프런티어 랩의 다음 사업모델: 토큰에서 일의 완수로
가령 환불 조건을 설명하는 AI와 환불을 끝내 주는 AI는 다른 예산과 경쟁합니다. 앞의 제품에는 더 좋은 검색이나 답변의 가격을 비교합니다. 뒤의 제품에는 고객이 직접 확인하고 연락하고 기다리는 시간까지 비교 대상에 들어갑니다. 물론 환불을 잘못 처리해 사람이 처음부터 다시 해야 한다면, 긴 답변보다 더 비싼 실패가 될 수도 있습니다.
프런티어 랩의 사업을 볼 때도 이 차이가 중요합니다. 구독료와 API 매출에서 연산비를 빼면 무엇이 남는지, 가격 경쟁이 원가 개선을 얼마나 고객에게 돌려주는지는 필요한 질문입니다. 그러나 그 구조가 앞으로도 그대로 유지된다고 가정하면, 모델 회사가 업무를 위임받는 서비스로 확장할 가능성을 놓칠 수 있습니다.
현재 모델 사업의 손익만으로 플랫폼의 잠재력을 평가하기에는 부족합니다. 다만 그 잠재력이 누구의 매출과 이익이 되는지는 별도로 증명해야 합니다. 사용자가 처음 일을 맡기는 접점, 계정과 도구를 움직이는 권한, 모델과 연산 자원, 결제와 사후 처리를 맡는 사업자가 모두 같은 회사일 필요는 없기 때문입니다.
이 글의 기준일은 2026년 10월 10일입니다. 제품·가격·계약에 관한 사실은 아래 공식 자료에 근거하며, 미래 수익성과 경쟁 구도는 이를 바탕으로 한 분석입니다. 회사가 발표한 계획을 이미 실현된 매출이나 가동 용량으로 취급하지 않습니다.
구독과 종량제는 이미 함께 쓰이고 있습니다
에이전트 서비스가 등장한다고 토큰 과금이 곧 사라지는 것은 아닙니다. 구독으로 기본 접근권을 사고, 더 많은 일을 처리할 때 추가 사용료를 내는 방식이 쓰입니다. 기업용 좌석 계약에 실제 업무량에 따른 비용을 더하는 구조도 있습니다.
OpenAI는 개인 요금제에서 지원되는 기능의 포함 사용량을 소진한 뒤 크레딧을 구매하는 방식을 안내합니다. 적용 기능과 이용 가능 여부는 요금제·계정에 따라 다릅니다. 모든 ChatGPT 이용이나 모든 외부 서비스에 동일하게 적용되는 크레딧은 아닙니다. Claude Enterprise의 공개 가격은 연간 결제 기준 월 좌석당 20달러이며, 사용량은 API 요율로 별도 청구하는 구조입니다. OpenAI 크레딧 안내 · Claude 가격
이 구조에서는 추가 사용량에 과금하므로 업무량이 늘면 종량제 매출도 늘어납니다. 그러나 사용량 증가와 가격 결정력은 다릅니다. 같은 업무를 다른 서비스가 더 싸게 끝낸다면, 고객에게는 모델을 바꾸거나 여러 모델을 조합할 이유가 생깁니다. 추가 토큰이 추가 가치로 연결되지 않으면 종량제 매출도 오래 유지되기 어렵습니다.
따라서 다음 사업모델은 구독·종량제·업무별 과금·부가서비스가 함께 존재하는 형태일 수 있습니다. 핵심 변화는 청구서의 단위보다 고객이 돈을 내는 이유에 있습니다. 더 많은 답변을 얻으려는지, 더 많은 일을 맡기려는지에 따라 서비스의 경쟁 상대와 원가 구조가 달라집니다.
비교할 예산은 소프트웨어 비용에서 사람의 시간으로 넓어집니다
에이전트가 실제 업무를 끝낸다면 고객은 기존 소프트웨어 구독료뿐 아니라 직접 투입하던 시간, 외주비, 지연 때문에 발생하던 손실과도 가격을 비교하게 됩니다. 그렇다고 전체 인건비가 곧바로 프런티어 랩의 시장이 되는 것은 아닙니다. 사람이 맡던 업무 중 어디까지 위임할 수 있고, 남은 검토와 예외 처리가 얼마나 드는지가 먼저 확인되어야 합니다.
