03 최고가 아닌 최적을 택하는 AI 실용주의가 왔다 

│김영욱 SAP Product Engineering Product Expert

1. AI 주도권의 이동 — ‘지능의 정점’에서 ‘활용의 최적점’으로

2023-24년은 ‘AI 빅뱅’’의 해로 기록된다. GPT를 필두로 클로드, 제미나이 등 프론티어 LLM이 잇달아 등장하며, 기업들은 더 똑똑하고 더 거대한 모델이 모든 비즈니스 난제를 해결해 줄 것이라는 ‘모델 만능주의’에 빠져들었다. 이 시기 비즈니스 리더들의 최대 관심사는 "어떤 모델이 가장 높은 벤치마크 점수를 기록했는가"였다. 하지만 2025년부터 시장의 분위기는 급변한다. 단순히 똑똑한 AI를 보유하는 단계를 넘어, 실제 제품과 서비스에 AI가 얼마나 깊이 스며들어 실질적인 가치를 창출하느냐를 묻기 시작한 것이다. 이제 지능은 더 이상 희소 자원이 아닌, 언제든 꺼내 쓸 수 있는 전력과 같은 ‘범용화’ 단계에 진입했다.

현재 AI 시장의 가장 두드러진 특징은 ‘모델 성능의 수렴’이다. 2023년 말 기준, 챗봇 아레나 리더보드 상위 모델과 10위권 모델 간의 Elo 점수 격차는 약 11.9%에 달했으나, 2025년 초 이 격차는 5.4%로 좁혀졌다. 특히 최상위 두 모델 사이의 격차는 단 0.7%에 불과하다.¹⁾ 이는 특정 모델을 채택하는 것만으로는 더 이상 독점적 경쟁 우위를 점할 수 없음을 의미한다.

지능의 범용화는 곧 제품 차별화의 위기를 의미한다. 누구나 API를 통해 최고 수준의 지능에 접근할 수 있게 되면서, ‘무엇을 아는 AI인가’보다 ‘어떤 데이터 위에서 어떻게 작동하는가’가 핵심이 되었다. 이제 모델의 범용화 속에서 진정한 승자는 모델 그 자체가 아니라, 특정 산업의 워크플로우를 선점하고 특화 데이터를 수직적으로 통합한 기업이 될 것이다. 모델의 지능을 높이기 위한 자본 투자(CapEx) 규모는 기하급수적으로 늘어나고 있다. 2026년 한 해에만 AI 관련 자본 지출이 5,000억 달러를 넘어설 것으로 예측²⁾되며, 빅테크 기업들은 데이터 센터 확장을 위해 수천억 달러 규모의 채권을 발행하고 있다. 이와 함께 컴퓨팅 비용 또한 폭등하여, 2023년 대비 2025년 평균 컴퓨팅 비용은 약 89% 상승할 것으로 전망된다.

이 지점에서 비즈니스 결정권자들은 도발적인 질문에 직면하게 된다.

"귀사는 정말 아인슈타인(거대 모델)을 고용해 초등 산수(루틴 업무)를 시키고 있지는 않은가?"

현업의 비즈니스 프로세스 80%는 일상적인 요약, 데이터 분류, 고객 대응과 같은 루틴한 작업이다. 이러한 작업에 천문학적인 비용이 드는 프론티어 모델을 투입하는 것은 경제적 자살 행위와 다름없다. 2025년 이후의 승자는 지능의 정점에 도달한 모델을 쓰는 곳이 아니라, 비용 효율과 사용자 경험의 최적점인 ‘파레토(Pareto) 프런티어’를 장악한 기업이다. 과거의 AI가 신규 진입자들에게 시장 판도를 바꿀 ‘성장 엔진’이었다면, 2025년 이후 플랫폼 거인들에게 AI는 기존 시장 지배력을 지키기 위한 강력한 ‘방어 기제’로 작동한다. 고객은 모델의 복잡한 이름보다 자신의 문제가 해결되는 결과에만 집중한다. 결국 AI는 사용자 인터페이스 뒤로 숨어드는 ‘보이지 않는(Invisible) AI’ 단계로 진입하며, 최종 사용자는 자신이 쓰는 도구가 GPT인지 제미나이인지 알 필요조차 없게 된다.

