기업이 고른 AI 모델, 반년 뒤에도 같았을까요?

기업이 생성형 AI를 도입할 때 가장 먼저 마주하는 질문은 대개 비슷합니다.

"어떤 AI 모델이 가장 좋은가."

그런데 2026년 상반기 고객사 활용 현황을 살펴보면 이 질문의 유효기간은 생각보다 짧았습니다.

반년 사이 주요 모델의 도입률이 저마다 10%p 안팎으로 움직였습니다. 오늘 내린 답이 6개월 뒤에도 유효하리라는 보장이 없는 시장입니다.

웍스AI 고객사들은 가장 좋은 모델을 찾아 정착하기보다, 업무에 맞는 모델을 계속 선택할 수 있는 방향으로 움직이고 있었습니다.

반년 만에 모델의 판이 움직였습니다

2026년 1월 웍스AI 고객사의 OpenAI 모델 도입률은 98.4%였습니다. 사실상 모든 기업이 선택한 기본값에 가까웠습니다. 그러나 6월에는 90.7%로 낮아졌습니다.

같은 기간 Anthropic과 Upstage의 도입률은 높아졌고, Google과 Perplexity는 낮아졌습니다.

2026년 상반기 주요 AI 모델 도입률 변화

※ 웍스AI 고객사 기준. 한 고객사가 여러 모델을 함께 도입할 수 있어 모델별 도입률의 합은 100%를 초과합니다.

방향은 제각각이지만 공통점이 있습니다. 움직임의 폭입니다. 불과 반년 사이 주요 모델의 도입률이 10%p 안팎으로 오르내렸습니다. 어느 시점에 '정답'으로 정해둔 모델도 빠르게 낡을 수 있다는 뜻입니다.

하지만 도입률의 증감만으로 기업이 기존 모델을 버리고 다른 모델로 옮겼다고 보기는 어렵습니다.

6월 주요 모델의 도입률을 합하면 300%를 넘습니다. 한 고객사가 여러 모델을 함께 도입할 수 있기 때문에 가능한 수치입니다. 도입률이 낮아진 모델들도 여전히 절반 이상의 고객사에서 유지되고 있고, OpenAI 역시 하락 후에도 가장 높은 도입률을 기록했습니다.

즉 상반기의 변화는 승자의 교체보다 조합의 재조정에 가까웠습니다.

기업은 기존 선택지를 없애기보다 새로운 모델을 추가하면서 업무에 맞는 조합을 찾아가고 있었습니다.

선택 기준이 기업 안으로 들어왔습니다

상승폭이 가장 컸던 모델은 Upstage였습니다. 반년 사이 도입률이 18.8%p 높아졌습니다. 글로벌 모델들이 이미 자리 잡은 환경에서 나타난 상승이라는 점이 눈에 띕니다. (다만 이는 실제 사용량이나 주력 모델 비중이 아니라, 해당 모델을 도입한 고객사의 비율을 의미합니다.)

도입 초기에는 벤치마크 점수나 인지도 같은 외부의 평판이 주요 판단 기준이 됩니다. 아직 자사 업무에 적용해 검증한 결과가 충분하지 않기 때문입니다.

그러나 사용 경험이 쌓이면 판단의 근거도 달라집니다.

우리 문서에서 잘 작동하는지, 한국어 처리가 충분한지, 조직의 보안 요건과 맞는지를 직접 확인하게 됩니다.

Upstage와 Anthropic의 상승은 한국어 처리, 보안 요건, 실제 업무 적합성처럼 기업 내부의 사용 조건이 모델 선택에 개입하기 시작했다는 신호로 읽을 수 있습니다.

가장 널리 알려진 모델이 아니라, 각자의 업무 조건에 맞는 모델을 확인하고 선택하려는 움직임이 나타난 것입니다.