Anthropic의 2026년 6월 Economic Index는 Claude Code와 Cowork에서 장시간 이어지는 에이전트 업무의 증가를 관찰했습니다. 더 많은 연산을 쓰는 작업이 추정상 더 높은 가치의 산출물과 연결되는 경향도 제시합니다. 그러나 이는 회사가 관찰한 이용과 추정 가치의 관계입니다. 고객의 실제 지불 의사나 공급자의 이익을 측정한 결과로 읽어서는 안 됩니다. Anthropic Economic Index, 2026년 6월
OpenAI의 GDPval도 같은 경계를 보여줍니다. 44개 직업의 경제적 업무를 평가하지만, 초기 평가에는 한 번의 결과물 생성이라는 제한이 있습니다. 회사가 제시한 추론 시간과 API 비용 비교에는 실제 직장의 사람 감독, 반복 수정, 시스템 통합 비용이 포함되지 않습니다. 좋은 결과물을 만드는 능력과 운영 현장에서 일을 끝내는 경제성은 연결되어 있지만 같지는 않습니다. OpenAI GDPval
여기서 제시하는 가설은 구체적입니다. 더 어려운 일을 맡길수록 고객이 얻는 가치가 커지고, 그 가치 증가가 추가 비용보다 크다면 더 높은 지출을 설득할 근거가 생깁니다. 반대로 사람의 재확인 시간이 그대로인데 연산만 늘어난다면, 고도화된 서비스라는 이름만으로 더 큰 예산을 가져오기는 어렵습니다.
성공한 업무당 이익에는 실패한 시도의 비용도 들어갑니다
에이전트 업무에는 모델 호출 외에 검색과 도구 실행이 들어갑니다. 결과를 확인하고 실패한 단계를 다시 시도하는 과정도 필요합니다. 고객 지원이나 사람의 개입이 필요한 경우도 있습니다. 토큰 가격이 낮아져도 이런 과정 전체의 비용이 함께 낮아진다는 보장은 없습니다.
따라서 서비스의 경제성을 볼 때는 고객이 수용한 완료 업무를 분모로 삼을 필요가 있습니다. 다음은 특정 회사의 공시 지표가 아니라, 같은 기간·같은 업무 집단을 비교하기 위한 분석식입니다.
수용된 완료 업무당 서비스 공헌이익 = (해당 업무 집단의 매출 − 전체 시도의 운영비 − 공급자가 부담한 사람 비용 − 파트너 배분액) ÷ 고객이 수용한 완료 업무 수
전체 시도에는 성공뿐 아니라 실패·중단·재시도도 포함합니다. 운영비에는 추론, 검색과 외부 도구, 실행 환경, 지원과 복구 비용 등을 넣어야 합니다. 매출을 이미 파트너 배분 후 금액으로 잡았다면 배분액을 다시 차감하지 않아야 합니다. 구독 매출을 여러 업무에 나눌 때는 배분 기준도 일관되게 적용해야 합니다.
고객이 부담한 검토 시간은 공급자의 손익에는 직접 잡히지 않습니다. 그래도 고객의 총비용과 지불 의사를 바꾸므로 함께 측정해야 합니다. 이 식의 서비스 공헌이익은 연구개발비, 본사 비용, 자금조달 부담까지 반영한 회사 전체 이익과도 구분해야 합니다.
토큰 사용량과 매출이 함께 증가한다는 관찰만으로는 부족합니다. 동일한 업무에서 완료율은 높아지는지, 예외 처리와 사람의 확인 시간은 줄어드는지, 고객이 반복해서 더 많은 비용을 지불하는지를 함께 봐야 합니다. 이전 글: AI 가격은 수용 가능한 결과의 비용으로 비교해야 합니다
좋은 경로는 더 가치 있는 일을 맡으면서 완료 업무당 총비용이 내려가는 것입니다. 어려운 경로는 성능 개선에 더 많은 연산이 필요하지만 고객의 효용은 충분히 늘지 않고, 원가 절감의 대부분도 가격 경쟁으로 넘겨주는 경우입니다. 사용량 그래프만으로는 이 두 경로를 구별하기 어렵습니다.
