스트라이프, 오픈라우터 70억달러 이상에 인수 합의…AI 경쟁축 ‘모델 선택·과금’으로 확대

온라인 결제기업 스트라이프가 여러 인공지능 모델을 하나의 통로로 연결하는 오픈라우터를 70억달러 이상에 인수하기로 합의했다. AI 시장의 경쟁이 모델 성능을 넘어, 기업이 여러 모델을 선택하고 사용량과 비용을 관리하는 중간 인프라로 확대되고 있음을 보여주는 거래다.

Axios는 8월 17일 블룸버그의 최초 보도에 이어 양사의 인수 합의를 확인했다고 전했다. 구체적인 거래 조건과 완료 시점은 공개되지 않았으며, 거래 종결까지 심사와 통상적인 절차가 남을 수 있다.

오픈라우터는 기업과 개발자가 OpenAI, Anthropic, Google 등 여러 공급자의 AI 모델을 각각 연동하지 않고 하나의 응용프로그램 인터페이스(API)로 이용할 수 있도록 지원한다. API는 서로 다른 소프트웨어가 요청과 결과를 주고받는 연결 규칙이다. 이용자는 작업의 성격과 비용, 응답속도, 성능에 따라 모델을 비교하거나 자동으로 경로를 바꿀 수 있다.

스트라이프가 지난 1월 공개한 자료에 따르면 오픈라우터는 500만명 이상의 개발자에게 수백 개의 AI 모델을 제공해 왔다. 오픈라우터는 최근 400개가 넘는 텍스트·이미지·영상·음성 모델을 지원하고 있으며, 5월 투자 발표 당시 주간 처리량이 25조 토큰에 이르렀다고 밝혔다. 토큰은 AI가 문장을 입력받고 결과를 생성할 때 처리하는 작은 정보 단위로, 생성형 AI 서비스의 사용량과 비용을 계산하는 기본 단위이기도 하다.

거래 가격은 오픈라우터의 직전 기업가치와 비교해도 큰 폭이다. 회사는 5월 CapitalG가 주도한 시리즈B 투자에서 1억1300만달러를 조달했고, 당시 기업가치는 약 13억달러로 평가됐다. Axios가 집계한 누적 조달액은 1억6400만달러다. 보도된 조건대로 거래가 마무리되면 최근 기업가치의 5배를 웃도는 가격이 책정되는 셈이다.

이번 결합은 갑작스러운 사업 전환이라기보다 기존 협력 관계의 연장선에 가깝다. 오픈라우터는 고객 청구를 위한 Stripe Invoicing, 세금 계산을 자동화하는 Stripe Tax, 사기 방지 도구인 Radar 등을 사용해 왔다. 스트라이프는 오픈라우터를 통해 모델 요청을 전달하면서 사용량을 추적하고 가격 적용과 청구까지 처리하는 기능도 마련했다. 오픈라우터는 4월 스트라이프의 명령줄 도구에서 계정과 API 키, 결제 설정을 한 번에 구성할 수 있는 연동 기능을 공개했다.

이 거래의 핵심은 AI 사용과 결제가 점점 더 밀접하게 연결된다는 점이다. 여러 모델을 함께 쓰는 기업은 어느 부서와 고객이 어떤 모델을 얼마나 이용했는지 측정하고, 비용을 배분하며, 공급자별 가격 변화를 서비스 요금에 반영해야 한다. 스트라이프가 결제 처리뿐 아니라 모델 선택과 사용량 관리 영역까지 확보하면 모델 호출, 비용 산정, 고객 청구를 하나의 흐름으로 묶을 수 있다.

기업 고객에게는 운영 편의성과 함께 점검할 사안도 생긴다. 한 플랫폼에 모델 연결과 과금을 함께 맡기면 개발 과정은 단순해질 수 있지만, 가격 정책과 데이터 처리 방식, 서비스 장애에 대한 의존도도 높아질 수 있다. 특히 의료·금융처럼 민감정보를 다루는 조직은 어떤 데이터가 중간 플랫폼과 모델 공급자에게 전달되는지, 장애가 발생하면 다른 경로로 전환할 수 있는지를 별도로 확인해야 한다.

보스턴권에서는 바이오테크, 의료, 금융, 로보틱스 등 여러 종류의 AI를 비교해 적용하는 산업과 직접 연결되는 흐름이다. 신약 후보 탐색에는 과학 분야에 특화된 모델을, 사내 문서 검색에는 범용 언어모델을, 의료영상이나 로봇 센서 분석에는 별도의 모델을 선택할 수 있다. 특정 모델 하나를 다루는 능력뿐 아니라 비용·보안·정확도를 비교하고 적절한 모델을 연결하는 ‘AI 플랫폼 운영’ 역량의 비중이 커질 수 있다는 의미다.

채용시장에서는 단순한 프롬프트 작성보다 모델 라우팅, API 통합, 사용량 관측, 비용 최적화, 보안 및 품질평가를 함께 수행하는 역할을 살펴볼 필요가 있다. 플랫폼 엔지니어, 클라우드 비용관리 담당자, AI 제품 관리자, 모델 평가·거버넌스 담당자가 대표적이다. AI가 일부 업무를 자동화하는 변화와 별개로, 여러 모델을 안정적으로 운영하고 결과를 검증하는 업무도 함께 늘어나는 흐름이다.

유학생과 이직 준비자는 이력서에 특정 모델 이름을 나열하는 것보다 실제 업무 문제에 맞춰 모델을 비교하고 운영한 경험을 구체적으로 보여주는 편이 유용하다. 응답 품질과 비용을 어떤 기준으로 측정했는지, 민감정보 노출을 어떻게 줄였는지, 한 공급자에 장애가 생겼을 때 다른 모델로 전환하도록 어떻게 설계했는지 등을 프로젝트 결과와 함께 설명할 수 있다.

취업비자 스폰서십이 필요한 지원자는 ‘AI 기업’이라는 분류만으로 채용 가능성을 판단하기보다 회사의 자금 여력과 미국 내 정규직 채용 규모, 과거 스폰서 경험, 해당 직무의 지속성을 따로 살펴볼 필요가 있다. 이번 인수가 실제 채용 확대나 특정 지역의 고용 증가로 이어질지는 아직 확인되지 않았다. 비자 관련 판단은 개인별 조건이 다르므로 학교 국제학생 담당 부서나 자격을 갖춘 전문가의 안내를 참고하는 것이 적절하다.

스타트업에는 기회와 의존 위험이 함께 있다. 하나의 API와 결제 체계로 여러 모델을 시험하면 초기 제품 개발 속도를 높일 수 있다. 반면 핵심 기능을 중간 사업자 한 곳에 맡기면 수수료나 서비스 정책 변경의 영향을 받을 수 있다. 창업팀은 빠른 출시 단계와 장기 운영 단계를 구분해 모델 공급자와의 직접 계약 가능성, 데이터 보관 조건, 대체 서비스로 옮길 때 드는 비용을 함께 계산할 필요가 있다.

앞으로 볼 변수는 거래의 최종 조건과 인수 이후 오픈라우터의 중립성이다. 스트라이프가 여러 모델 공급자를 동등하게 연결하는 구조를 유지할지, 모델 사용과 결제·청구 서비스를 어느 정도까지 결합할지에 따라 기업 고객의 선택 폭이 달라질 수 있다. 이번 합의는 좋은 AI 모델을 만드는 경쟁과 함께, 여러 모델을 실제 사업에 연결하고 사용 비용을 정산하는 기반시설의 가치도 빠르게 높아지고 있음을 보여준다.