시리, 제미나이, 클로드, 챗GPT 누가 AI의 관문이 될까? (박종천 지란지교소프트 CAIO)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

시리·제미나이·클로드·챗GPT의 AI 관문 경쟁은 기기 접근권과 사용자 습관, 데이터·도구를 연결해 업무를 실행하는 능력에 달려 있으며, 아직 승자는 정해지지 않았다.

📌 핵심 요점

1. 기기 접근권과 서비스 생태계가 맞붙는다. 시리·제미나이는 기기 기능과 개인 데이터 접근에서 유리하지만, 사용자가 챗GPT·클로드에 문서와 사진 접근을 허용하면 차이가 줄어들 수 있다. 작은 기기 기능과 복잡한 업무에서 서로 다른 서비스가 우위를 가질 것이라는 전망이다.
2. 기업의 AI 관문은 통합 업무 에이전트로 확장될 수 있다. 이메일·결재·근태 시스템과 문서 라이브러리를 연결하면 AI가 업무를 제안하고 실행하는 인터페이스가 된다. 다만 연결 범위가 넓어질수록 문서 등급과 사용자별 접근 권한을 통제하는 일이 중요해진다.
3. 프라이빗 AI는 기기·사내 서버·클라우드를 조합하는 방향이다. 쉬운 작업은 기기나 사내 모델이 처리하고 어려운 작업은 상위 모델로 넘기는 구상이다. 경량 모델의 성능 향상과 가격 경쟁은 자체 장비 도입의 문턱을 낮출 수 있다.
4. 기업 AI의 성과는 모델보다 전체 구성의 병목에 좌우될 수 있다. 데이터, 도구 호출, 에이전트 프레임워크, 사용자 질문이 함께 작동해야 한다. 작은 모델과 큰 모델의 결과를 비교하는 라우팅과 답변 재검토는 비용·품질을 개선할 운영 방법으로 제시된다.
5. 수익 기회는 모델 이용료에서 결제와 인프라까지 넓어진다. 에이전트 결제 보안과 모델 API 운영이 사업 기회로 거론된다. 기업 내부 AI 구축이 늘면 GPU뿐 아니라 서버·네트워크·저장장치·전력·냉각과 구축·운영 서비스의 수요도 커질 수 있다.

🧩 배경과 문제 정의

• AI가 개별 질문에 답하는 도구를 넘어 문서·앱·업무 시스템을 제어하면서, 사용자가 처음 접하는 AI 관문을 누가 차지할지가 핵심 경쟁으로 떠오른다.
• 기업 AI의 활용도를 높이려면 사내 데이터를 연결해야 하지만, 외부 유출 방지와 임직원별 접근 권한을 함께 해결해야 한다.
• 경량 모델의 성능 향상과 가격 경쟁은 기업이 자체 GPU로 AI를 운영할 가능성을 높인다. 모델 성능뿐 아니라 데이터·도구 연결·운영 비용이 도입 효과를 좌우한다.
• 프라이빗 AI 확산은 모델 서비스뿐 아니라 GPU·서버·네트워크·저장 장치·전력의 수요에도 영향을 줄 수 있다. 기업별 수혜와 지출 비중은 확정된 통계가 아닌 전망과 추정으로 다뤄진다.

🕒 시간순 섹션별 상세정리

1. 시리의 경쟁력은 기기와 클라우드를 잇는 다층 구조에 달려 있다

• 시리 AI는 애플 모델을 중심으로 제미나이 기술의 도움을 받는 구조로 드러난다. 다만 구글 기술이 어느 정도 들어갔는지는 외부에서 알기 어렵고, 실제 경쟁력은 시장 반응을 확인해야 한다 [01:43]
• AFM3의 경량 모델은 기기 안에서 사진·텍스트·개인정보를 활용하고, 어려운 작업은 애플의 프라이빗 클라우드 컴퓨트인 PCC와 상위 클라우드 모델로 넘기는 구상이다 [02:55]

