생성형 AI를 둘러싼 관심의 축이 ‘어느 모델이 더 똑똑한가’에서 ‘어느 조직이 무엇을, 어떤 조건으로 쓰는가’로 옮겨가고 있다. 앤트로픽(Anthropic)의 클로드(Claude)를 둘러싼 최근 보도를 모아 보면, 국내 대기업의 실제 표준 채택, 이를 떠받치는 연산 인프라 확보 경쟁, 그리고 저가 유통·모델 증류(distillation) 논란이라는 서로 다른 층위의 사건이 같은 시기에 겹쳐 있다. 셋은 별개의 뉴스처럼 보이지만, 실은 ‘도입 → 공급 → 유출’이라는 하나의 사슬을 이룬다.
이 글은 개별 보도를 요약하는 데 목적이 있지 않다. 각 사건이 실무자에게 어떤 판단을 요구하는지 — 계약서의 어떤 항목을 봐야 하고, 어떤 오해가 비용과 사고로 이어지는지 — 를 기준과 순서로 정리했다. 특정 모델의 우열을 가리는 글도 아니다.
국내 대기업은 왜 모델을 ‘지정’하기 시작했나
먼저 눈에 띄는 변화는 대기업이 AI를 파일럿이 아니라 표준 업무 도구로 편입하기 시작했다는 점이다. LG CNS는 ‘클로드 엔터프라이즈(Claude Enterprise)’를 도입해 그룹 차원의 AX(AI Transformation)를 확대한다고 알려졌고, 삼성전자 DX부문은 챗GPT(ChatGPT)·제미나이(Gemini)·클로드를 함께 지원하는 쪽을 택했다. 겉보기엔 둘 다 ‘클로드를 쓴다’지만 구조는 정반대다. 한쪽은 단일 벤더의 엔터프라이즈 플랜을 조직 표준으로 못박는 집중형이고, 다른 한쪽은 여러 모델을 병렬로 열어 업무별로 배분하는 멀티모델형이다.
핵심은 이 선택의 트레이드오프다. 집중형은 계정·보안·과금·감사 로그를 한 콘솔에서 묶어 관리할 수 있어 초기 운영 부담이 낮은 대신, 모델의 가격 인상이나 성능 정체에 조직 전체가 함께 묶인다. 멀티모델형은 벤더 협상력과 업무 적합도를 끌어올리지만, 프롬프트 표준·데이터 반출 정책·비용 배분을 모델마다 따로 설계해야 해 관리 항목이 사실상 벤더 수만큼 늘어난다. 여기서 가장 흔한 오해가 ‘여러 모델을 열어두면 더 안전하다’는 생각이다. 거버넌스 없이 창구만 늘리면 어떤 데이터가 어느 모델로 흘러갔는지 추적이 오히려 어려워진다. 순서는 분명하다. 모델을 고르기 전에 ①용도별 선택 기준(문서요약·코딩·번역 등)과 ②데이터 등급별 반출 규칙(대외비는 반출 금지, 내부용은 학습 제외 플랜만 허용 등)을 먼저 문서로 확정하고, 그다음 집중형이냐 멀티모델형이냐를 정하는 것이다.
성능만큼 무거워진 변수, ‘연산 인프라’
엔터프라이즈 도입이 늘수록 연산 수요는 선형이 아니라 계단식으로 뛴다. 앤트로픽이 일론 머스크(Elon Musk) 계열의 대형 데이터센터 ‘콜로서스(Colossus)’와 임대 계약을 맺고 클로드의 사용 한도를 늘린다고 알려진 것은 이 압력의 방증이다. 모델 품질이 아무리 높아도 GPU와 전력이 병목이면 실사용에서는 응답 지연, 사용량 제한(rate limit), 특정 시간대 품질 저하로 되돌아온다. ‘무엇을 쓰느냐’만큼 ‘그 모델이 우리 피크 시간에 끊기지 않고 나오느냐’가 도입의 실질 변수가 된 이유다.
그래서 확인해야 할 곳은 홍보 문구가 아니라 계약서와 SLA(서비스 수준 협약)다. ‘한도 확대’가 분당 토큰(TPM)·분당 요청(RPM)·가용성 같은 수치로 보장돼 있는지, 초과 시 과금이 요청 차단인지 자동 증액인지를 따져야 한다. 놓치기 쉬운 함정은 ‘전사 인프라 증설’과 ‘우리 계약 한도’는 다른 층위라는 점이다. 공급사가 총량을 늘려도 개별 조직에 자동 배분되는 게 아니라 별도 협상 대상인 경우가 많다. 야간 문서 일괄 요약처럼 배치성 대량 처리를 계획한다면 피크 시간 한도, 초과 과금 방식, 장애 시 대체 모델로의 우회(failover)를 도입 전에 문서로 확보해 두어야 예산과 납기가 흔들리지 않는다. 인프라 뉴스를 ‘이제 마음껏 쓸 수 있다’로 읽으면 첫 대규모 배치에서 한도에 걸려 멈춘다.
저가 유통과 증류 논란이 드러낸 그림자
확산 뉴스의 반대편에는 그림자가 있다. 중국 일부 암시장에서 클로드가 정가의 약 10% 수준에 유통되며 ‘모델 증류의 온상’이라는 지적이 나왔다는 보도다. 증류란 강력한 상위 모델의 출력을 대량으로 뽑아 그 응답을 학습 데이터 삼아 더 작은 모델을 훈련시키는 기법으로, 사실상 상위 모델의 능력을 헐값에 복제하려는 시도로 악용될 수 있다. 정가의 10분의 1이라는 가격은 정상 계약을 우회한 API 키 재판매나 탈취를 강하게 시사하며, 이는 약관 위반을 넘어 공급사의 지식재산과 수익 구조를 직접 겨냥한다.
