Coding-agent use at OpenAI is doubling roughly every month

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Epoch AI의 분석에 따르면, OpenAI 연구원의 코딩 에이전트 사용량은 API 정가로 환산했을 때 최근 중앙값 기준 34일, 90백분위 기준 27일마다 두 배로 증가했다.

📌 핵심 요약

• OpenAI가 2026년 9월 공개한 자료에서 연구원의 일일 코딩 에이전트 사용량을 API 정가로 환산한 주간 평균은 중앙값 기준 1월 1달러 미만에서 8월 중순 601.25달러로 증가했고, 같은 시점의 90백분위 값은 7,047.13달러였다.
• Epoch AI는 두 시계열 모두에서 기울기가 한 번 바뀌는 지수 추세 모형을 선호했다. 최근 월간 증가 배율은 중앙값 1.8배, 90백분위 2.2배이며, 두 배 증가 시간은 각각 34일과 27일로 추정했다.
• 사용량은 2026년 9월 3일의 API 정가로 평가했으며 OpenAI의 실제 내부 비용을 뜻하지 않는다. 연구 조직의 폭넓은 구성원을 대상으로 대화형 사용을 집계했고, Codex exec 같은 프로그램 방식 자동화는 제외해 전체 코딩 에이전트 사용을 모두 포괄하지는 않는다.
• 연 260일 근무를 가정하면 마지막 주의 사용 수준은 중앙값 약 16만 달러, 90백분위 약 200만 달러에 해당한다. 최근 증가 추세가 1년 더 이어지는 조건부 시나리오에서는 연간 환산 규모가 각각 약 1억 8,500만 달러와 23억 달러에 이르러, 원문은 이러한 성장의 지속 가능성이 낮다고 평가한다.
• 자료는 OpenAI의 자체 보고로 독립 검증이 불가능하며, 매일 산출하는 중앙값과 90백분위는 동일한 연구원 집단을 추적하지 않는다. 초기 중앙값 상승에는 도입 확산과 사용 강도 증가가 함께 반영되며, 최근 증가율은 분석 설정 변화에 비교적 안정적이지만 전환 시점과 초기 증가율은 덜 견고하다.

🧩 주요 포인트

1. 초기의 급격한 증가 이후에도 월 1.8배·2.2배 성장 유지 → 증가 속도는 둔화했지만 코딩 에이전트 사용 확대는 계속됨.
2. API 정가 환산과 일부 사용만 포함한 집계 → 사용 규모와 증가 추세를 보여주지만 실제 내부 비용이나 전체 사용량으로 해석하기에는 제약이 있음.
3. 변동하는 연구원 집단과 조건부 연간 환산 → 개인별 사용 변화와 장기 성장 지속 가능성을 판단할 때 통계 구성과 가정을 함께 고려해야 함.

🧠 상세 정리

1. 1월부터 8월까지의 사용 확대

Epoch AI는 OpenAI가 2026년 9월 공개한 글을 바탕으로 연구원의 코딩 에이전트 사용이 얼마나 빠르게 늘었는지 분석했다. 일일 사용량을 API 정가로 환산한 주간 평균에서 중앙값은 1월 첫 두 주에 0달러였고, 1월 25일 종료 주에도 0.51달러였으나 8월 15일 종료 주에는 601.25달러에 도달했다. 90백분위 값은 1월 4일 종료 주의 1.95달러에서 마지막 주의 7,047.13달러로 증가해 중앙값보다 훨씬 높은 사용 수준을 보였다. 두 시계열은 1월의 첫 양수 값부터 8월 중순까지 각각 수천 배 증가했지만, 개별 주에는 하락하거나 정체한 구간도 있었다. 따라서 약 한 달마다 두 배라는 표현은 모든 주의 관측값이 일정하게 증가했다는 뜻이 아니라, 주간 자료에 적합한 추세의 최근 증가 속도를 요약한 것이다.