이번 글에서는 이러한 ‘AI 실용주의’ 시대를 선도하며 비즈니스 임팩트를 극대화하는 빅테크들의 사례를 들어 그 중요성을 파악해 보기로 한다. 

2. 아마존: ‘아마존 베이직스’라는 실용주의

아마존의 유통 전략을 상징하는 PB 브랜드 ‘아마존 베이직스’는 화려한 디자인이나 과도한 브랜드 프리미엄 대신, 소비자가 필요로 하는 본연의 기능을 가장 합리적인 가격에 제공하는 데 집중한다. 이러한 아마존 특유의 ‘짠물 경영’과 실용주의 철학은 AI 전략에도 그대로 투영되고 있다. 아마존 자체 AI 모델인 ‘노바(Nova)’를 두고 ‘아마존 베이직스 AI’라고 부르는 것은 단순한 우스갯소리가 아니다. 이는 가장 똑똑한 모델을 만드는 데 집착하기보다, 기업 운영의 ‘중노동’을 가장 효율적으로 처리할 수 있는 ‘충분히 좋은’ 모델을 공급하겠다는 전략적 포지셔닝을 의미한다.

아마존은 모든 기업이 아인슈타인 수준의 고지능 모델을 고용해 초등 산수와 같은 루틴 업무를 시킬 필요가 없다고 판단한다. 비즈니스의 80%를 차지하는 업무에는 거대한 모델보다 가성비와 신뢰성이 뛰어난 모델이 더 적합하기 때문이다. 2024년 말 공개한 노바 모델군은 ‘프론티어급 지능’과 ‘업계 최고 수준의 가성비’라는 두 마리 토끼를 잡는 것을 목표로 설계되었다. 노바 모델은 마이크로, 라이트, 프로, 프리미어의 네 가지 라인업으로 구성되어 텍스트, 이미지, 비디오 입력을 모두 지원하는 멀티모달 역량을 갖췄다.

• 극단적인 비용 절감: 노바 모델은 경쟁사 모델인 GPT나 클로드와 비교했을 때 토큰당 비용을 평균 70%가량 절감한다. 특히 노바 프로는 GPT-4o 대비 정확도는 대등한 수준을 유지하면서도 비용은 65.26% 더 저렴한 것으로 나타났다.

• 압도적인 속도와 신뢰성: 노바 프로는 GPT-4o보다 약 97% 더 빠르게 작동하여 지연 시간이 핵심인 엔터프라이즈 환경에 최적화되어 있다. 또한, 아마존은 노바 모델의 ‘신뢰성’을 강력하게 내세운다. 스타트업 솔라는 노바가 다른 프론티어 랩의 모델들과 달리 서비스 중단이 거의 없는 가장 안정적인 엔터프라이즈급 모델이라고 평가했다.

• 실질적 비즈니스 임팩트: 사이버 보안 기업 포티넷(Fortinet)은 기존 모델에서 노바 마이크로로 교체한 후 추론 비용을 85배나 절감하면서도 신속한 응답 속도를 유지하는 성과를 거두었다.³⁾ 이는 단순한 성능 경쟁을 넘어 실제 수익성에 기여하는 ‘실용주의 AI’의 전형을 보여준다.

그림 1 노바와 타 LLM간의 가성비 비교 (출처: AWS) 

아마존의 AI 전략은 외부 최고의 기술을 수혈하는 ‘협력’ 트랙과 내부 효율을 극대화하는 ‘자체 개발’ 트랙으로 나뉜다.

• 앤트로픽 (협력 트랙): 아마존은 엔트로픽에 총 80억 달러 규모의 투자를 단행하며 전략적 동맹을 맺었다. 이를 통해 복잡한 추론이나 고난도의 지식 검색이 필요한 영역에는 클로드 모델을 배치한다. 또한 엔트로픽과 공동으로 세계 최대 규모의 AI 슈퍼컴퓨터인 ‘프로젝트 레이니어(Rainier)’를 구축하여 프론티어 모델 개발 인프라를 장악하고 있다.

• 노바 (자체 개발 트랙): 내부 서비스와 일반적인 비즈니스 애플리케이션에는 자체 개발한 노바 모델을 우선 투입한다. 아마존의 쇼핑 어시스턴트 루퍼스와 기업용 검색 제품 퀵 스위트는 지능이 높아야 하는 부분엔 클로드를, 대량의 텍스트 요약이나 빠른 응답이 필요한 부분엔 노바를 섞어 쓰는 하이브리드 구조를 택하고 있다. 이러한 전략은 특정 모델에 대한 종속성(Lock-in)을 탈피하고, 비용 구조를 최적화하여 고객에게 가장 저렴한 클라우드 AI 환경을 제공하려는 아마존의 의도가 담겨 있다.

