OpenAI 2인자 공백이 소규모 개발팀에 묻는 것

리더십 교체가 API 가격표를 바꾼다

소규모 개발팀이 OpenAI 리더십 뉴스에서 챙겨야 할 핵심은 하나다. 공급사 조직이 흔들리면 그 진동이 API 정책으로 전달된다.

Fidji Simo가 OpenAI 2인자 자리에서 물러났다. 공식 설명은 "의료 휴직이 예상보다 길어졌다"는 것. 타이밍이 묘하다. IPO 준비 중이고 Anthropic과의 엔터프라이즈 경쟁이 치열해지는 시점에 운영·수익화 담당 2인자 자리가 통째로 비었다. 주가 움직임이나 지배구조 분석은 투자자들이 할 일이다.

우리가 볼 건 다른 각도다. "우리 개발 파이프라인이 어느 AI 공급사에 얼마나 묶여 있고, 그 공급사가 흔들리면 어떻게 되는가." 단, 이 질문의 답으로 "지금 당장 공급사를 교체하자"는 성급하다. 추상화 계층 없이 교체부터 시도하면 혼란만 두 배가 된다는 걸, 직접 겪고 나서야 알았다.

소수 팀일수록 의존도가 더 깊다

역설적이게도 대기업보다 작은 팀이 AI 도구에 더 깊이 물린다.

대기업은 내부 ML 팀을 두거나 복수 공급사와 계약을 분산한다. SLA를 명문화하고, 하나가 흔들려도 다른 공급사로 트래픽을 전환할 여유가 있다. 2~5명짜리 팀은 그 여유가 없다. 가장 빠르게 쓸 수 있는 한두 개 API에 핵심 워크플로를 올려버리고 거기서 멈춘다. 그게 합리적인 선택이니까.

HEDVION도 그렇다. 콘텐츠 봇 14개가 돌아가는 파이프라인 전체가 Anthropic Claude 위에 올라가 있다. 본문 생성, 자동 검수, 발행 후 리뷰 루프까지. 만약 모델 deprecation 공지가 떨어지거나 가격이 두 배로 오르거나, "소규모 독립 개발자 API 접근"이 상위 플랜 전용으로 전환되면 — 하루아침에 봇 14개 전체가 영향권에 든다.

OpenAI가 IPO를 향해 달리는 지금, 수익 구조 개선의 가장 빠른 경로 중 하나는 소규모 API 이용자 단가 조정이다. 그리고 수익화 담당이던 2인자 자리가 비면, 그 정책 결정이 더 불투명해진다.

수치가 드러내는 압박의 구조

OpenAI의 2026년 초 ARR은 약 100억 달러 수준으로 추산된다. 숫자만 보면 엄청난데, 컴퓨트 비용과 인프라 지출이 그 이상이다. 아직 수익을 내는 사업이 아니다.

IPO를 성공시키려면 마진 개선이 필수다. 비용을 단기에 크게 줄이기 어렵다면 남는 건 가격 인상과 엔터프라이즈 우선 전략이다. OpenAI는 이미 2023년 이후 API 가격을 여러 차례 조정했다. GPT-4 출시 초기 구조와 지금의 구조는 모델 세분화와 복잡한 구간 요금제 측면에서 상당히 달라졌다. 개발자 불만이 터질 때마다 "이전 모델보다 싼 대안 모델"을 내놓는 방식으로 대응해왔는데, 이 패턴이 앞으로도 지속된다는 보장은 없다.

API deprecation 주기도 빨라지고 있다. text-davinci-003은 출시 2년도 안 돼 deprecated됐고, GPT-4 계열 버전 구분도 계속 세분화됐다. 소규모 팀이 "이 모델로 파이프라인 짜면 2년은 가겠지"라고 기대하기 어려운 환경이다.

2인자 공백이 제품에 닿는 경로

C레벨 인사가 개발자한테 무슨 상관이냐고 생각할 수 있다. 경로를 따라가 보면 달라진다.

