AI 도입 압박은 커졌지만, 이제 기업의 선택은 "어떤 챗봇이 더 똑똑한가"가 아닙니다. 앞으로 몇 년 동안 업무, 개발, 데이터 흐름에 붙을 인프라를 고르는 문제에 가깝습니다.
최근 Ramp의 AI Index에 따르면 Ramp 고객사 중 Anthropic에 비용을 지불한 기업 비율은 34.4%로, OpenAI의 32.3%를 처음 앞섰습니다. 표본은 Ramp를 쓰는 5만 개 이상 기업으로 제한되지만, 실제 지출 데이터를 기반으로 한다는 점에서 단순 설문보다 구매 신호로 볼 만합니다.1
기업은 모델 성능만 사지 않는다
Anthropic의 상승을 "Claude가 ChatGPT보다 낫다"로 단순화하면 핵심을 놓칩니다. 기업 구매는 벤치마크보다 더 복잡합니다. 보안팀은 데이터 보존과 접근 통제를 보고, 법무팀은 규제 리스크를 보고, 재무팀은 반복 비용과 계약 조건을 봅니다.
Anthropic은 이 지점에서 일관된 메시지를 쌓아왔습니다. 회사는 안전성, 신뢰성, 해석 가능성을 전면에 내세우며 엔터프라이즈 확장을 추진해왔고, 2025년에는 비즈니스 고객이 30만 곳을 넘었다고 밝혔습니다.2 이 수치는 회사 발표라는 점을 감안해야 하지만, Claude가 개인용 챗봇을 넘어 기업용 도구로 자리 잡고 있다는 방향성은 분명합니다.
실무적으로는 이렇게 봐야 합니다. Claude가 적합한 조직은 "최신 모델 하나 써보자"가 아니라, 문서·코드·분석·내부 지식 업무에 AI를 반복적으로 붙이려는 조직입니다. 특히 금융, 전문서비스, 기술 기업처럼 긴 문맥과 신뢰 가능한 출력이 중요한 팀에서는 Anthropic의 포지셔닝이 구매 논리와 잘 맞습니다.
챗봇을 사는가, API를 사는가, 업무 계층을 사는가
AI 예산을 잡기 전 가장 먼저 물어야 할 질문은 공급자가 아니라 사용 형태입니다.
팀원 몇 명이 Claude 웹앱을 쓰는 것과, 제품 안에 Claude API를 넣는 것과, 사내 문서·슬랙·개발환경·CRM에 연결해 업무 계층으로 쓰는 것은 완전히 다른 결정입니다. 앞의 경우 전환 비용은 낮습니다. 뒤로 갈수록 모델 품질보다 권한 관리, 로그, 비용 예측, 장애 대응, 벤더 종속성이 중요해집니다.
Anthropic의 강점은 개발자와 지식노동자 워크플로에 있습니다. CNBC는 Anthropic의 매출 성장에서 코드 생성과 소프트웨어 개발 수요가 큰 역할을 했고, Claude Code 관련 수요가 빠르게 늘었다고 보도했습니다.3 이는 단순 채팅 사용량이 아니라 "업무 산출물 생산" 쪽에서 Claude가 침투하고 있다는 신호입니다.
반대로 이미 Microsoft 365 Copilot, Azure OpenAI, Google Workspace/Gemini를 깊게 쓰는 회사라면 이야기가 달라집니다. 기존 인증, 문서 저장소, 보안 정책, 구매 계약이 묶여 있기 때문입니다. 이 경우 Claude가 더 나은 답을 내더라도 총소유비용과 운영 복잡성에서 불리할 수 있습니다.
Claude가 이길 가능성이 큰 업무, 그렇지 않은 업무
Claude가 강한 영역은 대체로 긴 문맥과 구조화된 사고가 필요한 곳입니다. 계약서 초안 비교, 리서치 요약, 정책 문서 작성, 코드 리뷰, 복잡한 요구사항 분석처럼 "많이 읽고, 조심스럽게 써야 하는" 업무가 대표적입니다.
특히 개발팀에서는 Claude Code 같은 도구가 별도 평가 대상이 됩니다. 단순 자동완성보다 리팩터링, 테스트 작성, 여러 파일을 넘나드는 수정처럼 작업 단위가 커질수록 모델의 일관성이 중요해집니다.
하지만 모든 곳에서 Claude가 정답은 아닙니다. 이미지·음성·실시간 멀티모달 경험이 핵심인 제품, 매우 낮은 지연시간이 필요한 서비스, Microsoft 생태계와 강하게 결합된 조직, 또는 가격이 최우선인 대량 처리 업무에서는 OpenAI, Google, 오픈소스 모델, 클라우드 제공 모델이 더 합리적일 수 있습니다.
즉 이번 데이터는 "Anthropic으로 갈아타라"가 아니라 "기업 구매자들이 Claude를 진지한 기본 후보로 올려놓기 시작했다"는 뜻에 가깝습니다.
예산을 넣기 전 반드시 물어볼 질문
Claude를 표준 도구로 정하기 전에는 모델 성능표보다 운영 질문을 먼저 던져야 합니다.
입력 데이터는 학습에 사용되는가, 보존 기간은 얼마인가
관리자 콘솔, SSO, 감사 로그, 권한 분리가 충분한가
API 사용량이 늘 때 토큰 비용을 예측할 수 있는가
AWS Bedrock, Google Vertex AI 등 원하는 클라우드 경로로 쓸 수 있는가
OpenAI나 다른 모델로 라우팅할 수 있는 대체 구조가 있는가
우리 업무 기준의 자체 평가셋을 만들었는가
장애, 정책 변경, 가격 변경 시 fallback 계획이 있는가
가장 위험한 선택은 특정 모델을 쓰는 것이 아닙니다. 평가 기준 없이 업무 흐름을 한 공급자에게 붙이는 것입니다.
Anthropic의 기업 고객 역전은 AI 시장의 승패 선언이 아니라 구매자 행동의 변화입니다. CTO와 CISO는 Claude를 기술 후보로, CFO는 반복 비용과 협상 카드로, 현업 리더는 실제 업무 생산성 실험 대상으로 봐야 합니다. 지금 필요한 것은 팬덤이 아니라, 우리 회사의 리스크와 워크플로에 맞는 AI 조달 기준입니다.
참고
1Anthropic now has more business customers than OpenAI, according to Ramp data
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.