Executive Summary

2026년 7월 2일, 마이크로소프트는 25억 달러와 6천 명을 들여 AI 엔지니어를 고객사 안으로 들여보내는 Frontier Company를 발표했다. 별도 법인이 아니라 기존 인력을 재편한 조직이고, 앞세운 약속은 성능이 아니라 "고객의 지능(IQ)을 지킨다"였다. 그 문장 하나가 지금의 경쟁 축이 어디로 옮겨갔는지 그대로 드러낸다.

더 눈에 띄는 건 이것이 고립된 사건이 아니라는 점이다. OpenAI, 앤트로픽, AWS가 앞서 같은 방향에 돈을 걸었고, 마이크로소프트까지 네 곳이 6주 안에 나란히 배포 조직을 세웠다. 모델 성능이 서로 비슷해진 자리에서, 승부처가 "누가 남의 조직 안에서 배포를 끝내는가"로 옮겨갔다는 신호다.

그래서 물음은 하나로 모인다. 배포 경쟁은 결국 데이터 주권 경쟁이며, 고객 고유의 데이터를 어떻게 격리하고 지키느냐가 신뢰의 조건이 된다.

$2.5B

Frontier Company 규모

마이크로소프트가 배포 조직에 건 투자

6,000명

고객사 임베딩 인력

대부분 신규 채용이 아닌 기존 직원

4곳

6주 내 같은 베팅

OpenAI·앤트로픽·AWS·마이크로소프트

20년

FDE 모델의 나이

팔란티어가 처음 고안한 배포 방식

1

고객사 안에 들어간 6천 명

마이크로소프트가 발표한 Frontier Company의 핵심은 사람을 어디에 두느냐다. 25억 달러를 투입해 6천 명의 산업·엔지니어링 전문가를 고객사 조직 안에 상주시킨다. 발표는 상업 부문 CEO 저드슨 알트호프가 맡았고, 조직을 이끄는 자리에는 마이크로소프트 아시아 대표를 지낸 30년 경력의 로드리고 케데 리마가 앉았다. 별도 법인을 세운 게 아니라, 대부분 기존 직원을 재편해 고객 현장으로 보내는 구조다.

알트호프는 이 조직을 두고 "지금까지 forward-deployed engineering이라 불려온 것을 넘어선다"고 했다. 팔란티어가 20년 전 군사 용어에서 빌려 온 이 방식은, 엔지니어가 본사에 앉아 제품을 넘기는 대신 고객 조직 안에 들어가 배포를 끝까지 책임지는 모델이다. 마이크로소프트는 여기에 규모를 얹어 "업계에서 가장 크고 결과 지향적인 엔지니어링 조직"이라는 이름을 붙였다.

그런데 발표에서 성능만큼 자주 등장한 단어가 따로 있었다. 고객의 데이터를 지킨다는 약속이다. 마이크로소프트는 고객의 데이터와 IP를 모델 학습에 절대 쓰지 않는다고 못박았고, OpenAI·앤트로픽·자사 모델·오픈소스를 모두 지원하는 멀티-모델 방식을 함께 내세웠다. 런던증권거래소그룹(LSEG), 유니레버, 노보 노디스크 같은 초기 고객 명단은 규제와 데이터 민감도가 높은 조직이 앞줄에 있다는 걸 보여준다.

마이크로소프트 Frontier Company가 겨냥한 AI 전환 대상 산업 — 제조업 로봇팔, 의료 MRI, 도심 빌딩, 유통 매장
▲ Frontier Company 발표와 함께 공개된 산업 전환 일러스트 — 제조·의료·금융·유통 전반에 AI 엔지니어를 배치한다 | Source: Microsoft Official Blog

눈여겨볼 대목은 마이크로소프트가 자사 모델 하나로 밀어붙이지 않았다는 점이다. 어떤 모델이든 얹을 수 있게 열어 두고, 대신 "고객 데이터를 지킨다"를 전면에 세웠다. 파는 것이 모델이 아니라 배포와 신뢰라는 선언에 가깝다.

2

6주 안에 같은 베팅을 한 네 곳

마이크로소프트만의 결정이었다면 한 회사의 전략으로 읽고 넘어가도 된다. 그런데 시점을 나란히 놓으면 그림이 달라진다. 5월에 OpenAI가 40억 달러 규모의 배포 합작사를, 앤트로픽이 15억 달러 벤처를 세웠다. 6월 30일 AWS가 10억 달러를 forward-deployed 엔지니어에 걸었고, 이틀 뒤 마이크로소프트가 뒤를 이었다. 여섯 주 사이에 네 곳이 같은 자리에 돈을 던진 셈이다.