모델보다 선택의 구조를 설계해야 합니다

중요한 것은 '어떤 모델이 올랐는가'가 아닙니다. 반년마다 판이 움직이는 시장에서 '최고의 모델을 맞히는 능력'은 유효기간이 짧습니다. 오늘 가장 정확한 답을 골라도 6개월 뒤에는 다시 골라야 합니다.

선택지가 늘어날수록 조직의 기준은 더 중요해집니다. 같은 업무에 어떤 모델을 쓸지 구성원의 선호에만 맡기면 결과물의 품질과 비용을 관리하기 어렵고, 다루는 정보에 따라 보안 요건에 맞지 않는 선택이 생길 수도 있습니다.

그래서 멀티 모델 환경에는 세 가지 기준이 필요합니다.

첫째, 업무 목적에 따른 모델 선택 기준입니다.
둘째, 모델별 역할을 나누는 운영 원칙입니다.
셋째, 비용과 보안, 품질을 함께 관리하는 체계입니다.

기준 없는 선택지는 자율이라기보다 방치에 가깝습니다.

선택의 폭을 조직의 역량으로 바꾸려면, 모델을 고르는 기준과 운영 원칙이 함께 마련돼야 합니다.

모델이 바뀌어도 업무는 이어져야 합니다

모델 선택의 기준은 계속 달라집니다. 새로운 모델이 등장하고 성능과 비용이 바뀔 때마다, 조직은 기존 선택을 다시 검토해야 합니다. 문제는 모델을 바꾸는 일이 업무 환경까지 바꾸는 일로 이어질 때입니다.

특정 모델에 맞춰 도구와 프로세스를 설계하면 선택을 바꾸는 비용이 커집니다. 구성원 교육부터 프롬프트, 업무 흐름, 보안·관리 기준까지 다시 손봐야 하기 때문입니다. 이때 조직은 더 나은 모델이 나와도 성능이 아니라 전환 비용 때문에 기존 선택을 유지하게 됩니다.

따라서 멀티모델 운영의 핵심은 많은 모델을 제공하는 데 있지 않습니다. 업무 환경은 유지하면서 모델만 바꿀 수 있도록, 업무 프로세스와 모델 선택을 분리하는 데 있습니다. 그래야 모델의 변화가 기존 업무를 흔들지 않고, 조직이 성능과 비용, 보안 요건에 따라 선택을 계속 조정할 수 있습니다.

웍스AI는 OpenAI, Anthropic, Google, Upstage 등의 모델을 하나의 업무 환경에서 제공합니다. 구성원은 같은 업무 흐름과 관리 체계 안에서 필요한 모델을 선택하거나 추가할 수 있습니다. 특정 모델이 바뀌더라도 업무의 방식과 맥락은 이어지는 구조입니다.

좋은 모델을 한 번 고르는 것보다 중요한 것은, 모델이 바뀌어도 업무가 계속되는 환경을 만드는 일입니다.

AI를 고르는 일에서 운영하는 일로

기업의 생성형 AI 활용은 하나의 모델을 도입하는 단계에서 멈추지 않았습니다. 활용하는 기능은 넓어졌고, 산업마다 AI가 앉는 자리는 달랐으며, 모델 선택도 하나로 고정되지 않았습니다.

이제 중요한 것은 어떤 AI를 선택했는가보다, 각자의 업무에 맞게 기능과 모델을 조합하고 조직의 기준 안에서 운영할 수 있는가입니다.

데이터 해석 안내

본 글은 2026년 상반기 웍스AI 고객사의 기능 도입 현황을 분석한 결과입니다. 각 수치는 기능의 활성화 또는 도입 여부를 나타내며, 실제 사용 빈도나 업무 성과를 직접 의미하지 않습니다. 또한 분석 결과에는 웍스AI 고객 구성의 특성이 반영돼 있어 전체 기업 AI 시장의 현황과는 차이가 있을 수 있습니다.

출처: AI3, 「고객사 업종별 기능, 모델 데이터_26년 상반기」, 2026.