ChatGPT Enterprise 가격 2026, 사내 AI 도입 전 비용·보안·운영 기준

ChatGPT Enterprise 가격 검토 회의와 사내 AI 예산 산정 장면 — ChatGPT Enterprise는 좌석 단가보다 보안·거버넌스·지원 조건까지 묶어 비교해야 한다.

ChatGPT Enterprise 가격을 검색했다면 단순히 월 구독료 한 줄을 찾는 상황이 아니다.

사내 업무에 넣을지, Business 플랜으로 시작할지, API와 별도 플랫폼을 만들지 정해야 하는 구매 검토 단계다.

현재 공개 가격표에서 Enterprise는 고정 단가가 아니라 영업 문의 기반의 맞춤 가격으로 표시된다.

그래서 예산 검토는 공개 Business 가격을 하한선으로 놓고, Enterprise에서 추가되는 보안·감사·지원 조건을 별도 행으로 분리해야 한다.

핵심 요약

OpenAI Business 공개 가격표는 Business를 ₩28,900 / user / month로 표시하고, 2명 이상과 연간 청구 조건을 함께 둔다.
같은 공개 가격표에서 ChatGPT Enterprise는 Custom pricing이며 영업팀 문의로 가격을 확인하라고 안내한다.
Enterprise 검토의 핵심은 SCIM, EKM, 사용자 분석, 도메인 검증, RBAC, 맞춤 보존 정책, 10개 지역 데이터 레지던시, 24/7 우선 지원과 SLA다.
API 기반 자동화는 ChatGPT Enterprise 좌석 가격과 다르므로, 입력·출력 토큰 단가와 데이터 레지던시 10% uplift를 별도로 계산해야 한다.

이 글이 필요한 사람

전사 AI 도입을 검토하지만 Enterprise 견적 기준을 아직 정하지 못한 CIO, CISO, IT 운영 담당자
ChatGPT Business와 Enterprise 사이에서 SSO, SCIM, 감사 로그, 데이터 보존 조건을 비교해야 하는 보안팀
그룹웨어·협업툴 예산과 생성형 AI 좌석 예산을 같은 구매 안건으로 묶어 보는 구매 담당자
Codex, 파일 분석, 커넥터, 에이전트 기능을 개발·영업·기획 조직에 배포하려는 플랫폼 팀
API 토큰 비용과 ChatGPT 좌석 비용을 섞어서 견적을 잘못 비교할 위험이 있는 재무 담당자

공식 가격표에서 먼저 확정되는 숫자

OpenAI Business Pricing 페이지는 Business 플랜을 공개 단가로 제시하지만 Enterprise는 맞춤 가격으로 분리한다.

이 차이 때문에 Enterprise 가격을 추정할 때는 공개 단가를 그대로 대입하지 말고 견적 입력값을 먼저 고정해야 한다.

구분	공식 공개 숫자	예산 판단	주의할 점
Business	₩28,900 / user / month	작은 팀이나 파일럿의 공개 기준선으로 쓴다.	공개 페이지는 2+ users와 연간 청구 조건을 함께 표시한다.
Business 달러 표기	$25.00 / user / month	글로벌 법인이나 해외 결제 비교 시 보조 기준으로만 본다.	지역·세금·청구 통화에 따라 실제 청구액은 달라질 수 있다.
Enterprise	Custom pricing	영업 견적, 좌석 수, 보안 조건, 지원 조건을 받아야 확정된다.	공개 페이지에 고정 월액이 없으므로 블로그·커뮤니티 추정 단가를 계약 근거로 쓰면 안 된다.
데이터 레지던시	10 regions	한국 포함 지역 저장 요구가 있으면 Enterprise 조건에서 확인한다.	API와 ChatGPT의 처리·저장 조건이 다를 수 있어 계약서와 보안 문서로 확인한다.
지원 조건	24/7 priority support, SLAs	장애 대응과 내부 헬프데스크 운영비를 함께 잡는다.	프리미엄 지원이나 전담 연락 조건은 계약별로 확인한다.

이 조건이면 Business 가격을 파일럿 하한선으로 두고 Enterprise 영업 견적을 받아야 한다.

반대로 SCIM, 감사 로그, 맞춤 보존 정책, 데이터 레지던시가 당장 필요 없다면 Business로 작은 범위를 검증한 뒤 전환하는 편이 안전하다.

Enterprise에서 가격을 밀어 올리는 항목

Enterprise는 더 비싼 좌석이라는 표현보다 통제 기능이 붙은 사내 AI 운영 환경으로 보는 편이 맞다.

OpenAI Business Pricing 페이지는 Enterprise에 SCIM, EKM, 사용자 분석, 도메인 검증, 역할 기반 접근 제어를 포함한다고 설명한다.