아마존의 사례는 기술 우위가 반드시 비즈니스 우위로 이어지지 않음을 시사한다. 아마존은 지능의 끝단에 도달하기 위해 수천억 달러를 쏟아붓는 대신, 지능과 비용, 지연 시간의 최적 균형점인 ‘파레토 프런티어’를 장악하는 길을 택했다. 이는 AI가 더 이상 신비로운 실험 대상이 아니라, 기업 운영의 필수 인프라로 정착되고 있음을 보여주는 강력한 증거이다.

3. 마이크로소프트: 하이브리드 모델 전략

AI 경쟁의 초기, 마이크로소프트는 오픈AI의 GPT-4를 독점적으로 공급하며 시장의 주도권을 잡았다. 그러나 최근의 행보는 단순한 파트너십을 넘어 훨씬 전략적인 '플랫폼 헤게모니' 구축으로 진화하고 있다. 그 중심에는 기존 애저 AI 스튜디오를 진화 시킨 ‘애저 AI 파운드리’가 있다.

‘애저 AI 파운드리’는 특정 모델에 매몰되지 않고 1,700개 이상의 모델을 제공하는 ‘산업용 AI 팩토리’를 지향한다. 이는 비즈니스 의사결정권자들에게 매우 중요한 신호를 보낸다. 기술적 우위가 어느 특정 모델 개발사(오픈AI, 메타, 앤트로픽)로 옮겨가더라도, 기업들은 마이크로소프트 플랫폼 안에서 모델만 교체하면 즉시 최적의 성능을 유지할 수 있다는 점이다. 결과적으로 오픈AI와의 독점적 관계를 유지하는 동시에 고객에게는 '멀티모델 선택권'을 부여함으로써 특정 모델에 대한 의존도 리스크를 플랫폼의 유연성으로 상쇄하고 있다.

마이크로소프트의 실용주의 전략의 또 다른 핵심 축은 자체 개발한 소형 언어 모델인 파이(Phi) 시리즈다. 2025년에 공개된 Phi-4는 '교과서급 고품질 데이터'로 학습하여 5.6B라는 극소형 파라미터로도 거대 모델에 육박하는 추론 성능을 증명했다. 특히 최신 모델인 Phi-4-mini는 3.8B 규모임에도 텍스트 기반 추론, 코딩, 수학 능력에서 수십 배 큰 모델들을 압도하는 벤치마크 결과를 보여준다.⁴⁾

그림 2 Phi-4-mini 벤치마크 (출처: 마이크로소프트) 

마이크로소프트가 이토록 작고 정교한 모델에 집착하는 이유는 명확하다. 바로 추론 비용의 최적화다. 모든 업무에 고비용 프론티어 모델을 사용할 필요가 없다는 판단하에, 온디바이스나 엣지 환경에서 저비용·저지연으로 구동되는 파이를 통해 고객의 전체적인 TCO를 낮춰주겠다는 것이다. 이는 클라우드 인프라의 막대한 전력 소모 문제를 해결하고 지속 가능한 수익 구조를 확보하기 위한 영리한 포석이기도 하다.

마이크로소프트의 전략은 단순히 모델을 나열하는 데 그치지 않는다. 이들은 지능형 모델 라우팅과 에이전트 오케스트레이션을 통해 기업의 복잡한 워크플로우를 장악하려 한다. 애저 AI 파운드리는 ‘인텔리전트 프롬프트 라우팅’ 기능을 통해 복잡도에 따라 고성능의 클로드 3.5 소넷과 가성비의 클로드 3 하이쿠 사이를 자동으로 전환하며 비용을 절감한다. 결국 '지능 그 자체'를 파는 회사에서 '지능을 조율하고 관리하는 운영 시스템'을 제공하는 회사로 변모하고 있다. 기업들은 마이크로소프트의 에이전트 프레임워크를 통해 세일즈포스, 서비스나우, SAP 등 기존 엔터프라이즈 데이터와 AI를 결합할 수 있다.

