오픈웨이트 AI와 폐쇄형 AI는 무엇이 다를까?(모델을 직접 운영하는 방식과 AI 서비스를 이용하는 방식의 차이)

ChatGPT, Gemini, Claude 같은 생성형 AI가 널리 사용되면서 기업에서도 다양한 업무에 AI를 도입하고 있다.

그런데 같은 AI라도 사용하는 방식은 모두 같지 않다.

우리가 평소 브라우저에서 ChatGPT 같은 AI 서비스를 이용하는 방식이 있는가 하면, AI 모델을 직접 내려받아 개인 컴퓨터나 회사 서버에서 실행하는 방식도 있다.

최근에는 스마트폰이나 PC 안에서 직접 실행되는 AI도 늘어나고 있다.

그렇다면 이 AI들은 무엇이 다른 걸까?

이 차이를 이해하려면 오픈웨이트 AI와 폐쇄형 AI가 무엇인지, 그리고 그보다 먼저 AI 모델에서 가중치가 어떤 역할을 하는지 알아둘 필요가 있다.

1. 우리가 사용하는 ChatGPT는 어디에서 실행될까?

브라우저에서 ChatGPT를 사용한다고 생각해 보자.

사용자는 자신의 컴퓨터에서 질문을 입력하지만, 일반적으로 AI 모델 자체가 사용자의 컴퓨터에서 실행되는 것은 아니다.

기본적인 구조는 다음과 같다.

사용자 PC → 브라우저 → 인터넷 → AI 기업의 서버 → AI 모델 실행 → 결과 반환

내 컴퓨터에서는 질문을 입력하고 결과를 보여주지만 실제 AI 모델은 서비스를 제공하는 기업의 인프라에서 운영된다.

즉, AI를 사용하고 있다고 해서 AI 모델 자체를 가지고 있는 것은 아니다.

ChatGPT 같은 AI 서비스를 사용하는 것과 AI 모델을 내려받아 직접 운영하는 것은 서로 다른 방식이다.

그렇다면 AI 모델 자체를 내려받는다는 것은 무엇을 의미할까?

이를 이해하려면 먼저 가중치라는 개념을 알아야 한다.

2. AI에서 ‘가중치’는 어떤 역할을 할까?

AI 모델은 입력을 받으면 내부에서 수많은 계산을 거쳐 결과를 만든다.

이 계산 과정에서 사용되는 핵심 값 가운데 하나가 가중치(Weight)다.

가중치는 AI가 학습하는 과정에서 조정된 수많은 숫자라고 생각하면 된다.

아주 단순하게 표현하면 다음과 같다.

입력 → 학습된 가중치를 이용한 계산 → 출력할 결과 결정

AI가 데이터를 학습하면서 조정한 수많은 가중치에는 모델이 학습한 패턴과 관계가 반영되어 있다.

따라서 가중치는 단순한 설정값 몇 개가 아니라 학습된 AI 모델을 구성하는 핵심 요소다.

이미 학습이 끝난 AI 모델을 다른 컴퓨터나 서버에서 실행하려면 이러한 가중치가 필요하다.

여기서 오픈웨이트(Open-weight)라는 개념이 등장한다.

3. 오픈웨이트 AI란 무엇일까?

오픈웨이트 AI는 학습된 모델의 가중치를 다른 사람이 내려받아 사용할 수 있도록 공개한 AI 모델이다.

필요한 실행 환경을 갖추면 AI 제공 기업의 서버를 이용하지 않고도 자신의 컴퓨터나 회사 서버, 클라우드 환경에서 모델을 실행할 수 있다.

비개발자 관점에서는 우선 이렇게 이해하면 쉽다.

오픈웨이트 AI는 AI 모델을 가져와 내가 선택한 환경에서 직접 실행할 수 있도록 가중치가 공개된 모델이다.

실제로 OpenAI의 gpt-oss도 가중치를 내려받아 사용자가 관리하는 인프라에서 실행할 수 있는 오픈웨이트 모델이다. OpenAI는 gpt-oss를 ChatGPT나 OpenAI API에서 제공하는 모델과 별도로 배포하고 있으며, 사용자가 직접 관리하는 환경에서 실행할 수 있다고 설명한다.

여기서 온프레미스(On-premises)와 프라이빗 클라우드(Private Cloud)라는 표현이 자주 등장한다.

