AI 리더 기업들의 전략적 B2B 피벗
앤쓰로픽, 오픈AI, 구글이 B2B 시장을 차지하기 위한 전쟁을 시작했다
이 글은 제가 NIA [한국지능정보사회진흥원] 디지털서비스 이슈리포트 2026년 3월호에 기고한 'LLM 기업들의 전략적 B2B 피벗'를 이곳 브런치에서 공유합니다.
앤쓰로픽 매출이 2주 만에 36% 성장했다는 수치는 통상적인 분기 성장률도, 신제품 출시 직후의 일시적 스파이크도 아니다. 이것은 어떤 시스템이 임계점을 넘어섰을 때 나타나는 비선형적 폭발의 신호다. 불과 몇 달 전까지 3:1이던 오픈AI와 앤쓰로픽의 매출 격차가 2026년 3월 현재 1.3:1로 좁혀졌고,[1] 이 속도가 유지된다면 역전은 올해 말이 아니라 이번 봄의 이야기가 될 수도 있다.
그림 1 앤쓰로픽과 오픈AI의 매출 추이 (출처: The Information)이 변화를 단순히 두 회사 간의 경쟁 구도로 봐서는 안된다. AI가 소비자의 호기심을 자극하는 도구에서 기업의 핵심 인프라로 전환되는 구조적 이동이 가시화되고 있는 것이며, 그에 따라 LLM 기업들의 수익 모델, 판매 전략, 파트너십 구조가 근본적으로 재편되고 있다는 신호다. 마이크로소프트는 코파일럿 조직을 CEO 직속으로 재편했고,구글은 제미나이를 워크스페이스 생태계 깊숙이 내장하는 데 속도를 올리고 있으며, 오픈AI는 뒤늦게나마 '사이드 퀘스트/프로젝트를 멈추라'는 내부 선언과 함께 B2B 피벗을 공식화했다.[2] 각자의 방식은 다르지만, 방향은 하나다. 기업 시장이다.
이 글에서는 그 전환의 실체를 이야기한다.
왜 소비자 AI 전략이 구조적 한계에 부딪혔는지,
앤쓰로픽은 어떤 전략으로 임계점을 돌파했는지,
오픈AI의 B2B 피벗이 진정한 전환점이 되기 위해 무엇이 필요한지, 그리고
마이크로소프트와 구글이 펼치는 플랫폼 전쟁의 본질이 무엇인지를 순서대로 살펴본다.
나아가 이 전쟁의 결과가 기업 구매자와 전략 기획자에게 어떤 함의를 갖는지를 짚어본다. AI 모델의 성능 경쟁은 이미 2막으로 넘어갔다. 지금 벌어지고 있는 것은 누가 기업의 핵심 시스템 안에 더 깊이, 더 넓게 뿌리를 내리느냐를 두고 벌이는 인프라 전쟁이다.
1. 소비자 AI에서 기업 AI로
숫자가 클수록 오히려 진실을 가리는 경우가 있는데, 챗GPT의 주간 활성 사용자 9억 2천만 명이 바로 그런 숫자다. 이 수치는 오픈AI가 소비자 시장에서 이룩한 전례 없는 성취를 보여주는 동시에, 왜 그들이 지금 전략을 근본적으로 바꿀 수밖에 없는 상황에 몰렸는지를 역설적으로 설명한다.
소비자 구독 모델의 수익 구조는 본질적으로 납작하고 확장에 한계가 있다. 아무리 많은 개인 사용자가 월 20달러짜리 구독료를 지불해도, 수십만 명의 직원에게 AI를 전사 배포하는 대형 엔터프라이즈 계약 하나가 만들어내는 매출과 장기적 락인 효과를 따라잡기 어렵다. 더욱이 소비자 시장은 이미 포화에 가까운 성숙 단계에 진입하고 있어서, 스스로 목표로 설정했던 주간 활성 사용자 10억 명 달성에도 실패하며 성장 곡선이 평탄화되는 징후가 뚜렷하게 나타나고 있다. 브랜드 인지도와 문화적 영향력은 소비자가 만들어주지만, 예측 가능하고 지속 가능한 매출 기반은 결국 기업 고객이 만들어준다는 현실이 수면 위로 올라오고 있는 것이다.
