Ramp AI Index 9월호에 따르면 AI 지출 상위 1% 기업이 지출을 줄였습니다. 직원 1인당 월 AI 지출이 7,976달러에서 7,205달러로 9.7% 내려갔습니다.
100만 토큰당 유효 단가는 3월 고점 대비 41% 떨어진 0.68달러입니다. 프런티어 모델의 토큰 점유율도 53%에서 45%로 낮아졌습니다.
기업 AI 활용이 사용량 확대 단계에서 비용 효율 단계로 넘어가는 신호입니다. 내년 AI 예산은 인당 지출 대신 작업당 단가와 모델 배분을 기준으로 편성하는 편이 맞습니다.
AI를 가장 많이 쓰는 기업부터 지출을 줄이기 시작했습니다.
우리 회사 AI 예산은 아직도 많이 쓸수록 앞서간다는 가정 위에 있습니까?
AI에 돈을 가장 많이 쓰는 미국 기업 상위 1%가 지난달 지출을 9.7% 줄였습니다. 모델 공급사의 기업 매출 대부분이 이 집단에서 나옵니다.
사용량은 오히려 늘고 있습니다. 토큰값이 내려갔고, 비싼 모델 대신 표준 모델을 기본값으로 정하는 기업이 늘었습니다. Ramp는 상위 1%를 중간값 기업의 향후 경로를 가늠하는 선행 지표로 보고 따로 추적합니다.
법인카드·지출 관리 플랫폼 Ramp는 고객 기업의 실제 결제 데이터로 매달 AI Index를 냅니다. 설문 대신 카드 결제와 청구서를 집계하므로 실제 돈의 흐름이 잡힙니다. 이 지표로 본 기업 AI 도입률과 고용의 관계는 앞선 글에서 다뤘습니다. 리드 이코노미스트 아라 카라지안(Ara Kharazian)이 쓴 이번 9월호는 지출 추세가 꺾였다는 신호를 담았습니다. 지난달 "AI 성장 논리의 균열"에 이은 2편입니다.
| 지표 | 이전 | 최신 | 변화 |
|---|---|---|---|
| 상위 1% 기업 직원 1인당 월 AI 지출 | 7,976달러 (7월) | 7,205달러 (8월) | -9.7% |
| 100만 토큰당 유효 단가 | 1.15달러 (3월 고점) | 0.68달러 (9월 첫째 주) | -41% |
| 프런티어 모델 토큰 점유율 | 53% (8월 고점) | 45% (9월) | -8%p |
| 앤트로픽 유료 도입 기업 비율 | - | 43.8% (8월) | +0.34%p |
| 오픈AI 유료 도입 기업 비율 | - | 39.8% (8월) | +0.09%p |
| AI 지출 기업 중 모델 서빙·추론 플랫폼 사용 비율 | 4.8% (1월) | 6.4% (8월) | +1.6%p |
출처: Ramp AI Index (2026, September). 앤트로픽·오픈AI 변화폭은 전월 대비입니다.
첫째, AI 지출 상위 1% 기업이 1인당 지출을 줄였습니다. 상위 1% 기업의 직원 1인당 월 AI 지출은 7,976달러에서 7,205달러로 9.7% 내려갔습니다. 여기서 AI 지출은 LLM 구독, 코딩 에이전트, API 토큰, GPU 클라우드를 합친 금액입니다. 카라지안은 모델 회사 기업 매출의 대부분이 이 집단에서 나온다고 설명합니다. 모델 회사로서는 가장 민감한 지표입니다.
둘째, 줄어든 지출의 첫 번째 원인은 가격 인하입니다. 오픈AI와 앤트로픽은 지난 한 달 사이 여러 차례 가격을 내렸습니다. Ramp가 추적하는 100만 토큰당 유효 단가는 3월 고점 1.15달러에서 0.68달러로 41% 떨어졌습니다. 입력·출력·캐시 토큰을 사용량으로 가중한 7일 평균 기준입니다. 같은 작업량이라도 청구 금액은 줄어드는 구간입니다.
