AI의 승자를 맞히는 대신
AI의 승자를 맞히는 대신, 어떤 AI가 이겨도 고객이 유리한 구조 | AI의 승자를 맞히는 대신, 어떤 AI가 이겨도 고객이 유리한 구조를 만든다 요즘 기업이 AI를 도입할 때 가장 먼저 묻는 질문은 대개 비슷합니다. OpenAI를 써야 하는지, Claude가 나은지, Gemini가 좋은지, 아니면 오픈소스 모델을 직접 운영해야 하는지 묻습니다. 물론 중요한 질문입니다. 그러나 기업의 시스템을 실제로 만들고 운영하는 입장에
AI의 승자를 맞히는 대신, 어떤 AI가 이겨도 고객이 유리한 구조를 만든다
요즘 기업이 AI를 도입할 때 가장 먼저 묻는 질문은 대개 비슷합니다. OpenAI를 써야 하는지, Claude가 나은지, Gemini가 좋은지, 아니면 오픈소스 모델을 직접 운영해야 하는지 묻습니다. 물론 중요한 질문입니다. 그러나 기업의 시스템을 실제로 만들고 운영하는 입장에서 보면 그보다 먼저 물어야 할 질문이 하나 있습니다. “지금 선택한 모델이 바뀌더라도 우리 회사의 업무는 계속 돌아갈 수 있는가?” 입니다. 이 질문이 중요한 이유는 단순합니다. AI 모델은 이미 고정된 소프트웨어 부품처럼 움직이지 않고 있기 때문입니다. Microsoft의 Azure Architecture Center도 생성형 AI 시스템을 설계하면서 모델 선택은 일회성 결정이 아니며, 시장 발전이나 업무 변화에 따라 기존 모델을 새로운 모델로 정기적으로 교체해야 할 수 있다고 설명합니다. 그래서 아키텍처 단계에서 추상화 계층을 두어 특정 공급자에 대한 종속을 줄이는 방법까지 공식적으로 권고하고 있습니다.
실제로 세계에서 가장 큰 클라우드 사업자들도 이미 이런 방향으로 움직이고 있습니다. AWS는 Amazon Bedrock의 핵심 가치를 특정 모델 하나가 아니라 모델 선택권으로 설명합니다. 현재 Bedrock에서는 OpenAI, Anthropic, Meta, DeepSeek, Qwen, Mistral 등 서로 다른 기업의 모델을 사용할 수 있으며, AWS는 애플리케이션 전체를 다시 작성하지 않고 모델을 교체할 수 있는 구조 자체를 전략적 장점으로 제시합니다. AWS는 모델마다 성능과 비용, 정확도의 균형이 다르기 때문에 업무에 맞는 모델을 비교하고 선택하는 것이 실제 사업성과에 영향을 준다고 설명합니다. Google Cloud 역시 같은 결론에 가까워지고 있습니다. Gemini Enterprise는 200개가 넘는 모델 가운데 Google 모델뿐 아니라 오픈모델과 다른 사업자의 모델까지 선택할 수 있도록 하고, 업무별로 가장 적합하거나 비용 효율적인 모델로 작업을 라우팅하는 구조를 제공하고 있습니다.
이것은 단순히 기술회사들이 선택지를 많이 제공한다는 이야기가 아닙니다. 기업이 AI를 사용할 때 가장 비싸고 가장 강력한 모델 하나를 모든 업무에 사용하는 것이 반드시 경제적이지 않다는 뜻이기도 합니다. 문서를 간단히 분류하는 업무와 복잡한 사업계획을 분석하는 업무에는 필요한 지능의 수준이 다르고, 고객 문의를 정리하는 작업과 중요한 의사결정을 보조하는 작업 역시 요구되는 비용·속도·정확도가 다릅니다. AWS는 바로 이런 이유로 각 업무에 맞는 모델을 선택하는 것이 비용과 성능을 함께 최적화하는 방법이라고 설명하며, Bedrock의 intelligent routing 역시 요청에 따라 품질과 비용의 조합을 비교해 적합한 모델을 선택하도록 설계되어 있습니다. 실제 사례에서도 이런 구조가 비용 차이를 만들고 있습니다. AWS가 공개한 InterWiz 사례에서는 여러 모델을 업무별로 평가하고 재배치하면서 AI 비용을 90% 줄였다고 설명합니다. 한 사례를 모든 기업에 일반화할 수는 없지만, 적어도 모델 선택권이 실제 비용구조에 영향을 줄 수 있다는 점은 확인할 수 있습니다.
