팔란티어 카프의 AI 비판: 모델 경쟁 이후에는 실행 경쟁이 온다

무슨 일이 있었나: 카프는 왜 “기업들이 프런티어 AI 랩에 불만”이라고 말했나

CNBC 보도에 따르면, 팔란티어의 알렉스 카프는 기업 고객들이 이른바 프런티어 AI 랩, 즉 OpenAI와 Anthropic 같은 대형 모델 회사들의 운영 방식에 불만을 가지고 있다고 말했다. 그의 표현은 꽤 직설적이었다. 기업들은 이 회사들이 고객의 실제 비즈니스를 깊이 이해하기보다, AI 토큰 사용량을 늘리는 데 더 관심이 있다고 본다는 것이다.

카프는 이를 “Tokenmaxxing”이라고 불렀다. 표현 자체는 다소 도발적이지만, 문제의식은 익숙하다. 고객 입장에서 중요한 것은 토큰 소비량이 아니다. 더 많은 프롬프트, 더 긴 컨텍스트, 더 비싼 추론이 아니라, 실제 비용 절감과 업무 성과다.

이 지점에서 논쟁의 프레임이 바뀐다. 지금까지 AI 산업의 중심 질문이 “누가 가장 뛰어난 모델을 만들었는가”였다면, 기업 시장의 질문은 조금 다르다. “그 모델을 우리 조직의 업무 흐름 안에서 어떻게 작동하게 만들 것인가”가 더 중요해지고 있다.

핵심 요약: 모델 경쟁에서 실행 경쟁으로

1. 기업들이 AI 모델 회사에 불만을 갖는 이유

기업이 AI에 기대하는 것은 꽤 현실적이다. 더 나은 보고서, 더 빠른 고객 응대, 더 정확한 예측, 더 낮은 운영 비용, 더 적은 인력 조율 비용이다. 그런데 모델 회사의 관심이 “얼마나 많은 토큰이 사용되었는가”에 머문다고 느껴지는 순간, 고객은 불편함을 느낀다.

물론 OpenAI나 Anthropic이 고객 가치를 무시한다고 단정할 수는 없다. 실제로 두 회사 모두 기업용 제품과 보안, 거버넌스, API 생태계를 확장하고 있다. 다만 카프가 찌른 지점은 따로 있다. 모델 회사의 매출 구조는 사용량과 강하게 연결된다. 사용량이 늘어나는 것은 공급자에게 좋지만, 고객에게는 비용 증가일 수 있다.

이 괴리는 앞으로 더 자주 드러날 가능성이 크다. 소비자 서비스에서는 더 강력한 모델과 더 넓은 사용량이 곧 좋은 경험처럼 보일 수 있다. 그러나 기업 환경에서는 다르다. 기업은 “더 많이 쓰는 것”보다 “같은 결과를 더 싸고 안정적으로 내는 것”을 원한다.

2. AI 비용 문제는 이제 부차적인 문제가 아니다

AI 도입 초기에 기업들은 성능에 집중한다. 어떤 모델이 더 잘 요약하는지, 어떤 모델이 더 좋은 코드를 만드는지, 어떤 모델이 더 자연스럽게 대화하는지를 본다. 이 단계에서는 비용이 다소 높아도 실험 비용으로 받아들일 수 있다.

하지만 업무에 깊숙이 들어오면 이야기가 달라진다. 고객 응대, 내부 검색, 분석 리포트, 영업 지원, 법무 검토, 개발 보조처럼 사용 빈도가 높은 업무에 AI가 붙으면 추론 비용은 운영비가 된다. 운영비는 실험비와 다르다. 매달 반복되고, 규모가 커질수록 재무팀과 경영진의 질문을 받는다.

그래서 기업들은 점점 더 까다롭게 묻게 된다.

• 이 모델을 꼭 써야 하는 업무는 어디인가?
• 더 작은 모델이나 다른 워크플로로 같은 결과를 낼 수 있는가?
• AI가 만든 결과가 실제 인건비와 오류 비용을 얼마나 줄였는가?
• 사용량 증가가 생산성 증가로 연결되고 있는가?
• 부서별 AI 비용을 어떻게 통제하고 측정할 것인가?

카프가 말한 비용 문제는 단순히 모델 가격이 비싸다는 불만이 아니다. 기업용 AI가 실험 단계를 지나 운영 단계로 들어갈 때 피할 수 없는 질문이다.