2. 애플의 개인용 AI 구조는 기업용 프라이빗 AI로 확장될 수 있다

• 직원의 맥북에서 간단한 작업을 처리하고, 어려운 작업은 사내 고성능 장비와 애플 PCC로 넘기는 기업용 구성이 가능하다는 전망이다. 약 1억 원짜리 사내 장비는 이를 설명하기 위한 가정이다 [04:08]
• 약 1천만 원인 엔비디아 DGX 스파크는 실험에 활용되지만 성능에 한계가 있다는 평가다. 기업 AI도 온디바이스·프라이빗·클라우드를 작업 난도에 따라 함께 쓰는 방향으로 발전할 수 있다 [05:03]

3. AI 관문 경쟁은 기기 접근권과 기존 서비스 생태계의 대결이다

• AI 관문의 후보는 챗GPT·클로드 같은 독립 서비스, 시리·제미나이 같은 기기 기반 AI, 브라우저 AI, 개별 서비스 내부 AI로 나뉜다. 개별 서비스는 범위가 좁고 브라우저만으로는 로컬 문서 등 모든 작업을 포괄하기 어렵다 [07:03]
• 시리와 제미나이는 기기 접근권에서 유리하지만, 사용자가 익숙한 챗GPT나 클로드에 사진과 문서 접근을 직접 허용하면 그 우위가 줄어들 수 있다 [07:35]

4. 기업 업무의 중심이 개별 앱에서 통합 에이전트로 이동한다

• 기업용 AI는 밤새 들어온 이메일을 정리하고 할 일을 제안하며, 사용자의 지시에 따라 업무를 실행하는 최상위 인터페이스가 될 수 있다. 이메일·결재·근태 시스템을 각각 찾아가는 필요가 줄어드는 구상이다 [09:06]
• AI에 문서 하나만 주는 것과 회사 문서 라이브러리 전체를 연결하는 것은 수행 가능한 업무의 범위가 크게 다르다. 시스템과 웹사이트 연결이 늘수록 활용도가 높아지는 동시에 보안의 중요성도 커진다 [09:39]

5. 데이터 보안은 유출 방지를 넘어 권한별 맥락 통제로 확장된다

• 회사 정보를 모두 연결하더라도 개인 정보나 경영진의 비공개 대화를 모든 직원에게 공개할 수는 없다. 비공개 의사결정을 참고해 업무 우선순위를 제안하면서도 그 근거는 노출하지 않는 상황이 미래의 예시로 드러난다 [10:18]
• N2SF의 기밀·민감·공개 분류를 활용해 데이터를 C·S·O 등급으로 나누고, 사용자별 열람 권한을 부여하는 방식이 제안된다. AI가 상위 등급의 맥락을 참고하되 내용을 직접 공개하지 않는 동작도 가능성으로 다뤄진다 [11:18]

6. 엔비디아의 모델 전략과 중국의 경량화가 프라이빗 AI를 뒷받침한다

• 사내 데이터를 외부 클라우드로 보내기 어렵다면 데이터와 GPU를 기업 내부에 함께 두어야 한다. 엔비디아의 네모트론 모델은 자체 GPU에서 활용할 미국산 공개 모델을 제공한다는 의미를 갖는다 [13:09]
• 중국의 Qwen 계열 27B 모델은 네모트론과 비슷한 성능을 더 저렴한 장비에서 낸다는 평가다. 10억 원과 5천만 원 장비의 비교는 예시이며, 미국의 제재가 중국 모델의 자원 효율 개선을 자극했다는 해석이다 [13:43]