광고는 실제 사업이 됐지만 모든 랩의 공통 해답은 아닙니다
OpenAI의 광고는 이제 가정만은 아닙니다. 2026년 5월 5일 회사는 광고 셀프서비스의 베타 제공 확대, 클릭당 과금 방식, 전환 측정 도구를 발표했습니다. 10월 5일에는 측정 파트너와 도구를 확대했으며, 지역별 실험을 통한 광고의 인과적 효과 측정은 아직 초기 단계라고 밝혔습니다. OpenAI 광고 구매 방식 · OpenAI 광고 형식과 측정
같은 10월 발표의 이미지 광고는 미국에서 그달 말 테스트를 시작할 계획입니다. 10월 10일 기준으로는 새 형식의 테스트를 예고한 상태입니다. 기존 광고의 운영과 새 형식의 출시 계획은 구분해야 합니다.
사업 측면에서 중요한 것은 광고를 클릭한 사람에게 매출이 잡혔다는 사실만이 아닙니다. 광고가 없었다면 발생하지 않았을 추가 구매를 만들었는지, 광고주가 비용을 늘려도 효율이 유지되는지, 서비스가 얻는 수입이 운영비와 신뢰 훼손 가능성을 넘어서는지가 중요합니다. 회사와 측정 파트너의 초기 사례는 이 질문의 출발점이지 시장 전체의 검증을 대신하지 않습니다.
Anthropic은 2026년 2월 4일 Claude를 광고 없이 운영하겠다는 노선을 발표했습니다. 동시에 사용자를 돕는 거래 기능의 가능성까지 닫지는 않았습니다. 광고 수익화, 유료 구독, 거래 지원은 각 회사가 다르게 조합할 수 있는 선택지입니다. Anthropic의 광고 없는 Claude 방침
사용자가 비서에게 더 깊은 목적과 제약을 맡길수록 상업적 추천의 가치는 커질 수 있습니다. 그만큼 이해상충도 커집니다. 지출을 줄이려는 사용자에게 구매하지 않는 선택을 도울 수 있는지, 취소와 환불처럼 당장의 거래액을 줄이는 일도 잘 처리하는지가 장기적인 신뢰를 가를 수 있습니다.
거래를 연결하는 것과 결제 수수료를 가져가는 것은 다릅니다
상품 발견, 구매 결정, 결제 실행, 주문과 환불 처리는 서로 다른 역할입니다. 에이전트가 그 과정을 매끄럽게 연결하더라도 모든 단계의 경제적 가치를 가져오는 것은 아닙니다. 고객을 데려오는 유통 수입, 결제를 처리하는 수입, 가맹점이 제공하는 서비스의 이익을 분리해야 합니다.
OpenAI는 2026년 3월 24일 초기 Instant Checkout이 충분한 유연성을 제공하지 못했다고 설명하며, 판매자가 자신의 결제 경험을 사용하도록 하고 ChatGPT에서는 상품 발견에 더 집중하는 방향을 발표했습니다. 이를 모든 거래 기능의 철회로 읽을 필요는 없지만, 결제까지 한곳에서 장악하는 경로가 이미 정해졌다는 근거로도 쓰기 어렵습니다. OpenAI 상품 발견과 결제 방향
Visa는 6월 10일 OpenAI와의 협력을 발표하며 사용자 승인, 지출 한도, 결제 정보의 토큰화와 위험 관리 등을 다뤘습니다. 협력 발표는 이런 구조를 함께 구현하려는 근거입니다. 광범위한 거래 규모나 OpenAI에 귀속되는 결제 수수료를 검증한 실적 자료는 아닙니다. Visa와 OpenAI의 협력 발표
결제 버튼을 대신 누르는 능력 뒤에는 중복 결제 방지, 취소 조건 확인, 배송과 환불 책임이 남습니다. 수익모델을 판단하려면 판매자와 결제사업자가 수익을 나눌 이유를 알아야 합니다. 그 수입에서 서비스가 부담하는 지원과 사고 비용을 빼야 경제성이 드러납니다.
