앤트로픽(Anthropic)의 대화형 AI ‘클로드(Claude)’를 업무 시스템에 붙이는 기업 계약이 최근 잇달아 발표되고 있습니다. LG그룹 IT서비스 계열사 LG CNS는 클로드 엔터프라이즈(Claude Enterprise) 도입 계약을 맺고 기업 AX(AI 전환) 사업을 키우겠다고 밝혔고, 글로벌 제약사 BMS(Bristol Myers Squibb)는 제약 운영 체계를 AI 중심으로 재편하는 과정에서 클로드를 채택했습니다. 여기에 앤트로픽이 개발자 도구 ‘클로드 코드(Claude Code)’를 외부 도구·에이전트에 연동할 때 별도 과금을 적용하기로 하면서, ‘AI를 쓴다’는 말은 이제 ‘비용·계약·책임 구조를 새로 설계한다’는 의미로 확장됐습니다.
이 글은 개별 뉴스를 나열하는 대신, 이 계약들이 공통으로 던지는 하나의 질문에 답하려 합니다. ‘우리 회사는 무엇을 근거로 도입 여부와 범위를 판단해야 하는가.’ 결론부터 말하면, 도입의 성패는 모델 성능보다 대상 업무 선정, 계약 조건 검증, 총비용 설계에서 갈립니다.
왜 지금 ‘도입 계약’이 몰리는가
최근 기업 AI의 무게중심은 ‘모델을 직접 만드는 것’에서 ‘검증된 외부 모델을 업무에 연결하는 것’으로 넘어왔습니다. 과거에는 자체 모델 학습과 GPU 인프라가 진입장벽이었지만, 지금은 클로드·GPT 같은 상용 모델을 API나 엔터프라이즈 플랜으로 붙이고 사내 문서·업무 흐름에 맞게 조정하는 방식이 표준이 됐습니다. LG CNS가 컨설팅·시스템통합(SI) 역량에 클로드를 결합해 AX 사업을 키우겠다고 한 것도, 모델 자체보다 ‘고객사 업무에 어떻게 이식하느냐’가 실제 부가가치라는 판단을 보여줍니다. 모델은 이미 상품이고, 경쟁은 이식 방법론으로 옮겨간 셈입니다.
다만 이 흐름을 ‘AI가 사람 일을 대체한다’로 읽으면 도입 방향을 틀립니다. 발표된 계약들의 실체는 대체가 아니라 특정 업무 구간—문서 요약, 코드 초안, 규정 검토 초안, 고객 응대 초안—의 처리 속도를 높이는 것에 가깝습니다. 그래서 첫 판단 기준은 대상 업무를 세 축으로 걸러내는 것입니다. ①반복성: 매일·매주 반복되는 정형 업무인가. ②검증 가능성: 사람이 결과를 몇 분 안에 확인·수정할 수 있는가. ③오류 허용도: 틀렸을 때 되돌릴 수 있는가. 세 조건을 동시에 만족하지 못하는 영역에 먼저 AI를 넣으면, ‘도입은 했는데 성과는 없는’ 전형적 실패로 이어집니다. 예컨대 계약서 최종 문구 확정처럼 검증에 오래 걸리고 오류 비용이 큰 업무는 세 조건 중 둘을 놓치므로 후순위여야 합니다.
엔터프라이즈 플랜은 개인 요금제와 무엇이 다른가
개인용 챗봇 구독과 기업용 엔터프라이즈 플랜은 이름만 다른 게 아니라 계약의 성격이 다릅니다. 엔터프라이즈 플랜의 핵심은 기능이 아니라 세 가지 약정에 있습니다. ①입력 데이터를 모델 학습에 재사용하지 않는다는 데이터 보호 조항, ②SSO·접근 권한 관리·감사 로그 같은 통제 기능, ③사내 시스템 연동과 보안 검토 지원입니다. LG CNS가 굳이 ‘엔터프라이즈’를 지정한 것도, 고객사 내부 정보를 다루는 SI 사업 특성상 데이터가 외부 학습에 흘러가지 않는다는 계약적 보장이 사업의 전제 조건이기 때문으로 볼 수 있습니다. 개인 요금제의 데이터 처리 정책만 믿고 사내 기밀을 입력하는 것이 초보 도입 조직이 가장 자주 저지르는 실수입니다.