그래서 MAEUM은 처음부터 특정 AI 모델을 판매하는 회사로 자신을 정의하지 않습니다. 현재 MAEUM은 예약, 주문·재고, CRM, 업무 자동화, AI 기능을 포함한 실제 웹·업무 시스템을 고객의 업무에 맞춰 설계하고 구축하며, 외주 역시 단순히 요구사항을 받아 제작하는 방식이 아니라 고객 팀 안으로 들어가 실제 업무 흐름을 함께 설계하는 Forward Deployed Engineering 방식으로 설명하고 있습니다. MAEUM이 공개한 기술 원칙 역시 “AI 모델을 적재적소에” 사용하는 멀티모델 구조입니다. 현재 기술 스택에는 Claude, OpenAI, Gemini와 오픈소스 LLM이 함께 명시되어 있고, 고객의 문제와 환경에 따라 필요한 모델과 기술을 선택한다고 밝히고 있습니다.
이 구조에는 고객에게도 이유가 있고 MAEUM에게도 이유가 있습니다. 고객 입장에서 중요한 것은 어떤 AI 기업의 시장점유율이 높아지는지가 아니라 자신의 회사가 더 잘 운영되는 것입니다. 만약 동일한 업무를 더 저렴한 모델이 충분히 처리할 수 있다면 더 비싼 모델을 계속 사용할 이유가 없고, 새로운 모델이 기존 모델보다 정확하거나 빠르다면 교체할 수 있어야 합니다. 특정 데이터가 외부 클라우드로 나가서는 안 되는 조직이라면 API 기반 모델보다 자체 장비에서 실행하는 모델이 더 적합할 수도 있습니다. Microsoft가 AI 아키텍처에서 모델 교체 가능성과 vendor lock-in을 별도의 설계 문제로 다루고, AWS와 Google이 여러 모델을 한 플랫폼에서 비교·교체할 수 있도록 투자하는 것도 이런 요구가 실제 기업시장에 존재하기 때문이라고 볼 수 있습니다.
MAEUM이 온디바이스 AI Runtime을 함께 개발하는 이유도 같은 흐름에 있습니다. MAEUM은 보안이 중요한 기업과 기관을 위해 AI를 조직 내부 장비에서 실행하고, 인터넷 연결 없이 사용할 수 있으며, 외부로 전송되는 업무 데이터를 최소화하고 필요에 따라 AI 모델을 교체할 수 있는 구조를 공개하고 있습니다. 폐쇄망과 기관 환경까지 대응 대상으로 명시하고 있으며 현재 해당 Runtime은 특허 출원 상태입니다. 여기서 중요한 것은 “클라우드가 나쁘다”거나 “온디바이스 AI가 반드시 더 좋다”는 주장이 아닙니다. MAEUM의 유인은 오히려 반대에 가깝습니다. 클라우드가 가장 효율적인 고객에게는 클라우드를 사용하고, 자체 환경이 필요한 고객에게는 내부 실행 방식을 제공하며, 한 가지 기술적 선택을 모든 고객에게 강요하지 않는 것이 현재 공개된 MAEUM 기술전략과 더 일치합니다.
이런 구조에서는 AI 기업들끼리 경쟁하는 것이 MAEUM에게 반드시 나쁜 일이 아닙니다. OpenAI가 더 좋은 모델을 만들면 사용할 수 있는 기술이 좋아지고, Anthropic이 특정 업무에서 더 좋은 성능을 내면 그 모델을 선택할 수 있으며, Google이나 새로운 사업자가 더 낮은 비용으로 충분한 성능을 제공하면 고객에게 그 이익을 전달할 수 있습니다. 오픈모델이 발전하면 클라우드 API 외의 선택지가 늘어날 수 있습니다. AWS와 Google 같은 거대 플랫폼조차 다양한 모델을 하나의 환경에서 제공하며 모델 간 선택과 교체를 제품의 장점으로 내세우고 있다는 사실은, AI 산업의 가치가 하나의 모델을 영구히 선택하는 방향보다 여러 모델을 목적에 따라 조합하는 방향으로도 발전하고 있다는 강한 신호입니다.
