AI 도구는 이미 충분히 강력한데, 왜 많은 기업의 성과는 여전히 파일럿 단계에 머물까. 문제는 모델 성능보다 "누가 실제 업무를 바꿀 것인가"에 가까워지고 있다. 데이터 접근권, 승인 절차, 리스크 통제, 현업 인센티브가 그대로라면 ChatGPT Enterprise나 API 계약만으로는 업무 방식이 바뀌지 않는다.
OpenAI가 발표한 DeployCo는 이 병목을 겨냥한다. OpenAI는 DeployCo를 기업의 핵심 업무 흐름에 AI 시스템을 심는 전담 조직으로 설명하며, 엔지니어를 고객사에 투입해 도구·통제·프로세스 안에 AI를 통합하겠다고 밝혔다.1 여러 보도에 따르면 이 회사는 사모펀드들과의 합작 구조로 추진되며, 약 100억 달러 규모의 기업가치와 OpenAI의 최대 15억 달러 투자, PE 측 약 40억 달러 투자 등이 거론된다.2
병목은 모델이 아니라 '배포 계층'이다
DeployCo를 단순한 AI 컨설팅으로 보면 핵심을 놓친다. 컨설팅은 보통 전략, 진단, 일부 PoC를 제공한다. DeployCo식 모델은 그보다 더 깊다. Palantir의 전방 배치 엔지니어처럼 고객사 안으로 들어가 워크플로를 재설계하고, CRM·ERP·내부 데이터 인프라에 AI를 붙이며, 성과가 날 때까지 운영에 관여하는 방식에 가깝다.
이 접근이 나온 이유는 분명하다. 기업의 AI 실패는 "모델이 똑똑하지 않아서"보다 "업무 소유자가 없어서" 발생한다. 예를 들어 고객지원 자동화는 챗봇 하나로 끝나지 않는다. 상담 이관 기준, 예외 처리, 개인정보 접근권, 품질 검수, 상담원 KPI까지 바뀌어야 한다.
BBVA도 DeployCo 참여를 설명하며 대기업은 이미 강력한 AI에 접근할 수 있지만, 복잡한 프로세스 전반에 배포할 전문 파트너와 인재를 찾기 어렵다고 짚었다.3 이 말은 DeployCo의 본질을 잘 보여준다. 기업은 소프트웨어를 사는 것이 아니라, AI를 실제 업무에 밀어 넣는 실행 능력을 빌리는 것이다.
언제 유효하고, 언제 과한가
DeployCo형 서비스가 맞는 조직은 비교적 뚜렷하다. 반복 업무의 규모가 크고, 데이터가 여러 시스템에 흩어져 있으며, 업무 변경에 따른 금전적 효과가 큰 기업이다. 제조, 물류, 금융, 헬스케어처럼 규제와 운영 복잡성이 동시에 큰 산업일수록 "도구 구매"보다 "배포 역량"이 중요해진다.
특히 PE 포트폴리오 기업은 좋은 실험장이 된다. 보도에 따르면 TPG, Bain Capital, Advent, Brookfield 등은 수백~1,200개 이상의 포트폴리오 기업 접점을 제공할 수 있다.4 개별 기업을 하나씩 설득하는 영업보다 훨씬 빠른 유통 경로다.
반대로 모든 회사에 필요한 모델은 아니다. 단일 부서의 문서 요약, 마케팅 카피 생성, 사내 Q&A 봇 정도라면 내부 자동화팀이나 기존 SaaS 기능으로 충분할 수 있다. DeployCo형 접근은 조직 개편, 데이터 권한 조정, 장기 계약을 동반할 가능성이 크다. 작게 시작해도 되는 문제에 대형 전환 파트너를 붙이면 비용과 복잡성이 먼저 커진다.
빠른 전환의 대가: 종속성과 내부 역량 공백
가장 큰 장점은 속도다. 외부 전담팀이 들어오면 파일럿을 프로덕션으로 밀어붙이는 힘이 생긴다. 하지만 그 힘은 동시에 의존성을 만든다.
누가 아키텍처를 정하는가. 어떤 모델과 클라우드를 기본값으로 삼는가. 프롬프트, 에이전트 설계, 평가 데이터, 운영 대시보드는 고객사 자산으로 남는가. 이런 질문에 답하지 않으면 빠른 성과가 장기 락인으로 바뀔 수 있다.
재무 구조도 눈여겨볼 부분이다. 일부 보도는 OpenAI가 PE 투자자에게 5년간 연 17.5% 수익을 보장하는 구조를 제시했다고 전한다.5 이 조건이 최종적으로 어떻게 집행되는지는 추가 확인이 필요하지만, 사실이라면 DeployCo는 단순 파트너십이 아니라 강한 성장 압력을 가진 배포 엔진이 된다. 고객 입장에서는 "우리에게 필요한 전환"과 "공급자가 달성해야 하는 성장 목표"가 항상 일치하지 않을 수 있음을 인식해야 한다.
Anthropic도 Blackstone 등과 유사한 기업 AI 배포 구조를 추진한다는 보도가 나왔다.6 이는 경쟁의 축이 모델 벤치마크에서 기업 내부 침투력으로 이동하고 있음을 보여준다. 앞으로의 승부는 누가 더 똑똑한 모델을 갖췄느냐뿐 아니라, 누가 더 깊이 업무 흐름을 장악하느냐에 달릴 가능성이 크다.
도입 전에 물어야 할 질문들
DeployCo든, 다른 AI 전환 파트너든 평가 기준은 비슷하다.
워크플로 재설계의 최종 책임자는 누구인가?
ROI는 비용 절감, 매출 증가, 처리 시간 단축 중 무엇으로 측정하는가?
어떤 데이터가 외부 모델·클라우드·벤더 시스템으로 나가는가?
배포 후 운영, 모니터링, 감사 로그는 누가 소유하는가?
내부 직원에게 어떤 기술과 문서가 이전되는가?
파트너가 빠진 뒤에도 개선을 계속할 수 있는가?
DeployCo가 중요한 이유는 OpenAI의 새 사업 하나가 생겼기 때문만은 아니다. 기업 AI 구매의 기준이 바뀌고 있기 때문이다. 이제 질문은 "어떤 모델을 쓸까"에서 "누가 우리 조직 안에서 AI가 일하게 만들 것인가"로 이동한다.
복잡한 업무, 큰 비용 구조, 강한 경영진 의지가 있는 기업이라면 DeployCo형 모델을 진지하게 검토할 만하다. 다만 도입의 핵심 목표는 외부 팀에 변화를 맡기는 것이 아니라, 그 과정을 통해 내부에 AI 배포 능력을 남기는 것이어야 한다.
참고
1OpenAI launches DeployCo to help businesses build around intelligence
2OpenAI forms $10Bn JV 'The Deployment Company' with PE firms to scale enterprise AI adoption: Report
3BBVA joins DeployCo, OpenAI's new company to accelerate AI enterprise transformation
4OpenAI's $1.5bn DeployCo bet signals a new enterprise AI distribution model - Capacity
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.