SK텔레콤

고객의 하루를 따라가면 돈이 생기는 경로가 선명하다. 이동 중에는 무선 회선, 집에서는 초고속인터넷과 IPTV, 직장에서는 기업 네트워크가 쓰인다. 고객군은 개인·가구·기업으로 나뉘지만 회사 쪽에서는 망 운영, 청구, 상담, 유통망이라는 공통 기반을 공유한다. 2026년 1분기 규제 공시상 연결 매출의 10% 이상을 차지하는 단일 고객이 없었다는 점도 이 사업이 소수 대형 발주처보다 넓은 가입자 기반에 기대고 있음을 보여준다.

AI 사업도 고객에 따라 성격이 갈린다. 회사 분류에서 AI B2B는 AI Cloud, AICC(AI 고객센터), AI Factory 등을 포함하고 AI B2C는 에이닷, 커머스, 광고 등을 아우른다. 이 분류는 기술 목록이라기보다 영업 경로의 차이다. 개인 서비스는 많은 사용자를 자주 불러들이는 것이 먼저이고, 기업 서비스는 고객 업무에 들어가 계약과 반복 이용으로 이어지는지가 중요하다.

▲ T Factory 매장에서 직원과 고객이 키오스크를 사이에 두고 서비스를 살펴보는 장면과 통신사의 오프라인 고객 접점 — 출처: [매일경제, 2020-11-09](https://www.mk.co.kr/news/business/9598156)

매장은 이 구조를 압축해 보여준다. 통신사는 앱 화면 안에만 존재하지 않는다. 단말 개통, 상담, 서비스 체험처럼 설명이 필요한 순간에는 사람이 있는 유통망이 작동한다. AI가 매장과 고객센터에 들어간다는 전략은 화려한 챗봇 하나를 추가하는 일이 아니라, 기존 고객 여정에서 대기·검색·추천·처리를 다시 설계하는 작업이다.

소비자 AI는 ‘무엇이든 대신하는 비서’라는 표현에 쉽게 부풀려진다. 현재 확인되는 장면은 더 구체적이다. 에이닷의 에이전트콜은 고객센터 연결을 기다리는 동안 실시간 자막과 ARS 메뉴를 보여주고, 사용자가 선택하면 상담원 연결까지 대기를 보조한다. AI가 독자적으로 민원을 판단하고 해결하는 서비스가 아니라, 사용자가 전화기 앞에 붙들리는 시간을 줄이는 도구다.

이 차이는 제품을 평가할 때 중요하다. 통화 대기, 일정 확인, 검색처럼 자주 발생하지만 번거로운 일을 덜어주면 기존 통신 고객과 자연스럽게 만난다. 반대로 이용자가 가끔 신기해서 실행하는 기능에 머문다면 가입자 기반이 곧 AI 매출로 바뀌지는 않는다. 사용자 수, 호출 빈도, 유료 기능 또는 광고·커머스 전환은 서로 다른 단계다.

▲ 에이닷 앱에서 여러 LLM 에이전트를 선택하는 화면과 단일 모델 대신 서비스를 묶어 제공하려는 제품 방향 — 출처: [SK텔레콤, 2024-08-26](https://news.sktelecom.com/en/1551)

화면에 Claude·Perplexity·A.X·GPT-4o 같은 여러 모델이 함께 놓인 모습은 SK텔레콤이 모든 기반모델을 직접 만드는 방식만 고집하지 않음을 보여준다. 모델을 고르는 인터페이스, 통화와 일정 같은 생활 맥락, 통신 고객과의 접점을 하나의 서비스로 묶는 쪽에 무게가 실린다. 기반모델의 성능 경쟁이 빨라질수록 특정 모델의 우위보다 적절한 모델을 연결하고 결과를 실제 행동으로 넘기는 제품 설계가 중요해진다.

회사는 2026년 MWC에서 상품·과금·고객센터·매장·네트워크를 AI 중심으로 재설계하는 ‘AI Native’ 전략을 발표했다. 범위가 넓다는 것은 기회인 동시에 검증 부담이다. 고객센터 대기처럼 이미 확인되는 작은 효용과, 전사 운영체계를 바꾸겠다는 큰 구호를 같은 완성도로 받아들여서는 안 된다.

