AI 모델은 점점 싸지고, 비슷해지고 있습니다. 그래서 기업의 질문도 바뀌고 있습니다. 이제 핵심은 “어떤 모델이 더 똑똑한가?”가 아니라 “이 모델이 우리 업무에서 실제 성과를 내는가?”입니다.
OpenAI DeployCo는 이 변화의 상징에 가깝습니다. OpenAI는 2026년 5월 19개 사모펀드 및 글로벌 시스템 통합·컨설팅 기업들과 함께 OpenAI Deployment Company, 즉 DeployCo를 공개했습니다. Arnaud Fournier는 2026년 4월부터 DeployCo의 CTO를 맡고 있으며, 영국 컨설팅 기업 Tomoro는 약 150명의 forward deployed engineer와 배포 전문가를 DeployCo로 이전합니다.
DeployCo는 단순히 모델을 판매하는 조직이 아닙니다. 고객 현장에 엔지니어를 투입해 GPT 모델을 실제 업무 흐름에 심는 조직으로 설명됩니다. OpenAI는 이를 FDE, 즉 Forward Deployed Engineering 방식으로 설명합니다. 고객과 직접 일하며 특정 문제를 풀고, 효과를 검증한 뒤 반복 가능한 패턴을 제품화하는 접근입니다.1
DeployCo가 겨냥하는 문제
기업의 생성형 AI 파일럿은 많지만, 실제 성과는 제한적입니다. MIT NANDA 이니셔티브 보고서는 생성형 AI 파일럿의 95%가 측정 가능한 비즈니스 효과를 내지 못한다고 시사했습니다.2
이 실패를 모델 성능 부족만으로 설명하기는 어렵습니다. 많은 경우 문제는 승인 경로, 권한, 데이터 접근, 기존 업무 방식과의 불일치에서 발생합니다.2 AI가 좋은 답을 내더라도 결재선 안에 들어오지 못하고, 필요한 시스템에 접근하지 못하며, 직원의 실제 업무 화면과 연결되지 않으면 업무는 바뀌지 않습니다.
DeployCo의 의미는 여기에 있습니다. OpenAI가 더 좋은 API를 제공하는 단계를 넘어, 고객사의 워크플로우와 운영 구조 안으로 들어가려는 시도이기 때문입니다. AI 도입의 병목이 “모델 선택”에서 “업무 통합”으로 이동하고 있다는 뜻입니다.
진짜 전환 비용은 모델이 아니라 운영 구조에 있다
모델 호출은 점점 대체하기 쉬워지고 있습니다. GPT, Claude, Gemini, 로컬 모델 사이의 이동 비용은 낮아지는 추세입니다. 반면 한 번 구축한 워크플로우, 권한 체계, 감사 로그, 운영 규칙은 쉽게 바꾸기 어렵습니다.2
즉 AI 종속은 모델보다 위쪽에서 생깁니다. 어떤 업무 화면에서 직원이 일하는지, 어떤 권한 체계로 에이전트가 실행되는지, 어떤 파트너가 내부 프로세스를 설계했는지가 더 큰 전환 비용이 됩니다.
MCP 같은 표준도 이 문제를 모두 해결하지는 못합니다. MCP는 모델을 도구와 데이터 소스에 연결하는 비용을 낮추는 프로토콜로 설명됩니다. 하지만 누가 에이전트를 승인하는지, 어떤 데이터에 접근할 수 있는지, 행동 기록을 어떻게 남기는지, 퇴사자와 연결된 에이전트를 어떻게 종료하는지는 자체적으로 정의하지 않습니다.2
결국 MCP는 통합 비용을 낮출 수는 있지만, AI를 운영적으로 신뢰할 수 있게 만드는 비용까지 제거하지는 못합니다.
기업이 DeployCo에서 읽어야 할 신호
DeployCo를 “OpenAI가 컨설팅도 한다”는 식으로만 보면 핵심을 놓치게 됩니다. 더 중요한 변화는 AI 가치가 모델 자체에서 배포, 운영, 거버넌스로 이동하고 있다는 점입니다.
기업이 봐야 할 판단 기준은 세 가지입니다.
첫째, 어떤 업무 흐름에 AI를 넣을 것인가.
AI를 어디에 붙일지가 아니라, 어떤 업무 결과를 바꿀 것인지부터 정해야 합니다.
둘째, 권한과 감사 체계를 누가 설계할 것인가.
AI가 실제 업무를 수행하려면 데이터 접근, 승인, 기록, 책임 소재가 함께 설계돼야 합니다.
셋째, 나중에 모델이나 파트너를 바꿀 수 있는 구조인가.
워크플로우, 제어 체계, ID 계층, 거버넌스 구조가 특정 시스템 중심으로 굳어지면 이후 변경은 어려워집니다.2
OpenAI는 Codex의 전 세계 주간 사용자 수가 400만 명을 넘는다고 밝혔고, 유럽 기업을 위해 EU 데이터 레지던시와 엔터프라이즈 키 관리도 도입했습니다. 이는 기업 고객을 향한 AI 경쟁이 단순 기능 경쟁을 넘어 보안, 운영, 규제 대응, 배포 역량으로 확장되고 있음을 보여줍니다.
결론: AI 전략의 중심은 배포다
DeployCo의 등장은 기업 AI 도입의 현실을 분명히 보여줍니다. 성과는 데모에서 나오지 않고 운영에서 나옵니다. 모델이 아무리 뛰어나도 실제 업무 흐름, 권한, 데이터, 승인 체계와 연결되지 않으면 비즈니스 효과는 제한적입니다.
앞으로 AI 전략의 핵심은 “가장 똑똑한 모델을 고르는 것”만이 아닙니다. 더 중요한 질문은 “우리 업무를 얼마나 잘 재설계할 것인가”, 그리고 “그 운영 구조의 통제권을 누가 갖는가”입니다.
참고
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.