코딩 에이전트가 열은 B2B AI의 문
앤쓰로픽이 이토록 빠른 속도로 엔터프라이즈 시장을 파고든 경로는 놀라울 만큼 단순하고, 그렇기 때문에 더욱 강력하다. 거창한 소비자 마케팅도, 수백 명의 기업 영업 조직도 아닌, 클로드 코드라는 코딩 에이전트 하나가 그 폭발적 성장의 진원지였다는 사실은 엔터프라이즈 AI 시장의 침투 메커니즘에 대해 중요한 통찰을 제공한다.
엔터프라이즈 소프트웨어 시장에는 항상 내부로 들어가는 엔트리 포인트가 존재하며, 그 관문을 누가 통제하느냐가 시장의 판도를 결정해왔다. 과거 SaaS 시대에 그 관문이 영업사원과 구매 부서의 RFP 프로세스였다면, AI 시대의 관문은 개발자다. 개발자가 일상적인 작업 도구로 특정 AI를 채택하는 순간, 그것은 개인의 선택을 넘어 조직 전체의 기술 스택 결정으로 이어지는 강력한 경로가 된다. 개발자의 채택이 IT 부서의 검토를 촉발하고, 보안팀의 승인을 거쳐, 결국 전사 계약으로 확대되는 이 경로를 앤쓰로픽은 전략적으로 설계했고, 클로드 코드는 그 설계의 핵심 실행 도구였다. 2주 만에 ARR이 36% 급등한 것은 우연이 아니라, 이 침투 경로가 임계 질량에 도달했을 때 나타나는 필연적 결과다.
"사이드퀘스트(Side Quest)를 멈춰라"가 진짜 의미하는 것
오픈AI가 지난 1년간 발표하고 추진한 것들의 목록을 보면, 이것이 하나의 일관된 전략 아래 움직이는 조직인지 의심스러울 정도로 방향이 제각각이다. 비디오 생성 모델 소라, 독자 브라우저 아틀라스, 애플 출신 디자이너 조니 아이브와 협업한 하드웨어 디바이스, 챗GPT 내 쇼핑 기능 인스턴트 체크아웃, 엔비디아와의 전략적 파트너십, 그리고 펜타곤 계약까지, 한 회사가 동시에 추진하기에는 지나치게 넓은 전선이었다.
포트폴리오 전략은 리소스가 충분하고 시장이 안정적일 때 유효하다. 그러나 경쟁자가 하나의 분야에 모든 역량을 집중해 빠르게 시장을 잠식하고 있는 상황에서의 분산은 치명적 취약점이 된다. 인스턴트 체크아웃은 출시 5개월 만에 조용히 철수되었고, 엔비디아와의 1,000억 달러 투자 파트너십 발표는 불과 몇 주 만에 300억 달러 규모로 축소 수정되었으며, 급하게 체결한 펜타곤 계약은 내부 직원들의 반발과 외부 비판에 직면해 조건을 뒤늦게 수정해야 했다. 각각의 사건은 표면적으로는 개별적 실수처럼 보이지만, 패턴으로 읽으면 훨씬 더 깊은 문제가 드러난다. 전략적 우선순위가 불분명한 조직이 반복적으로 빠지는 '발표 먼저, 정제는 나중에' 문화가 고착되어 있다는 신호다.
오픈AI가 이번에 B2B로의 피벗을 공식 선언한 것은 경쟁 압박에 대한 반응이기도 하지만, 그보다 더 근본적으로는 분산된 전략의 폐해를 스스로 인정한 자기 교정의 시도로 읽힌다. 그러나 전략 선언이 하루 만에 가능한 것과 달리, 조직 문화와 실행 역량의 변화는 훨씬 더 긴 시간을 필요로 한다는 점에서, 이 피벗이 실질적 결과로 이어질지는 좀 더 지켜봐야 할 대목이다.