7. 중국 모델의 가격 경쟁력이 미국 저가 모델의 가격 인하를 압박한다

• 중국 모델은 크고 고성능인 제품과 작고 효율적인 제품을 모두 갖추는 방향으로 발전해진다. GLM·키미뿐 아니라 Qwen·딥시크까지 선택지가 넓어지면서 미국 모델과의 경쟁 범위가 확대된다 [15:24]
• 자막에서 GPT 5.6 루나는 7월 30일 요금을 80% 인하한 사례로 드러난다. 일시적 할인보다 중국 저가 모델에 대응하기 위한 가격 조정으로 해석되며, 실제 사용 모델을 루나로 바꾼 경험도 나온다 [16:01]

8. 기업 AI의 성능은 최고급 모델보다 가장 약한 구성 요소에 제한된다

• AI 서비스는 LLM, 사내 데이터, 도구 호출, 에이전트 프레임워크, 사용자 질문이 함께 작동한다. 데이터가 모이지 않았거나 질문과 도구 연결이 미흡하면 최고급 모델을 써도 전체 성능 개선이 제한된다 [16:58]
• 현재 기업 업무에는 저렴한 모델로도 충분한 경우가 많다는 판단이다. 5천만 원대 GPU를 24시간 가동해 10~20명분의 일을 처리할 수 있다는 예시로 빠른 투자 회수 가능성이 제시되지만, 실제 검증된 보편적 성과로 제시되지는 않는다 [17:23]

9. 추론 전용 하드웨어와 모델 가격 경쟁이 선택지를 넓힌다

• 그록과 세레브라스는 전용 하드웨어를 사용하므로 모델 이식에 별도 작업이 필요하다. 대신 추론 속도가 각각 약 10배와 30배에 이를 수 있다는 평가가 제시되지만, 구체적인 비교 조건은 설명되지 않는다 [18:22]
• 두 업체가 새 Qwen 모델을 빠르게 지원한 점은 모델의 매력을 보여주는 신호로 읽힌다. 이어 나온 제미나이 플래시도 Qwen을 겨냥한 가격 경쟁에 들어갔다는 평가다 [19:07]

10. 모델 라우팅은 작업 결과를 비교하며 비용과 품질을 조정한다

• 모델 라우팅은 지시 내용을 보고 작은 모델에 먼저 작업을 맡긴 뒤 결과를 평가하고, 필요하면 큰 모델로 전환하는 방식이다 [20:42]
• 같은 질문에 대한 작은 모델과 큰 모델의 결과를 기록·비교하면 어떤 작업을 어느 모델에 맡길지 개선할 수 있다. GPU를 지속적으로 가동할 수 있을 때 이런 실험을 반복할 여지가 커진다 [21:11]

11. 야간 복습은 모델 교체 없이도 업무 수행 방식을 개선할 수 있다

• 낮에 생성한 답변을 밤에 다시 분석하고 여러 방법을 시험해 더 나은 처리 방식을 찾는 구상이다. 사용자의 부정적 피드백도 개선할 작업을 찾는 자료가 된다 [21:40]
• 기반 LLM이 같더라도 데이터와 모델을 활용하는 방식은 바뀔 수 있다. 이러한 자가 개선은 모델 자체의 성능 향상과 구분되는 운영 방식의 개선 가능성이다 [21:49]

12. AI가 결제하는 시대에는 결제 보안이 별도의 관문이 될 수 있다

• 오픈라우터는 여러 모델 API를 모아 쉽게 이용하게 하는 게이트웨이로 드러난다. 스트라이프의 오픈라우터 인수는 AI 서비스 이용과 결제를 연결하는 전략으로 읽힌다 [22:22]
• 에이전트에 신용카드 정보를 직접 맡기는 대신 결제 전문 사업자를 통하면, 축적된 거래 데이터를 이용해 사기나 정보 탈취에 따른 결제를 탐지·차단할 수 있다는 논리다 [22:52]

13. 국내 AI 인프라 사업은 기술 제공에서 API 매출로 이동한다

• 앨리스그룹과 베슬AI는 각각 AI 교육과 모델 운영·관리 기술에서 사업을 확장하는 사례로 드러난다. GPU에 모델을 설치하고 안정적으로 운영하는 역량이 API 서비스 제공으로 연결된다 [24:09]
• 베슬AI가 대규모 GPU에서 솔라 API를 운영·최적화하는 사례를 통해 매출 확대 가능성이 드러난다. 수십억 원에서 수백억 원, 10배 이상 성장이라는 수치는 사례 설명에 사용된 대략적인 규모다 [24:50]

