AI 모델의 성능 격차가 빠르게 좁혀지고 있습니다. GPT, Claude, Gemini… 조금씩 다르지만 많은 기업에게 이제 “어느 모델을 쓰느냐”보다 “어떻게 쓰느냐”가 더 큰 고민입니다. OpenAI는 이 변화를 정면으로 인정하고, 전혀 다른 방식으로 대응하기 시작했습니다.
The Decoder가 OpenAI의 새 자회사 ‘DeployCo(공식명: OpenAI Deployment Company)’의 출범을 상세히 분석했습니다. 단순한 API 판매를 넘어 기업 내부 시스템에 직접 파고드는 컨설팅·구현 사업을 본격화하겠다는 선언으로, 40억 달러 이상의 투자를 유치했습니다.
출처: OpenAI’s DeployCo subsidiary adopts Palantir’s playbook, building a moat from workflows no lab can simulate – The Decoder
팔란티어에서 꺼내온 공식
DeployCo의 핵심 운영 모델은 ‘현장 파견 엔지니어(FDE, Forward Deployed Engineer)’입니다. 이 개념은 팔란티어가 2000년대 중반에 만든 방식입니다. 팔란티어의 데이터 분석 플랫폼은 무거운 커스터마이징 없이는 사실상 사용이 불가능했고, 군·정보기관·대기업의 레거시 시스템과 보안 요건을 맞추려면 엔지니어가 직접 현장에 들어가는 수밖에 없었습니다. 그 과정에서 쌓인 노하우가 나중에 제품 기능으로 재탄생했습니다.
OpenAI가 이 구조를 그대로 가져온 이유는 명확합니다. AI 모델은 그 자체로는 추상적인 도구입니다. 실제 비즈니스 가치는 기업의 데이터 파이프라인, 규정 준수 구조, 내부 워크플로우와 결합될 때 비로소 나옵니다. DeployCo의 FDE들은 고객사에 직접 파견돼 진단 단계부터 시작하고, 우선순위가 높은 워크플로우 몇 가지를 골라 단계적으로 프로덕션에 올리는 방식으로 일합니다.
다만 팔란티어와 결정적으로 다른 점이 있습니다. 팔란티어는 거의 단독으로 움직이지만, OpenAI는 TPG, 맥킨지, 베인, 캡제미니 등 총 19개 투자사·컨설팅사 네트워크를 함께 끌어들였습니다. 이 파트너사들의 포트폴리오 기업 2,000곳 이상이 잠재 고객으로 이미 줄을 서 있는 셈입니다.
진짜 해자는 워크플로우 데이터
DeployCo가 만드는 경쟁 우위는 세 겹입니다.
첫째는 수익 구조입니다. 컨설팅·구현 마진이 기존 토큰 매출 위에 쌓이는 구조라, DeployCo가 구축한 시스템은 곧 OpenAI 모델 사용량 증가로 이어집니다.
둘째는 전환 비용입니다. 기업이 핵심 프로세스를 GPT 모델과 OpenAI 전용 아키텍처 위에 올리고 나면, 경쟁사 모델로 갈아타는 건 단순한 구독 변경이 아니라 대규모 IT 재구축이 됩니다.
셋째가 전략적으로 가장 중요합니다. FDE들이 현장에서 마주치는 반복 워크플로우, 통합 실패 사례, 엣지 케이스들은 그 자체로 귀한 피드백 데이터입니다. 이 데이터는 다음 세대 에이전트 모델과 제품화 방향을 결정하는 데 직접 반영됩니다. 현장 운영 조직 없이는 절대 수집할 수 없는 종류의 피드백이죠.
팔란티어가 수십 년에 걸쳐 구축한 것처럼, OpenAI도 모델 성능이 아닌 실전 운영 데이터 축적으로 경쟁자가 따라오기 어려운 구조를 만들려는 겁니다.
모델 상품화 이후의 경쟁
DeployCo는 단순한 새 매출 채널이 아닙니다. 이는 “모든 모델이 비슷해졌을 때 어떻게 고객을 붙잡을 것인가”에 대한 OpenAI의 공식 답변입니다.
Anthropic도 비슷한 방향으로 움직이고 있습니다. 프론티어 모델 경쟁이 한계에 가까워질수록, 승부는 모델 벤치마크가 아니라 고객사 내부에 얼마나 깊이 뿌리내렸느냐로 갈릴 가능성이 높습니다. DeployCo는 그 전환이 오기 전에 먼저 진지를 파놓겠다는 전략입니다.
참고자료:
답글 남기기