핵심 변화
TechCrunch가 다룬 이번 데이터의 핵심은 OpenAI와 Anthropic 사이의 기업 사용자 지출 흐름이 고정되어 있지 않다는 점이다. Ramp의 결제 데이터를 기준으로 보면 Anthropic은 2026년 5월 Ramp의 유료 기업 고객군에서 OpenAI를 앞섰고, 2026년 7월 기준으로도 Anthropic이 약 44%, OpenAI가 약 40% 수준으로 여전히 앞서 있다. 다만 최근 분기 진행 상황에서는 OpenAI의 성장 속도가 Anthropic보다 빠른 것으로 나타났다고 TechCrunch는 전했다.
이 소식은 “어느 모델이 최종 승자냐”보다 “기업과 팀이 AI 도구를 얼마나 쉽게 바꾸는가”를 보여주는 자료에 가깝다. 개인 사용자, 학생, 연구자, 개발자에게도 의미가 있다. 기업 시장에서 도구 선택이 자주 흔들린다는 것은 모델 성능, 가격, 데이터 보존 조건, 개발자 경험, 팀 관리 기능이 바뀔 때 실제 사용 도구도 빠르게 바뀔 수 있다는 뜻이기 때문이다.
무엇을 보여주는 데이터인가
이번 자료의 출처는 기업 카드와 비용 관리 서비스를 제공하는 Ramp다. TechCrunch에 따르면 이 데이터는 Ramp의 청구 결제와 기업 카드 상품을 쓰는 미국 기업 7만 곳 이상을 대상으로 한다. 이 기업들은 Ramp를 통해 수십억 달러 규모의 지출을 처리한다. 따라서 단순 설문보다 실제 결제 행동에 가깝다는 장점이 있다.
하지만 전체 시장을 대표한다고 보기는 어렵다. Ramp 고객은 다양한 산업에 걸쳐 있지만, 실리콘밸리에서 많이 쓰이는 기업 카드라는 특성상 기술 업계 쪽으로 기울어질 수 있다. 또한 대기업 중에는 Ramp가 아니라 American Express 같은 다른 비용 관리 체계를 쓰는 곳도 있다. 그래서 이 수치는 미국 기업 전체의 AI 지출 점유율이라기보다 Ramp 고객군 안에서 관찰된 방향성으로 읽어야 한다.
왜 지금 확인해야 하나
AI 제품은 기능 자체보다 실제 업무 흐름에 들어왔을 때 가치가 생긴다. 모델이 좋아졌다는 발표만으로는 부족하다. 문서 요약, 코드 검토, 연구 자료 검색, 고객 응대 초안, 데이터 정리, 배포 전 점검처럼 반복되는 작업 하나를 줄일 수 있어야 한다. 그렇지 않다면 뉴스로는 중요해도 당장 도구를 바꿀 이유는 약하다.
이번 기사에서 중요한 대목은 Anthropic이 5월 이후 Ramp 고객군에서 앞서고 있음에도 OpenAI가 최근 더 빠르게 성장하고 있다는 점이다. 이는 기업 고객이 한 번 선택한 AI 도구에 장기간 묶여 있다고 보기 어렵다는 신호다. 새 모델이 나오거나 가격과 정책이 바뀌면 팀은 다시 비교한다. 개인 사용자도 마찬가지다. 월 구독료, 사용량 제한, API 비용, 데이터 처리 조건이 바뀌면 익숙한 도구라도 다시 따져봐야 한다.
사용자별 판단 기준
개인 사용자
개인 사용자는 모델 성능보다 매달 실제로 쓰는 작업을 기준으로 봐야 한다. 채팅 품질이 조금 좋아졌다는 이유만으로 여러 서비스를 동시에 결제하면 비용이 쉽게 커진다. 글쓰기, 번역, 공부, 문서 정리, 이미지나 코드 보조처럼 자주 쓰는 작업을 3개 정도 정하고, 각 도구가 어느 작업에서 시간을 줄여주는지 비교하는 편이 낫다.
학생과 연구자
학생과 연구자는 데이터 보존 조건과 인용 검증을 특히 확인해야 한다. 논문, 실험 기록, 미공개 연구 아이디어, 수업 과제 자료를 넣는다면 해당 서비스가 입력 데이터를 어떻게 보관하는지 봐야 한다. 기사에는 Anthropic의 고급 모델 계층인 Fable과 관련해 데이터 30일 보존 안내가 사용자 반발을 불렀다는 내용이 나온다. 이 부분은 실제 계정 약관과 관리 설정에서 다시 확인해야 한다.
개발자
개발자는 모델 성능만 보지 말고 API 안정성, 도구 호출, 코드 생성 품질, 컨텍스트 처리, 비용 예측 가능성을 같이 봐야 한다. 특정 모델이 개발자에게 인기가 있다는 언급이 있더라도, 본인의 언어와 프레임워크, 테스트 방식에서 같은 장점이 나오는지는 별도 검증이 필요하다. 작은 저장소나 제한된 기능 단위로 먼저 비교하고, 실패한 응답을 수정하는 데 걸리는 시간까지 기록해야 한다.
