OpenAI GPT-5.5의 Amazon Bedrock 진출과 멀티클라우드 LLM API 전략

Azure 밖으로 열린 OpenAI 모델 공급망

2026년 4월 28일 OpenAI가 GPT-5.5를 Amazon Bedrock에 출시하면서 6년간 이어진 Microsoft Azure 독점 체제가 공식적으로 끝났다. 코딩, 컴퓨터 사용, 에이전트 워크플로를 겨냥한 GPT-5.5가 AWS 인프라에서도 제공되고, Codex와 Bedrock Managed Agents까지 함께 통합됐다. 단순히 모델을 판매하는 클라우드 채널이 하나 늘어난 것이 아니라 엔터프라이즈 LLM 아키텍처의 선택지가 달라진 사건이다.

출발점은 2025년 11월 공식화된 OpenAI와 Microsoft의 $38B 규모 신규 계약이다. 양사는 2026년 4월 27일 계약 조항을 개정해 OpenAI가 Microsoft 이외의 클라우드 사업자를 통해 모델, API, 에이전트 플랫폼을 공급할 수 있도록 했다. Microsoft는 계속해서 ‘1차 클라우드 파트너’ 지위를 유지하고 수익 공유와 신규 지적재산권 우선 접근권을 갖지만, 인프라에 대한 독점적 잠금은 해제됐다.

첫 신규 파트너는 Amazon Web Services다. GPT-4o mini부터 프론티어 모델인 GPT-5.5까지 OpenAI의 전체 모델 패밀리와 에이전트 빌딩 프레임워크가 Amazon Bedrock에 들어갔다. 소식통에 따르면 Google Cloud와 Oracle도 고급 협상 단계에 있다.

⤢✕

GPT-5.5가 겨냥한 지속형 에이전트 작업

GPT-5.5는 긴 컨텍스트를 다루는 추론, 신뢰성 높은 에이전틱 실행, 개선된 컴퓨터 사용 정확도와 토큰 효율성에 초점을 맞춘 모델이다. OpenAI는 이를 “고위험 전문 워크플로를 위한 지속적 실행 모델”로 설명한다. 코딩과 디버깅, 온라인 리서치, 데이터 분석, 문서·스프레드시트 생성, 소프트웨어 조작, 여러 도구를 잇는 연속 작업에서 최강 성능을 주장한다.

2026년 5월 4일 기준 Vals 종합 지수에서 GPT-5.5는 71.0%로 2위를 기록했다. 1위는 72.21%를 기록한 Claude Opus 4.7이다. 에이전틱 코딩에서는 Claude Opus 4.7, GPT-5.5, Gemini 3.1 Pro Deep Think가 서로 근접한 성능으로 경쟁하고 있다.

애플리케이션과 클라우드 사이에 경계를 둔다

GPT-5.5의 Bedrock 통합은 멀티클라우드 LLM API 아키텍처가 실제 서비스 형태로 구현된 사례다. 여기서 중심이 되는 설계 원칙은 벤더 중립 인터페이스다. 애플리케이션이 특정 모델이나 클라우드의 호출 방식에 직접 묶이지 않도록 중간에 추상화 계층을 두는 방식이다.

Bedrock API의 통합 엔드포인트에서는 GPT-5.5뿐 아니라 Claude, Meta Llama, Mistral, Cohere, Amazon Nova 등 여러 모델에 동일한 API 호출 패턴으로 접근할 수 있다. 모델 라우팅 레이어는 작업 유형, 비용 제약, 지연 시간 요건과 같은 요청 특성을 기준으로 사용할 모델을 동적으로 선택한다. 각 모델의 출력 형식 차이는 응답 정규화 계층이 표준 스키마로 변환하므로 다운스트림 애플리케이션이 모델마다 별도 파서를 둘 부담도 줄어든다.

기업 환경에서 필요한 제어는 AWS의 기존 보안 체계와 연결된다. IAM 역할 기반 접근 제어를 적용하고, AWS PrivateLink로 VPC 내부 트래픽을 처리하며, Guardrails로 콘텐츠를 필터링할 수 있다. KMS 기반 암호화와 CloudTrail 감사 로그 역시 GPT-5.5 추론에 적용된다.

Managed Agents가 AWS 서비스와 만나는 지점

OpenAI 기반 Bedrock Managed Agents는 OpenAI 에이전트 런타임과 AWS AgentCore 오케스트레이션 레이어를 결합한 관리형 플랫폼이다. AWS와 OpenAI가 2026년 2월부터 공동 개발한 Stateful Runtime Environment 위에 구축됐으며, 영속적 메모리와 신원 관리, 도구 오케스트레이션, 거버넌스 기능을 포함한다.

각 에이전트에는 고유한 신원이 부여되고 모든 행동이 기록된다. 실행 영역은 사용자의 AWS 환경이다. 도구 호출은 OpenAI 함수 호출 프로토콜과 S3, DynamoDB, Lambda, SageMaker 같은 AWS 서비스를 잇는 커넥터를 거친다. 메모리 계층은 세션 사이의 컨텍스트를 보존하고, 세션 관리는 AWS의 분산 세션 스토어를 이용해 수평 확장을 지원한다.

⤢✕

선택권이 늘면 전환 비용도 함께 봐야 한다

멀티클라우드 LLM 전략은 벤더 잠금 위험을 분산하고 가격 협상력을 확보할 수 있다는 장점이 있다. 그 대가로 운영 구조는 더 복잡해진다.

통합 API 게이트웨이가 모델별 차이를 추상화하면 기술적 전환 비용은 비교적 낮아진다. 그러나 직원 재교육, 인증 재설정, 모니터링 파이프라인 재구성과 같은 운영 비용은 그대로 남는다. 볼륨 약정이나 이탈 수수료가 얽힌 계약적 전환 비용도 가볍지 않다. 데이터 레지던시 규제를 적용해야 하는 환경에서는 클라우드마다 다른 지역 가용성도 선택 기준이 된다.

같은 GPT-5.5를 사용하더라도 Azure와 Bedrock의 지연 시간, 처리량, SLA가 같다고 볼 수는 없다. 추론이 실행되는 데이터센터에 따라 네트워크 토폴로지와 하드웨어 구성이 달라지기 때문이다.

OpenAI의 Bedrock 진출은 LLM 공급 구조가 단일 클라우드 독점에서 멀티클라우드 분산으로 이동하고 있음을 보여준다. 기업은 더 넓은 선택권을 얻는 대신 라우팅, 보안, 계약, 관측 체계를 여러 환경에서 일관되게 운영해야 한다. Bedrock Managed Agents와 AgentCore의 결합은 에이전틱 AI를 AWS 네이티브 서비스처럼 사용하는 경로를 제시하며, Google Cloud와 Oracle의 합류가 현실화되면 LLM API 시장의 멀티클라우드 재편도 한층 뚜렷해질 전망이다.