LegalOn, 개발 속도를 유지하면서 Codex 비용을 절반으로 절감

2026년 10월 8일 OpenAI는 전 세계 법무 및 비즈니스 팀에 이른바 Professional AI를 제공하는 LegalOn Technologies의 고객 사례를 공개했다. LegalOn은 Codex를 개발 프로세스에 통합한 뒤, 추정 일일 비용을 65%, 성숙 사업 영역의 비용을 20% 줄였으며 개발 속도는 떨어지지 않았다. 이 사례의 가치는 숫자 자체보다 그것이 다루는 문제에 있다. 에이전트형 코딩이 조직에 퍼지면 청구서는 예상보다 빨리 불어난다. 가장 강력한 모델을 무제한으로 쓰게 하면 지출이 치솟고, 일괄 제한을 두면 애초에 도구를 도입한 이유였던 생산성이 사라진다.

LegalOn의 출발점은 많은 초기 도입 기업과 같았다. 주력 모델인 GPT-5.5의 Fast 모드를 개발자에게 무제한으로 제공하고, 설계와 구현, 일상 업무로 사용 범위를 넓혔다. 이 단계에서 회사는 사람과 AI의 역할을 어떻게 나눌지를 실험으로 배웠다. 한계를 아직 관찰하지 못한 도구에 좋은 정책을 쓸 수는 없으므로, 먼저 열어 두고 관찰하는 순서는 합리적이다. 그러나 원문은 결과를 분명히 말한다. 고성능 모델을 제한 없이 계속 사용하면 연간 예산을 넘길 수밖에 없다. 비용 통제는 재무의 문제에서 개발 조직 운영의 문제로 바뀌었다.

해법의 전반부는 모델 선택 방법론이다. 사내의 AI 기반 개발 조직인 AID CoE가 모델 선택 가이드라인을 만들기 시작했다. AID CoE는 모델을 테스트하고 지속적으로 모니터링했으며, 관리자들이 그 결과를 각 팀에 전달했다. 이 분업은 눈여겨볼 만하다. 테스트와 모니터링은 근거의 일관성을 위해 중앙에서 맡고, 판단은 분산시켜 각 엔지니어가 승인을 기다리지 않고 자신의 작업에 가장 알맞은 모델을 직접 고른다. 가이드라인은 작업 유형과 모델을 기계적으로 짝짓는 규정집이 아니라, 개인이 빠르고 올바르게 판단하도록 돕는 공동의 근거다.

선택지는 GPT-6의 Astra와 Luna, 그리고 GPT-6.1 Sol이었다. LegalOn은 작업의 복잡도와 개발 단계에 따라 이들 중에서 골랐다. 여기서 확인할 수 있는 원문은 어떤 모델이 어떤 작업에 맞는지까지는 밝히지 않으며, 그런 대응표를 지어내서는 안 된다. 이 사례가 분명히 보여 주는 것은 원칙이다. 모델은 전사 공통의 기본값이 아니라 작업마다 정하는 매개변수가 된다. 단순한 작업에 가장 비싼 역량을 쓸 필요는 없고, 어려운 작업에서 역량을 빼앗아 소액을 아끼는 것도 현명하지 않다.

해법의 후반부는 예산 설계다. LegalOn은 각 사업의 성장 단계에 맞춰 예산을 조정했다. 이는 보고된 두 숫자가 다른 이유를 어느 정도 설명한다. 성숙 영역의 절감은 20%이고, 추정 일일 비용 전체의 감소는 65%다. 성숙한 사업은 작업이 안정적이고 예측하기 쉬워 절감 여지가 상대적으로 작다. 초기 단계의 사업은 탐색과 실험이 더 필요하며 예산 논리도 다르다. 지출을 성장 단계에 연결하는 것은 AI 사용을 모든 팀에 똑같이 물리는 공통 경비가 아니라 기대 수익이 있는 투자로 다룬다는 뜻이다. 다만 65%는 추정 일일 비용의 감소이며, 전체 청구 주기를 감사한 실적이 아니라는 점은 분명히 해야 한다.

업계에 주는 시사점은 세 가지다. 첫째, 에이전트형 코딩의 경쟁은 가장 강한 모델을 가졌는가에서 모델을 가장 효율적으로 쓰는가로 옮겨 가고 있다. 모델 계층화와 작업 라우팅은 대규모 도입 조직의 기본 역량이 된다. 둘째, 효과적인 거버넌스는 순수한 기술 장치가 아니라 조직의 메커니즘이다. 테스트, 모니터링, 문서화된 지침, 관리자 전달의 순환이 수많은 독립적 판단을 일관되게 유지한다. 셋째, 비용과 속도는 본질적으로 적이 아니다. 다른 팀이 빌릴 수 있는 것은 버전마다 바뀔 모델 이름이 아니라 먼저 관찰하고, 계층화하고, 사업 성숙도에 따라 예산을 배분하는 순서다.