온프레미스는 쉽게 말하면 기업이 직접 관리하는 사내 서버나 데이터센터 환경이고, 프라이빗 클라우드는 특정 기업이 전용으로 사용하는 클라우드 환경이다.

오픈웨이트 모델은 이런 기업 내부 환경에서도 운영할 수 있다.

또한 필요에 따라 모델을 파인튜닝(Fine-tuning)할 수도 있다.

파인튜닝은 이미 학습이 끝난 AI 모델을 특정 업무나 목적에 맞게 추가로 학습시키는 것이다.

예를 들어 범용 AI 모델을 회사의 특정 업무나 전문 분야에 더 잘 맞도록 추가로 조정하는 방식이다.

다만 가중치가 공개됐다는 것과 무엇이든 마음대로 할 수 있다는 것은 다른 문제다.

모델을 수정할 수 있는지, 상업적으로 사용할 수 있는지, 다시 배포할 수 있는지는 각 모델의 라이선스와 사용 조건에 따라 달라질 수 있다.

따라서 오픈웨이트에서 중요한 것은 단순히 ‘무료 AI’라는 의미가 아니라 학습된 모델의 핵심 가중치가 공개되어 있다는 것이다.

4. 폐쇄형 AI란 무엇일까?

폐쇄형 AI는 반대로 모델의 핵심 가중치를 일반 사용자에게 공개하지 않는 방식이다.

사용자는 모델의 가중치를 내려받아 자신의 환경에 자유롭게 배치하는 대신, 일반적으로 AI 제공 기업이 운영하는 서비스나 API를 통해 AI 기능을 이용한다.

우리가 브라우저에서 사용하는 ChatGPT 같은 서비스가 이해하기 쉬운 예다.

사용자는 질문을 보내고 결과를 받을 수 있지만, ChatGPT에서 사용하는 모델의 가중치를 내려받아 자신의 서버에서 동일한 모델을 직접 운영하는 방식은 아니다. OpenAI도 현재 오픈웨이트 모델인 gpt-oss는 ChatGPT에서 제공되지 않는 별도의 모델이라고 설명하고 있다.

쉽게 비교하면 다음과 같다.

오픈웨이트 AI
→ 모델의 가중치를 받아 직접 실행할 수 있다.

폐쇄형 AI
→ 가중치는 공개되지 않고, 제공자가 운영하는 모델을 서비스 형태로 이용한다.

다만 폐쇄형 AI가 반드시 외부 클라우드에서만 실행된다는 뜻은 아니다.

이 차이는 다음 개념을 보면 더 명확해진다.

5. 스마트폰 안에서 실행되는 AI는 오픈웨이트일까?

스마트폰이나 PC 안에서 직접 AI가 실행되면 흔히 이렇게 생각할 수 있다.

“내 기기에서 돌아가니까 오픈웨이트 AI 아닌가?”

하지만 반드시 그렇지는 않다.

여기서는 두 가지 기준을 구분해야 한다.

오픈웨이트와 폐쇄형은 모델의 가중치 공개 여부에 대한 구분이다.

반면 온디바이스(On-device)와 클라우드(Cloud)는 AI가 어디에서 실행되는지에 대한 구분이다.

온디바이스 AI는 말 그대로 스마트폰이나 PC 같은 사용자의 기기 내부에서 AI 기능을 실행하는 방식이다.

따라서 폐쇄형 AI 모델을 스마트폰 내부에서 실행할 수도 있고, 오픈웨이트 모델을 회사의 클라우드 서버에 설치해 운영할 수도 있다.

삼성의 Galaxy AI도 온디바이스 AI와 클라우드 기반 AI를 함께 사용하는 하이브리드 구조를 적용하고 있다. 삼성은 일부 기능을 기기 내부에서 처리하고, 필요한 경우 클라우드 기반 AI를 함께 활용한다고 설명한다.

즉,

로컬이나 스마트폰에서 실행된다는 사실만으로 오픈웨이트 AI라고 판단할 수는 없다.

6. 오픈웨이트 AI의 장점과 단점

오픈웨이트 AI의 가장 큰 특징은 기업이나 개발자가 모델을 직접 운영할 수 있다는 것이다.

이 특징은 여러 장점으로 이어진다.