3. 팔란티어의 진짜 메시지: “LLM보다 적용이 돈이 된다”

카프의 핵심 문장은 이것에 가깝다. LLM은 중요하지만, 앞으로 몇 년 동안 가장 큰 가치는 AI를 실제 업무에 적용하는 데서 나온다. 이 말은 모델 회사를 깎아내리는 말이면서 동시에 팔란티어의 투자 논리다.

구도를 단순화하면 이렇다.

• OpenAI: 범용 모델과 제품 생태계
• Anthropic: 안전성과 고성능 모델 중심의 기업용 AI
• Palantir: 조직 데이터, 운영 워크플로, 의사결정 시스템에 AI를 연결하는 실행 플랫폼

팔란티어가 원하는 위치는 모델 공급자가 아니다. 기업이 가진 데이터, 권한 체계, 업무 절차, 의사결정 흐름, 보안 요구사항 사이에 AI를 심는 운영 플랫폼이다. 이 포지션이 매력적인 이유는 기업 AI의 난제가 대부분 모델 바깥에 있기 때문이다.

기업 데이터는 지저분하다. 권한은 복잡하다. 부서마다 사용하는 시스템이 다르다. 현업은 AI 답변보다 실제 업무 처리 결과를 원한다. 이 문제를 풀려면 단순 API 호출 이상의 것이 필요하다. 데이터 통합, 권한 관리, 업무 맥락, 감사 가능성, 운영 대시보드가 함께 들어가야 한다.

바로 이 지점에서 팔란티어는 “우리가 돈을 버는 곳은 모델이 아니라 실행”이라고 말하고 있는 셈이다.

4. “Anthropic 프로젝트도 팔란티어 위에서 돈다”는 말의 의미

카프는 CNBC 인터뷰에서 Anthropic이 공개적으로 이야기하는 프로젝트 대부분이 팔란티어 위에서 돌아간다고 주장했다. 이 발언은 사실관계의 세부 검증과 별개로, 팔란티어가 시장에 보내고 싶은 신호를 잘 보여준다.

그 신호는 이렇다. “모델 회사도 결국 기업 현장에서는 실행 인프라가 필요하다.” 다시 말해, 모델이 아무리 강해도 기업 내부에서 작동하려면 데이터와 프로세스, 운영 계층이 필요하고, 팔란티어가 그 계층을 제공한다는 주장이다.

이 메시지는 꽤 영리하다. 팔란티어는 모델 회사와 정면으로 경쟁하기보다, 모델 회사가 만든 능력을 기업 환경에 꽂아 넣는 회사로 자신을 배치한다. 그러면 어떤 모델이 이기든 팔란티어는 수혜를 볼 수 있다는 서사가 가능해진다.

5. IPO를 앞둔 모델 회사들에 대한 시장 메시지

기사에서 중요한 배경은 OpenAI와 Anthropic의 상장 움직임이다. 이런 시점에 카프가 모델 회사의 한계를 지적했다는 것은 우연만은 아닐 것이다. 이는 경쟁사 비판인 동시에 투자자를 향한 포지셔닝이다.

카프의 메시지를 조금 부드럽게 번역하면 이렇다. “모델 회사들의 가치는 이미 크게 주목받고 있다. 하지만 기업 AI에서 실제 현금흐름을 만드는 곳은 모델 자체가 아니라, 기업이 AI를 업무에 적용하도록 돕는 운영 계층이다.”

이 주장은 투자자에게 매력적으로 들릴 수 있다. 모델은 계속 경쟁해야 한다. 더 큰 컴퓨팅, 더 많은 데이터, 더 높은 연구비가 필요하다. 반면 기업 운영 플랫폼은 고객의 업무 흐름 안에 깊게 들어가면 교체 비용이 높아진다. 팔란티어는 바로 그 점을 강조하고 싶어 한다.

비판적으로 보면: 카프의 말은 맞지만, 완전히 중립적이지는 않다

카프의 지적은 설득력이 있다. 기업용 AI에서 실행, 비용, 운영 통합이 중요해지는 것은 분명하다. 하지만 이 발언을 있는 그대로 받아들이기만 해서는 안 된다. 그는 팔란티어의 CEO이고, 팔란티어의 시장 가치를 설명해야 하는 사람이다.

