🎬 "호들갑 떨지마" (하워드 막스)

▶️ 유튜브

• 원본 링크: https://youtu.be/4jH_nFzt0Ng?si=Z29P6HVcVPi-PXSl

🖼️ 4컷 인포그래픽

💡 한 줄 결론

하워드 막스의 핵심 메시지는 AI와 크레딧 시장이 동시에 투자 판단을 더 어렵게 만드는 시대일수록, 미래를 단정하기보다 확률·가격·규율을 기준으로 신중하게 움직여야 한다는 것이다.

📌 핵심 요점

1. 영상은 AI를 단순한 기술 테마가 아니라 고용, 기업 구조, 투자 판단의 전제를 흔드는 거대한 변수로 다룬다. 특히 AI의 영향이 아직 시장과 사회에서 충분히 체감되지 않았을 수 있다는 문제의식이 반복해서 제시된다.
2. 투자에서 중요한 것은 “무슨 일이 일어날까”라는 전망 자체보다, 그 전망이 맞을 확률을 어떻게 판단하느냐는 점이라고 강조한다. AI처럼 영향은 크지만 예측은 어려운 대상일수록 확률 판단의 난도가 더 높아진다고 본다.
3. 프라이빗 크레딧은 초기의 높은 금리와 보호장치라는 매력이 경쟁 심화로 약해졌고, 리테일 자금 유입 속에서 비유동성과 구조적 제약이 뒤늦게 문제로 떠오를 수 있다고 진단한다. 좋은 시기일수록 대출 기준이 느슨해지고, 그 결과 부실은 나중에 드러난다는 신용 사이클 논리가 함께 제시된다.
4. 장기 호황과 낮은 디폴트 경험은 시장의 경계심을 약화시키고 FOMO를 키웠으며, 현재의 크레딧 가격은 더 높은 부도 위험을 충분히 반영하지 않는 쪽에 가깝다는 시각이 나온다. 예측 불가능성이 큰 시대에 초장기 부채가 낮은 금리로 발행되는 현상도 이런 낙관의 연장선으로 해석된다.
5. AI 활용에는 분명한 효율 개선 효과가 있지만, 화자는 AI의 출력이 투자 결정을 대신하는 “정답”이 아니라 인간이 검토해야 할 “가설”에 가깝다고 본다. 결국 좋은 투자는 기술 낙관이나 위기 예언이 아니라, 충분히 싼 가격이 왔을 때 신중함에서 공격성으로 전환하는 판단에서 나온다는 입장이다.

🧩 배경과 문제 정의

• 이 영상은 AI가 이미 사람의 업무를 더 싸고 빠르게 대체하는 사례가 나타나고 있음에도, 그 파급력이 시장과 사회 전반에서 아직 충분히 체감되지 않았다는 문제의식에서 출발한다.
• 화자는 투자에서 중요한 것은 단순히 앞으로 무슨 일이 일어날지를 맞히는 것이 아니라, 그 판단이 맞을 가능성과 신뢰도를 함께 따지는 일이라고 본다.
• 특히 AI는 중요성이 큰 만큼 오히려 예측 가능성을 낮추는 요인으로 제시된다. 인간의 역할 변화, 대규모 실업 가능성, 사회 구조의 재편 같은 질문은 아직 충분히 경험적으로 검증된 영역이 아니라는 점이 강조된다.
• 또한 새로운 기술과 금융 아이디어는 초기에 기대를 자극하고, 한계는 뒤늦게 드러나는 경향이 있어 과열과 실망의 사이클을 반복한다는 맥락이 이어진다.
• 영상은 이런 문제의식을 바탕으로, AI 시대의 투자 판단과 크레딧 시장의 낙관, 그리고 가격 대비 위험 보상의 중요성을 함께 짚는다.

🕒 시간순 섹션별 상세정리

1. AI 충격과 과소평가된 변화 [00:00]

• AI가 사람보다 더 저렴하고 빠르게 일을 처리할 수 있다는 이유로 대규모 인력 축소가 단기간에 일어난 사례가 언급된다.
• 이런 변화가 갖는 함의를 실제로 얼마나 많은 사람이 깊이 이해하고 있는지에 대해 회의적인 시각이 드러난다.
• 특히 AI의 도입은 세상을 더욱 예측하기 어렵게 만들고 있으며, 현재 벌어지는 변화의 규모 자체가 과소평가되고 있다는 문제의식이 제시된다.

