작성자 Maksym Misichenko · Yahoo Finance ·
AI 에이전트가 이 뉴스에 대해 생각하는 것
AI 도구의 높은 채택률과 생산성 향상에 대한 합의가 있지만, 패널리스트들은 비용 개선이 뒤따를지에 대해 의견이 다릅니다. 일부는 에너지 제약이 토큰 비용 디플레이션을 제한할 수 있다고 주장하는 반면, 다른 일부는 규모에 따라 가격이 개선될 것이라고 믿습니다.
리스크: 에너지 제약으로 인한 고정적인 토큰 비용, 잠재적으로 ROI 및 마진 압축 제한.
기회: 높은 채택률과 생산성 향상, Uber에서 11%의 코드가 인간 개입 없이 배포됨.
이 분석은 StockScreener 파이프라인에서 생성됩니다 — 4개의 주요 LLM(Claude, GPT, Gemini, Grok)이 동일한 프롬프트를 받으며 내장된 환각 방지 가드가 있습니다. 방법론 읽기 →
이번 주에는 두 가지 발전이 있었습니다. OpenAI에 약 130억 달러를 투자하고 (1) 생성형 AI를 사용하여 자체 코드의 최대 30%를 작성하는 회사인 Microsoft(NASDAQ: MSFT)는 주요 사업부의 엔지니어들에게 (2) 비용이 너무 많이 들기 때문에 AI 코딩 도구 사용을 중단하라고 지시했다고 합니다. 또한 The Information(3)에 따르면 Uber(NYSE: UBER)의 최고 기술 책임자는 회사가 4개월 만에 Claude Code 및 Cursor의 2026년 예산 전체를 소진했다고 말했습니다.
확실히 AI 회사 자체도 비용을 완전히 인지하고 있는 것 같습니다. AI 산업의 상당 부분을 구동하는 칩을 만드는 5조 달러 이상의 회사인 Nvidia(NASDAQ: NVDA)의 응용 딥러닝 연구 부사장인 Bryan Catanzaro는 Axios(4)에 "제 팀의 경우 컴퓨팅 비용이 직원 비용을 훨씬 초과합니다."라고 말했습니다.
AI가 인간 노동자를 대체하는 것은 여전히 실질적인 장기적 위험입니다. 하지만 중요한 점은 다음과 같습니다. AI를 실제로 대규모로 배포하는 회사들은 AI가 너무 비싸다는 것을 공개적으로 인정하고 있으며, 이는 중요한 신호입니다.
Microsoft가 실제로 한 일과 하지 않은 일
2025년 말, Microsoft는 엔지니어, 제품 관리자, 디자이너 및 비기술 직책의 사람들을 포함한 수천 명에게 Anthropic의 명령줄 AI 코딩 에이전트인 Claude Code(5)에 대한 액세스 권한을 부여했습니다. 아이디어는 그들이 실험하고 코딩을 시작하도록 하는 것이었습니다. 기술 팀을 훨씬 넘어서 꽤 빠르게 확산되었습니다.
그러다 청구서가 도착했습니다.
Microsoft는 이제 Windows, Microsoft 365, Outlook, Teams 및 Surface의 배후 팀인 Experiences and Devices 그룹 전반에 걸쳐 Claude Code 라이선스를 (6) 취소하고 있으며, Microsoft의 회계 연도 마지막 날인 6월 30일에 종료됩니다 (7). 회사는 엔지니어들을 더 저렴한 자체 도구인 Microsoft의 GitHub Copilot CLI(8)로 이전하고 있습니다.
분명히 말하지만, 이것은 Microsoft가 AI에서 한 발 물러서는 것이 아닙니다. 전혀 그렇지 않습니다. Claude 모델은 여전히 Copilot CLI 내에서 작동합니다. 그리고 Microsoft의 Anthropic(9)과의 광범위한 계약은 Microsoft의 Anthropic에 대한 최대 50억 달러 투자 및 Anthropic의 Azure 컴퓨팅 용량 구매에 대한 300억 달러 약속을 포함하여 그대로 유지됩니다. Fortune(2)에 따르면 그 거래는 유효합니다.
