Palantir CEO Alex Karp는 OpenAI와 Anthropic이 사용하는 토큰 기반 비즈니스 모델을 공개적으로 비판하며, 주요 모델 제공업체들이 AI 사용량에 대해 비용을 청구하는 방식이 시장의 더 깊은 문제를 반영한다고 주장했다. CNBC의 보도에 따르면, 이 발언은 기업 및 정부 고객에게 다른 제안을 밀어붙여 온 회사의 수장이 내놓은 것이어서 특히 주목된다. 즉, AI를 토큰으로 계량되는 모델 접근권이 아니라 성과와 연결된 운영 체계로 봐야 한다는 관점이다.

당장 이번 뉴스의 핵심은 제품 출시라기보다 AI 업계의 전략적 분열이 더 커지고 있다는 점이다. 한쪽에는 OpenAI와 Anthropic 같은 모델 회사들이 있고, 이들은 일반적으로 API와 채팅 제품을 사용량 기준으로 가격 책정한다. 다른 쪽에는 Palantir 같은 플랫폼 공급업체가 있으며, 이들은 모델을 민감한 데이터, 비즈니스 워크플로, 배포 통제와 연결하는 계층으로 자리매김하려 한다. Karp의 비판이 중요한 이유는 많은 구매자들이 이미 직면한 긴장을 짚어내기 때문이다. 즉, 기업용 AI 지출이 원시 모델 소비를 중심으로 이뤄져야 하는지, 아니면 신뢰성, 비용, 보안, 워크플로 통합을 관리하는 소프트웨어 시스템을 중심으로 이뤄져야 하는지에 대한 문제다.

CNBC가 제공한 발췌에는 Karp의 전체 발언, 그가 이를 언급한 장소, 또는 그의 비판을 뒷받침하는 구체적 사례는 포함되지 않았다. 따라서 해당 보도를 바탕으로 그의 주장을 어디까지나 확장해서 해석하기는 어렵다. 그러나 헤드라인만 보더라도 핵심은 분명하다. Palantir는 경쟁사뿐 아니라 생성형 AI 전반에서 표준이 되어 온 경제 모델 자체에 도전하고 있다.

Karp의 비판이 지금 중요한 이유

Karp의 공세는 기업 고객들이 대규모 언어 모델의 초기 실험 단계를 넘어 비용 예측 가능성에 대한 더 어려운 질문을 던지고 있는 시점에 나왔다. 토큰 가격 책정은 OpenAI와 Anthropic 같은 회사가 프런티어 모델에 대한 접근성을 확장하는 데 도움이 됐다. 이는 사용량을 컴퓨팅 수요와 연결하기 때문이다. 개발자에게는 API를 통해 모델 용량을 구매하는 직관적인 방식이다. 그러나 재무팀과 CIO에게는 AI 기능이 여러 제품, 팀, 에이전트로 확산되면 토큰 계량 방식이 예측하기 어려워질 수 있다.

바로 이 지점에서 Palantir는 차별화를 시도해 왔다. Palantir는 파운데이션 모델 회사와 정면 경쟁하기보다, 복잡한 기관 내부에서 오케스트레이션, 거버넌스, 배포에 가치를 둔다는 점을 내세워 왔다. 더 넓은 기업용 AI 서사는 AIP, 즉 Artificial Intelligence Platform 같은 플랫폼과 연결되어 왔으며, Palantir는 이를 데이터 접근과 의사결정 워크플로에 대한 통제를 유지하면서 실제 환경에서 모델을 운영화하는 방법으로 홍보해 왔다.

따라서 Karp의 발언은 단순한 수사적 공격 이상으로 읽힌다. 이는 기업용 AI가 강력한 모델 접근권만으로 환원될 수 없다는 Palantir의 오랜 주장과 맞닿아 있다. 대규모 데이터, 규제 제약, 고위험 의사결정 체인이 있는 분야에서는 가격 모델과 시스템 설계가 분리될 수 없다. 기본 경제 구조가 끊임없는 토큰 소비를 보상한다면, 구매자들은 소프트웨어 아키텍처가 효율성보다 사용량 확대를 중심으로 설계되고 있는 것 아니냐고 우려할 수 있다.