따라서 광고, 결제, 부가서비스를 하나의 확정된 미래 매출로 합치면 안 됩니다. 광고는 이미 운영 중인 사업입니다. 거래 지원은 제품 방향이 조정되는 단계이고, 결제 협력의 장기 수익 배분은 더 확인해야 합니다. 이전 글: Instinct가 노리는 거래의 첫 접점
컴퓨트 확보는 서비스 경쟁의 조건을 바꾸지만 유통을 없애지는 않습니다
더 복잡한 업무를 안정적으로 처리하려면 연산 자원이 필요합니다. 수요가 공급보다 크면 사용 한도를 낮추거나, 응답이 느려지거나, 더 비싼 자원으로 처리해야 할 수 있습니다. 충분한 컴퓨트를 확보한 사업자가 고도화된 서비스를 더 빨리 확장할 가능성은 있습니다.
그러나 여기서 컴퓨트를 확보했다는 말부터 분해해야 합니다.
| 구분 | 무엇을 뜻하는가 | 확인해야 할 것 |
|---|---|---|
| 소유권 | 칩·설비 등 자산을 보유 | 실제 소유자와 유지·감가 부담 |
| 사용권 | 계약으로 자원을 사용할 권리 확보 | 우선순위, 가격, 기간, 공유·전용 조건 |
| 가동 용량 | 현재 실제로 사용할 수 있는 자원 | 지역, 전력·네트워크 제약, 학습·추론 배분 |
| 미래 계약 | 이후 공급될 용량이나 장기 구매 약정 | 공급 일정, 조건, 의무 지출과 미사용 위험 |
이 네 가지는 대체할 수 있는 숫자가 아닙니다. 미래 계약의 최대 규모를 오늘의 가동량으로 쓰거나, 클라우드 사용권을 랩이 소유한 칩으로 표현하면 경쟁 구도를 잘못 읽게 됩니다.
Anthropic의 2026년 4월 20일 발표는 좋은 사례입니다. 회사는 AWS 기술에 향후 10년간 1,000억 달러 이상을 쓰기로 약정하고, Claude의 학습과 운영을 위한 최대 5GW의 새 용량을 확보하는 계약을 발표했습니다. 이는 발표 시점에 모두 가동 중인 자산이나 이미 집행된 비용을 뜻하지 않습니다. 같은 발표에서 당시 100만 개 이상의 Trainium2 칩을 사용 중이라고 설명한 것은 별도의 현재 사용 지표입니다. Anthropic·Amazon 컴퓨트 계약
더 중요한 반례는 그 용량의 유통입니다. Anthropic은 추가 용량을 Amazon Bedrock의 Claude에도 사용한다고 명시했습니다. 발표 당시 Bedrock에서 Claude를 쓰는 고객 수는 10만 이상이라는 회사 설명도 있습니다. 랩이 확보한 컴퓨트가 클라우드의 고도화된 서비스 유통에도 쓰일 수 있습니다. 랩의 용량 확보와 빅테크의 유통 확대는 배타적인 현상이라고 보기 어렵습니다.
희소한 자원과 높은 모델 성능은 협상력을 만들 수 있습니다. 그러나 그것이 어느 계약에서 누구의 마진으로 남는지, 학습과 추론 중 어느 쪽에 얼마를 배분하는지, 고객이 실제 사용하는 지역에서 서비스가 가능한지는 추가로 확인해야 합니다. 장기 공급 약정은 성장의 기반인 동시에 수요가 예상보다 작을 때 부담이 될 수도 있습니다.
빅테크는 모델을 사서 붙이는 유통사만은 아닙니다
Google은 자체 모델 연구와 TPU, 클라우드, 소비자 접점을 함께 갖고 있습니다. Alphabet의 2026년 2분기 발표는 이 통합 구조를 설명하면서도 모델 수요에 비해 공급이 제약된 상태라고 밝혔습니다. 자체 랩과 칩이 있어도 공급 제약은 생길 수 있고, 공급 제약이 있다고 자체 랩과 유통의 결합이 사라지는 것도 아닙니다. Alphabet 2026년 2분기 발표, 7월 22일
Microsoft의 7월 29일 FY2026 4분기 발표도 두 층을 보여줍니다. 회사는 수요가 가용 공급을 넘는다고 설명하는 한편, 연초 대비 Copilot 업무 처리량이 네 배가 됐고 여러 모델 공급자를 쓰는 고객이 다섯 배로 늘었다고 밝혔습니다. 에이전트를 운영하는 실행 환경에서 맥락·기억·행동을 관리하는 역할과 모델 자체의 역할도 구분합니다. 이는 회사가 발표한 지표이며, 개별 랩이나 Copilot의 이익률을 뜻하지 않습니다. Microsoft FY2026 4분기 실적 발표
이 사례들을 놓고 보면 경쟁을 프런티어 랩 대 빅테크로만 나누기는 어렵습니다. 한 회사가 자체 모델을 만들면서 외부 모델도 공급할 수 있고, 다른 회사는 여러 모델 위에서 기업의 계정·데이터·권한을 관리할 수 있습니다. 랩 역시 자체 서비스로 고객을 만나면서 클라우드 유통을 사용할 수 있습니다.