2. 앤쓰로픽의 B2B 퍼스트 전략
시장에서 후발주자가 선발주자를 이기는 방법은 두 가지다. 더 좋은 제품을 만들거나, 다른 게임을 하거나. 앤쓰로픽은 후자를 선택했다. 클로드를 챗GPT의 대안으로 포지셔닝하는 대신, 오픈AI에 의존하고 싶지 않은 기업들을 위한 선택지로 자신을 정의했다. 이 포지셔닝은 단순한 마케팅 전략이 아니라, 엔터프라이즈 구매 심리에 대한 정확한 독해에서 나온 것이다.
대형 기업의 기술 구매 담당자들이 가장 두려워하는 것은 나쁜 제품이 아니라 단일 벤더 종속(vendor lock-in)이다. 클라우드 시장에서 멀티 클라우드 전략이 표준이 된 것도 같은 이유였다. AI 시장에서도 동일한 논리가 작동하기 시작했고, 앤쓰로픽은 그 흐름을 정확히 포착했다. 헌법적 AI 프레임워크를 통해 구축한 안전성과 투명성에 대한 평판은, 기술적 차별화를 넘어 규제 환경이 까다로운 금융, 의료, 법률 분야 기업들에게 실질적인 도입 근거로 작용했다.[3] 성능 경쟁에서 이기려 하지 않고, 신뢰 경쟁에서 이기는 전략을 택한 것이다.
다이렉트 세일즈 보다는 채널 전략
앤쓰로픽의 성장 방식에서 가장 주목할 만한 점은 전통적인 엔터프라이즈 영업 조직을 최소화하면서도 대형 고객을 빠르게 확보했다는 사실이다. 그 핵심에는 클라우드 하이퍼스케일러를 통한 채널 전략이 있다. AWS 베드락과 구글 버텍스 AI를 주요 배포 채널로 삼음으로써, 앤쓰로픽은 수십 년에 걸쳐 이미 구축된 엔터프라이즈 신뢰 관계를 그대로 활용할 수 있었다.[4] 기업 고객 입장에서는 새로운 벤더와 계약하는 것이 아니라, 이미 사용하고 있는 클라우드 플랫폼 안에서 AI 기능을 추가하는 것이기 때문에 도입 장벽이 현저히 낮아진다.
여기에 마이크로소프트 365와 코파일럿로 모델 통합, 세일즈포스와의 파트너십 확장, 그리고 딜로이트를 통한 수십만 명 규모의 기업 내 배포까지 더해지면서, 앤쓰로픽은 직접 판매 비용을 최소화하면서도 엔터프라이즈 시장 깊숙이 침투하는 구조를 만들었다. 이것은 기존 SaaS 기업들이 수년에 걸쳐 구축해온 채널 생태계를 AI 시대에 맞게 재해석한 전략이며, 스스로 생태계를 만드는 대신 이미 존재하는 생태계 위에 올라타는 방식의 영리한 실행이다.
3. 오픈AI의 뒤늦은 엔터프라이즈 피벗
오픈AI가 내놓은 B2B 피벗의 구체적 형태는 흥미롭다. 챗GPT, 코딩 에이전트 코덱스, 그리고 브라우저 아틀라스를 하나로 묶는 데스크탑 '슈퍼앱' 전략이 그것이다.[5] 사이드 퀘스트를 정리하겠다고 선언한 직후, 기존에 추진하던 세 가지 제품을 통합하는 방식으로 방향을 재설정한 것은 전략적으로 합리적인 선택이다. 개별 제품의 파편화가 만들어온 혼선을 통합 플랫폼으로 극복하겠다는 논리이고, 사용자가 하나의 인터페이스 안에서 대화, 코딩, 브라우징을 모두 처리할 수 있다면 엔터프라이즈 환경에서의 채택 장벽도 낮아질 수 있다.