모델 경쟁 뒤에 있는 비즈니스 모델 싸움

가격 논쟁은 결국 AI 스택의 어느 지점에서 가치가 발생하느냐를 둘러싼 싸움이다. OpenAI와 Anthropic은 모델 계층에 가깝게 자리하며, 성능 향상과 새로운 기능을 통해 프리미엄 가격을 정당화할 수 있다. 토큰 기반 과금은 모델 호출을 반복 수익으로 전환하기 때문에 이들의 사업에 자연스럽게 맞는다. 또한 공급업체가 모델 품질, 컨텍스트 길이, 처리량에 따라 제품을 세분화할 수 있게 해준다.

Palantir는 다른 소프트웨어 전통에서 출발했다. 기업 및 정부 계약은 역사적으로 배포, 통합, 임무 특화 소프트웨어를 강조해 왔다. 그런 관점에서 보면 사용량 기반 모델 요금은 특히 워크로드가 변동적이거나 고객이 어떤 작업을 자동화해야 하는지 아직 배우는 중일 때, 장기적인 기업용 AI 예산의 불안정한 토대처럼 보일 수 있다.

AI 시장이 인프라 경제학과 애플리케이션 경제학 사이에서 갈라진 것은 이번이 처음이 아니다. 클라우드 컴퓨팅도 비슷한 단계를 거쳤다. 초기에는 고객들이 원시 자원에 비용을 지불했지만, 결국 더 높은 수준의 관리형 서비스와 더 나은 비용 통제를 요구하게 됐다. AI에서는 이 구분이 더 선명하다. 가장 눈에 띄는 제품은 대화형 시스템이지만, 기업의 구매 결정은 거버넌스, 감사 가능성, 지연 관리, 모델 라우팅처럼 훨씬 덜 보이는 기능에 좌우되기 때문이다.

이 때문에 Karp의 발언은 Palantir에 전략적으로 유용하다. 기업 구매자들이 끝이 없는 토큰 지출에 회의적이 된다면, AI를 더 높은 수준의 시스템으로 묶어 제공하는 회사들이 협상력을 얻을 수 있다. 하지만 반대도 성립한다. OpenAI와 Anthropic이 계속 모델 품질을 빠르게 개선한다면, 많은 고객은 최고의 기능에 접근하기 위한 비용으로 토큰 가격 책정을 받아들일 수 있다.

우리가 알고 있는 것과 아직 불분명한 것

현재 확인 가능한 가장 강한 사실은 CNBC가 Karp가 OpenAI와 Anthropic의 토큰 모델을 “비난했다(bashes)”고 보도했으며, 그가 “Something has gone completely wrong.”라고 말했다는 점이다. 하지만 전체 기사 전문이 없기 때문에, 그 발언이 인터뷰에서 나왔는지, 실적 관련 행사에서 나왔는지, 컨퍼런스 토론에서 나왔는지, 혹은 다른 공개 석상에서 나온 것인지까지는 신뢰성 있게 말할 수 없다.

또한 이 출처만으로는 Karp가 구체적인 대체 가격 구조를 제안했는지, 고객 사례를 들었는지, 또는 OpenAI나 Anthropic의 특정 제품을 직접 언급했는지 확인할 수 없다. 이런 세부사항은 중요하다. 왜냐하면 “토큰 모델”은 청구 방식을 뜻할 수 있지만, Karp는 AI 기업들이 가치를 측정하는 방식에 대한 더 넓은 인센티브 구조를 비판했을 수도 있기 때문이다.

검증된 보도와 시장 해석은 구분해야 한다. CNBC는 Karp가 이 비판을 했다는 사실을 확인한 것으로 보인다. 그보다 넓은 결론, 즉 Palantir가 이 순간을 활용해 기업용 AI 포지셔닝을 강화하고 있다는 해석은 Palantir의 알려진 시장 전략에 기반한 분석이지, 제공된 발췌문에 있는 직접 인용은 아니다.

