OpenAI의 에이전트 API는 AI 트레이딩에 필요한 정보를 제공합니다.

9월 10일, 오픈AI는 자신의 에이전트 API를 공개 베타 버전으로 출시했습니다. 이는 “장기적으로 작동하는 에이전트”를 구축하기 위한 서비스입니다. 이를 기반으로 만들어진 에이전트는 단 한 가지 질문에 답하지 않습니다. 대신 여러 단계의 과정을 거쳐 도구를 호출하고 하위 에이전트를 생성하며, 작업이 완료될 때까지 자신만의 컨텍스트를 관리합니다. 개발자는 하나의 API 호출로 모든 것을 정의할 수 있습니다. 즉, 작업, 모델, 도구 등을 한 번에 정의하면 되며, 오픈AI가 그 작업을 처리합니다. 이는 코덱스와 채터GPT 워크를 실행하는 데 사용되는 동일한 기술을 활용하는 방식입니다.

AI 산업에 종사하는 사람들에게 중요한 것은 청구 내역입니다. OpenAI는 API 자체에 대해 별도의 요금을 부과하지 않습니다.개발자는 에이전트가 사용하는 토큰에 대한 비용을 지불합니다.제품의 용어를 제거하면, 오픈AI가 판매하는 것은 실시간 계산 작업입니다. 그리고 에이전트가 작업을 수행할 때마다 비용이 지급됩니다.

그 청구 구조가 문제인데, 왜냐하면 에이전트들은 사용자의 토큰 예산을 크게 낭비하기 때문입니다. 가트너의 2026년 에이전트 기반 워크로드에 대한 분석에 따르면…표준 챗봇의 교환량의 5배에서 30배까지한 개의 지원 티켓을 해결하는 데 필요한 시간은 평범한 대화 몇십 번과 맞먹습니다. 모든 도구의 호출, 모든 하위 에이전트의 작업, 모든 컨텍스트 압축 과정도 모두 측정됩니다. 따라서 Agents API는 단순히 에이전트들을 활용할 수 있게 해주는 것이 아니라, 그들이 많은 연산을 수행할 수 있도록 허용하는 것입니다. 이는 단순한 용어의 변화가 아니라, 실제로 수요를 유발하는 요소에 큰 변화를 가져오는 것입니다.

출시 이야기는 제품 자체가 아닙니다. 출시 이야기는 추론의 욕구입니다.

이 모든 것들이 OpenAI의 가치를 단독으로 증가시키지는 않습니다. 왜냐하면 OpenAI는 사적 기업이기 때문입니다. 따라서 가장 직접적으로 이익을 가져다주는 것을 구입할 수는 없습니다. 하지만 OpenAI가 하는 일은 “모델이 계속 개선된다”는 일반적인 AI 투자 이야기에서 “얼마나 많은 컴퓨팅 자원이 낭비되는지”로 전환시킵니다. 그리고 이는 Nvidia의 아키텍처, Microsoft의 Azure, 그리고 OpenAI를 지원하는 네트워크 및 데이터센터 시스템을 통해 공개 시장에 영향을 미칩니다. Nvidia는 이미 이 분야에서 성과를 거두었습니다. 또한 소프트웨어 측면에서는, Microsoft의 정보를 분석한 분석가들은 OpenAI를…마이크로소프트의 AI 매출의 약 70%그 이름을 가진 사람들에게 있어서, Agent API는 실제로 유료 구매량으로 나타나는 서비스라는 점에서 큰 기회가 될 것입니다. 단순한 데모용으로 사용되는 것이 아닙니다.

이 법안은 제약 조건이며, 오픈AI가 만든 법안입니다.