데이터 처리 환경을 직접 구성할 수 있다

기업 내부 서버나 기업이 관리하는 클라우드에서 AI를 실행하도록 구성할 수 있다.

따라서 모든 업무 데이터를 외부 AI 사업자의 서버로 보내지 않고도 AI 시스템을 구축할 수 있다.

특히 내부 자료나 민감한 데이터를 다루는 기업에서는 중요한 장점이 될 수 있다.

운영 환경을 직접 선택할 수 있다

어떤 서버와 GPU를 사용할 것인지, 어떤 네트워크에 배치할 것인지, 어떤 클라우드를 이용할 것인지 등을 기업의 요구에 맞게 정할 수 있다.

특정 데이터를 외부망과 분리된 환경에서 처리해야 하는 경우에도 선택지가 넓어진다.

모델을 업무에 맞게 조정할 수 있다

라이선스가 허용한다면 파인튜닝 등을 통해 특정 산업이나 업무에 맞도록 모델을 추가로 조정할 수 있다.

범용 AI 모델을 그대로 사용하는 것보다 기업의 전문 용어나 업무 특성, 특정 목적에 맞는 모델을 만들 수 있는 것이다.

특정 AI 사업자에 대한 의존도를 낮출 수 있다

외부 API가 반드시 필요한 구조가 아니기 때문에 특정 사업자의 가격 정책이나 서비스 정책에 대한 의존도를 줄일 수 있다.

하지만 모델을 직접 운영한다는 것은 운영 책임도 직접 가져간다는 뜻이다.

기업은 GPU와 서버뿐 아니라 모델 배포, 성능 최적화, 업데이트, 모니터링, 장애 대응, 접근권한 관리와 보안까지 고려해야 한다.

오픈웨이트 모델 자체를 무료로 내려받을 수 있더라도 컴퓨팅 자원, 저장공간, 호스팅과 운영에는 비용이 발생한다. OpenAI 역시 gpt-oss를 자체적으로 운영할 경우 이러한 실행 비용은 사용자가 부담한다고 설명한다.

따라서 핵심은 다음과 같다.

오픈웨이트 AI는 통제권이 커지는 만큼 운영 책임도 커진다.

7. 폐쇄형 AI의 장점과 단점

폐쇄형 AI의 가장 큰 장점은 사용 기업이 모델 자체를 직접 운영하지 않아도 된다는 것이다.

AI 제공 기업이 모델과 관련 인프라를 운영하고, 사용 기업은 웹 서비스나 API를 이용해 필요한 기능을 연결할 수 있다.

따라서 자체적으로 대규모 GPU 서버를 구축하거나 모델 배포와 업데이트를 직접 관리해야 하는 부담을 줄일 수 있다.

새로운 모델이나 기능도 서비스 제공 기업에서 적용하기 때문에 최신 AI 기능을 비교적 빠르게 도입하기 쉽다는 장점이 있다.

특히 자체 AI 인프라를 운영할 전문 인력이 충분하지 않거나 AI 기능을 빠르게 도입해야 하는 기업이라면 현실적인 선택이 될 수 있다.

반면 직접 통제할 수 있는 범위는 줄어든다.

API 가격이나 서비스 정책이 변경될 수 있고, 특정 사업자의 서비스에 장애가 발생하면 이를 이용하는 기업 시스템도 영향을 받을 수 있다.

또한 업무 데이터가 외부 AI 서비스로 전달된다면 데이터가 어디에서 처리되는지, 저장되는지, 누가 접근할 수 있는지, 개인정보나 산업 규제를 충족하는지 등을 함께 검토해야 한다.

따라서 폐쇄형 AI의 특징은 다음과 같이 정리할 수 있다.

폐쇄형 AI는 직접 운영 부담을 줄이는 대신 외부 서비스에 대한 의존도가 높아질 수 있다.

8. 기업의 전산팀은 왜 오픈웨이트 AI를 검토할까?

기업의 전산팀이 AI를 도입할 때는 단순히 어떤 AI의 답변 품질이 더 좋은가만 비교하지 않는다.

AI를 실제 회사 시스템에 연결하고 계속 운영해야 하기 때문이다.

먼저 사내 중요 데이터를 외부 AI 서비스로 보내도 되는지 확인해야 한다.

고객정보, 내부 업무자료, 연구자료, 기술자료처럼 외부 전송을 엄격하게 관리해야 하는 정보가 있다면 기업이 통제하는 환경에서 AI를 운영하는 방식을 검토할 수 있다.