마찬가지로 토큰 가격 책정이 시장에서 실패하고 있다고 말하는 것도 현재 확인된 증거를 넘어선다. OpenAI와 Anthropic은 여전히 생성형 AI의 핵심 공급업체이며, 토큰 기반 과금은 API와 개발자 도구 전반에서 여전히 널리 사용된다. 이번 뉴스는 해당 모델이 무너졌다는 뜻이 아니라, 한 저명한 엔터프라이즈 소프트웨어 경영진이 그것이 고객의 필요와 맞지 않는다고 공개적으로 주장했다는 점이다.

AI 개발자와 기업 구매자에게 주는 시사점

개발자에게 Karp의 발언은 실용적인 문제를 드러낸다. 제품 설계가 이제 클라우드와 모델 비용을 점점 더 좌우한다는 점이다. OpenAI나 Anthropic을 기반으로 구축하는 팀은 빠르게 출시할 수 있지만, 동시에 잦은 추론 호출, 긴 컨텍스트 윈도우, 다단계 AI agents의 경제 구조도 그대로 떠안게 된다. 소비자 제품에서는 참여도가 높고 마진이 이를 뒷받침한다면 감당 가능할 수 있다. 하지만 기업용 AI, 특히 내부 생산성 시스템에서는 토큰 집약적인 각 워크플로의 투자 대비 효과를 입증하기가 더 어려울 수 있다.

그 결과 아키텍처 최적화 압력이 생긴다. 개발자들은 더 작은 모델을 더 자주 사용하고, 어려운 작업에만 프리미엄 모델을 남겨두고, 캐시 계층을 추가하거나, 프롬프트를 좁히거나, 일부 워크로드를 오픈 웨이트 대안으로 옮길 수 있다. 다른 이들은 모델 선택, 검색, 정책 관리를 더 잘 통제해 준다고 약속하는 오케스트레이션 공급업체를 찾을 수도 있다. 그런 의미에서 토큰 가격 책정에 대한 비판은 고객에게 모든 추론 비용을 직접 노출하는 대신 모델 사용을 추상화하는 플랫폼에 대한 수요를 더 빠르게 만들 수 있다.

기업 입장에서는 메시지가 더 직접적이다. AI 구매는 더 이상 데모에서 어느 모델이 가장 좋은지에 대한 문제만이 아니다. 예산 예측 가능성, 공급업체 의존성, 보안, 운영 책임을 포함하는 조달 문제다. 한 팀은 코딩 지원에는 OpenAI를, 정책 민감성 사용 사례에는 Anthropic을, 내부 시스템 배포에는 Palantir를 선호할 수 있다. 이러한 선택들은 점점 더 서로 영향을 주고받는다.

이는 특히 AI 에이전트를 평가하는 기업에 중요하다. 에이전트는 계획 수립, 컨텍스트 검색, 도구 호출, 결과 검증을 수행하면서 뒤에서 모델 호출을 기하급수적으로 늘릴 수 있다. 따라서 토큰 기반 가격 구조는 파일럿 단계에서는 드러나지 않던 비용 급증을 낳을 수 있다. 그렇다고 모델이 잘못된 것은 아니지만, 관측 가능성과 워크플로 설계가 더 중요해진다는 뜻이다.

Palantir의 비판은 특히 추론 비용의 불확실성에 불만이 많은 구매자들에게 공감대를 얻을 수 있다. 다만 모델 공급업체들도 나름의 방어 논리를 갖고 있다. 토큰 가격은 실제 사용량을 반영하고, 사용량이 적은 고객을 비싼 고정 계약에 묶어두지 않게 해준다는 점이다. 일부 조직에게는 이것이 결함이 아니라 장점이다.