2. 가격 환산 방식과 집계 범위

OpenAI는 사용량을 2026년 9월 3일의 소매 API 가격으로 평가하면서 내부 배포와 가장 유사한 처리 등급을 적용했다. 내부 모델이나 출시 전 모델에는 가장 가까운 출시 모델의 가격을 대응시켰으며, 일반적으로 최종 출시 체크포인트를 기준으로 삼았다. 여기서 연구원은 연구 조직 구성원을 폭넓게 뜻하므로 연구 인프라를 구축하거나 연구 프로젝트를 관리하는 직원도 포함된다. 집계는 대화형 사용에 해당하는 제품 사용 경로를 대상으로 하며, Codex exec 같은 프로그램 방식 자동화는 제외되어 대부분의 코딩 에이전트 사용을 다루지만 전부를 포괄하지는 않는다. 각 주의 값은 매일 계산한 중앙값과 90백분위 값을 주간 평균한 것으로, 해당 사용이 없는 연구원도 일일 백분위 계산에 포함하고 전사 휴일은 주간 평균에서 제외했다. Epoch AI는 마지막 불완전한 주를 포함해 양수인 모든 주를 분석했으며, 중앙값의 첫 두 주는 0의 로그가 정의되지 않아 제외했다.

3. 전환점을 반영한 증가 추세 분석

Epoch AI는 OpenAI의 첫 두 그래프에 내장된 데이터를 추출한 뒤, 각 시계열의 로그 값에 단순 선형 추세와 전환점 하나를 갖는 연속 구간별 선형 추세를 적합했다. 각 구간에는 최소 다섯 관측값이 필요하도록 했고, 전환점의 관측값은 양쪽 구간에 모두 포함했으며, 추가 기울기와 전환점 추정에 벌점을 주는 베이지안 정보 기준인 BIC로 모형을 비교했다. 중앙값의 BIC는 단순 모형 67.0에서 전환점 모형 32.6으로, 90백분위는 49.4에서 27.5로 낮아져 두 경우 모두 전환점 모형이 선택됐다. 중앙값의 월간 증가 배율은 전환 전 6.3배에서 전환 후 1.8배로 낮아졌고, 두 배 증가 시간은 11일에서 34일로 길어졌다. 90백분위의 월간 증가 배율도 전환 전 15배에서 전환 후 2.2배로 낮아졌으며, 두 배 증가 시간은 8일에서 27일로 길어졌다. 반면 전체 기간을 단순 추세로 설명하면 중앙값은 월 2.7배·21일, 90백분위는 월 2.4배·24일로 추정되므로, 최근 속도를 설명할 때 초기의 더 빠른 증가와 구분하는 것이 중요하다.

4. 연간 환산 규모와 성장의 지속 가능성

마지막 주의 일일 사용 수준을 연 260일 근무라는 가정으로 환산하면 중앙값 연구원은 연간 약 16만 달러, 90백분위 연구원은 약 200만 달러에 해당한다. 원문은 90백분위 연구원이 근무일마다 API 가격 기준 약 7,000달러의 추론을 사용한다면, 연간 환산액이 연구원 한 명을 고용하는 비용과 비슷하거나 더 클 수 있다고 설명한다. 다만 이는 API 정가로 표현한 추론 사용 규모의 비교이며, OpenAI가 실제로 그만큼 지출한다는 의미는 아니다. 선호한 모형의 최근 증가율이 추가로 1년 동안 유지된다면 연간 환산 규모는 중앙값 약 1억 8,500만 달러, 90백분위 약 23억 달러까지 커진다. 원문은 이 조건부 계산을 근거로 현재와 같은 급격한 성장은 지속되기 어려울 가능성이 높다고 판단하며, 해당 금액을 실제 미래 지출의 확정적 예측으로 제시하지 않는다.

