기업용 AI 시장에서 앞으로 더 중요해질 질문은 특정 모델이 얼마나 화려한 성능을 내느냐가 아니다. 실제 업무에 투입했을 때 비용을 통제할 수 있는지, 데이터 리스크를 감당할 수 있는지, 그리고 기존 벤더와 비교해 충분한 대체 가치가 있는지가 핵심이 되고 있다.
이런 관점에서 DeepSeek의 최근 움직임은 단순한 인기 순위 이상의 의미를 갖는다. AI가 실험실과 파일럿 프로젝트를 넘어 예산 항목으로 들어오면서, 기업들은 더 많은 모델을 비교하고 더 세밀하게 지출을 나누기 시작했다. DeepSeek은 바로 그 변화가 드러나는 사례 중 하나다.
AI 예산의 초점은 ‘도입’에서 ‘통제’로 바뀌고 있다
초기 생성형 AI 도입 국면에서는 성능 자체가 가장 강한 구매 명분이었다. 더 좋은 답변, 더 긴 문맥 처리, 더 뛰어난 추론 능력이 곧 경쟁력처럼 받아들여졌다. 하지만 사용량이 늘어나면 이야기가 달라진다. API 호출, 토큰 사용, 팀 단위 구독, 자동화 워크플로가 누적되면서 AI 비용은 빠르게 관리 대상이 된다.
Ramp도 기업들이 AI 지출 관리를 위해 비용 규율을 강화하는 방향으로 전환하고 있다고 설명했다.1 이는 AI 수요가 줄었다는 뜻이라기보다, 기업들이 ‘어떤 AI를 어디에 얼마만큼 쓸 것인가’를 더 엄격하게 따지기 시작했다는 의미에 가깝다.
이 환경에서는 하나의 최고 성능 모델만 고집하는 전략이 부담스러워질 수 있다. 기업은 업무별로 다른 선택을 할 가능성이 커진다. 민감하고 복잡한 의사결정에는 검증된 고성능 모델을 쓰고, 반복 작업이나 비용 민감도가 높은 업무에는 더 저렴한 모델이나 오픈소스 계열 대안을 검토하는 식이다.
Ramp 역시 기업들이 오픈소스 모델과 OpenAI·Anthropic·Google의 더 저렴한 모델을 탐색할 것으로 봤다.1 DeepSeek을 둘러싼 관심도 이 넓은 흐름 속에서 읽어야 한다.
DeepSeek의 순위는 ‘시장 지배’보다 ‘신규 검토’의 신호에 가깝다
확인된 사실만 놓고 보면, DeepSeek은 2026년 6월 Ramp의 ‘트렌딩’ 소프트웨어 벤더 순위에서 1위를 차지했다.1 다만 이 순위의 의미는 조심해서 해석해야 한다. Ramp의 트렌딩 소프트웨어 순위는 고객이 처음 구매한 신규 벤더를 기준으로 산정된다.1
따라서 이는 DeepSeek이 기업용 AI 시장을 장악했다는 뜻이 아니다. 더 정확히는 Ramp 고객 중 일부가 DeepSeek을 새롭게 결제 대상으로 올렸다는 신호다. 신규 구매 흐름을 보여주는 지표이지, 전체 사용량이나 장기 점유율을 직접 말해주는 지표는 아니다.
그럼에도 이 데이터가 흥미로운 이유는 Ramp가 매달 법인카드와 청구서 결제 플랫폼에서 수십억 달러 규모의 기업 지출을 처리하고, 5만 개 이상의 기업에서 발생한 실제 거래를 포함하기 때문이다.1 설문이나 관심도 조사가 아니라 실제 결제 데이터에 기반한다는 점에서, 기업 구매 행동의 한 단면을 보여준다.
같은 2026년 6월에는 Anthropic이 Ramp의 ‘가장 빠르게 성장한’ 소프트웨어 벤더 순위에서 1위를 차지했다.1 이 역시 중요한 배경이다. 기업들이 DeepSeek 같은 대안을 보기 시작했다고 해서 기존 주요 AI 벤더에 대한 수요가 사라졌다고 보기는 어렵다. 오히려 AI 예산 안에서 여러 벤더와 모델을 비교하는 다중 선택 구조가 강화되고 있다고 보는 편이 더 자연스럽다.
직접 결제라는 사실이 던지는 질문
DeepSeek은 2026년 4월 말 DeepSeek V4를 출시했다.2 제품 업데이트 자체도 관심 요소지만, 기업 시장에서 더 중요한 쟁점은 실제 사용 방식이다.