그러나 이 전략에는 검증되지 않은 전제가 있다. 엔터프라이즈 시장에서 슈퍼앱이 실제로 작동한 선례가 많지 않다는 점이다. 기업 환경은 소비자 환경과 달리 이미 수십 개의 전문화된 툴이 각자의 역할을 맡고 있고, 새로운 통합 플랫폼이 그 복잡한 생태계를 대체하려면 단순한 기능 통합 이상의 깊은 시스템 연동이 필요하다. 슈퍼앱이 시장에서 진정한 차별점을 갖추려면, 기능의 통합보다 워크플로우의 통합이 선행되어야 한다는 과제가 오픈AI 앞에 놓여 있다.
정부 계약의 전략적 활용
오픈AI가 B2B 확장을 위해 선택한 또 하나의 경로는 정부 계약을 민간 기업 영업의 레퍼런스로 활용하는 전략이다. AWS와의 계약을 통해 미국 정부 기관에 AI를 공급하는 구조를 만들고, 이를 기반으로 대형 민간 기업들에게 신뢰성을 증명하는 방식은 팔란티어가 수년에 걸쳐 검증한 플레이북이다. 실제로 팔란티어는 군사 계약으로 쌓은 신뢰를 발판 삼아 민간 부문에서 약 20억 달러의 매출을 올리는 기업으로 성장했다.
이 전략의 핵심 논리는 단순하다. 정부, 특히 국방부나 정보기관이 사용하는 기술은 보안성과 안정성 측면에서 이미 검증되었다는 신호를 시장에 보낸다. 대형 금융기관이나 헬스케어 기업처럼 데이터 보안과 규제 준수에 민감한 조직들에게, 정부 레퍼런스는 긴 기술 검증 프로세스를 단축시키는 강력한 신뢰 신호로 작동한다. 다만 이 전략이 온전히 작동하려면 정부 계약 자체의 안정성이 전제되어야 하는데, 앤쓰로픽과의 펜타곤 계약 갈등에서 드러났듯이 정부와의 관계는 그 자체로 불확실성의 변수를 내포하고 있다.
IPO 압박과 전략 피벗의 불편한 관계
오픈AI의 이번 B2B 피벗을 순수하게 전략적 결단으로만 읽기 어려운 이유는 또 있다. 2026년 4분기로 예상되는 IPO 일정이 이 모든 움직임의 배경에 깔려 있기 때문이다. 기업공개를 앞둔 시점에서 투자자들이 가장 주목하는 것은 소비자 사용자 수가 아니라 예측 가능한 기업 매출과 수익성으로의 경로다. 오픈AI가 2025년에 약 80억 달러의 순손실을 기록했고, 2026년에도 대규모 현금 소진이 예상되는 상황에서, 엔터프라이즈 매출 비중을 높이는 것은 IPO 스토리를 강화하기 위한 필수 조건이기도 하다.
문제는 자본 시장을 향한 내러티브와 실제 제품 전략이 항상 같은 방향을 가리키지는 않는다는 점이다. 투자자를 위한 피벗 선언과 고객을 위한 제품 혁신은 서로 다른 시간표 위에서 움직이는 경우가 허다하다. 오픈AI가 이번 전략 전환에서 진정한 신뢰를 얻으려면, 분기 실적 발표가 아닌 실제 엔터프라이즈 고객의 깊은 채택 사례로 그것을 증명해야 한다. 코딩 에이전트 코덱스의 주간 활성 사용자가 연초 대비 4배 성장한 200만 명을 기록한 것은 긍정적인 신호지만, 이것이 기업 전사 계약으로 전환되는 속도가 진짜 성공 시험대가 될 것이다.
4. 구글과 마이크로소프트의 생태계 전략: 플랫폼 전쟁
구글의 B2B AI 전략은 오픈AI나 앤쓰로픽과 근본적으로 다른 출발점을 갖는다. 이미 수억 명의 기업 사용자가 매일 사용하는 지메일, 독스, 시트, 미트라는 생산성 플랫폼을 보유하고 있다는 사실이 그것이다. 구글이 제미나이를 독립적인 AI 제품으로 경쟁시키는 대신 워크스페이스 생태계 깊숙이 내장하는 전략을 선택한 것은, 이 자산을 가장 효율적으로 활용하는 방식이다. 마이크로소프트의 M365 전략과 동일한 방법으로 사용자가 AI를 찾아오게 만드는 것이 아니라, 사용자가 이미 있는 곳에 AI를 가져다 놓는 전략이다.
