AI 도구를 앞다퉈 배포하던 기업들이 사용량을 다시 조이기 시작했습니다. 아마존, 월마트, 우버, 시스코, 메타가 한도를 걸거나 값싼 모델로 유도합니다.
방아쇠는 과금 방식입니다. 앤트로픽과 오픈AI가 정액제를 토큰 종량제로 바꾸자, 프롬프트 하나하나가 비용으로 드러났습니다.
직원이 챗봇을 넘어 에이전트를 쓰면서 연산량이 폭증했습니다. 우버는 4월에 한 해 AI 예산을 다 썼고, 한 회사는 첫날 비용이 7배로 뛰었습니다.
직원들에게 AI를 더 쓰라고 밀어붙이셨습니까?
정액제가 종량제로 바뀌는 순간, 그 독려는 비용 청구서가 되어 돌아옵니다.
2026년 6월, 파이낸셜타임스가 한 흐름을 정리했습니다. AI 도구를 전사에 깔던 기업들이 이제 사용량을 줄이고 있습니다.
아마존은 직원들에게 'AI를 쓰기 위한 AI 사용'을 멈추라고 경고했습니다. 우버는 직원 1인당 월 1,500달러로 토큰 사용을 묶었습니다. 작년까지 'AI를 더 쓰라'던 회사들입니다.
여기서 멈추면 남의 회사 이야기입니다. 그런데 당신도 직원에게 AI를 권하고 있다면, 다음 청구서가 어떻게 바뀔지 미리 알아야 합니다. 이 글은 그 비용 구조를 다룹니다.
지난 2년간 기업은 'AI를 일단 많이 쓰게 하자'는 방향으로 움직였습니다. 도입률 자체가 성과처럼 여겨졌습니다.
그 전제가 흔들립니다. 직원이 챗봇에서 에이전트로 넘어가면서 연산량이 폭증했습니다. 에이전트는 사람 대신 여러 단계를 스스로 처리하고, 그만큼 토큰을 더 씁니다. 동시에 AI 업체들이 정액제를 종량제로 바꿨습니다. 이제 프롬프트 하나하나가 비용으로 직접 잡힙니다.
첫째, 과금 방식이 바뀌자 숨어 있던 비용이 드러났습니다. 그동안 AI 업체들은 정액 구독으로 사용량을 사실상 보조해 왔습니다. 앤트로픽이 5월 한 고객사를 종량제로 바꾸자, 첫날 지출이 7배로 뛰었습니다. 그 회사 최고정보책임자는 "우리가 괴물을 만들었다"고 했습니다. 정액제는 사용자를 비용에서 가려줬을 뿐입니다.
둘째, 에이전트는 챗봇과 비용 구조가 다릅니다. 시스코의 제투 파텔은 에이전트에 필요한 인프라가 챗봇보다 크게 많다고 말했습니다. 사람 한 명당 에이전트가 10개, 100개, 많게는 1,000개까지 붙습니다. 에이전트는 쉬지 않고 일하며 그만큼 연산을 먹습니다. 이제 사람 수가 아니라 에이전트 수가 비용을 정합니다.
셋째, 한도와 통제가 빠르게 들어왔습니다. 우버는 2026년 AI 예산을 4월에 다 써버린 뒤 1인당 월 1,500달러 한도를 걸었습니다. 월마트는 사내 코딩 도구 사용이 급증하자 토큰 한도를 두고 "한 걸음 물러설 기회"라고 했습니다. 아마존은 사내 순위표를 올리려고 에이전트를 남발하는 직원들에게 제동을 걸었습니다.
넷째, 비용 압박은 산업 지형도 바꿉니다. 골드만삭스는 2030년까지 토큰 소비가 24배로 늘고, 이 수요가 칩 부족을 키울 것으로 봤습니다. 한편 올해 들어 중국 모델이 토큰 소비에서 미국 모델을 앞질렀습니다. 값싼 전기와 효율적인 모델로 더 싼 토큰을 내놓은 결과입니다. 리더에게는 값싼 모델이라는 선택지가 그만큼 넓어졌다는 뜻입니다. 다만 품질과 보안은 따로 확인해야 합니다.
다섯째, 정답은 '덜 쓰기'가 아니라 '맞게 쓰기'입니다. 깃허브와 마이크로소프트는 모든 작업에 최고 성능 모델이 필요하진 않다고 말합니다. 작업 난이도에 맞는 모델로 자동 배분하는 도구가 나왔습니다. 일부 기업은 오픈소스 모델을 자체 서버에서 돌려 비용을 줄입니다. 핵심은 사용량이 아니라 작업당 가치입니다.
Claude 프롬프트: "우리 팀의 AI 사용 업무를 나열하고, 각 업무가 어떤 모델을 쓰는지, 월 비용과 그 업무가 만드는 실제 가치를 표로 정리해줘." 가치는 '절감한 시간 × 인건비'로 환산하면 비전문가도 비교됩니다. 어디서 돈이 새는지 한 장에 보입니다. (30분, A4 1장)
단순 요약과 분류는 값싼 모델로, 복잡한 추론만 최고 모델로 돌립니다. 한 업무로 품질 차이와 비용 차이를 함께 측정합니다. 막연한 절감이 아니라 근거 있는 배분을 만듭니다. (1시간, 비교 메모 1장)
'AI 사용 건수'가 아니라 '절감 시간'이나 '처리량'을 KPI로 둡니다. 순위표를 올리려는 'AI를 위한 AI'를 걷어냅니다. (팀 회의 1건)
과잉 절감도 위험합니다. 비용만 보고 무조건 값싼 모델로 내리면 품질이 떨어집니다. 오류 비용이 큰 업무는 성능을 우선합니다. 절감의 목표는 비용이 아니라 비용 대비 가치입니다.
이 기사는 미국 대기업 사례 중심입니다. 한국 중소기업의 사용량과 과금 규모는 다릅니다. 단발 사례를 자기 상황으로 그대로 옮기면 과잉 대응이 됩니다. 방향만 읽고, 자기 데이터로 확인합니다.
종량제 전환은 업체와 플랜마다 다릅니다. 모든 계약이 7배로 뛰는 것은 아닙니다. 7배는 한 회사의 사례입니다. 먼저 내 계약의 과금 단위와 노출 규모를 확인합니다.
AI 도입의 자랑거리는 '얼마나 많이 쓰는가'였습니다. 이제 질문은 '쓴 만큼 가치가 나오는가'로 바뀝니다.
토큰: AI 모델이 글을 처리하는 최소 단위입니다. 보통 단어보다 작은 조각이며, 토큰 수가 곧 연산량이자 비용입니다.
종량제(토큰 과금): 쓴 토큰만큼 비용을 매기는 방식입니다. 정액 구독과 달리 사용량이 늘면 비용도 그대로 늘어납니다.
AI 에이전트: 사람의 지시를 받아 여러 단계를 스스로 처리하는 AI입니다. 챗봇보다 훨씬 많은 토큰과 연산을 씁니다.
모델 라우팅: 작업 난이도에 따라 값싼 모델과 비싼 모델로 자동 배분하는 기술입니다. 비용을 통제하는 핵심 수단입니다.
- John, J., Rosner-Uddin, R., & McMorrow, R. (2026, June). 'We created a monster': companies rein in AI usage as costs strain budgets [Article]. Financial Times. (원문 보기 ↗)