OpenAI가 최근 공개한 GPT-5.6은 이전 세대 모델보다 낮은 비용으로 더 높은 성능을 낸다고 발표했습니다. API 호출 단가가 다시 내려갔고, 같은 예산으로 처리할 수 있는 작업의 양이 늘었습니다. 이 소식 앞에서 많은 실무자들이 가장 먼저 떠올리는 것이 있습니다. 지금 쓰는 구독 플랜을 바꿔야 할 때인가.

이 질문 자체는 자연스럽습니다. 하지만 그 앞에 먼저 확인해야 할 것이 있습니다.

도구가 평준화된 이후

1990년대 초 스프레드시트 소프트웨어가 사무실 대부분에 보급됐을 때, 이것을 쓸 줄 안다는 사실은 얼마 지나지 않아 차별화의 조건이 되지 못했습니다. 이후 실무에서 격차를 만든 것은 소프트웨어 도입 여부가 아니었습니다. 같은 도구로 어떤 문제를 어떻게 풀어내는지, 숫자가 이상하게 나왔을 때 어디서부터 의심하는지, 그 판단 능력이 차이를 만들었습니다.

AI 모델 가격은 지난 2년 동안 빠르게 내려왔습니다. 2023년 고성능 모델에 접근하는 비용은 현재 비슷한 성능 범위의 모델과 비교해 수십 배 차이가 났습니다. 이번 GPT-5.6 발표도 그 연장선입니다. OpenAI뿐만 아니라 Google, Anthropic, Meta 등 주요 제공사들이 같은 방향으로 경쟁하고 있습니다. 이 속도가 유지된다면, 어떤 모델을 쓰느냐가 실질적 진입장벽이 되는 기간은 짧아집니다.

AI가 싸질수록 격차는 줄어든다는 기대가 있습니다. 더 많은 사람이 더 좋은 도구에 접근할 수 있게 된다는 점에서, 이 기대는 틀리지 않습니다. 하지만 이 전제가 성립하려면 한 가지 조건이 필요합니다. 도구를 쓰는 사람들 사이의 능력 차이가 크지 않다는 가정입니다. 그 가정이 실제로 유지되는지는 다른 문제입니다.

같은 모델에서 갈리는 것

AI 출력의 질을 가르는 변수 가운데서 모델 선택이 차지하는 비중은 생각보다 작습니다. 물론 모델 간 성능 차이는 존재합니다. 실험 환경에서는 최신 모델이 구형 모델보다 일관되게 좋은 결과를 냅니다. 문제는 실무 환경이 실험 환경과 같지 않다는 점입니다.

같은 모델에 같은 질문을 넣어도 어떤 사람은 그 결과를 그대로 쓰고, 어떤 사람은 핵심 수치를 별도 출처로 확인하고, 어떤 사람은 논리 구조에서 빠진 전제를 찾아냅니다. 각 경로가 낳는 최종 결과물의 차이는 모델 버전 차이보다 큽니다.

더 강한 모델이 나올수록 이 차이는 더 선명해집니다. 출력이 그럴듯해질수록 그것을 그대로 수용하고 싶은 충동도 함께 커지기 때문입니다. 문법 오류가 사라지고, 문장 구조가 매끄러워지고, 논리 연결이 자연스러워집니다. 오류가 더 설득력 있는 언어 안에 들어옵니다.

2023년 뉴욕 법원에서 변호사가 ChatGPT로 작성한 소장에 실제로 존재하지 않는 판례 여섯 건이 인용된 사건이 있었습니다. 당사자는 AI 출력을 그대로 제출했고, 법원 측이 판례를 직접 확인하는 과정에서 드러났습니다. 법률 분야에만 있는 문제가 아닙니다. AI 출력이 유려해질수록 검증 없이 넘어가는 빈도도 높아집니다. 이 상황에서 검증 습관이 갖춰지지 않은 사람이 치르는 비용은 모델이 좋아질수록 오히려 늘어납니다.

도구 밖에서 쌓이는 역량

AI에게 넘길 것과 붙잡아야 할 것을 가리는 판단은 AI 사용 시간이 늘어난다고 자동으로 생기지 않습니다. 그 분야를 실제로 알고 있을 때, 어떤 결론이 상식의 범위 안에 있는지를 즉시 감지할 수 있습니다. 어떤 고객이 무엇에 반응하는지, 어떤 논리 구조가 실무에서 통하는지, 이런 것들은 AI가 처리하는 텍스트 안에 담겨 있지 않습니다. 실제 경험에서 쌓입니다.

AI가 처리할 수 있는 영역은 계속 확장되고 있습니다. 초안 작성, 요약, 분류, 코드 생성에서 AI와 사람 사이의 속도 격차는 이미 크게 벌어졌습니다. 이 사실을 받아들이면 질문이 달라집니다. "어떤 모델이 더 좋은가"가 아니라 "AI가 만든 것에 내가 무엇을 더하는가"가 됩니다.

이 질문에 답할 수 있는 사람은 AI 가격이 내려갈수록 이득을 봅니다. 같은 판단력으로 더 많은 작업을 더 낮은 비용에 처리할 수 있게 되기 때문입니다. 그 반대쪽에서는 더 강한 모델을 써도 산출물의 품질이 높아지지 않습니다. 더 빠르게, 더 그럴듯하게, 비슷한 수준의 결과를 만들어낼 뿐입니다.

지금 쓰고 있는 모델의 출력 가운데 수정 없이 그대로 쓰는 비율이 높다면, 그것이 채워지기 전까지 모델 업그레이드는 의존도를 높이는 쪽으로 작동합니다. AI 구독료보다 먼저 점검할 것은, 지금 쓰는 모델의 출력을 얼마나 읽고 있는가입니다.