이 접근 방식은 채택률 측면에서 강력한 이점을 만들어낸다. 엔터프라이즈 AI 도입의 가장 큰 장벽 중 하나는 사용자의 행동 변화를 이끌어내는 것인데, 워크스페이스에 내장된 제미나이는 그 장벽을 원천적으로 제거한다. 직원들이 기존에 하던 방식으로 일하면서 자연스럽게 AI를 경험하게 되는 구조이기 때문이다. 문서 중심 업무에서 미국 시장의 37%를 점유한 것[6]은 이 전략이 이미 시장에서 유효하게 작동하고 있음을 보여주는 수치다.
마이크로소프트의 복합 전략: 오픈AI 투자자이자 앤쓰로픽 파트너
마이크로소프트의 포지션은 이 전쟁에서 가장 복잡하기에 흥미롭다. 오픈AI의 최대 투자자이자 애저를 통한 독점 클라우드 파트너로 출발했지만, 동시에 앤쓰로픽 모델을 M365와 코파일럿에 통합하는 파트너십을 체결했다. 경쟁 관계에 있는 두 AI 기업 모두와 깊은 관계를 유지하는 이 전략은, 표면적으로는 모순처럼 보이지만 실제로는 매우 정교한 헤징이다.
마이크로소프트의 본질적 목표는 특정 AI 모델의 승리가 아니라, 애저와 M365가 기업 AI의 필수 인프라로 자리잡는 것이다. 어떤 모델이 시장에서 이기든, 그 모델이 마이크로소프트의 플랫폼 위에서 실행된다면 마이크로소프트는 승자가 된다. 이번 코파일럿 조직의 CEO 직속 재편은 이 전략을 더욱 강화하겠다는 의지의 표현이다. 코파일럿이 단순한 AI 기능 추가가 아니라 마이크로소프트 전체 제품 포트폴리오를 관통하는 핵심 레이어로 격상되고 있는 것이다.
플랫폼 전쟁의 본질: 락인(Lock-in)의 재설계
구글과 마이크로소프트가 공통적으로 추구하는 것은 결국 하나다. AI 시대의 새로운 락인 구조를 자신들을 중심으로 재설계하는 것이다. 과거 엔터프라이즈 소프트웨어 시장에서 락인은 데이터와 프로세스의 이전 비용에서 나왔다. SAP나 오라클에서 벗어나기 어려운 이유는 수십 년간 쌓인 데이터와 그것에 맞춰진 업무 프로세스 때문이었다. AI 시대의 락인은 여기서 한 층 더 깊어진다. 기업의 데이터, 워크플로우, 그리고 직원들의 작업 패턴까지 학습한 AI가 깊이 내장될수록, 다른 플랫폼으로의 이전은 기술적으로뿐만 아니라 조직적으로도 점점 더 어려워진다.
이것이 구글과 마이크로소프트가 LLM 기업들과의 경쟁에서 갖는 구조적 우위다. 오픈AI와 앤쓰로픽이 아무리 뛰어난 모델을 만들어도, 기업 고객의 일상 워크플로우와 데이터가 구글 워크스페이스나 M 365 안에 이미 자리잡고 있는 한, 플랫폼 사업자들은 AI 전쟁에서 가장 유리한 고지를 선점하고 있다. 순수 LLM 기업들이 채널로서 이 플랫폼들을 활용해야 하는 현실은, 역설적으로 플랫폼 사업자들의 협상력을 지속적으로 강화시키는 구조를 만들어낸다.
