LLM 플랫폼 경쟁의 승자를 가르는 조건

Money Comics의 한 대담 에서는 언젠가 대규모 언어 모델(LLM)이 네 개 정도 남을 것이라며 Gemini, ChatGPT, xAI, Anthropic을 꼽았습니다. 이는 LLM 공급자와 서비스의 생존 전망이지 모든 인공지능(AI) 사업모델의 지도를 뜻하지는 않습니다. 이 목록을 AI 플랫폼 시장 전체를 포괄하는 전망으로 해석한다면, 네 이름만으로는 경쟁 단위를 충분히 나누기 어렵습니다. 소비자 비서, 코딩 모델, 기업 업무, 응용 프로그램 인터페이스(API)와 휴대전화·오피스에 들어간 모델은 같은 구매 결정이나 현금흐름을 놓고 경쟁하지 않습니다.

모델 성능은 중요합니다. 그러나 성능은 따라잡히고 가격이 내려가며 다른 회사의 제품 안에서 판매되기도 합니다. 지속 가능한 우위를 보려면 사용자의 첫 접근에서 유료 결과물까지 따라가 누가 배포채널, 계약, 컴퓨팅 비용과 전환 결정을 소유하는지 확인해야 합니다.

시장을 하나의 순위표가 아니라 작업으로 나눕니다

단일 벤치마크는 정해진 시험에서 모델을 비교할 수 있습니다. 기업의 법률·보안 검토를 통과하는지, 내부 데이터와 연결되는지, 기기에 기본으로 나타나는지와 마진을 남기는지는 알려주지 않습니다.

시장을 적어도 다섯 작업으로 나눕니다.

1. 소비자 검색·글쓰기·개인 비서

2. 소프트웨어 개발과 기술 운영

3. 기존 업무 도구 안의 기업 지식 작업

4. 독립 제품이 사용하는 모델 API

5. 비용·보안·통제를 위해 자체 운영하는 전문·로컬 모델

한 회사가 벤치마크에서 앞서도 다른 회사가 배포나 기업 조달을 이길 수 있습니다. 작업이 다르면 여러 모델이 함께 생존할 수 있고, 한 클라우드가 여러 경쟁 모델을 제공할 수도 있습니다.

배포 채널은 첫 시도권을 결정합니다

배포는 사용자가 업무를 시작하는 순간에 나타날 권리입니다. 모바일 운영체제, 브라우저, 검색, 오피스, 클라우드 콘솔, 개발도구와 인기 앱이 각각 이 권리를 갖습니다.

기본 탑재는 고객 획득 비용을 낮추지만 유지율을 보장하지 않습니다. 사용자는 번들된 비서를 끄거나 어려운 작업만 다른 서비스로 옮길 수 있습니다. 기본 화면 노출 뒤 활성화율, 몇 주 뒤 반복 사용, 유료 전환과 다른 제품으로 가지 않고 끝낸 작업 비중을 측정해야 합니다.

번들은 수익도 감춥니다. 넓은 구독 상품에 AI가 포함되면 현금 효과는 별도 AI 요금이 아니라 해지 감소, 갱신 가격 상승이나 클라우드 사용 증가일 수 있습니다. 플랫폼에는 가치가 있지만 독립 모델 구독과 현금 경로가 다릅니다.

기업 계약은 시연 뒤부터 시작됩니다

좋은 시연은 기업 판매의 시작일 뿐입니다. 기업은 접근 권한, 감사 로그, 데이터 보존·위치, 보안 시험, 서비스 수준, 모델 변경 통지, 배상과 종료 후 이전 계획을 요구할 수 있습니다.

계약 뒤 실제 운영도 확인해야 합니다. 사용 가능한 좌석, 활성 사용자, 주간 사용자, 운영에 들어간 업무와 승인된 결과물을 기록합니다. 큰 계약도 활성화율이 낮으면 매일 쓰는 작은 배포보다 가치가 작을 수 있습니다.

연결 도구, 권한, 평가 세트, 에이전트 논리, 모니터링과 교육은 가치를 만들면서 전환 비용도 만듭니다. 이 자산을 다른 모델로 옮길 수 없다면 고객은 성능이 아니라 이탈 비용 때문에 남을 수 있습니다. 좋은 공급자는 숨은 잠금이 아니라 업무 결과로 갱신을 얻어야 합니다.

토큰 단가가 내려도 총비용은 늘 수 있습니다

모델 가격이 내려가는데 기업 AI 지출이 늘어나는 것은 모순이 아닙니다. 사용량과 작업 복잡도를 함께 보면 됩니다.

AI 토큰 가격이 내려가도 기업 총비용은 늘 수 있습니다 에서는 승인된 결과물당 비용을 계산하는 방법을 자세히 다룹니다. 여기서는 그 비용 구조가 공급자 경쟁과 마진에 주는 의미에 집중합니다.

승인된 결과물 하나에 다음을 더합니다.