14. AI 지출은 개인 구독보다 기업의 구독·API·추론에서 커질 수 있다

• AI 지출은 개인 구독, 소비자 서비스 내부의 API 사용, 직원 구독, 기업용 SaaS의 AI 사용, 기업 자체 서비스의 추론 비용으로 나뉜다. 제시된 비중은 정확한 통계가 아닌 경험 기반 추정이다 [26:52]
• 개인용보다 기업용 구독과 API 사용이 클 것으로 예상되며, 기업의 AI 사용이 약 2~2.5배 높을 것이라는 추정도 나온다. 이는 통계로 확인된 시장 비중이 아니라 지출 흐름을 이해하기 위한 가정이다 [27:32]

15. 프라이빗 AI 확산은 GPU와 주변 인프라의 수요를 함께 늘릴 수 있다

• 대형 클라우드 기업에 이어 일반 기업도 자체 AI 장비를 구매할 것이라는 전망이다. 직원 연봉에 100억 원을 쓰는 기업이 AI 시스템에 50억 원을 쓸 수 있다는 사례는 향후 투자 규모를 설명하는 가정이다 [28:38]
• 기업의 구축을 돕는 공급업체가 늘어나면 GPU 서버 수요가 계속 커질 수 있다. 데이터센터뿐 아니라 사내 프라이빗 AI에도 네트워크·저장 장치·전력·냉각이 필요하다 [29:23]

16. 프라이빗 AI의 수혜 범위와 기업별 성장 전망

• 브로드컴과 델은 AI 관련 수혜로 매출과 시가총액이 커졌으며, 프라이빗 AI의 성공 확신이 높아지면 엔비디아와 함께 성장할 가능성이 있다. 투자 대상을 넓게 잡기보다는 기존 매출이 있고 거품이 일부 꺼져도 버틸 기업을 중심으로 살펴야 한다는 관점이다. [30:30]
• 프라이빗 AI에는 데이터센터·네트워크·저장장치·전력 외에도 구축·통합·운영, 데이터 정리와 RAG, 거버넌스·평가·보안, 교육·변화 관리·컨설팅이 필요하다. 산업 지출을 100으로 놓은 부정확한 추산에서는 엔비디아가 약 24, 마이크로소프트가 11, 아마존이 9를 차지한다. [31:35]

17. 자체 AI 칩의 확장에는 공급·운영 생태계가 필요하다

• 아마존의 트레이니엄·인퍼런시아는 매출을 늘릴 가능성이 있지만, 자체 칩을 프라이빗 AI 시장까지 공급하는 데는 시간이 걸릴 것으로 예상한다. 기업의 구매 선택과 아마존의 생산·공급 확대가 쉽지 않다는 판단이다. [32:54]
• 엔비디아는 리셀러, GPU를 활용한 하드웨어 공급업체, 냉각 관련 지식 등 생태계가 이미 형성돼 있다. 아마존·마이크로소프트가 기업 내부 설치용 시장으로 진입하거나, 개별 기업이 구글 TPU를 직접 구매해 설치하는 방식이 확산하기까지는 시간이 걸릴 것으로 본다. [33:17]

18. 기술 등장과 산업 확산의 시차를 고려한 AI 전환

• 기업이 보안에 민감한 데이터를 자체 서버에 두고, 애플이 가장 민감한 정보를 아이폰 안에서 처리하는 방식이 프라이빗 AI의 방향과 연결된다. 관심의 중심도 AI 사용 자체에서 토큰과 전체 생태계로, 다시 프라이빗 AI로 이동하고 있지만 이러한 변화가 곧바로 시장에 반영되는 것은 아니다. [34:00]
• 최근 모델의 등장이 프라이빗 AI 전망의 근거이지만, 아직 업계에서 대규모로 활용되는 단계는 아니다. 기술이 제품과 산업으로 이어질 가능성을 보며 향후 1~2년을 예상하는 관점이고, 직접 사업을 진행하고 모델을 테스트한 경험상 이러한 방향으로 갈 것으로 판단한다. [34:31]

