OpenAI, AI 가치를 위한 ‘달러당 유용한 지능’ 지표 제안

OpenAI는 2026년 7월 17일 기업이 AI 투자를 ‘달러당 유용한 지능’으로 평가하자는 비즈니스 프레임워크를 공개했다. 핵심 주장은 도입 수나 토큰 단가만으로는 중요한 결과, 즉 가치 있는 작업이 허용 가능한 품질 기준에 맞춰 얼마나 완료됐는지를 파악할 수 없다는 것이다.

제안된 스코어카드는 완료된 유용한 작업, 성공 작업당 전체 비용, 신뢰성, 그리고 사용이 늘어날수록 AI 지출 1달러가 더 많은 가치를 만드는지의 네 부분으로 이뤄진다. 이는 한 기업이 제안한 프레임워크이지 중립적인 업계 표준은 아니다. 다만 AI 논의를 활동량에서 성과로 옮길 수 있는 실용적인 관점을 제공한다.

프롬프트가 아니라 워크플로를 측정하기

이 프레임워크는 먼저 하나의 워크플로를 고르고, 실제 일이 일어나는 시스템 안에서 ‘완료’의 의미를 정하라고 권한다. 고객 지원에서는 고객 문제가 해결된 상태일 수 있고, 엔지니어링에서는 테스트를 통과한 변경일 수 있으며, 법무에서는 정확하고 기한 내에 끝난 검토일 수 있다.

이 접근은 비용 계산도 바꾼다. 토큰 가격은 하나의 입력일 뿐이다. 작업의 실제 비용에는 컴퓨팅, 직원 시간, 재시도, 검토, 재작업이 포함된다. 저렴한 모델도 여러 번 시도해야 한다면 실무에서는 더 비쌀 수 있다. 반대로 더 뛰어난 모델이 적은 개입으로 일을 정확히 끝낸다면 더 나은 가치가 될 수 있다.

신뢰성도 경제성의 일부

OpenAI는 결과를 바로 사용 가능, 수정 필요, 사람에게 에스컬레이션 필요로 나눠 추적할 것을 제안한다. 단순한 분류지만, 매끄러운 답변과 실제로 의지할 수 있는 워크플로 결과를 구분해 준다.

AI가 초안 작성에서 행동으로 넘어가기 전에 팀은 명확한 경계도 정해야 한다. 접근 가능한 데이터, 변경 가능한 시스템, 사람의 검토나 승인이 필요한 시점이다. 안전성, 개인정보 보호, 통제는 투자수익과 별개인 문제가 아니다. 필요한 검토, 복구, 신뢰 비용에 영향을 준다.

팀이 다음으로 할 일

• 모든 AI 사용을 한 번에 측정하려 하지 말고, 빈도가 높고 정의가 분명한 워크플로 하나를 고른다.
• 모델이나 공급업체를 비교하기 전에 성공의 기준을 정한다.
• 모델 가격뿐 아니라 사람과 시스템에 드는 의미 있는 비용을 모두 추적한다.
• 바로 사용할 수 있는 결과와 편집 또는 에스컬레이션이 필요했던 결과를 구분한다.
• 시간이 지나며 다시 측정해 품질을 유지하면서 성공 작업당 비용이 낮아지는지 확인한다.

Goodiebase의 관점

‘달러당 유용한 지능’은 보편적인 KPI가 아니라 의사결정 프레임워크로 이해하는 편이 좋다. 가장 강한 아이디어는 간단하다. 팀은 맥락 안에서 완료됐고 품질 기준을 충족한 작업을 측정해야 한다. AI 도구가 활동량만 좋아 보이게 하면서 검토 반복, 불확실성, 숨은 운영 비용을 늘린다면 그 가치는 아직 입증되지 않았다.