항목	Enterprise에서 확인할 조건	비용 영향	검토 담당
ID 관리	SAML SSO, MFA, SCIM, 도메인 검증	계정 수명주기 자동화와 IdP 연동 작업이 생긴다.	IT 운영·보안
키와 암호화	EKM, AES-256 at rest, TLS 1.2+ in transit	키 관리 정책과 감사 증적 관리 시간이 들어간다.	보안·개인정보
데이터 보존	Custom data retention policies	보존 기간, 삭제 요청, 법무 보존 예외를 설계해야 한다.	법무·보안
데이터 위치	Data residency in ten regions	한국 저장 요구가 있으면 영업·보안 확인 절차가 길어진다.	CISO·컴플라이언스
감사·컴플라이언스	Compliance API 또는 로그 플랫폼	SIEM, DLP, eDiscovery 연동 비용이 붙을 수 있다.	보안관제·감사
지원·SLA	24/7 priority support, SLAs, AI advisors	장애 대응 체계와 교육 예산을 따로 잡아야 한다.	IT 리더·구매

이 경우는 좌석 수보다 통제 범위를 먼저 확정해야 한다.

보안팀이 요구하는 조건을 나중에 붙이면 견적 재요청, 계약 문구 수정, 배포 일정 지연이 동시에 발생한다.

Business, Enterprise, API를 같은 표에 넣으면 안 되는 이유

ChatGPT Business와 Enterprise는 사람이 쓰는 워크스페이스 좌석 예산에 가깝다.

OpenAI API는 제품 안에 기능을 넣거나 배치 작업을 돌릴 때 입력·출력 토큰 단가로 따로 계산한다.

선택지	과금 기준	공식 숫자 예시	맞는 상황
ChatGPT Business	사용자 월 구독	₩28,900 / user / month	소규모 파일럿, 중앙 결제, SAML SSO와 MFA가 필요한 팀
ChatGPT Enterprise	맞춤 견적	Custom pricing	SCIM, EKM, RBAC, 데이터 레지던시, 24/7 SLA가 필요한 조직
OpenAI API 표준	1M tokens 단가	gpt-5.6-sol $5.00 input / $30.00 output	자체 서비스에 AI 기능을 넣고 사용량 기반으로 청구를 추적하는 경우
OpenAI API 저비용 모델	1M tokens 단가	gpt-5-mini $0.25 input / $2.00 output	대량 분류, 요약, 내부 자동화처럼 단가 민감도가 큰 경우
API 데이터 레지던시	일부 모델 uplift	eligible model 10% uplift	데이터 위치 요구가 API 처리에도 걸리는 경우

실무 시나리오 1: 영업팀 80명이 제안서 초안을 만들고 파일을 분석한다면 Business 또는 Enterprise 좌석 예산이 먼저다.

실무 시나리오 2: 고객센터 시스템이 매일 수십만 건의 문의를 자동 분류한다면 API 입력·출력 토큰 단가가 먼저다.

실무 시나리오 3: 개발팀이 Codex를 코드베이스와 연결한다면 Enterprise 통제, 저장소 권한, PR 승인 흐름까지 비용 항목에 넣어야 한다.

견적 요청 전에 고정할 8개 질문

Enterprise 가격은 공개 단가가 없기 때문에 영업팀에 “몇 명이 쓸 예정입니다”만 보내면 비교 가능한 견적이 나오기 어렵다.

첫 90일 파일럿 사용자 수와 12개월 전사 확장 사용자 수를 분리한다.
워크스페이스를 단일 조직으로 둘지 계열사·사업부별로 나눌지 정한다.
SAML SSO, MFA, SCIM, 도메인 검증, RBAC 중 필수 조건을 표시한다.
입력 파일, 대화, 산출물의 보존 기간과 삭제 요구를 보안팀이 먼저 적는다.
데이터 레지던시가 필요한 지역을 정하고 한국 저장 요구가 있는지 확인한다.
Compliance Logs, DLP, eDiscovery, SIEM 연동이 필요한지 감사를 통해 결정한다.
Codex, 커넥터, 에이전트 기능을 어떤 부서에 열지 단계별로 나눈다.
API 크레딧이나 별도 자동화 비용을 좌석 견적과 분리해 요청한다.

이 조건이면 견적은 단가표가 아니라 요구사항 표로 시작해야 한다.

요구사항 표가 없으면 Enterprise가 비싼지 싼지 판단할 기준도 같이 사라진다.

보안·개인정보 조건은 가격 협상의 부속 항목이 아니다

OpenAI Business data 페이지는 조직 데이터가 기본적으로 모델 학습에 쓰이지 않는다고 설명한다.

같은 문서는 비즈니스 데이터가 저장 시 AES-256으로 보호되고 전송 시 TLS 1.2 이상으로 보호된다고 안내한다.

