왜 OpenAI가 오히려 Claude Code를 따라잡고 있나?

원문 제목: Inside OpenAI's Race to Catch Up to Claude Code

원문 저자: Maxwell Zeff, Wired

원문 번역: Peggy, BlockBeats

편집자 주: AI 프로그래밍 에이전트가 빠르게 부상하는 현재, ChatGPT로 생성형 AI 물결을 이끌었던 OpenAI가 이 중요한 트랙에서 예상치 못하게 '추격자'가 되었습니다. 이와 대조적으로, 전 OpenAI 구성원들이 설립한 Anthropic은 Claude Code로 개발자 커뮤니티와 기업 시장에서 빠르게 인기를 얻으며 AI 프로그래밍 도구 분야의 주요 선도자 중 하나가 되었습니다.

이 글은 OpenAI 고위 간부, 엔지니어 및 여러 개발자들과의 인터뷰를 통해 이 경쟁 뒤에 숨겨진 실제 과정을 밝힙니다: 초기 OpenAI Codex 프로젝트가 분리되고 자원이 ChatGPT와 멀티모달 모델로 전환된 것부터, 내부 팀이 재통합되고 AI 프로그래밍 제품을 가속 출시하기까지, OpenAI는 전략적 무시에서 전면적 추격으로의 전환을 겪고 있습니다. 어떤 의미에서, 이는 기술 능력의 뒤처짐이 아니라 전략적 리듬의 어긋남입니다: ChatGPT의 폭발적 성장이 회사의 우선순위를 바꾸었고, Microsoft와의 협력 관계가 제품 경로를 제한했으며, Anthropic은 더 일찍 AI 프로그래밍 트랙에 베팅했습니다.

이 경쟁 뒤에는 더 깊은 문제도 점차 떠오르고 있습니다: AI 에이전트가 점점 더 많은 인지형 작업을 담당하기 시작할 때, 소프트웨어 개발 프로세스는 물론 화이트칼라 노동 자체가 재정의될 수 있습니다.

이하 원문입니다:

OpenAI CEO 샘 올트먼은 사무용 의자에 다리를 꼬고 앉아 천장을 올려다보며, 아직 형성되지 않은 답을 생각하는 듯했습니다. 어느 정도는 환경과도 관련이 있었습니다.

OpenAI의 샌프란시스코 미션 베이에 위치한 새 본사는 유리와 연한 색 목재로 구성된 현대적 건물로, 그 분위기는 거의 '기술 성전'에 가깝습니다. 리셉션 뒤 전시대에는 'AI 시대'(Eras of AI)를 소개하는 소책자가 놓여 있어 기술적 계시로 가는 길을 그리는 듯합니다. 계단 벽면에는 인공지능 발전의 이정표 포스터가 가득 붙어 있으며, 그중 한 장은 이 순간을 기록하고 있습니다: 수천 명의 관중이 생방송을 통해 한 기계가 'Dota 2' 경기에서 최고의 e스포츠 팀을 물리치는 것을 목격했습니다. 복도에는 연구원들이 슬로건이 적힌 팀 굿즈 티셔츠를 입고 오가는데, 그중 한 벌에는 이렇게 쓰여 있습니다: "좋은 연구에는 시간이 필요합니다." 물론, 이상적으로는 너무 오래 걸리지 않는 것이 좋겠죠.

우리는 거대한 회의실에 앉아 있었습니다. 제가 올트먼에게 던진 질문은 업계를 휩쓸고 있는 AI 프로그래밍 혁명과, 왜 OpenAI가 이 물결에서 선두 위치를 차지하지 못한 것처럼 보이는지에 관한 것이었습니다.

오늘날 수백만 명의 소프트웨어 엔지니어들이 이미 일부 프로그래밍 작업을 AI에 맡기기 시작했으며, 이는 실리콘밸리의 많은 사람들이 자동화가 자신들의 직업을 실제로 건드릴 수 있다는 현실을 처음으로 마주하게 했습니다. 코딩 에이전트(coding agents)는 그렇기 때문에 기업들이 AI에 대해 높은 가격을 기꺼이 지불하려는 소수의 응용 시나리오 중 하나가 되었습니다. 원칙적으로, 이런 순간은 완전히 가능하고, 심지어 OpenAI 계단 벽면 포스터의 다음 '승리 순간'이 되어야 했습니다. 하지만 지금, 헤드라인을 장식하는 이름은 OpenAI가 아닙니다.

