AI 서비스와 도구 (1): 채팅형 서비스 (ChatGPT / Gemini / Claude / Perplexity / 오픈 가중치 모델)#

AI 모델을 만드는 조직들이 있습니다. 그들은 AI 모델을 공개하기도 하고, AI 모델을 이용해 자체적인 서비스를 제공하기도 하며, 개발자들이 AI 모델을 이용할 수 있도록 API를 제공하기도 합니다. 공개된 AI 모델을 바탕으로 또 다른 누군가는 자신들의 목적에 맞게 최적화한 “파생 모델"을 만들어 다시 공개하거나, 서비스 / API로 제공하기도 합니다.

이 장에서는 그중 가장 많은 사람이 매일 쓰는 채팅형 서비스를 다룹니다. 각 서비스로 “무엇을 할 수 있는지"의 목록은 4부의 “업무 생산성 높이기"에서 한꺼번에 다루므로, 여기서는 각 서비스가 어떤 조직이 어떤 방향으로 만드는 제품인지, 그리고 서로 어떻게 다른지에 집중합니다.

먼저 알아 둘 것: 기능은 수렴하고 있습니다#

몇 년 전에는 “ChatGPT는 되고 다른 서비스는 안 되는 것"이 많았습니다. 지금은 주요 서비스가 거의 같은 기능 묶음을 제공합니다. 웹 검색, 파일 업로드와 분석, 이미지 생성과 편집, 음성 대화, 긴 문서 처리, 나만의 챗봇 만들기(GPTs, Gem, Project 같은 이름으로), 대화를 기억하는 메모리, 그리고 여러 단계의 작업을 알아서 수행하는 에이전트 모드까지 대부분 공통입니다.

그래서 “어느 서비스가 절대적으로 낫다"는 질문은 점점 의미가 없어지고, 상대적 강점과 내가 이미 쓰는 생태계와의 궁합이 선택 기준이 됩니다. 이 책을 쓰는 시점의 통념을 정리하면 아래와 같습니다. 모델이 한 세대 바뀔 때마다 순위가 뒤집히므로, 결론이 아니라 출발점으로 읽어 주기 바랍니다.

ChatGPT (OpenAI)#

ChatGPT는 2022년 11월 30일에 OpenAI에서 출시한 채팅형 AI 서비스입니다. 출시 후 5일 만에 백만 명의 사용자가 가입했고, 두 달 만에 월간 사용자 수가 일억 명 규모에 도달했다는 분석도 있었습니다. 이는 ChatGPT가 이전의 여러 AI 서비스들에 비해 “일반 사용자가 바로 써도 쓸 만한 완성도"를 보여주었음을 의미했고, 이후로 AI 서비스에 대한 전 세계적인 관심이 크게 높아졌습니다.

ChatGPT를 움직이는 GPT 모델은 세대를 거듭하며 세 방향으로 발전해 왔습니다. 첫째는 멀티모달입니다. 텍스트뿐 아니라 음성과 이미지를 자연스럽게 입출력하게 되면서, 응답 지연이 짧아진 음성 대화 같은 경험이 가능해졌습니다. 둘째는 추론입니다. 답하기 전에 내부적으로 생각하는 단계를 거쳐 복잡한 문제의 정확도를 높이는 모드가 들어왔습니다. 셋째는 에이전트 작업입니다. 스프레드시트나 프레젠테이션 제작 같은 전문 업무, 코딩, 긴 문서 이해, 도구 호출에서 “복잡한 일을 처음부터 끝까지 맡길 때의 완성도"를 끌어올리는 방향입니다.

필자 개인의 사용 습관도 바뀌었습니다. 예전에는 검색의 1옵션이 구글이었다면, 지금은 “ChatGPT로 먼저 정리하고, 필요하면 원문을 확인한다"에 가깝습니다. 다만 AI 모델에는 할루시네이션 문제가 있기 때문에, 중요한 의사결정이나 법적 · 금전적 판단에 쓰는 정보라면 출처 확인과 교차 검증이 필요하다는 점은 변하지 않았습니다.

GPTs: 나만의 ChatGPT 만들기#

GPTs는 ChatGPT의 “맞춤형 버전"들입니다. 나만의 GPT를 만들 때는 보통 세 요소를 조합합니다.