증거와 주장 품질

이 이야기는 얇은 출처 기반 위에 서 있다. 현재 확인 가능한 단일 자료는 Google News를 통해 노출된 CNBC 보도이며, 추출된 텍스트에는 전체 기사 본문이 포함되어 있지 않다. 따라서 이 기사에서는 CNBC가 Alex Karp가 OpenAI와 Anthropic에 연결된 토큰 기반 접근 방식을 비판했다고 보도했으며, 그가 “Something has gone completely wrong.”라는 표현을 썼다고 책임 있게 전할 수 있다.

그 이상은 신중해야 한다. 이 자료만으로는 재무적 영향, 고객 반응, 또는 해당 비판과 연결된 새로운 Palantir 제품 움직임을 직접 입증할 수 없다. 또한 제공된 출처에는 벤치마크 주장이나 채택률 지표도 없다. 따라서 이 기사에서 Palantir, OpenAI, Anthropic을 비교하는 부분은 검증된 성능이나 시장점유율이 아니라 비즈니스 모델 포지셔닝에 관한 것이다.

다음에 주목할 점

다음으로 살펴볼 신호는 Palantir가 Karp의 비판을 AIP 및 관련 기업용 AI 판매 메시지 안에서 더 명시적인 상업적 주장으로 전환하는지 여부다. 회사가 비용 거버넌스와 대체 가격 구조를 더 공격적으로 강조하기 시작한다면, 이는 단순한 논평이 아니라 조율된 시장 공세라는 뜻일 수 있다.

두 번째 신호는 OpenAI와 Anthropic이 기업용 패키징을 어떻게 조정하느냐다. 두 회사는 이미 API와 비즈니스용 제품을 혼합해 제공하고 있으며, 대형 고객들의 지속적인 압박은 토큰 과금과 함께 고정 요금, 좌석 기반, 또는 하이브리드 가격 옵션을 더 늘리도록 만들 수 있다.

세 번째로, 향후 몇 분기 동안 AI 에이전트가 기업에 어떻게 판매되는지 지켜볼 필요가 있다. 구매자들이 숨겨진 추론 비용에 더 민감해진다면, 명확한 단위 경제성과 사용량 통제를 제시할 수 있는 공급업체들이 광범위한 자동화 약속에 의존하는 업체들보다 우위를 점할 수 있다.

마지막으로, 더 많은 엔터프라이즈 소프트웨어 CEO들이 대규모 언어 모델의 순수 사용량 기반 가격 책정을 Karp처럼 비판하는지 추적할 가치가 있다. 그런 흐름이 생기면 논쟁은 Palantir의 화두를 넘어 더 넓은 시장 조정으로 옮겨갈 수 있다.

Creati.ai 관점

Karp의 발언이 중요한 이유는 AI 시장이 아직 완전히 해결하지 못한 구조적 문제를 드러내기 때문이다. 가장 진보한 모델을 만드는 회사들과 AI를 실제 기관에 배포하는 회사들은 종종 서로 다른 것을 최적화하고 있다. 모델 공급업체는 컴퓨팅 집약적 사용량에 연동된 유연한 수익화를 원한다. 반면 기업은 예측 가능한 비용, 거버넌스, 그리고 모든 워크플로를 열린 계량기로 바꾸지 않으면서 비즈니스 문제를 해결하는 시스템을 원한다.

가능성 높은 결과는 토큰 가격 책정의 종말이 아니다. 더 층위가 있는 시장의 등장이다. OpenAI와 Anthropic은 성능이 앞서는 영역에서 계속 모델 접근권을 판매할 것이다. 그러나 기업용 AI가 성숙할수록, 더 많은 가치는 오케스트레이션, 통제, 패키징된 워크플로로 이동할 수 있다. 이는 Palantir와 기업용 AI 배포를 둘러싸고 제품을 만드는 다른 회사들이 자신들의 강점이라고 보는 영역이다. 진짜 질문은 토큰이 사라지느냐가 아니다. 생산 소프트웨어 안에서 토큰 소비를 얼마나 경제적으로 감당 가능한 것으로 만들 수 있는 공급업체가 누구냐는 것이다.