이곳에서 반PR 검사가 실제로 유용해집니다. OpenAI는 에이전트를 성장의 동력으로 보고 있으며, 그 수익도 실제로 존재합니다.2026년 중반까지 연간 약 400억 달러에 해당합니다.2025년 말에 약 200억 달러였던 금액에서 증가했으며, 기업 부문이 전체의 절반 이상을 차지합니다. 하지만 이 회사는 수익보다 더 많은 비용을 지출하는 기업이기도 합니다. 독립적인 분석 결과에 따르면, 그 규모는 대략…매 1달러의 수익에 3.30달러가 소비됩니다.그리고 프로젝트를 실행해보세요.확장에 필요한 비용은 약 7500억 달러입니다.그것은 자체적인 작업을 수행하는 데 있어서 완전히 충분하지 않습니다.유출된 감사 보고서9월 초에 그 우려가 다시 커졌습니다. 빠르게 성장하지만 수익성이 낮은 것이 스타트업의 일반적인 현상입니다. 하지만 이 정도 규모에서는, 에이전트들이 얻을 수 있는 수익과 그들을 위해 필요한 비용 사이의 격차가 결코 사소한 문제가 아닙니다.

OpenAI는 공급 측면의 격차를 줄이려고 노력하고 있습니다. 이때, 소프트웨어처럼 보이는 제품이 실제로는 실리콘과 경제적 측면을 고려한 결과라는 점이 중요합니다. 이 회사의 첫 번째 맞춤형 인식 칩인 Jalapeño는 킬로와트당 처리량이 더 높고 토큰 지연 시간도 상대적으로 낮아서 상용 시스템보다 우수한 성능을 보여줍니다. 또한 모델 측면에서도 비용을 절감하려고 노력하고 있습니다. GPT-5.6 Sol은 최고 수준의 코딩 테스트 점수를 달성했습니다.주요 경쟁사에 비해 약 54% 적은 출력 토큰 수OpenAI는 이 모든 것을 ‘제본스 역설’이라고 부릅니다. 즉, 지능의 효율성이 높아질수록 더 많은 작업들이 비용 효율적으로 수행될 수 있으며, 전체적인 소비량도 증가한다는 것입니다.

분명히, 그것은 자기중심적인 논리일 뿐입니다. 동시에 그건 한 가지 메커니즘이기도 합니다. 단가가 낮아지고, 생산량이 증가하면서, 결국 승자는 누구인지가 중요한 문제가 됩니다.

실제로 볼 내용은 무엇인가요?

따라서 Agents API는 두 가지 요소를 동시에 조정합니다. 그리고 이 두 요소는 서로 반대 방향으로 작용합니다. 수요 측면에서는, Agents를 데모 환경에서 실제로 사용되는 작업으로 전환시켜, 인식 처리량을 증가시키는 효과를 가져옵니다. 이는 소비자 투자자들이 실제로 소유할 수 있는 칩 및 클라우드 서비스에 유리한 상황입니다. 비용 측면에서는, OpenAI의 전체 컴퓨팅 전략이 각 단위당 비용을 줄이는 것을 목표로 하기 때문에, 그들의 재무 상태는 이러한 컴퓨팅 비용을 충당하기에는 부족합니다.

이 문제를 해결할 수 있는 지표는 발행 행위나 오픈AI의 슬라이드 세트가 아닙니다. 중요한 것은 에이전트 토큰의 사용량이 유료 서비스에서 실제로 활용되는지 여부입니다. 즉, API 사용량, Azure 및 클라우드 수요, 마이크로소프트에 전달되는 수익 정보 등을 통해 판단해야 합니다. 또한 단위 비용이 충분히 빠르게 감소하여 그러한 규모의 수익을 창출할 수 있는지도 중요합니다. 오픈AI가 공개한 베타 고객 수치(한 파트너는 사례당 비용이 60% 줄었다고 주장함)는 마케팅 데이터에 불과합니다. 진정한 데이터는 앞으로 몇 분기 동안의 유료 사용량일 것입니다.

메커니즘과 그 경제적 측면이 명확한 방향을 가리키면, 그곳에서 멈추는 것이 좋습니다. 하지만 여기서는 그렇지 않습니다. 메커니즘은 간단하지만, 누가 그로부터 이익을 얻는지는 아직 명확하지 않습니다. Agent API는 에이전트가 장시간의 작업을 수행할 수 있는지에 대한 기술적 의문을 해소해주지 않습니다. 또한, 누가 컴퓨팅 비용을 지불하는지에 대한 의문도 해결되지 않았습니다.