결국 별도로 볼 것은 지능을 만드는 능력, 그 지능으로 일을 실행하는 능력, 고객이 먼저 일을 맡기고 비용을 지불하는 관계입니다. 이 능력과 관계가 한 회사에 모이면 사업의 경쟁력이 커집니다. 서로 다른 회사에 나뉘면 성능과 사용량 증가의 이익도 나뉩니다. 이전 글: 메타 뮤즈의 유통과 거래 접점
위임 관계는 경쟁력이 될 수 있지만 연결만으로 완성되지는 않습니다
반복해서 일을 맡기면 선호, 제약, 승인 범위와 예외 처리 이력이 쌓입니다. 이 이력이 완료율을 높이고 사용자의 확인 부담을 줄인다면, 같은 모델을 쓰는 서비스 사이에서도 차이가 생길 수 있습니다. 처음 맡기는 업무에서 끝내는 업무로 이어지는 관계는 단순한 방문자 수보다 중요한 자산이 될 수 있습니다.
그러나 이력이 쌓인다는 사실만으로 고객을 붙잡을 수는 없습니다. 데이터와 도구가 다른 서비스로 이동하기 쉽거나, 기업이 특정 공급자 의존을 피하려 하면 전환 비용은 낮아질 수 있습니다. Anthropic이 공개한 MCP는 AI와 데이터·도구를 연결하는 개방형 표준입니다. 이런 연결은 전체 에이전트 시장을 넓히면서 개별 연결 기능의 희소성은 낮출 수 있습니다. 후자는 표준의 사업적 효과에 관한 해석이며, 발표가 입증한 시장 결과는 아닙니다. Anthropic MCP 발표
OpenAI의 크레딧 안내에는 자격을 갖춘 파트너 서비스와 구독 사용량을 공유하는 기능도 있습니다. 공유는 처음에는 꺼져 있고 사용자가 선택해야 합니다. 모든 외부 서비스에 구독이 개방된 것은 아닙니다. 다만 구독 관계가 여러 실행 접점으로 이어지는 경로가 생겼다는 의미는 있습니다. OpenAI의 파트너 사용량 공유 안내
시장이 커져도 랩의 직접 서비스가 모든 관계를 가져갈 필요는 없습니다. 사용자가 일을 처음 맡기는 곳이 업무 소프트웨어나 전문 에이전트라면, 모델은 그 뒤에서 교체될 수 있습니다. 반대로 랩의 서비스가 목표와 맥락을 유지하고 여러 도구를 조합한다면 고객 관계를 더 많이 가져올 수 있습니다. 어느 방향인지는 실제 반복 위임과 지출의 이동으로 확인해야 합니다.
기회는 업무 완수와 운영의 빈틈에 있습니다
VC 관점에서 볼 기회도 범용 비서의 최종 승자를 고르는 일에만 있지는 않습니다. 특정 업무에서 고객이 수용할 결과를 반복적으로 만들거나, 여러 모델과 도구를 안전하게 운영하거나, 거래 이후의 책임을 처리하는 사업이 성장할 수 있습니다.
