OpenAI가 기업 시장에서 하려는 일은 단순히 더 좋은 모델을 파는 데서 멈추지 않습니다. The Decoder 인터뷰에서 DeployCo CTO Arnaud Fournier가 설명한 방향은 훨씬 더 깊습니다. OpenAI 엔지니어가 대기업 내부로 들어가 AI 모델을 실제 IT 시스템과 업무 프로세스에 직접 연결하고, 그 과정에서 생기는 문제를 다시 연구와 제품 개발로 되돌리는 구조입니다.
DeployCo의 핵심은 배치입니다. 모델이나 API만으로는 기업 가치가 생기지 않는다는 전제에서 출발합니다. AI가 업무 안에 붙고, 규제 조건을 만족하고, 운영 중 감시될 수 있어야 비로소 성과가 난다는 이야기입니다. 그래서 OpenAI의 forward deployed engineer는 고객과 제품·연구팀 사이에 서 있습니다. 고객 현장에서 문서 이해가 약하다는 신호가 나오면 연구팀으로 전달되고, 멀티 에이전트 조율 같은 수요는 Swarm과 Agent SDK 같은 도구 흐름으로 이어집니다.
BBVA 사례는 이 접근을 잘 보여줍니다. 은행은 처음에 신용 문서 작성 자동화를 원했습니다. OpenAI 쪽은 문제를 다르게 잡았습니다. 1년에 한 번 작성하는 문서를 빠르게 만드는 대신, 파트너의 위치와 노출을 주간 또는 일간 단위로 계속 평가하는 신용 리스크 시스템을 상상한 것입니다. 전쟁이나 해협 긴장 같은 지정학적 사건이 생겼을 때 포트폴리오 노출을 바로 파악하는 쪽이 더 큰 가치라는 판단입니다.
Codex 성장도 같은 흐름에 놓여 있습니다. OpenAI가 공유한 숫자에 따르면 Codex는 전 세계 주간 사용자 400만 명을 넘었고, 3개월 만에 5배 성장했습니다. 독일은 2026년 1월 이후 주간 활성 사용자가 720% 늘었으며, 유럽에서 가장 큰 Codex 시장으로 언급됩니다. 이는 개발자 도구의 성장인 동시에, 기업 안에서 AI가 실제 실행 레이어로 내려가는 속도를 보여주는 지표입니다.
하지만 비용과 ROI 문제는 여전히 닫히지 않았습니다. Fournier는 AI 지능의 가격이 18개월 동안 100배 낮아졌다고 말합니다. 동시에 GPT-5.5는 입력 길이에 따라 이전 모델보다 49~92% 더 비싸다는 지적도 나옵니다. 에이전트형 시스템은 단일 응답보다 훨씬 많은 단계를 돌고, 그만큼 컴퓨트를 더 씁니다. 결국 기업이 물어야 할 질문은 모델 단가 하나가 아니라, 업무가 얼마나 자주 더 나은 판단으로 바뀌는가입니다.
이번 인터뷰의 의미는 OpenAI가 기업 AI를 ‘판매’가 아니라 ‘운영 내재화’의 문제로 보고 있다는 데 있습니다. 앞으로 AI 도입의 성패는 벤치마크 점수만으로 갈리지 않을 가능성이 큽니다. 현장에서 나온 병목을 얼마나 빨리 제품과 모델 개선으로 되돌리고, 그 개선을 다시 고객 업무 안에 심을 수 있는지가 더 중요한 경쟁력이 될 수 있습니다.