이 회사의 경쟁자는 Anthropic으로, 전 OpenAI 구성원들이 설립한 AI 회사입니다. 프로그래밍 에이전트 제품 Claude Code를 통해 Anthropic은 폭발적인 성장을 이루었습니다. 회사는 2월에 해당 제품이 거의 5분의 1에 해당하는 비즈니스 규모를 기여했으며, 이는 연간 수익 250억 달러 이상에 해당한다고 밝혔습니다. 반면, 한 관계자에 따르면 1월 말 기준 OpenAI 자체의 프로그래밍 제품 OpenAI Codex의 연간 수익은 100억 달러를 약간 상회하는 수준에 불과했습니다.

문제는 이것입니다: 왜 이 AI 프로그래밍 경주에서 OpenAI가 뒤처지게 되었을까요?

"선발 주자의 가치는 매우 큽니다." 샘 올트먼이 잠시 생각에 잠긴 후 말했습니다. "이 점은 우리가 ChatGPT에서 이미 경험했습니다."

그러나 그의 견해로는, 지금이 OpenAI가 AI 프로그래밍에 전면적으로 힘을 쏟을 적기입니다. 그는 회사의 기존 모델 능력이 고도로 복잡한 코딩 에이전트(coding agents)를 지원할 만큼 충분히 강력하다고 생각합니다. 물론, 이런 능력은 우연이 아닙니다. 회사는 모델 훈련에 수십억 달러를 투자했습니다.

"이것은 거대한 사업이 될 것입니다." 올트먼이 말했습니다. "그 자체로 가져오는 경제적 가치뿐만 아니라, 프로그래밍이 해방시킬 수 있는 보편적 생산성 때문입니다." 그는 잠시 멈춘 후 덧붙였습니다: "저는 이 단어를 쉽게 사용하지 않지만, 제 생각에는 이것이 아마도 수조 달러 규모의 시장 중 하나가 될 가능성이 높습니다."

더 나아가, 그는 OpenAI Codex가 아마도 일반 인공지능(AGI)으로 가는 '가장 가능성 높은 경로'일 수 있다고 생각합니다. OpenAI의 정의에 따르면, AGI란 경제적 가치가 있는 대부분의 작업에서 인간의 성능을 능가할 수 있는 AI 시스템입니다.

샘 올트먼, OpenAI CEO. 사진: Mark Jayson Quines.

그러나 올트먼이 여유로운 자세로 자신감 있는 판단을 내렸음에도 불구하고, 지난 몇 년간 회사 내부의 실제 상황은 훨씬 더 복잡했습니다. 더 완전한 내부 이야기를 알아보기 위해, 저는 30명 이상의 관계자들을 인터뷰했습니다. 여기에는 회사의 승인 하에 인터뷰에 응한 현직 OpenAI 고위 간부와 직원들, 그리고 익명 조건 하에서 회사 내부 운영 상황을 설명한 전직 직원들도 포함됩니다. 이러한 이야기들을 종합해보면, 흔하지 않은 상황이 보입니다: OpenAI가 필사적으로 추격하고 있습니다.

시간을 2021년으로 돌려봅시다. 당시 올트먼과 다른 OpenAI 고위 간부들은 'WIRED' 기자 Steven Levy를 샌프란시스코 미션 지역의 초기 사무실로 초대해 새로운 기술 데모를 보여주었습니다. 이는 GPT-3에서 파생된 프로젝트로, GitHub의 방대한 오픈소스 코드를 사용해 훈련되었습니다.

현장 데모에서, 고위 간부들은 OpenAI Codex라는 이 도구가 어떻게 자연어 지시를 받아 간단한 코드 조각을 생성하는지 보여주었습니다.