• 지침(Instructions): 말투 / 역할 / 금지 사항 / 출력 형식 같은 규칙
• 지식(Knowledge): 내가 올린 문서를 참고해 답하게 하기 (2장에서 본 RAG의 간이 버전)
• 도구(Actions): 필요할 때 외부 API를 호출해 결과를 답변에 반영하기 (Function Calling의 한 형태)

외부 API를 호출하려면 인증(보안) 설정과 요청 / 응답 인터페이스 정의(OpenAPI 스키마) 가 필요합니다. 즉 “내가 어떤 API를 어떤 형식으로 제공할 것인지"를 명확히 정해 두어야 GPT가 그 도구를 안전하게 사용할 수 있습니다.

GPT 탐색에서 필요에 맞는 GPT를 찾아 쓸 수도 있지만, GPTs가 대중적으로 “폭발적으로 활성화"되었다고 보기는 어렵습니다. 목적별로 다양한 AI 서비스와 도구들이 빠르게 등장했고, 특히 MCP가 표준이 되면서 “내 서비스를 AI 안으로 들여보내는” 경로가 GPTs 하나에서 여러 갈래로 넓어졌기 때문입니다. 그래도 내 비즈니스를 ChatGPT 사용자에게 노출하는 가장 가벼운 방법 중 하나라는 점은 여전합니다.

채팅을 넘어서#

OpenAI는 채팅 서비스 바깥으로도 제품을 넓혀 왔습니다. 동영상 생성 서비스 Sora, 코딩 에이전트 Codex, AI 브라우저 Atlas 같은 제품은 ChatGPT와 같은 계정과 구독을 공유하면서 “AI가 일을 대신 수행하는” 쪽으로 무게를 옮기고 있습니다. 이 책의 3부 나머지 장과 실행 편에서 이 흐름을 다룹니다.

Gemini (Google)#

2022년 11월에 ChatGPT가 출시되자, 구글에서 코드 레드를 발령하고 긴급 비상대책회의를 열었다는 이야기가 꽤 유명합니다. 이후 구글은 Bard를 내놓고 빠르게 개선을 이어갔고, 2024년 2월에는 Gemini(제미나이)라는 이름으로 리브랜딩했습니다. 이후 Gemini는 품질과 기능 면에서 많이 따라잡았지만, 여전히 “AI 챗봇 하면 ChatGPT"를 먼저 떠올리는 사람이 더 많은 편입니다.

Gemini는 여러모로 ChatGPT와 비슷합니다. 이미 사람들이 “채팅으로 AI를 쓴다"는 사용 방식에 익숙해졌기 때문에, UI / UX나 핵심 기능을 너무 다르게 만들면 오히려 진입장벽이 생기기 때문입니다. Gemini만의 강점은 두 가지입니다. 하나는 매우 긴 컨텍스트를 다루는 데 일찍부터 앞서 있었다는 점이고, 다른 하나는 Google Workspace(Gmail, Docs, Drive, Calendar)와의 통합입니다. 이미 구글 생태계 안에서 일하는 조직이라면 가장 마찰이 적은 선택입니다.

Gem은 ChatGPT의 GPTs와 매우 유사한 기능으로, 특정 목적에 맞춰 미리 지침을 설정하거나 지식을 제공하여 “나만의 챗봇"을 만들어 쓸 수 있습니다. 다만 이 책을 쓰던 시점에는 GPTs의 Actions처럼 외부 API를 연결해 도구를 호출하는 기능이 Gem에는 없었습니다. 이런 세부 기능 차이는 몇 달 단위로 바뀌므로 사용 시점에 다시 확인하기 바랍니다.

개발자 관점에서는 Gemini 앱 자체의 확장보다, Gemini API(및 Vertex AI)를 통해 서비스에 모델을 붙이고 도구 연동으로 제품 기능을 확장하는 접근이 더 일반적입니다.

Claude (Anthropic)#

Claude(클로드)는 Anthropic(앤트로픽)에서 개발한 생성형 AI 모델 / 서비스입니다. Anthropic은 전 OpenAI 연구진을 포함한 인물들이 공동 설립한 회사로 알려져 있으며, Claude는 “안전하게 유용한 답변을 한다"는 방향(예: Constitutional AI)으로도 자주 소개됩니다.

Anthropic은 Claude 모델을 세대 단위로 갱신하면서, 같은 세대 안에서도 최상위 모델(Opus 계열), 균형형 모델(Sonnet 계열), 경량 모델(Haiku 계열)을 함께 제공합니다. 공식적으로는 코딩, 에이전트, 컴퓨터 사용에 강점이 있는 모델로 소개하고 있습니다(공식 발표 목록). 개발자들 사이에서도 코드 생성 / 리팩터링 / 디버깅 / 코드 리뷰 같은 작업에 특히 강한 모델로 자주 언급되며, 긴 글쓰기와 정교한 추론에서도 선호하는 사용자가 많습니다.