셋째, 사용량은 늘지만 가격 하락을 메우지 못합니다. 카라지안은 사용량 증가가 지금까지는 이어졌다고 봅니다. 다만 그 증가폭이 단가 하락을 상쇄할 만큼 크지 않을 수 있다고 지적합니다. 사용량을 끌어올리는 쪽은 GPT-5.6 Terra, 클로드 Sonnet 같은 표준 모델입니다. 사용량이 늘어도 고가 모델 비중이 줄면 총액은 정체하거나 감소합니다.
넷째, 기업이 비싼 모델을 기본값에서 빼기 시작했습니다. Opus, Fable, Sol 같은 프런티어 모델의 토큰 점유율은 8월 정점 53%에서 45%로 8%p 내려왔습니다. 같은 기간 표준 모델 점유율은 26%에서 34%로 올랐습니다. Ramp는 전사 기본 모델을 표준 모델로 정하는 기업이 늘고 있다고 전합니다. 이들 기업은 표준 모델로도 성능이 충분하고 비용 효율이 더 높다고 판단했습니다.
다섯째, 앤트로픽은 도입률 격차를 넓혔지만 전체 성장은 둔화됐습니다. 8월 기준 미국 기업의 43.8%가 앤트로픽에 돈을 냈습니다(전월 대비 +0.34%p). 오픈AI는 0.09%p 오른 39.8%로 전체 AI 도입 증가세에 못 미쳤습니다. 신규 도입은 계속 늘지만 속도는 느려지고 있습니다. 도입 기업 수가 늘어도 기업당 지출이 줄면 공급사의 협상력은 약해집니다. 한 달 새 가격 인하가 잇따른 배경도 여기서 찾을 수 있습니다.
여섯째, 오픈소스·중국 모델로 옮겨 간 기업은 아직 소수입니다. 모델 서빙·추론 플랫폼을 쓰는 기업은 AI 지출 기업의 6.4%, 전체 기업의 3.6%에 그칩니다. 1월 4.8%보다는 늘었습니다. Ramp는 이 플랫폼이 폐쇄형 모델 접근도 제공하므로 실제 오픈소스 도입률은 더 낮을 것이라고 덧붙입니다. 기업들은 벤더를 바꾸기보다 같은 벤더 안에서 하위 등급으로 옮기는 쪽을 택하고 있습니다.
상위 1% 기업 수준으로 AI를 쓰는 직원 100명 조직을 가정합니다. 월 AI 지출은 약 72만 달러입니다(7,205달러 × 100명). 그사이 유효 단가는 고점 대비 41% 내려갔습니다.
고점 단가로 산정한 예산이라면 실제 청구액과 격차가 벌어집니다. 단가 하락을 반영하지 않고 연간 약정을 갱신하면 1년 내내 시장가보다 비싼 값을 냅니다. 프런티어 모델을 전사 기본값으로 둔 조직일수록 이 격차가 큽니다.
오픈AI·앤트로픽 콘솔이나 사내 AI 게이트웨이에서 모델별 토큰량과 금액을 CSV로 내려받습니다. 이 파일을 아래 프롬프트와 함께 클로드나 ChatGPT에 넣습니다. 우리 조직의 프런티어 비중과 실제 토큰 단가가 나옵니다. Ramp 기준값(프런티어 45%, 0.68달러)과 비교하세요. (1시간)
첨부한 CSV는 우리 회사의 최근 3개월 AI API 사용 내역입니다. 다음을 표로 정리해 주세요. 1. 월별·모델별 토큰 사용량과 청구 금액 2. 모델을 프런티어(Opus급), 표준(Sonnet급), 경량 세 등급으로 묶었을 때 등급별 토큰 점유율과 금액 점유율 3. 월별 100만 토큰당 실제 단가 4. 프런티어 모델 사용 상위 10개 작업(또는 API 키·팀)과 해당 금액 마지막으로, 프런티어 사용분 중 표준 모델로 옮겨도 품질 위험이 낮아 보이는 작업을 추정 근거와 함께 3개 제안해 주세요.
