AI 인프라의 가치는 규모 자체에 있는 것이 아닙니다. 더 뛰어난 지능을 더 많은 사람이 더 낮은 비용으로 활용할 수 있게 만든다는 데 그 가치가 있습니다.
이것이 OpenAI가 생각하는 풍요입니다. 이러한 개념은 인공 일반 지능이 전 인류에게 혜택을 주도록 한다는 OpenAI의 사명은 물론, 사업을 움직이는 경제적 기반에도 깊이 반영되어 있습니다.
유용한 지능을 활용하는 비용이 낮아질수록 경제성이 없어 시도하지 못했던 더 많은 일이 가능해집니다. 모델의 성능이 향상될수록 그러한 일은 더 큰 가치를 만들어냅니다. 또한 도입이 확대될수록 매출과 실제 사용 환경에서 얻는 피드백, 그리고 수요에 대한 가시성이 높아지며, 이를 바탕으로 차세대 연구와 인프라에 지속적으로 투자할 수 있습니다.
더 뛰어난 지능은 더 폭넓은 도입으로 이어지고, 도입 확대는 더 많은 투자를 가능하게 합니다. 더 많은 투자는 다시 지능과 효율성을 향상시킵니다. OpenAI는 이러한 선순환 구조를 구축하고 있습니다.
최근 발표한 가격 정책은 이러한 선순환이 고객에게 얼마나 빠르게 혜택으로 이어지는지를 보여줍니다. OpenAI는 어제 GPT‑5.6 Luna의 가격을 80%, GPT‑5.6 Terra의 가격을 20% 인하했습니다. 현재 Luna는 입력 토큰 100만 개당 0.20달러, 출력 토큰 100만 개당 1.20달러이며, Terra는 각각 2달러와 12달러입니다.
GPT‑5.6 Sol의 패스트 모드는 표준 처리보다 두 배의 가격으로 최대 2.5배 빠른 처리 속도를 제공하며, 추론 수준은 동일하게 유지됩니다.
이는 단순히 가격만 조정한 것이 아닙니다. 더 다양한 작업을 현실적으로 수행할 수 있도록 하고, 지능, 속도, 안정성, 비용 사이에서 고객이 목적에 맞는 균형을 더욱 유연하게 선택할 수 있도록 합니다.
중요한 것은 어떤 모델이 어떤 작업에 적합한지를 따지는 것이 아닙니다. 필요한 결과를 얻기 위해 어느 정도의 지능이 필요한지, 그 지능이 얼마나 빠르게 제공되어야 하는지, 그리고 그 지능을 어느 정도의 비용으로 활용하는 것이 적절한지를 판단하는 것입니다. 이러한 균형점은 하나의 워크플로 안에서도 여러 번 달라질 수 있습니다.
고객은 토큰 자체를 구매하는 것이 아닙니다. 고객이 원하는 것은 지원 요청을 해결하고, 소프트웨어를 출시하고, 계약서를 검토하고, 과학적 질문에 대한 답을 얻는 것입니다. 중요한 기준은 성공적인 결과를 얻는 데 드는 총비용이며, 여기에는 그 결과에 도달하기까지 필요한 시간, 재시도, 검토, 오류까지 모두 포함됩니다.
작업을 정확하고 효율적으로 완료하는 성능이 뛰어난 모델은 여러 번의 재시도나 많은 사람의 개입이 필요한 저렴한 모델보다 결과적으로 더 경제적일 수 있습니다. 반대로 품질 기준을 동일하게 충족한다면, 비용이 더 낮은 모델은 훨씬 더 많은 사람이 AI를 활용할 수 있도록 접근성을 크게 높일 수 있습니다. 중요한 것은 적절한 비용으로 가장 높은 수준의 유용한 지능을 활용하는 것입니다.
이러한 가치를 제공하려면 데이터 센터를 추가로 구축하는 것만으로는 충분하지 않습니다. 보유한 모든 컴퓨팅 자원을 더욱 효율적으로 활용할 수 있어야 합니다.
