AI 토큰 비용이 엔지니어 연봉을 넘었다: 마이크로소프트와 우버가 클로드 코드를 줄이는 이유

인건비를 줄이겠다며 인공지능(AI)을 도입한 기업들이 정반대의 현실을 마주했다. 에이전트가 소비하는 토큰 청구서가 직원 연봉을 넘어서기 시작한 것이다. 마이크로소프트는 사내 엔지니어들이 쓰던 클로드 코드 라이선스를 대거 취소했고, 우버는 1년 치 AI 예산을 4개월 만에 전부 소진했다.

5월 22일 포춘이 집계한 지표들은 하나의 결론을 가리킨다. 코딩 에이전트를 굴리는 데 드는 비용이, 에이전트가 대체하려던 개발자의 연봉을 따라잡았다는 사실이다. AI 도입을 가장 강하게 밀어붙인 기업들에서 먼저 이 청구서가 날아들었다.

마이크로소프트가 클로드 코드 라이선스를 끊은 이유

마이크로소프트가 가장 먼저 물러섰다는 대목은 시사하는 바가 크다. 회사는 5월 중순부터 사내에 발급했던 클로드 코드 라이선스를 차례로 회수하기 시작했다. 윈도우와 마이크로소프트 365, 아웃룩, 팀즈 등을 담당하는 핵심 부서의 접속 권한도 6월 30일 자로 끊긴다.

이유는 철저히 재무적인 판단이다. 사내에서 반년 가까이 도구를 굴려본 결과, 토큰 종량제 요금이 내부 전망치를 훌쩍 뛰어넘었다. 비인크립토 보도에 따르면 사내 경영진은 현재의 토큰 과금 구조로는 전사적 배포를 감당할 수 없다고 결론 내렸다.

대신 마이크로소프트는 엔지니어들의 작업 환경을 자사가 소유한 깃허브 코파일럿 CLI로 유도하고 있다. 셈법은 명확하다. 경쟁사인 앤트로픽에 매달 거액을 송금하느니, 내부에서 컴퓨트 비용을 직접 소화하겠다는 뜻이다. 오픈AI에 130억 달러를 투자한 회사의 엔지니어들이 정작 경쟁사의 코딩 에이전트를 골라 썼다는 점을 고려하면, 단순한 비용 절감 이상의 의미로 읽힌다.

우버, 4개월 만에 1년 치 AI 예산 소진

마이크로소프트가 지출을 통제하는 사이, 우버는 비용이 얼마나 빨리 불어나는지를 실시간으로 증명했다. 지난해 12월 클로드 코드를 도입한 이 회사는 불과 4개월 만인 올해 4월에 2026년도 AI 예산을 전부 써버렸다.

도입 속도가 예산을 압도한 결과다. 5,000명 규모의 엔지니어 조직에서 클로드 코드 채택률은 32%에서 84%로 급증했고, 전체 커밋 코드의 약 70%를 AI가 작성했다. 헤비 유저 한 명이 발생시키는 월 API 비용은 500~2,000달러에 달했다. 사용량을 경쟁시키는 사내 리더보드가 이 속도에 불을 붙였다.

프라빈 네팔리 나가 우버 최고기술책임자(CTO)는 이 상황을 두고 "필요하다고 생각했던 예산이 이미 날아가 버려서 원점에서 다시 계획을 짜고 있다"고 털어놨다. 도구가 일을 잘할수록 엔지니어들의 의존도가 높아지고, 청구서는 걷잡을 수 없이 커지는 구조였다.

컴퓨트가 엔지니어 연봉을 넘어서는 순간

우버의 사례가 단일 기업의 예산 사고처럼 보였다면, 엔비디아의 최근 발언은 산업 전반의 흐름을 보여준다. 브라이언 카탄자로 엔비디아 응용 딥러닝 부문 부사장은 "우리 팀은 컴퓨트 비용이 직원 인건비를 한참 넘어선다"고 밝혔다. 엔비디아 시니어 소프트웨어 엔지니어 연봉이 19만~24만 달러 수준임을 감안하면 발언의 무게가 가볍지 않다.