2. 투자 판단은 예측보다 확률이 중요하다는 주장 [00:21]

• 투자 업계는 대체로 앞으로 어떤 일이 일어날지를 맞히는 데 초점을 맞추지만, 화자는 그것만으로는 충분하지 않다고 본다.
• 중요한 것은 사건 전망뿐 아니라 그 전망이 맞을 확률을 함께 판단하는 일이라고 정리한다.
• 모든 예측은 동일한 신뢰도를 가지지 않으며, 특히 AI처럼 변수가 큰 시대에는 확률 판단 자체가 더 어려워진다는 인식이 깔려 있다.

3. AI의 힘이 곧 불확실성의 원천이라는 인식 [01:14]

• AI가 무엇을 할 수 있고 무엇을 못 하는지, 인간을 어디까지 대체할 수 있는지조차 아직 명확하지 않다고 본다.
• 대규모 실업이 현실화될 경우 사회가 어떻게 바뀔지 역시 충분히 경험하거나 검증한 바가 없다고 짚는다.
• 결국 AI의 중요성을 키우는 바로 그 힘이 동시에 미래의 불확실성을 확대하는 요소라는 설명으로 이어진다.

4. 새로운 아이디어는 왜 반복적으로 버블을 만드는가 [01:37]

• 새로운 기술이나 금융 혁신은 상상력을 자극하고 판매하기 쉬워 사람들을 빠르게 끌어당긴다고 본다.
• 아직 현실에서 결함이 충분히 드러나지 않았기 때문에, 새로움 자체가 과도한 낙관을 부추기는 배경이 된다고 설명한다.
• 사람들은 약속된 가능성에 먼저 매료되고, 이후 기대가 꺾인 뒤에야 자신이 한계를 충분히 이해하지 못했음을 깨닫는다는 구조를 짚는다.

5. 프라이빗 크레딧의 초창기 매력과 경쟁 심화 [02:36]

• 금융위기 이후 은행이 바이아웃 대출에서 물러나자 비은행 대출기관이 그 공백을 메우며 직접대출 시장이 성장했다고 설명한다.
• 초기에는 자본 공급이 제한적이어서 높은 금리와 더 강한 안전장치를 요구할 수 있는 유리한 환경이었다고 본다.
• 그러나 초반 성공이 알려지면 후발 주자들이 몰려들고, 그 결과 처음의 특별함은 사라진다는 업계의 반복 패턴을 강조한다.

6. 공모 크레딧과 사모 크레딧의 가격 균형 판단 [03:46]

• 경쟁이 심화되면서 프라이빗 크레딧의 금리 메리트와 안전성 우위가 예전보다 약해졌다고 진단한다.
• 당시 기준으로 공모 크레딧과 직접대출의 수익률 차이는 유동성 프리미엄 측면에서 대체로 공정하지만, 압도적으로 매력적인 수준은 아니라고 본다.
• 그래서 어느 한쪽에 과도하게 치우치기보다 둘 다 보유하는 접근이 더 자연스럽다는 의견을 제시한다.

7. 리테일 자금 유입과 비유동성의 뒤늦은 불만 [04:48]

• 프라이빗 크레딧 상품이 리테일과 은퇴 자금에까지 넓게 판매되면서, 일부 투자자는 비유동성과 시가평가 부재를 충분히 이해하지 못한 채 들어왔을 가능성이 제기된다.
• 좋은 시기에는 잘 드러나지 않던 구조적 제약이 상황이 나빠지면 갑자기 문제처럼 부각된다고 지적한다.
• 하지만 불만의 대상이 된 특성들은 원래부터 존재했던 것이며, 뒤늦게 놀라는 반응 자체가 시장의 낙관 국면을 보여주는 신호처럼 다뤄진다.

