---
title: "Deloitte AI 인프라 서베이 - 2028년까지 예산 3배, 토큰 소비 2배, AI 팩토리 88% 도입 전망"
published: 2026-03-30T06:05:05.068Z
canonical: https://jeff.news/article/1376
---
# Deloitte AI 인프라 서베이 - 2028년까지 예산 3배, 토큰 소비 2배, AI 팩토리 88% 도입 전망

Deloitte의 엔터프라이즈 AI 인프라 서베이 결과. 2028년까지 AI 인프라 예산 3배+ 성장, 토큰 소비량 2배 증가, AI 팩토리 배포 88% 도달이 예상됨. HBM 비용 상승, 인재 부족, 전력 공급 등이 주요 과제로 부상함.

## 워크로드 복잡도와 모델 전략

- 응답자의 **96%**가 AI 워크로드 복잡도를 중간~높음으로 평가함
  - 그럼에도 **97%**는 향후 3년 내 AI 워크로드 스케일링에 자신 있다고 응답
- 모델 유형별 사용 현황
  - Closed 모델이 가장 많이 사용됨 (AI-first 리더 기업은 60~70% 수준)
  - 오픈소스/파생 모델은 저비용 실험과 혁신에 활용
  - Agentic SaaS(자율 워크플로우 실행 AI 에이전트 플랫폼)도 정착 중

## 토큰 소비량 폭증

- 현재 **37%**가 월 1~10B 토큰을 소비 중이고, 30%는 10B+ 소비 중
  - 2028년까지 **61%**가 월 10B 토큰 이상 소비 예상 (약 2년 내 2배)
  - 100B+ 토큰 사용자는 **3배**로 증가 전망
- 고급 추론 모델의 "thinking token" 생성이 소비 급증의 한 원인

## AI 팩토리 및 엣지 배포

- **AI 팩토리**: 현재 64%가 배포 시작 → 2028년 88% 예상
  - 73%가 대규모(at-scale) 배포를 목표로 함
- **Edge AI**: 현재 36% 스케일링 완료 → 2028년 72% 예상
  - Cloud-managed edge가 가장 일반적(68%)
  - 별도 운영 모델 없이 엣지 이점을 얻으려는 전략

## 예산과 비용 압박

- **86%**가 향후 3년간 AI 인프라 예산 증가를 예상함
  - 평균 **3배 이상** 성장, 대기업은 약 **4배** 전망
- HBM 등 메모리 비용 급등, 웨이퍼 비용 **20%** 상승 예상
  - GPU/CPU 가격도 함께 오를 것으로 전망됨
- 전력 공급: 47~48%가 그리드 + 자체 발전 + 제3자 발전의 혼합 전략을 예상

## 인재 갭

- 가장 부족한 인력: 보안/컴플라이언스 전문가, AI/ML ops 엔지니어, 변화관리 전문가
- IT 팀의 스케일링 역량에 대한 신뢰도 **81%** vs 비즈니스 팀 **65%** (16%p 격차)
- 향후 로보틱스 시스템 엔지니어링, 탄소/에너지 모니터링 등 스킬 수요도 증가 전망

---

## 기술 맥락

이 서베이는 AI 인프라 투자가 "일회성 현대화"에서 "지속적 다년간 투자"로 전환되고 있음을 보여줌. 특히 토큰 이코노믹스, TCO, 그리고 FinOps 원칙이 AI 인프라 거버넌스의 핵심이 되고 있다는 점이 주목할 만함. CTO/CIO가 AI 소비 패턴을 재무 시스템 수준으로 추적해야 한다는 제언은 엔터프라이즈 AI 운영의 성숙도를 보여주는 지표임.

## 핵심 포인트

- 96%가 AI 워크로드 복잡도 중간~높음 평가, 97%는 3년 내 스케일링에 자신감
- 토큰 소비: 2028년까지 61%가 월 10B+ 토큰 소비 전망, 100B+ 사용자 3배 증가
- AI 팩토리 64%→88%, Edge AI 36%→72%로 거의 2배 성장 예상
- 예산 86%가 증가 예상, 평균 3배+ 성장 (대기업 약 4배)
- 인재 갭: IT 팀 81% vs 비즈니스 팀 65% 신뢰도 격차

## 인사이트

토큰 소비량의 폭발적 증가와 AI 팩토리 확산은 AI 인프라가 클라우드를 넘어 자체 데이터센터 수준의 투자를 요구하게 됨을 시사함. FinOps와 토큰 이코노믹스가 엔터프라이즈 AI 거버넌스의 핵심 역량이 될 전망.