▲ 전시장 차량과 ‘Agent AI’ 표지가 함께 보이는 에이닷 오토 체험 공간, AI 접점을 스마트폰 밖으로 넓히려는 시도 — 출처: [SK Telecom Newsroom, 2026-04-23](https://news.sktelecom.com/224124)

차량 안에서 쓰는 에이전트는 이 확장의 한 장면이다. 운전 중에는 화면을 오래 조작하기 어려워 음성 기반 검색과 명령의 가치가 커진다. 다만 전시 체험이 상용차 탑재, 반복 이용, 과금으로 이어지는 과정에는 완성차 협력과 서비스 품질이라는 별도 관문이 있다.

AI 데이터센터에서 파는 것은 추상적인 ‘AI’가 아니라 연산 가능한 시간과 안정적인 운영 환경이다. SK텔레콤은 2025년 가산 AI 데이터센터에서 NVIDIA H100 기반 GPUaaS를 출시했다. GPUaaS는 고가의 그래픽처리장치(GPU)를 고객이 필요한 수량과 기간만큼 빌려 쓰는 서비스다. 계약에 따라 서버, 방화벽, 전용회선도 함께 구성할 수 있다.

돈의 흐름도 소비자 앱과 다르다. 기업 고객이 모델 학습이나 추론에 필요한 GPU 수량과 이용기간을 정하고, 데이터 이동과 보안에 필요한 네트워크 구성을 붙인다. 데이터센터는 전력과 냉각, 장비 조달에 먼저 돈이 들어가므로 GPU가 설치됐다는 사실만으로 수익성이 생기지 않는다. 실제 계약이 채워지고 장비가 꾸준히 사용돼야 투자비를 회수할 수 있다.

▲ 서버 랙과 ‘AI DATA CENTER’ 표지가 보이는 공간, AI 서비스 뒤에 필요한 물리 인프라를 시각화한 장면 — 출처: [SK텔레콤, 2025-06-20](https://news.sktelecom.com/en/1960)

SK그룹과 AWS가 추진하는 울산 AI 데이터센터는 이 사업을 훨씬 큰 규모로 확장하는 계획이다. 양측은 장기 전략 협력을 발표했고 운영 개시 시점은 2027년으로 제시했다. 여기서 AWS는 클라우드 수요와 운영 생태계, SK 측은 부지·에너지·통신·데이터센터 역량을 결합하는 구도다. 그러나 2026년 현재 울산 센터는 가동 매출이 아니라 건설과 고객 확보가 남은 미래 사업이다.

NVIDIA와의 협력도 같은 문법을 따른다. SK텔레콤은 DSX 기반 GW급 AI Cloud와 2027년 첫 AI Factory 가동 계획을 발표했다. AI Factory는 대규모 GPU와 데이터센터 설비를 묶어 AI 모델의 학습·추론을 산업적으로 처리한다는 개념이다. 이름은 소프트웨어처럼 들리지만 성패 조건은 GPU 확보, 전력 인입, 냉각 효율, 건설 일정, 그리고 장기간 연산을 구매할 고객이다.

연결 손익은 회복됐지만 한 분기를 곧바로 정상치로 놓기는 어렵다

2025년 감사 연결 기준 매출은 17조992억원, 영업이익은 1조732억원, 순이익은 3,751억원이었다. 단순 계산한 영업이익률은 약 6.3%다. 2026년 1분기에는 매출 4조3,923억원, 영업이익 5,376억원, 순이익 3,164억원을 기록했고, 2분기 회사 발표치는 매출 4조3,591억원, 영업이익 5,660억원, 순이익 4,660억원이었다.

2분기는 1분기보다 매출이 소폭 낮았지만 영업이익과 순이익은 높았다. 다만 연간 수치와 분기 수치를 기계적으로 이어 붙여 연간 이익을 추정하기에는 비용의 계절성과 일회성 요인을 더 확인해야 한다. 최신 분기 발표에서 제시된 EBITDA는 1조4,423억원, CapEx는 4,870억원이다. EBITDA가 영업 현금창출력을 가늠하는 보조 지표라면, CapEx는 네트워크와 데이터센터 같은 물리 기반을 유지·확장하기 위해 실제로 집행되는 투자 규모를 보여준다.