| 영역 | 고객이 비용을 낼 수 있는 이유 | 먼저 확인할 증거 |
|---|---|---|
| 특정 업무를 끝내는 서비스 | 업무 지식·처리 이력·예외 대응이 결과를 개선 | 동일 품질에서 완료율과 총비용 우위, 반복 유료 사용 |
| 실행·검증·권한 관리 | 여러 모델과 도구의 운영 부담을 줄임 | 고객의 사람 개입·실패 비용 감소, 대체 난도 |
| 거래와 사후 처리 | 승인·결제·취소·환불을 일관되게 처리 | 책임과 수익 배분, 사고·지원 비용을 포함한 이익 |
이것은 이미 모든 영역에서 검증된 수익모델이라는 뜻이 아닙니다. 단순한 연결 기능은 표준이나 기존 플랫폼에 흡수될 수 있고, 업무 소프트웨어와 클라우드 사업자도 같은 문제를 해결할 수 있습니다. 고객에게 돌려주는 결과와 공급자가 가져가는 이익 사이의 간격을 좁힌 곳이 경쟁력을 가질 가능성이 있습니다.
프런티어 랩이 이런 시장으로 확장할 가능성과, 그 가능성이 현재 기업가치나 앞으로 필요한 자금을 정당화하는지는 다른 질문입니다. 성장에 필요한 추가 자본, 장기 인프라 약정, 파트너와의 수익 배분에 따라 같은 서비스 성과도 자본 제공자에게 돌아가는 결과가 달라질 수 있습니다. 플랫폼의 가능성을 인정하는 것과 그 가치를 미리 확정하는 것은 분리해야 합니다.
가설을 바꿔야 할 증거도 함께 봐야 합니다
프런티어 랩의 다음 사업모델을 판단하려면 사용량 증가보다 다음 변화가 중요합니다.
- 고객이 더 가치 있는 일을 반복해서 맡기고, 그 결과에 더 많은 비용을 지불하는가.
- 실패와 사람의 개입까지 포함한 완료 업무당 총비용이 낮아지는가.
- 모델 간 가격 경쟁이 심해져도 고객 관계를 가진 서비스에 이익이 남는가.
- 광고가 추가 수요를 만들고, 거래 수입은 지원·사고 비용을 넘는가.
- 서비스의 개선이 연구개발·인프라·본사 비용까지 포함한 사업의 개선으로 이어지는가.
반대로 사용량은 늘지만 완료율이 개선되지 않거나, 추가 지출을 연산비가 대부분 가져가거나, 고객 접점이 다른 사업자에게 남는다면 랩의 플랫폼 가설은 낮춰 봐야 합니다. 광고가 위임의 신뢰를 훼손하거나 장기 공급 약정이 수요보다 빠르게 커지는 경우도 마찬가지입니다.
현재 구독과 API의 손익은 중요한 출발점입니다. 그러나 에이전트가 일을 완수하고 다른 서비스를 조합하는 접점이 된다면, 오늘의 모델 판매에서 보이지 않는 수익 구조가 생길 수 있습니다. 동시에 그 수익은 랩, 클라우드, 업무 소프트웨어, 판매자와 결제사업자 사이에 나뉠 수 있습니다.
다음 질문은 누가 더 많은 토큰을 파는가에서, 누가 사용자의 일을 맡고 끝내며 그 과정의 이익을 가져가는가로 넓어져야 합니다. 컴퓨트는 그 일을 가능하게 하는 조건입니다. 고객 관계와 이익의 귀속은 그 위에서 다시 경쟁해야 할 문제입니다.
자료와 해석의 범위
공식 제품 안내, 회사 발표와 실적 발표를 2026년 10월 10일 기준으로 확인했습니다. 가격과 기능은 요금제·계정·지역·계약에 따라 달라질 수 있습니다. 4월 Anthropic·AWS 계약의 미래 용량과 당시 사용량, 10월 OpenAI 광고의 기존 운영과 새 형식의 테스트 계획을 구분했습니다. 회사가 제시한 이용·처리량·고객 수는 회사 설명으로 귀속했으며, 독립적으로 감사된 수익성 지표로 취급하지 않았습니다.
완료 업무당 공헌이익 식, 컴퓨트 구분, 경쟁 구도와 사업 기회, 가설을 바꿀 조건은 이 글의 분석입니다. 특정 회사의 내부 손익이나 미래 수익을 계산한 결과가 아닙니다. 제3자의 장문 인용 대신 해당 자료를 요약하고 원문을 연결했습니다.
개인적인 산업·사업 분석입니다. 소속 기관의 공식 견해나 특정 금융상품에 대한 투자 권유가 아닙니다.