소규모 팀
팀은 개인보다 권한과 비용 관리가 중요하다. 관리자가 사용자별 접근 권한을 조정할 수 있는지, 결제와 사용량을 확인할 수 있는지, 퇴사자나 외부 협업자의 접근을 회수할 수 있는지 봐야 한다. AI 도구가 업무 자료를 다룬다면 보안 검토 없이 전사 도입으로 넘기기보다 제한된 팀에서 먼저 운영 조건을 확인하는 편이 안전하다.
바로 확인할 체크포인트
| 항목 | 확인할 질문 | 선택 기준 |
|---|---|---|
| 가격 | 개인, 팀, API 요금 조건이 현재 쓰는 도구보다 명확한가? | 월 비용과 사용량 제한을 예측할 수 있을 때 우선 검토한다. |
| 적용 범위 | 웹, 앱, API, 지역, 계정 유형 중 어디에서 사용할 수 있는가? | 내 환경에서 바로 쓸 수 있어야 실제 도입 후보가 된다. |
| 권한 관리 | 팀원이 자료에 접근하는 범위를 관리할 수 있는가? | 업무 자료를 다룬다면 관리자 설정과 감사 가능성을 확인한다. |
| 데이터 보존 | 입력한 데이터가 얼마나 오래 보관되는가? | 민감한 자료가 들어간다면 약관과 계정 설정 확인 전에는 보류한다. |
| 대안 비교 | 기존 도구로 같은 결과를 낼 수 있는가? | 전환 비용보다 반복 작업 절감 효과가 클 때만 이동한다. |
실사용 전에 해볼 테스트
- 반복 작업 하나를 고른다. 문서 요약, 코드 리뷰, 논문 정리, 회의록 정리처럼 매주 반복되는 작업이어야 한다.
- 같은 입력을 기존 도구와 새 도구에 넣는다. 결과 품질뿐 아니라 수정 횟수와 걸린 시간을 함께 본다.
- 실패 기준을 정한다. 사실 오류, 코드 실행 실패, 인용 누락, 형식 오류가 얼마나 자주 나오는지 기록한다.
- 비용 변화를 계산한다. 한 달 사용량 기준으로 구독료 또는 API 비용이 어떻게 달라지는지 확인한다.
- 민감 자료 투입 가능 여부를 확인한다. 데이터 보존, 학습 사용 여부, 관리자 통제 항목을 확인한 뒤 업무 자료 사용 범위를 정한다.
이번 데이터를 과하게 해석하면 안 되는 이유
Ramp 데이터는 유용하지만 한계가 분명하다. TechCrunch는 Ramp가 실제 지출 달러 규모를 공개하지 않고 비율만 공유했다고 전했다. 따라서 OpenAI와 Anthropic의 전체 매출 규모를 이 자료만으로 추정하기는 어렵다. 또한 Ramp 고객군은 기술 업계 비중이 상대적으로 높을 수 있어, 제조, 공공, 교육, 의료, 금융 같은 다른 분야의 구매 행동과 다를 수 있다.
또 하나의 변수는 시간이다. 기사에서 언급된 최근 성장 흐름은 3분기 중간 지점의 관찰이다. 분기가 끝나기 전에도 새 모델, 가격 정책, 데이터 처리 조건, 경쟁 제품 출시가 나오면 방향은 다시 바뀔 수 있다. AI 제품 선택은 장기 계약보다 반복 검증에 가까워지고 있다. 이 점이 개인과 팀 모두에게 가장 실용적인 시사점이다.
도입 판단
OpenAI가 Anthropic을 다시 앞섰다고 단정할 수는 없다. 2026년 7월 기준 Ramp 고객군에서는 Anthropic이 여전히 더 높은 비율을 보인다. 다만 OpenAI가 최근 더 빠르게 성장하고 있다는 신호는 기업 AI 지출이 생각보다 유동적이라는 점을 보여준다. 특정 회사의 브랜드보다 실제 작업 성능과 운영 조건이 선택을 좌우한다는 뜻이다.
따라서 지금 필요한 것은 승자 예측이 아니라 적용 기준 정리다. 새 모델이나 기능이 나올 때마다 전체 워크플로우를 옮기지 말고, 반복 작업 하나를 골라 작은 테스트를 진행하는 방식이 현실적이다. 결과 품질, 수정 시간, 비용, 데이터 보존 조건을 함께 기록하면 다음 제품 업데이트가 나왔을 때도 같은 기준으로 판단할 수 있다.
출처와 검증
이 글은 TechCrunch가 2026년 8월 20일 공개한 기사와 제공된 참고 내용을 바탕으로 작성했다. Ramp 데이터는 전체 AI 시장의 공식 점유율이 아니라 Ramp 고객군의 지출 흐름을 보여주는 지표로 해석해야 한다. 실제 도입 전에는 각 서비스의 공식 가격표, 계정별 제공 범위, 데이터 보존 정책, 팀 관리자 설정을 다시 확인해야 한다.