그래서 MAEUM의 사업적 유인은 특정 모델을 보호하는 데 있지 않습니다. 오히려 모델 시장에서 경쟁이 계속되고, 더 좋은 모델이 등장하고, 가격과 성능의 조합이 다양해질수록 고객에게 제시할 수 있는 선택지가 많아집니다. 이것은 “어떤 AI가 결국 세계 1등이 될 것인가”를 예측하는 사업과는 상당히 다른 구조입니다. MAEUM이 공개적으로 하고 있는 일은 모델 자체를 훈련해 판매하는 것이 아니라, 고객의 실제 업무를 분석한 뒤 웹·앱·SaaS·업무자동화·AI 기능을 하나의 작동하는 시스템으로 구축하고 운영하는 것입니다. 현재 사이트에서도 제품 기획부터 개발·배포·운영까지 연결하고 있으며, 고객과 함께 만든 실제 운영 시스템도 공개하고 있습니다. 따라서 MAEUM에게 중요한 자산은 특정 모델의 이름보다 고객의 업무가 어떻게 움직이는지를 이해하고 그 업무를 소프트웨어 구조로 만드는 능력에 더 가깝습니다.
이 원칙은 소유와 운영 방식에서도 이어집니다. 현재 MAEUM은 고객이 시스템을 직접 소유하는 SI 방식과 MAEUM이 서버·AI·데이터 관리·개선을 함께 맡는 SaaS 운영 방식을 모두 제공합니다. 내부 서버나 폐쇄망, 보안 요구가 있는 조직은 직접 소유하는 방식을 선택할 수 있고, 시스템 운영 자체를 맡기고 싶은 사업자는 운영형 모델을 선택할 수 있도록 가격과 방식을 공개하고 있습니다. 이것 역시 하나의 기술이나 하나의 계약방식을 고객에게 강요하는 것보다는 업무와 상황에 따라 적합한 방식을 선택하도록 한다는 현재 MAEUM의 사업구조와 일관됩니다.
결국 MAEUM이 AI 시장을 바라보는 기준은 “누가 승자인가”보다 “고객에게 무엇이 가장 유리한가”에 가깝습니다. AI 시장의 발전 속도가 빨라질수록 모델을 영구적인 전제로 두고 시스템을 짜는 것보다 교체 가능성을 처음부터 고려하는 것이 합리적이라는 점은 Microsoft도 공식 아키텍처 가이드에서 강조하고 있고, AWS와 Google 역시 모델 선택과 교체를 기업용 AI 플랫폼의 핵심 기능으로 만들고 있습니다. MAEUM이 그보다 아래의 실제 기업 운영 영역에서 취하려는 접근 역시 같은 방향입니다. 모델을 목적으로 두는 대신 업무를 목적으로 두고, 모델은 그 업무를 해결하기 위한 수단으로 사용합니다.
그래서 MAEUM에게 가장 좋은 미래는 반드시 OpenAI가 승리하는 미래도, Claude가 승리하는 미래도, 오픈소스가 모든 것을 대체하는 미래도 아닙니다. 좋은 기술들이 계속 경쟁하고, 기업이 그중 자신의 상황에 가장 적합한 것을 선택할 수 있는 미래가 MAEUM의 목적과 가장 잘 맞습니다. 모델 성능이 좋아지면 고객에게 더 좋은 기능을 제공할 수 있고, 모델 가격이 내려가면 운영비를 줄일 수 있으며, 로컬 모델이 발전하면 보안이 중요한 환경까지 적용 범위를 넓힐 수 있고, 새로운 모델이 등장하면 기존 시스템 전체를 버리는 대신 필요한 부분만 교체할 수 있기 때문입니다. 이 마지막 문장은 MAEUM의 현재 멀티모델·온디바이스·FDE 구조와 AWS·Microsoft·Google이 제시하는 모델 선택 아키텍처에서 도출되는 사업적 해석입니다.
우리가 원하는 것은 고객을 특정 기술에 묶어두는 것이 아닙니다. 오히려 기술이 바뀌어도 고객의 회사가 계속 움직일 수 있도록 만드는 것입니다. 예약과 주문, 고객관리와 재고, 데이터와 보고, 반복업무와 AI가 하나의 실제 운영 시스템 안에서 연결되고, 그 안의 AI는 필요에 따라 더 적합한 것으로 바뀔 수 있어야 합니다. 이것이 현재 MAEUM이 공개하고 있는 멀티모델, Forward Deployed Engineering, SaaS와 SI의 선택 구조, 온디바이스 Runtime이 결국 하나의 방향으로 만나는 지점입니다.
MAEUM은 어떤 AI가 이길지 맞히는 회사가 아니라, 어떤 AI가 이기더라도 고객이 더 좋은 선택을 할 수 있게 만드는 회사를 지향합니다.