• 입력·출력·캐시·추론 토큰

• 검색, 데이터베이스, 도구와 외부 API

• 모델 호출 연결·운영 상태 추적·보안

• 사람의 확인·교정·재작업

• 실패하거나 중복 실행한 호출

• 교육, 업무변경과 기존 시스템 연결

호출 수가 아니라 승인된 결과물 수로 나눕니다. 단가가 절반이 돼도 네 배 많은 긴 작업을 실행하면 연결·검수 비용 전에도 모델 비용은 두 배가 될 수 있습니다. 낮은 가격은 시장을 키울 수 있지만 효율 개선이 사용량보다 빨리 고객에게 넘어가면 공급자 마진은 낮아질 수 있습니다.

생산 성능은 실제 업무 분포에서 검증합니다

벤치마크는 시험이 업무와 맞고 모델 선택 전에 고정됐을 때 유용합니다. 실제 업무에는 회사 용어, 긴 문맥, 도구 오류, 바뀌는 데이터와 고르지 않은 사용자 지시가 있습니다.

실제 작업으로 고정 평가 세트를 만들고 필요한 경우 개인정보를 제거합니다. 정확성, 완결성, 지연시간, 비용과 실패의 심각도를 같은 세트에서 측정하고 모든 결과를 보존합니다. 결과를 본 뒤 고른 벤치마크로 공급자를 평가하면 안 됩니다.

모델 업데이트도 평균 성능을 높이면서 중요한 한 업무를 깨뜨릴 수 있습니다. 버전 고정, 회귀 시험과 대체 모델 경로가 계약·기술 구조에 필요합니다.

오픈 모델과 이동성이 잠금의 상한을 만듭니다

학습 결과인 모델 가중치를 내려받아 자체 환경에서 운영할 수 있는 오픈 웨이트 모델과 특정 업무용 전문 모델은 모든 벤치마크에서 1등이 아니어도 경쟁에 영향을 줍니다. 예측 가능한 작업, 로컬 처리나 통제가 중요한 조직에 대안이 될 수 있습니다. 다만 실제 비용에는 서버, 최적화, 보안, 모니터링과 운영 인력이 들어가므로 무료 라이선스만 비교하면 안 됩니다.

프롬프트, 검색 색인, 도구 규격, 평가 사례와 업무 규칙을 가능하면 특정 인터페이스 밖에 둡니다. 장애나 가격 변경 전에 두 번째 모델을 시험합니다. 작업을 다른 곳으로 옮기기 쉬울수록 효율 개선의 더 큰 몫이 고객에게 남습니다.

클라우드와 모바일 플랫폼은 신원, 데이터, 결제, 기기와 컴퓨팅을 함께 제공해 여전히 강할 수 있습니다. 낮은 총배포 비용과 좋은 결과로 선택받는지, 사용자가 나중에 우회하는 기본값만 가진 것인지를 구분해야 합니다.

사업모델별 현금흐름을 따로 그립니다

같은 AI 업무의 가치를 모델 매출, 클라우드 매출과 기업 생산성으로 세 번 더하지 않습니다. 한 회사의 지급액은 다른 회사의 매출이나 비용이 될 수 있으므로 전체 가치와 회사별 현금을 구분합니다.

분기마다 작업별 경쟁표를 갱신합니다

회사 전체 순위 하나 대신 공급자·작업별로 다음을 기록합니다.

• 고정 평가 세트의 독립 성능

• 승인된 결과물당 비용과 지연시간

• 배포채널과 기본값·자발적 선택 여부

• 계약·활성·주간 사용 기업 좌석

• 유지·확장률과 업무 집중도

• 데이터·평가·업무 논리의 이동 가능성

• 컴퓨팅 약정·이용률·매출 총이익

• 사고, 모델 회귀와 규제 제한

이 표는 여러 승자를 허용해야 합니다. 네 이름을 꼽은 전망을 확인하도록 결과를 억지로 맞추면 안 됩니다.

판단을 바꿀 조건

모델 회사의 독립 우위는 경쟁사가 벤치마크를 따라잡은 뒤에도 업무가 남고, 기업 사용이 확장되며, 고객 획득비를 통제하고, 한 클라우드·플랫폼에 의존하지 않으면서 매출에서 모델 실행비 같은 직접 변동비를 뺀 뒤에도 이익을 남길 때 강해집니다. 고객이 업무를 자주 다른 모델로 옮기거나 가격이 비용보다 빨리 떨어지고 배포 파트너가 관계를 가져가면 약해집니다.

플랫폼 우위는 기본 접근이 반복적인 유료 사용으로 바뀌고 갱신이나 연결된 클라우드의 현금흐름을 늘릴 때 강해집니다. 사용자가 기본값을 우회하고, 규제가 번들을 제한하며, 고객이 모델 선택권을 요구하거나 오픈 대안이 전환 비용을 낮추면 약해집니다.

승자는 브랜드 목록에서 알 수 없습니다. 누가 반복 업무를 소유하고, 가장 낮은 총비용으로 승인된 결과를 만들며, 컴퓨팅과 배포 파트너에게 지급한 뒤 현금을 남기는지가 답을 보여줄 것입니다.

이 글은 일반 정보이며 특정 기술기업의 매수·매도 권유가 아닙니다.

확인한 자료

• OpenAI, 기업용 개인정보와 데이터 통제

• Anthropic, Claude for Enterprise

• Google Cloud, Vertex AI Model Garden

• Amazon Web Services, Amazon Bedrock

• Microsoft, Azure AI 모델 카탈로그

• Meta, Llama