TechCrunch가 OpenAI를 취재해 내부와 외부를 나란히 비교한 수치를 내놓았다. 올해 6월 기준 OpenAI 사내에서는 직원의 98%가 Codex를 사용해본 적이 있다. 반면 사외에서는 조직 구독자 중 에이전트형 도구를 쓰는 비율이 17%에 그치고, 개인 구독자로 좁히면 1% 미만으로 떨어진다. 기준점으로 보면 ChatGPT의 프롬프트 이용자는 이미 10억 명을 넘었고, 데스크톱 앱 설치 건수는 2000만 건에 달한다.
에이전트를 차세대 제품 형태로 보는 회사에서, 직원은 거의 전원이 쓰고 고객은 거의 아무도 안 쓴다. 이 간극은 어떤 벤치마크보다도 에이전트가 지금 어디서 막혀 있는지를 잘 보여준다.
코딩 밖에는 채점 기준이 없다
엔지니어에게는 에이전트를 판단할 타고난 기준이 있다. 코드가 돌아가는지, 테스트를 통과하는지, PR이 머지되는지다. 작업 성공 여부는 이진법이고, 사용자가 다시 쓸지는 첫 번째 사용에서 실제로 시간을 절약했는지에 달려 있다. 사무직 업무에는 이런 판정 기준이 없다. 고객 보고서가 잘 쓰였는지, 일정이 제대로 정리됐는지는 결국 사람이 다시 확인해야 하고, 그 '다시 확인'이라는 과정 자체가 에이전트가 절약해준 시간을 갉아먹는다.
"Everything is coding agent shaped...the reason is that they only have training data for coding agent tasks."
모든 에이전트가 코딩 에이전트처럼 생긴 이유는, 업체들이 가진 학습 데이터가 코딩 작업용뿐이기 때문이다.
Pi의 개발자 Mario Zechner가 한 말인데, 이 말은 흔한 설명을 뒤집는다. 업체들이 개발자를 편애해서가 아니라, 밀도 높은 지도 신호가 애초에 코드 영역에만 존재하기 때문이라는 것이다. GitHub에는 '변경 → 테스트 → 머지'라는 공개 기록이 수십억 건 쌓여 있고, 각 기록마다 정답·오답 라벨이 자동으로 따라붙는다. 사무 업무에는 이에 해당하는 말뭉치가 없고, 아무도 라벨을 달아주지 않는다. 에이전트가 회의록 하나를 독자적으로 완성할 수 있게 훈련시키려면 먼저 수천만 건의 좋은 회의록과 나쁜 회의록을 늘어놓아야 하는데, 지금 이 작업을 하는 곳은 어디에도 없다.
권한이라는 문턱은 생각보다 높다
데스크톱 앱 수석 엔지니어 Andrew Ambrosino는 한 가지 우려를 꼽는다. 에이전트에 문서 작성을 맡기면, 그 과정에서 우연히 본 개인 채팅 기록 속 내용을 슬쩍 옮겨 적을 수도 있다는 것이다. 에이전트가 실무를 하게 하려면 이메일, 캘린더, 파일, 채팅 도구의 읽기·쓰기 권한을 넘겨줘야 한다. 사람들이 안심하고 그 권한을 넘기게 하려면, 제품이 먼저 '무엇을 볼 수 있고 무엇을 볼 수 없는지'를 분명히 밝혀야 한다. 이 설계 비용은 도구 연동을 하나 더 붙이는 것보다 훨씬 크다.
OpenAI 내부에서도 이 문제에 대한 의견은 갈린다. harness를 담당하는 엔지니어링 리드 Joe Gershenson은 이렇게 솔직히 말한다. "The honest answer is that I really don't look at the harnesses that they're building."(솔직히 말하면 다른 사람들이 만들고 있는 harness를 잘 들여다보지 않는다는 것이다.) 핵심 제품을 이끄는 Thibault Sottiaux의 말은 오히려 강령에 가깝다. "It's the very mission of OpenAI — to bring everyone along."(모두를 함께 데려가는 것, 그것이야말로 OpenAI의 사명이다.)
보조금으로는 10억 명을 감당 못 한다
아직 맞아떨어지지 않는 계산도 있다. TechCrunch가 든 예로, 한 사용자가 나흘 동안 토큰 8000만 개를 소진했는데, 공개 가격으로 대략 환산하면 비용이 약 65달러다. 그런데 이 사용자가 내는 돈은 월 20달러 구독료다. 개발자 시장에서는 이런 역마진을 견딜 만하다. 지불 의향이 높고, 잔존율이 좋고, 상한선도 뚜렷하기 때문이다. 같은 역마진을 10억 명 규모의 일반 사용자에게 넓히면, 저절로 벌어지는 구멍이 된다.
OpenAI의 대응은 단가를 낮추는 쪽이다. 예를 들어 Luna 모델 이용자에게는 가격을 80% 내렸다. 가격이 한 단계 내려가면 1인당 이용량은 대체로 더 빨리 늘어나기 때문에, 이 계산은 결국 모델 효율이 따라잡아야 맞아떨어진다. 지금 ChatGPT Plus의 5시간 사용 제한은, 효율이 따라잡기 전까지 규칙으로 일단 막아두는 장치에 가깝다. 기업 고객 쪽은 더 직접적인 방법을 쓴다. 좌석 수로 등급을 나누고, 대량 이용자에게는 별도 가격을 매기고, 비용을 계약서에 명시한다. 개인 구독 쪽에는 이런 여지가 없다. 월 20달러라는 심리적 가격선이 이미 정해져 있고, 한 단계 올리면 그만큼 이용자가 빠져나간다.
반걸음 앞선 상태
경쟁 구도는 올해 들어 두 번 뒤집혔다. Claude Code가 2026년 4월까지 뚜렷하게 앞섰고, 그 후 Codex가 근소한 우위를 되찾았다. 코딩이라는 장면에서 둘의 격차는 이제 개별 과제 단위로 봐야 겨우 구분될 만큼 좁혀졌고, 다음 라운드의 승부처는 분명히 거기가 아니다. 코드를 쓰지 않는 나머지 99%를 먼저 쓰게 만드는 쪽이, 이 시장을 수백만 개발자 규모에서 10억 명 규모로 바꿔놓는다.
98%에서 1%로 이어지는 이 거리는 모델 성능의 문제가 아니다. 이를 메우려면 '권한 스코프'라는 말조차 들어본 적 없는 사람이 스스로 알아서 돌아가는 프로그램에 자신의 메일함을 넘겨줄 마음을 먹어야 하고, 그 프로그램이 일을 마친 뒤에도 한 줄 한 줄 확인하지 않아도 되어야 한다. 권한 부여, 실행, 그리고 확인 생략 — 이 셋 중 아직 제대로 자리잡은 것은 하나도 없다.
참고 출처: OpenAI 팀 취재를 바탕으로 한 TechCrunch 보도, CocoLoop, OpenAI 공식 가격 페이지. 내외부 이용 비율, 데스크톱 앱 설치 건수, 토큰 비용 수치는 원 보도와 공개 가격을 기준으로 대조했으며, 비용 환산은 개략적 추정임을 밝힌다.