역설적인 상황이 벌어진 셈이다. 인력을 줄이고 돈을 아끼기 위해 AI를 들였지만, 에이전트가 소비하는 토큰 비용이 삭감한 연봉을 추월해 버렸다. 사이버뉴스는 이를 두고 직원을 내보낸 기업들이 이제는 급여보다 토큰값에 더 많은 돈을 쓰고 있다고 지적했다.

그런데도 흐름은 뒤집히지 않는다. 젠슨 황 엔비디아 최고경영자(CEO)는 직원 한 명당 AI 에이전트 100개가 함께 일하는 미래를 그린다. 에이전트가 늘어나면 토큰 소비량도 필연적으로 증가한다. 비용이 통제 범위를 벗어나고 있음에도, 업계의 시선은 여전히 더 많은 자율 시스템을 배치하는 쪽에 쏠려 있다.

추론 비용은 낮아지는데 청구서는 왜 커지는가

여기서 논리적인 의문이 하나 따라붙는다. 토큰당 가격이 계속 떨어지고 있는데 전체 청구서는 왜 커지는 것일까. 가트너는 2030년까지 고성능 모델의 추론 비용이 약 90% 하락할 것으로 내다봤다. 하지만 같은 보고서는 기업들의 전체 AI 지출이 오히려 늘어날 것으로 전망했다.

토큰당 추론 비용이 떨어지면 그만큼 사용량이 늘어나기 때문이다. 자율적인 에이전트 작업이 확산하면서 순수 토큰 소비량이 폭발적으로 증가하고 있다. 골드만삭스는 2030년까지 토큰 소비가 24배 늘어나 월 12경 개에 달할 것으로 추산했다. 늘어난 소비량이 단가 하락분을 완전히 집어삼키는 구조다. 인베스팅닷컴은 이 상황을 오픈AI와 앤트로픽의 매출 경쟁을 지탱하는 '토큰 가격 위기'라고 분석했다.

이러한 부담은 이미 재무제표에 반영되고 있다. 현재 기업의 85%가 AI 비용 전망치를 10% 이상 빗맞혔고, 84%는 AI 지출로 인해 매출총이익률이 6%포인트 넘게 하락했다고 답했다. AI 지출을 전문으로 관리하는 핀옵스(FinOps) 팀을 운영하는 기업의 비율은 1년 만에 31%에서 63%로 두 배나 뛰었다. 가트너의 윌 소머는 상품화된 토큰이 저렴해졌다고 해서 이를 최첨단 추론 능력의 대중화로 착각해서는 안 된다고 경고했다.

더 저렴한 모델로 내려가는 기업들

기업들이 선택한 현실적인 출구는 사용량을 줄이는 것이 아니라 더 싼 대안을 찾는 것이다. 마이크로소프트가 클로드 코드 대신 깃허브 코파일럿 CLI를 밀어붙인 것도 정확히 같은 맥락이다. 깃허브 코파일럿은 자사 인프라로 컴퓨트를 횡수할 수 있어 종량제 청구 부담에서 자유롭다. 모든 작업에 가장 비싼 모델을 투입하는 대신, 난이도에 따라 업무를 쪼개고 단계별로 모델을 교체하는 방식이 표준으로 자리 잡고 있다.

모델 등급 간의 가격 차이는 막대하다. 같은 프롬프트를 입력해도 오푸스와 하이쿠의 비용 차이는 최대 50배에 달한다. 복잡한 설계나 디버깅에만 비싼 모델을 배정하고, 단순 편집이나 테스트, 문서 작업은 가벼운 모델에 넘기면 세션 비용을 60~80%까지 줄일 수 있다. 코파일럿으로 인라인 자동완성을 처리하고, 커서로 IDE 작업을 관리하며, 무거운 에이전트 작업만 클로드 코드에 맡기는 도구별 분업이 흔해졌다.

지출을 감시하는 방식도 한층 노골적이다. 메타는 사내 AI 사용량을 추적하는 '클로도노믹스(Claudeonomics)' 리더보드를 만들었고, 아마존은 토큰을 아끼기 위해 '토큰맥싱(tokenmaxxing)'이라는 지침을 강조하고 있다. 결국 2026년 기업용 AI 도입의 진짜 격전지는 모델의 성능이 아니라, 같은 작업을 얼마나 저렴하게 처리할 수 있느냐로 빠르게 이동하는 중이다.