4. 애플: 최고의 모델을 ‘일부러’ 만들지 않는 포식자적 실용주의

애플은 수십 년간 수직 계층을 통합하고 모든 것을 자체 개발해 온 폐쇄형 혁신의 상징이다. 하지만 AI 분야에서 애플은 전혀 다른 길을 택했다. 바로 직접적인 모델 성능 경쟁에서 한발 물러나 시장 리더들의 기술을 자신의 생태계로 흡수하는 '포식자적 실용주의'다. 애플은 시리의 한계를 극복하기 위해 구글에 연간 약 10억 달러를 지불하며 제미나이 모델을 도입하기로 했다.⁵⁾ 이 결정의 이면에는 매우 정교한 계산이 깔려 있다.

애플은 시리의 실패율이 33.3%에 달하는 위기 상황에서, 성능 미달인 자체 모델 개발에 수조 원을 쏟아붓는 대신 이미 검증된 구글과 오픈AI의 프론티어급 모델을 애플의 브랜드로 재판매·재배포할 수 있도록 제공되는 '화이트 라벨(White Label)' 형태로 도입했다. 이를 통해 애플은 인프라 구축에 드는 천문학적 비용 부담을 파트너에게 넘기고, 자신들은 사용자 경험과 하드웨어 교체 주기에 집중하는 실리를 챙겼다.

애플이 구글이나 오픈AI의 모델을 쓰면서도 주도권을 뺏기지 않는 핵심 무기는 다름 아닌 ‘프라이빗 클라우드’다. 애플은 프라이버시 보호를 명분으로 내세워 사용자의 데이터를 외부 서버로 보내기 전 자신의 암호화 서버에서 데이터를 정제하고 익명화한다. 이 아키텍처는 기술적으로 두 가지를 가능하게 한다.

첫째, 구글은 질문을 받고 답을 내놓지만 그 질문자가 누구인지 알 수 없으며 사용자 프로필을 구축할 수 없다.

둘째, 애플은 필요에 따라 언제든지 백엔드 AI 공급 모델을 구글에서 다른 곳으로 교체할 수 있는 강력한 '게이트 키퍼' 지위를 확보한다. 즉, 프라이버시는 애플에게 있어 단순한 브랜드 가치가 아니라, 빅테크 파트너들을 통제하고 종속 시키는 전략적 방어막인 셈이다.

애플의 AI 실용주의는 3단계 하이브리드 스택으로 완성된다. 일상적인 텍스트 요약이나 알림 정렬과 같은 60%의 작업은 기기 내부의 3B/7B 소형 모델이 처리한다. 조금 더 복잡하지만 개인정보가 포함된 작업은 애플의 프라이빗 클라우드를 거치며, 전문적인 세계 지식이 필요한 최고 난도의 질문만 외부의 제미나이나 챗GPT로 전달된다. 이러한 계층적 접근은 애플로 하여금 AI라는 거대한 기술 파고를 자신의 하드웨어 가치를 높이는 소모품으로 전락시키게 만든다. 사용자에게 AI는 단지 '더 똑똑해진 시리'일 뿐이며, 그 지능의 원천이 누구인지는 중요하지 않게 된다. 결국 애플은 직접 모델 경쟁에 뛰어들지 않고도 최상위 지능을 자신의 통제권 안에 두는 가장 강력한 생태계 포식자로 지위를 유지하려 하고 있다.

5. 오라클, SAP: 엔터프라이즈 실용주의의 정석

AI 혁신이 가속화되면서 많은 기업이 LLM을 도입하기 위해 핵심 데이터를 외부 클라우드로 이전하는 리스크를 감수한다. 그러나 엔터프라이즈 시장의 두 거인인 오라클과 SAP는 정반대의 길을 제시한다. 바로 '데이터 중력(Data Gravity)'을 활용한 전략이다. 데이터 중력이란 데이터의 규모가 커질수록 그 주변으로 애플리케이션과 서비스가 끌려오는 현상을 의미하며, 이를 무시하고 대규모 데이터를 이동시키는 것은 막대한 비용, 지연 시간, 그리고 보안 리스크를 초래하게 된다는 현상이다.