Enterprise Key Management와 데이터 보존 제어는 보안 심사에서 질문이 많이 나오는 항목이므로 견적 전 단계에서 확인해야 한다.

보안 질문	공식 문서에서 확인할 말	내부 확인 자료	가격 영향
모델 학습	No training on business data by default	임직원 안내문, 데이터 분류표	사용 허용 범위를 넓히는 근거가 된다.
암호화	AES-256 at rest, TLS 1.2 or higher in transit	보안성 검토서, 위험평가	추가 키 관리가 필요하면 EKM 조건을 본다.
보존 정책	Custom data retention policies	개인정보 보존·파기 기준	정책 설계와 감사 대응 시간이 붙는다.
데이터 위치	Data residency in ten regions	국내 저장 요구, 해외 이전 검토	지역 조건에 따라 계약 검토가 길어진다.
감사 로그	Compliance logs and audit visibility	SIEM·DLP·eDiscovery 연동표	연동 구축과 운영비가 생긴다.

보안팀은 “학습에 쓰지 않는다” 한 문장만으로 승인하면 안 된다.

파일 업로드, 커넥터, 에이전트 액션, Codex 저장소 접근은 데이터 흐름이 다르므로 사용 표면별로 허용 범위를 나눠야 한다.

사내 예산표는 좌석·구축·운영·API를 나눠야 한다

구매팀이 자주 놓치는 부분은 ChatGPT Enterprise 좌석 비용과 도입 프로젝트 비용을 한 줄로 합치는 것이다.

SSO와 SCIM은 계정 운영을 줄이지만, 처음에는 IdP 그룹 정리와 퇴사자 회수 정책을 맞추는 시간이 필요하다.

예산 라인	넣을 항목	측정 단위	빠지면 생기는 문제
좌석 비용	Business 공개 단가 또는 Enterprise 영업 견적	user / month	사용자 수 증가와 미사용 좌석을 관리하지 못한다.
구축 비용	SSO, SCIM, RBAC, 보존 정책, 파일 분류	프로젝트 단위	파일럿이 끝난 뒤 전사 배포가 멈춘다.
보안 운영	감사 로그, DLP, SIEM, 접근 리뷰	월 운영 시간	민감 데이터 사고 때 추적 근거가 부족하다.
교육·변화관리	역할별 프롬프트 정책, 금지 데이터 교육	부서·세션	도구만 배포되고 실제 업무 전환이 안 된다.
API·크레딧	입력·출력 토큰, 배치, 데이터 레지던시 uplift	1M tokens	좌석 예산 안에서 자동화 비용이 폭주한다.
지원·SLA	우선 지원, 전담 연락, 온콜 조건	계약 조건	업무 핵심 시스템이 됐을 때 장애 대응 기준이 없다.

이 경우는 재무팀에 월 구독료만 넘기지 말고, 파일럿 3개월과 12개월 확장 예산을 따로 보여줘야 한다.

비용 절감 논리도 “직원이 빨라진다”가 아니라 보고서 작성 시간, 코드 리뷰 대기 시간, 고객 응대 초안 시간을 기준으로 잡아야 한다.

도입 순서: 30일 파일럿에서 전사 배포까지

Enterprise 도입은 보안 승인을 먼저 받고 나중에 사용처를 찾는 방식보다, 제한된 업무 흐름을 정해 검증하는 방식이 안전하다.

1주차: 금지 데이터, 허용 파일, 외부 커넥터, Codex 저장소 접근 범위를 정책 초안으로 만든다.
2주차: SSO, MFA, 관리자 역할, 파일럿 그룹, 퇴사자 회수 절차를 테스트 워크스페이스에서 검증한다.
3주차: 영업 제안서, 개발 PR 보조, 재무 분석처럼 서로 다른 3개 업무 흐름을 골라 산출물 품질을 본다.
4주차: 대화·파일·액션 로그를 보안팀이 샘플링하고 DLP·감사 연동 필요 여부를 결정한다.
60일차: 부서별 사용률, 금지 데이터 위반, 관리자 티켓, 산출물 재작업률을 비교한다.
90일차: Enterprise 견적, Business 유지, API 별도 구축, 보류 중 하나로 구매 결정을 내린다.

이 조건이면 30일 파일럿의 성공 기준은 “많이 썼다”가 아니라 보안 위반 없이 반복 업무 시간이 줄었는지다.

이 경우는 사용자 만족도보다 관리자 운영 로그와 재작업률이 구매 승인에 더 강한 근거가 된다.

실무 시나리오별 판단 기준

시나리오 A: 50명 이하 부서 파일럿

Business 공개 가격을 기준선으로 잡고, SAML SSO와 MFA만으로 통제 가능한지 먼저 본다.

SCIM, 맞춤 보존, 데이터 레지던시가 필수가 아니라면 Enterprise 견적은 전사 확장 전에 받는 편이 낫다.

