AI 붐의 허상? 우버는 연간 AI 예산을 몇 달 만에 소진했다
Published Jun 18, 2026
실리콘밸리의 뜨거웠던 AI 열풍 뒤에 숨겨진 차가운 현실이 드러나고 있습니다. 올해 초, CEO들은 직원들에게 AI 사용을 최대한 독려하는 이른바 ‘토큰맥싱(tokenmaxxing)’ 트렌드를 주도했습니다. 마치 무한정 리소스를 쓸 수 있는 것처럼 AI를 무조건 많이 쓰도록 장려한 것이죠. 그 결과는 충격적입니다. 우버(Uber)는 연간 AI 예산을 단 몇 달 만에 소진했다고 보도되었고, 일부 기업들은 비용 부담을 견디지 못해 Claude AI 라이선스를 축소했으며, 심지어 메타(Meta)는 내부 AI 활용 순위표를 폐지하기에 이르렀습니다. 과연 무엇이 문제였을까요?
AI, 이제는 비용 효율성을 증명해야 할 때
이러한 현상은 단순히 몇몇 기업의 특수한 사례가 아닙니다. 이는 AI에 대한 과장된 기대와 실제 투자수익률(ROI) 사이의 심각한 간극을 보여주는 상징적인 사건입니다. NEA 파트너 티파니 럭(Tiffany Luck)은 바로 이 지점에서 AI 시장의 현재를 정확하게 짚어내고 있습니다. 그녀는 과거 전자상거래가 미래라고 기업들을 설득했던 경험을 가진 인물로, 현재는 AI, 특히 소비자 비즈니스에서의 ‘마법 같은 순간(magic moments)’ 가능성에 집중하고 있습니다. 그녀의 통찰은 오늘날 AI가 직면한 도전을 이해하는 데 핵심적인 단서를 제공합니다.
사실 **‘토큰맥싱’**은 특정 AI 모델, 특히 대규모 언어 모델(LLM)을 사용할 때 지불하는 토큰(단어, 글자 조각 등) 단위의 과금을 최대한 활용해 비용을 극대화하면서도 그 가치를 제대로 측정하지 못했던 상황을 비꼬는 표현입니다. 기업들은 AI 도입을 서두르며 뒤처지지 않으려는 FOMO(Fear Of Missing Out) 심리에 휩싸여, 명확한 전략이나 비용-효율성 분석 없이 무작정 AI 서비스를 확대했습니다. 혁신을 향한 열정은 높이 평가될 만하지만, 비용 관리가 뒷받침되지 않은 확장은 결국 지속 불가능하다는 냉혹한 진실을 일깨워준 셈입니다. 마치 금맥을 발견했다고 무작정 파들어갔지만, 정작 채굴 비용이 금의 가치를 넘어섰던 과거의 실패 사례들과 비슷하다고 볼 수 있습니다.
과감한 투자 뒤에 남겨진 청구서
우버의 사례는 특히 많은 기업들에게 경종을 울리고 있습니다. 몇 달 만에 1년 치 예산을 탕진했다는 것은 AI 인프라 구축 및 운영, 그리고 모델 사용에 들어가는 비용이 얼마나 막대할 수 있는지 여실히 보여줍니다. 이는 LLM 호출 비용뿐만 아니라, 데이터 전처리, 모델 튜닝, GPU 자원 할당 등 AI 생태계를 유지하는 데 필요한 모든 요소가 포함됩니다.
- 비용 부담 증가: LLM 사용량이 늘어날수록 토큰 기반 과금은 기하급수적으로 증가합니다. 특히 초거대 모델의 경우, 작은 작업에도 상당한 비용이 발생할 수 있습니다.
- 전략 부재: 많은 기업이 AI의 잠재력에만 집중하고, 어떤 비즈니스 문제를 해결할지, 어떻게 ROI를 측정할지 명확한 전략 없이 도입을 서두른 경향이 있습니다. 이는 투자 대비 실질적인 성과를 내지 못하는 결과를 초래합니다.