🧾 결론

• AI 관문 경쟁에서는 모델 성능과 함께 사용자가 어디서 업무를 시작하고 어떤 서비스에 접근 권한을 맡기는지가 중요하다.
• 기업 AI 도입은 데이터 연결, 권한 통제, 도구 실행, 비용 관리가 함께 갖춰져야 성과로 이어질 수 있다.
• 프라이빗 AI와 모델 라우팅은 유망한 방향으로 제시되지만, 대규모 산업 확산과 보편적인 투자 회수 성과가 확인된 단계는 아니다.

📈 투자·시사 포인트

• 기업의 자체 AI 구축이 확대되면 엔비디아와 함께 서버·네트워크·저장장치·전력·냉각 공급업체에도 수요가 발생할 수 있다. 실제 수주와 매출 전환을 확인필요가 있다.
• 모델 가격 하락은 이용 기업의 비용을 낮추고 자체 장비 도입을 촉진할 수 있다. API 서비스 사업자에게는 사용량 확대와 고객의 자체 구축 전환이 함께 작용할 수 있다.
• 영상은 기존 매출과 안정성, 공급·운영 생태계를 갖춘 기업에 주목한다. 현재 매출 규모와 앞으로의 추가 성장 여력은 구분해서 살펴야 한다.
• 기업별 AI 지출 몫과 성장 전망은 추정·시뮬레이션이다. 제시된 비중을 확정된 시장점유율이나 투자 수익률로 해석해서는 안 된다.

⚠️ 불확실하거나 확인이 필요한 부분

• 시리에 적용된 제미나이 기술의 범위와 기기·클라우드 구성의 실제 경쟁력은 외부에서 확인하기 어렵다는 전제가 있다. 제품 동작과 사용자 반응을 확인해야 한다.
• 상위 보안 등급의 정보를 참고하면서 내용을 노출하지 않는 권한 통제는 미래 구상이다. 해당 제품은 아직 나오지 않았다는 설명이며, 실제 보안 성능이 검증된 것으로 볼 수 없다.
• 자막에 등장하는 ‘GPT 5.6 루나’의 모델명과 요금 80% 인하, 스트라이프의 오픈라우터 인수 서술은 제공 자료만으로 사실 여부와 조건을 확정할 수 없다. 공식 발표 확인이 필요하다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 시리·제미나이·클로드·챗GPT를 실제 업무 기준으로 비교하고, 기기 접근 범위·문서 연결·작업 실행 능력을 기록한다.
• 사내 문서와 업무 시스템의 연결 현황을 점검하고, 문서 보안 등급과 사용자별 열람 권한을 정리한다.
• 같은 업무를 경량 모델과 상위 모델에 맡겨 품질·비용을 비교하고, 상위 모델로 전환할 기준을 정한다.
• 자체 구축과 API 이용의 비용을 장비·전력·운영·보안까지 포함해 비교하고, 실제 업무 처리 성과로 투자 회수 가능성을 검증한다.

❓ 열린 질문

• 사용자가 독립 AI 서비스에 기기와 문서 접근을 허용하면 시리·제미나이의 기기 기반 우위는 얼마나 유지될까?
• 기업의 통합 에이전트가 비공개 맥락을 활용하면서도 권한 밖 정보를 노출하지 않는 구조를 실제로 구현할 수 있을까?
• 모델 가격 하락과 자체 장비 운영 비용을 함께 고려할 때, 어떤 업무 규모에서 프라이빗 AI가 경제성을 확보할까?