계약 전 실무자가 확인할 항목은 추상적 ‘보안’이 아니라 구체적 조항이어야 합니다. 데이터 보관 리전(국내/해외)과 보관 기간, 로그 접근 권한 범위, 서비스 중단 시 SLA와 책임 한계, 그리고 요금 구조가 ‘좌석당 월정액’인지 ‘사용량(토큰) 과금’인지를 문서로 확인하세요. 여기서 흔한 함정이 ‘좌석당 정액이면 비용이 예측 가능하다’는 기대입니다. 실제로는 한 좌석이 자동화 워크플로를 돌리기 시작하면 API 호출량이 수십 배로 뛰어 정액 구간을 넘어서는 경우가 많습니다. 그래서 본계약 규모를 정하기 전에 파일럿에서 최소 2~3개월 실사용량을 측정해 ‘업무 1건당 실단가’를 산출하는 절차가 필요합니다. 측정 없이 좌석 수만으로 예산을 잡으면 확장 단계에서 비용이 통제를 벗어납니다.
산업별 온도차: SI와 규제 산업의 판단 기준은 다르다
같은 ‘클로드 도입’이라도 산업에 따라 무게중심이 갈립니다. LG CNS 같은 SI·컨설팅 진영의 목표는 한 번의 도입 경험을 여러 고객사에 반복 적용하는 규모의 경제입니다. 즉 재사용 가능한 ‘AX 방법론’을 상품화하는 것이 핵심이라, 표준화와 재현성이 성과 지표가 됩니다. 반면 BMS 같은 제약 기업의 AI 전환은 ‘운영 체계 자체를 바꾼다’는 표현대로, 연구·개발·규제 대응처럼 오류 한 건의 비용이 매우 큰 영역이 대상입니다. 앞의 세 조건 중 ‘오류 허용도’가 낮은 쪽이라, 같은 도구를 써도 설계가 보수적일 수밖에 없습니다.
규제 산업에서는 판단 기준을 한 단계 더 조여야 합니다. 제약·금융·의료처럼 결과에 대한 책임과 감사 추적이 법적으로 요구되는 분야는 AI 출력물을 ‘초안 생성 보조’로 한정하고, 최종 판단과 서명은 반드시 사람이 하는 구조(human-in-the-loop)를 제도로 못 박아야 합니다. 여기서 오해하기 쉬운 지점이 ‘정확도가 높아졌으니 검토를 줄여도 된다’는 생각입니다. 오히려 규제 영역일수록 검토를 축소가 아니라 표준 절차로 문서화해야 하며, ‘어떤 데이터를 근거로 어떤 출력을 냈는지’를 되짚을 수 있는 추적 로그를 남기는 것이 규제 대응의 핵심입니다. 정확도 95%가 남긴 5%의 오류를 누가·언제·어떻게 걸러냈는지 증명하지 못하면, 성능이 높아도 규제 심사를 통과할 수 없습니다.
비용·책임 구조의 변화: ‘클로드 코드’ 별도 과금이 주는 신호
앤트로픽이 클로드 코드를 외부 도구·에이전트와 연동할 때 별도 과금을 적용하기로 한 움직임은, AI 생태계의 비용 구조가 재편되고 있다는 신호입니다. 그동안 사실상 무료로 여겨지던 ‘연동 지점’에 값이 매겨진다는 것은, 기업이 기본 사용료 외에 ‘연동·자동화에 따른 추가 비용’을 별도 예산 항목으로 잡아야 한다는 뜻입니다. AI 에이전트를 여러 도구에 연결해 자동화를 확장할수록 바로 이 부분이 총비용을 좌우하게 됩니다. 자동화가 늘수록 비용이 함께 늘어나는 구조라, ‘많이 쓸수록 이득’이라는 소프트웨어 시대의 직관이 그대로 통하지 않습니다.