8. 크레딧 사이클과 기준 약화의 메커니즘 [06:58]

• 크레딧 시장에는 돈을 빌리기 쉬운 시기와 어려운 시기가 반복되며, 쉬운 시기에는 거래를 따내기 위해 조건이 점점 느슨해진다고 설명한다.
• 자금이 풍부할수록 원래라면 대출을 받기 어려운 차입자나 부실·사기성 구조도 더 오래 유지될 가능성이 커진다고 본다.
• “최악의 대출은 최고의 시기에 만들어진다”는 격언을 통해, 호황이 오히려 나쁜 대출의 토양이 된다고 정리한다.

9. 장기 호황이 만든 안일함과 FOMO [08:22]

• 2009년 이후 긴 호황이 이어졌고, 중간중간 충격이 있었어도 금융시장의 진짜 어려운 시기가 오래 지속되지는 않았다고 회고한다.
• 가격은 크게 상승했지만 기업의 본질가치가 그만큼 함께 뛰었다고 보기는 어렵다는 인식이 깔려 있다.
• 좋은 시기가 길어질수록 자금을 빨리 투입해야 한다는 압박이 커지고, 규율과 회의론, 높은 기준은 약해지며 FOMO가 이를 대체한다고 말한다.

10. 낮은 디폴트에 익숙해진 시장의 착시 [09:16]

• 오랜 기간 디폴트가 낮게 유지되면서 시장 참여자들이 부도 자체를 비정상적 사건처럼 받아들이게 된 흐름을 짚는다.
• 글로벌 금융위기나 팬데믹 때조차 실제 디폴트가 예상보다 낮았던 경험이 이런 안도감을 더욱 강화했을 가능성이 시사된다.
• 그러나 디폴트는 원래 신용시장에서 자연스러운 현상이며, 신용이 쉽게 공급된 기간 뒤에는 그 대가가 드러나는 국면이 뒤따른다는 인식으로 이어진다.

11. 부도 위험이 가격에 잘 반영되지 않는 시장 [10:01]

• 어려운 경제 환경이 오면 그동안 가려져 있던 문제와 부실 대출이 드러날 것이라는 인식이 제시된다.
• 진행자가 기업 부채 시장이 높은 부도 사이클을 충분히 가격에 반영하고 있는지 묻지만, 답변은 그렇지 않다는 쪽에 가깝다.
• 특히 투기등급 크레딧의 스프레드가 통상 범위의 낮은 쪽에 있다는 언급은, 시장에 부도 공포가 크지 않고 추가 위험에 대한 보상도 충분하지 않다는 해석으로 연결된다.

12. 예측 불가능한 시대의 장기 대출이 보여주는 과도한 낙관 [11:14]

• 향후 5년도 가늠하기 어려운 환경에서 대형 기술기업들이 30년, 40년, 심지어 100년 만기의 부채를 발행하는 사례가 문제적으로 다뤄진다.
• 100년물 금리가 5.8% 수준이라는 예시와 함께, 이런 자금 조달 조건은 비관보다 낙관, 회의보다 순진한 신뢰가 우세한 시장 분위기를 보여준다고 말한다.
• 시장에 낙관과 수용성이 강할수록 위험 대비 더 나은 보상을 주는 투자 기회를 찾기는 오히려 어려워진다는 논리로 연결된다.

13. AI 노출 기업에는 채권보다 주식이 더 맞을 수 있다는 관점 [12:03]

• AI의 영향은 순수 AI 기업이나 기술기업에만 국한되지 않고 훨씬 더 많은 기업으로 확산될 것이라는 전제가 제시된다.
• 이런 상황에서 AI 관련 기업에 자금을 투입하려면 대출보다 주식 보유가 더 적절할 수 있다는 견해가 소개된다.
• 사업모델의 근본적 변화 위험을 감수해야 한다면, 고정 수익만 받는 채권자보다 상승 가능성을 함께 가져가는 소유자 위치가 더 타당하다는 주장이다.
• 기술 변화의 폭이 넓고 결과가 불확실할수록 기존 기대치에 의존한 판단은 더 어려워진다고 정리된다.

