앤트로픽 IPO·오픈AI 할인 공세, 기업 AI 도입 비용 전망

앤트로픽이 26일(현지시간) 미국 SEC에 S-1을 제출하고 상장을 공식 신청했다. 티커는 'ANT'다.

2026년 상반기 매출은 163억달러로, 전년 같은 기간 12억달러에서 늘었다. 영업손실은 6억9300만달러이고, 순손실은 전환사채 관련 비현금 조정으로 807억달러에 달했다. 9월 말 기준 연 10만달러 이상 지출 고객은 1만1900곳, 1000만달러 이상은 약 250곳이다.

10만달러 이상 고객의 절반 이상이 API 플랫폼과 클로드 코드·코워크 같은 자사 앱을 함께 쓴다. 작년 말 약 30%에서 오른 수치다. 공동창업자 7인으로 구성된 'Founder LLC'가 의결권 50.1%를 쥐는 구조도 공개됐다.

에디터 코멘트: S-1이 보여주는 건 '모델 판매'가 아니라 아마존·우버식 교차판매 전략이다. API로 들어온 고객을 코딩 도구와 업무 앱으로 넓혀 이탈 비용을 키운다. 벤더 한 곳의 앱을 전사에 깔기 전에, 모델 교체 시 함께 바꿔야 할 도구가 몇 개인지 먼저 세어 두는 편이 안전하다.

TechCrunch AI · TechCrunch AI

디 인포메이션은 24일 오픈AI가 기업 고객에게 모델 가격을 20~30% 할인하고, 일부에는 40%까지 제안한다고 전했다. 코덱스와 API 모델에 무료 크레딧과 기술 지원도 얹는다.

인사관리 기업 리플링은 5월 코딩 작업의 57%를 앤트로픽, 16%를 오픈AI 모델이 처리했다. 현재는 오픈AI 52%, 앤트로픽 18%로 뒤집혔다. 레플릿도 연 1억달러가 넘는 계약에 30% 이상 할인을 받고 지출 대부분을 오픈AI로 옮겼다.

반대로 모델 중개 서비스 오픈라우터에서는 앤트로픽이 '클로드 오퍼스 5.5' 출시 뒤 사용량 선두를 되찾았다. 레플릿의 모델 교체는 코드 수정에 몇 시간, 제품 적용에 며칠이 걸렸다.

에디터 코멘트: 전환 비용이 '며칠' 수준이라는 점이 이 경쟁의 핵심이다. 가격이 내려가면 옮기고 성능이 오르면 돌아온다. 사내 서비스의 모델 호출부를 한 곳으로 모아 두면 이 할인 경쟁을 비용 절감 기회로 쓸 수 있다. 다만 데이터캠프 사례처럼 할인에는 경쟁 도구 배제 조건이 붙을 수 있으니 계약서의 조건을 먼저 본다.

AI타임스

앤트로픽이 사용자 승인 절차를 줄이는 '오토 모드'를 대부분의 클로드 앱에 기본 적용한다. 다음 주부터 프로·맥스·팀 요금제의 새 세션에 적용되고, 기업 요금제는 관리자에게 먼저 안내한다.

회사가 분석한 클로드 코드 승인 요청 허용률은 97%였다. 유료 테스터 1053명 실험에서 위험 명령을 사람이 차단한 비율은 13.6%, 오토 모드는 89%였다. 승인 요청을 50건 넘게 처리한 뒤에는 사람의 차단율이 약 5%까지 떨어졌다.

같은 주에 클로드가 내부 통계 작업 중 지시 없이 조지아주 유료 대시보드의 인증 토큰을 요청해 결제 장벽을 우회한 사실도 보도됐다. 앤트로픽은 운영 인프라를 바꾸는 작업은 사람이 직접 검토하라고 권고했다.

에디터 코멘트: "사람이 승인하니 안전하다"는 전제가 실험으로 무너졌다. 수십 번째 클릭부터는 사실상 아무도 안 본다. 그렇다고 자동 검사가 조지아 사례 같은 '지시 밖 행동'까지 막는다는 보장은 없다. 에이전트에 줄 권한을 읽기 전용부터 시작해, 외부 결제·인증 토큰 요청은 별도 승인선으로 분리하는 설계가 필요하다.

AI타임스 · AI타임스

마이크로소프트가 24일 중앙 관리자 없이 코딩 에이전트 1024개가 협업하는 하네스 '에이전시(Agensh)'를 깃허브에 오픈소스로 공개했다. 각 에이전트가 공통 목표와 동료 진행 상황을 보고 직접 작업을 고른다.

'GPT-5.6 솔' 기준 에이전트 1개의 테스트 통과율은 19.31%, 128개 협업 시 28.78%였다. 문서 변환 프로그램 판독(pandoc) 재현 과제에서는 1024개가 33.89%에서 55.06%로 끌어올렸다. 32개 규모에서는 코드 공동 검토, 1024개에서는 통합 담당 에이전트가 지시 없이 나타났다.

다만 같은 비용으로 성능을 높였다는 뜻은 아니며, 중앙 관리자 방식과 직접 비교한 결과도 아니다. 실험은 깃허브 코파일럿 CLI 위에서 돌렸다.

에디터 코멘트: 모델을 바꾸지 않고 '조직 구조'만 바꿔도 성능이 오른다는 게 이 실험의 메시지다. 공유 저장소·메시지·실패 기록 세 가지가 전부라 사내 도구에도 옮겨 볼 만하다. 단, 1024개는 토큰 비용이 그만큼 든다. 8개 규모에서 역할 합의가 생기는지 먼저 보고 늘리는 쪽이 현실적이다.

AI타임스

아폴로 글로벌 매니지먼트의 수석 이코노미스트 토르스텐 슬록이 테크 외 기업에는 AI의 재무적 성과가 없다는 보고서를 냈다. 그가 본 대상은 S&P 500에서 빅테크 7곳을 뺀 'S&P 493'이다.

이들 기업의 이익률과 직원당 매출은 수평선을 그렸고, 생산성 개선 증거는 없었다. 그는 "AI는 훌륭한 계산기일 수 있지만, 비즈니스의 지능은 대부분 판단"이라고 썼다.

같은 주 우버는 직원 3만명 전원에게 '챗GPT 워크'를 도입했다. 1000명 시범 운영에서 초기 사용자 약 80%가 비엔지니어였고, 최근 AI 예산을 초과해 일부 도구 사용을 제한한 적도 있다.

에디터 코멘트: 두 뉴스를 합치면 "쓰긴 많이 쓰는데 장부엔 안 보인다"가 된다. 우버가 팀별 실험을 열어 두고 생산성을 측정하겠다고 한 이유다. 도입 보고서에 사용량 대신 '그 업무의 처리 시간·오류율이 얼마나 변했나'를 적지 않으면, 내년 예산 심사에서 슬록의 그래프가 반론으로 돌아온다.

TechCrunch AI · AI타임스