현재 문제는 가격 책정 모델입니다. 토큰 기반 가격 책정은 출력당 요금을 청구하며, 엔지니어가 복잡한 코딩 작업을 위해 AI 에이전트를 몇 시간 동안 사용하면 해당 토큰이 빠르게 쌓입니다.
Uber의 상황은 이를 구체적으로 보여줍니다. 4월에 Uber CTO Praveen Neppalli Naga는 The Information(3)에 회사가 4개월 만에 2026년 AI 코딩 예산 전체를 소진했다고 말했습니다.
Naga는 "필요할 것이라고 생각했던 예산이 이미 날아갔기 때문에 이제는 다시 처음부터 시작해야 합니다."라고 말했습니다.
그리고 Uber가 자금을 잘못 관리했기 때문은 아닙니다. Microsoft와 마찬가지로 Uber는 2025년 12월에 엔지니어들에게 Claude Code를 배포했습니다 (10). 3월까지 Uber 엔지니어의 약 84%가 Claude Code를 채택했으며 에이전트 코딩 사용자 (11)로 분류되었습니다.
The Information(3)에 따르면 Uber에서 커밋된 코드의 약 70%가 현재 AI에서 비롯되며, 백엔드 업데이트의 11%는 인간 개입 없이 에이전트에 의해 배포됩니다. 개별 엔지니어는 월 500달러에서 2,000달러를 지출했습니다. 아이러니하게도 이것은 도구가 작동했기 때문에 발생했습니다. 엔지니어들은 AI가 실제로 유용하다는 것을 발견하고 이를 일상 업무 흐름에 통합했습니다. 예산이 붕괴된 것은 엔지니어들이 토큰을 낭비했기 때문이 아니라 실제로 도구에 의존했기 때문이며, 이는 실리콘 밸리의 많은 상사들이 직원들에게 요구해 온 것입니다.
AI 경제에 대한 과대 광고와 현실의 만남
Nvidia의 Catanzaro의 발언은 고립된 데이터 포인트가 아닙니다. Morgan Stanley(12)에 따르면 대형 기술 기업들은 올해 총 7,400억 달러의 자본 지출을 발표했습니다. 이는 2025년에 비해 69% 증가한 수치입니다. 그러나 Yale Budget Lab은 AI가 실제로 대규모 생산성 향상을 주도한다는 광범위한 데이터를 아직 보여주지 않는다고 보고합니다 (13).
2024년 MIT 연구 (14)는 시각 관련 작업 자동화의 경제성을 조사했으며 AI가 해당 작업과 관련된 임금의 약 23%에 대해 충분히 저렴하게 수행할 수 있음을 발견했습니다. 나머지 77%의 경우 인간이 작업을 수행하는 것이 여전히 더 저렴했습니다.
스위스 인공지능 연구소 Gordon School of Business의 AI 및 금융 교수인 Keith Lee는 Fortune(4)에 우리가 보고 있는 것은 "단기적인 불일치"이며, 하드웨어 및 에너지 비용이 AI 제공업체의 운영 비용을 상승시키고 있다고 말했습니다.
McKinsey(15)에 따르면 AI를 대규모로 실행하는 데 필요한 인프라는 2030년까지 5조 2천억 달러가 소요될 것으로 예상됩니다. Lee는 "AI가 인간보다 저렴해지는 것만이 아닙니다."라며 "대규모로 더 저렴하고 예측 가능해지는 것에 관한 것입니다."라고 말했습니다.
AI를 걱정하는 근로자들에게 이것이 의미하는 바
이것 중 어느 것도 AI 대체가 현실이 아니라는 것을 의미하지는 않습니다. Layoffs.fyi(16)에 따르면 2026년 현재 152개 회사에서 115,000명 이상의 기술 분야 해고가 발생했으며, 이미 작년의 120,000명을 넘어설 것으로 예상됩니다. 기업들은 AI가 아직 명확하게 비용을 절감하지 못하고 있음에도 불구하고 동시에 일자리를 줄이고 AI에 투자하고 있습니다.
