기업용 AI 논쟁의 초점이 바뀌고 있다. 예전에는 “어떤 모델이 더 똑똑한가”가 핵심이었다면, 이제는 “우리 업무를 누가 이해하고 통제하는가”가 더 중요해졌다. 미스트랄 CEO 아서 멘슈가 기업들에게 폐쇄형 AI 모델 의존을 경계하라고 말한 배경도 여기에 있다.1
폐쇄형 모델의 진짜 비용은 통제권이다
proprietary AI model, 즉 폐쇄형 또는 독점 AI 모델은 보통 API 형태로 제공된다. 기업은 빠르게 도입할 수 있고, 최신 성능을 손쉽게 활용할 수 있다. 내부 인프라를 직접 운영하지 않아도 된다는 점도 매력적이다.
하지만 대가가 있다. 모델의 구조와 가중치는 외부에 있고, 기업의 데이터와 프롬프트, 업무 흐름은 벤더가 설계한 인터페이스 안에서 처리된다. 단순 질의응답 수준이라면 큰 문제가 아닐 수 있다. 그러나 AI가 실제 업무를 수행하기 시작하면 이야기가 달라진다.
이 변화의 중심에 에이전틱 AI가 있다. 에이전틱 AI는 사용자를 대신해 길고 복잡한 작업을 처리하는 AI 시스템을 뜻한다.2 이미 코딩 분야에서는 Anthropic Claude Code와 OpenAI Codex 같은 제품이 확산되고 있고, 미스트랄도 챗봇과 코딩 도구를 결합한 Vibe를 내놓고 있다.2
AI가 단순한 답변기가 아니라 업무 실행자가 되면, 모델은 회사가 실제로 일하는 방식을 따라가게 된다. 구매 승인, 영업 제안, 재무 분석, 고객 대응 같은 흐름이 AI 주변으로 재편된다. 이때 외부 폐쇄형 모델에 깊게 의존하면, 핵심 업무 지식과 실행 방식이 외부 플랫폼 안에 축적될 수 있다.
AI 전환은 도구 도입이 아니라 업무 재설계다
많은 기업은 이미 AI 파일럿을 운영하고 있다. 문제는 파일럿의 수가 아니다. Bain은 많은 CEO가 스스로 AI 전환을 이끌고 있다고 생각하지만, 실제로는 파일럿과 개념검증 포트폴리오를 관리하는 데 그치는 경우가 많다고 지적한다.3 같은 조사에서 약 80%의 CEO가 AI 전환 프로그램의 속도에 불만을 가진 것으로 나타났다.3
이 간극은 “AI를 얼마나 많이 썼는가”와 “AI가 기업의 일하는 방식을 얼마나 바꿨는가”의 차이에서 나온다. 아서 멘슈 역시 기업이 AI 시스템을 중심으로 업무 프로세스에 참여하는 사람들을 재편해야 한다고 말했다.2 즉, AI 전환은 챗봇 몇 개를 붙이는 일이 아니라 데이터, 의사결정, 피드백, 책임 구조를 다시 설계하는 일이다.
그래서 핵심 질문은 모델 선택을 넘어선다. 우리 회사의 고유 데이터와 업무 피드백이 시간이 지날수록 내부 자산으로 쌓이는가, 아니면 외부 플랫폼의 사용 기록으로 남는가를 봐야 한다. Bain이 말하는 proprietary intelligence, 즉 기업 고유의 지능 자산도 이 지점과 맞닿아 있다.3
오픈 모델과 자체 배포가 주는 선택지
이 때문에 오픈 모델이나 자체 배포 모델의 의미가 커지고 있다. 오픈 웨이트 모델은 기업이 직접 호스팅하고, 자체 데이터로 파인튜닝하며, 특정 클라우드나 API에 덜 묶일 수 있는 선택지를 제공한다.4
물론 모든 기업이 자체 거대 모델을 처음부터 만들 필요는 없다. 현실적인 목표는 “모든 것을 직접 만들자”가 아니라 “핵심 지능 자산이 어디에 쌓이는지 통제하자”에 가깝다. 외부 모델을 쓰더라도 데이터 관리, 업무 오케스트레이션, 평가 체계, 피드백 루프는 기업 내부에서 설계해야 한다.