사내망이나 별도의 보안 환경에서 AI를 운영해야 하는지도 중요하다.

인터넷과 분리된 업무망이나 특정 클라우드 환경에서 AI를 사용해야 한다면 외부 AI 서비스만으로는 요구사항을 충족하기 어려울 수 있다.

기존 시스템과의 연계도 고려해야 한다.

ERP, CRM, 그룹웨어, 문서관리 시스템, 데이터베이스 등 다양한 내부 시스템과 AI를 깊게 연결해야 한다면 데이터의 이동 경로와 AI의 실행 환경을 기업이 직접 통제할 필요가 커질 수 있다.

모델 자체를 특정 업무에 맞게 조정해야 하는지도 판단해야 한다.

기업의 전문 용어나 업무 특성을 모델에 반영할 필요가 있다면 오픈웨이트 모델을 기반으로 파인튜닝이나 추가 학습을 검토할 수 있다.

하지만 전산팀에서는 동시에 다음 질문도 해야 한다.

우리가 이 모델을 계속 운영할 수 있는가?

모델을 직접 운영하려면 GPU와 서버만 준비하면 끝나는 것이 아니다.

모델을 관리할 개발자와 인프라 담당자, 보안 인력, 장애 대응 체계와 운영 프로세스까지 필요하기 때문이다.

9. 그렇다면 기업의 전산팀은 왜 폐쇄형 AI를 검토할까?

반대로 모든 기업이 AI 모델을 직접 운영해야 하는 것은 아니다.

전산팀에서는 오히려 다음과 같은 판단을 할 수도 있다.

AI 기능을 사용하는 데 우리가 모델과 GPU까지 직접 운영할 필요가 있을까?

예를 들어 문서 요약, 업무 문서 작성 지원, 개발 지원, 검색이나 간단한 고객 응대처럼 범용 AI 기능을 빠르게 도입하는 것이 목적이라면 자체 모델 운영이 오히려 과도한 투자가 될 수 있다.

폐쇄형 AI를 활용하면 모델 제공 기업이 모델과 AI 인프라 운영의 상당 부분을 담당한다.

따라서 기업은 대규모 AI 환경을 처음부터 직접 구축하는 대신 필요한 기능을 서비스나 API 형태로 빠르게 도입할 수 있다.

전문 운영 인력이 부족하거나 우선 AI를 도입해 실제 업무 효과를 검증하려는 기업에서도 이러한 방식이 현실적일 수 있다.

결국 전산팀에서는 AI의 성능뿐 아니라 구축 난이도, 기존 시스템과의 연계, 운영 인력, 장애 대응과 유지보수까지 함께 판단해야 한다.

10. 비즈니스에서는 무엇을 보고 결정할까?

전산팀에서는 기술적으로 AI 시스템을 구축하고 운영할 수 있는지를 검토한다.

하지만 기업 전체의 관점에서는 한 단계 더 나아가야 한다.

비용, 보안, 운영 부담, 통제권과 외부 서비스 의존도를 종합적으로 판단해야 한다.

비용 — 모델 가격만 비교해서는 안 된다

오픈웨이트 모델 가운데는 무료로 내려받을 수 있는 모델도 있다.

그렇다고 기업이 AI를 무료로 운영할 수 있다는 뜻은 아니다.

오픈웨이트 모델을 직접 운영하면 서버와 GPU, 클라우드, 개발 인력, 운영 인력, 보안, 모델 관리 등에 비용이 발생할 수 있다.

반대로 폐쇄형 AI는 자체 AI 인프라 비용을 줄일 수 있지만 API 호출량이나 서비스 이용량이 증가하면서 비용도 증가할 수 있다.

따라서 기업에서는 단순히 모델이 무료인가, API 가격이 얼마인가만 비교해서는 안 된다.

AI 시스템을 구축하고 실제 업무에서 지속적으로 운영하는 데 들어가는 전체 비용, 즉 총소유비용(TCO)을 봐야 한다.

총소유비용은 쉽게 말해 처음 도입할 때의 비용뿐 아니라 이후 운영과 유지에 들어가는 비용까지 모두 합쳐서 보는 것이다.