최근 진행한 엔지니어링 작업은 이러한 접근이 실제로 어떤 모습인지 잘 보여줍니다. GPT‑5.6 Sol은 기술팀과 협력하여 모델 서비스에 사용되는 프로덕션 소프트웨어를 최적화했고, 그 결과 엔드투엔드 서빙 비용을 20% 절감했습니다. 또한 Speculative Decoding을 개선하여 토큰 생성 효율을 15% 이상 높이는 데에도 기여했습니다.
마찬가지로 중요한 점은 효율성이 모델만으로 결정되지 않는다는 것입니다. 모델을 둘러싼 시스템 역시 중요한 역할을 합니다. 더 나은 라우팅은 하드웨어를 더욱 효율적으로 활용할 수 있도록 하고, 더욱 똑똑한 컨텍스트 관리는 에이전트가 같은 작업을 반복하지 않도록 합니다. 또한 더 뛰어난 도구와 제품 설계는 작업을 완료하는 데 필요한 단계를 줄여 줍니다.
최근 벤치마크 분석에서는 추론 유지와 컨텍스트 관리가 개선되면서 GPT‑5.6 Sol은 공개 ARC-AGI-3 벤치마크에서 출력 토큰을 6분의 1만 사용하고도 점수를 13.3%에서 38.3%로 끌어올렸습니다. 모델 자체는 바뀌지 않았습니다. 달라진 것은 모델을 둘러싼 시스템이었습니다.
이러한 개선 효과는 서로 축적됩니다. 더 뛰어난 모델은 새로운 효율화 방안을 발견하는 데 도움이 되고, 그렇게 확보한 효율성은 고객에게 서비스를 제공하는 비용을 낮추며 동일한 인프라로 지원할 수 있는 작업의 범위를 넓혀 줍니다. 그 결과, 차세대 지능을 더 많은 사람이 활용할 수 있게 됩니다.
인프라, 모델, 플랫폼, 제품까지 아우르는 풀스택 접근 방식의 장점은 모든 계층을 직접 담당한다는 데만 있는 것이 아닙니다. 각 계층이 서로를 발전시키고 전체 시스템을 더욱 강력하게 만든다는 데 있습니다.
실제 제품 사용 데이터를 통해 고객이 어떤 부분에서 가치를 느끼고 어디에서 불편을 겪는지 파악할 수 있습니다. 이러한 피드백은 연구 방향을 결정하는 데 중요한 역할을 합니다. 연구가 발전할수록 제품은 더욱 향상되고 이를 제공하는 비용은 낮아집니다. 또한 ChatGPT, ChatGPT Work, Codex, API 전반에서 나타나는 수요를 바탕으로 인프라 용량을 어디에 확충해야 하는지 더 나은 의사결정을 내릴 수 있습니다.
이러한 학습이 축적되는 규모 또한 중요합니다. OpenAI 모델은 현재 10억 명이 넘는 활성 사용자와 200만 개 이상의 기업에서 활용되고 있습니다. 사람들이 기술에 대한 신뢰를 쌓을수록 활용 방식도 더욱 깊어집니다. 가입 후 6개월이 지나면 하루에 보내는 메시지 수는 약 50% 증가하고, ChatGPT를 활용하는 업무 유형도 약 두 배로 늘어납니다. ChatGPT Work는 지식 근로자의 업무 방식을 바꾸고 있습니다. 단순히 질문에 답하는 것을 넘어 여러 단계로 이루어진 복잡한 업무를 직접 수행하는, 즉 '질문'에서 '실행'으로 전환하고 있습니다. OpenAI에서는 현재 Codex를 통한 에이전틱 작업이 주간 출력 토큰의 99.8%를 차지하며, 재무를 비롯한 여러 팀은 에이전틱 도구를 업무 방식의 핵심으로 활용하고 있습니다.