5. 엔터프라이즈 구매자의 선택 기준
2024년까지 대부분의 기업에서 AI 도입은 일종의 탐색전이었다. 파일럿 프로젝트를 몇 개 돌려보고, 특정 부서에 제한적으로 배포해보고, 효과를 측정하는 단계였다. 그러나 2025년 말을 기점으로 엔터프라이즈 구매 패턴에 질적인 변화가 나타나기 시작했다. AI가 더 이상 실험 대상이 아니라 핵심 업무 프로세스에 깊이 연결된 인프라로 인식되기 시작한 것이다. 포춘 500 기업의 약 92%가 생성형 AI를 업무에 활용하고 있지만, 엔터프라이즈 전용 솔루션의 실제 도입률은 아직 5% 수준에 머물러 있다는 수치는 이 전환이 이제 막 본격적으로 시작되었음을 의미한다. 다시 말해, 시장의 대부분은 아직 열리지 않았다.
이 전환이 갖는 의미는 단순히 시장 규모의 문제가 아니다. 구매 결정의 주체와 기준이 바뀐다는 것이다. 실험 단계에서 AI 도입을 주도하는 것은 혁신에 관심 있는 현업 담당자나 개발자였다면, 인프라 단계에서는 CIO, CISO, 법무팀, 그리고 조달 부서가 함께 테이블에 앉는다. 구매 사이클이 길어지고, 요구되는 기준이 높아지며, 한 번 선택된 벤더는 쉽게 교체되지 않는다. 지금 엔터프라이즈 AI 시장에서 벌어지는 경쟁은, 이 인프라 단계의 표준 자리를 선점하기 위한 싸움이다.
엔터프라이즈 선택 기준의 3대 축: 컴플라이언스, 신뢰성, 거버넌스
엔터프라이즈 구매자들이 AI 벤더를 평가하는 기준은 소비자의 그것과 근본적으로 다르다. 소비자가 응답의 품질과 사용 편의성을 중심으로 판단한다면, 기업 구매자는 세 가지 축을 중심으로 평가한다. 컴플라이언스, 신뢰성, 그리고 거버넌스다.
컴플라이언스는 특히 규제 산업에서 결정적인 요소다. 금융 기관이 고객 데이터를 AI 모델에 입력할 때, 헬스케어 기업이 환자 정보를 처리할 때, 법무팀이 기밀 계약서를 분석할 때, 해당 데이터가 어디서 처리되고, 어떻게 저장되며, 누가 접근할 수 있는지에 대한 명확한 답변이 없는 벤더는 검토 대상에서 제외된다. 앤쓰로픽이 헌법 AI를 기술적 특징이 아닌 엔터프라이즈 신뢰의 언어로 포지셔닝한 것은 이 맥락에서 정확한 판단이었다.
신뢰성은 성능의 일관성과 서비스 수준 협약(SLA)의 문제다. 엔터프라이즈 환경에서 AI가 핵심 워크플로우에 통합될수록, 모델의 응답 품질이 예측 불가능하게 변동하거나 서비스가 중단되는 상황은 단순한 불편함이 아니라 비즈니스 리스크가 된다.
거버넌스는 조직 내에서 AI의 사용 범위와 방식을 통제하고 감사할 수 있는 체계를 의미하는데, 이것이 갖춰지지 않은 AI 솔루션은 아무리 성능이 뛰어나도 대형 기업의 전사 채택을 이끌어내기 어렵다.
벤더 다변화 전략: 멀티 모델 시대
클라우드 시장의 역사는 엔터프라이즈 AI 시장의 미래를 예측하는 데 유용한 참조점을 제공한다. 초기 클라우드 시장에서 많은 기업들이 AWS에 올인했다가, 단일 벤더 종속의 리스크를 경험한 이후 멀티 클라우드 전략을 표준으로 채택한 흐름은 AI 시장에서도 동일하게 반복될 가능성이 높다. 실제로 많은 기업들이 오픈AI에 대한 의존도를 줄이기 위해 클로드를 도입하거나, 특정 유즈케이스에 따라 여러 모델을 혼용하는 멀티 모델 전략을 채택하기 시작했다.