Ramp 지출 데이터에 따르면 일부 미국 기업은 DeepSeek에 직접 결제하고 있다.1 또한 Ramp는 DeepSeek 사용이 단순한 자체 호스팅 오픈소스 사용이 아니라고 밝혔다.1
이 대목은 기업 IT·보안 조직에 중요한 질문을 던진다. 오픈소스 모델을 내부 인프라에 올려 쓰는 것과 외부 서비스에 직접 결제해 사용하는 것은 리스크 구조가 다르다. 후자는 도입 속도와 운영 편의성 면에서 장점이 있을 수 있지만, 데이터가 어떤 경로로 처리되는지, 내부 정책과 규제 요구사항을 충족하는지, 계약상 보호 장치가 충분한지 등을 더 면밀히 따져야 한다.
특히 AI 활용 범위가 고객 지원, 코드 작성, 문서 분석, 내부 지식 검색 등으로 넓어질수록 데이터 민감도는 높아진다. 비용 절감만으로는 구매 결정을 정당화하기 어렵고, 보안·컴플라이언스·벤더 리스크 평가가 함께 따라와야 한다.
과거 도입률 하락은 ‘일시적 관심’ 가능성도 보여준다
DeepSeek에 대한 관심을 장기 추세로 단정하기에는 아직 이르다. Ramp AI Index에 따르면 DeepSeek의 미국 기업 도입률은 2025년 1월 0.3%에 도달한 뒤 0.1%로 하락했다.1
이는 두 가지를 동시에 시사한다. 첫째, DeepSeek은 이미 미국 기업 사이에서 한 차례 검토 대상이 된 적이 있다. 둘째, 관심이 실제 장기 채택으로 안정적으로 이어졌다고 보기에는 근거가 제한적이다.
그래서 2026년 6월의 트렌딩 1위는 ‘재부상’ 또는 ‘새로운 검토 국면’으로 해석할 수는 있어도, 곧바로 구조적 승리로 읽기는 어렵다. 신규 결제는 빠르게 늘 수 있지만, 기업 소프트웨어 시장에서 더 어려운 단계는 갱신, 확장, 표준화다.
기업 구매자는 이제 모델을 ‘섞어 쓰는’ 전략을 고민해야 한다
DeepSeek 사례에서 얻을 수 있는 실질적 교훈은 특정 업체의 흥망보다 구매 기준의 변화다. AI 도입이 성숙해질수록 기업은 단일 모델 의존보다 포트폴리오 접근을 택할 가능성이 크다.
예를 들어 기업은 다음과 같은 기준을 분리해 볼 수 있다.
높은 정확도와 신뢰성이 필요한 업무에는 검증된 프리미엄 모델을 사용할 것인가
비용이 크게 누적되는 반복 업무에는 저가 모델이나 오픈소스 계열을 적용할 것인가
민감한 데이터를 다루는 작업은 내부 호스팅이나 엄격한 계약 조건이 있는 벤더로 제한할 것인가
신규 AI 벤더를 도입할 때 보안 심사와 비용 절감 효과 중 어느 쪽에 더 큰 비중을 둘 것인가
이런 질문은 DeepSeek만의 문제가 아니다. AI 모델이 다양해지고 가격대가 넓어질수록 모든 기업이 마주할 운영상의 문제다. 성능 벤치마크만 보고 결정하는 방식은 점점 부족해지고, 실제 비용·업무 적합도·데이터 통제력을 함께 보는 구매 체계가 필요해진다.
앞으로 봐야 할 지표
DeepSeek의 2026년 6월 Ramp 트렌딩 1위는 기업들이 새로운 AI 선택지를 실험하고 있음을 보여준다. 하지만 다음 단계가 더 중요하다.
앞으로는 신규 결제 증가가 반복 구매와 조직 내 확산으로 이어지는지 봐야 한다. 미국 기업 도입률이 다시 상승세를 유지하는지도 확인해야 한다. 또한 DeepSeek이 비용 매력만으로 선택되는지, 특정 업무 영역에서 실질적인 대체재로 자리 잡는지도 관찰할 필요가 있다.
동시에 Anthropic처럼 빠르게 성장하는 주요 AI 벤더의 흐름도 함께 봐야 한다. 기업용 AI 시장은 한 업체가 모든 수요를 가져가는 구조라기보다, 성능·가격·보안·계약 조건에 따라 여러 모델이 나뉘어 쓰이는 방향으로 전개될 가능성이 크다.
결국 DeepSeek의 순위가 던지는 메시지는 간단하다. 기업 AI 경쟁의 중심은 ‘누가 가장 유명한 모델인가’에서 ‘어떤 업무에 어떤 비용과 리스크로 쓸 수 있는가’로 이동하고 있다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.