"그것은 실제로 컴퓨터 세계에서 당신을 대신해 작업을 실행할 수 있습니다." 당시 OpenAI 사장 겸 공동 창립자 Greg Brockman이 이렇게 설명했습니다. "당신이 가진 것은 실제로 명령을 실행할 수 있는 시스템입니다." 당시에도 OpenAI 연구원들은 이미 Codex가 '슈퍼 어시스턴트'(super assistant)를 구축하는 핵심 기술이 될 것이라고 보편적으로 생각했습니다.

그 시기, 올트먼과 Brockman의 일정은 Microsoft와의 회의로 거의 가득 찼습니다. 이 소프트웨어 거대 기업이 바로 OpenAI의 가장 큰 투자자였습니다. 마이크로소프트는 Codex를 최초의 상업화 AI 제품 중 하나인 GitHub Copilot이라는 코드 자동 완성 도구에 기술 지원을 제공하기 위해 활용할 계획이었습니다. 이 도구는 프로그래머들이 일상적으로 사용하는 개발 환경에 직접 내장될 수 있었습니다.

한 초기 OpenAI 직원은 회상하기를, 그 단계에서 Codex는 "기본적으로 자동 완성만 할 수 있었다"고 말했습니다. 하지만 마이크로소프트 고위 간부들은 여전히 이를 AI 시대 도래의 중요한 신호로 간주했습니다.

2022년 6월, GitHub Copilot이 정식으로 공개 출시되었을 때, 단 몇 달 만에 수십만 명의 사용자를 끌어모았습니다.

Greg Brockman, OpenAI 사장. 사진: Mark Jayson Quines.

처음에 Codex를 담당했던 OpenAI 팀은 이후 다른 프로젝트로 이동했습니다. 한 초기 직원은 회상하기를, 당시 회사의 판단은 미래 모델 자체가 프로그래밍 능력을 갖게 될 것이므로 독립적인 Codex 프로젝트 팀을 장기적으로 유지할 필요가 없다는 것이었습니다. 일부 엔지니어들은 DALL-E 2 개발에 참여하도록 이동했고, 다른 일부는 GPT-4 훈련으로 전환했습니다. 당시에는 이것이 OpenAI를 AGI에 더 가까이 다가서게 하는 핵심 경로로 보였습니다.

이어서, 2022년 11월 ChatGPT가 출시되었고, 두 달 만에 1억 명 이상의 사용자를 확보했습니다. 회사 내부의 거의 모든 다른 프로젝트들이 이로 인해 강제 중단되었습니다. 이후 몇 년 동안, OpenAI는 사실상 AI 프로그래밍 제품을 전담하는 팀이 없었습니다. Codex 프로젝트에 참여했던 전직 구성원 한 명은 ChatGPT가 인기를 얻은 후, AI 프로그래밍은 더 이상 회사의 새로운 '소비자 제품 우선' 전략 범주에 속하지 않는 것처럼 보였다고 말했습니다. 동시에, 업계에서는 이 분야가 이미 GitHub Copilot으로 '커버'되었다고 보편적으로 생각했으며, 그 본질은 Microsoft의 주무대였습니다. OpenAI는 주로 기저 모델 지원만 제공했습니다.

따라서 2023년과 2024년에 OpenAI의 자원은 더 많이 멀티모달 AI 모델과 지능형 에이전트(agents)에 투입되었습니다. 이러한 시스템은 텍스트, 이미지, 비디오, 오디오를 동시에 이해하고 인간처럼 커서와 키보드를 조작할 수 있도록 설계되었습니다. 이 방향은 당시 업계 트렌드에 더 부합하는 것처럼 보였습니다: Midjourney의 이미지 생성 모델이 소셜 네트워크에서 빠르게 인기를 얻었고, 업계는 대규모 언어 모델이 진정으로 더 높은 수준의 지능으로 나아가기 위해서는 세계를 '보고' '들을' 수 있어야 한다고 보편적으로 생각했습니다.