6주 안에 같은 자리에 건 네 곳의 베팅 5월 초 OpenAI $4B 독립 합작 법인 5월 중 앤트로픽 $1.5B PE 파트너십 합작 6월 30일 AWS $1B 내부 조직 7월 2일 마이크로소프트 $2.5B Frontier Company
▲ 페블러스 원본 도식 — 6주 안에 같은 배포 조직을 세운 네 플레이어의 타임라인

네 곳은 크게 두 갈래로 갈린다. 엔터프라이즈 유통망이 없는 OpenAI와 앤트로픽은 사모펀드·투자은행과 손잡은 합작 법인으로 고객에게 다가갔다. 반대로 기존 대기업 관계를 이미 쥔 마이크로소프트와 AWS는 내부 조직으로 밀고 들어갔다. 접근 경로는 달라도 목적지는 하나, 고객 조직 안에서 배포를 끝내는 자리다.

플레이어 발표 투자 구조 핵심 차별점
OpenAI 2026-05 $4B 독립 합작 법인 대기업 대상, 자사 모델 강점
앤트로픽 2026-05 $1.5B 합작(PE 파트너십) 중견기업·투자 포트폴리오사 진입
AWS 2026-06-30 $1B 내부 조직 에이전트 중심, 고객 자립 설계
마이크로소프트 2026-07-02 $2.5B 내부 조직(Frontier) 멀티-모델, 데이터 주권 강조

네 곳이 같은 결론에 도달한 이유는 모델 쪽에서 찾을 수 있다. 2026년의 상위 모델들은 대부분의 엔터프라이즈 업무에서 능력이 엇비슷해졌다. 성능 격차가 좁혀지면 마진과 고착(lock-in)은 아래로, 실제 데이터와 워크플로우와 사람이 맞닿는 구현 층으로 내려간다. 배포의 진짜 병목도 거기에 있다. SSO와 권한 관리, 감사 로그, 에어갭, GDPR·HIPAA 같은 규제 대응은 모델을 더 키운다고 풀리지 않는다.

AWS가 자사 방식을 설명한 대목이 이 이동을 잘 보여준다. 수개월씩 걸리던 배포를 며칠로 줄이겠다는 것인데, 비결은 엔지니어가 현장을 떠난 뒤에도 남도록 노하우를 코드에 심어 고객이 스스로 굴러가게 만드는 데 있다. 파는 것이 모델에서 배포를 끝까지 책임지는 능력으로 옮겨갔다는 사실을, 접근법이 서로 다른 경쟁사들도 같은 언어로 확인해 주고 있는 셈이다.

3

배포 전쟁의 판돈은 데이터 주권

여기서 마이크로소프트가 "고객의 IQ를 지킨다"고 못박은 대목으로 돌아가 보면 의미가 분명해진다. 이 약속은 사실상 해자가 어디에 있는지를 인정하는 말이다. 모델이 상품이 됐다면, 복제할 수 없는 자산은 기업이 쌓아 온 고유한 데이터뿐이다. 그래서 고객이 AI 벤더 앞에서 품는 진짜 두려움은 성능이 아니라 이것이다. 내 데이터로 경쟁사를 훈련시키는 것 아닌가.

사티아 나델라가 앞서 꺼낸 "사회적 허가(societal permission)"라는 말도 같은 선 위에 있다. AI가 실제 성과를 증명해야 사회의 신뢰를 얻는다는 뜻이었는데, 그 신뢰의 첫 조건이 바로 남의 데이터를 먹어치우지 않는 것이다. 고객 데이터를 학습에서 격리하겠다는 공약은 윤리 선언이 아니라 배포를 성사시키기 위한 상업적 전제 조건에 가깝다.

페블러스가 말해 온 AI-Ready Data의 렌즈로 보면 이 배포 전쟁이 다르게 읽힌다. 엔지니어 6천 명이 고객사에 들어가도, 그 위에 올릴 데이터가 준비돼 있지 않으면 배포는 다시 막힌다. 준비된 데이터란 세 가지 성질을 갖춘 데이터다.

  • • 배포 가능한 데이터 — 거버넌스와 보안 체계가 갖춰져 AI 시스템에 안전하게 연결할 수 있는 데이터.
  • • 격리 가능한 데이터 — 타사 모델 학습에서 분리돼 기업의 자산으로 남는 데이터.
  • • 고유한 데이터 — 경쟁사가 복제할 수 없는, 그 기업만의 데이터. 진짜 해자가 여기 있다.
AI-Ready Data의 3 성질 1 배포 가능한 데이터 거버넌스·보안 갖춰 AI 시스템에 안전 연결 2 격리 가능한 데이터 타사 모델 학습에서 분리 기업 자산으로 유지 3 고유한 데이터 경쟁사 복제 불가능 기업의 진짜 해자
▲ 페블러스 원본 도식 — 엔터프라이즈 AI 배포 성공의 조건: AI-Ready Data의 3 성질

빅테크가 배포에 수십억 달러를 거는 동안, 기업이 던져야 할 질문은 어느 벤더의 엔지니어를 부를까가 아니다. 우리 데이터가 배포될 준비가 됐는가, 그리고 격리될 준비가 됐는가다. 배포 경쟁의 판돈은 결국 그 데이터를 누가 지키느냐에 걸려 있다.

R

참고문헌

공식 발표·블로그

업계·보도