2인자 공백 → 전략 결정 지연 → API 로드맵 불투명 → 개발팀 계획 수립 불가 → 파이프라인 투자 판단 마비. 이 체인이 작동하는 데 길어야 한두 달이다. Simo는 운영·수익화를 담당했다. 그 자리가 빈다는 건 API 가격 정책과 엔터프라이즈 계약 우선순위 결정권이 임시 체제로 넘어간다는 뜻이다. 임시 체제에서 소규모 개발자 친화적 결정이 나올 가능성은 낮다.

Anthropic은 이 틈을 노린다. 최근 엔터프라이즈 계약을 적극 공략하면서도 독립 개발자 API 접근은 유지하고 있다. 경쟁이 치열할수록 개발자 커뮤니티를 포기하기 아깝다는 인센티브가 공급사 쪽에 생긴다. 당장 공급사를 갈아타라는 게 아니다. 이 경쟁 구도 자체가 소규모 팀에게 협상력이고 선택지라는 얘기다.

우리 팀이라면 지금 이걸 본다

추상화 래퍼가 있느냐 없느냐가 전부를 가른다.

HEDVION은 claude_cli라는 내부 헬퍼로 모든 LLM 호출을 감싸뒀다. 봇 어디서든 claude_complete(user=..., model="claude-haiku-4-5") 한 줄이다. 공급사가 바뀌거나 모델이 deprecated되면 claude_cli.py 내부만 수정한다. 봇 14개 코드는 건드리지 않아도 된다. 이 구조가 없었다면 교체 작업은 14번의 각개 수정이 됐을 것이다.

직접 겪어본 이야기를 하면 — 처음 모델 string을 바꿨을 때 "같은 작업이니 품질 차이 없겠지"라고 생각했는데 틀렸다. 출력 스타일이 미묘하게 달라졌고 기존 프롬프트가 새 모델에서 덜 잘 먹혔다. 프롬프트 재조정에 이틀이 들었다. 추상화 층이 전환 비용을 전부 없애주지는 않는다. 줄여줄 뿐이다.

AI한테 그리스 신 조각상 채색을 맡겼더니 싱글벙글 당황스러운 결과가 나왔다는 밈이 있다. 고대 그리스 조각상이 원래 알록달록하게 채색돼 있었다는 사실을 모르고 백색 대리석 느낌을 기대했다가, AI가 고증대로 화려하게 칠해버린 것이다. AI가 틀린 게 아니다. 기대와 AI가 학습한 맥락이 어긋났을 뿐이다. AI 도구 파이프라인도 마찬가지다. 공급사 정책이 바뀌어 모델 동작이 조용히 달라졌는데 파이프라인이 그걸 감지하지 못하면, 어느 날부터 결과물이 어긋나기 시작하고 원인을 찾는 데만 하루가 사라진다.

지금 바로 써먹을 수 있는 것들

모든 AI API 호출 지점을 래퍼 함수 하나로 모아라. 나머지 코드는 그 함수만 부른다. 지금 당장 공급사를 바꿀 계획이 없어도, 이 구조가 있어야 나중에 선택지가 생긴다. 직접 SDK 호출이 코드베이스 곳곳에 흩어진 상태에서 교체를 시도하면 버그 발생 지점이 두 배다.

모델 이름은 환경변수나 설정 파일로 빼라. "claude-haiku-4-5" 같은 문자열이 코드 안에 박혀 있으면 deprecation 공지가 떴을 때 전체 파일을 grep해야 한다. MODEL_MAIN=claude-haiku-4-5 한 줄이면 된다.

월 API 토큰 사용량과 비용을 지금 당장 트래킹 시작해라. 가격 인상 공지가 떴을 때 "우리 매달 얼마 쓰는지" 즉각 꺼낼 수 없으면 대안 검토 타이밍을 놓친다. 숫자 없이 대응 판단은 불가능하다.

한 달에 한 번, 두 번째 공급사로 동일한 작업을 한 번 돌려봐라. 주력 파이프라인을 교체하라는 게 아니다. "지금 당장 전환하면 어디서 막히는지"를 미리 체감해두는 것이다. 이 실험 자체가 자신의 의존도를 냉정하게 인식하게 만든다.

OpenAI의 다음 2인자가 누가 되든, 그 결정은 수주 안에 API 정책 어딘가에 반영된다. 그게 우리 코드의 어느 지점을 건드리는지, 지금 알고 있어야 한다.

원문: AI News & Artificial Intelligence | TechCrunch