hol4b

[태그:] openai

  • OpenAI가 실리콘밸리판 SportsCenter TBPN을 산 진짜 이유 — AI 회사가 미디어를 사는 시대

    OpenAI가 실리콘밸리판 SportsCenter TBPN을 산 진짜 이유 — AI 회사가 미디어를 사는 시대

    4월 2일, OpenAI가 미디어 회사를 샀다. 11명짜리 토크쇼 하나에 “수억 달러대(low hundreds of millions)”를 썼다. 월스트리트저널 보도 기준 추정치다. 모델도, GPU도, 칩 제조사도 아닌 — 텔레비전 방송이다.

    CNBC는 사설에서 한 단어로 정리했다. “Chasing vibes.” 분위기를 사고 있다는 뜻이다. 이 거래가 한국 비즈니스 의사결정자에게 의미하는 바를 셋으로 정리한다.

    거래의 전말 — 무엇을 샀나

    항목 내용
    인수 발표일 2026년 4월 2일
    대상 TBPN (Technology Business Programming Network)
    형태 일일 라이브 토크쇼, 평일 11–14시 PT 방송
    창업자·진행자 Jordi Hays, John Coogan
    출범 2025년 3월 라이브 토크쇼 데뷔
    규모 직원 11명, 회당 평균 약 7만 시청
    가격 “low hundreds of millions” 달러 (WSJ 보도)
    주체 Fidji Simo (CEO of AGI Deployment) 주도, 보고는 Chris Lehane(글로벌 어페어스 책임자)
    편집권 독립 유지(공식 발표)

    주목할 부분은 가격이 아니라 보고 라인이다. 이 자산은 제품 조직이 아닌 정책·커뮤니케이션 라인으로 들어갔다. 즉 OpenAI는 TBPN을 수익 사업이 아니라 영향력 사업으로 본다는 신호다.

    OpenAI의 첫 미디어 인수가 의미하는 것 3가지

    ① “AI 내러티브”가 인프라가 됐다. GPU·데이터센터·칩과 같은 등급의 자산이라는 뜻이다. 시청자 7만 명짜리 일일 토크쇼가 수억 달러 가치인 이유는, 그 시청자가 정확히 “창업자·VC·기업 의사결정자”이기 때문이다. 광고 도달이 아니라 정책·여론 도달이다.

    ② 챗봇 회사가 “유통 채널”을 사기 시작했다. Salesforce·Adobe·SAP가 옛날에 컨퍼런스·미디어·교육 사업을 묶어 만든 그림과 닮았다. AI 회사가 같은 길을 9개월 만에 간다는 뜻이고, OpenAI는 그 한 발을 4월 2일에 뗐다.

    ③ “편집 독립” 약속의 유효 기간은 보통 짧다. 미디어 인수 사례에서 약속과 실제의 거리는 대체로 18~24개월에 좁혀진다. TBPN이 OpenAI 비판 보도를 얼마나 자유롭게 할지 — 그 첫 시험 케이스가 6~12개월 안에 온다.

    한국 비즈니스에 직접 닿는 신호

    여기서 한국으로 가져올 함의 셋.

    먼저, B2B AI 영업의 진입점이 바뀐다. 미국 의사결정자 다수가 평일 점심에 TBPN을 본다. 한국 AI 스타트업·SaaS가 미국 진출을 준비한다면, 이제 “OpenAI 생태계의 미디어 채널”이 잠재 고객 도달 경로의 하나가 된다. 좋든 싫든 경쟁 환경이 그쪽으로 기운다.

    둘째, 한국 AI 회사도 “오리지널 콘텐츠”를 자산으로 보기 시작할 시점이다. 카카오·네이버·SKT가 이미 자체 미디어를 갖고 있지만, “AI 내러티브 전용 채널”은 아직 비어 있다. 이 자리는 누군가 잡는다. 늦으면 외부에서 정의된 내러티브를 받아쓰는 입장이 된다.

    셋째, “AI 회사의 PR이 곧 정책”이라는 인식을 가져야 한다. Lehane 산하라는 사실이 그 점을 못 박는다. 한국에서도 AI 규제·정책 라운드테이블이 늘고 있는데, 그 자리에 누가 어떤 미디어와 함께 앉느냐가 1~2년 안의 정책 결과를 결정한다.

    그래서 — 의사결정자에게 달라지는 것

    AI 시대의 경쟁은 더 이상 “더 좋은 모델 vs 더 싼 모델”이 아니다. 1년 전엔 그게 핵심이었지만 2026년 2분기의 진짜 게임은 “누가 의사결정자의 일상 시간을 점유하는가”이다. 제품·유통·미디어가 한 줄에서 묶인다.

    지금 바로 할 수 있는 것

    1. 본인 회사가 미국·유럽 향 매출이 있다면, 의사결정자 페르소나의 “일상 정보 식단”을 한 페이지로 정리한다. TBPN·Stratechery·The Information이 거기 들어가는지부터 본다. 들어간다면 거기 광고·콘텐츠 협업 예산 한 줄이 필요하다.
    2. 한국 본사·자회사 차원에서 “AI 내러티브 자산”을 만들 의사가 있는지 1시간짜리 회의로 정한다. 1년 안에 누군가는 이 자리를 잡는다.
    3. 임원진과 함께 TBPN 에피소드 하나를 본다. OpenAI가 왜 이 채널에 수억 달러를 썼는지, 30분 보면 본능적으로 이해된다. 보고서 10페이지보다 빠르다.

    관련 글

    출처

  • Cursor 3 + Claude Code + OpenAI Codex가 한 스택으로 합쳐졌다 — 일주일 사용기와 솔직한 한계

    Cursor 3 + Claude Code + OpenAI Codex가 한 스택으로 합쳐졌다 — 일주일 사용기와 솔직한 한계

    이번 달 들어 내 노트북에서 일어난 일이 좀 이상하다. Cursor 3 창을 띄우고, 그 안에서 Claude Code 터미널을 열고, Claude Code 안에서 OpenAI Codex 플러그인이 코드 리뷰를 돌린다. 한 화면에 세 회사의 에이전트가 동시에 일하고 있다.

    2026년 4월, 누가 의도한 적도 없는 새 AI 코딩 스택이 그냥 모양을 잡아 가고 있다. The New Stack이 4월 초 기사로 정리한 바로 그 흐름이다. 일주일 정도 본격적으로 써 보고, 무엇이 새롭고 무엇이 과대평가인지 정리한다.

    한 줄 그림: 오케스트레이션 / 실행 / 리뷰

    각 툴이 같은 일을 두고 싸우던 시대가 끝났다. 지금은 역할이 갈린다.

    레이어 대표 도구 역할
    오케스트레이션 Cursor 3 (agent-first UI) 여러 에이전트·여러 작업의 병렬 진행 관리
    실행 (의사결정·구현) Claude Code 주력 코드 작성·리팩토링·테스트
    리뷰·대조 OpenAI Codex (Claude Code 플러그인으로) 독립 코드 리뷰, 적대적 검증(Adversarial), 백그라운드 태스크 위임

    이 그림에서 핵심 사건은 OpenAI가 자기 Codex CLI를 Anthropic Claude Code의 플러그인 형태로 출시한 것이다. 시장 1위가 Claude Code라는 걸 OpenAI가 인정한 셈이다. 사용자가 Codex로 옮겨오길 기다리는 대신, Codex를 사용자가 있는 곳으로 보냈다.

