토큰과 인간? 새로운 기업의 선택
기업 AI 비용이 예상보다 훨씬 크게 불어나면서, CFO들이 앞으로 채용할 인력을 늘릴지 토큰 비용을 감당할지 같은 예산 선택지 앞에 섬
엔터프라이즈 AI 워크로드의 약 95%가 단순 작업까지 가장 비싼 프런티어 모델에서 돌아가는 중
이 구간을 저가 티어로 라우팅하면 큰 폭의 비용 절감 가능
AI 투자 논리는 수요가 계속 폭증하고 가격에는 둔감하다는 가정 위에 서 있었지만, Fortune 500 기업은 가격에 더 민감하게 반응하는 중
인공지능 비용이 누구 예상보다도 크게 올라가면서, 미국 대기업 CFO들이 잔인할 만큼 선명한 새 선택을 마주함: 토큰이냐 사람이냐
이번 주 CNBC에 이를 전한 건 엔터프라이즈 AI 구축 한가운데 있는 두 CEO
Fortune 500 내부에서 무슨 일이 벌어지는지, 비용 급등이 AI 투자 논리에 어떤 위협이 되는지 또렷하게 드러남
시장은 아직 이 위험을 제대로 반영하지 않았고, 기록적 고점 속에서 마이크론 같은 새로운 조 단위 기업가치 기업까지 만들어내는 중
지금 모든 기업이 가장 먼저 꺼내는 주제는 불어난 AI 예산
기업들은 연간 예산을 잡아놨는데도 한두 달 만에 AI 예산이 바닥남
이유는 구매자가 기대한 방식으로 AI 비용이 내려가지 않았기 때문
오히려 비용은 올랐고, 프런티어 연구소의 새 모델이 나올 때마다 토큰당 가격이 이전 모델의 약 두 배 수준으로 뛰어 엔터프라이즈 AI를 지속하기 어려운 비용 구조가 됨
Jain은 지금이 기술 비용을 사람 비용과 직접 맞대고 비교하는 첫 시기라고 말함
과거에는 기술 비용이 운영비 전체에서 차지하는 비중이 훨씬 작아서, 기술을 택할지 사람을 택할지 같은 논의 자체가 거의 없었음
이렇게 커지는 AI 예산은 점점 앞으로 늘렸을 인력 채용을 대신하는 돈이 되고 있음
Factory AI CEO Matan Grinberg는, 모든 프런티어 AI 모델에 엔지니어링 작업을 라우팅하는 입장에서 이 변화를 경영진 내부의 분명한 자원 배분 문제로 봄
기업들은 직원 수를 최적화할지, 직원 1인당 AI 지출을 최적화할지 묻기 시작함
Grinberg에 따르면 기업은 약 1년 사이 세 단계를 거침
첫 단계: 이사회가 CEO에게 AI에 뭔가 대응하라고 압박
둘째 단계: 비용을 따지지 않고 무슨 수를 써서라도 AI를 쓰는 이른바 tokenmaxxing
셋째 단계: 경영진이 프리미엄 모델이 정말 필요한 범위를 다시 따져보기 시작
모든 작업에 Opus급 지능이 필요한 건 아니라는 판단이 퍼지는 중
더 벌지 못하는데 더 내는 구조
문제의 뿌리는 기술이 실제로 작동하긴 하지만 아직 자기 비용을 못 벌어온다는 데 있음
AI는 강력하지만 매우 비효율적이고, 지금 시점에서 AI가 만드는 가치가 기업이 감당하는 비용을 따라가지 못함
큰 원인 하나는 모델 선택 비효율
Jain에 따르면 엔터프라이즈 AI 사용량의 약 95%가 여전히 가장 비싼 프런티어 모델에 몰려 있고, 그중 상당수는 더 싼 대안으로도 충분히 처리 가능
해법은 단순함: 쉬운 작업을 저렴한 티어로 보내기
Jain은 이 구간을 가장 손쉬운 절감 지점으로 꼽음
앞단에서 모델 라우팅만 제대로 해도 10배 수준 절감 가능
이것이 Factory AI의 핵심 제안과도 맞닿아 있음
각 작업을 가장 알맞은 모델로 자동 전송
핵심은 실제로 최상위 모델이 필요한 작업이 얼마나 드문지 알아차리는 일
Grinberg는 최신 프런티어 모델 간 차이를 오랜 경력의 교수 둘에 비유함
Opus 4.7과 Opus 4.8의 차이는 13년 차 교수와 15년 차 교수 차이에 가깝고, 일반 사용자는 그 차이를 거의 구분하기 어려움
AI 투자 전체는 역사적 수준의 수요가 이어지고, 구매자가 비용에는 크게 개의치 않을 것이라는 베팅 위에 올라가 있음
하지만 Fortune 500 내부에서 보이는 모습은 그 가정보다 훨씬 가격 민감한 수요
source https://www.cnbc.com/2026/05/29/-tokens-or-humans-the-new-corporate-trade-off.html