이에 비해, Anthropic은 다른 경로를 선택했습니다. 비록 이 회사도 채팅봇과 멀티모달 모델을 개발하고 있었지만, 프로그래밍 능력의 잠재력을 더 일찍 깨달은 것처럼 보였습니다. 최근 한 팟캐스트에서 Brockman도 인정하기를, Anthropic은 초기 단계부터 "프로그래밍 능력에 매우 집중했다"고 했습니다. 그는 Anthropic이 모델을 훈련할 때 학술 경쟁의 복잡한 프로그래밍 문제뿐만 아니라 실제 코드 저장소에서 나온 대량의 '지저분한' 코드 문제도 포함시켰다고 지적했습니다.

"이것은 우리가 나중에야 깨달은 교훈입니다." Brockman이 말했습니다.

2024년 초, Anthropic은 이러한 실제 코드 저장소 데이터를 사용해 Claude 3.5 Sonnet을 훈련하기 시작했습니다. 이 모델이 6월에 출시되었을 때, 많은 사용자들이 그 프로그래밍 능력에 깊은 인상을 받았습니다.이러한 성능은 특히 Cursor라는 스타트업에서 입증되었습니다. 20대 청년들이 창립한 이 회사는 개발자가 자연어로 요구사항을 설명하면 AI가 직접 코드를 수정할 수 있는 AI 프로그래밍 도구를 개발했습니다. Cursor가 Anthropic의 새 모델에 연결되었을 때, 그 사용자 규모는 빠르게 성장했으며, 이 회사와 가까운 한 관계자가 밝혔습니다.

몇 달 후, Anthropic은 자체 프로그래밍 에이전트 제품인 Claude Code의 내부 테스트를 시작했습니다.

Cursor의 인기가 계속 상승하면서, OpenAI는 한때 이 스타트업을 인수하려고 시도했습니다. 하지만 이 회사와 가까운 여러 소식통에 따르면, Cursor의 창립 팀은 협상이 깊어지기 전에 이 제안을 거절했습니다. 그들은 AI 프로그래밍 산업의 잠재력이 크다고 생각했기 때문에 독립적으로 발전을 계속하기를 원했습니다.

Andrey Mishchenko, OpenAI Codex 연구 책임자. 사진: Mark Jayson Quines.

당시 OpenAI는 소위 '추론 모델'인 첫 번째 모델인 OpenAI o1을 훈련하고 있었습니다. 이러한 모델들은 답을 제시하기 전에 문제를 단계적으로 추론할 수 있습니다. OpenAI는 출시 당시 이 모델이 "복잡한 코드 생성 및 디버깅"에서 특히 뛰어난 성능을 보인다고 밝혔습니다.

Mishchenko는 설명하기를, AI 모델이 프로그래밍 능력에서 뚜렷한 진전을 이룬 중요한 이유 중 하나는 프로그래밍이 '검증 가능한 작업'(verifiable task)이기 때문이라고 했습니다. 코드는 실행되거나 실행되지 않거나 둘 중 하나이며, 이는 모델에게 매우 명확한 피드백 신호를 제공합니다. 일단 오류가 발생하면 시스템은 어디가 문제인지 빠르게 알 수 있습니다. OpenAI는 바로 이러한 피드백 루프를 활용해 o1이 더 복잡한 프로그래밍 문제에서 계속 훈련하도록 했습니다."코드 저장소에서 자유롭게 탐색하고, 수정을 구현하며, 자신의 결과를 테스트하는 능력 없이는 – 이것들은 모두 '추론' 능력의 일부입니다 – 오늘날의 프로그래밍 에이전트가 현재 수준에 도달할 수 없었을 것입니다." 그가 말했습니다.

2024년 12월까지, OpenAI 내부에는 이미 여러 소규모 팀이 AI 프로그래밍 에이전트에 집중하기 시작했습니다. 그중 한 팀은 Mishchenko와 Thibault Sottiaux가 공동으로 이끌었습니다. Sottiaux는 Google DeepMind에서 근무한 경력이 있으며, 현재는 OpenAI의 Codex 책임자입니다.

처음에 그들의 프로그래밍 에이전트에 대한 관심은 주로 내부 연구 개발 수요에서 비롯되었습니다. 모델 훈련 작업 관리,