이 글은 AI 리터러시 전문 미디어 [에이릿]에서 발행되었습니다.

AI 시대, 리터러시 감각을 키울 수 있는 콘텐츠가
매일 발행됩니다. 지금 확인해 보세요!

[읽어보러 가기]

당신 회사의 CFO가 이런 보고를 받았다고 상상해보자. “AI 도구 도입 후 4개월 만에 연간 예산을 전부 소진했습니다. 그런데 실제로 유용한 기능이 25% 더 많이 나왔는지는 증명이 어렵습니다.” 이게 우버의 실제 이야기다.

전 세계 기업들이 AI로 생산성을 높이고 비용을 아끼겠다며 대규모 구조조정을 단행했다. 그런데 2026년 들어 이상한 일이 벌어지고 있다. AI를 가장 적극적으로 도입한 기업들에서 “AI가 사람보다 비싸다”는 고백이 잇따르고 있다. 토큰 경제의 역설이다.

전 세계는 지금 AI 대전환 중

먼저 규모를 보자. 글로벌 시장조사기관 가트너(Gartner)는 2026년 전 세계 AI 연간 지출 규모가 2조 5천억 달러(약 3,400조 원)에 달할 것이라고 밝혔다. 올해만 7,400억 달러가 AI 인프라에 투입됐는데, 이는 전년 대비 69% 증가한 수치다. 역사상 가장 빠른 자본 이동 중 하나다.

일자리 지형도 요동치고 있다. 세계경제포럼(WEF) 미래 일자리 보고서 2025에 따르면 2025~2030년 사이 AI는 전 세계에서 약 9,200만 개의 일자리를 대체하지만, 동시에 1억 7,000만 개의 새로운 일자리를 창출할 것으로 전망한다. 1,000개 기업, 55개국 데이터를 기반으로 한 수치다.

문제는 지금 당장이다. 2025년에만 미국 테크 업계에서 15만 3,000개의 일자리가 사라졌고, 그중 5만 5,000개는 명시적으로 AI 자동화 때문이었다. 이는 불과 2년 전과 비교해 12배 이상 늘어난 숫자다.

그런데 왜 “AI가 더 비싸다”는 말이 나올까

AI 도구는 무료가 아니다.

현대의 AI 코딩 도구나 에이전트 시스템은 ‘토큰’ 단위로 과금된다. 문자 하나하나가 돈이다. 엔터프라이즈에서 엔지니어 한 명에게 부과되는 AI 코딩 도구 비용은 월평균 150~250달러이며, 헤비 유저의 경우 월 500~2,000달러까지 치솟는다.

여기서 반전이 생긴다. 2026년 현재 기업들의 AI 토큰 소비량은 2025년 1월 대비 13배 증가했다(Ramp 결제 데이터 기준). 그런데 실제 비즈니스 성과로 연결되는 경우는 극소수다. 엔터프라이즈 기업의 15%만이 AI 비용을 ±10% 오차 내로 예측할 수 있으며, 약 4분의 1은 실제 비용이 예산 대비 50% 이상 초과됐다.

설상가상으로, 새로운 세대의 ‘에이전틱 AI’는 단순 생성형 AI보다 최대 1,000배 더 많은 토큰을 사용한다. 이런 상황에 AI를 전격 도입했던 기업들은 어떻게 대처하고 있을까?

AI를 선제적으로 도입한 결과

❶ 우버: 연간 예산 4개월 만에 소진

우버는 2025년 12월 약 5,000명의 엔지니어를 대상으로 AI 코딩 도구(Claude Code)를 전면 도입했다. 2026년 3월 기준 엔지니어의 84%가 ‘AI 에이전트 코딩 사용자’로 분류됐고, AI가 전체 코드의 10줄 중 1줄 이상을 작성했다. 그러나 2026년 4월, 우버 CTO는 2026년 연간 AI 예산을 4개월 만에 전부 소진했다고 공개했다.

우버 COO 앤드루 맥도날드는 이렇게 말했다. “토큰 소비량이 늘어났다고 해서 소비자에게 유용한 기능이 25% 더 많이 나왔다고 선을 긋기가 매우 어렵습니다.”

❷ 마이크로소프트: AI 라이선스 철회, 자사 도구로 전환

마이크로소프트는 2026년 5월, Windows·Microsoft 365·Teams 등을 개발하는 수천 명의 내부 개발자에게 제공하던 Claude Code(앤트로픽의 AI 코딩 도구) 라이선스를 대부분 철회했다. 왜 그랬을까? 엔지니어들이 너무 많이 써서 비용이 감당이 안 됐던 것이다. 마이크로소프트는 외부 AI 도구 대신 자사가 통제하는 Copilot CLI로 개발자들을 유도했다.

포춘(Fortune)의 분석에 따르면, 연봉 30만 달러 엔지니어의 생산성이 AI로 20% 향상됐다 해도, ‘원래 급여 + 토큰 비용’이 된 총 비용 구조는 오히려 더 비쌀 수 있다. 생산성이 오르는 것과 비용이 줄어드는 것은 다른 문제다.