    실제로 써 보면 — 워크플로우 한 사이클

    내 평일 작업 패턴이 이렇게 바뀌었다.

    1. Cursor 3에서 작업 분할. “API 리팩토링”, “테스트 보강”, “마이그레이션 스크립트” 세 가지를 병렬 에이전트로 띄운다. 옛날엔 한 번에 하나만 돌렸는데, 이제 세 개가 동시에 돈다.
    2. 각 에이전트는 Claude Code로 실행. 코드 변경의 80%는 여기서 일어난다. Claude의 컨텍스트 처리가 가장 안정적이다.
    3. 변경이 끝나면 Codex 플러그인을 호출해서 리뷰. “이 PR을 적대적으로 검토해라”라고 시키면, 자기가 작성하지 않은 코드라 더 인색하게 본다. 사람 시니어 한 명을 옆에 앉힌 효과가 난다.
    4. 리뷰 결과를 다시 Claude Code가 반영. 한 사이클 끝.

    가장 효과가 컸던 건 “같은 모델이 작성도 하고 리뷰도 하면 똑같은 사각지대를 본다”라는 오래된 문제를 해소한 점이다. Codex가 Claude의 코드를 보면, 둘이 학습 데이터·정렬 방식이 달라서 잡아내는 결함이 다르다. 일주일 사용 기준, Codex 리뷰가 Claude 자기 리뷰가 놓친 결함을 의미 있는 빈도로 잡아냈다.

    과대평가된 부분 — 솔직히

    마케팅 글에서 빠지는 얘기 셋.

    ① 비용이 합산된다. Cursor 구독 + Anthropic Max + OpenAI API. 한 명 개인 개발자 기준 월 $80~$200 사이에서 시작한다. 회사 카드면 모르겠지만, 사이드 프로젝트만 하는 사람에겐 빡빡하다.

    ② “병렬 에이전트”는 자유의 대가가 있다. 세 개를 동시에 돌리면 충돌이 난다. 같은 파일을 두 에이전트가 건드리는 일이 1주일에 두세 번 있었다. Cursor 3가 잠금·머지 UX를 더 다듬어야 한다.

    ③ 플러그인 호출은 아직 거칠다. Codex 플러그인이 가끔 응답을 길게 잡아먹는다. 빠른 리뷰를 원하면 별도 터미널에서 Codex CLI 직접 호출이 더 빠를 때가 있다.

    그래서 — 한국 개발자에게 달라지는 것

    “어느 툴 하나로 정착할까”라는 질문은 이제 틀렸다. 1년 전엔 그게 맞는 질문이었지만 2026년 4월의 답은 “세 툴을 역할로 나눠 쓰는 워크플로우를 본인이 정의해야 한다”이다. 회사·팀·개인 단위로 그 조합이 다르다.

    지금 바로 할 수 있는 것

    1. Claude Code 사용자라면 OpenAI Codex 플러그인을 일주일 깔아 본다. “이 PR을 adversarial하게 리뷰해 줘” 한 줄만 시켜 봐도 효용이 보인다.
    2. Cursor 1.x 쓰던 사람이라면 Cursor 3의 병렬 에이전트 모드를 작은 작업 2개로 시범 운영해 본다. 처음부터 3개는 충돌만 늘어난다.
    3. 팀이라면 “어느 레이어를 표준화할지”부터 합의한다. 모두 자유롭게 골라 쓰면 PR 리뷰 품질이 들쑥날쑥해진다.

    관련 글

    출처

  • OpenAI·Anthropic·Google 프론티어 동맹 — 중국 AI 카피 1,600만 회 적발의 진짜 의미

    OpenAI·Anthropic·Google 프론티어 동맹 — 중국 AI 카피 1,600만 회 적발의 진짜 의미

    2026년 4월 8일, 블룸버그가 한 줄짜리 기사로 분위기를 바꿨다. OpenAI·Anthropic·Google이 Frontier Model Forum이라는 비영리 기구를 통해 “중국 모델이 우리 모델을 어떻게 베껴 가는지” 공격 데이터를 서로 공유하기 시작했다는 소식이다. 2023년에 출범하고 거의 잊혀졌던 이 포럼이, 3년 만에 처음으로 의미 있는 결과물을 낸 셈이다.

    경쟁사 셋이 한 테이블에 앉을 정도면 사안이 가볍지 않다. 한국 기업·개발자에게 어떤 영향이 오는지 차분히 정리해 본다.

    1. 사건 요약 — 1,600만 회의 “위장 질의”

    발단은 두 달 전이다. 2026년 2월 23일 Anthropic이 자체 보고서에서 약 24,000개의 위장 계정으로 1,600만 회의 Claude 대화가 이뤄졌고, 그 배후로 중국 3개사를 직접 지목했다.

    기업 대화 수(추정) 주요 표적
    MiniMax 약 1,300만 건 광범위한 능력 추출
    Moonshot (Kimi) 약 340만 건 에이전트 추론·툴 사용·코딩·컴퓨터 사용
    DeepSeek 약 15만 건 정합성·안전·정책 응답

    이 방식이 적대적 디스틸레이션(Adversarial Distillation)이다. 비싼 모델에 똑똑한 질문을 반복적으로 던져 답을 모은 뒤, 그 답을 학습 데이터 삼아 싸구려 모델을 길러 낸다. 업계에선 비용 차이를 이렇게 본다.

    • 프론티어 모델 1개 학습: 약 10억 달러
    • 잘 짜인 디스틸레이션 1회: 약 10~20만 달러

    약 5,000~1만 배 차이다. 합법·불법을 떠나, 경제적 인센티브가 너무 크다는 게 동맹 결성의 진짜 이유다.

    2. Frontier Model Forum이 실제로 하는 일

    이번에 공유되는 데이터는 단순한 “차단 IP 명단”이 아니다. 세 회사가 관측한 위장 계정의 행동 패턴, 우회 결제 수단, 프록시 인프라, 그리고 모델별로 어떤 능력을 표적으로 삼았는지의 메타데이터다. 한쪽에서 막힌 패턴이 다음날 다른 회사에서 그대로 등장하는 일을 줄이려는 것이다.

    달리 말하면, AI 회사들이 처음으로 “플랫폼 보안 공조”를 시작했다. 클라우드 회사들이 DDoS 공격 정보를 공유하던 것과 비슷한 그림이다.

    3. 한국 기업·개발자에 직접 닿는 변화 3가지

    ① API 어뷰즈 탐지가 강해진다. 위장 계정 패턴이 학습되면, VPN·중계 서버·다중 계정으로 우회해 쓰던 일부 한국 스타트업·연구실의 사용 패턴도 같이 잡힐 수 있다. 정상 트래픽이면 문제없지만, “대량 합성 데이터 만들려고 우회하던” 케이스는 위험하다.

    ② 중국 오픈소스 모델의 “혈통” 논쟁이 본격화된다. DeepSeek·Kimi 계열 모델을 사내에서 쓰는 곳이 늘었는데, 공급망(Supply Chain) 관점에서 “이 모델 가중치가 어디서 왔는가”가 컴플라이언스 이슈가 될 수 있다. 특히 미국 향 SaaS를 제공한다면, 고객사가 모델 출처를 묻는 일이 곧 일상화된다.