이 흐름은 LLM 기업들에게 중요한 함의를 갖는다. 기업 고객이 멀티 모델 전략을 표준으로 삼기 시작하면, 특정 모델에 대한 배타적 락인이 어려워지는 동시에, 각 모델이 특정 유즈케이스에서 보여주는 차별적 성능과 신뢰성이 선택의 핵심 기준이 된다. 이것은 단순히 가장 강력한 모델이 시장을 독식하는 구조가 아니라, 각자의 강점 영역을 갖는 복수의 모델이 공존하는 생태계로의 전환을 의미한다. 기업 구매자 입장에서는 이 다양성이 협상력을 높이고 리스크를 분산시키는 긍정적 변화이지만, LLM 기업들 입장에서는 차별화 압력이 지속적으로 증가하는 환경을 의미한다.
6. B2B AI 시대, 기업이 준비해야 할 것
비즈니스 모델의 전환: Seat에서 Token으로
엔터프라이즈 소프트웨어 시장은 지난 20년간 좌석(seat) 기반 구독 모델을 중심으로 작동해왔다. 사용자 수에 비례해 라이선스를 판매하고, 연간 계약을 갱신하는 이 구조는 SaaS 산업 전체의 수익 예측과 기업 가치 평가의 기준이 되었다. 그러나 LLM 기업들이 주도하는 토큰 기반 과금 모델은 이 구조를 근본적으로 흔들고 있다. 사용자 수가 아닌 AI의 실제 사용량, 즉 처리된 작업의 복잡도와 규모에 따라 비용이 결정되는 소비 기반 모델로의 전환은, 기업의 AI 예산 편성 방식부터 벤더와의 계약 구조까지 모든 것을 바꾸기 시작했다.
이 전환이 기업 구매자에게 갖는 의미는 양면적이다. 한편으로는 초기 도입 비용이 낮아지고, 실제 사용량에 비례한 비용 지출이 가능해진다는 점에서 유연성이 높아진다. 그러나 다른 한편으로는 AI 활용이 깊어지고 자동화 범위가 넓어질수록 토큰 소비량이 기하급수적으로 증가할 수 있어, 비용 예측과 통제가 새로운 과제로 부상한다. 실제로 AI 에이전트가 복잡한 멀티스텝 워크플로우를 자율적으로 처리하기 시작하면, 단일 세션에서 소비되는 토큰의 양은 단순 챗봇과는 비교할 수 없는 수준이 된다.
기업 AI 도입 성숙도: 위험한 중간 지점
엔터프라이즈 AI 도입의 여정은 대략 네 단계로 구분할 수 있다. 특정 유즈케이스를 탐색하는 실험 단계, 검증된 유즈케이스를 조직 내에 배포하는 도입 단계, AI를 핵심 업무 시스템과 연결하는 통합 단계, 그리고 데이터와 피드백을 기반으로 AI 성능을 지속적으로 개선하는 최적화 단계가 그것이다. 현재 대부분의 기업들은 실험 단계를 막 벗어나 도입 단계의 초입에 위치해 있다.
이 중간 지점이 위험한 이유는 두 가지다.
첫째, 실험 단계에서 검증된 유즈케이스가 전사 도입 단계에서 예상치 못한 거버넌스, 보안, 통합 이슈에 부딪히며 좌초하는 경우가 빈번하다. 성공적인 파일럿이 반드시 성공적인 전사 배포로 이어지지 않는다는 현실은, AI 도입 프로젝트에서 가장 흔하게 목격되는 함정이다.
둘째, 이 단계에서 벤더와 플랫폼 선택을 잘못하면, 나중에 통합과 최적화 단계로 넘어갈 때 이전 비용이 급격히 높아진다. 지금 이 시점에 신중하고 전략적인 벤더 선택이 필요한 이유가 여기에 있다. AI 인프라의 선택은 3년, 5년 후의 조직 역량을 결정하는 장기적 투자 결정이다.