시나리오 B: 300명 이상 지식근로자 전사 배포

Enterprise 견적을 받아야 한다.

사용자 분석, 역할 기반 접근 제어, 도메인 검증, 볼륨 할인, 24/7 우선 지원 조건을 계약 항목으로 분리한다.

시나리오 C: 금융·의료·공공성 데이터가 섞인 조직

가격보다 데이터 보존, 감사 로그, DLP 연동, 법무 보존, 데이터 레지던시가 먼저다.

이 경우는 Enterprise가 아니면 승인 자체가 어려울 수 있으므로 보안 예외 비용까지 비교해야 한다.

시나리오 D: 제품 기능에 AI를 넣는 개발팀

ChatGPT 좌석 견적과 API 토큰 견적을 분리한다.

입력·출력 토큰, 캐시 입력, 배치 처리, 데이터 레지던시 uplift를 월별 사용량 시나리오로 계산해야 한다.

견적 요청용 체크리스트와 예산 스켈레톤

아래 스켈레톤은 실제 계약 단가를 대체하지 않는다.

견적 요청 전에 내부 요구사항을 빠뜨리지 않기 위한 검토 틀로만 써야 한다.

# chatgpt-enterprise-budget.yaml
# 목적: ChatGPT Enterprise 견적 요청 전에 좌석, 보안, API 크레딧, 운영 비용을 분리한다.
# 실제 계약 단가는 OpenAI 영업 견적과 최신 Order Form 기준으로 확인한다.

workspace:
  expected_users: 250
  pilot_users: 40
  departments:
    - engineering
    - product
    - sales_operations
    - finance
  admin_owners:
    - it_operations
    - security_privacy
    - procurement

plan_comparison:
  business_public_price:
    official_page: openai_business_pricing
    public_number_krw_per_user_month: 28900
    minimum_users: 2
    billing_note: billed annually on the public pricing page
  enterprise_public_price:
    official_page: openai_business_pricing
    public_number: custom_pricing_contact_sales
    quote_inputs:
      - user_count
      - workspace_count
      - data_residency_region
      - retention_policy
      - support_level
      - compliance_export_need
      - codex_or_agent_usage

security_requirements:
  identity:
    saml_sso: required
    mfa: required
    scim: required_for_enterprise_rollout
    domain_verification: required
  data_controls:
    no_training_by_default: true
    encryption_at_rest: AES-256
    encryption_in_transit: TLS_1_2_or_higher
    enterprise_key_management: evaluate
    data_residency: evaluate_region
  audit:
    compliance_logs: evaluate
    dlp_or_edisco_integration: evaluate_for_regulated_team

budget_lines:
  licenses:
    metric: named_user_per_month
  implementation:
    include:
      - identity_integration
      - workspace_policy_design
      - prompt_and_file_handling_rules
      - admin_training
  api_or_credit_usage:
    separate_from_chatgpt_workspace: true
    review_input_output_token_cost: true
  operations:
    include:
      - monthly_workspace_review
      - quarterly_access_review
      - incident_response_drill
      - vendor_risk_review

다음 점검 스크립트는 공개 Business 하한선과 Enterprise 견적 필요 여부를 구분하는 예시다.

# chatgpt_enterprise_budget_check.py
# 목적: 공개 가격표와 영업 견적을 섞지 않고 비교표 입력값을 점검한다.
# 실제 구매 판단은 최신 OpenAI 가격표, Order Form, 내부 보안 심사를 기준으로 한다.

from dataclasses import dataclass

@dataclass
class ChatGPTWorkspaceBudget:
    users: int
    public_business_krw_per_user_month: int = 28900
    enterprise_quote_krw_per_user_month: int | None = None
    implementation_krw: int = 0
    monthly_ops_krw: int = 0
    api_credit_krw: int = 0

    def business_public_monthly_floor(self) -> int:
        return self.users * self.public_business_krw_per_user_month

    def enterprise_monthly_estimate(self) -> int | None:
        if self.enterprise_quote_krw_per_user_month is None:
            return None
        return (
            self.users * self.enterprise_quote_krw_per_user_month
            + self.monthly_ops_krw
            + self.api_credit_krw
        )

    def missing_quote_inputs(self) -> list[str]:
        required = [
            "user_count",
            "workspace_policy",
            "saml_sso_mfa",
            "scim_lifecycle",
            "data_retention",
            "data_residency",
            "support_sla",
            "api_credit_boundary",
        ]
        return required

budget = ChatGPTWorkspaceBudget(users=250, implementation_krw=12000000)
print("business_floor_krw", budget.business_public_monthly_floor())
print("enterprise_quote_required", budget.enterprise_monthly_estimate() is None)
print("quote_inputs", ",".join(budget.missing_quote_inputs()))