    ③ 미국 수출 통제와 모델 라이선스 조건이 같이 조여 온다. 디스틸레이션을 막는 가장 빠른 길은 약관·라이선스·결제 수단 검증이다. 한국 법인도 미국 모델 API를 쓸 때 KYC가 늘어나고, 일부 고급 모델은 국가·도메인 단위로 게이팅될 가능성이 높다.

    4. 그래서 — 한국 독자에게 달라지는 것

    기술 뉴스로 보면 “미·중 모델 전쟁의 새 챕터” 정도지만, 일하는 입장에서 핵심은 “내가 쓰는 모델의 출처와 약관을 처음으로 진지하게 봐야 하는 시점”이라는 데 있다. 한 줄로 정리하면 이렇다. 2026년부터 AI는 “성능”만큼 “공급망”이 평가 항목이 된다.

    지금 바로 할 수 있는 것

    1. 사내에서 쓰는 LLM 목록을 한 장으로 정리한다. 모델명, 호스팅 위치, 약관(상업적 이용·재학습 금지 조항), 데이터 송수신 방향까지. 이게 곧 컴플라이언스 자료가 된다.
    2. OpenAI·Anthropic·Google API를 쓴다면 결제 수단·법인 KYC를 정리해 둔다. 우회·중계 결제는 향후 계정 정지 사유가 될 수 있다.
    3. 오픈소스 모델(DeepSeek·Kimi·MiniMax 등)을 프로덕션에 쓰고 있다면, 미국·EU 향 고객이 출처 증빙을 요구할 가능성을 시나리오로 정리해 둔다.

    관련 글

    출처

  • GPT-5.5 Spud 출시 임박: 한국 유저 구독 전략 3가지 시나리오 (Plus·Pro·API)

    GPT-5.5 Spud 출시 임박: 한국 유저 구독 전략 3가지 시나리오 (Plus·Pro·API)

    OpenAI의 다음 모델이 며칠 내로 풀린다. 내부 코드명은 “Spud” — 감자라는 뜻의 영어 슬랭이다. GPT-5.5로 나올지 GPT-6로 나올지 아직 결정되지 않았지만, Sam Altman이 3월 24일 직원 대상으로 “몇 주 안에” 출시된다고 못 박은 이상 4월 중순~말 사이 윈도우가 가장 유력하다. 이미 Polymarket은 4월 30일 이전 출시 확률을 78%로 잡았다.

    문제는 이 타이밍이 한국 유저에게 매우 애매하다는 것이다. 지금 ChatGPT Plus를 쓰고 있다면, Pro를 쓰고 있다면, 또는 API로 Codex를 돌리고 있다면 — 각자 출시 직전 행동이 달라야 한다. 뉴스 정리가 아니라 “내가 지금 뭘 해야 하나”에 대한 답을 세 가지 시나리오로 정리했다.

    Spud가 뭔지부터 짧게

    Spud는 OpenAI가 2년간 연구한 결과물이다. Greg Brockman은 팟캐스트에서 “점진적 개선이 아니라 모델 개발 방식 자체가 바뀐 수준의 큰 모델 느낌(big model feel)”이라고 표현했다. Sam Altman은 한발 더 나가 “경제를 실제로 가속할 수 있는 모델”이라고 설명했다. 사전학습(pretraining)은 2026년 3월 24일 완료됐고, 지금은 safety evaluation과 red-teaming 단계다.

    이름이 GPT-5.5가 될지 GPT-6가 될지는 벤치마크 점수가 결정한다. GPT-5.4 대비 세대적 도약이면 GPT-6, 강한 점진 개선이면 GPT-5.5다. 업계 유출 정보에 따르면 Claude Mythos 수준의 벤치마크가 보고되고 있어, GPT-6로 출시될 가능성도 작지 않다.

    시나리오 A: ChatGPT Plus($20) 구독자

    가장 많은 한국 유저가 속한 그룹이다. 결론부터 말하면 구독 유지, 결제일 조정 고려가 합리적이다.

    과거 GPT-5.2, GPT-5.4 출시 패턴을 보면 OpenAI는 신모델을 Plus 티어에 제한된 쿼터로 먼저 풀었다. Spud도 Plus에서 일단 “thinking” 또는 “reasoning” 모드로 제한적 접근이 열릴 가능성이 크다. 다만 초기 며칠은 쿼터가 극히 빡빡해서 실제로 써보려면 타이밍 눈치 싸움이 필요하다.

    팁 하나: 4월 결제일이 출시 예상일(14~30일) 직후에 걸려 있다면, 이번 달 자동 결제를 일시 해지했다가 출시 확정 후 재결제하는 것도 방법이다. Plus 구독은 월 중간 해지해도 기간 내에는 그대로 쓸 수 있고, 출시 직후 “Plus에서 Spud 된다”가 확정되면 즉시 재결제하면 된다. 신모델이 Pro 전용으로 밀리면 그대로 해지 상태로 두면 되고.

    시나리오 B: ChatGPT Pro($200) 구독자

    결론: 유지가 정답. 단, 출시 첫 주는 Deep Research와 무제한 기능을 일부러 아껴 쓰는 게 좋다.

    GPT-5.4 출시 때 확인된 패턴대로라면 Spud는 Pro 티어에 무제한 또는 거의 무제한으로 먼저 풀릴 가능성이 가장 크다. 문제는 초기 인프라 부하다. OpenAI는 신모델 출시 직후 며칠은 속도가 느리거나 에러가 빈발하는데, 이때 Pro 유저가 Deep Research를 하루 수십 번씩 돌리면 체감 품질이 평소보다 한참 떨어진다.

    실전 전략은 이렇다. 출시 당일과 다음날은 “진짜 중요한 작업”만 Spud로 돌리고, 일상 작업은 GPT-5.4로 남겨둔다. 일주일 정도 지나면 인프라가 안정되고 쿼터 정책도 명확해지는데, 그때부터 Spud 중심으로 워크플로우를 재구성하는 게 실수를 줄이는 길이다.

    시나리오 C: API/Codex 유저

    가장 민감한 그룹이다. 결론: 지금 당장 예산 재검토가 필요하다.

    GPT-5.4 API 단가 기준으로 월 수십만 원~수백만 원을 쓰고 있다면, Spud 출시 직후가 가장 위험한 구간이다. OpenAI의 최근 관행을 보면 신모델 API는 기존 모델보다 2~3배 비싼 가격으로 시작하고, 몇 주 지나서야 조정된다. 만약 GPT-6로 출시되면 입력/출력 토큰당 단가가 $30/$100 대까지 뛸 가능성도 배제할 수 없다.

    구체적 액션은 세 가지다. 첫째, Codex나 에이전트 워크플로우에서 “신모델 자동 업그레이드” 옵션이 켜져 있는지 확인하고 끈다. 둘째, 현재 월 사용량 기준으로 단가 2배, 3배 시나리오를 계산해서 상한선을 미리 정한다. 셋째, GPT-5.4와 Gemini 3, Claude 4.6을 함께 테스트해서 fallback 경로를 확보한다. 신모델이 비싸고 느리다면 며칠은 구모델로 버티는 게 현명하다.

    그래서 한국 유저에게 뭐가 달라지나

    핵심은 Spud 출시가 “더 좋은 ChatGPT가 나온다”로 끝나지 않는다는 점이다. OpenAI는 이 모델을 “unified super-app” 전략의 백본으로 삼고 있다. ChatGPT, Codex, Deep Research, Memory, Agent 기능이 하나로 합쳐지는 큰 그림의 첫 조각이라는 뜻이다. 이 말은 기존 Plus/Pro 요금제 구조 자체가 재편될 수 있다는 신호다. 4월 말에서 5월 사이, 요금제 개편 공지가 함께 나올 가능성도 염두에 두자.