오라클과 SAP는 기업의 가장 가치 있는 자산인 회계, 인사, 공급망 데이터가 이미 DB와 ERP 시스템 내에 견고하게 보관되어 있다는 점에 집중한다. 이들은 AI 모델을 외부에서 가져와 데이터를 먹이는 방식이 아니라, 데이터가 존재하는 그 지점에서 AI가 구동되게 함으로써 지연 시간을 최소화하고 보안 오버헤드를 제거한다. 특히 SAP는 유럽 내 '소버린 클라우드'를 확장하며, 기업이 데이터 주권을 유지하면서도 클라우드 인프라 내에서 직접 AI를 실행할 수 있는 환경을 구축했다.⁶⁾

범용 LLM은 일반적인 대화에는 능숙하지만, 법률, 금융, 제조와 같은 특정 산업의 미묘한 전문 용어나 복잡한 비즈니스 맥락에서는 한계를 드러낸다. 대중적인 모델들이 연구용 벤치마크 점수 높이기에 매몰될 때, 오라클과 SAP는 실제 비즈니스 가치를 창출하는 '산업별 특화 지능'을 차별점으로 내세운다. 일반적인 데이터로 학습된 SOTA(State-of-the-Art) 모델은 실제 산업 현장에서 성능이 저하되는 경우가 많다. 반면, 전문가에 의해 검증된 기업 고유의 데이터로 학습된 모델은 도메인 특화 태스크에서 압도적인 정확도를 보여준다. 예를 들어, 의료 데이터 분석이나 금융 사기 탐지는 일반적인 공공 데이터셋이 아닌, 해당 기관의 내부 기록과 패턴을 학습해야만 허위 양성(False Positive) 반응을 줄이고 신뢰도를 확보할 수 있다.

여기에 엔터프라이즈 실용주의의 핵심인 '설명 가능성(Explainability)'이 더해진다. 규제가 엄격한 산업군에서 AI의 결과값은 반드시 사람이 이해할 수 있는 근거와 함께 제시되어야 한다. SAP는 자사의 AI 비서인 '줄(Joule)'을 통해 생성된 답변이 어떤 ERP 데이터에 근거했는지 명확한 추론 경로를 제공한다. 이는 단순히 "답이 무엇인가"를 넘어 "왜 이 답이 도출되었는가"를 감사(Audit)할 수 있게 함으로써, AI를 실전 비즈니스의 의사결정 도구로 승격시킨다.

2025년 이후의 엔터프라이즈 AI는 단순한 질의응답 시스템을 넘어, 직접 행동하고 과업을 완수하는 '에이전틱 AI'로 진화하고 있다. 과거의 ERP가 비즈니스 사건을 기록하는 '기록의 시스템(System of Record)'이었다면, 이제는 자율적인 판단을 통해 구매를 승인하고 공급망을 재설계하는 '에이전틱 행동의 시스템(System of Action)'으로 진화하고 있다.

그림 3 업무프로세스에 통합된 SAP 줄 (출처: SAP)

SAP 줄은 이러한 에이전트 전략의 정수다. 사용자가 자연어로 "다음 분기 원자재 수급 계획을 세우고, 단가가 가장 낮은 공급업체에 발주서를 보내줘"라고 명령하면, AI 에이전트는 SAP S/4HANA의 재고 데이터와 외부 시장 상황을 실시간으로 분석한다. 이후 최적의 공급업체를 선정하고 내부 규정에 따라 구매 승인 워크플로우를 자동으로 실행한다. 이 과정에서 AI는 여러 단계를 스스로 계획하고 실행하며, 인간은 최종 결과에 대한 감독 역할만 수행하게 된다.

이러한 실용적 접근은 수치로 증명된다. 예를 들어, 일부 기업들은 AI 에이전트 도입을 통해 문서 작성 시간을 90% 이상 단축했으며, 복잡한 에너지 안전 감사 비용을 99%까지 절감하는 성과를 거두었다. 결과적으로 오라클과 SAP의 전략은 '특정 LLM 지능의 과시'가 아니라, 기업 운영의 핵심 워크플로우를 혁신하여 실질적인 ROI를 창출하는 데 방점이 찍혀 있다.

6. 마무리: AI 시대의 승자는 ‘가장 똑똑한 모델’이 아니다

지난 2년간의 광풍이 지나간 자리에서 비즈니스 리더들이 깨달은 진실은, 가장 거대한 모델이 반드시 가장 큰 수익을 가져다주지 않는다는 점이다. 2025년 이후의 AI 경쟁은 더 이상 모델의 IQ 경쟁이 아니라, 비즈니스 임팩트를 극대화하는 ‘최적화’ 경쟁이다. 이번 글에서 다룬 모든 사례를 관통하는 승리의 법칙은 다음의 실용주의 AI 전략 공식으로 요약할 수 있다.