이사회는 2026년 2분기 보통주 배당을 주당 830원으로 정했고 기준일을 8월 31일, 지급예정일을 9월 17일로 공고했다. 배당은 통신 현금흐름의 투자 매력을 보여주지만 AI 데이터센터 투자가 커질수록 주주환원, 차입, 파트너 자본 사이의 배분이 중요해진다.

AI DC 성장률과 나머지 AI 매출은 같은 숫자가 아니다

2025년 AI DC 매출은 5,199억원으로 전년 대비 34.9% 증가했다. 2026년 1분기는 1,314억원으로 전년 동기 대비 89.3%, 2분기는 1,362억원으로 92.5% 늘었다. 반면 1분기 AI B2B·B2C 매출은 450억원으로 전년 동기 대비 10.3% 감소했다. 데이터센터의 빠른 성장만 보고 소비자·기업 AI 서비스 전반이 같은 속도로 수익화됐다고 해석하면 안 되는 이유다.

회사는 2026년 7월 AI 데이터센터 사업개발 자회사 SK하이퍼를 세우고 대규모 투자와 용량 목표를 내놓았다. GW는 발전소급 전력을 가리키는 단위다. 목표가 현실화되면 사업의 외형과 자본구조가 함께 달라질 수 있지만, 발표된 용량은 설치 완료·가동률·고객계약을 뜻하지 않는다. 현재 실적에서는 이미 매출이 잡히는 AI DC를 보고, 미래 가치에서는 자금조달과 고객 확보가 붙은 용량만 단계적으로 인정하는 편이 타당하다.

AWS와 NVIDIA는 각각 클라우드 수요·운영 생태계와 GPU·AI 시스템 역량을 제공할 수 있는 강력한 파트너다. SK텔레콤은 네트워크와 데이터센터 운영, SK그룹은 에너지·산업 기반을 결합하려 한다. 이 조합은 국내 통신사가 혼자 기반모델 경쟁을 벌이는 것보다 역할이 분명하다. 연산 자원을 구축하고 기업 고객이 쓰기 쉽게 연결하는 쪽이다.

하지만 파트너 로고는 수주잔고가 아니다. 울산 센터는 예정 시점에 전력과 냉각 설비를 갖추고 가동돼야 하며, NVIDIA 협력은 GPU 조달과 시스템 통합을 넘어 실제 장기 사용자를 확보해야 한다. AWS의 참여도 모든 용량에 대한 매출 보장을 뜻하지 않는다. 협력 발표와 고객계약, 건설 진행률, 가동률은 각각 다른 단계다.

SK하이퍼의 설립은 이 간극을 관리하기 위한 조직적 선택으로 볼 수 있다. 통신 본체 안에서 망 투자와 함께 다루던 데이터센터를 별도 사업개발 축으로 세우면 프로젝트 금융, 전략적 투자자, 부지별 파트너십을 설계하기 쉬워질 수 있다. 반대로 별도 법인이 생겼다는 사실만으로 자금 부담이 사라지는 것은 아니다. 누가 건설비를 부담하고, 장기 전력계약과 GPU 교체 위험을 어떻게 나누며, 고객이 최소 사용량을 약정하는지가 경제성을 결정한다.

증권사 시각에서도 대규모 AI 데이터센터 계획이 성장동력으로 인정받으려면 자금조달 구조, 사업모델, 실수요가 더 명확해져야 한다는 평가가 나왔다. 이는 AI 수요 자체를 부정하는 논리가 아니다. 수요가 빠르게 늘어도 공급 설비를 비싸게 지은 뒤 낮은 가동률로 운영하면 주주가 얻는 수익은 제한될 수 있다는 자본집약 사업의 기본 조건이다.