    한국 유저 관점에서 실질적으로 바뀌는 건 두 가지다. (1) 신모델이 한국어 처리에서 GPT-5.4보다 얼마나 나아지는지 — 특히 긴 문서 요약과 논리 추론에서 — 가 요금제 선택 기준이 된다. (2) Codex 기반 에이전트를 쓰는 개발자는 월 비용이 단기적으로 출렁일 수 있으니 현금흐름 관리가 필요하다. 감자(Spud)라는 이름과 달리, 이 모델이 만들 파장은 가볍지 않다.

    지금 바로 할 수 있는 것

    • Plus 유저: 결제일이 4월 14~30일 사이에 걸려 있으면 자동결제 일시 해지 고려. 출시 확정 후 재결제하면 된다.
    • Pro 유저: 출시 첫 주는 Deep Research 사용량을 평소의 절반으로 줄이고, Spud는 중요한 작업에만 투입.
    • API 유저: Codex/자동화 스크립트의 “최신 모델 자동 선택” 옵션을 확인하고, 현재 사용량 × 3 기준으로 월 예산 상한선을 미리 걸어둔다.

    관련 글

    출처

  • ChatGPT File Library 완전 활용법: 한국 직장인 업무 자동화 워크플로우 5가지

    ChatGPT File Library 완전 활용법: 한국 직장인 업무 자동화 워크플로우 5가지

    지난 3년간 ChatGPT를 쓴 사람이라면 공통된 경험이 있을 것이다. “분명 지난주에 이 스프레드시트 올렸는데, 어느 대화였더라.” 원하는 파일을 찾으려고 옛날 대화창을 수십 개 뒤지다가 결국 다시 업로드한다. 같은 파일이 몇 번이고 서버에 올라가고, 매번 ChatGPT는 처음 보는 것처럼 분석한다. 한국어로는 더 피곤하다 — 제목 자동 요약이 잘못돼서 검색조차 안 된다.

    OpenAI가 4월 초 이 문제를 정면으로 고친 기능이 File Library다. 이름 그대로 업로드한 모든 파일이 자동으로 보관되는 창고다. Plus·Pro·Business 유저에게 웹(chatgpt.com)으로 풀렸고, 사이드바의 “Library” 메뉴에서 바로 접근할 수 있다. 파일당 최대 512MB, 텍스트 문서는 2M 토큰, CSV/엑셀은 50MB, 이미지는 20MB까지 지원한다.

    문제는 “있으면 좋은 기능”으로 끝나느냐, 실제 업무에 정착시키느냐다. 이 글은 한국 직장인이 반복적으로 하는 5가지 업무 시나리오에 File Library를 붙여서, Before/After를 어떻게 바꿀 수 있는지 정리했다.

    사전 준비: 라이브러리 열기

    먼저 chatgpt.com 웹 브라우저에서 좌측 사이드바를 보자. “Library” 항목이 새로 생겼다면 이미 롤아웃이 도착한 것이다. 참고로 EEA·스위스·영국 지역은 규제 이슈로 아직 제외되어 있는데, 한국은 포함이다. 모바일 앱에는 아직 안 풀렸으니 당분간 웹 중심 워크플로우가 된다.

    파일을 채팅에 붙일 때는 입력창 옆 첨부 버튼에서 “Add from library”를 선택하면 된다. 검색은 자연어로 — “지난주 올린 예산 표 찾아줘” 식으로 말하면 ChatGPT가 Library에서 찾아 붙여준다. 타입별 필터도 있어서 이미지/문서/스프레드시트/PDF로 분류 가능하다.

    워크플로우 1. 월간 보고서 → 분기 요약

    Before: 매달 작성한 보고서 PDF 3개를 찾아서 하나씩 업로드, “이 3개 파일 묶어서 분기 요약 써줘”로 시작. 10분쯤 걸렸다.

    After: 월간 보고서를 Library에 “2026-01 월간보고” 식으로 파일명을 정리해 올려둔다. 분기 말에 새 채팅을 열고 “Library에서 2026년 1~3월 월간보고 세 개 불러와서 주요 지표와 이슈를 표로 정리해줘”라고 시키면 된다. 업로드 단계가 통째로 사라지고, 이전 분기 요약과 일관된 톤으로 뽑아준다. 포인트는 파일명 규칙이다. 올릴 때 자동 생성되는 이름 말고, 업로드 직후 바로 내가 정한 규칙으로 개명하는 습관을 들여야 Library가 진짜로 작동한다.

    워크플로우 2. 계약서 표준 검토

    Before: 새 계약서가 올 때마다 예전 계약서와 비교하려고 매번 회사 서버에서 PDF를 찾아 내려받고, ChatGPT에 두 파일을 업로드한다. 회사 PDF 저장 위치를 헷갈리면 1시간이 훌쩍 간다.

    After: 회사의 “표준 NDA”, “표준 용역계약”, “표준 MOU” 버전 3~4개를 Library에 기준 문서로 한 번만 올려둔다. 새 계약서가 오면 그 파일만 추가 업로드한 뒤 “Library의 표준 NDA와 지금 업로드한 계약서를 비교해서 차이 나는 조항만 뽑아줘”로 요청한다. 핵심은 Library가 개인 참고 자료 저장소 역할까지 하기 시작한다는 점이다. 단, 회사 기밀 분류 기준을 먼저 확인해야 한다 — ChatGPT Business/Enterprise 계정이 아니면 민감 문서는 올리지 말자.

    워크플로우 3. 디자인 피드백 루프

    Before: 디자이너가 올린 시안 이미지를 매번 새로 업로드해서 코멘트를 뽑는다. 지난 시안과 비교하려면 과거 대화를 뒤져야 한다.

    After: 시안 이미지를 Library에 v1, v2, v3 식으로 올려둔다. 리뷰 미팅 전에 “Library에서 v2와 v3 두 시안을 보여주고, 타이포·컬러·여백 차이와 v3에서 개선된 지점을 불릿으로 정리해줘”라고 시킨다. 이미지 20MB 제한 안이라면 무리가 없고, 디자인 의사결정 근거를 텍스트로 남길 수 있어 재택·오프라인 협업 맥락 전달에도 유용하다.

    워크플로우 4. 세금·회계 자료 연말 정리

    Before: 연말마다 계산서, 영수증, 원천징수 내역 등 온갖 파일을 폴더 여기저기서 긁어모아 업로드. 누락된 파일이 뒤늦게 발견되면 다시 처음부터.

    After: 1년 내내 “Tax-2026” 규칙으로 Library에 올려둔다. 12월에 “Library에서 Tax-2026 태그/이름이 붙은 파일을 모두 찾아 카테고리별로 합계를 표로 만들어줘”라고 요청하면 된다. 이 방식은 세무사와 공유할 자료 정리에도 그대로 활용된다. 단 CSV/엑셀 파일은 50MB 제한이니, 큰 장부는 분기별로 쪼개 올려야 한다.

    워크플로우 5. 교육·강의 자료 지속 업데이트

    Before: 사내 교육자료 PPT를 매 분기 수정하면서, 이전 버전과 어떤 점이 달라졌는지 설명하는 changelog를 매번 수동으로 작성.