따라서 그의 발언은 두 층으로 읽어야 한다.

1. 산업 분석으로서의 메시지: 모델은 점점 상품화되고, 기업 적용 계층의 가치가 커질 수 있다.
2. 기업 홍보로서의 메시지: 그 수혜자는 팔란티어이며, 팔란티어는 모델 회사보다 더 돈이 되는 위치에 있다는 주장이다.

첫 번째는 상당히 타당하다. 두 번째는 팔란티어가 증명해야 한다. 기업 AI 시장은 팔란티어만의 무대가 아니다. 클라우드 기업, ERP 기업, 데이터 플랫폼, 컨설팅 회사, 자체 AI 조직을 가진 대기업까지 모두 이 실행 계층을 노리고 있다.

결국 관건은 팔란티어가 얼마나 많은 기업에서 AI를 “데모”가 아니라 “운영 체계”로 바꿀 수 있느냐다.

우리에게 중요한 포인트: AI 사업은 모델보다 문제 연결에서 갈린다

이 기사를 우리식으로 해석하면 메시지는 더 단순해진다. AI 시대의 사업 기회는 모델을 직접 만드는 곳에만 있지 않다. 오히려 많은 기회는 모델과 현실 문제 사이의 간극에 있다.

기업은 “AI를 쓰고 싶다”고 말하지만, 실제로는 다음을 원한다.

• 고객 응대 시간이 줄어들기를 원한다.
• 사내 문서 검색이 쉬워지기를 원한다.
• 반복 보고서 작성이 자동화되기를 원한다.
• 의사결정에 필요한 데이터가 한곳에 모이기를 원한다.
• 보안과 권한을 지키면서 AI를 쓰기를 원한다.

여기서 필요한 것은 단순한 모델 호출이 아니라 문제 정의, 데이터 연결, 워크플로 설계, 운영 측정이다. 결국 앞선 글에서 말한 문제 정의 능력과도 연결된다. 좋은 AI 사업은 “어떤 모델을 쓸 것인가”보다 “어떤 문제를 어떤 흐름으로 해결할 것인가”에서 시작한다.

FAQ: 팔란티어와 기업용 AI 경쟁을 이해하기 위한 짧은 답

카프가 말한 Tokenmaxxing은 무슨 뜻인가?

고객 가치보다 AI 토큰 사용량을 늘리는 데 집중한다는 비판적 표현이다. 기업 입장에서는 사용량 증가가 곧 비용 증가이기 때문에, 실제 성과 없이 토큰만 많이 쓰는 구조를 경계한다.

기업은 왜 최고 성능 모델만 쓰지 않는가?

기업 업무에서는 성능만큼 비용, 안정성, 보안, 권한 관리, 감사 가능성, 기존 시스템 연동이 중요하다. 최고 성능 모델이 항상 최고의 운영 선택은 아니다.

팔란티어는 OpenAI나 Anthropic과 경쟁하는가?

일부 영역에서는 경쟁할 수 있지만, 팔란티어가 강조하는 포지션은 모델 개발보다 기업 적용과 운영 플랫폼에 가깝다. 어떤 모델을 쓰든 기업 현장에 연결하는 계층에서 가치를 만들겠다는 전략이다.

결론: AI의 승자는 모델을 가진 회사가 아니라, 모델을 현장에 연결하는 회사일 수 있다

카프의 발언은 도발적이지만, 그 안에는 중요한 방향성이 있다. AI 모델은 계속 좋아질 것이다. 하지만 기업이 체감하는 가치는 모델 성능표에서 나오지 않는다. 실제 업무가 빨라지고, 비용이 줄고, 의사결정이 나아지고, 조직의 조율 비용이 낮아질 때 가치가 생긴다.

그래서 앞으로의 경쟁은 모델 경쟁만으로 설명되지 않는다. 모델을 기업 데이터와 업무 흐름, 권한 체계, 운영 지표에 연결하는 실행 경쟁이 더 중요해진다. 카프는 그 역할을 팔란티어가 하겠다고 말하고 있다.

이 주장이 완전히 맞는지는 시간이 증명할 것이다. 다만 한 가지는 분명하다. AI 산업의 다음 장은 “누가 가장 똑똑한 모델을 만들었는가”에서 “누가 그 모델로 실제 돈을 벌게 만들었는가”로 이동하고 있다.