보안 — 보호해야 하는 대상이 서로 다르다

오픈웨이트와 폐쇄형 AI를 비교할 때 자주 등장하는 것이 데이터 보안이다.

오픈웨이트 모델을 기업 내부 환경에서 운영하면 민감한 데이터를 외부 AI 사업자에게 보내지 않는 구조를 설계할 수 있다.

하지만 여기서 한 가지 더 생각해야 한다.

오픈웨이트 AI를 직접 운영하면 데이터뿐 아니라 모델과 기업이 만든 학습 결과도 직접 관리해야 할 수 있기 때문이다.

앞에서 설명했듯 가중치는 AI가 학습한 결과가 반영되어 있는 모델의 핵심 요소다.

그렇다고 모든 가중치가 기업의 비밀정보가 되는 것은 아니다.

공개된 오픈웨이트 모델의 원본 가중치

누구나 내려받을 수 있도록 공개된 오픈웨이트 모델의 원본 가중치는 이미 공개되어 있는 정보다.

따라서 기업이 그 모델을 내려받아 사용한다고 해서 원본 가중치 자체가 해당 기업의 영업비밀이 되는 것은 아니다.

예를 들어 여러 기업이 동일한 공개 오픈웨이트 모델을 내려받아 사용한다면 그 원본 모델 자체는 특정 기업만 가지고 있는 비밀정보라고 보기 어렵다.

기업이 자체적으로 학습하거나 파인튜닝한 가중치

하지만 기업이 자체 데이터와 비용을 들여 특정 업무에 맞게 모델을 추가 학습하거나 파인튜닝하면 상황이 달라질 수 있다.

그 결과에는 기업이 축적한 데이터와 모델을 조정한 결과가 반영될 수 있기 때문이다.

따라서 이렇게 만들어진 모델이나 조정된 가중치는 기업 내부의 중요한 기술자산으로 관리할 필요가 있다.

다만 기업이 자체적으로 만들었다는 이유만으로 자동으로 법적인 영업비밀이 되는 것은 아니다.

현재 국내 「부정경쟁방지 및 영업비밀보호에 관한 법률」은 영업비밀을 공공연히 알려져 있지 않고 독립된 경제적 가치를 가지며, 비밀로 관리된 생산방법·판매방법 등의 기술상 또는 경영상 정보로 정의하고 있다.

쉽게 말하면 외부에 널리 공개되지 않았고, 기업에 경제적 가치가 있으며, 회사가 실제로 비밀로 관리하고 있는 정보여야 영업비밀로 인정될 수 있다는 뜻이다.

따라서 기업이 추가 학습한 모델이나 가중치도 이러한 조건을 갖춘다면 영업비밀로 보호될 가능성이 있다.

어댑터·체크포인트·파인튜닝 모델도 보호 대상이 될 수 있다

기업이 항상 AI 모델 전체를 처음부터 다시 학습하는 것은 아니다.

기존 모델은 그대로 두고 추가로 조정한 부분만 별도의 파일로 관리하는 방식도 사용할 수 있다.

이때 등장하는 것이 어댑터와 체크포인트 같은 파일이다.

어댑터(Adapter)는 쉽게 말해 기존 AI 모델에 덧붙여 특정 업무에 맞게 조정하기 위한 추가 부품과 비슷하다.

전체 모델을 크게 바꾸지 않고 필요한 조정 결과만 별도로 붙여 사용할 수 있다.

체크포인트(Checkpoint)는 AI를 학습하거나 조정하는 과정에서 특정 시점의 모델 상태를 저장해 둔 파일이다.

쉽게 말하면 게임을 하다가 중간에 저장하는 것처럼 학습 중간 저장본이라고 이해하면 된다.

기업이 사내 데이터를 이용해 만든 어댑터, 체크포인트, 파인튜닝 모델이나 기타 추가 학습 결과에도 기업 고유의 모델 조정 결과가 들어갈 수 있다.

따라서 이러한 파일은 누구나 받을 수 있는 원본 오픈웨이트 모델과 구분해 관리해야 할 기업 자산이 될 수 있다.

결국 오픈웨이트 AI를 기업이 직접 운영하면 보호해야 하는 범위가 기업 데이터뿐 아니라 자체 학습 모델, 조정된 가중치, 어댑터·체크포인트와 AI 인프라까지 확대될 수 있다.