사내 챗봇, 코딩 에이전트, 자동화의 기본 모델을 표준 등급으로 바꿉니다. Sonnet이나 Terra급입니다. 프런티어 모델은 예외 목록에 오른 작업에만 씁니다. 복잡한 분석, 고객 대면 산출물처럼 품질 차이가 매출로 이어지는 작업입니다. (이번 주)
인당 AI 지출 목표 대신 작업당 단가를 쓰세요. 보고서 1건, 고객 문의 1건, 코드 리뷰 1건 같은 단위입니다. 단가가 떨어져도 작업량이 늘면 예산은 늘 수 있습니다. 그래도 증가분의 근거를 작업량으로 설명할 수 있습니다. (다음 예산 회의 전)
구매팀에 AI 계약 만료일 목록을 요청합니다. 구매팀이 갱신 협상에서 최근 가격 인하를 근거로 단가 조정을 요구하게 합니다. 사용량 약정이 고점 단가 기준으로 잡혀 있는지도 함께 확인합니다. (이번 분기)
한 달 치 수치이고, 계절 요인이 섞여 있습니다. 카라지안도 8월이 엔지니어 휴가철이라는 점을 먼저 짚었습니다. Ramp는 11~12월에도 비슷한 AI 지출 감소를 관찰했다고 밝혔습니다. 한 달 하락을 추세 전환으로 단정하기는 이릅니다.
하락폭의 상당 부분은 데이터 수정에서 나왔습니다. Ramp는 추가 거래를 반영해 7월 상위 1% 수치를 약 7,400달러에서 8,000달러로 상향 조정했습니다. 수정 전 7월 값과 비교하면 8월 하락폭은 3%에 못 미칩니다(원문 수치로 계산). Ramp는 상위 1% 표본이 작아 변동성이 크고, 수치가 다시 수정될 수 있다고 밝혔습니다.
Ramp의 고객 기반과 사업 이해관계를 함께 봐야 합니다. 이 지표는 Ramp 플랫폼을 쓰는 미국 기업의 결제 데이터입니다. 한국 기업이나 대기업 전체를 대표하지 않습니다. Ramp는 AI 토큰 지출 관리 제품도 팝니다. 비용 최적화라는 메시지는 자사 제품 판매와 이해관계가 겹칩니다.
기본 모델 하향은 품질 비용을 숨길 수 있습니다. 표준 모델이면 충분하다는 판단은 기업들의 응답에서 나왔습니다. 작업별 품질을 잰 수치는 원문에 없습니다. 재작업, 검수 시간, 고객 불만 같은 비용은 AI 청구서에 잡히지 않습니다. 모델 전환 전에 작업별 품질 지표부터 정해 두는 편이 안전합니다.
기업 AI 예산의 질문이 얼마나 쓰느냐에서 어떤 모델에 얼마를 배분하느냐로 바뀌고 있습니다. 선두 기업은 두 번째 질문으로 넘어가기 시작했습니다.
토큰: AI 모델이 글을 읽고 쓰는 단위입니다. API 요금은 보통 100만 토큰당 가격으로 책정됩니다.
유효 단가: 입력, 출력, 캐시 토큰의 실제 사용 비중을 반영해 계산한 평균 가격입니다. 공시 가격표와 다를 수 있습니다.
프런티어 모델: 각 공급사의 최상위 성능 모델입니다. 이 글에서는 Ramp 분류를 따라 Opus, Fable, Sol을 가리킵니다.
표준 모델: 성능과 가격이 중간 등급인 모델입니다. Ramp는 GPT-5.6 Terra와 클로드 Sonnet 시리즈를 예로 듭니다.
모델 라우팅: 작업의 난이도와 중요도에 따라 요청을 서로 다른 등급의 모델로 나눠 보내는 방식입니다.
- Kharazian, A. (2026, September 9). Cracks in the AI Thesis Part 2: September 2026 Ramp AI Index [Article]. Ramp Economics Lab. (원문 보기 ↗)