조직 내부에서도 같은 흐름이 나타납니다. 처음에는 하나의 팀이나 하나의 워크플로에서 시작하지만, 품질과 경제성이 향상될수록 도입 범위가 여러 부서로 확대되고 AI는 기업 운영의 자연스러운 일부가 됩니다.
이러한 과정은 수요, 제품 개선, 효율성, 인프라 계획이 서로 선순환하는 가치 있는 피드백 루프를 만들어냅니다. 이를 위해 모든 자산을 직접 보유하거나 모든 구성 요소를 자체적으로 개발할 필요는 없습니다. 고객에게 가장 큰 가치를 제공하고 경제적으로 가장 합리적인 방식이라면 직접 구축할 수도 있고, 파트너와 협력하거나 필요한 기술을 도입할 수도 있습니다. 중요한 것은 시스템 전체를 유기적으로 조율하고, 그 과정에서 지속적으로 학습하는 것입니다.
AI 인프라는 실제로 필요해지기 훨씬 전부터 장기적으로 계획해야 하지만, 모델과 제품, 고객 수요는 훨씬 더 빠르게 변화합니다. 이러한 속도의 차이 때문에 일관된 원칙에 따라 계획하고 실행하는 것이 무엇보다 중요합니다.
투자 결정은 사용자와 워크로드의 증가, 엔터프라이즈 고객의 약정, API 사용량, 활용률, 매출, 그리고 모델 성능과 효율성의 발전 정도 등 객관적인 데이터를 바탕으로 이루어집니다. 기술적·사업적 마일스톤은 프로젝트를 언제 다음 단계로 추진할지 결정하는 기준이 됩니다. 또한 장기적인 파트너십은 대규모 서비스를 제공하는 데 필요한 자금 조달, 인프라, 운영 전문성을 하나로 결집합니다.
제품 매출, 민간 자본, 상업적 파트너십은 이러한 성장을 뒷받침하는 서로 다른 역할을 합니다. 목표는 가장 많은 인프라를 구축하는 것이 아닙니다. 신뢰할 수 있는 수요를 바탕으로, 필요한 시점에 필요한 만큼의 인프라 용량을 확보하는 것입니다.
결국 중요한 질문은 다음과 같습니다. 새롭게 확보한 인프라 용량은 얼마나 빨리 실제 성과를 내기 시작하는가? 얼마나 효율적으로 활용되는가? 어떤 고객 수요를 뒷받침하는가? 그리고 기술 발전은 유용한 지능을 제공하는 비용을 얼마나 빠르게 낮출 수 있는가?
이러한 질문은 장기적인 비전과 운영 원칙을 하나로 연결해 줍니다.
아직은 시작 단계에 불과합니다. 앞으로는 더욱 뛰어난 시스템이 장기간에 걸친 프로젝트를 수행하고, 여러 도구를 유기적으로 연계하며, 아이디어가 실제 결과물로 완성되기까지의 더 많은 과정을 맡게 될 것입니다. 개인과 소규모 기업도 과거에는 대규모 조직만 활용할 수 있었던 역량을 갖추게 될 것이며, 기업은 운영 전반에 걸쳐 지능을 더욱 폭넓게 활용하게 될 것입니다.
목표는 단순히 더 많은 컴퓨트, 더 큰 모델, 더 낮은 토큰 가격을 제공하는 것이 아닙니다. 더 많은 사람이 유용한 지능을 활용할 수 있도록 하는 것이 목표입니다.
OpenAI가 말하는 풍요란 지능이 계속해서 더 뛰어나지고, 더 저렴해지며, 이를 사용하는 사람들에게 더 큰 가치를 제공하는 것을 의미합니다. OpenAI는 유용한 작업을 얼마나 더 많이 가능하게 했는지, 이를 얼마나 효율적으로 제공했는지, 그리고 그 혜택이 얼마나 널리 확산되었는지를 기준으로 성과를 평가할 것입니다.