- 내부 저항 및 효율성 문제: 메타가 내부 AI 활용 순위표를 없앤 것은, 단순히 비용 문제뿐만 아니라 AI 도입이 실제 직원들의 생산성 향상이나 업무 효율성 증대로 이어지지 않았을 가능성을 시사합니다. 무작정 사용을 강요하는 것이 오히려 반감을 사거나, 불필요한 비용만 발생시켰을 수도 있습니다. 솔직히 말해서, 모든 업무에 AI를 적용하는 것이 능사는 아닙니다. 때로는 인간의 직관과 경험이 훨씬 효율적일 수도 있죠.
이 부분에서 주목할 점은 **‘보이지 않는 비용’**입니다. AI 모델을 사용하면서 발생하는 직접적인 토큰 비용 외에도, AI 시스템을 통합하고 유지보수하며, AI가 생성한 결과물을 검증하고 수정하는 데 드는 인적, 시간적 비용은 간과되기 쉽습니다. 사실 이건 많은 기업이 새로운 기술 도입 시 저지르는 흔한 실수이기도 합니다.
AI 투자, ‘마법 같은 순간’과 측정 가능한 ROI 사이
티파니 럭은 현재 AI가 가져올 수 있는 **‘개인화된 에이전트의 미래’**나 **‘소비자 비즈니스에서의 마법 같은 순간’**에 대해 이야기하지만, 동시에 이러한 혁신이 어떻게 ROI로 연결될지 측정하는 것이 중요하다고 강조합니다. 이는 단지 비용 절감을 넘어, 새로운 가치 창출과 그에 따른 수익을 명확하게 입증해야 함을 의미합니다. 과거 전자상거래 초기에도, 단순히 웹사이트를 만들고 물건을 파는 것을 넘어, 얼마나 많은 고객을 유치하고 전환율을 높여 수익을 창출하는지가 관건이었습니다. AI 역시 마찬가지입니다.
개인적으로는 이러한 상황이 AI 시장의 **‘성장통’**이라고 생각합니다. 초기에는 기술 자체의 잠재력에 열광하고 무분별한 투자가 이루어지지만, 점차 현실적인 비즈니스 가치와 비용 효율성에 대한 요구가 커지는 것은 모든 혁신 기술의 숙명과도 같습니다. 지금부터는 ‘얼마나 AI를 많이 썼는가’가 아니라 **‘AI를 통해 어떤 비즈니스 문제를 해결했고, 얼마만큼의 가치를 창출했는가’**가 핵심 지표가 될 것입니다.
스타트업이 제시하는 해답: AI 지출 추적 및 ROI 측정 도구
이러한 기업들의 고민 속에서 새로운 시장이 형성되고 있습니다. 바로 AI 지출을 추적하고 ROI를 측정할 수 있도록 돕는 스타트업들입니다. 이는 AI 거버넌스, 비용 최적화, 그리고 성과 분석이라는 세 가지 측면에서 기업의 니즈를 충족시키는 중요한 역할을 수행할 것입니다.
- AI 지출 투명성: 누가 어떤 AI 모델을 얼마나 사용하고 있는지, 각 부서별 AI 비용은 얼마인지 명확하게 파악할 수 있는 대시보드 및 보고서 제공.
- ROI 분석 도구: AI 도입 전후의 생산성 변화, 비용 절감 효과, 매출 증대 기여도 등을 정량적으로 측정할 수 있는 프레임워크 및 솔루션 개발.
- 최적화 및 권장 사항: 불필요한 AI 지출을 줄이고, 더 효율적인 모델이나 사용 패턴을 제안하여 최적의 AI 활용 방안을 모색.
업계 흐름을 보면, 앞으로는 AI 기술 자체의 혁신뿐만 아니라, **‘AI를 효과적으로 관리하고 활용하는 능력’**이 기업의 핵심 경쟁력이 될 가능성이 높습니다. 클라우드 비용 관리가 중요해진 것처럼, AI 비용 관리 역시 필수적인 영역이 될 것입니다. 단순히 AI를 도입하는 것을 넘어, AI가 어떻게 기업의 본질적인 가치를 높이는지에 대한 심도 깊은 고민과 전략이 필요한 시점입니다. 무분별한 ‘토큰맥싱’의 시대는 저물고, 이제는 스마트한 ‘가치맥싱(valuemaxxing)‘의 시대가 도래하고 있는 것입니다.
출처
- 원문 제목: NEA’s Tiffany Luck says enterprises are still figuring out their AI ROI
- 출처: AI News & Artificial Intelligence | TechCrunch
- 원문 기사 보러가기