14. 변화가 빨라질수록 기대 가능성은 약해진다 [13:05]

• AI가 모든 기업에 영향을 줄 것이라는 점 자체가 투자 환경을 더 어렵게 만드는 요인으로 설명된다.
• 과거에는 해마다 큰 변화가 없었지만 이제는 매일 바뀐다는 대비가 제시되며, 이는 생활 수준의 개선과는 별개로 예측 가능성을 떨어뜨린다고 본다.
• 결국 세상이 더 역동적으로 변할수록 기존 경험과 기대를 안정적으로 적용하기가 어려워진다는 판단이 강조된다.

15. Oaktree에서의 AI 활용과 즉각적 효율성의 체감 [13:45]

• Oaktree 내부에서는 AI가 사업모델이나 채용 구조 자체를 바꾼 것은 아니며, 현재는 데이터를 정리하고 활용하는 보조 수단으로 쓰인다고 설명한다.
• 메모 초안을 AI에게 보내는 과정은 번거로웠지만, 답변이 거의 즉시 도착한 경험을 통해 처리 속도의 압도적 차이를 체감했다고 말한다.
• AI는 방대한 텍스트를 읽고 기억하며 필요한 내용을 다시 찾아내고, 과거의 성공·실패 패턴을 바탕으로 미래를 추론하는 데 강점이 있다고 평가된다.
• 계산 실수나 논리 실수, 감정적 과열과 낙담이 적을 수 있다는 점에서 많은 사람보다 나을 수 있다는 취지의 발언도 이어진다.

16. AI의 한계: 직관, 사람 판단, 그리고 가설 검토 [15:54]

• AI가 할 수 없는 일도 여전히 있으며, 대표적으로 직관의 부재가 언급된다.
• 문서를 읽을 때 드는 불길함이나 사람의 질을 가려내는 감각은 인간이 더 낫다고 보며, 특히 나쁜 사람과의 투자에서 손실을 피한 경험이 예로 제시된다.
• AI는 질문에 답한다기보다 예측을 만든다고 규정되며, 스마트폰의 다음 단어 추천 기능이 그 비유로 사용된다.
• 따라서 AI의 결과물은 투자 결정을 곧바로 대신하는 답이 아니라 가설로 봐야 하고, 최종 검토에는 여전히 인간이 필요하다고 정리한다.

17. 예측 불가능성 속에서도 기회는 가격에서 나온다 [17:12]

• 유동성 확대 필요성에 대한 질문에 답하면서, 과거 ‘니프티 50’처럼 최고의 성장주로 여겨졌던 자산도 지나치게 비싸지면 치명적 손실로 이어질 수 있었다는 경험을 꺼낸다.
• 반대로 평판이 나쁜 자산이라도 가격이 충분히 낮아지면 매력적인 투자 대상이 될 수 있다는 교훈을 강조한다.
• 그래서 AI에 대한 우려와 판단 불확실성이 크더라도, 특정 자산은 결국 충분히 싸지면 매수할 만한 상태에 도달할 수 있다고 본다.
• 아직 시장이 과거 폭락장처럼 무조건 던지는 단계는 아니지만, 그런 순간이 오면 적극적으로 나설 생각이라는 태도가 드러난다.

18. 크래시 예측보다 기다림과 감각의 중요성 [18:57]

• 또 다른 금융위기급 이벤트가 올지에 대한 질문에는 단정 대신 “누가 알겠느냐”는 태도로 답한다.
• 단기 시장은 사람들의 투표처럼 움직이기 때문에, 다음 달에 공포가 이기면 급락이 오고 평정심이 돌아오면 오지 않을 수 있다고 본다.
• 그래서 당장 폭락이 없을 것이라는 믿음만으로 서둘러 투자하지 않고, 실제 전개를 지켜본 뒤 기회가 오면 공격적으로 나서겠다는 입장을 밝힌다.
• 다만 무엇이 충분히 싼 가격인지, 언제가 진짜 매수 시점인지는 완전히 알 수 없고 어느 정도의 감각이 필요하다고 말하며, 이런 판단은 AI가 잘하지 못할 수 있다는 점을 다시 짚는다.

19. 신중함은 기본값이다 [20:00]

• 화자는 자신이 본래 늘 신중한 편이라고 분명히 말한다.
• 단순히 상황을 지켜본다는 차원을 넘어, 원래의 신중함을 넘어설 만한 충분한 근거가 생겨야만 태도를 바꾼다는 뜻이 담겨 있다.
• 공격성은 기본 태도가 아니라, 신중함이 충분히 극복된 뒤에야 허용되는 예외적 상태처럼 제시된다.