반대로 폐쇄형 AI에서는 일반적으로 사용 기업이 모델의 핵심 가중치 자체를 직접 보관하고 보호할 필요는 없다.

대신 다른 문제가 중요해진다.

어떤 사내 데이터를 외부 AI에 보내는가?

데이터는 어디에서 처리되고 저장되는가?

누가 접근할 수 있는가?

모델 학습이나 서비스 개선에 사용되는가?

관련 법과 산업 규제를 충족하는가?

결국 핵심은 어느 방식이 무조건 더 안전하다는 것이 아니다.

오픈웨이트와 폐쇄형 AI의 보안 차이는 기업이 무엇을 직접 보호하고 무엇을 외부 사업자에게 맡길 것인지가 달라지는 문제다.

운영 부담 — 누가 AI를 관리할 것인가?

오픈웨이트 AI에서는 기업이 모델 운영의 상당 부분을 직접 맡는다.

따라서 모델의 실행 환경과 운영 방식을 직접 결정할 수 있지만 장애가 발생하거나 성능 문제가 생겼을 때 대응해야 할 책임도 커진다.

오픈웨이트 AI는 운영 자유도가 높아지는 만큼 운영 책임도 커진다.

폐쇄형 AI에서는 AI 제공 기업이 모델과 핵심 인프라를 운영한다.

사용 기업의 운영 부담은 줄어들지만 해당 사업자의 서비스에 대한 의존도는 높아질 수 있다.

폐쇄형 AI는 직접 운영 부담이 줄어드는 대신 외부 사업자 의존도가 높아질 수 있다.

통제권 — 어디까지 직접 가져갈 것인가?

결국 기업의 선택은 통제권의 문제로 이어진다.

기업이 모델, 데이터 처리 환경, 인프라까지 직접 통제하려면 그만큼 많은 인력과 비용을 부담해야 한다.

반대로 모델 운영을 외부 사업자에게 맡기면 기업의 운영 부담은 줄어들지만 가격 정책, 서비스 정책, 장애와 기술 변화에 영향을 받을 수 있다.

따라서 기업에서 AI를 선택할 때 중요한 것은 단순히 어느 AI의 성능이 더 좋은가만이 아니다.

데이터, 모델, 인프라와 보안에 대한 통제권을 어디까지 직접 가져갈 것인지, 그리고 그 통제권을 유지하기 위해 어느 정도의 비용과 운영 책임을 부담할 수 있는지를 함께 판단해야 한다.

11. 오픈웨이트와 오픈소스는 같은 말일까?

오픈웨이트와 함께 자주 등장하는 표현이 오픈소스(Open Source)다.

두 표현은 비슷하게 들리지만 같은 의미는 아니다.

오픈웨이트에서 핵심은 학습된 AI 모델의 가중치가 공개되어 있는가이다.

반면 오픈소스는 단순히 파일이나 소스코드가 공개됐는지만 보는 것이 아니라 해당 라이선스가 사용·수정·재배포 등에 어떤 권리를 허용하는지도 중요하다.

따라서 AI 모델의 가중치가 공개되어 있다고 해서 모델을 만드는 데 사용된 모든 것이 공개되었다는 뜻은 아니다.

가중치는 공개했지만 학습 데이터나 전체 학습 과정은 공개하지 않을 수도 있다.

또한 오픈웨이트 모델이라도 라이선스에 따라 상업적 이용이나 수정·재배포 조건이 달라질 수 있다.

예를 들어 OpenAI의 gpt-oss는 Apache 2.0 라이선스로 제공되어 폭넓은 사용과 수정, 재배포가 가능하지만 별도의 사용 정책도 적용된다.

따라서 AI에서 ‘오픈’이라는 단어만 보는 것보다 무엇이 공개되어 있고 어떤 권리가 허용되어 있는지를 확인하는 것이 중요하다.

12. 오픈웨이트 AI와 폐쇄형 AI 한눈에 비교하기

* 실제 수정·상업적 이용·재배포 가능 범위는 각 모델의 라이선스에 따라 달라진다.

DANA NOTES 한줄정리

오픈웨이트 AI는 학습된 가중치를 공개해 모델을 직접 실행할 수 있도록 한 방식이고, 폐쇄형 AI는 가중치를 공개하지 않고 제공자가 운영하는 모델을 서비스나 API 등을 통해 이용하는 방식이다.