    After: PPT 버전별로 Library에 올린 뒤 “직전 버전과 현재 버전 차이를 슬라이드 단위로 표로 정리해줘”라고 시키면 10분짜리 작업이 1분으로 줄어든다. 경영진 보고용 버전 히스토리로도 그대로 쓸 수 있다. 프레젠테이션 파일은 타입 필터 “Presentations”로 구분되어 찾기 쉽다.

    그래서 한국 유저에게 뭐가 달라지나

    핵심은 단순하다. File Library 이전의 ChatGPT는 “휘발성 대화창”이었다. 이후는 “내 개인 파일 서버가 있는 AI 비서”로 바뀐다. 한국 직장인 관점에서 가장 크게 바뀌는 건 (1) 파일 중복 업로드로 날리던 시간, (2) 과거 자료 비교 작업의 난이도, (3) 연말·분기말 정리 업무의 무게다. Plus 구독자라면 이번 주 안에 Library에 본인 루틴 파일들을 “이름 규칙 + 버전 관리”로 정리해 올려두는 것만으로 체감이 바로 바뀐다.

    한 가지 주의점: 민감 정보가 담긴 회사 문서는 반드시 Business/Enterprise 티어인지 확인하자. Plus 계정에 올린 파일은 OpenAI의 데이터 보관·학습 정책을 따른다. 그리고 Temporary Chat에서 올린 파일은 Library에 저장되지 않으니, 회사 민감 업무는 Temporary Chat을 쓰는 것도 대안이다.

    지금 바로 할 수 있는 것

    • 사이드바에서 Library 메뉴 확인 — 안 보이면 브라우저 새로고침 또는 로그아웃→로그인. 한국 계정은 롤아웃 포함.
    • 파일명 규칙 정하기 — “카테고리_날짜_버전” 식으로 통일. 업로드 직후 Library에서 바로 이름 수정.
    • 루틴 파일 3~5개 우선 올리기 — 월간 보고서, 회사 표준 계약서, 제품 시안 등. 오늘 오후에 20분만 투자하면 이번 주 업무 속도가 달라진다.

    관련 글

    출처

  • F/ai 완전 정리: OpenAI·구글·메타·MS·앤트로픽이 한 액셀러레이터에 모인 이유

    F/ai 완전 정리: OpenAI·구글·메타·MS·앤트로픽이 한 액셀러레이터에 모인 이유

    경쟁사가 같은 사무실에 책상을 나란히 놓는 일은 거의 없다. 그런데 OpenAI, Anthropic, Google, Meta, Microsoft, 그리고 Mistral까지 — 미국·유럽 주요 AI 랩이 한 액셀러레이터 프로그램에 동시에 멘토로 들어왔다. 이름은 F/ai. 파리의 거대 스타트업 캠퍼스 Station F가 운영하고, 처음으로 빅테크 6사가 한 테이블 위에서 초기 단계 AI 스타트업을 직접 키우기로 했다.

    F/ai의 정체: 6개 빅테크가 동시에 들어온 첫 사례

    F/ai는 Station F가 주관하는 3개월짜리 AI 전문 액셀러레이터다. 매년 두 차례 코호트를 운영하며, 한 회차에 20개 팀을 받는다. 일반 공모는 없다. 후보는 추천(recommendation-only) 방식으로만 들어오고, 기술·연구 베이스가 탄탄하면서 상업화 경로가 분명한 팀만 추린다. 첫 봄 코호트는 1월 13일에 시작했고, 20개 팀이 이미 합쳐서 €34M(약 530억 원) 가까이 조달한 상태다.

    특이한 건 결승 무대다. 통상 액셀러레이터는 마지막 날 투자자를 모아놓고 데모데이를 한다. F/ai는 대신 “deal day”를 연다. 발표가 아니라, 대기업과의 파트너십·계약을 그 자리에서 사인하는 형식이다. 프로그램이 노골적으로 노리는 KPI도 매출이다 — 6개월 안에 €1M ARR 도달.

    스타트업이 받는 것: 자금 대신 모델·컴퓨트·엔지니어

    F/ai는 직접 투자하지 않는다. 대신 모델 호출, GPU 컴퓨트, 클라우드 서비스 크레딧을 합쳐 한 팀당 100만 달러 이상을 지원한다. 더 중요한 건 사람이다. 프로그램에 들어가면 OpenAI·Anthropic·Google·Meta·Microsoft·Mistral 엔지니어링 팀과 직접 워크숍을 한다. 평소 NDA를 뚫지 않고는 만나기 어려운 라인이다.

    구성으로 보면 Y Combinator의 유럽판이라기보다, 빅테크가 각자 가진 모델 위에서 돌아갈 “다음 세대 앱” 후보들을 모으는 공동 사냥터에 가깝다. Sequoia, General Catalyst, Mistral, OpenAI는 별도 펀드 구조로 일부 팀에 후속 투자를 실어주는 라인도 같이 깔았다.

    왜 모였나: 유럽 + 미국, Y Combinator 견제, 그리고 모델 의존도

    이 그림이 처음 잡혔을 때 가장 놀라운 건 “왜 한 자리에 모였는가”였다. 세 가지 이유가 겹친다. 첫째, 유럽 AI 스타트업 풀이 무시할 수 없는 수준으로 두꺼워졌다. Mistral, Black Forest Labs 같은 사례가 반복되면서, 미국 빅테크 입장에서 유럽에 멘토 라인을 박아두는 비용이 무시할 게 됐다.

    둘째, Y Combinator가 사실상 OpenAI 진영에 가까운 통로가 되면서, 다른 진영도 자기 모델 위에 앱을 올릴 통로가 필요해졌다. 셋째 — 그리고 가장 솔직한 이유 — 누가 어느 모델을 쓰느냐가 향후 5년 매출 곡선에 직결된다. 빅테크는 이제 “내 모델을 쓰는 앱이 6개월 안에 매출을 내는지”를 직접 보고 싶어 한다.

    그래서 한국 입장에서 뭐가 달라지나

    F/ai는 한국 팀에게도 닫혀 있는 구조는 아니다. 추천 기반이라 평소 글로벌 VC·빅테크 채널에 노출돼 있어야 한다는 단점이 있지만, 반대로 말하면 한국에 본사를 둔 팀도 미국 법인이나 EU 거점만 있으면 후보군에 들어갈 수 있다. 더 큰 시그널은 다른 데 있다. 빅테크가 “투자보다 매출 KPI”를 내걸었다는 점이다. 6개월 안에 €1M ARR. AI 시장이 더는 데모데이로 평가받지 않는다는 뜻이다.

    한국 AI 스타트업이 그 동안 익숙했던 “프리시드 받고 PoC 돌리며 1년 버티는” 패턴은 글로벌 무대에서 점점 뒤로 밀린다. 이번 F/ai 같은 프로그램이 보내는 메시지는 단순하다 — “모델은 우리가 줄게, 너는 매출 가져와.”

    지금 바로 할 수 있는 것

    • Station F F/ai 페이지에서 코호트 구성과 deal day 운영 방식 한 번 훑어보기. 직접 지원 못 해도 글로벌 AI 액셀러레이터가 어떤 KPI를 보는지 감이 잡힌다.
    • 현재 우리 팀이 만드는 AI 제품이 “6개월 안에 €1M ARR” 기준에서 어디쯤에 있는지 솔직하게 적어보기. 거리감이 보일수록 다음 분기 우선순위가 분명해진다.
    • 국내 액셀러레이터·VC 미팅 때 “모델 크레딧과 엔지니어링 액세스를 함께 줄 수 있는가”를 한 번 물어보기. 글로벌 기준이 바뀌고 있다.

