AI Market Signal
OpenAI CFO Sarah Friar가 7월 17일 공개한 "A scorecard for the AI age"는 AI 예산 질문을 바꿉니다. 이제 중요한 건 좌석 수나 토큰 단가가 아니라 Useful Intelligence per Dollar, 그러니까 돈 1달러로 실제 업무 몇 건을 끝냈는지예요. OpenAI가 이 표현을 전면에 꺼낸 이유도 단순합니다. AI 지출이 커질수록 CFO는 멋진 데모보다 끝난 일, 다시 손본 일, 사람 승인이 들어간 일을 먼저 묻게 되거든요. OpenAI scorecard
직접 영향받는 쪽은 AI 예산을 승인하는 재무팀, 사내 워크플로를 붙이는 플랫폼팀, 그리고 에이전트를 붙여도 일이 왜 빨라지지 않는지 설명해야 하는 제품 조직입니다. 예전에는 누가 더 싼 토큰을 주느냐가 대화의 앞자리를 차지했다면, 이제는 같은 예산으로 승인 가능한 결과를 몇 건 더 내느냐가 더 비싼 질문이 됩니다. 내 눈에는 이게 숫자 장난이 아닙니다. 앞으로 AI 판매는 모델 성능표보다 운영 데이터, 검수 비용, 승인 체인을 같이 파는 쪽으로 더 빨리 기울 가능성이 큽니다. CFO Dive · Fortune
오늘의 관찰
AI 예산 전쟁은 토큰 할인 경쟁으로 끝나지 않습니다. 재시도·검수·승인 비용까지 묶어서 업무 1건의 총원가를 보여주는 회사가 더 유리해질 가능성이 커졌습니다.
01. OpenAI AI scorecard는 좌석 수보다 끝난 일을 세라고 말합니다
Friar가 던진 첫 질문은 의외로 단순해요. AI가 실제로 끝낸 일이 무엇이냐는 겁니다. 고객 문의 몇 건을 닫았는지, 테스트를 통과한 코드 변경이 몇 건인지, 계약서를 몇 건 제시간에 검토했는지를 보라는 얘기죠. 이 프레임이 날카로운 이유는 지금까지 많은 팀이 AI 도입 성과를 활성 사용자 수로 보고했기 때문입니다. 사용자는 늘었는데 정작 업무 리드타임이 그대로면, 그 숫자는 꽤 허망해집니다. OpenAI 원문
이 기준은 AI를 사내 장난감에서 운영 도구로 끌어올릴 때 바로 쓸 수 있습니다. 예전에는 좌석을 많이 뿌리면 도입이 된 것처럼 보였고, 이제는 정의된 품질선을 넘긴 결과물이 몇 건인지 따져야 합니다. 숫자가 딱딱해 보여도 결국 영수증 얘기예요. 기업은 여전히 영수증으로 움직입니다.
02. 토큰 단가보다 성공한 업무 1건의 총비용이 더 중요한 숫자입니다
OpenAI가 집요하게 밀고 있는 대목은 cost per successful task입니다. 토큰 단가가 싸도 여러 번 다시 시키고 사람이 끝내 교정해야 하면 총비용은 오히려 더 비싸질 수 있다는 거죠. 이 문장은 공급자에게도 부담스러워요. 이제 모델 회사는 성능표만 내밀 수 없고, 재시도 횟수와 사람 검수 시간을 같이 설명해야 하니까요. OpenAI investment guide
같은 흐름은 벤치마크에서도 보입니다. Artificial Analysis는 7월 9일 GPT-5.6 Sol이 Coding Agent Index 선두를 차지했고, 유사한 지능 수준에서 Claude Fable 5보다 과제당 비용이 낮다고 정리했습니다. 여기서 포인트는 어느 모델이 무조건 최고냐가 아닙니다. 과제당 비용이라는 말이 이제 성능표 옆에 붙기 시작했다는 거예요. Artificial Analysis
03. 예전에는 AI를 붙였고, 이제는 승인 가능한 워크플로를 사게 됩니다
이 프레임이 퍼지면 구매 문법도 같이 바뀝니다. 기업은 더 이상 "이 모델이 좋다"만 듣고 끝내기 어렵습니다. 어떤 데이터에 접근하는지, 어느 단계에서 사람이 승인하는지, 실패했을 때 누가 손을 대는지, 한 달 뒤엔 어떤 리포트가 남는지까지 묻게 돼요. OpenAI가 같은 주에 usage analytics, spend controls, 거버넌스 문서를 연달아 띄운 건 우연처럼 보이지 않습니다. OpenAI guide
이 흐름은 이미 다른 글에서도 보였어요. Amazon Bedrock GPT-5.6 글에서 봤듯이 기업은 모델 하나를 사는 게 아니라, 보안·로그·약정 안에 묶인 도입 경로를 삽니다. GPT-Red 글에서는 에이전트 보안 비용이 별도 원가 항목으로 떠올랐고요. 결국 예전에는 AI를 붙이는 프로젝트였다면, 이제는 감사 가능한 워크플로를 운영하는 프로젝트에 더 가깝습니다.