따라서 도입을 검토하는 조직은 ‘모델 사용료’ 한 줄만 보지 말고 총소유비용(TCO) 관점으로 예산을 짜야 합니다. TCO에는 ①모델·API 사용료, ②외부 도구 연동 과금, ③도입·교육·유지보수 인력 비용, ④출력을 검토하는 사람의 시간이 모두 들어갑니다. 실무적으로는 6개월 단위로 ‘자동화로 절감된 시간’과 ‘늘어난 AI 관련 비용’을 나란히 놓고 보는 대시보드를 두고, 손익분기를 넘긴 업무만 확대하는 것이 안전합니다. 단기 유행에 휩쓸려 전사 확대를 서두르기보다, 성과가 검증된 업무부터 점진적으로 넓히는 편이 리스크가 낮습니다. 마지막으로, 특정 모델과 그 과금 정책에 업무가 묶이는 벤더 종속도 장기 리스크로 관리해야 합니다. 프롬프트·데이터 파이프라인을 특정 모델에 맞춰 하드코딩하지 말고, 모델 교체가 가능하도록 추상화해 두면 정책 변경에 대한 노출을 줄일 수 있습니다.
자주 묻는 질문
클로드 엔터프라이즈와 일반 클로드 요금제는 뭐가 다른가요?
핵심 차이는 기능이 아니라 계약 조건입니다. 엔터프라이즈 플랜은 통상 입력 데이터를 모델 학습에 재사용하지 않는다는 보호 약정, SSO·접근 권한 관리·감사 로그 같은 통제 기능, 사내 시스템 연동·보안 검토 지원을 포함합니다. LG CNS가 엔터프라이즈 버전을 택한 것도 고객사 내부 정보를 다루는 사업 특성상 이런 계약적 보장이 필요했기 때문으로 볼 수 있습니다. 다만 세부 조건은 계약마다 다르므로 데이터 보관 리전·기간, 책임 한계를 반드시 문서로 확인하세요.
생성형 AI를 도입하면 인력을 줄일 수 있나요?
지금 발표되는 도입 사례의 실체는 ‘대체’보다 ‘특정 업무 구간의 속도 향상’에 가깝습니다. 문서 요약, 코드 초안, 규정 검토 초안 같은 반복·정형 업무에서 효율이 오르지만, 결과 검토와 최종 판단은 여전히 사람 몫입니다. 특히 제약·금융처럼 오류 비용이 큰 영역은 사람이 최종 확인하는 구조가 필수라, 인력 감축보다 검토·감독 중심으로의 업무 재배치로 이어지는 경우가 많습니다.
월정액 요금제면 도입 비용을 예측할 수 있나요?
좌석당 정액제라도 자동화 워크플로가 돌기 시작하면 API 호출량이 급증해 예상보다 비용이 커질 수 있습니다. 클로드 코드의 외부 도구 연동 별도 과금 사례처럼, 연동·자동화 지점에 추가 비용이 붙는 흐름도 있습니다. 모델 사용료뿐 아니라 연동 과금, 유지보수 인력, 검토 시간을 합친 총소유비용(TCO)으로 봐야 하며, 파일럿에서 2~3개월 실사용량을 측정해 업무 1건당 단가를 산출한 뒤 규모를 정하는 것이 안전합니다.
우리 회사도 지금 바로 도입해야 할까요?
먼저 대상 업무가 세 조건—반복성, 검증 가능성, 오류 허용도—을 동시에 만족하는지 점검하세요. 세 조건을 충족하는 업무부터 소규모 파일럿으로 시작해 절감 시간과 추가 비용을 6개월 단위로 비교한 뒤 확대하는 편이, 유행을 따라 전사 도입을 서두르는 것보다 실패 위험이 훨씬 낮습니다. 규제 산업이라면 사람이 최종 판단하는 구조와 추적 로그 설계를 파일럿 단계부터 포함해야 합니다.