SK그룹은 1994년 한국이동통신 지분을 취득했고, 한국이동통신은 1996년 CDMA를 상용화한 뒤 1997년 SK텔레콤으로 이름을 바꿨다. CDMA는 여러 사용자가 주파수를 코드로 나눠 쓰는 디지털 이동통신 기술이다. 당시의 전환은 새로운 통신 규격을 연구실에서 꺼내 전국 서비스와 단말 생태계로 연결하는 일이었다.

▲ CDMA 디지털 이동전화 상용화 기념 행사에서 휴대전화로 통화하는 장면과 기술이 실제 서비스로 넘어가던 순간 — 출처: [ETRI, historical_archive](https://www.etri.re.kr/40th/eng/sub03_2.html)

이 역사는 AI 전략을 낙관하는 가장 강한 근거인 동시에 경계선도 그어준다. SK텔레콤에는 복잡한 장비와 표준을 대규모 상용망으로 운영해 본 경험이 있다. 데이터센터 역시 장애 대응, 네트워크 연결, 고객 지원이 중요한 운영 사업이라는 점에서 그 경험이 쓸모가 있다.

그러나 CDMA 시대와 AI 시대의 산업 지배력은 다르다. 이동통신사는 주파수와 국내망, 가입자 관계를 중심으로 서비스의 관문을 지킬 수 있었다. AI에서는 GPU 공급자가 핵심 장비를 쥐고 글로벌 클라우드가 개발자와 기업 수요를 모으며, 기반모델은 빠르게 교체된다. 과거의 상용화 경험은 실행 능력의 근거이지 동일한 시장 지위를 보장하는 면허가 아니다.

2025년 침해사고는 통신사의 핵심 자산이 망과 가입자 수만이 아님을 드러냈다. 정부 최종 조사에서는 유심 관련 데이터 약 2,696만건 유출과 감염 서버·악성코드가 확인됐다. 이 수치는 피해가 확정된 개인 수와 동일한 개념으로 읽어서는 안 되지만, 사고의 범위가 넓었다는 사실은 분명하다.

개인정보보호위원회는 과징금 1,347억9,100만원과 과태료 960만원을 부과했다. 직접 제재액도 크지만 장기 비용은 보안 투자, 시스템 교체, 고객 응대, 규제 대응에 걸쳐 나타날 수 있다. 특히 에이닷이 통화와 일정 같은 생활 데이터에 가까워지고 AI 데이터센터가 기업의 민감한 연산을 맡으려 할수록, 보안은 뒷단 비용이 아니라 상품을 선택하게 하는 조건이 된다.

회사는 이후 전사 정보보호 체계를 재점검하고 2026년 정보보호백서를 발간했다고 밝혔다. 이는 대응 조치로서 의미가 있지만, 회사의 자체 설명만으로 규제 위험과 고객 신뢰가 회복됐다고 결론 내릴 수는 없다. 재발 방지 체계가 실제 운영에서 작동하는지, 감독기관의 후속 판단과 고객 이탈·복귀가 어떻게 나타나는지가 별개의 검증이다.

이 사건은 AI 전환과도 떨어져 있지 않다. 더 많은 고객 행동을 이해하고 더 많은 업무를 자동화할수록 보유 데이터와 시스템 권한이 넓어진다. 편의 기능이 늘어나는 만큼 공격 표면도 커진다. AI Native가 상품·과금·고객센터·매장·네트워크를 하나로 묶는 전략이라면, 보안 통제 역시 같은 범위로 설계돼야 한다.

SK텔레콤의 현재 본업은 넓은 국내 가입자 기반이 만드는 반복 수요에 서 있다. AI의 가장 현실적인 출발점은 그 기반을 버리는 것이 아니라 상담 대기를 줄이고, 기업 회선에 GPU를 붙이고, 데이터센터를 안정적으로 운영하는 데 있다. CDMA 상용화 시절 기술의 가치는 기념식의 첫 통화가 전국의 일상으로 번졌을 때 완성됐다. 오늘의 AI 전략도 전시장 표지와 용량 목표가 아니라, 고객이 안심하고 반복해서 쓰는 서비스와 계약으로 바뀌는 순간부터 통신사의 새 본업이 된다.