    관련 글

    출처

    대표이미지 출처: STATION F

  • GPT-5.4 Thinking 활용법: 사고 도중 끼어들기로 ChatGPT 결과물 2배 정확하게

    GPT-5.4 Thinking 활용법: 사고 도중 끼어들기로 ChatGPT 결과물 2배 정확하게

    회의실에서 발표자를 끊는 사람을 떠올려 보자

    회의에서 가장 도움이 되는 사람은 누구일까. 발표가 끝난 다음에 정중한 피드백을 주는 사람? 아니다. 발표자가 잘못된 방향으로 가기 시작한 그 순간, 짧고 정확한 한마디로 흐름을 잡아 주는 사람이다. GPT-5.4 Thinking이 처음으로 가능하게 만든 게 바로 그것이다.

    OpenAI는 이 기능을 Mid-Response Steering이라고 부른다. 모델이 한창 사고 중인 도중에 채팅창에 추가 지시를 던질 수 있고, 모델은 그 지시를 받아 답변 방향을 즉시 조정한다. 응답이 다 나올 때까지 기다렸다가 “아니, 그게 아니라…”라고 정정하는 시대가 끝났다는 뜻이다.

    왜 이게 단순한 기능 추가가 아닌가

    이전 모델까지의 한계는 묘했다. 사고 도중에 “지금 어디까지 했어?”라고 물으면 사고가 처음부터 다시 시작됐다. 시간도 토큰도 두 배가 들었다. 더 큰 문제는 잘못된 가정으로 5분 동안 깊이 들어간 다음에야 그 사실을 알 수 있다는 거였다. 5분짜리 작업이 10분짜리 작업이 됐다.

    GPT-5.4 Thinking은 사고를 시작하기 전에 preamble(사전 계획)을 먼저 보여 준다. “이 작업은 A → B → C → D 순서로 처리할게요.” 사용자는 이 계획을 1~2초 안에 훑고, 마음에 들지 않으면 그 자리에서 끼어든다. “C부터 깊게, A는 건너뛰어.” 모델은 처음부터 다시 시작하지 않는다. 받은 지시를 반영해 그대로 진행한다.

    OpenAI 내부 BrowseComp(에이전트 브라우징) 벤치 점수가 65.8%에서 82.7%까지 뛰어오른 데에는 이런 구조 변화가 깔려 있다.

    실무에서 끼어들기가 가장 빛나는 순간

    가장 먼저 떠오르는 건 긴 리서치 작업이다. “경쟁사 5곳의 1분기 매출 트렌드를 분석해 줘”라고 던졌을 때, 모델이 preamble에서 “A → B → C → D → E 순으로 분석할게요”라고 보여 준다. D사가 가장 중요한데 알파벳 순서로 처리하려 한다면? 즉시 “D사부터 가장 깊게, 다른 4사는 비교 표만”이라고 한 줄을 끼워 넣으면 된다. 한 번의 채팅으로 원하는 결과물에 도달한다는 뜻이다.

    40슬라이드짜리 재무 덱처럼 통째로 시키는 작업에서는 이 차이가 더 커진다. 잘못된 가정 하나가 결과물 전체를 다시 만들어야 하는 상황으로 번지는 게 그동안의 패턴이었다. preamble 단계에서 가정값과 출력 구조를 검토하고 수정만 해도 재작업 시간이 80% 이상 줄어든다.

    법무·계약서 비교 분석도 비슷하다. 모델이 어느 조항을 핵심으로 잡았는지 사전 계획에서 확인하고 우선순위를 재배치한다. “준거법 조항보다 손해배상 한도부터 비교해” 같은 식이다. 사용자가 도메인 지식을 갖고 있을수록 끼어들기의 정확도는 높아진다.

    코딩 쪽에서도 의미가 있다. 코드베이스 전체를 리팩토링시킬 때 모델이 어디부터 손댈지 보여 주는 단계에서 “이 모듈은 건드리지 마, 외부 의존성 있어”라고 제약을 추가한다. Claude Code나 Cursor 3 같은 코딩 에이전트와 다른 점은 분명하다. GPT-5.4 Thinking은 실행 전 계획 단계에서 개입할 수 있다.

    1M 컨텍스트와 결합되면 진짜다

    GPT-5.4는 컨텍스트 윈도가 400K에서 1M으로 확장됐다. 이전엔 긴 흐름 안에서 초반에 잡은 기준이 흐려지는 경향이 있었지만, 1M과 Mid-Response Steering이 결합되면서 한 세션 안에서 일관성을 유지하면서도 중간에 방향을 바꿀 수 있게 됐다. 책 한 권 분량의 자료를 던져 두고 작업을 시킨 뒤, 중간중간 미세 조정하는 워크플로가 처음으로 실제로 가능해진 셈이다.

    요금제는 어디서 쓸 수 있나

    ChatGPT에서는 Plus·Team·Pro·Enterprise 사용자가 모델 선택기에서 GPT-5.4 Thinking을 직접 고를 수 있다. 가장 강력한 작업이 필요한 경우 GPT-5.4 Pro가 별도로 제공된다. ChatGPT for Excel·NotebookLM 같은 OpenAI의 후속 제품들이 모두 이 모델을 두뇌로 쓴다는 점에서, 5.4 Thinking은 사실상 OpenAI 제품 라인업 전체의 기준선이다.

    그래서 — 새로운 핵심 스킬은 ‘끼어드는 능력’이다

    지금까지 ChatGPT 사용자의 능력 차이는 첫 프롬프트를 얼마나 잘 쓰느냐에서 갈렸다. 5.4 Thinking 이후에는 한 가지가 더 추가된다. 모델이 사고 중일 때 정확한 타이밍에 정확한 한마디로 끼어드는 능력. 이건 글로 배우는 것보다 손으로 익히는 게 빠르다. 회의에서 발표를 끊는 사람이 그렇듯, 처음에는 어색하지만 한두 번 해 보면 감이 잡힌다.

    지금 할 일

    ChatGPT Plus 이상이라면 자주 쓰는 작업의 기본 모델을 GPT-5.4 Thinking으로 바꿔 둔다. 다음으로 긴 작업을 시킬 때 응답 시작 전 preamble을 1~2초 안에 훑는 습관을 만든다. 마지막으로 자주 쓸 끼어들기 멘트 두세 개를 미리 만들어 두자. “X부터 깊게”, “Y는 건너뛰고”, “Z 형식으로 출력” 같은 짧은 지시문이면 충분하다.

    관련 글

    출처

  • OpenAI Sora 서비스 종료 — 출시 6개월 만에 실패한 이유와 지금 쓸 수 있는 대안 3가지

    3월 24일, OpenAI가 조용히 공지 하나를 올렸다. AI 영상 생성 서비스 Sora의 종료. 출시 6개월도 채 안 된 시점이었다. 한때 영상 생성 AI의 끝판왕으로 불리며 전 세계 크리에이터의 기대를 한 몸에 받았던 서비스가 왜 이렇게 빠르게 사라졌을까. 그리고 그 자리에서 떠난 사용자들은 지금 어디로 갔을까.