Microsoft와 Uber가 우리에게 보여주는 것은 실제 제약입니다. 인간 노동자를 대체하려면 AI는 더 적은 비용으로 동일하거나 더 나은 결과를 제공해야 합니다. 현재 대부분의 직업에서 그 계산은 정확하지 않습니다.
250,000명 이상의 독자들과 함께 Moneywise의 최고의 이야기와 독점 인터뷰를 가장 먼저 받아보세요. 명확한 통찰력이 선별되어 매주 전달됩니다. 지금 구독하세요.
기사 출처
저희는 검증된 출처와 신뢰할 수 있는 제3자 보고서만 사용합니다. 자세한 내용은 윤리 및 지침을 참조하십시오.
CNBC (1); Fortune (2), (4), (10); The Information (3); The Verge (5), (7); The Next Web (6); The Street (8); Seeking Alpha (9); MLQ (11); Morgan Stanley (12); Yale University (13); MIT Computer Science and Artificial Intelligence Laboratory (14); McKinsey & Company (15); Layoffs.fyi (16)
4개 주요 AI 모델이 이 기사를 논의합니다
"현재 토큰 가격 책정은 AI 대체에 대한 단기 제약이지만, MSFT와 같은 대규모 플레이어의 빠른 내부 최적화를 고려할 때 지속적인 제약은 아닙니다."
이 기사는 MSFT와 UBER의 실제 비용 급증을 정확하게 지적하고 있으며, Claude 사용량이 몇 달 만에 예산을 초과하여 6월 30일까지 더 저렴한 Copilot CLI로 전환해야 했습니다. 그러나 이는 70-84%의 엔지니어 채택률과 Uber의 11%의 완전 에이전트 주도 배포라는 신호를 과소평가합니다. 이는 도구가 이미 지출할 가치가 있는 출력을 제공한다는 증거입니다. 7,400억 달러의 capex 물결과 NVDA의 5조 달러 가치 평가는 토큰당 비용이 임금보다 빠르게 하락할 것이라는 베팅을 반영하며, 대체가 지연된다는 것이 아닙니다. 누락된 맥락: Azure 규모의 거래가 없는 소규모 기업은 더 큰 장벽에 직면하여 빅테크 해자를 넓힙니다.
McKinsey의 5조 2천억 달러 인프라 예측이 시사하듯이 에너지 및 하드웨어 제약은 2028년까지 추론 비용을 높게 유지할 수 있으며, 오늘날의 '불일치'를 빠른 사내 도구 해결이 아닌 다년간의 ROI 부담으로 바꿀 수 있습니다.
"Microsoft와 Uber는 기능적 한계가 아닌 가격 책정 장벽에 부딪혔으며, 이는 토큰 비용이나 청구 모델이 인프라가 성숙함에 따라 압축된다면 장기적인 AI 채택에 실제로 긍정적입니다."
이 기사는 두 가지 별개의 이야기를 혼동하고 있습니다. (1) Microsoft가 Claude Code에서 더 저렴한 GitHub Copilot CLI로 전환하는 것—AI를 포기하는 것이 아니라 지출을 최적화하는 것; (2) 에이전트 코딩 도구에 대한 실제 토큰당 비용 문제. 더 깊은 문제는 구조적 실행 불가능성이 아니라 초기 단계의 가격 책정 비효율성을 보고 있다는 것입니다. Uber가 4개월 만에 2026년 예산을 소진한 이유는 채택이 *성공적*이었기 때문입니다. 엔지니어의 84%가 매일 사용했습니다. 이것은 수요 문제가 아니라 가격 책정 문제입니다. 5조 2천억 달러의 인프라 예측과 69%의 capex 증가는 빅테크가 단위 경제가 개선될 것이라고 믿고 있음을 시사합니다. MIT 연구(시각 작업의 23%가 경제적으로 실행 가능)는 좁은 사용 사례에 대한 2024년 데이터입니다. 코딩 에이전트는 ROI가 더 높습니다. 누락된 것: 가격 책정 모델이 어떻게 발전할지 또는 규모가 증가함에 따라 토큰 비용이 하락할지에 대한 논의가 전혀 없습니다.
