OpenAI가 ChatGPT Enterprise·Codex의 크레딧 소비를 사용자·그룹·모델별로 미터링하고 3단계 캡을 거는 Admin Console과 Cost API를 정식 출시했다 — 4월의 Codex 토큰 종량제 전환을 마무리하는 후속 인프라다.

한눈에통합 Global Admin Console: 사용자·제품·모델별 크레딧 사용량, 추세 그래프, 상위 사용자, 이상 패턴Cost API: 같은 데이터를 Power BI·Datadog·Apptio로 끌어 자체 finops 스택 구성 가능3단계 Spend Controls (워크스페이스·그룹·사용자) + 하드/소프트 캡 + 직원 셀프서비스 요청

실무자: 사내 LLM 게이트웨이 자체 구축 중이었다면 OpenAI 1차 데이터 소스로 일부 대체 가능, 다만 Azure OpenAI 경유 분은 별도 추적 필요. 리더: 1차 공급자가 거버넌스 API를 직접 여는 신호, 사내 AI FinOps 정책 수립 타이밍이 앞당겨졌다.

2026년 6월 18일 OpenAI 사장 @gdb(그렉 브록먼)가 "Launching credit usage analytics and updated spend controls for enterprises, available in our global admin console"이라는 짧은 게시물로 발표를 띄웠고, 같은 시각 공식 블로그가 공개됐다. 기능은 발표 당일부터 모든 ChatGPT Enterprise 워크스페이스에서 즉시 사용 가능하다.

이미지: 발표 게시물, 출처: @gdb on X

무엇이 일어났나

변경 사항은 네 갈래다.

(1) 통합 Global Admin Console. ChatGPT(채팅·딥리서치·에이전트)와 codex 사용으로 발생한 workspace-credit-pool 소비가 사용자별·제품별·모델별로 한 화면에 집계된다. 시간 흐름 추세 그래프, top users, emerging patterns(이상 소비) 시각화 포함.

(2) cost-api. 같은 크레딧 데이터가 통합 Cost API로 제공된다. Power BI, Datadog, Apptio 같은 사내 관측·FinOps 스택으로 데이터를 끌어가 자체 분석 가능. OpenAI가 1차(first-party) FinOps 데이터 소스를 처음으로 정식 제공한다는 점이 핵심.

(3) 3단계 Spend Controls. 워크스페이스 기본 한도 → 그룹별 한도 → 개별 사용자 override. 하드 캡(요청 차단)과 소프트 캡(알림)을 모두 지원해, 토큰을 정당하게 많이 쓰는 그룹을 차단하지 않고 가시화만 하는 운영이 가능하다.

(4) 직원용 셀프서비스. 사용자는 워크스페이스 설정에서 잔여 크레딧과 사용 내역을 보고, "무엇을 하기 위해 추가 크레딧이 필요한가" 컨텍스트를 적어 관리자에게 요청. 관리자는 컨텍스트 기반 승인.

숫자로 보기

  • Spend Controls 계층: 워크스페이스·그룹·개인 3단계, 하드/소프트 캡 모두 지원
  • Codex 토큰 과금 전환: 2026-04-02 Codex 적용, 2026-04-23 Enterprise·Edu·Health·Gov·Teachers 전 플랜 확장
  • Windows News 사례: 단일 개발팀이 워크스페이스 전체 크레딧의 40%를 Codex 실험에 소모 → 한도 적용 후 25% 절감
  • 가트너 전망: 2028년까지 Fortune 500 기업당 평균 150,000개 이상의 에이전트 (2025년 15개 미만 대비)

왜 중요한가

Codex가 4월 메시지 단위 과금에서 "백만 토큰당 크레딧(credits per million tokens)" 단위로 전환된 이후, 입력·캐시된 입력·출력 토큰이 각각 다른 단가로 계산되기 시작했다(Help Center — Codex rate card). 이 모델은 IDE 통합 워크플로(Cursor·Copilot 대비 경쟁)에서 비용 분산을 키웠지만, 정작 관리자가 "누가 어떤 모델로 얼마나 태웠는가"를 볼 도구가 없었다.

이번 콘솔은 (a) 토큰 미터링 → (b) 크레딧 환산 → (c) 사용자/그룹/모델 태깅 → (d) 한도 enforcement 파이프라인을 통째로 노출한다. CIO는 이를 "클라우드 시대의 IAM·Budget Alert가 LLM 레이어로 이식된 첫 사례 중 하나"로 평가했다(CIO).