제품 리더와 전략 기획자를 위한 액션 어젠다
LLM 기업들의 B2B 전쟁이 본격화되는 지금, 기업 내부의 제품 리더와 전략 기획자들이 직면하는 가장 중요한 과제는 이 전쟁의 결과를 지켜보는 것이 아니라 그 흐름 속에서 자신의 조직에 맞는 포지션을 능동적으로 설계하는 것이다. 몇 가지 핵심 관점을 제시한다.
첫째, LLM 벤더 선택을 기술 결정이 아닌 전략 결정으로 다루어야 한다. 어떤 모델이 지금 당장 벤치마크 성능이 높은지보다, 어떤 벤더가 자사의 산업 규제 환경, 데이터 거버넌스 요구, 그리고 장기적 기술 로드맵과 정렬되는지를 중심으로 평가해야 한다. 성능은 빠르게 평준화되지만, 신뢰와 통합의 깊이는 쉽게 복제되지 않는다.
둘째, 지금 당장 내부 AI 거버넌스 체계를 수립해야 한다. 어떤 데이터를 AI에 입력할 수 있는지, 누가 AI 사용을 승인하고 모니터링하는지, AI가 생성한 결과물의 책임 소재는 어디에 있는지에 대한 명확한 원칙이 없는 상태에서의 AI 확산은 나중에 훨씬 더 큰 비용으로 돌아온다. 거버넌스는 AI 도입을 늦추는 장애물이 아니라, 지속 가능한 확산을 가능하게 하는 기반이다.
셋째, 멀티 모델 전략을 처음부터 고려해야 한다. 단일 LLM 벤더에 전사 AI 전략을 의존하는 것은 과거 단일 클라우드 벤더에 올인했던 실수를 반복하는 것이다. 유즈케이스별로 최적화된 모델을 선택하고, 벤더 간 경쟁을 통해 협상력을 유지하는 구조를 처음부터 설계하는 것이 장기적으로 유리하다.
7. 마무리
LLM 기업들의 B2B 전쟁은 이제 막 2막에 접어들었다. 1막이 누가 더 강력한 모델을 만드느냐를 두고 벌인 기술 경쟁이었다면, 2막은 누가 기업의 핵심 시스템 안에 더 깊이, 더 넓게 뿌리를 내리느냐를 두고 벌이는 인프라 전쟁이다. 앤쓰로픽은 신뢰와 채널 전략으로 이미 상당한 고지를 점령했고, 오픈AI는 뒤늦게 전열을 가다듬으며 추격에 나섰고, 구글과 마이크로소프트는 플랫폼 사업자로서의 구조적 우위를 바탕으로 이 전쟁의 심판이자 참여자로 자리잡고 있다.
그러나 이 전쟁의 최종 승자는 가장 뛰어난 AI 모델을 만든 기업이 아닐 가능성이 높다. 기업 고객의 워크플로우에 가장 깊이 통합되고, 가장 높은 전환 비용을 만들어내며, 고객의 성공과 자신의 매출 성장을 가장 긴밀하게 연결한 기업이 이 전쟁의 승자가 될 것이다. 그리고 그 승자를 결정하는 것은 결국 기업 구매자들의 선택이다. AI 모델의 성능이 빠르게 평준화되는 세계에서, 신뢰와 통합의 깊이가 새로운 해자가 되는 시대가 오고 있다.
참고자료, References
[1] The Information, "OpenAI Tops $25 Billion in Annualized Revenue as Anthropic Narrows Gap", Mar 4, 2026
[2] The Wall Street Journal, “OpenAI to Cut Back on Side Projects in Push to ‘Nail’ Core Business”, Mar 16, 2026
[3] Tech Research Online, "Why Enterprises Are Choosing Anthropic Over OpenAI in 2026", Mar 19, 2026
[4] SaaStr, "How Anthropic Rocketed to $4B ARR", Jul, 2025
[5] CNBC, "OpenAI to Combine ChatGPT, Codex and Browser Into SuperApp", Mar 19, 2026
[6] PowerDrill, "LLM Market Landscape 2025", Sep 15, 2025