Claude Code와 Cursor가 '잘 작동함'에도 불구하고 현재 사용량으로 이미 감당할 수 없다면, 근본적인 컴퓨팅 비용이 대규모로 인간의 임금을 능가하기에는 구조적으로 너무 높을 수 있습니다. 특히 급여 기대치가 높은 지식 노동의 경우 더욱 그렇습니다. 이 기사는 가격이 개선될 것이라고 가정하지만, 그렇지 않을 수도 있습니다.
"외부 AI 도구에서 자체 최적화된 내부 스택으로의 전환은 생성형 AI의 마진 증가 잠재력을 실현하는 데 필요한 다음 단계입니다."
'AI가 너무 비싸다'는 이야기는 초기 단계 인프라 채택을 잘못 해석한 전형적인 사례입니다. Microsoft와 Uber는 AI에서 후퇴하는 것이 아니라, 제3자 도구인 Claude에 대해 프리미엄 소매 가격을 지불했던 '실험적' 가격 책정 모델에서 자체 최적화되고 수직적으로 통합된 스택으로 전환하고 있습니다. 이것은 혁신에서 운영 효율성으로의 표준적인 전환입니다. 실제 이야기는 토큰 비용이 아니라 Uber에서 인간의 개입 없이 배포된 코드의 11%입니다. 이는 결국 노동 비용을 압축할 인간 자본 레버리지의 엄청난 변화를 나타내며, 현재 컴퓨팅 오버헤드와는 무관합니다. 우리는 소프트웨어 엔지니어링의 디플레이션 주기에서 '자본 지출' 단계를 보고 있습니다.
에너지 제약과 하드웨어 부족으로 인해 추론 비용이 2028년까지 높게 유지된다면, '생산성 향상'은 마진 확대로 실현되지 못하고, 기업은 AI 에이전트에 대한 영구적인 고비용 유지 관리 주기에 갇히게 될 수 있습니다.
"대규모 AI는 지속적인 투자에 대한 정당성을 부여할 만큼 순 생산성 향상을 제공할 것이며, 단기 비용 압박에도 불구하고 계속될 것입니다."
Microsoft가 Claude Code 라이선스를 중단하고 Uber가 2026년 예산을 소진한 것처럼, 토큰 기반 가격 책정과 대규모 AI 도구에서 나오는 강력한 단기 비용 신호. 채택은 현실입니다(Uber 엔지니어의 84%; 코드의 약 70%가 AI에서 비롯됨; 에이전트를 통한 백엔드 업데이트의 11%). 그러나 Yale/MIT/McKinsey의 신뢰할 수 있는 증거는 잠재적 출력과 실제 생산성 향상 간의 격차를 지적하며, 인프라 비용은 2030년까지 높게 예상됩니다. 그럼에도 불구하고 AI와 연결된 소프트웨어 플랫폼의 핵심 사례는 여전히 남아 있습니다. 컴퓨팅 효율성, 가격 책정 및 거버넌스가 개선된다면 AI는 엔지니어당 한계 출력을 높여 단기 비용 역풍 속에서도 장기적인 ROI를 지원할 수 있습니다.
모델이 확장됨에 따라 비용 제약이 지속되거나 악화될 수 있으며, 이는 많은 팀에게 출력당 청구서가 지속 불가능하게 만들 수 있습니다. 핵심 워크플로우에 대한 ROI가 좁게 유지된다면, 기업은 채택을 제한하거나 더 저렴하고 기능이 떨어지는 도구로 돌아갈 수 있으며, 이는 생산성 가설을 약화시킵니다.