04. CFO가 보게 될 숫자는 사용량보다 재작업·승인·의존성입니다
Friar는 네 가지 질문을 제시했지만, 실무에서는 세 개의 숫자로 압축될 가능성이 큽니다. 몇 건이 통과됐는지, 몇 번 다시 했는지, 어디서 사람이 멈춰 세웠는지예요. 이건 지표 모양이 훨씬 현실적입니다. AI가 길게 대답했는지보다, 그 결과를 사람이 바로 쓸 수 있었는지가 더 중요하니까요. Fortune
그래서 앞으로 강해질 제품은 답변을 더 길게 만드는 앱이 아니라, 작업 로그와 승인 로그를 남기는 앱일 가능성이 큽니다. Reflect with Claude 글이 사용 습관을 지표로 끌어올렸다면, 이번 OpenAI 프레임은 그 위에 재무 언어를 얹은 셈입니다. AI가 업무도구로 남으려면 결국 누가 얼마나 썼는지보다, 어디서 얼마나 덜 틀렸는지가 더 설득력 있는 숫자가 됩니다.
05. 이 프레임이 커지면 이익은 모델 회사보다 운영 데이터를 가진 쪽으로 갑니다
여기서 제일 흥미로운 대목은 공급자 구도예요. Useful Intelligence per Dollar를 제대로 계산하려면 모델 출력만으로는 부족합니다. 어떤 워크플로에서, 어떤 승인 단계를 거쳐, 어떤 수정 끝에 성공했는지 운영 데이터가 있어야 하거든요. 이 말은 곧, AI 예산 설명권이 모델 API 기업만의 몫이 아니라는 뜻입니다. 워크스페이스, 클라우드, 업무 시스템, 보안 로그를 쥔 플레이어가 훨씬 유리해질 수 있습니다.
OpenAI가 스스로 이 프레임을 들고나온 건 강한 수이기도 하고, 동시에 방어이기도 합니다. 토큰 가격만 물어보는 시장에서는 할인 경쟁으로 끌려가기 쉽지만, 과제당 총비용과 승인 가능한 결과를 묻는 시장에서는 제품 묶음과 운영 계층의 가치가 커지니까요. 나는 앞으로 AI 영업 자료의 첫 장이 벤치마크 그래프에서 업무 완료율·재시도 감소·검수 시간 절감 표로 조금씩 바뀔 거라고 봅니다.
같이 볼 글
FAQ
Q1. Useful Intelligence per Dollar는 무엇인가요?
OpenAI가 7월 17일 제시한 AI ROI 프레임입니다. 좌석 수나 토큰 단가보다, 같은 돈으로 품질 기준을 넘긴 업무를 몇 건 만들었는지 보자는 뜻이에요.
Q2. 누가 가장 먼저 영향을 받나요?
재무팀, 플랫폼팀, 보안팀, AI 제품팀이 먼저 영향을 받습니다. 앞으로는 사용량 보고보다 재시도, 검수, 승인, 워크플로 완료율을 같이 설명해야 하기 때문입니다.
Q3. 토큰 단가 비교와 뭐가 다른가요?
토큰 단가 비교는 호출 1회의 가격을 봅니다. Useful Intelligence per Dollar는 사람이 고친 횟수, 다시 돌린 횟수, 승인까지 걸린 시간까지 포함해 업무 1건의 총원가를 보려는 접근입니다.
출처
- OpenAI - A scorecard for the AI age
- OpenAI - How to manage AI investments in the agentic era
- CFO Dive - OpenAI pushes new yardstick for measuring AI investments
- Fortune - OpenAI's CFO: 4 questions that reveal if your AI spend is paying off
- Artificial Analysis - GPT-5.6 benchmarks across Intelligence, Speed and Cost
'AI·스타트업 뉴스' 카테고리의 다른 글
| Google AI Mode Connected Apps가 검색 상거래를 바꾸는 이유 (0) | 2026.07.17 |
|---|---|
| GPT-Red가 AI 에이전트 보안 경쟁을 바꾸는 이유 (0) | 2026.07.16 |
| Gemini Southeast Asia Report가 AI 앱의 모바일 전쟁을 보여주는 이유 (0) | 2026.07.15 |
| Amazon Bedrock GPT-5.6가 기업 AI 도입 경로를 바꾸는 이유 (0) | 2026.07.14 |
| Reflect with Claude가 AI 사용 시간 경쟁을 바꾸는 이유 (0) | 2026.07.10 |