    숫자가 말해 주는 죽음의 곡선

    Sora는 2025년 말 정식 출시 직후 반짝 흥행에는 성공했다. 월 사용자 수 100만 명을 돌파하며 화제가 됐지만, 곡선이 너무 빨리 꺾였다. 종료 직전에는 50만 명 이하. 절반 이상이 떠난 셈이다. 표면 이유는 여러 가지가 거론됐지만 실제로는 한 가지 단순한 사실이 결정적이었다. 비용 구조가 작동하지 않았다.

    고화질 영상 생성에는 막대한 GPU 연산이 필요하다. 업계 추산에 따르면 Sora의 하루 운영 비용은 약 100만 달러(약 13억 원). 구독료 수입으로 메우기에는 너무 큰 격차였다. 단가가 비싼 영상 생성 작업의 대부분이 무료 체험과 저가 플랜에서 발생했다는 점도 부정적이었다.

    Disney 파트너십 — 신뢰의 균열

    가장 충격적이었던 디테일은 Disney와의 파트너십 처리 방식이다. Disney는 Sora와 10억 달러 규모의 콘텐츠 제작 파트너십을 체결했는데, 서비스 종료 통보는 종료 직전에야 받았다고 알려졌다. 이 정도 규모의 B2B 고객조차 충분한 사전 협의 없이 끊겼다는 사실은 OpenAI의 엔터프라이즈 신뢰도에 적지 않은 타격을 줬다는 평가가 따라붙는다.

    이 부분이 단순한 해프닝이 아닌 이유는 명확하다. 한국 기업 고객 입장에서도 같은 일이 벌어질 수 있다는 신호로 읽힌다. AI 서비스를 핵심 워크플로에 박아 넣는 결정을 할 때 SLA와 종료 통지 조항을 한 번 더 확인할 이유가 생긴다.

    이탈 사용자들이 향한 곳

    Sora 종료 발표 당일, Kling AI(콰이쇼우)가 애플 앱스토어 무료 앱 차트 상위권에 진입했다. 우연이 아니다. Sora 이탈 사용자들이 곧바로 대안을 찾아 옮겨 간 결과다. 현재 영상 생성 AI 시장의 주요 대안은 세 갈래로 정리된다.

    Kling AI는 콰이쇼우가 만든 모델이다. 최대 2분 영상, 1080p 품질, 무료 플랜까지 갖춘 가성비 카드다. Sora 종료 이후 한국 크리에이터 커뮤니티에서도 빠르게 알려지고 있다. Runway Gen-4는 정반대 포지션이다. 할리우드 프로덕션이 쓰는 정밀 편집과 일관된 캐릭터 유지가 강점이고 가격대도 그에 맞게 높다. Pika Labs는 빠른 생성과 단순한 UI로 처음 영상 AI를 만져 보는 사람에게 진입 장벽이 가장 낮다.

    세 서비스 모두 Sora 종료 이후 트래픽이 눈에 띄게 늘었다는 보고가 함께 나오고 있다.

    Sora 실패의 진짜 의미

    이번 사건은 단일 서비스 하나의 실패가 아니다. OpenAI가 ChatGPT 이후 새 수익원을 찾는 과정에서 마주친 구조적 한계를 드러낸 사건이다. 텍스트 AI는 토큰당 비용 곡선이 빠르게 내려갔지만 영상 생성은 그렇지 않다. 같은 가격으로 같은 품질을 내는 데 들어가는 GPU 자원의 차이가 너무 크다.

    또 한 가지 신호. OpenAI는 ChatGPT·Codex·Atlas 통합으로 슈퍼앱 전략을 강화하는 중이다. Sora처럼 별도 서비스로 운영하던 라인을 정리하고 핵심 플랫폼 안에 기능을 통합하는 방향으로 선회하는 것으로 보인다. 이번 종료는 그 정리 과정의 첫 번째 신호일 가능성이 높다.

    그래서 — 한국 사용자에게 의미

    Sora에 월정액을 결제하고 있었다면 즉시 구독 취소와 청구 내역 확인이 첫 번째 조치다. 더 중요한 건 이번 사건이 던지는 세 가지 메시지다. 첫째, OpenAI가 모든 영역을 이긴 건 아니다. 텍스트의 압도적 지위가 영상으로 자동으로 이어지지 않는다. 분야별 전문 도구를 병행하는 전략이 여전히 유효하다. 둘째, 중국산 AI 도구의 부상을 더 이상 무시하기 어렵다. Kling AI 같은 가격·품질 경쟁력을 갖춘 서비스가 한국 시장에도 빠르게 들어오고 있다. 데이터 보안 이슈를 감안하되 기능 면 비교는 필요하다. 셋째, 단일 AI 서비스에 깊이 의존하는 건 위험하다는 점이 한 번 더 입증됐다. 최소한 2~3개 대안을 늘 같이 테스트해 두는 습관이 필요하다.

    지금 할 일

    가장 빠른 대안 탐색은 세 도구를 한 시간씩 굴려 보는 것이다. klingai.com에서 무료 크레딧을 받아 Sora와 비슷한 프롬프트를 던져 본다. runwayml.com에서는 무료 플랜으로 125 크레딧을 받을 수 있다. pika.art는 가입과 동시에 시작 가능하다. 같은 프롬프트로 세 결과를 비교하면 본인 작업에 어느 도구가 맞는지 한 시간이면 답이 나온다.

    관련 글

    출처

  • Anthropic vs OpenAI, 역대 최대 IPO 레이스 — 한국 투자자가 알아야 할 5가지

    Anthropic vs OpenAI, 역대 최대 IPO 레이스 — 한국 투자자가 알아야 할 5가지

    두 회사가 동시에 IPO를 준비하고 있다. Anthropic과 OpenAI다. Axios의 4월 3일 보도 한 줄이 이 상황을 잘 요약한다. “두 회사 모두 상대보다 먼저 상장하려 한다.” 합산 조달 규모가 1,500억 달러(약 210조 원)에 달할 가능성이 있어, AI 업계뿐 아니라 자본시장 역사 전체에서 손꼽힐 이벤트로 향하고 있다. 한국 투자자라면 지금 어디를 봐야 할까.

    두 회사의 타임라인

    현재까지 알려진 일정을 정리하면 이렇다.

    • Anthropic: 골드만삭스·JPMorgan과 협의 중. S-1 제출 2026년 여름, 로드쇼 2~3주 후 10월 상장 목표. 목표 조달액 600억 달러(약 84조 원)
    • OpenAI: S-1 제출 Q3 2026 예상, 상장 시점 Q4 2026~Q1 2027. NASDAQ 상장 유력. 목표 기업가치 1조 달러(약 1,400조 원)

    두 회사 모두 연내 나스닥 상장을 목표로 하고 있고, 시간 차는 길어야 한 분기 정도다. 이 좁은 윈도우 안에서 누가 먼저 시장에 나가느냐가 기관 자금 선점에 직접 영향을 준다.

    숫자로 본 격차 — 빠르게 좁혀지고 있다

    항목 OpenAI Anthropic
    최근 밸류에이션 $8,520억 (포스트머니) $3,800억~$5,000억
    연간 매출(ARR) $250억 $190억
    최근 펀딩 $1,220억 (시리즈 I) $300억
    IPO 목표 시기 Q4 2026~Q1 2027 2026년 10월

    가장 흥미로운 줄은 매출이다. 1년 전만 해도 OpenAI가 압도적으로 앞섰지만 현재는 250억 vs 190억. 차이가 60억 달러까지 좁혀졌다. 더 무거운 디테일은 그 안에 있다. Anthropic의 매출이 2개월 만에 두 배로 뛰었다. 절대값보다 성장 속도가 더 위협적이라는 뜻이다.