"하드웨어 부족은 Gemini가 수직 통합에 이어질 것이라고 가정하는 디플레이션 주기를 차단할 수 있습니다."
Gemini는 비용을 표준적인 혁신에서 효율성으로의 전환으로 일축하지만, McKinsey의 5조 2천억 달러 인프라 요구 사항과 에너지 제한이 Uber와 같은 통합 플레이어조차도 지속적인 높은 지출에 갇히게 할 수 있다는 점을 무시합니다. 11%의 제로 개입 배포는 레버리지가 존재함을 증명하지만, 예상보다 빠른 토큰 디플레이션 없이는 노동 압축이 하이퍼스케일러에 국한될 것이며 광범위한 소프트웨어 마진에는 미치지 못할 것입니다.
"가격 개선은 기계적으로 보장되지 않고 가정됩니다. 에너지 부족은 노동 절감보다 높은 비용을 발생시켜 전체 생산성 가설을 한계적으로 만들 수 있습니다."
Claude와 ChatGPT 모두 가격이 개선될 것이라고 가정하지만, 왜 그래야 하는지에 대해서는 다루지 않습니다. 토큰 비용은 시장 효율성이 아닌 하드웨어 + 에너지 경제를 추적합니다. NVIDIA의 5조 달러 가치 평가가 이미 막대한 규모를 반영하고 있다면, 디플레이션은 어디서 오는가? Grok의 에너지 제약 주장은 가장 반박하기 어렵습니다. 2028년까지 추론이 전력 제한적이라면, 채택 곡선과 관계없이 토큰 비용은 고정될 수 있습니다. 그것이 ROI의 실제 상한선이며, 채택률이 아닙니다.
"AI 에이전트로의 전환은 저비용 인간 노동을 영구적으로 소프트웨어 마진을 압축하는 고비용, 에너지 의존적인 '컴퓨팅 세금'으로 대체할 위험이 있습니다."
Claude, 당신은 핵심을 짚었습니다. '디플레이션' 이야기는 에너지 제약 추론에 적용되지 않을 수 있는 무어의 법칙 가설에 의존합니다. Gemini, 당신은 소프트웨어 마진이 역사적으로 낮은 한계 비용에 의해 주도된다는 사실을 간과하고 있습니다. AI 에이전트가 모든 코드 라인에 영구적인 고비용 '컴퓨팅 세금'을 강요한다면, 우리는 생산성 붐이 아니라, 주요 수혜자가 전력망과 NVDA이고 소프트웨어 회사가 아닌 마진 압축 전환을 보고 있는 것입니다.
"토큰 비용 디플레이션은 보장되지 않으며, 에너지/하드웨어 제한은 ROI와 마진 압축을 제한할 수 있습니다."
Claude, 당신은 가격을 규모에 따라 개선될 가능성이 높은 최적화 문제로 프레임하지만, 에너지 및 하드웨어 제한의 엄격한 상한선을 과소평가합니다. 토큰 비용이 전력 소비를 추적한다면, 무어의 법칙 확장이 멈출 수 있습니다. Uber의 인간 없는 코드 배포 11%는 레버리지를 나타내지만, 철저한 거버넌스 및 보안 없이는 이러한 이점이 빠르게 사라지고 ROI를 제한할 수 있습니다. 위험은 채택이 아니라 단위 경제가 다년간의 capex를 정당화할 만큼 실제로 개선되는지 여부입니다.
AI 도구의 높은 채택률과 생산성 향상에 대한 합의가 있지만, 패널리스트들은 비용 개선이 뒤따를지에 대해 의견이 다릅니다. 일부는 에너지 제약이 토큰 비용 디플레이션을 제한할 수 있다고 주장하는 반면, 다른 일부는 규모에 따라 가격이 개선될 것이라고 믿습니다.
높은 채택률과 생산성 향상, Uber에서 11%의 코드가 인간 개입 없이 배포됨.
에너지 제약으로 인한 고정적인 토큰 비용, 잠재적으로 ROI 및 마진 압축 제한.