실무 관점에서 즉시 점검할 항목:

  • 그룹 매핑. SSO/IdP 그룹과 워크스페이스 그룹의 정합성. 부서별 한도를 걸려면 그룹 동기화가 선행돼야 한다.
  • 하드 캡 vs 소프트 캡 정책. 프로덕션 에이전트가 하드 캡에 막혀 장애가 나는 시나리오 vs 비용 폭주 시나리오 사이의 임계값 정의.
  • Cost API 인입 파이프라인. 기존 사내 클라우드 비용 대시보드에 LLM 라인을 어떻게 붙일지. Datadog·Apptio 커넥터 vs 직접 적재.
  • 에이전트 ID 분리. 사람 사용자와 서비스 계정/에이전트가 같은 사용자 풀에 섞여 있으면 한도 정책이 사람을 잘못 끊을 수 있다.

누가 이득, 누가 손해

이득. ChatGPT Enterprise 좌석을 수천 이상 운용 중인 대기업의 IT·재무팀. 도입 보수적인 보수 산업(금융·헬스·공공)의 다음 단계 승인 근거. ChatGPT Enterprise 대비 자체 llm-gateway를 운영하지 않아도 되는 중견 기업.

손해 또는 포지셔닝 전환. "토큰 옵저버빌리티"·"LLM 사용량 대시보드" 단일 기능만 제공하던 3rd-party SaaS는 1차 공급자의 정식 제공으로 차별점이 줄어든다. 다만 멀티 공급자(OpenAI + Anthropic + Azure OpenAI) 통합·정책 엔진 레이어로 올라간 제품은 여전히 빈자리. 특히 Azure OpenAI Service 경유 소비는 이번 콘솔에 잡히지 않아 "split governance" 상황이 발생한다.

더 깊이

2026년 2분기에 완성된 workspace-credit-pool 모델이 이 발표의 기반이다. Enterprise·Edu 워크스페이스는 계약 시 공유 크레딧 풀을 구매하고, 워크스페이스 내 모든 좌석이 고급 기능을 쓸 때 이 풀에서 차감된다(Help Center — Flexible pricing). 이전엔 메시지 단위로 추상화돼 있던 Codex 사용량이 이제 토큰 단위로 환산되며, 입력·캐시 입력·출력 토큰이 각기 다른 단가를 가진다.

외부 코멘트 중 무게 있는 것들:

  • 포레스터의 비스와지트 마하파트라: 기업이 "adoption-led enthusiasm 단계에서 cost and value governance 단계로" 이동 중이며 AI가 "measurement and credibility의 문제"로 변했다고 평가(CIO).
  • 가트너의 아누슈리 베르마: 2028년이면 Fortune 500 기업당 평균 15만+ 에이전트 → 1차 공급자의 미터링/한도 API 없이는 거버넌스 불가능.
  • 고객 코멘트 — Zipline 공동창업자 Ryan Oksenhorn: "이 도구들이 안전장치를 유지하면서 직원 생산성을 더 빠르게 확장하도록 돕고 있다"(startuphub.ai).
  • TheStreet 헤드라인 톤: "OpenAI admits enterprises need better control over AI costs" — OpenAI가 사실상 비용 통제 필요를 인정한 셈이라는 프레임.

저널리즘 관점에서 한 가지 신호: 보통 관리자 콘솔 업데이트는 제품팀 핸들로 나가는데, 사장이 직접 X로 띄웠다는 것은 OpenAI가 이 기능을 "엔터프라이즈 매출 방어 무기"로 포지셔닝하고 있다는 뜻이다.

아직 알 수 없는 것

(1) 토큰 ≠ 비즈니스 가치. 콘솔이 보여주는 것은 소비량이지 산출 가치가 아니다. 매출·생산성과 토큰 비용을 연결하는 레이어는 여전히 비어 있다.

(2) Azure OpenAI 사각지대. 마이크로소프트 중심 대기업은 Azure Cost Management와 OpenAI Admin Console 두 곳을 동시에 봐야 한다.

(3) 가격 비공개. 크레딧 환산 단가, 풀 최소 구매량, 초과 페널티는 모두 영업 컨택을 통해서만 확인 가능(eesel AI, UI Bakery).

(4) 에이전트 ID 한도. "사용자별 한도"가 에이전트·서비스 계정 단위로 확장됐는지 공식 문서에 명시 없음. 가트너 전망대로면 1년 내 재설계 압력.

5분 실습 (쉬움 · 5분)

  1. 관리자 권한이 있다면 admin.openai.com → Usage Analytics 탭 진입, 최근 30일 그래프와 top users 확인.
  2. SSO/IdP 그룹과 동기화된 한 그룹에 소프트 캡을 걸어 알림 워크플로 테스트.
  3. Cost API 토큰을 발급해 curl로 일별 사용량 1회 수집 — usage, user_id, model, credits 필드 구조 확인.
  4. 사내 BI(Power BI / Looker / Metabase)에 임시 대시보드 1장 띄워보고, 기존 클라우드 비용 라인과 LLM 라인을 한 화면에 두는 모양을 가늠.
  5. 결과를 재무팀에 공유, 기존 클라우드 FinOps 정책 어느 항목을 LLM에 그대로 적용 가능한지 매핑.

더 읽어보기