20. 대출자의 위치는 더 보수적이어야 한다 [20:09]

• 대출자는 대체로 높은 수준의 경계심을 유지해야 한다는 기준이 제시된다.
• 무리하게 공격적인 태도는 대출자에게 적합하지 않다고 본다.
• 그 이유로 대출은 상방 수익을 크게 누리는 구조가 아니라, 주로 약속이 지켜지는지 여부에 의존하는 구조라는 점이 강조된다.
• 즉 대출은 성격상 하방 위험 관리가 핵심이며, 공격성보다 보수성이 더 자연스러운 자세로 제시된다.

21. 실망과 하락이 충분히 깊어져야 공격적으로 전환한다 [20:27]

• 앞으로도 당분간은 신중한 태도를 유지하겠다는 입장이 이어진다.
• 다만 시장의 실망과 하락이 충분히 깊고 커졌다고 판단되면, 그때는 오히려 공격적으로 나설 수 있다고 말한다.
• 과거 사이클들처럼 그런 순간이 오면 가장 공격적인 참여자가 될 수 있기를 기대한다고 표현한다.
• 심지어 그 시점에는 공격적으로 남아 있는 사람이 거의 없거나 자신들만 남아 있을 수도 있다는 인식이 드러난다.

22. 과소평가되는 것은 AI의 충격이다 [20:45]

• 남은 시간 동안 사람들이 지금 과소평가하는 것이 무엇이냐는 질문이 던져진다.
• 이에 대해 화자는 많은 사람이 AI의 영향을 충분히 크게 보지 못하고 있다고 답한다.
• 한 기업이 만 명 규모 인력 중 사천 명을 하루 만에 줄였다는 사례가 다시 언급되며, 이유는 AI가 더 싸고 빠르게 일을 수행할 수 있기 때문이라고 설명된다.
• 이 사례의 함의를 실제로 얼마나 많은 사람이 이해하고 있는지 되묻는 방식으로, AI의 파급력이 아직 현실감 있게 받아들여지지 않고 있다는 문제의식을 재강조한다.

23. 짧은 마무리와 인터뷰 종료 [21:13]

• AI의 함의에 대한 문제제기 자체가 자신이 말하고자 한 핵심이라는 식으로 짧게 정리된다.
• 이어 감사 인사와 함께 인터뷰가 마무리된다.
• 끝인사에서는 인터뷰어와의 대화가 늘 훌륭하다는 친근한 평가가 덧붙는다.

🧾 결론

• 이 영상은 AI를 “성장 기회”보다 먼저 “예측 가능성을 떨어뜨리는 변수”로 본다는 점에서 인상적이다. 즉, AI가 중요할수록 투자자는 더 자신만만해지기보다 오히려 더 겸손해져야 한다는 메시지가 중심에 있다.
• 크레딧 시장에 대한 시각도 일관된다. 자금이 넘치고 경쟁이 심할수록 수익률은 평범해지고 기준은 약해지며, 위험은 사라지는 것이 아니라 뒤로 밀릴 뿐이라는 경고가 반복된다.
• 화자의 태도는 위기 예언자라기보다 가격 중심의 현실주의자에 가깝다. 언제 충격이 올지 맞히려 하기보다, 충격이 왔을 때 무엇이 충분히 싸졌는지를 보겠다는 접근이 핵심이다.
• AI에 대해서도 극단적 찬반보다 균형 잡힌 태도를 취한다. 속도, 기억, 패턴 인식에서는 강력하지만 직관·사람 판단·최종 검토는 여전히 인간의 몫이라는 식으로 역할을 구분한다.
• 검증이 필요한 내용으로는 영상에서 언급된 특정 기업의 대규모 감원 사례와 100년물 금리 예시가 있다. 본 정리는 제공된 section-detail 기준 요약이며, 개별 사례의 정확한 기업명·수치·시점은 원문 인터뷰나 별도 자료 대조가 필요하다.

