용 부동산 담보 증권(CMBS) 등의 자산 담보 파이낸스의 필요성이 높아지고 있습니다. 또한 기술 진화에 따른 시설의 급속한 진부화 위험 등 부동산으로서의 위험 특성도 다르므로, 투자자에게는 그 어느 때보다 깊은 운용·기술 전문 지식이 요구됩니다.

노동시장의 변화

1. 심각한 노동력 부족의 완화와 「3D」 작업의 자동화

건설 업계에서는 노동자의 고령화가 심각해지고 있으며, 미국 등의 조사에서는 2036년까지 현재 노동력의 53%가 은퇴할 것으로 예측되고 있습니다. 이러한 노동력 위기에 대해 AI와 로보틱스가 해결책이 됩니다. 지루하고, 더럽고, 위험한 작업(Dull Dirty Dangerous의 「3D」)은 적극적으로 자동화·기계화됩니다. 이를 통해 인간 작업자는 신체적 위험에서 해방되어 안전성이 향상될 뿐만 아니라, AI는 노동자를 빼앗는 위협이 아닌 인간의 능력을 「확장(오그멘테이션)」하고 생산성을 극적으로 높이는 파트너로 위치지어집니다.

2. 사무·백오피스 업무의 축소와 인지 작업의 대체

 한편, 데이터 입력, 청구 처리, 계약서 1차 확인, 보고서 작성 등 부동산 투자 및 관리에서의 미드오피스·백오피스 업무는 AI에 의해 크게 자동화됩니다. 세계경제포럼(WEF)의 예측에서도 데이터 입력 사무원, 수장 담당자, 비서 같은 사무직은 전 세계적으로 가장 빠르게 감소하는 직업으로 꼽히고 있습니다. 하지만 이에 따라 남게 된 시간은 테넌트와의 관계 구축, 예외적인 문제에 대한 대응, 고도의 자본 배분 결정 등 인간만이 할 수 있는 높은 부가가치의 인지 업무로 재배분되게 됩니다.

3. AI 인프라 구축에 따른 숙련 기술직(블루카라)의 수요 폭발 

AI의 보급 자체가 노동시장에 거대한 새로운 수요를 창출합니다. AI를 가동시키기 위한 막대한 계산 처리를 지원하는 데이터센터와 전력·통신 인프라 건설 수요가 급증하고 있기 때문입니다. 골드만삭스의 예측에 따르면 미국만해도 급증하는 전력 수요를 충족하기 위해 2030년까지 약 50만 명의 신규 고용이 필요할 것으로 예상됩니다. 구체적으로는 건설 작업자, 전기 기술자, 에어컨(HVAC) 시공업자, 배관공 등 현장의 숙련 기술직 고용이 전례 없이 증가하여 AI 에코시스템을 물리적으로 지원하는 중요한 기반이 됩니다.

4. 새로운 직종의 탄생과 「하이브리드형 의사결정」으로의 전환 

AI의 도입이 진행됨에 따라 부동산·건설 업계 내에서도 데이터 과학자, AI·머신러닝 전문가, 디지털트랜스포메이션(DX) 전문가 등 기술 관련 직종의 수요가 급격히 높아집니다. 동시에 업무의 의사결정 프로세스는 인간의 직관만에 의존하는 것에서 AI의 예측 분석과 인간의 경험을 결합한 「하이브리드형」으로 전환합니다. 이를 통해 인간의 역할은 자율적으로 동작하는 복수의 AI 에이전트를 지휘·감독하고 최종적인 비즈니스 판단을 내리는 「AI 오케스트레이터」나 「에이전트·보스」로 진화하게 됩니다.

5. 소프트스킬의 중요성 증대와 「인간다움」의 부활

기술이 진화하고 많은 루틴 작업이 자동화되기 때문에, 인간 특유의 「소프트스킬」의 시장 가치가 급등합니다. 분석적 사고, 유연성, 리더십, 창의적 사고가 그 어느 때보다 필요해집니다. 예를 들어 밤중에 물건에서 대규모 누수가 발생했을 때, 테넌트가 원하는 것은 AI의 효율성이 아니라 불안감에 공감하고 상황을 정확히 설명해주는 인간의 「공감」이나 「인간적인 대응(휴먼터치)」입니다. AI 시대에는 이러한 인간관계의 구축과 공감 능력이 기업의 차별화 요인으로 높이 평가되게 됩니다.

6. 지속적인 리스킬링과 세대 간 지식 공유(조직 문화의 변혁) 

이러한 급격한 스킬 요건의 변화에 적응하기 위해 기업은 기존 직원에게 AI와 협업하기 위한 리스킬링(재교육)이나 업스킬링을 지속적으로 제공할 필요가 있습니다. 또한 새로운 기술에 밝은 젊은 노동자가 기술의 활용 방법을 경험 많은 시니어 노동자에게 가르치고, 반대로 숙련 노동자가 현장의 암묵적 지식을 젊은이에게 전하는 「양방향의 지식 이전(업워드·널리지·트랜스퍼)」이 조직 내에서 중요해집니다. AI 도구를 단순히 도입하는 것에 그치지 않고, 직원이 AI를 신뢰하고 적극적으로 활용할 수 있도록 지원하는 「체인지 매니지먼트(조직 문화의 변혁)」가 노동시장에서의 인재 획득과 정착에서 결정적인 역할을 합니다.

맺음말

AI의 진전은 부동산·건설 영역을 크게 변화시킬 것으로 예상됩니다. 기업이나 개인의 수준에서 향후 업계에 필요한 서비스와 역할을 토대로 적절한 의사결정을 해나갈 필요가 있습니다.

이 글을 공유하기