브리지워터와 Thinking Machines Lab의 실험은 이 방향을 보여준다. 두 조직은 오픈소스 모델 Qwen3-235B를 투자자 평가 데이터로 파인튜닝했고, 해당 모델은 금융 문서 분석에서 84.7%의 정확도를 기록했다. 비교된 최고 프런티어 모델의 정확도는 78.2%였다. 이 사례의 메시지는 단순히 “오픈 모델이 항상 더 좋다”가 아니다. 특정 업무와 고유 데이터에 맞춰 조정된 모델이 범용 모델보다 더 높은 가치를 낼 수 있다는 점이다.
팔란티어 CEO 알렉스 카프가 기업들에게 외부 독점 AI 솔루션에 의존하지 말고 자체 AI 모델을 구축하라고 촉구한 것도 같은 맥락이다. 팔란티어가 기업용 보안 AI에 관한 선언문을 낸 배경 역시 AI가 단순 생산성 도구를 넘어 기업 운영과 보안의 핵심 인프라가 되고 있기 때문이다.
기업이 점검해야 할 세 가지 질문
폐쇄형 모델을 쓰지 말아야 한다는 뜻은 아니다. 빠른 실험과 초기 도입에는 강력한 선택지가 될 수 있다. 다만 핵심 업무로 들어갈수록 다음 세 가지를 확인해야 한다.
첫째, 민감한 업무 데이터가 어디로 가는가.
고객 정보, 재무 정보, 내부 전략, 운영 데이터가 어떤 경로로 처리되고 저장되는지 알아야 한다.
둘째, 모델을 바꾸면 업무 시스템도 흔들리는가.
특정 벤더의 API, 프롬프트 방식, 워크플로에 과도하게 묶이면 나중에 전환 비용이 커진다.
셋째, 우리만의 데이터와 피드백이 내부 자산으로 쌓이는가.
AI를 쓸수록 회사의 업무 지식이 정교해져야 한다. 반대로 외부 모델 사용량만 늘고 내부 학습 자산이 남지 않는다면 장기 경쟁력은 약해질 수 있다.
미스트랄이 모델뿐 아니라 데이터센터까지 구축하고, 자체 AI 칩 설계까지 검토하는 것도 이 흐름과 연결된다.2 미스트랄의 데이터센터는 Nvidia 칩에 크게 의존하지만, 더 많은 기술 스택을 직접 보유하려는 방향은 분명하다.2 AI 경쟁은 모델 성능 경쟁인 동시에 스택 통제 경쟁이다.
결론: 좋은 모델보다 중요한 것은 지능의 소유권이다
폐쇄형 AI 모델은 기업에 빠른 출발점을 제공한다. 성능도 뛰어나고, 도입도 쉽다. 하지만 AI가 핵심 업무를 실행하는 단계로 들어가면 질문은 달라져야 한다.
“이 모델이 얼마나 좋은가?”만으로는 부족하다.
“이 모델을 쓰면서 우리 회사의 지능은 누구의 것이 되는가?”를 함께 물어야 한다.
기업용 AI의 승부는 가장 유명한 모델을 쓰는 데서 끝나지 않는다. 고유 데이터, 업무 흐름, 평가 기준, 피드백 루프를 내부 자산으로 만들 수 있는지가 장기적인 차이를 만든다.
참고
1Mistral CEO Mensch says proprietary AI models give labs a front-row seat to your business processes
2The Tech Download: Mistral's Arthur Mensch on agentic AI, chips and enterprise adoption
3Proprietary Intelligence: How to Win with AI | Bain & Company
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.