❸ 스타벅스: AI 재고 관리 9개월 만에 폐기

스타벅스는 2026년, AI 기반 재고 관리 시스템을 북미 전 매장에서 9개월 만에 철수시켰다. NomadGo가 개발한 이 시스템은 LiDAR 센서와 태블릿 카메라로 시럽과 우유 등의 재고를 자동 집계했지만, 비슷하게 생긴 우유 종류를 구분하지 못하거나 눈앞에 있는 제품을 누락하는 오류가 빈번했다.

❹ NVIDIA 부사장: “AI 비용이 직원보다 많이 든다”

NVIDIA의 응용 딥러닝 부사장 브라이언 카탄자로는 “우리 팀의 경우 컴퓨트 비용이 직원 비용을 훨씬 초과한다”고 공개적으로 인정했다. AI 인프라를 판매하는 회사의 임원이 직접 한 말이라는 점에서 무게가 다르다.

사람을 다시 부르는 기업들

아이러니한 결말이 벌어지고 있다. 일부 기업들이 AI 비용 증가로 인해 특정 업무에서 다시 사람을 고용하기 시작했다. 버튼 정렬, 오탈자 수정, 기본적인 백엔드 코딩 같은 단순 반복 작업 분야에서 ‘사람이 AI보다 저렴하다’는 계산이 나오고 있다.

이를 뒷받침하는 연구도 있다. 2025년 MIT 연구에 따르면, 현재 AI가 인간보다 비용 경쟁력 있게 대체할 수 있는 직무는 미국 전체 노동시장의 약 11.7%에 불과하다. 나머지 88%에서는 여전히 인간이 더 비용 효율적이다. 또한 2024년 MIT CSAIL의 별도 연구는 제조업 품질 검사 등 시각 분석이 필요한 직무에서도 AI 자동화가 경제적으로 실행 가능한 비율이 약 23%에 그친다고 밝혔다.

물론 토큰 가격은 떨어지고 있다. 가트너는 2030년까지 대형 LLM 추론 비용이 2025년 대비 90% 감소할 것으로 전망한다. 그러나 에이전틱 AI로의 전환이 토큰 소비량을 폭발적으로 늘리기 때문에, 단가가 내려가도 총 비용은 오히려 오를 수 있다. 가격이 싸지는 속도보다 사용량이 늘어나는 속도가 더 빠르다면 비용 압박이 계속 커지는 구조인 것이다.

AI 버블의 끝일까, 아니면 성장통일까

지금 벌어지는 일을 ‘AI 버블 붕괴’라고 단정하기는 이르다. 투자 규모, 기술 발전 속도, 실제 생산성 향상 사례가 한꺼번에 공존하고 있는 중이다. 그러나 “AI = 무조건 비용 절감”이라는 공식이 틀렸다는 건 이미 여러 기업이 스스로 증명하고 있다.

생각보다 비싼 토큰 경제. AI 도구를 도입하기 전에 “이 업무를 AI에게 맡기면 실제로 얼마나 드는가”를 계산해본 기업은 얼마나 됐을까.

FAQ

AI 토큰이란 무엇인가요?

AI 언어 모델은 텍스트를 ‘토큰’ 단위로 처리합니다. 대략 한국어 글자 2~3자, 또는 영어 단어 하나가 1~2토큰 정도입니다. AI 서비스는 이 토큰 사용량에 따라 요금을 부과합니다. 짧은 질문 하나라도 AI가 처리하고 답변을 생성하는 과정에서 수백 개의 토큰이 소비됩니다.

에이전틱 AI가 토큰을 더 많이 쓰는 이유는 뭔가요?

에이전틱 AI는 단순히 답변을 생성하는 것이 아니라, 여러 단계를 스스로 계획하고 실행합니다. 이 과정에서 중간 추론, 도구 호출, 검증 단계 등이 추가되면서 단순 생성형 AI 대비 최대 1,000배 더 많은 토큰을 사용할 수 있습니다.

모든 AI 도입이 비효율적인 건 아닌가요?

맞습니다. MIT 연구에 따르면 현재 AI가 비용 경쟁력 있게 대체할 수 있는 직무는 미국 전체 노동시장의 약 11.7%입니다. 이 영역에서 AI는 분명히 비용 효율적입니다. 문제는 기업들이 이 경계를 제대로 계산하지 않고 전면 도입에 나선 경우가 많다는 점입니다.

토큰 가격이 내려가면 문제가 해결되지 않나요?

가트너는 2030년까지 토큰 단가가 90% 떨어질 것으로 전망합니다. 하지만 에이전틱 AI로의 전환이 토큰 소비량을 폭발적으로 늘리기 때문에, 단가 하락이 총 비용 하락으로 자동 연결되지는 않습니다. 싸지는 속도보다 더 쓰는 속도가 빠를 수 있습니다.

지금 AI를 도입하는 기업들은 어떻게 해야 하나요?

단순히 사람 vs. AI의 이분법이 아니라, 어떤 업무에 AI를 쓰고 어떤 업무에 사람을 쓸지를 정밀하게 설계하는 것이 핵심입니다. 지금의 역전 현상은 그 설계 없이 무분별하게 AI를 도입한 결과에 가깝습니다. AI가 경제적으로 실행 가능한 영역을 먼저 파악하고 집중 투입하는 전략이 필요합니다.