📈 투자·시사 포인트

• AI 관련 투자에서는 “AI 수혜 여부”만 볼 것이 아니라, 사업모델이 얼마나 빠르게 흔들릴 수 있는지와 그 불확실성이 현재 가격에 얼마나 반영돼 있는지를 함께 봐야 한다. 영상의 논리대로라면 변화 폭이 큰 기업일수록 단순 낙관보다 가격 규율이 더 중요하다.
• 크레딧 투자자 입장에서는 낮은 디폴트 경험이 만든 안도감이 가장 큰 함정일 수 있다. 스프레드가 낮은 구간에서 ‘괜찮아 보여서’ 들어가는 투자보다, 실제 위험 대비 보상이 충분한지 따지는 보수적 접근이 더 중요하다는 시사점을 준다.
• 프라이빗 크레딧의 리테일 확대는 시장 구조 측면에서도 볼 만하다. 좋은 장에서는 잘 안 보이던 비유동성·평가의 경직성이 스트레스 국면에서 불만으로 폭발할 수 있다는 점은 상품 판매와 투자자 보호 논의로도 이어질 수 있다.
• AI 노출이 큰 기업에 자금을 넣을 때 채권보다 주식이 더 적합할 수 있다는 관점은 자본구조 선택의 문제를 다시 생각하게 만든다. upside가 큰 변화라면 고정 수익만 받는 포지션보다, 변동성을 감수하더라도 소유권 쪽이 더 논리적일 수 있다는 주장이다.
• 거시적으로는 “불확실성이 크다 = 투자 불가”가 아니라 “불확실성이 큰데도 가격이 낙관적이면 기대수익이 낮다”는 해석이 더 정확하다. 따라서 향후 시장 점검 포인트는 AI 뉴스 자체보다도, 그 뉴스가 신용 스프레드·장기 금리·밸류에이션에 어떤 가격으로 반영되는지일 가능성이 크다.

⚠️ 불확실하거나 확인이 필요한 부분

• 영상에서 언급된 “하루 만에 1만 명 중 4천 명 감축” 사례는 강한 인상을 주는 예시지만, 어떤 기업인지와 실제 감원 배경이 transcript 입력 정보에는 구체적으로 확인되지 않는다. 따라서 일반적 AI 대체 사례로 확대 해석하기 전 원 출처 확인이 필요하다.
• 프라이빗 크레딧과 공모 크레딧의 수익률 차이, 100년물 금리 5.8% 수준 등은 인터뷰 시점의 시장 수치로 제시되지만, 현재도 동일한 조건인지 여부는 별도 시장 데이터 검증이 필요하다.
• Oaktree 내부의 AI 활용 방식은 인터뷰 발언 기준으로는 “보조 수단” 수준으로 설명되지만, 실제 운영 범위가 조직 전반에서 얼마나 넓은지는 이 입력만으로 단정할 수 없다.

✅ 액션 아이템

• 영상에서 언급된 대규모 인력 감축 사례의 원문 출처와 기업명을 별도로 확인해, AI 영향 사례로 인용 가능한 수준인지 검증한다.
• 프라이빗 크레딧 vs 공모 크레딧 관련 최근 스프레드와 유동성 프리미엄 데이터를 찾아, 인터뷰 시점 판단이 지금도 유효한지 비교한다.
• “예측보다 확률 판단이 중요하다”는 메시지를 바탕으로, 현재 검토 중인 투자 아이디어마다 시나리오별 확률을 따로 적는 체크리스트를 만든다.
• AI 수혜주·피해주를 단순 내러티브로 보지 말고, 주식/채권 중 어떤 자본구조 포지션이 더 유리한지 기업별로 다시 점검한다.

❓ 열린 질문

• AI의 충격이 과소평가되고 있다는 주장과 달리, 시장 가격은 이미 상당 부분 이를 반영하고 있는 것은 아닌가?
• 프라이빗 크레딧의 비유동성 리스크는 향후 실제 스트레스 국면에서 어느 정도까지 투자자 불만과 환매 압력으로 표면화될까?
• AI가 기업 전반에 영향을 준다면, 특정 산업을 고르는 접근보다 자본구조상 어디에 설 것인지가 더 중요한 시대가 되는가?