진정한 승자가 되는 조건은 분자인 ‘지능과 맥락’을 높이면서 동시에 분모인 ‘시간과 비용’을 혁신적으로 낮춘 기업이다. 아마존은 노바를 통해 비용을 70% 절감하며 이 효율성을 증명했고, 애플은 제미나이를 하드웨어에 이식하며 맥락적 관련성을 극대화했다. 이제 리더는 "얼마나 똑똑한가"라는 질문을 "얼마나 유용한가"로 전환해야 한다.

전략적 우위를 점하기 위해 리더들은 기술적 유연성을 확보해야 한다. 특정 모델에 종속되지 않고 최적의 효율을 찾아가는 구체적인 실행 로드맵은 다음과 같다.

• 1단계: Start Big (거대 모델을 통한 가능성 검증): 우선 GPT나 클로드와 같은 프론티어 LLM을 활용해 비즈니스 난제의 해결 가능성을 탐색한다. 이 단계의 목적은 ‘성공의 천장’이 어디까지 인지를 확인하는 것이다.

• 2단계: Collect Context (독점적 데이터 자산의 축적): 거대 모델을 운영하며 발생하는 내부 워크플로우와 고객 데이터를 정교하게 수집한다. 이 데이터는 향후 작고 정교한 모델을 학습시키는데 쓰일 가장 강력한 해자가 된다.

• 3단계: Go Small (최적화된 모델로의 전환): 루틴한 업무(전체 업무의 약 80%)는 Phi-4나 라마 3.2 같은 소형 모델 혹은 ‘플래시’급 모델로 전향한다. 이를 통해 지연 시간을 최소화하고 ROI를 극대화하며 시스템을 안착시킨다.

향후 1-2년 내로 AI는 더 이상 별도의 서비스나 대화창으로 존재하지 않을 것으로 전망된다. 마치 전기나 공기처럼 소프트웨어의 밑단에 흐르는 ‘유틸리티 레이어’가 될 것이기에, 미래의 업무 환경은 ‘타이핑’이 아닌 ‘프롬프트’와 ‘자율 에이전트’에 의해 구동될 것이다. 세일즈 담당자는 CRM에 데이터를 입력하는 대신 AI 에이전트가 정리한 리드 분석을 검토하며, 경영진은 복잡한 보고서를 읽는 대신 ‘딥 리서치’ 에이전트가 실시간으로 분석한 시장 상황을 바탕으로 즉각적인 결정을 내릴 것이다. AI는 이제 기술 그 자체가 아닌, 기업의 경쟁력을 결정짓는 보이지 않는 신경망으로 자리 잡을 것이다.

이 글을 마무리하는 조언은 간결하다. "아인슈타인을 고용해 초등 산수를 시키는 비효율을 멈추라"는 것이다. 모델의 크기와 지능에 매몰되는 순간, 기업은 천문학적인 컴퓨팅 비용과 기술 부채 및 운영 비용의 늪에 빠지게 된다. 진정한 승자는 기술 그 자체가 아니라, 그 기술을 통해 비즈니스 프로세스를 어떻게 재설계할 것인가를 고민하는 리더이다. AI를 단순히 기존 기능을 보완하는 도구가 아닌, 기업 운영 모델 전반을 혁신하는 ‘디지털 노동력’으로 바라보라. 기술은 평준화되지만, 그 기술을 비즈니스 가치로 변환하는 전략적 안목은 결코 평준화될 수 없기 때문이다.

참고문헌

1) HAI Stanford, “ The 2025 AI Index Report”

2) WebProNews, “AI Boom Fuels Tech Giants’ Massive Bonds, Threatens Higher Rates”, Jan 12, 2026

3) AWS, “Transforming enterprise operations: Four high-impact use cases with Amazon Nova”

4) Microsoft, “Empowering innovation: The next generation of the Phi family”, Feb 26, 2025

5) Bloomberg, “Apple Nears $1 Billion-a Year Deal to Use Google AI for Siri”, Nov 5, 2025

6) SAP, “SAP and OpenAI Partner to Launch Sovereign OpenAI for Germany”, Sep 24, 2025