5. 실제 비용과 개인별 변화 해석의 한계

분석에 사용한 자료는 OpenAI가 자체 보고한 것으로, Epoch AI는 이를 독립적으로 검증할 수 없다고 명시한다. API 정가 환산액은 OpenAI의 내부 추론 한계비용을 반영하지 않으며, 공개 글에는 하드웨어 비용, 활용률 또는 할인에 관한 정보가 없어 조직의 실제 비용으로 변환할 수 없다. 또한 중앙값과 90백분위는 매일 전체 연구원을 대상으로 산출하는 횡단면 통계이므로 고정된 사람들의 사용을 계속 추적하는 자료가 아니다. 연구 조직의 구성뿐 아니라 각 백분위에 해당하는 연구원도 시간에 따라 바뀔 수 있어, 수치 상승을 동일한 개인의 사용 증가로 곧바로 해석할 수 없다. 특히 사용량이 0인 연구원도 포함되므로 초기 중앙값은 코딩 에이전트를 사용하기 시작한 연구원의 비율에 민감하며, 초기 상승에는 도입 확산과 사용 강도 증가가 함께 들어 있다.

6. 최근 추세의 견고성과 추정 불확실성

최소 구간 크기를 다섯 관측값에서 네 개 또는 여섯 개로 바꿔도 최근 증가율 추정은 거의 달라지지 않았다. 중앙값의 최근 추세는 월 1.8배를 유지했고, 90백분위의 최근 추세는 월 2.1배에서 2.2배 사이에서만 소폭 변했다. 다만 90백분위의 추정 전환점은 1월 25일에서 2월 8일 사이로 이동해, 전환 날짜와 초기 증가율은 최근 추세보다 덜 견고했다. 선호 모형에서 최근 월간 증가 배율의 90% 신뢰구간은 중앙값 1.6~2.1배, 90백분위 2.0~2.3배이며, 두 배 증가 시간의 구간은 각각 29~42일과 26~30일이다. 단순 모형에는 일반적인 OLS Student-t 신뢰구간을 사용했고, 전환점 모형에는 로그 오차가 가우스 분포를 따른다는 가정 아래 100만 회 부트스트랩으로 얻은 근사 백분위 구간을 사용했다. 이러한 결과는 최근 약 한 달마다 두 배라는 요약을 뒷받침하지만, 초기 변화의 정확한 시점이나 미래에도 같은 증가율이 유지된다는 주장까지 확정하지는 않는다.

🧾 핵심 주장 / 시사점

• 초기보다 증가율이 낮아졌어도 최근 두 배 증가 시간이 27~34일이라는 점에서, 성장 둔화와 빠른 사용 확대는 동시에 나타난다.
• API 정가 환산액이 연구원 고용 비용에 견줄 만큼 커졌다는 비교는 사용 규모를 설명하지만, OpenAI의 실제 비용 부담을 입증하지는 않는다.
• 최근 증가율의 안정성과 연구원 구성 변화라는 한계를 함께 보면, 조직 수준의 사용 확대는 비교적 분명하지만 개인별 변화나 장기 지속성을 판단하는 근거는 제한적이다.

✅ 액션 아이템

• OpenAI의 최근 코딩 에이전트 사용 확대를 월 1.8배·2.2배와 두 배 증가 시간 34일·27일을 기준으로 해석.
• API 정가 환산액과 실제 내부 비용을 구분해 코딩 에이전트 사용 규모를 평가.
• 연 260일 가정의 연간 환산액과 최근 추세가 1년 더 이어지는 조건부 시나리오를 대조해 성장 지속 가능성을 검토.

❓ 열린 질문

• API 정가로 환산한 사용 규모와 OpenAI의 실제 내부 비용 사이에는 어느 정도 차이가 있는가?
• 동일한 연구원 집단을 추적하지 않는 중앙값과 90백분위 자료에서 도입 확산과 사용 강도 증가를 어느 정도 구분할 수 있는가?
• 최근 월 1.8배·2.2배의 증가 추세는 얼마나 오래 지속될 수 있는가?