Claude 제품군에서 1인 스타트업에게 특히 눈여겨볼 것은 에이전트 제품입니다. 터미널에서 코드베이스 단위의 작업을 맡기는 Claude Code, 비개발 업무를 위해 작업 폴더와 브라우저를 다루는 Cowork, 그리고 이들이 공유하는 MCP와 스킬 생태계입니다. 필자는 이 블로그의 글 작성, 번역, 뉴스 브리프 작성을 Claude Code 위에 절차(스킬)로 올려 두고 운영하고 있으며, 그 방식은 실행 편에서 자세히 다룹니다.

Perplexity#

Perplexity(퍼플렉시티)는 “AI가 검색을 대신해 주고, 답변과 함께 출처를 보여주는” 형태의 검색 / 리서치 서비스입니다(perplexity.ai). 일반 검색처럼 링크 목록만 던져주기보다, 질문의 의도를 정리해 요약 답변을 먼저 제시하고(필요하면 추가 질문으로 범위를 좁혀가며), 답변에 참고한 웹 문서 링크를 함께 제공합니다. 그래서 시장 / 경쟁사 조사, 정책 / 용어 확인, 최신 이슈 파악처럼 “빠르게 개요를 잡고 출처를 따라가며 확인"해야 하는 상황에서 특히 유용합니다. 다만 출처가 붙어 있어도 답변이 항상 정확하다는 의미는 아니므로, 중요한 내용은 원문을 직접 확인하는 습관이 필요합니다.

ChatGPT, Gemini, Claude 모두 웹 검색 기능을 갖추면서 Perplexity의 차별점은 예전보다 좁아졌지만, “검색이 본업"인 제품답게 출처 표시와 리서치 흐름의 완성도에서는 여전히 앞서 있다는 평가가 많습니다.

오픈 가중치 모델 (Llama, DeepSeek, Qwen 등)#

위의 서비스들은 모두 모델을 회사 서버에서 돌리고 사용자는 결과만 받습니다. 반대로 모델 가중치(Weights)를 공개해 누구나 내려받아 실행할 수 있는 모델도 많습니다. Meta의 Llama가 이 흐름을 열었고, DeepSeek, Alibaba의 Qwen, Mistral 등 여러 조직이 가세했습니다. 흔히 “오픈소스"라고 부르지만, 학습 데이터와 코드까지 모두 공개된 경우는 드물어서 오픈 가중치(open-weight) 모델이라고 부르는 편이 정확합니다. 라이선스 조건(상업적 사용 가능 여부, 사용자 수 제한 등)도 모델마다 다르므로 비즈니스에 쓰려면 확인이 필요합니다.

오픈 가중치 모델의 강점은 “공짜로 쓸 수 있다"가 아니라, 데이터를 외부로 보내지 않고도 사내 환경에서 AI를 돌릴 수 있다는 선택지를 준다는 데 있습니다. Hugging Face에서 모델을 내려받아 Ollama 같은 도구로 로컬 PC에서 실행할 수도 있고, 클라우드의 관리형 플랫폼(AWS Bedrock, Google Vertex AI 등)에서 호출할 수도 있습니다. 이때 AI 모델은 하나의 실행 파일이 아니라 “입력 → 출력"을 계산하는 거대한 함수에 가깝기 때문에, 모델을 로드하고 토큰을 처리해 입출력을 연결해 주는 런타임이 함께 필요합니다.

다만 직접 실행은 하드웨어와 운영 부담이 생기고, 최상위 상용 모델과의 품질 격차도 작업에 따라 존재합니다. 1인 스타트업이라면 보통 상용 API로 시작하고, 보안 요구나 비용 구조 때문에 필요해질 때 오픈 가중치 모델을 검토하는 순서가 현실적입니다. 이 판단은 다음 장 “API와 모델 선택"에서 이어집니다.

정리#

• 주요 채팅형 서비스의 기능은 수렴했고, 선택 기준은 상대적 강점과 생태계 궁합입니다.
• ChatGPT는 가장 넓은 범용성, Gemini는 긴 컨텍스트와 Google 생태계, Claude는 코딩 · 글쓰기 · 에이전트, Perplexity는 출처 기반 리서치가 통념상의 강점입니다.
• 오픈 가중치 모델은 데이터 주권과 비용의 선택지를 주지만, 운영 부담이 따릅니다.
• 1인 창업자에게 중요한 것은 채팅창 안의 기능보다, 각 서비스가 제공하는 에이전트 제품과 API입니다. 다음 장부터 그 이야기를 합니다.