오픈AI·앤트로픽 IPO 분석: 토큰이 아니라 '하네스'가 1조 달러 가치를 가르는 이유

핵심 메시지

• IPO의 핵심 질문은 '1조 달러 가치가 맞느냐'가 아니라, 두 회사가 지능을 대규모로 싸게 공급하면서 그 위의 '하네스'를 기업이 직접 만드는 대신 빌려 쓰게 만들 수 있느냐다.
• 토큰은 미터로 사는 '원재료 지능'이고, 하네스는 파일·도구·권한·메모리·평가·모델 라우팅·워크플로처럼 그 지능을 실제 일로 바꾸는 모든 것이다. 코덱스와 클로드 코드가 바로 하네스다.
• 200달러 플랜이 막대한 API 가치를 준다는 분석은 오해다. API 가격은 마진이 붙은 소매가일 뿐 실제 서빙 비용과 다르며, 추론 효율 개선으로 비용 곡선을 끌어내리는 전략적 보조금일 수 있다.
• 기업은 '비공개 맥락'이라는 강점이 있어, 랩들은 포워드 배포 엔지니어를 보내 일반 하네스를 회사 맞춤형으로 바꾸고 이를 통해 락인을 만든다. 진짜 락인은 모델이 아니라 워크플로다.
• 개인에게도 가치 있는 능력은 프롬프트가 아니라 '하네스 빌딩'이다. 반복 업무를 명확히 정의하고 올바른 맥락·도구를 연결하며 결과를 검증하고 시스템을 개선하는 능력이 레버리지다.

쉽게 이해하기

네이트 B 존스는 오픈AI와 앤트로픽이 모두 IPO를 향해 가면서 대화가 '이 회사들이 매겨진 숫자만큼 가치가 있느냐'는 한 가지 질문으로 쪼그라들 거라고 본다. 그러나 그는 그게 가장 쓸모없는 출발점이라며, 더 나은 질문은 '공개 시장 투자자가 무엇을 믿도록 요구받는가'라고 말한다. 답은 두 가지를 동시에 해낼 수 있다는 믿음이다. 지능을 대규모로 서빙할 만큼 싸게 만드는 것, 그리고 그 지능을 둘러싼 계층을 빠르게 구축해 기업이 직접 만들지 않고 통째로 빌려 쓰게 하는 것이다.

그는 추상적으로 들리지 않게 토큰과 하네스를 구분한다. 토큰은 미터 단위로 사는 원재료 지능이고, 하네스는 모델이 볼 수 있는 파일, 쓸 수 있는 도구, 가진 권한, 유지하는 메모리, 출력을 검증하는 평가, 싼 모델과 비싼 모델 사이의 라우팅, 그리고 '완료'가 무엇인지 알려주는 워크플로까지 그 지능을 일로 바꾸는 모든 것이다. 코덱스와 클로드 코드가 하네스이며, 기업 내부의 모든 진지한 AI 프로젝트도 결국 하네스 프로젝트라고 본다.

오늘 돌고 있는 한 분석(세미애널리시스로 추정)은 200달러 플랜의 명목 API 가치를 헤비 사용자 기준 오픈AI 1만 4천 달러, 클로드 8천 달러로 추산했다. 흔한 반응은 '돈을 태우고 있다'지만, 발표자는 더 날카로운 해석을 제시한다. API 가격은 내부 비용이 아니라 마진이 붙은 소매가이며, 랩이 추론 효율·라우팅·캐싱·증류·칩 활용을 개선해 같은 하드웨어에서 더 많은 지능을 짜낸다면 200달러 플랜은 비용 곡선을 끌어내리는 동안의 보조금이자 전략일 수 있다는 것이다.

토큰이 싸지면 원재료 지능 자체는 방어하기 어려워지고, 가치는 그 입력을 둘러싸고 만드는 것, 즉 하네스로 옮겨간다. 오픈AI와 앤트로픽은 영원히 API 회사로 남길 원하지 않으며 '작업 표면(work surface)'을 팔고 싶어 한다. 다만 기업에는 랩이 갖지 못한 '비공개 맥락'이라는 큰 강점이 있다. 어떤 문서가 진짜인지, 어떤 승인 단계가 실제로 작동하는지를 랩은 밖에서 알 수 없다.

그래서 '포워드 배포 엔지니어링'이 중요하다. 단순히 컨설팅 회사가 된다는 뜻이 아니라, 사람을 안에 들여보내 워크플로를 매핑하고 도구를 연결해 일반 하네스를 회사 맞춤형으로 바꾸려는 시도다. 성공하면 고객은 토큰을 사는 게 아니라 랩 시스템을 중심으로 업무를 재편하게 되고, 이는 모델이 아니라 워크플로에 묶이는 락인을 만든다. 발표자는 S1이 공개되면 매출·사용자 수보다 헤비 사용자의 서빙 비용이 시간이 갈수록 싸지는지, 사용량이 늘 때 매출총이익이 개선되는지, 고객이 제품 안에서 진짜 워크플로를 만드는지를 보겠다고 말한다.

주요 인사이트

• API 가격을 내부 비용으로 오해하면 안 된다. 70~80% 총마진이 붙은 소매가이므로, 같은 사용량이 랩에 실제로 얼마의 서빙 비용을 발생시켰는지가 진짜 질문이다.
• 진짜 경쟁은 모델 성능이 아니라 '작업 계층(하네스)'의 소유권을 둘러싼 싸움이다. 랩은 모델·인프라·속도를, 기업은 비공개 맥락을 가진 정보 비대칭 구도다.
• 락인은 모델이 아니라 워크플로에서 나온다. 업무가 한 회사의 하네스를 중심으로 재편되면 밑단의 모델이 더 싸거나 좋아도 갈아타기가 어려워진다.
• 재귀적 자기개선(RSI)은 신비로운 지능 폭발이 아니라 '반복 우위'로 보는 게 실용적이다. 더 나은 모델로 코드·평가·라우팅·추론을 더 빨리 개선하면 그 자체가 사업적 강점이다.
• 기업의 전략적 질문은 '오픈AI를 쓸까 앤트로픽을 쓸까'가 아니라 '하네스를 빌릴까 소유할까'다. 하네스 소유는 프런티어 모델 훈련이 아니라 맥락·평가·권한·라우팅 로직을 쥐는 것을 뜻한다.

자주 묻는 질문

관련 AI 소식