샘 올트먼과 OpenAI — AI 시대의 권력 집중, 우리는 어디까지 신뢰할 수 있을까

한 사람의 손에 쥐어진 AI의 미래

뉴요커(The New Yorker)가 OpenAI CEO 샘 올트먼에 대한 심층 프로필 기사를 내놨어요. 제목부터 강렬한데요 — "샘 올트먼이 우리의 미래를 통제할 수도 있다. 그를 신뢰할 수 있는가?"라는 질문을 정면으로 던지고 있어요. 이 기사가 나온 시점이 의미심장한 게, OpenAI가 비영리에서 영리 기업으로의 전환을 마무리하고, AGI(범용 인공지능) 개발을 더 가속화하겠다고 선언한 직후거든요.

개발자 입장에서 이게 왜 중요하냐면, 우리가 매일 쓰는 도구의 방향성이 한 회사, 더 정확히는 한 사람의 판단에 크게 좌우되고 있기 때문이에요. GPT API를 쓰든, Copilot을 쓰든, 혹은 경쟁 제품을 쓰든 간에 OpenAI의 행보는 AI 생태계 전체에 파급력을 미치거든요.

비영리에서 영리로 — 무엇이 바뀌었나

OpenAI의 역사를 잠깐 되짚어볼게요. 2015년에 일론 머스크, 샘 올트먼 등이 "AI의 혜택을 인류 전체에 돌려주겠다"는 취지로 비영리 연구소를 설립했어요. 그런데 AI 연구에는 천문학적인 컴퓨팅 비용이 들기 때문에, 2019년에 "이익 상한제 영리법인(capped-profit)"이라는 독특한 구조를 만들었죠. 투자자의 수익을 원금의 100배까지만 허용하고, 그 이상의 이익은 비영리 법인에 귀속시키겠다는 거였어요.

그런데 최근 이 구조가 완전한 영리 법인으로 전환되는 과정에 있어요. 마이크로소프트로부터 수십억 달러의 투자를 유치했고, 기업 가치는 수천억 달러에 달하죠. 처음의 비영리 미션과 현재의 상업적 현실 사이의 괴리가 점점 커지고 있는 거예요.

2023년 11월에 있었던 이사회의 올트먼 해임 사태, 그리고 직원들의 집단 반발로 5일 만에 복귀한 드라마도 이 맥락에서 봐야 해요. 이사회는 "올트먼이 이사회에 일관되게 솔직하지 않았다"는 이유로 해임했지만, 결과적으로 올트먼은 더 강한 권한을 가지고 돌아왔어요. 안전을 우선시하던 이사진은 교체되었고요.

기술적 권력 집중의 문제

이 논의가 단순한 기업 가십이 아닌 이유가 있어요. AI 모델의 개발과 배포에 관한 결정은 본질적으로 기술적이면서 동시에 사회적인 결정이거든요. 예를 들어볼게요.

모델의 안전 기준을 어디에 둘 것인가, 어떤 데이터로 훈련할 것인가, API 가격 정책을 어떻게 할 것인가, 어떤 기능을 무료로 공개하고 어떤 기능을 유료화할 것인가. 이런 결정 하나하나가 전 세계 개발자의 워크플로우와 수백만 사용자의 경험에 직접적인 영향을 미쳐요.

Google의 Gemini, Anthropic의 Claude, Meta의 Llama 등 경쟁 모델이 있긴 하지만, OpenAI가 시장에서 차지하는 비중과 영향력은 여전히 압도적이에요. 특히 기업용 AI 도입에서 "GPT"가 사실상 대명사처럼 쓰이고 있고, API 생태계도 OpenAI 중심으로 형성되어 있죠.

경쟁 구도와 대안의 가능성

OpenAI에 대한 견제 역할을 할 수 있는 플레이어들을 살펴보면요. Anthropic은 "안전한 AI"를 전면에 내세우며 헌법적 AI(Constitutional AI) 같은 접근법을 개발하고 있어요. OpenAI 출신 인사들이 세운 회사라서, 어떤 면에서는 OpenAI의 초기 미션을 이어가려는 시도로 볼 수도 있죠. Meta는 Llama 시리즈를 오픈소스로 공개하면서 AI 모델의 민주화를 주도하고 있고요. 그리고 Mistral, DeepSeek 같은 후발주자들도 무시할 수 없는 수준의 모델을 내놓고 있어요.

하지만 근본적인 문제는, 프론티어 모델을 훈련시키려면 수십억 달러 규모의 컴퓨팅 인프라가 필요하다는 거예요. 이건 결국 소수의 대형 기업만 감당할 수 있는 비용이고, 권력 집중은 구조적으로 피하기 어려운 상황이에요.

한국 개발자에게 주는 시사점

우리나라도 네이버의 HyperCLOVA X, 카카오의 Kanana 등 자체 LLM을 개발하고 있지만, 현실적으로 많은 스타트업과 개발팀이 OpenAI API에 의존하고 있어요. 이런 상황에서 생각해봐야 할 것은 벤더 종속(vendor lock-in) 리스크예요.

하나의 API 제공자에게 너무 깊이 묶이면, 가격 인상이나 정책 변경, 서비스 중단 같은 상황에 취약해져요. 실무적으로는 추상화 레이어를 두어서 모델 제공자를 교체할 수 있는 구조를 만들어두는 게 좋겠죠. LiteLLM 같은 도구를 활용하면 여러 LLM 제공자의 API를 통일된 인터페이스로 호출할 수 있어요.

또 하나는, AI 기술의 거버넌스에 개발자 커뮤니티도 목소리를 내야 한다는 점이에요. 모델이 어떤 데이터로 훈련되는지, 안전 기준은 어떻게 정해지는지, 이런 결정이 소수의 경영진 뒤에서 이루어지는 건 건강한 생태계가 아니거든요.

정리하면

AI가 인프라가 된 시대에, AI 회사의 거버넌스는 더 이상 실리콘밸리만의 문제가 아니에요. 우리가 의존하는 도구의 미래가 어떤 구조 위에 세워지고 있는지, 한 번쯤 진지하게 생각해볼 때예요. 여러분은 특정 AI 제공자에 대한 의존도를 줄이기 위해 어떤 전략을 쓰고 계신가요?