    2차 시장에서 이미 일어나고 있는 이동

    Bloomberg가 4월 1일 보도한 디테일이 결정적이다. OpenAI 주식의 2차 시장 수요가 급감하고 있고, 같은 시점에 투자자들이 Anthropic으로 빠르게 이동하고 있다. 원인으로 거론되는 건 세 가지다. Claude Opus 4.6의 호평, Mythos 모델의 기대감, 그리고 위에서 본 매출 성장 속도.

    OpenAI도 가만히 있지 않았다. 3월 31일 IPO 전 주식 직접 매각 프로그램을 시작하며 대응에 나섰다. 그러나 시장 심리의 흐름이 한쪽에서 다른 쪽으로 바뀌고 있다는 신호 자체는 부정하기 어렵다. 결국 IPO 가격은 상장 시점의 여론과 모멘텀이 결정한다.

    한국 투자자가 잊지 말아야 할 세 가지

    두 회사 모두 나스닥 상장 예정이라 한국 투자자도 해외 주식 계좌를 통해 직접 투자할 수 있게 된다. 다만 들어가기 전에 세 가지를 한 번 짚어 두는 게 안전하다.

    첫째, 밸류에이션이 이미 매우 높다. 두 회사 모두 수천억 달러 규모로 상장하기 때문에 상장 직후 단기 수익보다 장기 성장에 베팅하는 마음가짐이 필요하다. “IPO 첫날 30% 오른다”는 시나리오에 기대지 말 것.

    둘째, 경쟁 구도 자체가 변수다. 한쪽이 먼저 상장하면 기관 자금을 선점한다. 후발 주자의 수요가 같은 비율로 줄어들 수 있다. 두 회사를 같은 기준으로 비교하기보다는 누가 먼저 갈지를 추적하는 게 의미 있다.

    셋째, 매출 성장률이 주가를 결정한다. 절대 매출보다 성장 속도가 핵심이다. 현재로서는 Anthropic의 성장률이 더 가파르다. 단, 1년 후에 같은 패턴이 유지된다는 보장은 없다. 분기 매출을 직접 추적하는 게 가장 현실적인 방법이다.

    지금 할 일

    해외 주식 계좌가 없다면 키움증권, 토스증권 같은 곳에서 미국 주식 거래 계좌를 미리 만들어 두는 게 첫 단계다. IPO 시점에 임박해서 만들면 늦는다. S-1 제출 시점을 놓치지 않으려면 SEC EDGAR 알림이나 증권사 IPO 알림을 미리 설정해 두자. 개별 종목 리스크가 부담스럽다면 AI 관련 ETF(BOTZ, ROBO, AIQ)를 먼저 검토해 한 종목 베팅 대신 분산 노출로 시작하는 것도 합리적인 진입 방식이다. 어느 경로를 고르든 두 회사의 분기 매출 발표를 추적할 채널 하나는 미리 정해 두는 게 좋다.

    관련 글

    출처

  • OpenAI, 테크 토크쇼 TBPN 인수 — AI 기업이 미디어를 사는 이유 3가지

    OpenAI, 테크 토크쇼 TBPN 인수 — AI 기업이 미디어를 사는 이유 3가지

    OpenAI, 왜 갑자기 미디어 회사를 인수했나?

    2026년 4월 2일, OpenAI가 실리콘밸리의 인기 라이브 테크 토크쇼 TBPN(Technology Business Programming Network)을 인수했습니다. AI 기업이 미디어 회사를 직접 소유하는 첫 번째 사례로, 업계에 큰 파장을 일으키고 있습니다.

    TBPN은 전직 테크 창업자 John Coogan과 Jordi Hays가 진행하는 매일 3시간짜리 라이브 쇼입니다. YouTube와 X(구 트위터)에서 방송하며, 테크·비즈니스·AI·국방 분야를 다룹니다. 2025년 시작된 신생 매체지만, 광고 매출이 2025년 약 500만 달러에서 2026년 3,000만 달러 이상으로 급성장 중입니다.

    인수의 진짜 이유: AI 여론 주도권 확보

    OpenAI는 공식 발표에서 “우리는 일반적인 회사가 아니다. 거대한 기술 전환을 이끌고 있고, AGI가 인류에게 이로운 방향으로 가도록 건설적인 대화 공간을 만들 책임이 있다”고 밝혔습니다(OpenAI 공식 블로그).

    핵심은 AI 담론의 프레임을 직접 설정하겠다는 것입니다. AI 규제 논의가 전 세계적으로 뜨거운 지금, 자체 미디어 채널을 통해 기술의 긍정적 측면을 부각하고 여론에 선제적으로 대응하려는 전략입니다.

    TBPN은 OpenAI 전략 조직 산하에 배치되며, 최고 정치 전략 책임자 Chris Lehane에게 보고합니다. 기존 광고 사업은 축소될 예정이지만, 편집 독립성은 유지된다고 합니다(TechCrunch).

    AI 기업의 미디어 진출, 새로운 트렌드가 되나?

    이번 인수가 주목받는 이유는 빅테크의 미디어 직접 소유라는 새로운 패턴의 시작일 수 있기 때문입니다. 과거 아마존이 워싱턴포스트를 인수한 것과 비슷하지만, AI 기업이 AI에 관한 여론을 다루는 미디어를 소유한다는 점에서 이해충돌 우려도 있습니다.

    Hacker News와 X에서는 “편집 독립성을 정말 보장할 수 있느냐”는 회의적인 반응과, “AI 기업이 자체 미디어를 통해 대중 교육에 나서는 것은 필요하다”는 긍정론이 엇갈리고 있습니다.

    그래서 한국 독자에게 뭐가 달라지나?

    한국에서도 AI 규제 법안과 AI 윤리 논의가 활발해지고 있습니다. OpenAI의 이번 행보는 글로벌 AI 기업들이 단순히 기술만 만드는 것이 아니라, 기술에 대한 사회적 인식까지 관리하려 한다는 신호입니다.

    한국 AI 기업(네이버, 카카오, SK텔레콤 등)도 자사 AI 서비스에 대한 여론 관리 전략을 재점검해야 할 시점입니다. 특히 AI 안전성 논란이 커질수록, 선제적 커뮤니케이션 전략의 중요성이 더욱 높아질 것입니다.

    지금 바로 할 수 있는 것

    1. TBPN 시청해보기: YouTube에서 ‘TBPN’을 검색하면 매일 실시간 테크 토크쇼를 무료로 볼 수 있습니다. 실리콘밸리의 최신 AI 동향을 파악하는 데 유용합니다.
    2. OpenAI 공식 블로그 구독: OpenAI의 전략적 움직임을 직접 확인할 수 있습니다. 새로운 모델 출시뿐 아니라 기업 전략까지 다룹니다.
    3. AI 규제 동향 모니터링: 과학기술정보통신부의 AI 정책 동향을 정기적으로 확인하세요. 한국 AI 규제 방향이 글로벌 트렌드와 어떻게 연결되는지 파악할 수 있습니다.

    관련 글

    출처: TechCrunch, OpenAI 공식 블로그, CNBC, Variety