기업 관점에서 이 뉴스는 방향이 다른 두 리스크를 동시에 던진다. 첫째는 ‘수요자’로서의 리스크다. 시세보다 비정상적으로 싼 AI 재판매 채널로 사내 데이터를 처리하면, 그 경로가 무단 유통·계정 도용일 경우 데이터 유출과 법무 책임을 고스란히 떠안는다. 정가 대비 극단적 저가는 편익이 아니라 위험 신호로 읽어야 하고, 조달은 공식 계약이나 검증된 클라우드 마켓플레이스로 한정하는 게 안전하다. 둘째는 ‘공급자’로서의 리스크다. 자사가 외부에 챗봇·API를 열었다면 그 출력이 대량 자동 호출로 통째로 긁혀 증류당할 표적이 된다. 여기서 흔한 오해가 ‘우리는 규모가 작아 상관없다’는 안심인데, 노출된 엔드포인트는 트래픽 규모와 무관하게 동일한 표적이다. 호출 속도 제한, 비정상 사용 패턴 탐지, 응답 로그 감사 같은 방어를 서비스 오픈 시점부터 넣어야 한다.
빅테크 내부의 ‘이중 사용’이 남기는 결론
모델을 나눠 쓰는 고민은 도입 기업만의 것이 아니다. 구글(Google) 내부에서 딥마인드(DeepMind)가 코딩 같은 특정 작업에 클로드를 쓰고 나머지는 자사 제미나이를 쓴다는 ‘이중 구조’가 도마에 올랐다는 칼럼도 나왔다. 세계 최고 수준의 자체 모델을 가진 회사조차 업무에 따라 경쟁사 모델을 병행한다는 사실은, ‘한 모델로 전부 해결한다’는 전제가 현실과 다를 수 있음을 보여준다. 앞서 삼성의 멀티모델 전략과 같은 신호가 공급자 진영에서도 나온 셈이다.
여기서 독자가 가져갈 기준은 감이 아니라 측정이다. 후보 모델들에 동일한 사내 과제 20~30건을 똑같이 던져 정확도·응답시간·토큰 단가를 한 표에 놓고 비교하는 ‘내부 벤치마크’를 분기마다 갱신하면, 벤더 마케팅이나 순위표가 아니라 우리 업무 데이터로 배치를 정할 수 있다. 동시에 기대는 눌러 둘 필요가 있다. 어떤 모델도 사람의 검토를 없앤 완전 자동화를 보장하지 않으며, 오답으로 인한 업무 손실이나 규정 위반의 최종 책임은 여전히 조직에 남는다. 6개월~2년의 시야에서 진짜 자산은 ‘이번에 어느 모델이 이겼나’가 아니라, 모델이 몇 번을 바뀌어도 흔들리지 않는 평가 체계·데이터 거버넌스·비용 관리 루틴이다. 모델은 갈아끼우는 부품이고, 남는 것은 그 부품을 고르는 회사의 판단 근육이다.
자주 묻는 질문
클로드 엔터프라이즈와 일반 클로드는 무엇이 다른가요?
엔터프라이즈 플랜은 보통 조직 단위 계정 관리, 접근 권한 제어, 감사 로그, 입력 데이터의 학습 제외 보장, 확대된 사용 한도 같은 관리·보안 기능을 포함합니다. 개인 플랜은 이런 통제가 제한적이므로, 사내 데이터를 다룬다면 계약서의 데이터 처리·보관·학습 제외 조항을 반드시 문서로 확인해야 합니다.
여러 AI 모델을 동시에 도입하면 정말 더 유리한가요?
업무별로 최적 모델을 고르고 특정 벤더 종속을 줄이는 장점이 있지만, 모델마다 보안 정책·비용 구조·프롬프트 표준을 따로 관리해야 해 거버넌스 부담이 벤더 수만큼 늘어납니다. 데이터 등급별 반출 규칙과 용도별 선택 기준을 먼저 정하지 않으면 창구만 늘어 통제가 오히려 약해질 수 있습니다.
‘모델 증류’가 왜 우리 회사의 보안 문제가 되나요?
증류는 강력한 모델의 출력을 대량 수집해 그 응답으로 더 작은 모델을 학습시키는 기법입니다. 외부에 열어둔 자사 챗봇·API가 대량 자동 호출로 응답을 통째로 수집당하면 서비스의 핵심 가치가 복제될 수 있습니다. 트래픽이 작아도 노출된 엔드포인트는 동일한 표적이므로, 호출 속도 제한과 이상 사용 탐지를 오픈 시점부터 넣어야 합니다.
정가보다 훨씬 싼 AI 재판매 서비스를 써도 되나요?
정가의 극히 일부 수준으로 판매되는 채널은 무단 유통이나 계정 도용의 위험 신호일 수 있습니다. 이런 경로로 사내 데이터를 처리하면 약관 위반과 유출·법무 리스크를 그대로 떠안게 되므로, 조달은 공식 계약이나 검증된 클라우드 마켓플레이스로 한정하는 편이 안전합니다.
AI 인프라·API 계약에서 실무자가 꼭 확인할 항목은 무엇인가요?
보장된 분당 토큰(TPM)·요청(RPM) 한도, 가용성(SLA), 피크 시간 처리량, 한도 초과 시 과금 방식(차단인지 자동 증액인지), 장애 시 대체 모델 우회 설계가 핵심입니다. 특히 ‘사용 한도 확대’가 마케팅 문구인지 계약에 수치로 박혔는지, 전사 총량과 우리 계약 한도를 구분해 확인해야 합니다.